CN114167859B - 基于改进弗洛伊德算法的救护车应急救援路径规划方法 - Google Patents
基于改进弗洛伊德算法的救护车应急救援路径规划方法 Download PDFInfo
- Publication number
- CN114167859B CN114167859B CN202111357024.9A CN202111357024A CN114167859B CN 114167859 B CN114167859 B CN 114167859B CN 202111357024 A CN202111357024 A CN 202111357024A CN 114167859 B CN114167859 B CN 114167859B
- Authority
- CN
- China
- Prior art keywords
- path
- patient
- hospital
- ambulance
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 239000000463 material Substances 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000010586 diagram Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 2
- 206010000372 Accident at work Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于改进弗洛伊德算法的救护车应急救援路径规划方法,其实现的具体步骤为:将所有救护车应急救援信息进行初始化;对医院与患者之间路径权值进行动态规划;采用弗洛伊德最短路径算法,计算从节点i到节点j途中不经过比索引点k大的最短路径。本发明充分考虑道路拥挤情况、医院的救援物资情况、患者的地理位置和医院的地理位置情况、车辆的空闲情况等情况,相比传统弗洛伊德算法下的救护车应急救援轨迹规划节省了更多的调度时间,极大提高了调度效率。
Description
技术领域
本发明涉及救护车应急分配领域,具体为基于改进弗洛伊德算法的救护车应急救援路径规划方法。
背景技术
近年来,随着全国经济不断发展发生大中型工业类事故和火灾的数量骤增,一系列突发人为事故造成人员伤亡和财产损失越来越大,因此如何高效的进行应急救援,规划出最佳的应急救援路径,用最少的时间进行应急救援,减少救援时间、减轻人员伤亡和财产损失已经成为了目前大家关注的重点和方向。
在目前的实际情况下,对于救护车的调度过于单一化,绝大部分的调度原则上都十分单一,大多都采用弗洛伊德算法,系统在接受到患者的求救信号后,会基于地理位置信息,选择离患者最近的医院派出急救车进行救援。但是在这之间会遇到一些问题,比如最近的医院救护车辆不空闲,最近医院的急救资源比较稀缺,交通道路较为拥挤等等以上情况都会极大的拖延救治的时间,均不适合采用就近原则。
因此,许多的工作都集中在解决急救车辆智能调度的问题上,有学者提出根据车辆的行驶时间也就是综合考虑道路拥堵情况然后对救护车辆进行定位,这种调度方法虽然考虑到了道路拥堵情况,但是却忽略了患者的地理位置和救护车的地理位置之间的最短路径、车辆空闲和医院救援物资的情况;又有学者提出为满足许多地方对救济物资的需求,同时考虑到每个需求的紧迫性,每个节点都有需求和优先级,按照优先级的大小依次提供救援,此调度方法可以考虑到一些医疗物资情况、病人的救治率等一些因素的影响,但是没有考虑到具体在进行调度的过程中交通道路拥堵情况,不方便对救护车进行实时调度,为此提供了基于改进弗洛伊德算法的救护车应急救援路径规划方法。
发明内容
本发明的目的是针对现有技术的缺陷,提供基于改进弗洛伊德算法的救护车应急救援路径规划方法,以解决上述背景技术提出的问题。
为实现上述目的,本发明提供如下技术方案:基于改进弗洛伊德算法的救护车应急救援路径规划方法,包括如下步骤:
步骤(1):将所有救护车应急救援信息进行初始化;
步骤(2):对医院与患者之间路径权值W进行动态规划;
步骤(3):采用弗洛伊德最短路径算法,计算从节点i到j的途中不经过比索引点k大的最短路径,计算公式AK(i,j)=min{AK-1(i,j),AK-1(i,k)+AK-1(k,j)},当k=n时,即An(i,j)=D[i][j]时,即为经过综合考虑因素下的最短路径;
式中,i和j为地图的任一路径点;式中,k为地图路径点的索引值;式中,n为索引的总个数;式中,D[i][j]为从i到j的最短路径。
作为本发明的一种优选技术方案,所述步骤(1)中的将所有救护车应急救援信息进行初始化流程为:
步骤(1a):将整个医院地图信息优化成完全带权图G,将所有医院定义为节点v0,有患者进行求救时将患者的节点v1…vn加入到集合V中;
步骤(1b):用W表示各个医院和患者之间的权值集合W=(w1,w2…,wn),n>=0;
步骤(1c):用P矩阵用来存储医院和患者之间的路径信息;
步骤(1d):用D矩阵用来存储医院和患者之间的最短路径距离;
步骤(1f):用Q表示道路拥堵情况集合Q=(q1,q2,q3····qh),h>=0;
步骤(1g):用M表示医院的救援物资情况集合(m1,m2,m3····mt),t>=0;
