CN116502125A - 车辆事件划分方法、装置及车联网服务器 - Google Patents
车辆事件划分方法、装置及车联网服务器 Download PDFInfo
- Publication number
- CN116502125A CN116502125A CN202310480152.5A CN202310480152A CN116502125A CN 116502125 A CN116502125 A CN 116502125A CN 202310480152 A CN202310480152 A CN 202310480152A CN 116502125 A CN116502125 A CN 116502125A
- Authority
- CN
- China
- Prior art keywords
- event
- data
- target
- point
- piece
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000006855 networking Effects 0.000 title description 3
- 230000011218 segmentation Effects 0.000 claims abstract description 60
- 238000012545 processing Methods 0.000 claims description 19
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000002828 fuel tank Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Computer Security & Cryptography (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及汽车技术领域,提供了一种车辆事件划分方法、装置及车联网服务器。该方法包括:当事件切分条件为跳变切分条件时,根据每条数据与其上一条数据的标记,确定该条数据为事件起点或者事件无效点;当事件切分条件为超时切分条件时,根据每条数据与其上一条数据的采集时间,确定该条数据为事件起点或者事件无效点;将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,得到目标车辆对应的多个目标事件;根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息。
Description
技术领域
本申请涉及汽车技术领域,尤其涉及一种车辆事件划分方法、装置及车联网服务器。
背景技术
车联网基于物联网和互联网,通过对大量车辆动态信息进行有效利用,可以为车辆提供多种服务,比如为车与车之间的间距提供保障,降低车辆发生碰撞事故的几率,帮助车主实时导航,并通过与其它车辆和网络系统的通信,提高交通运行的效率等。目前车联网领域的很多应用都涉及到划分典型事件,划分典型事件有利于将驾驶风险项快速反馈给用户,减少交通安全事故。然而现有的划分典型事件的方法准确率较低。
发明内容
有鉴于此,本申请实施例提供了一种车辆事件划分方法、装置以及车联网服务器,以解决现有技术中,划分典型事件准确率低的问题。
本申请实施例的第一方面,提供了一种车辆事件划分方法,包括:确定目标事件类型的事件切分条件;按照数据的采集时间对目标车辆对应的待处理数据进行排序;当事件切分条件为跳变切分条件时,根据每条数据与其上一条数据的标记,确定该条数据为事件起点或者事件无效点;当事件切分条件为超时切分条件时,根据每条数据与其上一条数据的采集时间,确定该条数据为事件起点或者事件无效点;将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,得到目标车辆对应的多个目标事件;根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息。
本申请实施例的第二方面,提供了一种车辆事件划分装置,包括:第一确定模块,被配置为确定目标事件类型的事件切分条件;排序模块,被配置为按照数据的采集时间对目标车辆对应的待处理数据进行排序;第二确定模块,被配置为当事件切分条件为跳变切分条件时,根据每条数据与其上一条数据的标记,确定该条数据为事件起点或者事件无效点;第三确定模块,被配置为当事件切分条件为超时切分条件时,根据每条数据与其上一条数据的采集时间,确定该条数据为事件起点或者事件无效点;第四确定模块,被配置为将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,得到目标车辆对应的多个目标事件;第五确定模块,被配置为根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息。
本申请实施例的第三方面,提供了一种车联网服务器,包括存储器、处理引擎以及存储在存储器中并且可在处理引擎上运行的计算机程序,处理引擎执行计算机程序时实现如上述方法的步骤。
