CN115100898B - 一种城市智能停车管理系统的协同计算任务卸载方法 - Google Patents
一种城市智能停车管理系统的协同计算任务卸载方法 Download PDFInfo
- Publication number
- CN115100898B CN115100898B CN202210610145.8A CN202210610145A CN115100898B CN 115100898 B CN115100898 B CN 115100898B CN 202210610145 A CN202210610145 A CN 202210610145A CN 115100898 B CN115100898 B CN 115100898B
- Authority
- CN
- China
- Prior art keywords
- client
- parking
- management system
- data center
- data packet
- 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 16
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000012360 testing method Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 3
- 230000004044 response Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/148—Management of a network of parking areas
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/02—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points taking into account a variable factor such as distance or time, e.g. for passenger transport, parking systems or car rental systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城市智能停车管理系统的协同计算任务卸载方法，用于实现城市智能停车管理系统中对通信和计算延时要求较高的计算密集型和数据密集型任务。本发明基于城市智能停车管理系统的云数据中心和停车用户手机组成的边云协同分布式网络架构，构建了以实际用时最小化为目标的协同计算任务卸载模型。该模型综合云数据中心的存储能力和停车用户手机的计算资源，为城市智能停车管理系统中频繁的计算密集型和数据密集型任务提供了有效的解决方案，减轻了集中式云数据中心的计算压力，降低了网络的带宽占用和响应延迟，从整体上提高了城市智能停车管理系统的可靠程度和运行效率。
Description
技术领域
本发明涉及一种城市智能停车管理系统的协同计算任务卸载方法，属于计算任务卸载技术领域。
背景技术
随着我国机动车保有量的日渐攀升，“停车难”成为持续热议的话题，停车位供需矛盾日益加剧，特别是某些老城区、市中心区域更是“一位难求”。在城市停车位总量供给不足的情况下，停车位配比失衡、驾驶员信息闭塞导致了停车泊位资源整体利用效率的降低，进一步加剧了停车难题。近年来，伴随着人工智能、云计算、物联网等新技术的发展和突破，城市智能停车管理系统应运而生，在为“停车难”问题带来创新解决方案的同时，也带来了极其庞大的信息和数据。这是因为，城市规模的智能停车管理系统具有道路网络密、停车用户多、停车泊位杂等特点，使得城市智能停车管理系统的计算任务数据量非常庞杂，稍有不慎就会造成棘手的“数据雪崩”问题。面对这种挑战，数据工程师们提出了“边云协同”的概念，充分结合云数据中心强大的数据处理能力和移动边缘终端低延时的特性，提高了系统整体的可靠性和高效性。边云协同的分布式网络架构使得系统的云数据中心将部分任务卸载给算力富余的停车用户手机，不仅有效降低了网络带宽占用和响应延迟，还突破了以往数据调度和存储的瓶颈，为城市智能停车管理系统中频繁的计算密集型和数据密集型任务提供了有效的解决方案。
基于端边云架构的路侧停车管理系统及预约、防逃费方法(CN202110036081.0)，由泊位阻车装置和用户交互终端构成“端”，边缘计算单元形成“边”，云端管理平台形成“云”，通过路侧交互终端的环境感知模块对停车泊位状态进行实时监测，并基于“端-边-云”协作运作实现大规模的路侧停车泊位管理，应对较大的、较复杂的前端采集数据处理和分析，从而确保停车泊位预留和防逃费管理的有效性。一种基于深度强化学习的边云协同串行任务卸载方法(申请号202110235757.9)，通过对串行任务的权重分配，获得当前最优的卸载策略，实现了网络边缘和云端协同的串行任务动态分配处理。这两项发明中的前者采用边云协同方案解决停车管理问题，其使得泊位阻车装置和用户交互终端构成负责采集信息的“端”，并由“边”通过区域自组网完成指定范围所述停车泊位的前端数据处理、分析与决策；后者基于边云协同进行任务卸载，通过评估权重向量来获得云端向边缘端卸载串行任务的最优策略。两项发明并没有考虑到城市智能停车管理系统中的用户手机端富余算力的充分利用。