步骤(1h):用集合F表示救护车的空闲情况集合S=(1,∞),若车辆空闲就将权值赋值为1;若车辆不空闲将权值赋值为∞即不可调度;车辆空闲为特殊因素故只有两种取值且不算在集合R内;
步骤(1i):初始化最短路径D[i][j]=A[i][j]和路径矩阵P[i][j]=i。
作为本发明的一种优选技术方案,所述步骤(2)中的对医院与患者之间路径权值进行动态规划流程为:
步骤(2a):通过地图测出医院与患者或者患者与患者之间的实际的路径长度di;
步骤(2b):对每个因素划分为若干级,比如道路拥堵情况划分为11个等级(0-10),根据实际道路情况确定,道路拥堵时可以取值为9或10,道路畅通时可以取值为0或1;
步骤(2c):使用公式W=(d[i][j]+h*ri+g*ri)*S计算医生和患者之间的路径权值。
本发明的有益效果是:本方法采取了改进的弗洛伊德算法对道路拥挤情况、医院的救援物资情况、患者的地理位置和医院的地理位置情况、车辆的空闲情况等进行综合考虑找到最佳的路径还能找到最佳路径下的各个节点,为救护车智能调度案例提供一个切实可行的解决方法。
附图说明
图1是本发明的流程图;
图2是本发明具体实施方式下的的交通路线图;
图3是本发明将起点V0加入到Path[]数组后新的Dist[]矩阵和Path[]矩阵;
图4是本发明将起点V1加入到Path[]数组后新的Dist[]矩阵和Path[]矩阵;
图5是本发明起点V8加入到Path[]数组后新的Dist[]矩阵和Path[]矩阵;
图6是本发明传统的Dijkstra算法下的最短路径;
图7是本发明改进弗洛伊德算法下的最短路径;
图8是本发明路径权重因子为0的网络结构图;
图9是本发明路径权重因子为1的网络结构图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易被本领域人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
实施例:请参阅图1-9,本发明提供一种技术方案:基于改进弗洛伊德算法的救护车应急救援路径规划方法,本发明的实现步骤如下:
步骤(1):将所有救护车应急救援信息进行初始化;
步骤(1a):将整个医院地图信息优化成完全带权图G,将所有医院定义为节点v0,有患者进行求救时将患者的节点v1…vn加入到集合V中;
步骤(1b):用W表示各个医院和患者之间的权值集合W=(w1,w2…,wn),n>=0;
步骤(1c):用P矩阵用来存储医院和患者之间的路径信息;
步骤(1d):用D矩阵用来存储医院和患者之间的最短路径距离;
步骤(1f):用Q表示道路拥堵情况集合Q=(q1,q2,q3····qh),h>=0;
步骤(1g):用M表示医院的救援物资情况集合(m1,m2,m3····mt),t>=0;
步骤(1h):用集合F表示救护车的空闲情况集合S=(1,∞),若车辆空闲就将权值赋值为1;若车辆不空闲将权值赋值为∞即不可调度;车辆空闲为特殊因素故只有两种取值且不算在集合R内;
步骤(1i):初始化最短路径D[i][j]=A[i][j]和路径矩阵P[i][j]=i;
步骤(2):对医院与患者之间路径权值W进行动态规划;
步骤(2a):通过地图测出医院与患者或者患者与患者之间的实际的路径长度di;
步骤(2b):对每个因素划分为若干级,比如道路拥堵情况划分为11个等级(0-10),根据实际道路情况确定,道路拥堵时可以取值为9或10,道路畅通时可以取值为0或1;
步骤(2c):使用公式W=(d[i][j]+h*ri+g*ri)*S计算医生和患者之间的路径权值;
步骤(3):采用弗洛伊德最短路径算法,计算从节点i到j的途中不经过比索引点k大的最短路径,计算公式:
AK(i,j)=min{AK-1(i,j),AK-1(i,k)+AK-1(k,j)},当k=n时,即An(i,j)=D[i][j]时,即为经过综合考虑因素下的最短路径。
本发明采用CAJ、ArcGIS Engine、Visual Studio等工具开发了应急救援对救护车的路径规划软件。选取某城市的道路网络作为研究数据,将省道、铁道、市区主干道等矢量要素添加到地理数据库中,通过ArcGIS的网络数据集工具得到了图1所示的连云港交通道路网络图。
为了便于大家理解接下来用实例为大家介绍弗洛伊德算法。
(1)将起点V0加入到Path[]数组中得到新的Dist[]矩阵和Path[]矩阵,如图3所示。
(2)基于第一个步骤结果,将起点V1加入到Path[]数组中得到新的Dist[]矩阵和Path[]矩阵,如图4所示。
(3)以此类推,当起点V8加入到Path[]数组中,此时权重算法结束,得到新的Dist[]矩阵和Path[]矩阵,如图5所示。
(4)根据距离矩阵和路径矩阵我们可以很容易的得到任意两点之间的最短距离,例如我们要求从V4—V7的最短路径从P矩阵我们可以得到经过了中间结点6,那么很容易得到从V4到V7的最短路径为V4—V6—V7。重新对权值进行赋值,综合考虑各个因素的影响,对每个可能的因素都赋予不同的比例,最后计算出最合理的权值,此时得到的结果和路径更为准确,能高效的运用在救护车的智能调度中。
然后将传统的Dijkstra算法嵌入到软件中,规划出了应急救护车的最短路径,如图6所示。