本申请实施例与现有技术相比存在的有益效果至少包括:确定目标事件类型的事件切分条件;当事件切分条件为跳变切分条件时,根据每条数据与其上一条数据的标记,确定该条数据为事件起点或者事件无效点;当事件切分条件为超时切分条件时,根据每条数据与其上一条数据的采集时间,确定该条数据为事件起点或者事件无效点;将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件;根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息。本申请实施例通过事件切分条件或者跳变切分条件确定事件起点,然后确定每个事件起点对应的事件终点,之后将每个事件起点与其对应的事件终点作为一个目标事件,因此可以将待处理数据划分为多个目标事件,所以,采用上述技术手段,可以解决现有技术中划分典型事件准确率低的问题,进而提高划分典型事件的准确率,确保更加高效地划分典型事件,同时使得划分典型事件的应用面更加广泛,适用于更多车型以及支持更多事件的提取。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本申请实施例提供的一种车辆事件划分方法的流程示意图;
图2是本申请实施例提供的一种确定每个目标事件的事件信息的方法的流程示意图;
图3是本申请实施例提供的一种车辆事件划分装置的结构示意图;
图4是本申请实施例提供的一种车联网服务器的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
图1是本申请实施例提供的一种车辆事件划分方法的流程示意图。图1的车辆事件划分方法可以由车联网服务器上设置的处理引擎执行。可选地,图1的车辆事件划分方法也可以由计算机或普通服务器,或者计算机或普通服务器上设置的处理引擎,或者计算机或普通服务器上的软件执行。车联网服务器可以看做是为车联网提供服务的服务器,处理引擎可以是Flink引擎。以处理引擎作为执行主体为例,该车辆事件划分方法包括:
S101,确定目标事件类型的事件切分条件;
S102,按照数据的采集时间对目标车辆对应的待处理数据进行排序;
S103,当事件切分条件为跳变切分条件时,根据每条数据与其上一条数据的标记,确定该条数据为事件起点或者事件无效点;
S104,当事件切分条件为超时切分条件时,根据每条数据与其上一条数据的采集时间,确定该条数据为事件起点或者事件无效点;
S105,将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,得到目标车辆对应的多个目标事件;
S106,根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息。
目标事件类型为以下任意一种:充电事件、行驶事件、停车事件、急加速事件、急减速事件、左急转事件、右急转事件、超速事件、碰撞事件、左转不打对灯事件、右转不打对灯事件、主驾安全带未系事件以及副驾安全带未系事件。跳变切分条件适用于急加速事件、急减速事件、左急转事件、右急转事件、超速事件、碰撞事件;超时切分条件适用于左转不打对灯事件、右转不打对灯事件、主驾安全带未系事件以及副驾安全带未系事件;充电事件、行驶事件、停车事件的事件切分条件可以是跳变切分条件,也可以是超时切分条件。
待处理数据是多条数据,待处理数据可以是按照采集时间由先到后的顺序进行排序;每个事件起点后的最后一个事件无效点是指该事件起点与其之后的第一个事件起点之间的最后一个事件无效点,比如由先到后有:1号事件起点、1号事件无效点、2号事件无效点、3号事件无效点、2号事件起点……1号事件起点对应的事件终点是3号事件无效点;将每个事件起点与其对应的事件终点作为一个目标事件,实际上将每个事件起点与其对应的事件终点以及事件起点和事件终点之间的事件无效点作为一个目标事件,该事件起点是该目标事件的起点,该事件终点是该目标事件的终点,该事件起点与该事件终点中间的事件无效点作为该目标事件起点和终点之间的数据;每个目标事件的事件起点和事件终点之间的数据就是作为该事件起点和该事件终点之间的事件无效点的数据;多个目标事件都是属于目标事件类型的。
根据本申请实施例提供的技术方案,确定目标事件类型的事件切分条件;按照数据的采集时间对目标车辆对应的待处理数据进行排序;当事件切分条件为跳变切分条件时,根据每条数据与其上一条数据的标记,确定该条数据为事件起点或者事件无效点;当事件切分条件为超时切分条件时,根据每条数据与其上一条数据的采集时间,确定该条数据为事件起点或者事件无效点;将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,得到目标车辆对应的多个目标事件;根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息,所以,采用上述技术手段,可以解决现有技术中划分典型事件准确率低的问题,进而提高划分典型事件的准确率,确保更加高效地划分典型事件,同时使得划分典型事件的应用面更加广泛,适用于更多车型以及支持更多事件的提取。
按照数据的采集时间对目标车辆对应的待处理数据进行排序之前,方法还包括:获取目标车辆对应的目标表中的数据,比较目标表中数据的上报频率和目标事件类型对应的上报频率是否一致;若一致,则根据事件判断规则,为目标表中每条数据打上其对应事件类型的标记,将目标表携带标记的所有数据作为待处理数据;若不一致,根据事件判断规则,从目标表中过滤出属于目标事件类型的数据,并为过滤出的数据打上目标事件类型的标记,将携带标记的过滤出的所有数据作为待处理数据。
获取目标车辆对应的目标表中的数据,可以是获取所有车辆对应的目标表中的数据,然后根据车辆标识符从中筛选出目标车辆对应的数据。数据的上报频率和目标事件类型对应的上报频率不一致时,是从目标表中过滤出属于目标事件类型的数据,所以后续可以不再进行过滤;数据的上报频率和目标事件类型对应的上报频率一致时,是没有从目标表中过滤出属于目标事件类型的数据,所以后续需要进行过滤。