发明内容
本发明所要解决的技术问题是：提供一种城市智能停车管理系统的协同计算任务卸载方法，基于计算中心和停车用户的手机组成的边云协同分布式网络架构，构建以实际用时最小化为目标的计算任务卸载模型，实现城市智能停车管理系统中对通信和计算延时要求较高的计算密集型和数据密集型任务。
本发明为解决上述技术问题采用以下技术方案：
一种城市智能停车管理系统的协同计算任务卸载方法，包括如下步骤：
步骤1，获取城市全域范围内的停车场站和路侧停车泊位的信息，包括位置分布、泊位数量以及停车价格，并将上述信息与城市地图以及城市出行阻抗矩阵一并存储在所述城市智能停车管理系统的云数据中心；
步骤2，停车用户通过客户端在所述城市智能停车管理系统中输入目的地和能接受的停车价格范围，当客户端确认停车用户输入的目的地在城市全域范围内且停车场站以及路侧停车泊位的停车价格在停车用户能接受的停车价格范围内时，向所述城市智能停车管理系统的云数据中心发起数据访问请求；否则不发送请求，并提示停车用户修改输入的目的地和/或能接受的停车价格范围；
步骤3，估算每个客户端完成云数据中心卸载的数据包对应的计算任务的时间；
步骤4，基于步骤3估算的时间构建城市智能停车管理系统的任务卸载模型，并求解该模型获取最优任务卸载方案；
步骤5，根据最优任务卸载方案，为各客户端卸载相应数量的数据包对应的计算任务。
作为本发明的一种优选方案，所述步骤3中，根据以下步骤估算客户端i完成云数据中心卸载的数据包对应的计算任务的时间ui：
1)云数据中心发送一个测试数据包到客户端i，获取云数据中心发送测试数据包至客户端i的时间延迟，记为
2)客户端i发送一个测试数据包到云数据中心，获取客户端i发送测试数据包至云数据中心时间延迟，记为
3)客户端i处理云数据中心实际卸载的数据包所用时间为其中，xi表示客户端i处理的数据包数量，/>和/>分别表示客户端i从云数据中心接收数据包和将结果数据包返回到云数据中心的传输速度，U和D分别表示客户端i接收的数据包和返回的结果数据包的大小，/>表示客户端i计算一个数据包所需的计算时间；
4)客户端i完成云数据中心卸载的数据包对应的计算任务的时间
作为本发明的一种优选方案，所述步骤4中，城市智能停车管理系统的任务卸载模型的数学形式如下：
其中，ui表示客户端i完成云数据中心卸载的数据包对应的计算任务的时间，xi表示客户端i处理的数据包数量，表示云数据中心发送数据包至客户端i的时间延迟，/>表示客户端i发送数据包至云数据中心时间延迟，/>和/>分别表示客户端i从云数据中心接收数据包和将结果数据包返回到云数据中心的传输速度，U和D分别表示客户端i接收的数据包和返回的结果数据包的大小，/>表示客户端i计算一个数据包所需的计算时间，I表示所有客户端集合，|I|表示集合I中客户端的数量，/>表示自然数集。
作为本发明的一种优选方案，所述步骤4中，求解城市智能停车管理系统的任务卸载模型时，通过调用商业求解器cplex或gurobi来进行求解。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明基于计算中心和停车用户的手机组成的边云协同分布式网络架构，构建以实际用时最小化为目标的计算任务卸载模型。该模型能够以实际用时最优的协同计算任务卸载方案，将计算任务卸载给算力富余的停车用户手机，从而帮助完成城市智能停车管理系统中对通信和计算延时要求较高的计算密集型和数据密集型任务，有效降低了网络的带宽占用和响应延迟，从整体上提高了城市智能停车管理系统的可靠程度和运行效率。
附图说明
图1是本发明一种城市智能停车管理系统的协同计算任务卸载方法的流程图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本发明提供一种城市智能停车管理系统的协同计算任务卸载方法，如图1所示，包括以下过程：
1)通过停车场调查，获取城市全域范围内的主要停车场站、路侧停车泊位等的位置分布、泊位数量、管理政策、停车价格等具体情况，并将其与城市地图、城市出行阻抗矩阵等一并存储在城市智能停车管理系统的云数据中心。
2)停车用户通过客户端(如手机)在城市智能停车管理系统中输入目的地信息、可接受的停车价格的范围。客户端确认停车用户输入的目的地在城市全域范围内、停车场站以及路侧停车泊位的停车价格在停车用户可接受的停车价格范围内，向城市智能停车管理系统中的云数据中心发起数据访问请求；若不满足上述要求则不发送请求，并提示停车用户修改信息。
当前正处在该城市的节假日出游高峰。假设在某一时刻，系统中共有100个停车用户满足要求并通过手机同时向云数据中心发起请求，这些停车用户手机共同形成集合I，i表示每个停车用户手机的标号。云数据中心将每个停车用户手机i所需的停车场站的地理位置、出行时间、停车泊位、停车价格等数据打包为原始数据包，等待卸载到停车用户手机中完成后续的计算任务。此时，城市智能停车管理系统的云数据中心总共产生了|I|＝100个等待卸载的原始数据包。|I|表示集合I中停车用户手机的数量。