对道路拥挤情况、医院的救援物资情况、患者的地理位置和医院的地理位置情况、车辆的空闲情况等进行综合考虑后,将改进的弗洛伊德算法嵌入到软件中,重新规划出了应急救护车的最短路径,如图7所示。
在车辆行驶速度理想的状态下,假设经过一个交叉路口平均等待35s,图7的路径长度为1508.6m,经过11个交叉路口,所用时间为15.6min,图8的路线长为1709.8m,经过8个交叉路口,所用时间为13.5min,图8路线有效的避开了交通拥挤路段在实际运行的过程中,综合考虑到患者求救的地理位置信息,图7所规划的路径所用时间更少且救治效率更高。虽然相比于图6行驶了更长的距离但是却消耗了更少的时间。
为对比验证所提算法的有效性,进一步将弗洛伊德算法和改进的弗洛伊德算法进行比较,采用如图8所示的网络拓扑结构(网络节点数取8)进行验证。实验在Matlab2016b上对每种算法求得的最优解进行多次仿真测试,其中弗洛伊德算法不考虑其他因素的影响故路径权重因子赋值为0,而改进的弗洛伊德算法考虑其他因素的影响故路径权重因子赋值为1,下面我们将通过网络结构图来具体论证。
由图8可知当路径权重因子为0时,此时便不考虑其他因素的影响,即采用弗洛伊德算法求得从起点到终点的最短距离(即图7中加黑线段)。图9中权值仅仅只是代表地图上任意地点之间的路径长度。当路径权重为1时,可得到网络结构图如下图9所示。
由图9可知当路径权重为1时,对道路拥挤情况、医院的救援物资情况、患者的地理位置和医院的地理位置情况、车辆的空闲情况等进行综合考虑对权值公式进行重新的计算,得到该结构图,此时的权值代表了综合了各个因素后的各个地点之间的路径长度,此时再采用弗洛伊德算法求得从起点到终点的最短路径(即图9中加黑线段)。
下面通过仿真不同的模拟环境1(路径权重因子为0)和模拟环境2(路径权重因子为1)来具体的比较两种算法在救护车智能调动中的效率高低(车辆的运行速度默认取80km/h)。
表1
表2
表1给出了模拟环境1下的实验结果(路径权重因子为0);表2给出了模拟环境2下的实验结果(路径权重因子为1)。经过表1和表2的比较可以看出当路径权重因子为0时,起点到终点的距离便由最短的路径长度决定,此时最短路径经过的结点为0—1—3—6—8,由弗洛伊德算法计算此时所用时间为16.5min,但是经过实际测得此时所用时间为22min,此时由于算法的局限性极大的影响了急救车调度的效率,当路径权重因子为1时综合考虑了道路拥挤情况、医院的救援物资情况、患者的地理位置和医院的地理位置情况、车辆的空闲情况等因素的影响,得到了最短路径为0—2—5—8,此时所用最短时间为21.5min,实际测得所用时间为22min,所以由上表可得采用改进的弗洛伊德算法使用的效率高小,与实际测量误差仅为2.27%。
上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (1)
1.基于改进弗洛伊德算法的救护车应急救援路径规划方法,其特征在于:包括如下步骤:
步骤(1):将所有救护车应急救援信息进行初始化;
步骤(1a):将整个医院地图信息优化成完全带权图G,将所有医院定义为节点v0,有患者进行求救时将患者的节点v1…vn加入到集合V中;
步骤(1b):用W表示各个医院和患者之间的权值集合W=(w1,w2…,wn),n>=0;
步骤(1c):用P矩阵用来存储医院和患者之间的路径信息;
步骤(1d):用D矩阵用来存储医院和患者之间的最短路径距离;
步骤(1f):用Q表示道路拥堵情况集合Q=(q1,q2,q3····qh),h>=0;
步骤(1g):用M表示医院的救援物资情况集合(m1,m2,m3····mt),t>=0;
步骤(1h):用集合F表示救护车的空闲情况集合S=(1,∞),若车辆空闲就将权值赋值为1;若车辆不空闲将权值赋值为∞即不可调度;车辆空闲为特殊因素故只有两种取值且不算在集合R内;
步骤(1i):初始化最短路径D[i][j]=A[i][j]和路径矩阵P[i][j]=i;
步骤(2):对医院与患者之间路径权值W进行动态规划;
步骤(2a):通过地图测出医院与患者或者患者与患者之间的实际的路径长度di;
步骤(2b):对每个因素划分为若干级,比如道路拥堵情况划分为11个等级(0-10),根据实际道路情况确定,道路拥堵时可以取值为9或10,道路畅通时可以取值为0或1;
步骤(2c):使用公式W=(d[i][j]+h*ri+g*ri)*S计算医生和患者之间的路径权值;
步骤(3):采用弗洛伊德最短路径算法,计算从节点i到j的途中不经过比索引点k大的最短路径,计算公式AK(i,j)=min{AK-1(i,j),AK-1(i,k)+AK-1(k,j)},当k=n时,即An(i,j)=D[i][j]时,即为经过综合考虑因素下的最短路径;
式中,i和j为地图的任一路径点;式中,k为地图路径点的索引值;式中,n为索引的总个数;式中,D[i][j]为从i到j的最短路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111357024.9A CN114167859B (zh) | 2021-11-16 | 2021-11-16 | 基于改进弗洛伊德算法的救护车应急救援路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111357024.9A CN114167859B (zh) | 2021-11-16 | 2021-11-16 | 基于改进弗洛伊德算法的救护车应急救援路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114167859A CN114167859A (zh) | 2022-03-11 |