超速事件的判断规则是速度大于预设速度;主驾驶未系安全带事件的判断规则是主驾驶位有人,但是安全带不处于系上的状态;副驾驶未系安全带事件的判断规则是副驾驶位有人,但是安全带不处于系上的状态;停车事件的判断规则是车辆有信号上报,但是车辆速度几乎为0;充电事件的判断规则是速度为0且车辆处于充电状态;行驶事件的判断规则是车辆速度大于零;急加速事件的判断规则是加速度大于第一预设值,第一预设值为正数;急减速事件的判断规则是加速度小于第二预设值,第二预设值为负数;左急转事件的判断规则是车辆向左转弯幅度大于第三预设值;右急转事件的判断规则是车辆向右转弯幅度大于第三预设值;碰撞事件的判断规则是车辆加速度大于第四预设值(急速减速),且在车辆预设距离内有其他物体;左转不打对灯事件的判断规则是车辆向左转弯,左转指示灯却没有亮起或者亮起时长小于第五预设值;左转不打对灯事件的判断规则是车辆向左转弯;右转不打对灯事件的判断规则是车辆向右转弯,右转指示灯却没有亮起或者亮起时长小于第五预设值。
根据每条数据与其上一条数据的标记,确定该条数据为事件起点或者事件无效点,包括:将每条与上一条数据的标记不相同的数据作为一个事件起点,得到多个事件起点;将每条与上一条数据的标记相同的数据作为一个事件无效点,得到多个事件无效点。
根据每条数据与其上一条数据的采集时间,确定该条数据为事件起点或者事件无效点,包括:当一条数据与其上一条数据的采集时间的差值大于预设阈值,将该条数据作为一个事件起点,得到多个事件起点;当一条数据与其上一条数据的采集时间的差值不大于预设阈值,将该条数据作为一个事件无效点,得到多个事件无效点。
预设阈值可以是基于目标事件类型对应的上报频率确定的,比如预设阈值可以为目标事件类型对应的上报频率,又比如预设阈值与目标事件类型对应的上报频率满足一定的线性关系。
图2是本申请实施例提供的一种确定每个目标事件的事件信息的方法的流程示意图,由处理引擎执行,如图2所示,包括:
对于每个目标事件,将作为该目标事件的事件起点和事件终点的数据分别记作第一数据和第二数据:
S201,将第一数据的采集时间和经纬度信息分别作为该目标事件的开始时间和起点位置;
S202,将第二数据的采集时间和经纬度信息分别作为该目标事件的结束时间和终点位置;
S203,分别根据第一数据和第二数据中的采集时间、里程表度数、油耗信息和电量信息,计算该目标事件的时长、里程、油耗和电耗;
S204,将第一数据、第二数据以及第一数据和第二数据之间的数据中速度和加速度的最大值分别作为最高速度和最大加速度。
其中,事件信息,包括:开始时间、起点位置、结束时间、终点位置、时长、里程、油耗、电耗、最高速度和最大加速度。
第一数据和第二数据中的采集时间的差值是该目标事件的时长;第一数据和第二数据中的里程表度数的差值是该目标事件的里程;第一数据和第二数据中的油耗信息的差值是该目标事件的油耗(油耗信息是油箱剩余油量的数量);第一数据和第二数据中的电量信息的差值是该目标事件的电耗。
确定该条数据为事件起点或者事件无效点之后,方法还包括:根据每条数据的标记,从待处理数据中过滤出属于目标事件类型的数据;比较过滤出属于目标事件类型的数据的上报频率和目标事件类型对应的上报频率是否一致;若一致,则将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息;若不一致,则将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,根据作为每个目标事件的事件起点和事件终点的数据,在目标表中关联属于该目标事件的完整数据,根据该目标事件的完整数据确定该目标事件的事件信息。
若目标事件类型的数据的上报频率和目标事件类型对应的上报频率一致,说明目标事件类型的所有数据是完整的,可以直接根据目标事件类型的数据每个目标事件以及确定每个目标事件的事件信息。若目标事件类型的数据的上报频率和目标事件类型对应的上报频率不一致,说明目标事件类型的所有数据是不完整的,需要根据作为每个目标事件的事件起点和事件终点的数据,在目标表中关联属于该目标事件的完整数据,根据该目标事件的完整数据确定该目标事件的事件信息。
根据作为每个目标事件的事件起点和事件终点的数据,在目标表中关联属于该目标事件的完整数据,包括:基于每个目标事件的事件起点和事件终点的数据的采集时间,在所述目标表中确定每个目标事件的事件起点和事件终点之间的数据;将每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,作为每个目标事件的完整数据。
比如某个目标事件的事件起点和事件终点的数据的采集时间分别为七点十分和七点二十,那么目标表中在七点十分和七点二十之间的全部数据为该目标事件的事件起点和事件终点之间的数据。
在一个可选实施例中,按照数据的采集时间对目标车辆对应的待处理数据进行排序之后,方法还包括:将待处理数据存储在表格中,表格中每一行表示一条数据,每一列表示不同条数据的同一类信息,不同条数据的标记为第一标记列,不同条数据的采集时间为第一采集时间列;当事件切分条件为跳变切分条件时:在表格上新增两列,其中一列为复制第一标记列得到的第二标记列,将第二标记列中的标记整体下移一行,根据每条数据所在行中的两个标记是否相同,在新增的另一列中将该条数据记作事件起点或者事件无效点;当事件切分条件为超时切分条件时:在表格上新增两列,其中一列为复制第一采集时间列得到的第二采集时间列,将第二采集时间列中的采集时间整体下移一行,根据每条数据所在行中的两个采集时间的差值是否大于预设阈值,在新增的另一列中将该条数据记作事件起点或者事件无效点。
第二标记列是对第一标记列进行复制得到的;若每条数据所在行中的两个标记不相同,在新增的另一列中将该条数据记作事件起点;若每条数据所在行中的两个标记相同(比如,该条数据所在行为第3行,第一标记列为第4列,第二标记列为第7列,那么3行4列和3行7列是该条数据的两个标记),在新增的另一列中将该条数据记作事件无效点;第二采集时间列是对第一采集时间列进行复制得到的;若每条数据所在行中的两个采集时间的差值大于预设阈值,在新增的另一列中将该条数据记作事件起点;若每条数据所在行中的两个采集时间的差值不大于预设阈值,在新增的另一列中将该条数据记作事件无效点。
一份待处理数据如下表,该待处理数据适用于跳变切分条件:
该表中有19条Vin01车辆的数据,表中省略号代表其它类的信息。如该表所示:
复制所述第一标记列得到的第二标记列,第二标记列中的标记整体下移一行,整体下移一行后第二标记列中的第一个格子(2行6列)是没有数据的,将该格子补为0(默认因下移空出了的格子均为0)。
因为第2、7、12、18条数据所在行中的两个标记是不相同,所以第2、7、12、18条数据为事件起点,其它条数据为事件无效点。所以第2条数据到第6条数据是一个目标事件(根据速度,可以判断该目标事件为加速事件),第7条数据到第11条数据是一个目标事件(根据速度,可以判断该目标事件为减速事件),第12条数据到第17条数据是一个目标事件(根据速度,可以判断该目标事件为加速事件)。
此外,还可以通过比较每个目标事件的数据的上报频率和目标事件类型对应的上报频率是否一致,来判断该目标事件的数据是否完整。以第2条数据与第6条数据之间的目标事件为例(将该目标事件记作1号目标事件):如果1号目标事件的上报频率与目标事件类型对应的上报频率一致,那么判定1号目标事件的数据是完整的;如果1号目标事件的上报频率与目标事件类型对应的上报频率不一致,那么判定1号目标事件的数据是不完整的,此时,需要根据第2条数据与第6条数据的采集时间,在目标表中关联属于第2条数据与第6条数据之间的数据,最后将第2条数据、第6条数据以及第2条数据与第6条数据之间的数据作为1号目标事件的完整数据。
另一份待处理数据如下表,该待处理数据适用于超时切分条件:
该表中有19条vin01车辆的数据,表中省略号代表其它类的信息。如该表所示:
复制所述第一采集时间列得到的第二采集时间列,第二采集时间列中的采集时间列整体下移一行,整体下移一行后第二采集时间列中的第一个格子(2行6列)是没有数据的,将该格子补为0。
第2、9、12、19条数据所在行中的两个采集时间的差值大于所述预设阈值(预设阈值为1),所以第2、9、12、19条数据为事件起点,其它条数据为事件无效点。所以第2条数据到第8条数据是一个目标事件,第9条数据到第11条数据是一个目标事件,第12条数据到第18条数据是一个目标事件。
此外,还可以通过比较每个目标事件的数据的上报频率和目标事件类型对应的上报频率是否一致,来判断该目标事件的数据是否完整。以第2条数据与第8条数据之间的目标事件为例(将该目标事件记作2号目标事件):如果2号目标事件的上报频率与目标事件类型对应的上报频率一致,那么判定2号目标事件的数据是完整的;如果2号目标事件的上报频率与目标事件类型对应的上报频率不一致,那么判定2号目标事件的数据是不完整的,此时,需要根据第2条数据与第8条数据的采集时间,在目标表中关联属于第2条数据与第8条数据之间的数据,最后将第2条数据、第8条数据以及第2条数据与第8条数据之间的数据作为2号目标事件的完整数据。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
图3是本申请实施例提供的一种车辆事件划分装置的示意图。如图3所示,该车辆事件划分装置包括:
第一确定模块301,被配置为确定目标事件类型的事件切分条件;
排序模块302,被配置为按照数据的采集时间对目标车辆对应的待处理数据进行排序;
第二确定模块303,被配置为当事件切分条件为跳变切分条件时,根据每条数据与其上一条数据的标记,确定该条数据为事件起点或者事件无效点;
第三确定模块304,被配置为当事件切分条件为超时切分条件时,根据每条数据与其上一条数据的采集时间,确定该条数据为事件起点或者事件无效点;
第四确定模块305,被配置为将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,得到目标车辆对应的多个目标事件;
第五确定模块306,被配置为根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息。
根据本申请实施例提供的技术方案,确定目标事件类型的事件切分条件;按照数据的采集时间对目标车辆对应的待处理数据进行排序;当事件切分条件为跳变切分条件时,根据每条数据与其上一条数据的标记,确定该条数据为事件起点或者事件无效点;当事件切分条件为超时切分条件时,根据每条数据与其上一条数据的采集时间,确定该条数据为事件起点或者事件无效点;将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,得到目标车辆对应的多个目标事件;根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息,所以,采用上述技术手段,可以解决现有技术中划分典型事件准确率低的问题,进而提高划分典型事件的准确率,确保更加高效地划分典型事件,同时使得划分典型事件的应用面更加广泛,适用于更多车型以及支持更多事件的提取。
可选地,第一确定模块301还被配置为获取目标车辆对应的目标表中的数据,比较目标表中数据的上报频率和目标事件类型对应的上报频率是否一致;若一致,则根据事件判断规则,为目标表中每条数据打上其对应事件类型的标记,将目标表携带标记的所有数据作为待处理数据;若不一致,根据事件判断规则,从目标表中过滤出属于目标事件类型的数据,并为过滤出的数据打上目标事件类型的标记,将携带标记的过滤出的所有数据作为待处理数据。
可选地,第二确定模块303还被配置为将每条与上一条数据的标记不相同的数据作为一个事件起点,得到多个事件起点;将每条与上一条数据的标记相同的数据作为一个事件无效点,得到多个事件无效点。
可选地,第三确定模块304还被配置为当一条数据与其上一条数据的采集时间的差值大于预设阈值,将该条数据作为一个事件起点,得到多个事件起点;当一条数据与其上一条数据的采集时间的差值不大于预设阈值,将该条数据作为一个事件无效点,得到多个事件无效点。
可选地,第五确定模块306还被配置为将第一数据的采集时间和经纬度信息分别作为该目标事件的开始时间和起点位置;将第二数据的采集时间和经纬度信息分别作为该目标事件的结束时间和终点位置;分别根据第一数据和第二数据中的采集时间、里程表度数、油耗信息和电量信息,计算该目标事件的时长、里程、油耗和电耗;将第一数据、第二数据以及第一数据和第二数据之间的数据中速度和加速度的最大值分别作为最高速度和最大加速度。
可选地,第五确定模块306还被配置为根据每条数据的标记,从待处理数据中过滤出属于目标事件类型的数据;比较过滤出属于目标事件类型的数据的上报频率和目标事件类型对应的上报频率是否一致;若一致,则将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息;若不一致,则将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,根据作为每个目标事件的事件起点和事件终点的数据,在目标表中关联属于该目标事件的完整数据,根据该目标事件的完整数据确定该目标事件的事件信息。
可选地,第五确定模块306还被配置为基于每个目标事件的事件起点和事件终点的数据的采集时间,在所述目标表中确定每个目标事件的事件起点和事件终点之间的数据;将每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,作为每个目标事件的完整数据。
可选地,第一确定模块301还被配置为将待处理数据存储在表格中,表格中每一行表示一条数据,每一列表示不同条数据的同一类信息,不同条数据的标记为第一标记列,不同条数据的采集时间为第一采集时间列;当事件切分条件为跳变切分条件时:在表格上新增两列,其中一列为复制第一标记列得到的第二标记列,将第二标记列中的标记整体下移一行,根据每条数据所在行中的两个标记是否相同,在新增的另一列中将该条数据记作事件起点或者事件无效点;当事件切分条件为超时切分条件时:在表格上新增两列,其中一列为复制第一采集时间列得到的第二采集时间列,将第二采集时间列中的采集时间整体下移一行,根据每条数据所在行中的两个采集时间的差值是否大于预设阈值,在新增的另一列中将该条数据记作事件起点或者事件无效点。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
图4是本公开实施例提供的车联网服务器4的示意图。如图4所示,该实施例的车联网服务器4包括:处理引擎401、存储器402以及存储在该存储器402中并且可在处理引擎401上运行的计算机程序403。处理引擎401执行计算机程序403时实现上述各个方法实施例中的步骤。或者,处理引擎401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。
车联网服务器4可以包括但不仅限于处理引擎401和存储器402。本领域技术人员可以理解,图4仅仅是车联网服务器4的示例,并不构成对车联网服务器4的限定,可以包括比图示更多或更少的部件,或者不同的部件。
存储器402可以是车联网服务器4的内部存储单元,例如,车联网服务器4的硬盘或内存。存储器402也可以是车联网服务器4的外部存储设备,例如,车联网服务器4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。存储器402还可以既包括车联网服务器4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及车联网服务器所需的其它程序和数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理引擎执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种车辆事件划分方法,其特征在于,包括:
按照数据的采集时间对目标车辆对应的待处理数据进行排序;
确定目标事件类型的事件切分条件;
当所述事件切分条件为跳变切分条件时,根据每条数据与其上一条数据的标记,确定该条数据为事件起点或者事件无效点;
当所述事件切分条件为超时切分条件时,根据每条数据与其上一条数据的采集时间,确定该条数据为事件起点或者事件无效点;
将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,得到所述目标车辆对应的多个目标事件;