3)通过如下步骤估算每个停车用户手机i完成后续的计算任务的时间：
①云数据中心发送一个测试数据包到停车用户手机i，获取云数据中心发送数据包至停车用户手机i的时间延迟，记为
②停车用户手机i发送一个测试数据包到云数据中心，获取停车用户手机i返回数据包到云数据中心的时间延迟，记为
③根据停车用户手机i的计算能力估计处理单个原始数据包所用时间其中/>和/>分别表示停车用户手机i从云数据中心接收原始数据包和将结果数据包返回到云数据中心的传输速度，U和D分别表示停车用户手机i接收的原始数据包和返回的结果数据包的大小。由于城市智能停车管理系统中每个停车用户手机i所接收的原始数据包大小U基本相同，返回的结果数据包的大小D也基本相同，因此模型中的U和D均为常数。/>表示停车用户手机i计算一个原始数据包所需的计算时间。
假设系统中每个停车用户手机从云数据中心接收的原始数据包大小均为U＝5，返回的结果数据包大小均为D＝0.005，处理一个数据包的时间均为每个停车用户手机i从云数据中心接收原始数据包和将结果数据包返回到云数据中心的速度均相同，停车用户手机i完成边缘计算任务的总延迟为/>
当前网络状态下，目标城市智能停车管理系统中ri和li的数值如表1所示。
表1 ri和li的实例数据
④计算停车用户手机i完成计算任务的时间
4)基于停车用户手机i完成计算任务的时间构建城市智能停车管理系统的任务卸载模型，并通过求解该模型获得最优任务卸载方案，充分调度系统中停车用户手机的富余算力。
计算任务卸载模型的数学形式如下：
式中，表示自然数集；/>表示停车用户手机i完成后续的计算任务的用时；ui表示系统中第i个停车用户手机完成计算任务所用的时间，maxiui表示找出城市智能停车管理系统中完成计算任务用时最长的手机。/>表示该模型的优化目标是使得城市智能停车管理系统中完成计算任务用时最长的手机的用时最小。求解计算任务卸载模型后可以得到实现该目标的最优任务卸载方案，即模型的解/>举例来说，如果解得x2＝4，则代表城市智能停车管理系统的云数据中心向第二位停车用户的手机卸载4个原始数据包对应的计算任务。该模型本质上是一个整数规划模型，可以调用cplex、gurobi等商业求解器来进行求解。
调用cplex对该模型进行求解，得到解 表示分别卸载到这100位停车用户手机i的计算任务的数量。
5)根据计算任务卸载模型的解的具体数值，为系统中的停车用户手机i卸载相应数量的数据包对应的计算任务。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
Claims (2)
1.一种城市智能停车管理系统的协同计算任务卸载方法，其特征在于，包括如下步骤：
步骤1，获取城市全域范围内的停车场站和路侧停车泊位的信息，包括位置分布、泊位数量以及停车价格，并将上述信息与城市地图以及城市出行阻抗矩阵一并存储在所述城市智能停车管理系统的云数据中心；
步骤2，停车用户通过客户端在所述城市智能停车管理系统中输入目的地和能接受的停车价格范围，当客户端确认停车用户输入的目的地在城市全域范围内且停车场站以及路侧停车泊位的停车价格在停车用户能接受的停车价格范围内时，向所述城市智能停车管理系统的云数据中心发起数据访问请求；否则不发送请求，并提示停车用户修改输入的目的地和/或能接受的停车价格范围；
步骤3，估算每个客户端完成云数据中心卸载的数据包对应的计算任务的时间；
所述步骤3中，根据以下步骤估算客户端i完成云数据中心卸载的数据包对应的计算任务的时间ui：
1)云数据中心发送一个测试数据包到客户端i，获取云数据中心发送测试数据包至客户端i的时间延迟，记为
2)客户端i发送一个测试数据包到云数据中心，获取客户端i发送测试数据包至云数据中心时间延迟，记为
3)客户端i处理云数据中心实际卸载的数据包所用时间为其中，xi表示客户端i处理的数据包数量，/>和/>分别表示客户端i从云数据中心接收数据包和将结果数据包返回到云数据中心的传输速度，U和D分别表示客户端i接收的数据包和返回的结果数据包的大小，/>表示客户端i计算一个数据包所需的计算时间；
4)客户端i完成云数据中心卸载的数据包对应的计算任务的时间
步骤4，基于步骤3估算的时间构建城市智能停车管理系统的任务卸载模型，并求解该模型获取最优任务卸载方案；
所述步骤4中，城市智能停车管理系统的任务卸载模型的数学形式如下：
其中，表示云数据中心发送数据包至客户端i的时间延迟，/>表示客户端i发送数据包至云数据中心时间延迟，I表示所有客户端集合，|I|表示集合I中客户端的数量，/>表示自然数集；
步骤5，根据最优任务卸载方案，为各客户端卸载相应数量的数据包对应的计算任务。
2.根据权利要求1所述的城市智能停车管理系统的协同计算任务卸载方法，其特征在于，所述步骤4中，求解城市智能停车管理系统的任务卸载模型时，通过调用商业求解器cplex或gurobi来进行求解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210610145.8A CN115100898B (zh) | 2022-05-31 | 2022-05-31 | 一种城市智能停车管理系统的协同计算任务卸载方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210610145.8A CN115100898B (zh) | 2022-05-31 | 2022-05-31 | 一种城市智能停车管理系统的协同计算任务卸载方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115100898A CN115100898A (zh) | 2022-09-23 |
| CN115100898B true CN115100898B (zh) | 2023-09-12 |
Family
ID=83289071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210610145.8A Active CN115100898B (zh) | 2022-05-31 | 2022-05-31 | 一种城市智能停车管理系统的协同计算任务卸载方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115100898B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116153090B (zh) * | 2022-10-25 | 2024-03-29 | 浙江特锐讯智能科技有限公司 | 一种全轨迹精准化车牌识别管理方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106534333A (zh) * | 2016-11-30 | 2017-03-22 | 北京邮电大学 | 一种基于mec和mcc的双向选择计算卸载方法 |
| CN108964817A (zh) * | 2018-08-20 | 2018-12-07 | 重庆邮电大学 | 一种异构网络联合计算卸载及资源分配方法 |
| CN109905859A (zh) * | 2019-01-14 | 2019-06-18 | 南京信息工程大学 | 一种用于车联网应用的高效边缘计算迁移方法 |
| CN110647391A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 面向星地协同网络的边缘计算方法及系统 |
| CN112118135A (zh) * | 2020-09-14 | 2020-12-22 | 南昌市言诺科技有限公司 | 云边协同架构工业互联网平台的最小资源配置方法和装置 |
| CN112737842A (zh) * | 2020-12-29 | 2021-04-30 | 西北工业大学深圳研究院 | 空地一体化车联网中基于最小化时延的任务安全卸载方法 |
| CN112769910A (zh) * | 2020-12-29 | 2021-05-07 | 杭州电子科技大学 | 基于动态电压调节技术的雾计算任务卸载方法 |
| WO2021114261A1 (zh) * | 2019-12-13 | 2021-06-17 | 邱海燕 | 停车场引导方法 |
| WO2021206195A1 (ko) * | 2020-04-09 | 2021-10-14 | 엘지전자 주식회사 | 자율주행시스템에서 차량의 통신연결 설정방법 |
| CN113660303A (zh) * | 2021-07-02 | 2021-11-16 | 山东师范大学 | 一种端边网云协同的任务卸载方法及系统 |
| CN114363857A (zh) * | 2022-03-21 | 2022-04-15 | 山东科技大学 | 一种车联网中边缘计算任务卸载方法 |
-
2022
- 2022-05-31 CN CN202210610145.8A patent/CN115100898B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106534333A (zh) * | 2016-11-30 | 2017-03-22 | 北京邮电大学 | 一种基于mec和mcc的双向选择计算卸载方法 |
| CN108964817A (zh) * | 2018-08-20 | 2018-12-07 | 重庆邮电大学 | 一种异构网络联合计算卸载及资源分配方法 |
| CN109905859A (zh) * | 2019-01-14 | 2019-06-18 | 南京信息工程大学 | 一种用于车联网应用的高效边缘计算迁移方法 |
| CN110647391A (zh) * | 2019-09-27 | 2020-01-03 | 北京邮电大学 | 面向星地协同网络的边缘计算方法及系统 |
| WO2021114261A1 (zh) * | 2019-12-13 | 2021-06-17 | 邱海燕 | 停车场引导方法 |
| WO2021206195A1 (ko) * | 2020-04-09 | 2021-10-14 | 엘지전자 주식회사 | 자율주행시스템에서 차량의 통신연결 설정방법 |
| CN112118135A (zh) * | 2020-09-14 | 2020-12-22 | 南昌市言诺科技有限公司 | 云边协同架构工业互联网平台的最小资源配置方法和装置 |
| CN112737842A (zh) * | 2020-12-29 | 2021-04-30 | 西北工业大学深圳研究院 | 空地一体化车联网中基于最小化时延的任务安全卸载方法 |
| CN112769910A (zh) * | 2020-12-29 | 2021-05-07 | 杭州电子科技大学 | 基于动态电压调节技术的雾计算任务卸载方法 |
| CN113660303A (zh) * | 2021-07-02 | 2021-11-16 | 山东师范大学 | 一种端边网云协同的任务卸载方法及系统 |
| CN114363857A (zh) * | 2022-03-21 | 2022-04-15 | 山东科技大学 | 一种车联网中边缘计算任务卸载方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115100898A (zh) | 2022-09-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107317700B (zh) | 车载边缘计算节点选择系统及方法 | |
| CN110109745B (zh) | 一种针对边缘计算环境的任务协同在线调度方法 | |
| CN109862592B (zh) | 一种基于多基站协作的移动边缘计算环境下资源管理和调度方法 | |
| CN110351754B (zh) | 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法 | |
| Deng et al. | A multi-hop VANETs-assisted offloading strategy in vehicular mobile edge computing | |
| CN107734558A (zh) | 一种基于多服务器的移动边缘计算控制及资源调度方法 | |
| CN108777852A (zh) | 一种车联网内容边缘卸载方法、移动资源分配系统 | |
| CN106791887B (zh) | 无线网络中视频的分布式缓存和传输优化方法 | |
| CN111107566B (zh) | 一种电力物联网场景中基于协同内容缓存的卸载方法 | |
| CN110058928B (zh) | 异构车联网中基于鞅理论的计算任务分配方法 | |
| CN115100898B (zh) | 一种城市智能停车管理系统的协同计算任务卸载方法 | |
| CN109816128A (zh) | 网约车订单的处理方法、装置、设备及可读存储介质 | |
| CN114143346A (zh) | 一种车联网任务卸载和服务缓存的联合优化方法及系统 | |
| CN110113140B (zh) | 一种雾计算无线网络中的计算卸载方法 | |
| CN111107153A (zh) | 一种电力物联网中基于d2d通信的mec定价卸载方法 | |
| CN113220364A (zh) | 一种基于车联网移动边缘计算系统模型的任务卸载方法 | |
| Wu et al. | A mobile edge computing-based applications execution framework for Internet of Vehicles | |
| CN109345722A (zh) | 一种利用移动式电池管理交通载具的租赁系统及其方法 | |
| CN112115505A (zh) | 基于移动边缘计算和区块链技术的新能源汽车充电站计费数据传输方法 | |
| Tang et al. | An offloading approach in fog computing environment | |
| CN116204315A (zh) | 一种车联网中基于轨迹的车辆资源池动态任务卸载方法 | |
| CN111796880A (zh) | 一种边缘云计算任务的卸载调度方法 | |
| CN113709249B (zh) | 辅助驾驶业务安全均衡卸载方法及系统 | |
| CN104822175A (zh) | 一种适用于蜂窝网络的代码迁移方法及系统 | |
| CN107800471A (zh) | 基于多包接收的卫星随机接入拥塞控制方法 |
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 |