CN114167859B true CN114167859B (zh) | 2023-01-24 |
Family
ID=80479430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111357024.9A Active CN114167859B (zh) | 2021-11-16 | 2021-11-16 | 基于改进弗洛伊德算法的救护车应急救援路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114167859B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115640921B (zh) * | 2022-10-12 | 2023-05-05 | 中南大学湘雅医院 | 一种院内危重患者转运路径规划方法和系统 |
CN116798233B (zh) * | 2023-08-25 | 2024-01-09 | 湖南天宇汽车制造有限公司 | 一种救护车快速通行引导系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739817A (zh) * | 2009-11-26 | 2010-06-16 | 西北工业大学 | 一种动态起点的最短路径规划方法 |
CN103337162A (zh) * | 2013-07-16 | 2013-10-02 | 四川大学 | 城市应急救援通道实时规划及动态调度系统 |
CN104914866A (zh) * | 2015-05-29 | 2015-09-16 | 国网山东省电力公司电力科学研究院 | 基于拓扑点分类的巡检机器人全局路径规划方法及系统 |
JP6119596B2 (ja) * | 2013-12-20 | 2017-04-26 | 株式会社ダイフク | 洗車機 |
CN107292450A (zh) * | 2017-07-18 | 2017-10-24 | 西安电子科技大学 | 基于多智能体遗传算法的灾害救援救护车路径规划方法 |
CN110298518A (zh) * | 2019-07-09 | 2019-10-01 | 四川三秦电气有限责任公司 | 一种火灾救援路线规划方法 |
CN112556714A (zh) * | 2020-12-08 | 2021-03-26 | 武汉理工光科股份有限公司 | 一种消防灭火救援智能路径规划方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06119596A (ja) * | 1992-10-08 | 1994-04-28 | Fujitsu General Ltd | 救急車ナビゲーションシステム |
-
2021
- 2021-11-16 CN CN202111357024.9A patent/CN114167859B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739817A (zh) * | 2009-11-26 | 2010-06-16 | 西北工业大学 | 一种动态起点的最短路径规划方法 |
CN103337162A (zh) * | 2013-07-16 | 2013-10-02 | 四川大学 | 城市应急救援通道实时规划及动态调度系统 |
JP6119596B2 (ja) * | 2013-12-20 | 2017-04-26 | 株式会社ダイフク | 洗車機 |
CN104914866A (zh) * | 2015-05-29 | 2015-09-16 | 国网山东省电力公司电力科学研究院 | 基于拓扑点分类的巡检机器人全局路径规划方法及系统 |
CN107292450A (zh) * | 2017-07-18 | 2017-10-24 | 西安电子科技大学 | 基于多智能体遗传算法的灾害救援救护车路径规划方法 |
CN110298518A (zh) * | 2019-07-09 | 2019-10-01 | 四川三秦电气有限责任公司 | 一种火灾救援路线规划方法 |
CN112556714A (zh) * | 2020-12-08 | 2021-03-26 | 武汉理工光科股份有限公司 | 一种消防灭火救援智能路径规划方法及系统 |
Non-Patent Citations (2)
Title |
---|
隧道塌方应急救援多车型调度模型;崔洪军 等;《科学技术与工程》;20200531;第20卷(第13期);5350-5354 * |
非常规突发事件救援物资输送的路径优化研究;阎俊爱 等;《灾害学》;20160131;第31卷(第01期);193-200 * |
Also Published As
Publication number | Publication date |