根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息。
2.根据权利要求1所述的方法,其特征在于,按照数据的采集时间对目标车辆对应的待处理数据进行排序之前,所述方法还包括:
获取所述目标车辆对应的目标表中的数据,比较所述目标表中数据的上报频率和所述目标事件类型对应的上报频率是否一致;
若一致,则根据事件判断规则,为所述目标表中每条数据打上其对应事件类型的标记,将所述目标表携带标记的所有数据作为所述待处理数据;
若不一致,根据所述事件判断规则,从所述目标表中过滤出属于所述目标事件类型的数据,并为过滤出的数据打上所述目标事件类型的标记,将携带标记的过滤出的所有数据作为所述待处理数据。
3.根据权利要求1所述的方法,其特征在于,根据每条数据与其上一条数据的标记,确定该条数据为事件起点或者事件无效点,包括:
将每条与上一条数据的标记不相同的数据作为一个事件起点,得到多个事件起点;
将每条与上一条数据的标记相同的数据作为一个事件无效点,得到多个事件无效点。
4.根据权利要求1所述的方法,其特征在于,根据每条数据与其上一条数据的采集时间,确定该条数据为事件起点或者事件无效点,包括:
当一条数据与其上一条数据的采集时间的差值大于预设阈值,将该条数据作为一个事件起点,得到多个事件起点;
当一条数据与其上一条数据的采集时间的差值不大于所述预设阈值,将该条数据作为一个事件无效点,得到多个事件无效点。
5.根据权利要求1所述的方法,其特征在于,根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息,包括:
对于每个目标事件,将作为该目标事件的事件起点和事件终点的数据分别记作第一数据和第二数据:
将所述第一数据的采集时间和经纬度信息分别作为该目标事件的开始时间和起点位置;
将所述第二数据的采集时间和经纬度信息分别作为该目标事件的结束时间和终点位置;
分别根据所述第一数据和所述第二数据中的采集时间、里程表度数、油耗信息和电量信息,计算该目标事件的时长、里程、油耗和电耗;
将所述第一数据、所述第二数据以及所述第一数据和所述第二数据之间的数据中速度和加速度的最大值分别作为最高速度和最大加速度;
其中,所述事件信息,包括:开始时间、起点位置、结束时间、终点位置、时长、里程、油耗、电耗、最高速度和最大加速度。
6.根据权利要求1所述的方法,其特征在于,确定该条数据为事件起点或者事件无效点之后,所述方法还包括:
根据每条数据的标记,从所述待处理数据中过滤出属于所述目标事件类型的数据;
比较过滤出属于所述目标事件类型的数据的上报频率和所述目标事件类型对应的上报频率是否一致;
若一致,则将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息;
若不一致,则将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,根据作为每个目标事件的事件起点和事件终点的数据,在目标表中关联属于该目标事件的完整数据,根据该目标事件的完整数据确定该目标事件的事件信息。
7.根据权利要求6所述的方法,其特征在于,根据作为每个目标事件的事件起点和事件终点的数据,在目标表中关联属于该目标事件的完整数据,包括:
基于每个目标事件的事件起点和事件终点的数据的采集时间,在所述目标表中确定每个目标事件的事件起点和事件终点之间的数据;
将每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,作为每个目标事件的完整数据。
8.根据权利要求1所述的方法,其特征在于,按照数据的采集时间对目标车辆对应的待处理数据进行排序之后,所述方法还包括:
将所述待处理数据存储在表格中,所述表格中每一行表示一条数据,每一列表示不同条数据的同一类信息,不同条数据的标记为第一标记列,不同条数据的采集时间为第一采集时间列;
当所述事件切分条件为跳变切分条件时:在所述表格上新增两列,其中一列为复制所述第一标记列得到的第二标记列,将第二标记列中的标记整体下移一行,根据每条数据所在行中的两个标记是否相同,在新增的另一列中将该条数据记作事件起点或者事件无效点;
当所述事件切分条件为超时切分条件时:在所述表格上新增两列,其中一列为复制所述第一采集时间列得到的第二采集时间列,将第二采集时间列中的采集时间整体下移一行,根据每条数据所在行中的两个采集时间的差值是否大于所述预设阈值,在新增的另一列中将该条数据记作事件起点或者事件无效点。
9.一种车辆事件划分装置,其特征在于,包括:
排序模块,被配置为按照数据的采集时间对目标车辆对应的待处理数据进行排序;
第一确定模块,被配置为确定目标事件类型的事件切分条件;
第二确定模块,被配置为当所述事件切分条件为跳变切分条件时,根据每条数据与其上一条数据的标记,确定该条数据为事件起点或者事件无效点;
第三确定模块,被配置为当所述事件切分条件为超时切分条件时,根据每条数据与其上一条数据的采集时间,确定该条数据为事件起点或者事件无效点;
第四确定模块,被配置为将每个事件起点后的最后一个事件无效点作为该事件起点对应的事件终点,将每个事件起点与其对应的事件终点作为一个目标事件,得到所述目标车辆对应的多个目标事件;
第五确定模块,被配置为根据作为每个目标事件的事件起点和事件终点的数据,以及每个目标事件的事件起点和事件终点之间的数据,确定每个目标事件的事件信息。
10.一种车联网服务器,其特征在于,包括存储器、处理引擎以及存储在所述存储器中并且可在所述处理引擎上运行的计算机程序,所述处理引擎执行所述计算机程序时实现如权利要求1至8中任一项所述的车辆事件划分方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310480152.5A CN116502125B (zh) | 2023-04-28 | 2023-04-28 | 车辆事件划分方法、装置及车联网服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310480152.5A CN116502125B (zh) | 2023-04-28 | 2023-04-28 | 车辆事件划分方法、装置及车联网服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116502125A true CN116502125A (zh) | 2023-07-28 |
CN116502125B CN116502125B (zh) | 2024-03-12 |
Family
ID=87321258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310480152.5A Active CN116502125B (zh) | 2023-04-28 | 2023-04-28 | 车辆事件划分方法、装置及车联网服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116502125B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117765635A (zh) * | 2024-02-22 | 2024-03-26 | 天津布尔科技有限公司 | 一种汽车碰撞事件监测记录方法及汽车事件记录系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015170289A1 (en) * | 2014-05-09 | 2015-11-12 | Vodafone Omnitel B.V. | Method and system for vehicular traffic prediction |
CN105976803A (zh) * | 2016-04-25 | 2016-09-28 | 南京理工大学 | 一种结合乐谱的音符切分方法 |
CN109243181A (zh) * | 2018-09-21 | 2019-01-18 | 深圳市轱辘汽车维修技术有限公司 | 交通事故预警方法、装置、终端设备及存储介质 |
CN110049108A (zh) * | 2019-03-25 | 2019-07-23 | 钛马信息网络技术有限公司 | 一种网联车辆事件生成方法及装置 |
CN110147387A (zh) * | 2019-05-08 | 2019-08-20 | 腾讯科技(上海)有限公司 | 一种根因分析方法、装置、设备及存储介质 |
CN111301317A (zh) * | 2020-02-28 | 2020-06-19 | 深圳市元征科技股份有限公司 | 一种事件生成方法、事件生成装置及车载设备 |
CN111739175A (zh) * | 2020-08-11 | 2020-10-02 | 上海高德威智能交通系统有限公司 | 一种车辆停车监控方法和装置 |
WO2021057387A1 (zh) * | 2019-09-24 | 2021-04-01 | 中兴通讯股份有限公司 | 一种事件处理方法、装置、终端及计算机可读存储介质 |
-
2023
- 2023-04-28 CN CN202310480152.5A patent/CN116502125B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015170289A1 (en) * | 2014-05-09 | 2015-11-12 | Vodafone Omnitel B.V. | Method and system for vehicular traffic prediction |
CN105976803A (zh) * | 2016-04-25 | 2016-09-28 | 南京理工大学 | 一种结合乐谱的音符切分方法 |
CN109243181A (zh) * | 2018-09-21 | 2019-01-18 | 深圳市轱辘汽车维修技术有限公司 | 交通事故预警方法、装置、终端设备及存储介质 |
CN110049108A (zh) * | 2019-03-25 | 2019-07-23 | 钛马信息网络技术有限公司 | 一种网联车辆事件生成方法及装置 |
CN110147387A (zh) * | 2019-05-08 | 2019-08-20 | 腾讯科技(上海)有限公司 | 一种根因分析方法、装置、设备及存储介质 |
WO2021057387A1 (zh) * | 2019-09-24 | 2021-04-01 | 中兴通讯股份有限公司 | 一种事件处理方法、装置、终端及计算机可读存储介质 |
CN111301317A (zh) * | 2020-02-28 | 2020-06-19 | 深圳市元征科技股份有限公司 | 一种事件生成方法、事件生成装置及车载设备 |
