CN116863723A - 一种数字孪生基座的使用方法 - Google Patents
一种数字孪生基座的使用方法 Download PDFInfo
- Publication number
- CN116863723A CN116863723A CN202311019391.7A CN202311019391A CN116863723A CN 116863723 A CN116863723 A CN 116863723A CN 202311019391 A CN202311019391 A CN 202311019391A CN 116863723 A CN116863723 A CN 116863723A
- Authority
- CN
- China
- Prior art keywords
- data
- traffic
- shared database
- information
- unit monitoring
- 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 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 108
- 238000010276 construction Methods 0.000 claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 238000010223 real-time analysis Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000012795 verification Methods 0.000 claims description 20
- 238000013439 planning Methods 0.000 claims description 16
- 238000011084 recovery Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000000977 initiatory effect Effects 0.000 claims 1
- 230000010354 integration Effects 0.000 claims 1
- 206010039203 Road traffic accident Diseases 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/095—Traffic lights
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种数字孪生基座的使用方法，涉及智慧交通领域。一种数字孪生基座的使用方法，包括以下步骤：S1：实时监测城市的交通数据信息和接收上传的交通数据信息，S2建立对应的交通流量模型，对各路段的信号灯进行智能调度，S3：建立共享数据库，提供相应的数据共享需求，S4：当共享数据库出现故障时，切换至备份系统继续工作，S5：根据上传的交通数据信息进行实时分析及评估。本发明解决了现有的专利不能根据交通流量变化调整信号灯时长，城市交通容易受天气和道路施工的影响造成堵塞问题。本发明有效缓解城市交通拥堵现状，减少交通事故的发生，提高数据的利用效率，保证了数据共享的安全性和共享数据库的正常使用。
Description
技术领域
本发明涉及智慧交通技术领域，具体为一种数字孪生基座的使用方法。
背景技术
随着人口的不断增长和城市化的不断推进，城市交通问题日益突出。交通拥堵、环境污染、交通事故等问题已成为制约城市可持续发展的重要因素。在这样的背景下，数字孪生技术应运而生，为城市交通管理带来了新的可能性。数字孪生是指利用数字技术建立虚拟世界，通过对物理世界的实时监测、分析和模拟，实现对物理世界的精准管理和优化，数字孪生技术可以应用于多个领域，如智慧城市、智能制造、物联网等。
CN202110661390.7的专利公开了一种基于数字孪生技术的城市道路在线微观仿真方法及系统，包括以下步骤：对不确定因素的短时交通参数进行预测，利用数字孪生技术及其智能分段算法实现多个关联交通信号下的逐段分解；基于相关性分析交通拥堵判别与预警；通过数字孪生技术对城市道路在线缓堵诱导的动态交通进行分配建模，基于拥堵关联区域判别方法建立的多个网络分区；对计及参数预测不确定性的城市道路交通诱导策略进行优化，能够利用数字孪生技术，为交通部门管理日益复杂的城市交通网络提供缓堵策略的决策支持，有利于缩小复杂网路交通控制研究的问题规模，降低了平台的二次开发难度，解决了交通应用场景多样化产生的矛盾。
上述专利的方法在实际使用过程中，并不能根据交通流量变化调整信号灯时长，导致不能优化城市道路的交通流动，同时由于城市交通容易受天气和道路施工的影响造成堵塞，因此，不满足现有的需求，对此我们提出了一种数字孪生基座的使用方法。
发明内容
本发明的目的在于提供一种数字孪生基座的使用方法，通过结合天气情况和道路施工情况对信号灯进行智能调度，能够更准确的了解城市道路的交通流量信息，有效缓解城市交通拥堵现状，避免交通堵塞，减少交通事故的发生，通过共享数据库提供数据共享的平台，使得不同部门可以共享数据资源，提高数据的利用效率，保证了数据共享的安全性，通过对共享数据库内的数据进行备份，减少网络传输，实现了数据调用的无延迟同步，避免突发意外造成共享数据库正在工作时被迫终端，保证了共享数据库的正常使用，解决了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：一种数字孪生基座的使用方法，包括以下步骤：
S1：通过数据收集系统实时监测城市各个路段的交通数据信息，并将监测的信息储存，同时接收不同部门所上传的交通数据信息，并将上传的信息储存，并对实时监测模块监测和接收的交通数据信息进行整合分类。
S2：根据数据收集系统所收集的信息通过交通规划系统建立对应的交通流量模型，结合天气因素以及道路施工情况对各路段的信号灯进行智能调度，交通规划系统通过建立交通流量模型对城市交通进行规划完成后，将信息传递至数据共享系统。
S3：数据共享系统对数据进行储存并建立共享数据库，提供相应的数据共享需求，并对共享的数据信息和共享数据的调取时间进行储存。
S4：共享数据库内的数据在进行储存时，同时传输至备份系统进行备份，当共享数据库出现故障时，直接切换至备份系统继续工作。
S5：当数据上传至共享数据库时，评估分析系统根据上传的交通数据信息进行实时分析及评估，对城市道路所面临的风险进行实时预测，对存在风险的路段做出相应的安全措施。
优选的，所述数据收集系统，具体包括：
实时监测模块，用于实时监测城市各个路段的交通数据信息，并将监测的信息储存，同时接收不同部门所上传的交通数据信息，并将上传的信息储存，并将监测和上传的交通数据信息传递至数据分类模块，城市的交通数据信息包括交通流量、车辆行驶轨迹数据、气象数据和道路施工情况。
数据分类模块，用于对实时监测模块监测和接收的交通数据信息进行整合，并按照交通流量、车辆行驶轨迹数据、气象数据和道路施工情况进行分类并生成相应的资源目录。
优选的，所述评估分析系统，包括：
分析模块，用于根据所监测的交通数据信息及不同部门上传的交通数据信息对城市交通安全风险情况进行分析。
评估模块，用于根据分析模块的分析结果进行安全风险评估并进行相应的风险预测，根据评估和预测的结果制定相应的交通安全管理策略。
优选的，所述交通规划系统，包括：
信息计算模块，用于根据城市的交通数据信息计算各路段车辆通过的速度及通过所需时间。
信息计算模块，具体包括：
平均速度计算模块，根据交通流量计算车辆通过各段道路所需平均速度。
平均速度计算模块，具体包括
根据交通流量结合当前天气计算各个路段车辆通过所需的平均速度。
根据交通流量结合道路施工情况计算和各个路段车辆通过所需的平均速度。
行驶时间计算模块，根据车辆通过各段道路所需平均速度计算车辆通过各段道路所需时间。
校验调节模块，用于根据交通信息计算模块所计算的结果，实时校验并修正各段道路交通信号并对交通信号灯进行智能调度。
优选的，所述交通规划系统的工作流程，具体包括：
通过数字孪生技术建立对应的交通流量模型。
根据车辆行驶的平均速度计算各路段车辆通过所需的时间，根据车辆通过所需要的时间对各路段的信号灯进行智能调度。
将实时监测模块采集到的各个路段不同时间段内的车流量大小，并各个路段不同时间段内车流量信息传输到信息计算模块。
信息计算模块根据车流量信息结合采集时间段的天气情况和各个路段的施工情况，计算各个路段车辆行驶的平均速度和通过所需时间。
预测校验模块根据计算的结果结合当前信号灯的点亮时长做出相应的调整。
优选的，所述数据共享系统，具体包括：
共享数据库，用于根据数据信息的资源目录，对分类好的数据信息配置对应的数据集。
秘钥模块，用于将多个数据集之间通过分布式数据集进行关联，并对关联后的多个数据集进行储存和对数据集设置对应的秘钥。
数据共享模块，用于接收对共享数据库内的数据共享请求，并根据共享请求调度对应的共享数据，然后与调用者之间进行数据共享安全验证，调用者解密完成后，将需要共享的数据传输至发出共享请求的终端。
数据共享模块，具体包括：
接收模块，用于接收共享数据的调用命令，并根据调用命令在共享数据库内进行对应的数据检索。
发送模块，用于对检索到的数据进行发送，并对调用的信息进行记录储存。
优选的，所述数据共享系统的共享流程，具体包括：
当需要进行数据共享时，调用者通过数据共享模块接收数据共享请求，根据数据共享请求在数据库内进行数据检索。
检索到所需的共享数据后，向调用者发起安全验证，调用者通过设置的秘钥进行安全验证。
验证完成后数据共享模块将检索到的共享数据发送给调用者，同时记录调用者的信息及数据调取的时间和共享的数据信息。
优选的，所述备份系统，具体包括：
构建异地容灾群，将共享数据库中的数据实时同步至异地容灾集群进行备份；
当检测到共享数据库中的数据发生故障时，获取当前共享数据库所进行的数据业务；
根据当前共享数据库所进行的数据业务，启动异地容灾集群内与之对应的数据业务，将共享数据库自动切换至异地容灾集群继续工作。
优选的，当检测到共享数据库中的数据发生故障时，获取当前共享数据库所进行的数据业务，包括：
在每个单位监控时段内实时监测所述共享数据库是否发生故障，并在所述单位监控时段结束时刻，统计当前单位监控时段内的共享数据库的发生故障的次数；
利用所述当前单位监控时段内的共享数据库的发生故障的次数和阈值调整策略，对预设的所述共享数据库对应的运行稳定性阈值进行调整，获得调整后的运行稳定性阈值；
在下一个单位监控时段内，根据共享数据库的故障出现次数，利用所述故障出现次数获取共享数据库的运行稳定性指标，并在所述运行稳定性指标低于调整后的稳定性阈值时，进行异常报警；其中，所述运行稳定性指标通过如下公式获取：
其中，Q表示运行稳定性指标；C0表示当前单位监控时段内的共享数据库的发生故障的次数；n表示当前已经历的完整的单位监控时段的个数；m表示除了当前已完成的单位监控时段之外的已经历的完整的单位监控时段的个数；Ci表示第i个已完成的单位监控时段对应的共享数据库的发生故障的次数。
优选的，所述阈值调整策略，包括：
当所述当前单位监控时段内的共享数据库的发生故障的次数为C0≤2时，则不进行阈值调整；
当所述当前单位监控时段内的共享数据库的发生故障的次数为2<C0≤5时，则阈值调整如下：
其中，Qy1表示当前单位监控时段内的共享数据库的发生故障的次数为2<C0≤5时对应的调整后阈值；k表示已经历的完整的单位监控时段中，共享数据库的发生故障的次数为2<C0≤5的单位监控时段的个数；Cj表示第j个共享数据库的发生故障的次数为2<C0≤5的单位监控时段内共享数据库的发生故障的次数；n表示当前已经历的完整的单位监控时段的个数；Ci表示第i个已完成的单位监控时段对应的共享数据库的发生故障的次数；
当所述当前单位监控时段内的共享数据库的发生故障的次数为5<C0时，则阈值调整如下：
其中，Qy2表示当前单位监控时段内的共享数据库的发生故障的次数为5<C0时对应的调整后阈值；t表示已经历的完整的单位监控时段中，共享数据库的发生故障的次数为5<C0的单位监控时段的个数；Cf表示第f个共享数据库的发生故障的次数为5<C0的单位监控时段内共享数据库的发生故障的次数；n表示当前已经历的完整的单位监控时段的个数；Ci表示第i个已完成的单位监控时段对应的共享数据库的发生故障的次数。
与现有技术相比，本发明的有益效果是：
1、本发明通过评估模块对城市的各个道路进行安全风险评估和风险预测，整合了城市交通流量数据、车辆行驶轨迹数据、气象数据和道路施工情况等多种交通数据，实现对城市交通情况的实时监测和分析，保证了分析和评估的准确性，结合天气情况和道路施工情况对车辆的平均行驶速度进行计算，根据计算的平均速度计算车辆通过各个路段的时间，根据通过时间对信号灯进行智能调度，能够更准确的了解城市道路的交通流量信息，有效缓解城市交通拥堵现状，避免交通堵塞，减少交通事故的发生。
2、本发明通过共享数据库提供数据共享的平台，使得不同部门可以共享数据资源，提高数据的利用效率，同时设置相应的安全验证，进一步保证了数据共享的安全性，通过构建异地容灾群，对共享数据库内的数据进行备份，减少网络传输，实现了数据调用的无延迟同步，避免突发意外造成共享数据库正在工作时被迫终端，保证了共享数据库的正常使用。
附图说明
图1为本发明的数字孪生基座的使用方法的模块示意图；
图2为本发明的数字孪生基座的使用方法的工作示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了解决现有的专利在实际使用过程中，并不能根据交通流量变化调整信号灯时长，导致不能优化城市道路的交通流动，同时由于城市交通容易受天气和道路施工的影响造成堵塞的问题，请参阅图1-图2，本实施例提供以下技术方案：
一种数字孪生基座的使用方法，包括以下步骤：
S1：通过数据收集系统实时监测城市各个路段的交通数据信息，并将监测的信息储存，同时接收不同部门所上传的交通数据信息，并将上传的信息储存，并对实时监测模块监测和接收的交通数据信息进行整合分类，全方位对交通数据信息进行收集，保证了数据收集的准确性和完整性，为城市交通规划提供有效的数据支撑。
S2：根据数据收集系统所收集的信息通过交通规划系统建立对应的交通流量模型，结合天气因素以及道路施工情况对各路段的信号灯进行智能调度，根据城市各个路段的交通流量信息对信号灯的亮灯时长进行调整，避免因为信号灯造成车辆排队时间长，进而造成交通拥堵，交通规划系统通过建立交通流量模型对城市交通进行规划完成后，将信息传递至数据共享系统。
S3：数据共享系统对数据进行储存并建立共享数据库，提供相应的数据共享需求，并对共享的数据信息和共享数据的调取时间进行储存，通过共享数据库提供数据共享的平台，使得不同部门可以共享数据资源，提高了数据的利用率。
S4：共享数据库内的数据在进行储存时，同时传输至备份系统进行备份，当共享数据库出现故障时，直接切换至备份系统继续工作，避免突发意外造成共享数据库正在工作时被迫终端，保证了共享数据库的正常使用。
S5：当数据上传至共享数据库时，评估分析系统根据上传的交通数据信息进行实时分析及评估，对城市道路所面临的风险进行实时预测，对存在风险的路段做出相应的安全措施，实现对城市交通情况的实时监测和分析，保证了分析和评估的准确性，避免事故的发生，从而减轻了城市道路的负担。
数据收集系统，具体包括：
实时监测模块，用于实时监测城市各个路段的交通数据信息，并将监测的信息储存，同时接收不同部门所上传的交通数据信息，并将上传的信息储存，并将监测和上传的交通数据信息传递至数据分类模块，城市的交通数据信息包括交通流量、车辆行驶轨迹数据、气象数据和道路施工情况。
数据分类模块，用于对实时监测模块监测和接收的交通数据信息进行整合，并按照交通流量、车辆行驶轨迹数据、气象数据和道路施工情况进行分类并生成相应的资源目录，从而建立全面的交通数据集。
评估分析系统，包括：
分析模块，用于根据所监测的交通数据信息及不同部门上传的交通数据信息对城市交通安全风险情况进行分析。
评估模块，用于根据分析模块的分析结果进行安全风险评估并进行相应的风险预测，根据评估和预测的结果制定相应的交通安全管理策略，整合了城市交通流量数据、车辆行驶轨迹数据、气象数据和道路施工情况等多种交通数据，实现对城市交通情况的实时监测和分析，保证了分析和评估的准确性。
交通规划系统，包括：
信息计算模块，用于根据城市的交通数据信息计算各路段车辆通过的速度及通过所需时间。
信息计算模块，具体包括：
平均速度计算模块，根据交通流量计算车辆通过各段道路所需平均速度。
平均速度计算模块，具体包括
根据交通流量结合当前天气计算各个路段车辆通过所需的平均速度。
根据交通流量结合道路施工情况计算和各个路段车辆通过所需的平均速度，利用数字孪生技术进行建模，实现了交通流量预测、交通信号灯优化、智能路况提示等功能，提高了交通管理部门的科学性和效率。
行驶时间计算模块，根据车辆通过各段道路所需平均速度计算车辆通过各段道路所需时间，有效缓解城市交通拥堵现状，避免交通堵塞，减少交通事故的发生。
校验调节模块，用于根据交通信息计算模块所计算的结果，实时校验并修正各段道路交通信号并对交通信号灯进行智能调度，方便根据城市的道路的交通流量情况对信号灯进行亮灯时长的调整，进一步缓解城市的路段的拥堵情况。
交通规划系统的工作流程，具体包括：
通过数字孪生技术建立对应的交通流量模型，通过数字孪生技术的进行建模，能够有效的评估交通规划的效果，从而为城市交通管理部门提供科学决策的支持。
根据车辆行驶的平均速度计算各路段车辆通过所需的时间，根据车辆通过所需要的时间对各路段的信号灯进行智能调度，实现对交通信号灯的实时监测和预测，根据交通流量变化调整信号灯时长，从而优化交通流动。
将实时监测模块采集到的各个路段不同时间段内的车流量大小，并各个路段不同时间段内车流量信息传输到信息计算模块。
信息计算模块根据车流量信息结合采集时间段的天气情况和各个路段的施工情况，计算各个路段车辆行驶的平均速度和通过所需时间，结合天气情况和道路施工情况对车辆的平均行驶速度进行计算，根据计算的平均速度计算车辆通过各个路段的时间，根据通过时间对信号灯进行智能调度，能够更准确的了解城市道路的交通流量信息。
预测校验模块根据计算的结果结合当前信号灯的点亮时长做出相应的调整，避免由于信号灯亮灯时长的原因导致车辆在路口处排队，进而导致交通拥堵。
数据共享系统，具体包括：
共享数据库，用于根据数据信息的资源目录，对分类好的数据信息配置对应的数据集。
秘钥模块，用于将多个数据集之间通过分布式数据集进行关联，并对关联后的多个数据集进行储存和对数据集设置对应的秘钥，通过共享数据库提供数据共享的平台，使得不同部门可以共享数据资源，提高数据的利用效率，同时设置相应的安全验证，进一步保证了数据共享的安全性。
数据共享模块，用于接收对共享数据库内的数据共享请求，并根据共享请求调度对应的共享数据，然后与调用者之间进行数据共享安全验证，调用者解密完成后，将需要共享的数据传输至发出共享请求的终端。
数据共享模块，具体包括：
接收模块，用于接收共享数据的调用命令，并根据调用命令在共享数据库内进行对应的数据检索。
发送模块，用于对检索到的数据进行发送，并对调用的信息进行记录储存。
数据共享系统的共享流程，具体包括：
当需要进行数据共享时，调用者通过数据共享模块接收数据共享请求，根据数据共享请求在数据库内进行数据检索。
检索到所需的共享数据后，向调用者发起安全验证，调用者通过设置的秘钥进行安全验证。
验证完成后数据共享模块将检索到的共享数据发送给调用者，同时记录调用者的信息及数据调取的时间和共享的数据信息。
备份系统，具体包括：
构建异地容灾群，将共享数据库中的数据实时同步至异地容灾集群进行备份；
当检测到共享数据库中的数据发生故障时，获取当前共享数据库所进行的数据业务；
根据当前共享数据库所进行的数据业务，启动异地容灾集群内与之对应的数据业务，将共享数据库自动切换至异地容灾集群继续工作，减少网络传输，实现了数据调用的无延迟同步，避免突发意外造成共享数据库正在工作时被迫终端，保证了共享数据库的正常使用。
具体的，当检测到共享数据库中的数据发生故障时，获取当前共享数据库所进行的数据业务，包括：
在每个单位监控时段内实时监测所述共享数据库是否发生故障，并在所述单位监控时段结束时刻，统计当前单位监控时段内的共享数据库的发生故障的次数；
利用所述当前单位监控时段内的共享数据库的发生故障的次数和阈值调整策略，对预设的所述共享数据库对应的运行稳定性阈值进行调整，获得调整后的运行稳定性阈值；
在下一个单位监控时段内，根据共享数据库的故障出现次数，利用所述故障出现次数获取共享数据库的运行稳定性指标，并在所述运行稳定性指标低于调整后的稳定性阈值时，进行异常报警；其中，所述运行稳定性指标通过如下公式获取：
其中，Q表示运行稳定性指标；C0表示当前单位监控时段内的共享数据库的发生故障的次数；n表示当前已经历的完整的单位监控时段的个数；m表示除了当前已完成的单位监控时段之外的已经历的完整的单位监控时段的个数；Ci表示第i个已完成的单位监控时段对应的共享数据库的发生故障的次数。
上述技术方案的技术效果为：通过每个单位监控时段内实时监测共享数据库是否发生故障，统计故障次数。这使得系统能够及时捕捉到数据库故障情况。方案利用单位监控时段内故障次数和阈值调整策略，动态地调整预设的共享数据库的运行稳定性阈值。这样可以更准确地反映实际情况。方案通过计算运行稳定性指标，根据故障次数、已经历的单位监控时段数等因素，衡量共享数据库的运行稳定性。
在下一个单位监控时段内，根据运行稳定性指标判断是否低于调整后的稳定性阈值，从而触发异常报警。这有助于及时发现并处理数据库故障。通过实时监测和动态调整，系统能够适应不同情况下的数据库运行状态，提高系统的自适应性和鲁棒性。通过动态调整阈值和计算稳定性指标，方案可以更准确地评估共享数据库的运行状态，从而提高了对数据库数据可信度的评估。通过异常报警，方案能够在数据库发生故障或运行不稳定时及时通知管理人员，促使他们采取相应的措施。
总的来说，本实施例的技术方案旨在通过动态调整运行稳定性阈值和计算运行稳定性指标，实现对共享数据库的实时监测和异常报警。通过这种方式，系统能够更准确地评估数据库的状态，并在需要时采取相应的应对措施，提高数据库的稳定性和可靠性。
具体的，所述阈值调整策略，包括：
当所述当前单位监控时段内的共享数据库的发生故障的次数为C0≤2时，则不进行阈值调整；
当所述当前单位监控时段内的共享数据库的发生故障的次数为2<C0≤5时，则阈值调整如下：
其中，Qy1表示当前单位监控时段内的共享数据库的发生故障的次数为2<C0≤5时对应的调整后阈值；k表示已经历的完整的单位监控时段中，共享数据库的发生故障的次数为2<C0≤5的单位监控时段的个数；Cj表示第j个共享数据库的发生故障的次数为2<C0≤5的单位监控时段内共享数据库的发生故障的次数；n表示当前已经历的完整的单位监控时段的个数；Ci表示第i个已完成的单位监控时段对应的共享数据库的发生故障的次数；
当所述当前单位监控时段内的共享数据库的发生故障的次数为5<C0时，则阈值调整如下：
其中，Qy2表示当前单位监控时段内的共享数据库的发生故障的次数为5<C0时对应的调整后阈值；t表示已经历的完整的单位监控时段中，共享数据库的发生故障的次数为5<C0的单位监控时段的个数；Cf表示第f个共享数据库的发生故障的次数为5<C0的单位监控时段内共享数据库的发生故障的次数；n表示当前已经历的完整的单位监控时段的个数；Ci表示第i个已完成的单位监控时段对应的共享数据库的发生故障的次数。
上述技术方案的技术效果为：阈值调整策略根据不同故障次数范围(C0≤2、2<C0≤5、5<C0)来调整运行稳定性阈值。这使得系统能够根据故障情况做出动态的阈值调整，更准确地反映数据库的状态。阈值调整策略根据已经历的不同故障次数范围的单位监控时段，对阈值进行调整。这有助于根据历史故障情况适应性地调整阈值。
方案通过不同的阈值调整策略，能够区分并处理不同故障次数范围内的情况，更准确地决定阈值的调整幅度。通过根据阈值调整策略计算得到的运行稳定性阈值，可以更准确地计算运行稳定性指标，从而提高对数据库运行状态的准确评估。阈值调整策略能够根据故障情况，调整运行稳定性阈值，从而在运行稳定性指标低于调整后的阈值时触发异常报警。这有助于提高警报的精确性。
总的来说，本实施例的技术方案旨在通过不同故障次数范围的动态阈值调整策略，根据数据库的实际情况更准确地评估其运行稳定性，并在必要时触发异常报警。这有助于系统更好地应对数据库的故障情况，提高数据库的可靠性和稳定性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种数字孪生基座的使用方法，其特征在于：包括以下步骤：
S1：通过数据收集系统实时监测城市各个路段的交通数据信息，并将监测的信息储存，同时接收不同部门所上传的交通数据信息，并将上传的信息储存，并对实时监测模块监测和接收的交通数据信息进行整合分类；
S2：根据数据收集系统所收集的信息通过交通规划系统建立对应的交通流量模型，结合天气因素以及道路施工情况对各路段的信号灯进行智能调度，交通规划系统通过建立交通流量模型对城市交通进行规划完成后，将信息传递至数据共享系统；
S3：数据共享系统对数据进行储存并建立共享数据库，提供相应的数据共享需求，并对共享的数据信息和共享数据的调取时间进行储存；
S4：共享数据库内的数据在进行储存时，同时传输至备份系统进行备份，当共享数据库出现故障时，切换至备份系统继续工作；
S5：当数据上传至共享数据库时，评估分析系统根据上传的交通数据信息进行实时分析及评估，对城市道路所面临的风险进行实时预测，对存在风险的路段做出相应的安全措施。
2.根据权利要求1所述的一种数字孪生基座的使用方法，其特征在于：所述数据收集系统，具体包括：
实时监测模块，用于实时监测城市各个路段的交通数据信息，并将
监测的信息储存，同时接收不同部门所上传的交通数据信息，并将上传的信息储存，并将监测和上传的交通数据信息传递至数据分类模块，城
市的交通数据信息包括交通流量、车辆行驶轨迹数据、气象数据和道路
施工情况；
数据分类模块，用于对实时监测模块监测和接收的交通数据信息进
行整合，并按照交通流量、车辆行驶轨迹数据、气象数据和道路施工情
况进行分类并生成相应的资源目录。
3.根据权利要求1所述的一种数字孪生基座的使用方法，其特征在于：所述评估分析系统，包括：
分析模块，用于根据所监测的交通数据信息及不同部门上传的交通
数据信息对城市交通安全风险情况进行分析；
评估模块，用于根据分析模块的分析结果进行安全风险评估并进行
相应的风险预测，根据评估和预测的结果制定相应的交通安全管理策
略。
4.根据权利要求1所述的一种数字孪生基座的使用方法，其特征在于：所述交通规划系统，包括：
信息计算模块，用于根据城市的交通数据信息计算各路段车辆通过的速度及通过所需时间；
信息计算模块，具体包括：
平均速度计算模块，根据交通流量计算车辆通过各段道路所需平均速度；
平均速度计算模块，具体包括
根据交通流量结合当前天气计算各个路段车辆通过所需的平均速度；
根据交通流量结合道路施工情况计算和各个路段车辆通过所需的平均速度；
行驶时间计算模块，根据车辆通过各段道路所需平均速度计算车辆通过各段道路所需时间；
校验调节模块，用于根据交通信息计算模块所计算的结果，实时校验并修正各段道路交通信号并对交通信号灯进行智能调度。
5.根据权利要求4所述的一种数字孪生基座的使用方法，其特征在于：所述交通规划系统的工作流程，具体包括：
通过数字孪生技术建立对应的交通流量模型；
根据车辆行驶的平均速度计算各路段车辆通过所需的时间，根据车辆通过所需要的时间对各路段的信号灯进行智能调度；
将实时监测模块采集到的各个路段不同时间段内的车流量大小，并各个路段不同时间段内车流量信息传输到信息计算模块；
信息计算模块根据车流量信息结合采集时间段的天气情况和各个路段的施工情况，计算各个路段车辆行驶的平均速度和通过所需时间；
预测校验模块根据计算的结果结合当前信号灯的点亮时长做出相应的调整。
6.根据权利要求1所述的一种数字孪生基座的使用方法，其特征在于：所述数据共享系统，具体包括：
共享数据库，用于根据数据信息的资源目录，对分类好的数据信息配置对应的数据集；
秘钥模块，用于将多个数据集之间通过分布式数据集进行关联，并对关联后的多个数据集进行储存和对数据集设置对应的秘钥；
数据共享模块，用于接收对共享数据库内的数据共享请求，并根据共享请求调度对应的共享数据，然后与调用者之间进行数据共享安全验证，调用者解密完成后，将需要共享的数据传输至发出共享请求的终端；
数据共享模块，具体包括：
接收模块，用于接收共享数据的调用命令，并根据调用命令在共享数据库内进行对应的数据检索；
发送模块，用于对检索到的数据进行发送，并对调用的信息进行记录储存。
7.根据权利要求6所述的一种数字孪生基座的使用方法，其特征在于：所述数据共享系统的共享流程，具体包括：
当需要进行数据共享时，调用者通过数据共享模块接收数据共享请求，根据数据共享请求在数据库内进行数据检索；
检索到所需的共享数据后，向调用者发起安全验证，调用者通过设置的秘钥进行安全验证；
验证完成后数据共享模块将检索到的共享数据发送给调用者，同时记录调用者的信息及数据调取的时间和共享的数据信息。
8.根据权利要求1所述的一种数字孪生基座的使用方法，其特征在于：所述备份系统，具体包括：
构建异地容灾群，将共享数据库中的数据实时同步至异地容灾集群进行备份；
当检测到共享数据库中的数据发生故障时，获取当前共享数据库所进行的数据业务；
根据当前共享数据库所进行的数据业务，启动异地容灾集群内与之对应的数据业务，将共享数据库自动切换至异地容灾集群继续工作。
9.根据权利要求8所述的一种数字孪生基座的使用方法，其特征在于：当检测到共享数据库中的数据发生故障时，获取当前共享数据库所进行的数据业务，包括：
在每个单位监控时段内实时监测所述共享数据库是否发生故障，并在所述单位监控时段结束时刻，统计当前单位监控时段内的共享数据库的发生故障的次数；
利用所述当前单位监控时段内的共享数据库的发生故障的次数和阈值调整策略，对预设的所述共享数据库对应的运行稳定性阈值进行调整，获得调整后的运行稳定性阈值；
在下一个单位监控时段内，根据共享数据库的故障出现次数，利用所述故障出现次数获取共享数据库的运行稳定性指标，并在所述运行稳定性指标低于调整后的稳定性阈值时，进行异常报警；其中，所述运行稳定性指标通过如下公式获取：
m＝n-1
其中，Q表示运行稳定性指标；C0表示当前单位监控时段内的共享数据库的发生故障的次数；n表示当前已经历的完整的单位监控时段的个数；m表示除了当前已完成的单位监控时段之外的已经历的完整的单位监控时段的个数；Ci表示第i个已完成的单位监控时段对应的共享数据库的发生故障的次数。
10.根据权利要求8所述的一种数字孪生基座的使用方法，其特征在于：所述阈值调整策略，包括：
当所述当前单位监控时段内的共享数据库的发生故障的次数为C0≤2时，则不进行阈值调整；
当所述当前单位监控时段内的共享数据库的发生故障的次数为2<C0≤5时，则阈值调整如下：
其中，Qy1表示当前单位监控时段内的共享数据库的发生故障的次数为2<C0≤5时对应的调整后阈值；k表示已经历的完整的单位监控时段中，共享数据库的发生故障的次数为2<C0≤5的单位监控时段的个数；Cj表示第j个共享数据库的发生故障的次数为2<C0≤5的单位监控时段内共享数据库的发生故障的次数；n表示当前已经历的完整的单位监控时段的个数；Ci表示第i个已完成的单位监控时段对应的共享数据库的发生故障的次数；
当所述当前单位监控时段内的共享数据库的发生故障的次数为5<C0时，则阈值调整如下：
其中，Qy2表示当前单位监控时段内的共享数据库的发生故障的次数为5<C0时对应的调整后阈值；t表示已经历的完整的单位监控时段中，共享数据库的发生故障的次数为5<C0的单位监控时段的个数；Cf表示第f个共享数据库的发生故障的次数为5<C0的单位监控时段内共享数据库的发生故障的次数；n表示当前已经历的完整的单位监控时段的个数；Ci表示第i个已完成的单位监控时段对应的共享数据库的发生故障的次数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311019391.7A CN116863723B (zh) | 2023-08-14 | 2023-08-14 | 一种数字孪生基座的使用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311019391.7A CN116863723B (zh) | 2023-08-14 | 2023-08-14 | 一种数字孪生基座的使用方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116863723A true CN116863723A (zh) | 2023-10-10 |
| CN116863723B CN116863723B (zh) | 2024-05-07 |
Family
ID=88228750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311019391.7A Active CN116863723B (zh) | 2023-08-14 | 2023-08-14 | 一种数字孪生基座的使用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116863723B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117057757A (zh) * | 2023-10-12 | 2023-11-14 | 深圳比特耐特信息技术股份有限公司 | 一种智慧城市数字化的数据处理方法及系统 |
| CN118433970A (zh) * | 2024-07-02 | 2024-08-02 | 江苏巧硕光电有限公司 | 一种基于人工智能的智能化路灯数据信息管理系统及方法 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005285000A (ja) * | 2004-03-30 | 2005-10-13 | Sanyo Electric Co Ltd | 情報抽出方法、情報抽出装置及びコンピュータプログラム |
| CN103118100A (zh) * | 2013-01-25 | 2013-05-22 | 武汉大学 | 一种提高虚拟机应用的可用性的保障方法及系统 |
| CN104601350A (zh) * | 2013-10-30 | 2015-05-06 | 中兴通讯股份有限公司 | 一种自动容灾切换方法及装置 |
| US20150378879A1 (en) * | 2014-06-30 | 2015-12-31 | Li Ding | Methods, software, and systems for software testing |
| US20190342739A1 (en) * | 2018-05-04 | 2019-11-07 | Ford Global Technologies, Llc | Dynamic vehicle disaster relief |
| CN110928945A (zh) * | 2018-09-04 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 一种针对数据库的数据处理方法及装置，数据处理系统 |
| CN111092938A (zh) * | 2019-12-04 | 2020-05-01 | 重庆特斯联智慧科技股份有限公司 | 一种基于云平台的智慧城市管理系统 |
| CN112785840A (zh) * | 2020-12-17 | 2021-05-11 | 漳州职业技术学院 | 一种城市智能交通计算机控制系统及方法 |
| CN113449925A (zh) * | 2021-07-12 | 2021-09-28 | 云南电网有限责任公司 | 一种基于随机森林模型的台区停电风险等级预测方法 |
| CN114116482A (zh) * | 2021-11-26 | 2022-03-01 | 北京数码大方科技股份有限公司 | Cad软件稳定性的测试方法及装置、存储介质和处理器 |
| CN114301817A (zh) * | 2021-12-17 | 2022-04-08 | 中电信数智科技有限公司 | 基于Netconf协议的设备监测阈值设置方法和系统 |
| EP3985925A1 (en) * | 2020-10-15 | 2022-04-20 | Fujitsu Limited | A method and system for predicting the evolution of simulation results for an internet of things network |
| CN115225467A (zh) * | 2022-07-05 | 2022-10-21 | 中国铁道科学研究院集团有限公司 | 铁路5g专网系统5g-eir容灾备份、故障检测和业务恢复方法 |
| CN115460643A (zh) * | 2022-08-10 | 2022-12-09 | 广东省科学院智能制造研究所 | 一种网联无人船通信网络质量动态分析处理方法及系统 |
| CN116208516A (zh) * | 2023-02-27 | 2023-06-02 | 中国联合网络通信集团有限公司 | 企业互联网专线感知评估方法、装置、设备及介质 |
| CN116308153A (zh) * | 2023-03-01 | 2023-06-23 | 北京图安世纪科技股份有限公司 | 一种基于数字孪生的全息路口管理系统及方法 |
| WO2023216457A1 (zh) * | 2022-05-11 | 2023-11-16 | 中电信数智科技有限公司 | 一种核心网与基站传输网络异常预测及定位的方法 |
-
2023
- 2023-08-14 CN CN202311019391.7A patent/CN116863723B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005285000A (ja) * | 2004-03-30 | 2005-10-13 | Sanyo Electric Co Ltd | 情報抽出方法、情報抽出装置及びコンピュータプログラム |
| CN103118100A (zh) * | 2013-01-25 | 2013-05-22 | 武汉大学 | 一种提高虚拟机应用的可用性的保障方法及系统 |
| CN104601350A (zh) * | 2013-10-30 | 2015-05-06 | 中兴通讯股份有限公司 | 一种自动容灾切换方法及装置 |
| US20150378879A1 (en) * | 2014-06-30 | 2015-12-31 | Li Ding | Methods, software, and systems for software testing |
| US20190342739A1 (en) * | 2018-05-04 | 2019-11-07 | Ford Global Technologies, Llc | Dynamic vehicle disaster relief |
| CN110928945A (zh) * | 2018-09-04 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 一种针对数据库的数据处理方法及装置，数据处理系统 |
| CN111092938A (zh) * | 2019-12-04 | 2020-05-01 | 重庆特斯联智慧科技股份有限公司 | 一种基于云平台的智慧城市管理系统 |
| EP3985925A1 (en) * | 2020-10-15 | 2022-04-20 | Fujitsu Limited | A method and system for predicting the evolution of simulation results for an internet of things network |
| CN112785840A (zh) * | 2020-12-17 | 2021-05-11 | 漳州职业技术学院 | 一种城市智能交通计算机控制系统及方法 |
| CN113449925A (zh) * | 2021-07-12 | 2021-09-28 | 云南电网有限责任公司 | 一种基于随机森林模型的台区停电风险等级预测方法 |
| CN114116482A (zh) * | 2021-11-26 | 2022-03-01 | 北京数码大方科技股份有限公司 | Cad软件稳定性的测试方法及装置、存储介质和处理器 |
| CN114301817A (zh) * | 2021-12-17 | 2022-04-08 | 中电信数智科技有限公司 | 基于Netconf协议的设备监测阈值设置方法和系统 |
| WO2023216457A1 (zh) * | 2022-05-11 | 2023-11-16 | 中电信数智科技有限公司 | 一种核心网与基站传输网络异常预测及定位的方法 |
| CN115225467A (zh) * | 2022-07-05 | 2022-10-21 | 中国铁道科学研究院集团有限公司 | 铁路5g专网系统5g-eir容灾备份、故障检测和业务恢复方法 |
| CN115460643A (zh) * | 2022-08-10 | 2022-12-09 | 广东省科学院智能制造研究所 | 一种网联无人船通信网络质量动态分析处理方法及系统 |
| CN116208516A (zh) * | 2023-02-27 | 2023-06-02 | 中国联合网络通信集团有限公司 | 企业互联网专线感知评估方法、装置、设备及介质 |
| CN116308153A (zh) * | 2023-03-01 | 2023-06-23 | 北京图安世纪科技股份有限公司 | 一种基于数字孪生的全息路口管理系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘明伟, 徐律冠, 张凌志: "基于指标融合的集成软件开发质量度量方法研究", 《计算机与通信技术》, vol. 42, no. 1, 19 January 2023 (2023-01-19), pages 97 - 99 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117057757A (zh) * | 2023-10-12 | 2023-11-14 | 深圳比特耐特信息技术股份有限公司 | 一种智慧城市数字化的数据处理方法及系统 |
| CN117057757B (zh) * | 2023-10-12 | 2023-12-22 | 深圳比特耐特信息技术股份有限公司 | 一种智慧城市数字化的数据处理方法及系统 |
| CN118433970A (zh) * | 2024-07-02 | 2024-08-02 | 江苏巧硕光电有限公司 | 一种基于人工智能的智能化路灯数据信息管理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116863723B (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116863723B (zh) | 一种数字孪生基座的使用方法 | |
| CN110782070B (zh) | 一种城市轨道交通突发事件客流时空分布预测方法 | |
| Wang et al. | A big data approach for smart transportation management on bus network | |
| GB2582532A (en) | Method for detecting traffic anomaly of urban road based on peak hour traffic flow rate | |
| Li et al. | Identifying important variables for predicting travel time of freeway with non-recurrent congestion with neural networks | |
| CN111452669B (zh) | 公交智能充电的系统和方法及介质 | |
| CN108428341A (zh) | 一种基于人机融合的交通应急管理调度方法及系统 | |
| CN109376906B (zh) | 基于多维度轨迹的出行时间预测方法、系统及电子设备 | |
| CN109979197B (zh) | 基于融合数据的高速公路交通时间地图构建方法、系统 | |
| CN101409017A (zh) | 面向快速公交的优先信号控制系统和方法 | |
| Zhu et al. | Pova: Traffic light sensing with probe vehicles | |
| CN114493201B (zh) | 一种基于城市轨道交通网络服务韧性测度方法 | |
| CN113963539B (zh) | 高速公路交通事故识别方法、模块及系统 | |
| CN116051330B (zh) | 一种基于大数据的智慧校园安全管理系统及方法 | |
| CN109979193B (zh) | 一种基于马尔科夫模型的数据异常诊断方法 | |
| CN116823580B (zh) | 一种基于云计算的智慧城市节能减排管理方法及系统 | |
| CN113807678A (zh) | 站台安全门能效管理方法、装置、计算机设备和存储介质 | |
| CN117935561A (zh) | 一种基于北斗数据的智能交通流分析方法 | |
| CN113868492A (zh) | 一种基于电警、卡口数据的可视化od分析方法及应用 | |
| CN116192459A (zh) | 基于边边协同的边缘节点网络安全威胁监测方法 | |
| CN112396196A (zh) | 针对智能交通系统实现智慧运维管理的系统 | |
| CN110647070A (zh) | 一种用于超大规模数据中心的动力环境监控系统 | |
| CN115759599A (zh) | 一种供电保障方法、装置、电子设备和存储介质 | |
| CN115529351A (zh) | 一种基于区块链的智慧城市管理系统 | |
| CN116701551A (zh) | 异常预测方法、装置、设备及存储介质 |
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 |