---|---|
CN114167859A (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114167859B (zh) | 基于改进弗洛伊德算法的救护车应急救援路径规划方法 | |
Dhamala et al. | A critical survey on the network optimization algorithms for evacuation planning problems | |
Kanoh et al. | Hybrid genetic algorithm for dynamic multi-objective route planning with predicted traffic in a real-world road network | |
CN104750895A (zh) | 基于移动手机数据的实时城市应急疏散仿真方法及系统 | |
Azis et al. | Comparison of Floyd-Warshall algorithm and greedy algorithm in determining the shortest route | |
CN111695225A (zh) | 一种公交复合复杂网络模型及其公交调度优化方法 | |
Wei et al. | City metro network expansion with reinforcement learning | |
CN104992249A (zh) | 一种被动分洪情景下的分洪区避险转移方案编制方法 | |
CN110807287A (zh) | 基于有限元网格在应急抢修布点场景中划分业务网格构建方法 | |
Arai et al. | Decision making and emergency communication system in rescue simulation for people with disabilities | |
Zhong et al. | Multi-objective optimization approach of shelter location with maximum equity: an empirical study in Xin Jiekou district of Nanjing, China | |
CN117273262A (zh) | 一种洪涝灾害下城市多模式交通网络功能韧性的评估方法 | |
CN112797997A (zh) | 一种基于栅格路网的应急路径规划架构和方法 | |
CN115640921B (zh) | 一种院内危重患者转运路径规划方法和系统 | |
CN114048913B (zh) | 一种基于粒子群算法和遗传算法混合的救援规划方法 | |
Gharakhlou et al. | Access Enhancement by Making Changes in the Route Network to Facilitate Rescue perations in Urban Disasters | |
CN112365131B (zh) | 一种面向大型活动交通运行的应急资源布局方法及系统 | |
CN115063175A (zh) | 店铺服务范围划定方法、系统、计算机设备及存储介质 | |
CN113449932A (zh) | 基于马尔科夫链的旅游交通需求预测方法、装置及系统 | |
Zhao et al. | Vehicle route assignment optimization for emergency evacuation in a complex network | |
Azimi et al. | Multi-agent simulation of allocating and routing ambulances under condition of street blockage after natural disaster | |
Wang et al. | Research on a bionic swarm intelligence algorithm and model construction of the integrated dispatching system for the rescue of disaster victims | |
Islam et al. | Simulation-assisted optimization for large-scale evacuation planning with congestion-dependent delays | |
Lu et al. | Agent-based large-scale emergency evacuation using real-time open government data. | |
Longfei et al. | Coorporative parking negotiation and guidance based on intelligent agents |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |