CN115239221A - 一种基于多车辆多任务的物流配送路径优化方法 - Google Patents
一种基于多车辆多任务的物流配送路径优化方法 Download PDFInfo
- Publication number
- CN115239221A CN115239221A CN202110463380.2A CN202110463380A CN115239221A CN 115239221 A CN115239221 A CN 115239221A CN 202110463380 A CN202110463380 A CN 202110463380A CN 115239221 A CN115239221 A CN 115239221A
- Authority
- CN
- China
- Prior art keywords
- distribution
- points
- lat
- lon
- point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005457 optimization Methods 0.000 title claims abstract description 16
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000000547 structure data Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
Abstract
本发明涉及物流配送技术领域，公开了一种基于多车辆多任务的物流配送路径优化方法，包括以下步骤：A、向系统中导入或输入多个配送点，收集订单配送点；B、向系统中录入执行这批配送任务的支持车辆数量及每辆车能运载的最大配送任务数；C、①遍历配送点，计算出所有配送点的中心坐标，②以计算出来的中心坐标绘制出二维坐标系，并对所有配送点进行区域划分；D、将划分好区域的配送点集合遍历，找出各个区域距离该中心坐标最远的点。本发明采用多车多任务的自动化分配算法，划分方位后计算距离，无需手动设置分配点；运用多线程并行计算框架fork/join来处理重复、繁多的计算量，并采用map数据结构记录点和距离的对应关系，大大提高了分配效率。
Description
技术领域
本发明涉及物流配送技术领域，具体是一种基于多车辆多任务的物流配送路径优化方法。
背景技术
目前，物流配送行业已经从原来的单车点到点配送方式发展到多车配送至多集散点的物流方式，即多辆配送车一起完成所有的配送任务。
但现有的路径优化手段一般更利于解决点到点、单车到多点的优化，如A点到B点的路线规划、A点路经多个点的最优路径；而多车辆多任务的分配，较优的方法应该是自动地将所有配送任务分配到多个车辆来并行完成，把单车的配送任务改成单车配送至离多个配送点最近的集散点，再进一步分发。很明显，使用原有的配送路线规划方式，只能适用于一辆车来完成所有配送任务，或者手动将这些配送点进行划分，然后再进行多辆车的路线规划，而这显然无法有效提高效率并降低配送成本。
因此，本领域技术人员提供了一种基于多车辆多任务的物流配送路径优化方法，以解决上述背景技术中提出的问题。
发明内容
本发明的目的在于提供一种基于多车辆多任务的物流配送路径优化方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于多车辆多任务的物流配送路径优化方法，包括以下步骤：
A、向系统中导入或输入多个配送点，收集订单配送点；
B、向系统中录入执行这批配送任务的支持车辆数量及每辆车能运载的最大配送任务数；
C、①遍历配送点，计算出所有配送点的中心坐标，②以计算出来的中心坐标绘制出二维坐标系，并对所有配送点进行区域划分；
D、将划分好区域的配送点集合遍历，找出各个区域距离该中心坐标最远的点；
E、①找出每个区域距离中心最远的点后，将这个点与该区域中的其他点进行距离计算，并记录点和距离的对应关系，②对距离进行升序排序，即可得到每个区域中每个点到中心坐标的距离，并由近到远进行排序；
F、根据各个区域中距离的远近顺序，结合步骤B中录入的车辆能运载的最大配送任务数，给每辆车依次划分最大的配送任务，并将不满足最大配送数的点记录下来；
G、处理每个区域中尚未分配的配送点，因为距离中心坐标都较近，所以直接将这些点归集，结合最大配送任务数，进行依次分配，直至配送任务数归零。
作为本发明再进一步的方案：所述步骤A与所述步骤B中的系统包括计算机显示器、处理器以及存储器等设备的集合，所述存储器用于存储一个或多个程序，所述程序中加载有若干组指令，所述指令用于实现步骤C～步骤G。
作为本发明再进一步的方案：所述步骤C-①中使用JDK1.8新加入的多线程并行计算框架fork/join将中心坐标计算出来。
作为本发明再进一步的方案：所述多线程并行计算框架fork/join的具体程序如下：
Ⅰ、Given the values for the first location in the list:
Lat1,lon1,years1,months1 and days1
Convert Lat1 and Lon1 from degrees to radians.
lat1＝lat1*PI/180
lon1＝lon1*PI/180
Ⅱ、Convert lat/lon to Cartesian coordinates for first location.
X1＝cos(lat1)*cos(lon1)
Y1＝cos(lat1)*sin(lon1)
Z1＝sin(lat1)
Ⅲ、Compute weight(by time)for first location.
w1＝(years1*365.25)+(months1*30.4375)+days1
If locations are to be weighted equally,set w1,w2 etc all equal to 1.
Ⅳ、Repeat steps 1-3for all remaining locations in the list.
Ⅴ、Compute combined total weight for all locations.
Totweight＝w1+w2+...+wn
Ⅵ、Compute weighted average x,y and z coordinates.
x＝((x1*w1)+(x2*w2)+...+(xn*wn))/totweight
y＝((y1*w1)+(y2*w2)+...+(yn*wn))/totweight
z＝((z1*w1)+(z2*w2)+...+(zn*wn))/totweight
Ⅶ、Convert average x,y,z coordinate to latitude and longitude.Notethat in Excel and possibly some other applications,the parameters need to bereversed in the atan2 function,for example,use atan2(X,Y)instead of atan2(Y,X).
Lon＝atan2(y,x)
Hyp＝sqrt(x*x+y*y)
Lat＝atan2(z,hyp)
Ⅷ、Convert lat and lon to degrees.
lat＝lat*180/PI
lon＝lon*180/PI
Ⅸ、Special case:
If abs(x)<10-9and abs(y)<10-9and abs(z)<10-9then the geographicmidpoint is the center of the earth.
作为本发明再进一步的方案：所述步骤C-②中使用所述多线程并行计算框架计算配送点相对于中心坐标所在的区域，将每个区域对应一个方位，此处设置至少四个方位：西南、西北、东南、东北等，即可得到这几个方位中包含的配送点集合。
作为本发明再进一步的方案：所述步骤D中遍历所有点后，使用勾股定理计算各个坐标点的距离，找出最远的点。
作为本发明再进一步的方案：所述步骤E-①中使用key-value的map数据结构，记录点和距离的对应关系。
作为本发明再进一步的方案：所述步骤E-②中使用JDK1.8流式处理集合特性，对所述map结构数据进行距离排序，此时，作为key的坐标点也是有序的。
作为本发明再进一步的方案：所述步骤F中使用各个区域点总数对最大运载数取模的计算方式，结合车辆最大运载数，按远近顺序分配配送点到车。
与现有技术相比，本发明的有益效果是：
1、采用多车多任务的自动化分配算法，划分方位后计算距离，无需手动设置分配点；
2、运用多线程并行计算框架fork/join来处理重复、繁多的计算量，并采用map数据结构记录点和距离的对应关系，大大提高了分配效率。
附图说明
图1为一种基于多车辆多任务的物流配送路径优化方法的主流程示意图；
图2为一种基于多车辆多任务的物流配送路径优化方法的子流程示意图。
具体实施方式
请参阅图1～2，本发明实施例中，一种基于多车辆多任务的物流配送路径优化方法，包括以下步骤：
A、向系统中导入或输入多个配送点，收集订单配送点；
B、向系统中录入执行这批配送任务的支持车辆数量及每辆车能运载的最大配送任务数；
步骤A与步骤B中的系统包括计算机显示器、处理器以及存储器等设备的集合，存储器用于存储一个或多个程序，程序中加载有若干组指令，指令用于实现步骤C～步骤G。
C、①遍历配送点，计算出所有配送点的中心坐标，②以计算出来的中心坐标绘制出二维坐标系，并对所有配送点进行区域划分；
步骤C-①中使用JDK1.8新加入的多线程并行计算框架fork/join将中心坐标计算出来。
多线程并行计算框架fork/join的具体程序如下：
Ⅰ、Given the values for the first location in the list:
Lat1,lon1,years1,months1 and days1
Convert Lat1 and Lon1 from degrees to radians.
lat1＝lat1*PI/180
lon1＝lon1*PI/180
Ⅱ、Convert lat/lon to Cartesian coordinates for first location.
X1＝cos(lat1)*cos(lon1)
Y1＝cos(lat1)*sin(lon1)
Z1＝sin(lat1)
Ⅲ、Compute weight(by time)for first location.
w1＝(years1*365.25)+(months1*30.4375)+days1
If locations are to be weighted equally,set w1,w2 etc all equal to 1.
Ⅳ、Repeat steps 1-3for all remaining locations in the list.
Ⅴ、Compute combined total weight for all locations.
Totweight＝w1+w2+...+wn
Ⅵ、Compute weighted average x,y and z coordinates.
x＝((x1*w1)+(x2*w2)+...+(xn*wn))/totweight
y＝((y1*w1)+(y2*w2)+...+(yn*wn))/totweight
z＝((z1*w1)+(z2*w2)+...+(zn*wn))/totweight
Ⅶ、Convert average x,y,z coordinate to latitude and longitude.Notethat in Excel and possibly some other applications,the parameters need to bereversed in the atan2 function,for example,use atan2(X,Y)instead of atan2(Y,X).
Lon＝atan2(y,x)
Hyp＝sqrt(x*x+y*y)
Lat＝atan2(z,hyp)
Ⅷ、Convert lat and lon to degrees.
lat＝lat*180/PI
lon＝lon*180/PI
Ⅸ、Special case:
If abs(x)<10-9and abs(y)<10-9and abs(z)<10-9then the geographicmidpoint is the center of the earth.
步骤C-②中使用多线程并行计算框架计算配送点相对于中心坐标所在的区域，将每个区域对应一个方位，此处设置至少四个方位：西南、西北、东南、东北等，即可得到这几个方位中包含的配送点集合。
D、将划分好区域的配送点集合遍历，找出各个区域距离该中心坐标最远的点；
步骤D中遍历所有点后，使用勾股定理计算各个坐标点的距离，找出最远的点。
E、①找出每个区域距离中心最远的点后，将这个点与该区域中的其他点进行距离计算，并记录点和距离的对应关系，②对距离进行升序排序，即可得到每个区域中每个点到中心坐标的距离，并由近到远进行排序；
步骤E-①中使用key-value的map数据结构，记录点和距离的对应关系；
步骤E-②中使用JDK1.8流式处理集合特性，对map结构数据进行距离排序，此时，作为key的坐标点也是有序的。
F、根据各个区域中距离的远近顺序，结合步骤B中录入的车辆能运载的最大配送任务数，给每辆车依次划分最大的配送任务，并将不满足最大配送数的点记录下来；
步骤F中使用各个区域点总数对最大运载数取模的计算方式，结合车辆最大运载数，按远近顺序分配配送点到车。
G、处理每个区域中尚未分配的配送点，因为距离中心坐标都较近，所以直接将这些点归集，结合最大配送任务数，进行依次分配，直至配送任务数归零。
以上所述的，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于多车辆多任务的物流配送路径优化方法，其特征在于，包括以下步骤：
A、向系统中导入或输入多个配送点，收集订单配送点；
B、向系统中录入执行这批配送任务的支持车辆数量及每辆车能运载的最大配送任务数；
C、①遍历配送点，计算出所有配送点的中心坐标，②以计算出来的中心坐标绘制出二维坐标系，并对所有配送点进行区域划分；
D、将划分好区域的配送点集合遍历，找出各个区域距离该中心坐标最远的点；
E、①找出每个区域距离中心最远的点后，将这个点与该区域中的其他点进行距离计算，并记录点和距离的对应关系，②对距离进行升序排序，即可得到每个区域中每个点到中心坐标的距离，并由近到远进行排序；
F、根据各个区域中距离的远近顺序，结合步骤B中录入的车辆能运载的最大配送任务数，给每辆车依次划分最大的配送任务，并将不满足最大配送数的点记录下来；
G、处理每个区域中尚未分配的配送点，因为距离中心坐标都较近，所以直接将这些点归集，结合最大配送任务数，进行依次分配，直至配送任务数归零。
2.根据权利要求1所述的一种基于多车辆多任务的物流配送路径优化方法，其特征在于，所述步骤A与所述步骤B中的系统包括计算机显示器、处理器以及存储器等设备的集合，所述存储器用于存储一个或多个程序，所述程序中加载有若干组指令，所述指令用于实现步骤C～步骤G。
3.根据权利要求1所述的一种基于多车辆多任务的物流配送路径优化方法，其特征在于，所述步骤C-①中使用JDK1.8新加入的多线程并行计算框架fork/join将中心坐标计算出来。
4.根据权利要求3所述的一种基于多车辆多任务的物流配送路径优化方法，其特征在于，所述多线程并行计算框架fork/join的具体程序如下：
Ⅰ、Given the values for the first location in the list:
Lat1,lon1,years1,months1 and days1
Convert Lat1 and Lon1 from degrees to radians.
lat1＝lat1*PI/180
lon1＝lon1*PI/180
Ⅱ、Convert lat/lon to Cartesian coordinates for first location.
X1＝cos(lat1)*cos(lon1)
Y1＝cos(lat1)*sin(lon1)
Z1＝sin(lat1)
Ⅲ、Compute weight(by time)for first location.
w1＝(years1*365.25)+(months1*30.4375)+days1
If locations are to be weighted equally,set w1,w2 etc all equal to 1.
Ⅳ、Repeat steps 1-3 for all remaining locations in the list.
Ⅴ、Compute combined total weight for all locations.
Totweight＝w1+w2+...+wn
Ⅵ、Compute weighted average x,y and z coordinates.
x＝((x1*w1)+(x2*w2)+...+(xn*wn))/totweight
y＝((y1*w1)+(y2*w2)+...+(yn*wn))/totweight
z＝((z1*w1)+(z2*w2)+...+(zn*wn))/totweight
Ⅶ、Convert average x,y,z coordinate to latitude and longitude.Note thatin Excel and possibly some other applications,the parameters need to bereversed in the atan2 function,for example,use atan2(X,Y)instead of atan2(Y,X).
Lon＝atan2(y,x)
Hyp＝sqrt(x*x+y*y)
Lat＝atan2(z,hyp)
Ⅷ、Convert lat and lon to degrees.
lat＝lat*180/PI
lon＝lon*180/PI
Ⅸ、Special case:
If abs(x)<10-9and abs(y)<10-9and abs(z)<10-9then the geographic midpoint isthe center of the earth。
5.根据权利要求1所述的一种基于多车辆多任务的物流配送路径优化方法，其特征在于，所述步骤C-②中使用所述多线程并行计算框架计算配送点相对于中心坐标所在的区域，将每个区域对应一个方位，此处设置至少四个方位：西南、西北、东南、东北等，即可得到这几个方位中包含的配送点集合。
6.根据权利要求1所述的一种基于多车辆多任务的物流配送路径优化方法，其特征在于，所述步骤D中遍历所有点后，使用勾股定理计算各个坐标点的距离，找出最远的点。
7.根据权利要求1所述的一种基于多车辆多任务的物流配送路径优化方法，其特征在于，所述步骤E-①中使用key-value的map数据结构，记录点和距离的对应关系。
8.根据权利要求7所述的一种基于多车辆多任务的物流配送路径优化方法，其特征在于，所述步骤E-②中使用JDK1.8流式处理集合特性，对所述map结构数据进行距离排序，此时，作为key的坐标点也是有序的。
9.根据权利要求1所述的一种基于多车辆多任务的物流配送路径优化方法，其特征在于，所述步骤F中使用各个区域点总数对最大运载数取模的计算方式，结合车辆最大运载数，按远近顺序分配配送点到车。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110463380.2A CN115239221A (zh) | 2021-04-23 | 2021-04-23 | 一种基于多车辆多任务的物流配送路径优化方法 |
| PCT/CN2021/141491 WO2022222531A1 (zh) | 2021-04-23 | 2021-12-27 | 一种基于多车辆多任务的物流配送路径优化方法 |
| GB2202270.1A GB2615143A (en) | 2021-04-23 | 2021-12-27 | Logistics distribution path optimization method based on multiple vehicles and multiple tasks |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110463380.2A CN115239221A (zh) | 2021-04-23 | 2021-04-23 | 一种基于多车辆多任务的物流配送路径优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115239221A true CN115239221A (zh) | 2022-10-25 |
Family
ID=83666419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110463380.2A Pending CN115239221A (zh) | 2021-04-23 | 2021-04-23 | 一种基于多车辆多任务的物流配送路径优化方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN115239221A (zh) |
| WO (1) | WO2022222531A1 (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184412B (zh) * | 2015-09-21 | 2018-11-23 | 北京农业信息技术研究中心 | 基于地理位置的物流配送路径规划方法和系统 |
| JP7077162B2 (ja) * | 2018-06-29 | 2022-05-30 | 株式会社日立製作所 | 配送計画装置、配送計画システムおよび配送計画方法 |
| CN108960728A (zh) * | 2018-07-04 | 2018-12-07 | 浪潮软件股份有限公司 | 一种配送方法和装置 |
| CN110189073B (zh) * | 2019-04-17 | 2022-05-03 | 北京百度网讯科技有限公司 | 路线规划方法、装置、设备及计算机可读存储介质 |
| CN112001557B (zh) * | 2020-08-31 | 2022-09-06 | 物联云仓(成都)科技有限公司 | 基于tms系统的物流配送路径优化方法、存储介质和计算机设备 |
-
2021
- 2021-04-23 CN CN202110463380.2A patent/CN115239221A/zh active Pending
- 2021-12-27 WO PCT/CN2021/141491 patent/WO2022222531A1/zh active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022222531A1 (zh) | 2022-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zheng et al. | Order dispatch in price-aware ridesharing | |
| US11449908B2 (en) | Method and system for determining transport service fee | |
| US10997857B2 (en) | Methods and systems for carpooling | |
| CN109325671B (zh) | 一种时空众包在线任务分配方法及系统 | |
| JP2014526072A (ja) | 複数車両資源配分および経路指定解決策のためのシステムおよび方法 | |
| AU2017411198B2 (en) | Systems and methods for route planning | |
| CN109074539A (zh) | 作为服务模块的冷链整体成本和质量软件 | |
| Bai et al. | Clustering-based algorithms for multivehicle task assignment in a time-invariant drift field | |
| CN112001557B (zh) | 基于tms系统的物流配送路径优化方法、存储介质和计算机设备 | |
| CN109489664A (zh) | 一种路径规划的方法和设备 | |
| CN110751531A (zh) | 轨迹识别方法、装置及电子设备 | |
| Li et al. | A hybrid simulated annealing heuristic for multistage heterogeneous fleet scheduling with fleet sizing decisions | |
| Rao et al. | An efficient two-objective hybrid local search algorithm for solving the fuel consumption vehicle routing problem | |
| CN110400113B (zh) | 一种物流揽件实时调度方法和系统 | |
| Ostermeier et al. | The multi-vehicle truck-and-robot routing problem for last-mile delivery | |
| CN115239221A (zh) | 一种基于多车辆多任务的物流配送路径优化方法 | |
| GB2615143A (en) | Logistics distribution path optimization method based on multiple vehicles and multiple tasks | |
| Erduran et al. | Multi-agent learning for energy-aware placement of autonomous vehicles | |
| CN114967694A (zh) | 一种移动机器人协同环境探索方法 | |
| Erduran et al. | Negotiation in Ride-hailing between Cooperating BDI Agents. | |
| Unsal et al. | Optimization of dynamic school bus routing problem by using metaheuristic and clustering methods | |
| Hu et al. | Optimization of vehicle routing with pickup based on multibatch production | |
| CN112529281B (zh) | 一种揽投区域确定方法、装置、电子设备和介质 | |
| CN1643340A (zh) | 基于坐标域的导航装置 | |
| CN117114541B (zh) | 一种电力物资应急供应方法及系统 |
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 |