CN111739175A (zh) * | 2020-08-11 | 2020-10-02 | 上海高德威智能交通系统有限公司 | 一种车辆停车监控方法和装置 |
Non-Patent Citations (3)
Title |
---|
A. WILLSKY; E. CHOW; S. GERSHWIN; C. GREENE; P. HOUPT; A. KURKJIAN: "Dynamic model-based techniques for the detection of incidents on freeways", IEEE TRANSACTIONS ON AUTOMATIC CONTROL, pages 347 * |
李健: "面向移动终端设备的用户轨迹异常检测研究", 中国优秀硕士学位论文全文数据库, pages 136 - 215 * |
雷靖;张平;徐江涛;高静;: "一种基于AER图像传感器的目标完整轮廓提取方法", 南开大学学报(自然科学版), no. 02, pages 65 - 70 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117765635A (zh) * | 2024-02-22 | 2024-03-26 | 天津布尔科技有限公司 | 一种汽车碰撞事件监测记录方法及汽车事件记录系统 |
CN117765635B (zh) * | 2024-02-22 | 2024-04-19 | 天津布尔科技有限公司 | 一种汽车碰撞事件监测记录方法及汽车事件记录系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116502125B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116502125B (zh) | 车辆事件划分方法、装置及车联网服务器 | |
CN101587643B (zh) | 一种套牌车的识别方法 | |
CN107610471A (zh) | 车辆套牌检测方法及系统 | |
CN111400533B (zh) | 图像筛选方法、装置、电子设备和存储介质 | |
CN113485376B (zh) | 自适应巡航与路径规划的无人驾驶巡检车 | |
CN113762755A (zh) | 驾驶员分析报告推送方法、装置、计算机设备和存储介质 | |
CN102072735B (zh) | 一种快速计算里程的方法和系统 | |
CN112349101A (zh) | 高精地图生成方法、以及识别交通灯的方法及系统 | |
CN103914461A (zh) | 交通信息查询方法与装置 | |
CN110796760B (zh) | 交通事故证据收集方法、车载终端、服务器及系统 | |
CN116030452A (zh) | 一种车牌识别方法、装置、设备及计算机存储介质 | |
CN115131895B (zh) | 一种获取车辆里程数据的方法、装置和电子设备 | |
CN114677254A (zh) | 一种货车事故识别方法、装置、存储介质及程序产品 | |
CN111325054A (zh) | 一种确定克隆车辆的方法、装置及计算设备 | |
CN110341701B (zh) | 一种基于空间位置信息的车辆自动启停优化方法 | |
CN111369790B (zh) | 过车记录校正方法、装置、设备及存储介质 | |
CN105206062A (zh) | 查找方法及装置 | |
CN116155926B (zh) | 车辆行程计算方法、装置及车联网服务器 | |
CN117875944A (zh) | 基于用户画像的车辆维护保养策略的推荐方法及装置 | |
CN113256984B (zh) | 基于车路协同的多数据源的数据融合处理方法和装置 | |
CN115661784B (zh) | 一种面向智慧交通的交通标志图像大数据识别方法与系统 | |
CN113781771B (zh) | 一种ive模型的在线运行方法 | |
CN117636675A (zh) | 车队油耗跟踪方法、装置、电子设备及存储介质 | |
CN116166674A (zh) | 一种高精度地图中限速牌限速数据更新方法及系统 | |
CN114757381A (zh) | 一种共享交通工具的维护系统及维护方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240116 Address after: No. 13 Xingxiang Road, Zengjia Town, High tech Zone, Shapingba District, Chongqing, 400039 Applicant after: Chongqing Selis Phoenix Intelligent Innovation Technology Co.,Ltd. Address before: 610095 No. 2901, floor 29, unit 1, building 1, No. 151, Tianfu Second Street, high tech Zone, China (Sichuan) pilot Free Trade Zone, Chengdu, Sichuan Province Applicant before: Chengdu Thalys Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |