CN117093660B - 一种管网监测点选址方法、电子设备及存储介质 - Google Patents
一种管网监测点选址方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117093660B CN117093660B CN202311005985.2A CN202311005985A CN117093660B CN 117093660 B CN117093660 B CN 117093660B CN 202311005985 A CN202311005985 A CN 202311005985A CN 117093660 B CN117093660 B CN 117093660B
- Authority
- CN
- China
- Prior art keywords
- information
- well lid
- candidate
- score
- characteristic
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 37
- 239000010865 sewage Substances 0.000 claims description 27
- 230000006872 improvement Effects 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000010187 selection method Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 88
- 238000012216 screening Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及管网监测点选址技术领域,具体提供了一种管网监测点选址方法、电子设备及存储介质,该方法包括以下步骤:根据高精度地图获取多个井盖位置信息,所述井盖位置信息为候选井盖的位置;根据所述高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息;根据所述井盖特征信息计算每个所述候选井盖的得分信息;根据所述得分信息和所述井盖位置信息从多个所述候选井盖中确定若干个监测点;该方法能够有效地降低管网监测点选址的劳动强度以及提高监测点的选址效率和选址准确度。
Description
技术领域
本申请涉及管网监测点选址技术领域,具体而言,涉及一种管网监测点选址方法、电子设备及存储介质。
背景技术
为了监测污水管网中的污水流向、污水来源和污水管网的污水压力等信息,现有技术需要先确定若干个监测点,再将监测设备安装至监测点。由于污水管网包括多个井口,而井口具有便于安装监测设备的优点,且污水管网的汇流处或重要分支附近均设有井口,因此现有技术通过筛选井口的方式来确定监测点。
现有的管网监测点选址方法需要先通过人工的方式根据任务需求获取管网中各个候选井盖的特征数据,该特征数据包括井口尺寸特征、井口周边特征和管网特征等数据,然后通过人工的方式根据获取到的特征数据对候选井盖进行筛选,以得到若干个目标井盖,该目标井盖即为监测点。由于现有的管网监测点选址方法获取特征数据和筛选候选井盖均采用人工的方式,且筛选候选井盖时容易受到筛选人员的主观意见的影响,因此现有的管网监测点选址方法存在劳动强度大、选址效率低和由于筛选候选井盖时容易受到筛选人员的主观意见的影响而导致监测点的选址准确度低的问题。
针对上述问题,目前尚未有有效的技术解决方案。
发明内容
本申请的目的在于提供一种管网监测点选址方法、电子设备及存储介质,能够有效地降低管网监测点选址的劳动强度以及提高监测点的选址效率和选址准确度。
第一方面,本申请提供了一种管网监测点选址方法,该方法包括以下步骤:
根据高精度地图获取多个井盖位置信息,井盖位置信息为候选井盖的位置;
根据高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息;
根据井盖特征信息计算每个候选井盖的得分信息;
根据得分信息和井盖位置信息从多个候选井盖中确定若干个监测点。
本申请提供的一种管网监测点选址方法,先根据高精度地图获取多个井盖位置信息,再根据高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息,并根据井盖特征信息计算每个候选井盖的得分信息,最后根据得分信息和井盖位置信息从多个候选井盖中确定若干个监测点,由于该方法能够实现自动获取与井盖相关的特征数据和自动根据该特征数据从多个候选井盖中确定若干个监测点,因此相较于现有技术,该方法能够有效地降低监测点选址的劳动强度和提高监测点的选址效率,而由于该方法采用统一的计算标准计算每个候选井盖的得分信息和根据该得分信息对候选井盖进行筛选,因此该方法在筛选候选井盖时能够消除筛选人员的主观意见的影响,从而有效地提高监测点的选址准确度。
可选地,井盖特征信息包括特征项信息和评级信息,根据高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息的步骤包括:
基于任务信息确定特征项信息;
基于高精度地图和工程信息获取每个候选井盖的对应于各个特征项信息的评级信息。
可选地,任务信息为管网施工、控源截污或提质增效,当任务信息为管网施工时,特征项信息包括井口大小信息、井口内壁坚固信息、水位深浅信息和井口周边特征信息;当任务信息为控源截污时,特征项信息包括管网管径大小信息、泵站进出水口信息、重要分支管网节点信息和河流水系沿岸排口信息;当任务信息为提质增效时,特征项信息包括井口与泵站距离信息、河涌级别信息、道路级别信息和排水管网位置信息。
可选地,根据井盖特征信息计算每个候选井盖的得分信息的步骤包括:
根据任务信息确定每一项特征项信息对应的权重;
将评级信息作为对应特征项信息的评分;
根据所有特征项信息对应的评分和权重计算每个候选井盖的得分信息。
可选地,根据高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息的步骤还包括:
基于高精度地图和工程信息获取各个候选井盖的特征项信息对应的数据信息;
根据井盖特征信息计算每个候选井盖的得分信息的步骤包括:
根据数据信息确定每一项特征项信息对应的评分;
将评级信息作为对应特征项信息的权重;
根据所有特征项信息对应的评分和权重计算每个候选井盖的得分信息。
由于该技术方案先根据任务信息确定每一项特征项信息对应的权重,再根据特征项信息对应的评分和权重计算每个候选井盖的得分信息,因此该技术方案计算到的得分信息更符合任务信息的需要,从而有效地提高得分信息的计算准确度,进而有效地提高监测点的选址准确度。
可选地,根据得分信息和井盖位置信息从多个候选井盖中确定若干个监测点的步骤包括:
根据得分信息从多个候选井盖中选出若干个目标井盖;
根据目标井盖对应的井盖位置信息在高精度地图确定若干个监测点。
可选地,根据得分信息从多个候选井盖中选出若干个目标井盖的步骤包括:
将得分信息的最大值对应的候选井盖作为目标井盖,并去除以该目标井盖为中心的第一范围内的候选井盖;
将剩余的候选井盖中得分信息的最大值对应的候选井盖作为新的目标井盖,并去除与该新的目标井盖为中心的第一范围内的候选井盖,直至遍历所有候选井盖。
该技术方案去除以目标井盖为中心的第一范围内的候选井盖,因此该技术方案能够避免出现筛选出的两个监测点的间距小的情况,从而有效地解决由于两个监测点检测到的数据重复而导致其中一组数据无用以及由于额外设置了一套监测设备而导致监测成本上升的问题。
可选地,根据得分信息从多个候选井盖中选出若干个目标井盖的步骤包括:
根据高精度地图获取管道汇流处位置信息;
将与管道汇流处位置信息的距离最小的候选井盖或位于以管道汇流处位置信息为中心的第二范围内的得分信息的最大值对应的候选井盖作为目标井盖;
去除以目标井盖为中心的第一范围内的候选井盖;
将剩余的候选井盖中得分信息的最大值对应的候选井盖作为新的目标井盖,并去除与该新的目标井盖为中心的第一范围内的候选井盖,直至遍历所有候选井盖。
第二方面,本申请提供一种电子设备,包括处理器以及存储器,存储器存储有计算机可读取指令,当计算机可读取指令由处理器执行时,运行如上述第一方面提供的方法中的步骤。
第三方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时运行如上述第一方面提供的方法中的步骤。
由上可知,本申请提供的一种管网监测点选址方法、电子设备及存储介质,先根据高精度地图获取多个井盖位置信息,再根据高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息,并根据井盖特征信息计算每个候选井盖的得分信息,最后根据得分信息和井盖位置信息从多个候选井盖中确定若干个监测点,由于该方法能够实现自动获取与井盖相关的特征数据和自动根据该特征数据从多个候选井盖中确定若干个监测点,因此相较于现有技术,该方法能够有效地降低监测点选址的劳动强度和提高监测点的选址效率,而由于该方法采用统一的计算标准计算每个候选井盖的得分信息和根据该得分信息对候选井盖进行筛选,因此该方法在筛选候选井盖时能够消除筛选人员的主观意见的影响,从而有效地提高监测点的选址准确度。
附图说明
图1为本申请实施例提供的一种管网监测点选址方法的流程图。
图2为本申请实施例提供的一种电子设备的结构示意图。
附图标记:101、处理器;102、存储器;103、通信总线。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
第一方面,本申请提供了一种管网监测点选址方法,该方法包括以下步骤:
S1、根据高精度地图获取多个井盖位置信息,井盖位置信息为候选井盖的位置;
S2、根据高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息;
S3、根据井盖特征信息计算每个候选井盖的得分信息;
S4、根据得分信息和井盖位置信息从多个候选井盖中确定若干个监测点。
高精度地图为一种电子地图,由于高精度地图包括地图图层、定位图层和动态图层,地图图层只要是地图的一些基本信息(如道路和车道线),定位图层主要是具备独特的目标或特征(如交通信号灯、交通信号灯的点云数据、井盖和井盖的点云数据),动态图层主要是一些实时路况,因此相较于常规的电子地图,高精度地图具有精度更高以及数据维度更多的优点,高精度地图的数据维度包括道路信息、周边固定对象信息和基础设施信息,该周边固定对象信息包括井盖、交通信号灯等。该实施例的高精度地图可以为基于现有的高精度地图制作方法根据街景采集车采集的数据制作得到的地图,该实施例的高精度地图也可以为基于现有的高精度地图制作方法根据无人机采集的高精度航拍照片制作得到的地图,该高精度地图包括道路、静态物(例如井盖和路灯)、管网以及建筑物等信息。由于高精度地图包括井盖,因此步骤S1可以利用现有的地图分析算法或矢量地图提取算法根据高精度地图获取多个井盖位置信息,该井盖位置信息为候选井盖所在的位置,具体地,该实施例的候选井盖为污水管网的井盖。
步骤S2的井盖特征信息为计算候选井盖的得分信息时需要使用的特征,步骤S2的任务信息能反映正在执行或准备执行的管网任务,具体地,该实施例的管网为污水管网,该任务可以为对污水管网进行施工,该任务也可以为对污水管网的源头进行控制以防止污水经由污水管网排放至水体中,该任务也可以污水管网的提质增效工程。步骤S2的工程信息可以为在管网施工或投标时使用的管网施工标准,步骤S2的工程信息也可以为在管网规划时定下的管网标准,该实施例的工程信息存储在预先构建的数据库中,即该实施例的工程信息相当于预先设置好的数据,应当理解的是,在需要使用工程信息时,该实施例仅需要从数据库中调取相应的工程信息。步骤S2的工作原理为:由于不同的任务信息对应于不同的任务,不同任务需要考虑不同的因素来设置合适的监测点,而高精度地图具有高精度和数据维度多的特点,工程信息与管网标准相对应,因此该实施例可以根据高精度地图和工程信息分析获取与井盖相关的各类型特征,从而实现根据高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息。应当理解的是,由于在计算候选井盖的得分信息时可能需要使用到多项与井盖相关的特征,因此该实施例的井盖特征信息可以包括多项特征。
步骤S3可以根据井盖特征信息从预先构建的井盖特征信息得分数据库或预先构建的井盖特征信息-得分信息的映射关系中获取每个候选井盖的得分信息,若井盖特征信息包括多项特征,步骤S3也可以先根据特征从预先构建的特征得分数据库或预先构建的特征-得分信息的映射关系中获取每项特征对应的得分,再根据所有特征的得分计算每个候选井盖的得分信息(例如将所有特征的得分的和作为候选井盖的得分信息或将所有特征的得分的平均值作为候选井盖的得分信息),该实施例相当于采用统一的计算标准计算每个候选井盖的得分信息。
由于每一个得分信息均对应于一个候选井盖,因此步骤S4可以根据需要确认的监测点的数量对候选井盖进行筛选,并根据筛选后的若干个候选井盖和该候选井盖对应的井盖位置信息确定高精度地图中的若干个监测点。例如,需要确认的监测点的数量为3个,则步骤S4将排序前三名的得分信息对应的候选井盖确定为监测点。
该实施例的工作原理为:本申请提供的一种管网监测点选址方法,先根据高精度地图获取多个井盖位置信息,再根据高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息,并根据井盖特征信息计算每个候选井盖的得分信息,最后根据得分信息和井盖位置信息从多个候选井盖中确定若干个监测点,由于该方法能够实现自动获取与井盖相关的特征数据和自动根据该特征数据从多个候选井盖中确定若干个监测点,因此相较于现有技术,该方法能够有效地降低监测点选址的劳动强度和提高监测点的选址效率,而由于该方法采用统一的计算标准计算每个候选井盖的得分信息和根据该得分信息对候选井盖进行筛选,因此该方法在筛选候选井盖时能够消除筛选人员的主观意见的影响,从而有效地提高监测点的选址准确度。
在一些实施例中,高精度地图的制作过程可以分为地图数据采集和地图数据加工。其中,该实施例使用设置在街景采集车上的lidar(激光雷达)、相机、gnss(全球导航卫星系统传感器)和imu(惯性传感器)等传感器进行地图数据采集,具体地,由于激光雷达可以精确地反映出位置信息、路面的宽度、红绿灯的高度等信息,因此该实施例的激光雷达主要用于采集点云数据,该实施例的相机主要用于采集路面标志、井盖和车道线等信息,该实施例的gnss用于采集街景采集车的位置信息,该实施例的imu用于采集街景采集车的角度和加速度等信息。地图数据加工的具体流程为:先利用点云配准技术(如ICP算法或NDT算法)将采集到的点云数据进行变换和融合,以生成一张原始的地图,然后利用相机、gnss和imu等传感器采集的数据对原始的地图进行加工,以在地图上标出路沿、车道线、井盖等,从而得到高精度地图。
在一些实施例中,井盖特征信息包括特征项信息和评级信息,步骤S2包括:
S21、基于任务信息确定特征项信息;
S22、基于高精度地图和工程信息获取每个候选井盖的对应于各个特征项信息的评级信息。
该实施例的特征项信息为计算候选井盖的得分信息时需要使用的一项特征,由于井盖特征信息包括若干项特征,特征项信息为计算候选井盖的得分信息时需要使用的一项特征,因此该实施例的井盖特征信息包括若干项特征项信息。该实施例的评级信息为特征项信息对应的评级,该评级信息可以为特征项信息的优先级,该评级信息可以为利用预设的评级算法计算到的信息。步骤S22的工作流程为:先基于高精度地图和工程信息获取各项特征项信息对应的参数信息,再根据特征项信息和对应的参数信息确定对应于各个特征项信息的评级信息。应当理解的是,由于一个评级信息对应于一项特征项信息,而一个候选井盖对应于若干项特征项信息,因此该实施例中,每一个候选井盖均对应于若干项评级信息。
在一些实施例中,任务信息为管网施工、控源截污或提质增效,当任务信息为管网施工时,特征项信息包括井口大小信息、井口内壁坚固信息、水位深浅信息和井口周边特征信息;当任务信息为控源截污时,特征项信息包括管网管径大小信息、泵站进出水口信息、重要分支管网节点信息和河流水系沿岸排口信息;当任务信息为提质增效时,特征项信息包括井口与泵站距离信息、河涌级别信息、道路级别信息和排水管网位置信息。其中,该实施例的管网施工对应于上述实施例提及的对污水管网进行施工,该实施例的控源截污对应于上述实施例提及的对污水管网的源头进行控制以防止污水由污水管网排放至水体中,该实施例的提质增效对应于上述实施例提及的污水管网的提质增效工程(例如提高污水管网的排污效果),应当理解的是,该实施例需要获取污水管网在实行提质增效工程前后的相关数据,并通过数据对比的方式判断提质增效工程是否有效,因此提质增效工程也需要设置若干监测点,该实施例的每一个任务信息对应的井盖特征信息均包括四项特征项信息。具体地,该实施例任务信息、特征项信息、参数信息和评级信息的关系如表所示:
任务信息、特征项信息、参数信息和评级信息关系表
其中,井口周边特征信息能够反映井口当前的状态,由于将监测设备安装在位于路边的井口的难度小于将监测设备安装在位于路基上的井口的难度,而将监测设备安装在位于道路上的井口时会对道路交通影响,因此将监测设备安装在位于路基上的井口的难度小于将监测设备安装在位于道路上的井口的难度,而由于在将监测设备安装在已被填埋的井口上时,需要先挖出该井口,即将监测设备安装在位于路基上的井口的难度大于将监测设备安装在已被填埋的井口的难度,因此井口周边特征信息为路边时的评级信息大于井口周边特征信息为路基上时的评级信息,井口周边特征信息为路基上时的评级信息大于井口周边特征信息为道路上的评级信息,井口周边特征信息为道路上的评级信息大于井口周边特征信息为已被填埋的评级信息。泵站的进出水口信息能够反映井口是否为泵站的进水口或出水口,若井口为泵站的进水口或出水口,则泵站的进出水口信息对应的评级信息为4;若井口不是泵站的进水口或出水口,则泵站的进出水口信息对应的评级信息为0。重要分支管网节点信息能够反映井口是否为重要分支管网的节点,若井口为重要分支管网的节点,则重要分支管网节点信息对应的评级信息为4;若井口不是重要分支管网的节点,则重要分支管网节点信息对应的评级信息为0。河涌级别信息能够反映井口所在的河涌的级别,道路级别信息能够反映井口所在的道路的级别,排水管网位置信息能够反映井口与排水管网之间的距离,若井口与排水管网之间的距离小于等于5m,则排水管网位置信息对应的评级信息为4;若井口与排水管网之间的距离大于5m,则排水管网位置信息对应的评级信息为1。河流水系沿岸排口信息能够反映井口是否为河流水系沿岸的排水口,若井口为河流水系沿岸的排水口,则河流水系沿岸排口信息对应的评级信息为4;若井口不是河流水系沿岸的排水口,则河流水系沿岸排口信息对应的评级信息为0。具体地,井口大小信息、井口周边特征信息、泵站的进出水口信息、河流水系沿岸排口信息、井口与泵站距离信息、河涌级别信息和道路级别信息均为基于高精度地图直接获取或分析获取的信息,井口内壁坚固信息、水位深浅信息、管网管径大小信息、重要分支管网分支信息和排水管网位置信息均为工程信息。
在一些实施例中,步骤S3包括:
S31、将评级信息作为对应特征项信息的评分;
S32、根据所有特征项信息对应的评分计算每个候选井盖的得分信息。
步骤S32可以对所有特征项信息对应的评分进行累加,并将累加结果作为这些特征项信息对应的候选井盖的得分信息,例如,特征项信息包括井口大小信息、井口内壁坚固信息、水位深浅信息和井口周边特征信息,井口大小信息对应的评级信息为4,井口内壁坚固信息对应的评级信息为4,水位深浅信息对应的评级信息为1,井口周边特征信息对应的评级信息为3,则这些特征项信息对应的候选井盖的得分信息=4+4+1+3=12。步骤S32也可以计算所有特征项信息对应的评分的平均值,并将该平均值作为这些特征项信息对应的候选井盖的得分信息,例如,特征项信息包括井口大小信息、井口内壁坚固信息、水位深浅信息和井口周边特征信息,井口大小信息对应的评级信息为4,井口内壁坚固信息对应的评级信息为4,水位深浅信息对应的评级信息为1,井口周边特征信息对应的评级信息为3,则这些特征项信息对应的候选井盖的得分信息=(4+4+1+3)/4=3。
在一些实施例中,步骤S3包括:
S31’、根据任务信息确定每一项特征项信息对应的权重;
S32’、将评级信息作为对应特征项信息的评分;
S33、根据所有特征项信息对应的评分和权重计算每个候选井盖的得分信息。
步骤S31’可以根据任务信息和特征项信息从预先构建的任务信息特征项信息权重数据库或预先构建的任务信息-特征项信息-权重映射关系中提取每一项特征项信息对应的权重。步骤S33可以先根据特征项信息对应的评分和权重计算每一项特征项信息对应的初步得分,然后对所有初步得分进行累加,并将累加结果作为这些特征项信息对应的候选井盖的得分信息,例如,特征项信息包括井口大小信息、井口内壁坚固信息、水位深浅信息和井口周边特征信息,井口大小信息对应的评级信息为4,井口大小信息对应的权重为0.8,井口内壁坚固信息对应的评级信息为4,井口内壁坚固信息对应的权重为0.7,水位深浅信息对应的评级信息为1,水位深浅信息对应的权重为1,井口周边特征信息对应的评级信息为3,井口周边特征信息对应的权重为0.8,则这些特征项信息对应的候选井盖的得分信息=4×0.8+4×0.7+1×1+3×0.8=9.4。步骤S33也可以先根据特征项信息对应的评分和权重计算每一项特征项信息对应的初步得分,然后将所有初步得分的平均值作为这些特征项信息对应的候选井盖的得分信息,例如,特征项信息包括井口大小信息、井口内壁坚固信息、水位深浅信息和井口周边特征信息,井口大小信息对应的评级信息为4,井口大小信息对应的权重为0.8,井口内壁坚固信息对应的评级信息为4,井口内壁坚固信息对应的权重为0.7,水位深浅信息对应的评级信息为1,水位深浅信息对应的权重为1,井口周边特征信息对应的评级信息为3,井口周边特征信息对应的权重为0.8,则这些特征项信息对应的候选井盖的得分信息=(4×0.8+4×0.7+1×1+3×0.8)/4=2.35。由于该实施例先根据任务信息确定每一项特征项信息对应的权重,再根据特征项信息对应的评分和权重计算每个候选井盖的得分信息,因此该实施例计算到的得分信息更符合任务信息的需要,从而有效地提高得分信息的计算准确度,进而有效地提高监测点的选址准确度。
在一些实施例中,步骤S2还包括步骤:
S23、基于高精度地图和工程信息获取各个候选井盖的特征项信息对应的数据信息;
步骤S3包括:
S31’’、根据数据信息确定每一项特征项信息对应的评分;
S32’’、将评级信息作为对应特征项信息的权重;
S33’、根据所有特征项信息对应的评分和权重计算每个候选井盖的得分信息。
步骤S23的数据信息相当于上述实施例提及的参数信息。该实施例的步骤S31’’-步骤S33’与上述实施例的步骤S31’-步骤S33相似,此处不再进行详细论述。
在一些实施例中,步骤S4包括:
S41、根据得分信息从多个候选井盖中选出若干个目标井盖;
S42、根据目标井盖对应的井盖位置信息在高精度地图确定若干个监测点。
在一些实施例中,步骤S41包括:
S411、将得分信息的最大值对应的候选井盖作为目标井盖,并去除以该目标井盖为中心的第一范围内的候选井盖;
S412、将剩余的候选井盖中得分信息的最大值对应的候选井盖作为新的目标井盖,并去除与该新的目标井盖为中心的第一范围内的候选井盖,直至遍历所有候选井盖。
若候选井盖位于以目标井盖为中心的第一范围内,则表示候选井盖位于目标井盖附近;若候选井盖位于以目标井盖为中心的第一范围外,则表示候选井盖远离目标井盖。该实施例的工作原理为:上述实施例根据得分信息和井盖位置信息确定若干个监测点,若监测点的数量为多个,则可能出现一个监测点位于另一个监测点附近的情况(即两个监测点之间的间距小),当一个监测点位于另一个监测点附近时,这两个监测点监测到的数据相同或高度相似,因此上述实施例存在由于两个监测点检测到的数据重复而导致其中一组数据无用以及由于额外设置了一套监测设备而导致监测成本上升的问题,而由于该实施例去除以目标井盖为中心的第一范围内的候选井盖,因此该实施例能够避免出现筛选出的两个监测点的间距小的情况,从而有效地解决由于两个监测点检测到的数据重复而导致其中一组数据无用以及由于额外设置了一套监测设备而导致监测成本上升的问题。该实施例相当于将得分信息最高的候选井盖作为第一个监测点,再根据第一个监测点推导出第二个监测点,然后根据第二个监测点推导出第三个监测点,以此类推,直至完成所有监测点的推导。
在一些实施例中,第一范围的大小与目标井盖的得分信息正相关。具体地,目标井盖的得分信息越大,第一范围越大,目标井盖的得分信息越小,第一范围越小。
在一些实施例中,步骤S41包括:
S411’、根据高精度地图获取管道汇流处位置信息;
S412’、将与管道汇流处位置信息的距离最小的候选井盖或位于以管道汇流处位置信息为中心的第二范围内的得分信息的最大值对应的候选井盖作为目标井盖;
S413、去除以目标井盖为中心的第一范围内的候选井盖;
S414、将剩余的候选井盖中得分信息的最大值对应的候选井盖作为新的目标井盖,并去除与该新的目标井盖为中心的第一范围内的候选井盖,直至遍历所有候选井盖。
该实施例的管道汇流处位置信息为管道的汇流处的位置,该实施例的第二范围为预设范围,若候选井盖位于第二范围内,则表示该候选井盖位于管道的汇流处附近;若候选井盖位于第二范围外,则表示该候选井盖远离管道的汇流处,应当理解的是,本领域技术人员可以根据实际需要改变第二范围的大小。该实施例相当于将与管道的汇流处最近的候选井盖或管道的汇流处附近得分信息最高的候选井盖作为第一个监测点。
在一些实施例中,第一范围基于候选井盖的密集程度或目标井盖的得分信息设定。具体地,第一范围的设定过程包括以下步骤:
A1、根据候选井盖的密集程度或目标井盖的得分信息获取预设距离值;
A2、根据预设距离值和与目标井盖最近的候选井盖到目标井盖的距离确定第一范围的形状。
步骤A1中,预设距离值的大小与候选井盖的密集程度或目标井盖的得分信息相关联,候选井盖越密集,预设距离值越小,候选井盖越稀疏,预设距离值越大,目标井盖的得分信息越大,预设距离值越大,目标井盖的得分信息越小,预设距离值越小。步骤A2根据预设距离值和与目标井盖最近的候选井盖到目标井盖的距离确定第一范围的形状,例如,若预设距离值大于与目标井盖最近的候选井盖到目标井盖的距离,第一范围的形状为椭圆形,若预设距离值小于等于与目标井盖最近的候选井盖到目标井盖的距离,第一范围的形状为圆形。该实施例相当于根据候选井盖的密集程度或目标井盖的得分信息选择候选井盖的去除形状。
由上可知,本申请提供的一种管网监测点选址方法,先根据高精度地图获取多个井盖位置信息,再根据高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息,并根据井盖特征信息计算每个候选井盖的得分信息,最后根据得分信息和井盖位置信息从多个候选井盖中确定若干个监测点,由于该方法能够实现自动获取与井盖相关的特征数据和自动根据该特征数据从多个候选井盖中确定若干个监测点,因此相较于现有技术,该方法能够有效地降低监测点选址的劳动强度和提高监测点的选址效率,而由于该方法采用统一的计算标准计算每个候选井盖的得分信息和根据该得分信息对候选井盖进行筛选,因此该方法在筛选候选井盖时能够消除筛选人员的主观意见的影响,从而有效地提高监测点的选址准确度。
请参照图2,图2为本申请实施例提供的一种电子设备的结构示意图,本申请提供一种电子设备,包括:处理器101和存储器102,处理器101和存储器102通过通信总线103和/或其他形式的连接机构(未标出)互连并相互通讯,存储器102存储有处理器101可执行的计算机可读取指令,当电子设备运行时,处理器101执行该计算机可读取指令,以执行时执行上述实施例的任一可选的实现方式中的方法,以实现以下功能:S1、根据高精度地图获取多个井盖位置信息,井盖位置信息为候选井盖的位置;S2、根据高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息;S3、根据井盖特征信息计算每个候选井盖的得分信息;S4、根据得分信息和井盖位置信息从多个候选井盖中确定若干个监测点。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时,执行上述实施例的任一可选的实现方式中的方法,以实现以下功能:S1、根据高精度地图获取多个井盖位置信息,井盖位置信息为候选井盖的位置;S2、根据高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息;S3、根据井盖特征信息计算每个候选井盖的得分信息;S4、根据得分信息和井盖位置信息从多个候选井盖中确定若干个监测点。其中,计算机可读存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory, 简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory, 简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read OnlyMemory, 简称EPROM),可编程只读存储器(Programmable Red-Only Memory, 简称PROM),只读存储器(Read-Only Memory, 简称ROM),磁存储器,快闪存储器,磁盘或光盘。
由上可知,本申请提供的一种管网监测点选址方法、电子设备及存储介质,先根据高精度地图获取多个井盖位置信息,再根据高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息,并根据井盖特征信息计算每个候选井盖的得分信息,最后根据得分信息和井盖位置信息从多个候选井盖中确定若干个监测点,由于该方法能够实现自动获取与井盖相关的特征数据和自动根据该特征数据从多个候选井盖中确定若干个监测点,因此相较于现有技术,该方法能够有效地降低监测点选址的劳动强度和提高监测点的选址效率,而由于该方法采用统一的计算标准计算每个候选井盖的得分信息和根据该得分信息对候选井盖进行筛选,因此该方法在筛选候选井盖时能够消除筛选人员的主观意见的影响,从而有效地提高监测点的选址准确度。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个机器人,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以上升至一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
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。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (7)
1.一种管网监测点选址方法,其特征在于,所述管网监测点选址方法包括以下步骤:
根据高精度地图获取多个井盖位置信息,所述井盖位置信息为候选井盖的位置;
根据所述高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息;
根据所述井盖特征信息计算每个所述候选井盖的得分信息;
根据所述得分信息和所述井盖位置信息从多个所述候选井盖中确定若干个监测点;
所述根据所述得分信息和所述井盖位置信息从多个所述候选井盖中确定若干个监测点的步骤包括:
根据所述得分信息从多个所述候选井盖中选出若干个目标井盖;
根据所述目标井盖对应的井盖位置信息在所述高精度地图确定若干个监测点;
所述根据所述得分信息从多个所述候选井盖中选出若干个目标井盖的步骤包括:
根据所述高精度地图获取管道汇流处位置信息;
将与所述管道汇流处位置信息的距离最小的候选井盖或位于以所述管道汇流处位置信息为中心的第二范围内的得分信息的最大值对应的候选井盖作为目标井盖;
去除以所述目标井盖为中心的第一范围内的候选井盖;
将剩余的候选井盖中得分信息的最大值对应的候选井盖作为新的目标井盖,并去除与该新的目标井盖为中心的第一范围内的候选井盖,直至遍历所有所述候选井盖;
所述第一范围的设定过程包括以下步骤:
根据所述候选井盖的密集程度或所述目标井盖的得分信息获取预设距离值;
根据所述预设距离值和与所述目标井盖最近的候选井盖到所述目标井盖的距离确定所述第一范围的形状。
2.根据权利要求1所述的管网监测点选址方法,其特征在于,所述井盖特征信息包括特征项信息和评级信息,所述根据所述高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息的步骤包括:
基于任务信息确定所述特征项信息;
基于所述高精度地图和工程信息获取每个候选井盖的对应于各个特征项信息的评级信息。
3.根据权利要求2所述的管网监测点选址方法,其特征在于,所述任务信息为管网施工、控源截污或提质增效,当所述任务信息为管网施工时,所述特征项信息包括井口大小信息、井口内壁坚固信息、水位深浅信息和井口周边特征信息;当所述任务信息为控源截污时,所述特征项信息包括管网管径大小信息、泵站进出水口信息、重要分支管网节点信息和河流水系沿岸排口信息;当所述任务信息为提质增效时,所述特征项信息包括井口与泵站距离信息、河涌级别信息、道路级别信息和排水管网位置信息。
4.根据权利要求2所述的管网监测点选址方法,其特征在于,所述根据所述井盖特征信息计算每个所述候选井盖的得分信息的步骤包括:
根据所述任务信息确定每一项所述特征项信息对应的权重;
将所述评级信息作为对应特征项信息的评分;
根据所有所述特征项信息对应的评分和权重计算每个所述候选井盖的得分信息。
5.根据权利要求2所述的管网监测点选址方法,其特征在于,所述根据所述高精度地图、工程信息和任务信息获取每个候选井盖的井盖特征信息的步骤还包括:
基于所述高精度地图和所述工程信息获取各个所述候选井盖的特征项信息对应的数据信息;
所述根据所述井盖特征信息计算每个所述候选井盖的得分信息的步骤包括:
根据所述数据信息确定每一项所述特征项信息对应的评分;
将所述评级信息作为对应特征项信息的权重;
根据所有所述特征项信息对应的评分和权重计算每个所述候选井盖的得分信息。
6.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-5任一项所述方法中的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时运行如权利要求1-5任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311005985.2A CN117093660B (zh) | 2023-08-10 | 2023-08-10 | 一种管网监测点选址方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311005985.2A CN117093660B (zh) | 2023-08-10 | 2023-08-10 | 一种管网监测点选址方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117093660A CN117093660A (zh) | 2023-11-21 |
CN117093660B true CN117093660B (zh) | 2024-05-31 |
Family
ID=88770792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311005985.2A Active CN117093660B (zh) | 2023-08-10 | 2023-08-10 | 一种管网监测点选址方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117093660B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006133367A (ja) * | 2004-11-04 | 2006-05-25 | Nikken Consultants Inc | 地下埋設物位置管理システム |
CN104633455A (zh) * | 2014-03-20 | 2015-05-20 | 广东德上科技发展有限公司 | 智慧安全城市管网实时监测系统及方法 |
CN106528559A (zh) * | 2015-09-10 | 2017-03-22 | 阿里巴巴集团控股有限公司 | 一种位置信息的提供方法和设备 |
CN108154300A (zh) * | 2017-12-25 | 2018-06-12 | 东软集团股份有限公司 | 兴趣点选址方法、装置和计算机设备 |
CN108320060A (zh) * | 2018-03-14 | 2018-07-24 | 成都市自来水有限责任公司 | 一种基于城市供水管网人工水质监测点选址方法 |
CN111311065A (zh) * | 2020-01-17 | 2020-06-19 | 江苏满运软件科技有限公司 | 一种加油站选站方法、装置、电子设备及存储介质 |
WO2020224544A1 (zh) * | 2019-05-06 | 2020-11-12 | 华为技术有限公司 | 选址方法、装置及计算机可读存储介质 |
CN113282577A (zh) * | 2021-07-23 | 2021-08-20 | 重庆华悦生态环境工程研究院有限公司深圳分公司 | 污水管网的监测方法、装置、电子设备及存储介质 |
CN113837799A (zh) * | 2021-09-22 | 2021-12-24 | 和元达信息科技有限公司 | 一种智能商业选址方法、系统、设备及可读存储介质 |
CN114331206A (zh) * | 2022-01-06 | 2022-04-12 | 重庆紫光华山智安科技有限公司 | 点位选址方法、装置、电子设备及可读存储介质 |
CN114662895A (zh) * | 2022-03-17 | 2022-06-24 | 清华大学合肥公共安全研究院 | 管网综合风险评估方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7488389B2 (en) * | 2004-03-26 | 2009-02-10 | Fujifilm Corporation | Nozzle device, film forming apparatus and method using the same, inorganic electroluminescence device, inkjet head, and ultrasonic transducer array |
-
2023
- 2023-08-10 CN CN202311005985.2A patent/CN117093660B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006133367A (ja) * | 2004-11-04 | 2006-05-25 | Nikken Consultants Inc | 地下埋設物位置管理システム |
CN104633455A (zh) * | 2014-03-20 | 2015-05-20 | 广东德上科技发展有限公司 | 智慧安全城市管网实时监测系统及方法 |
CN106528559A (zh) * | 2015-09-10 | 2017-03-22 | 阿里巴巴集团控股有限公司 | 一种位置信息的提供方法和设备 |
CN108154300A (zh) * | 2017-12-25 | 2018-06-12 | 东软集团股份有限公司 | 兴趣点选址方法、装置和计算机设备 |
CN108320060A (zh) * | 2018-03-14 | 2018-07-24 | 成都市自来水有限责任公司 | 一种基于城市供水管网人工水质监测点选址方法 |
WO2020224544A1 (zh) * | 2019-05-06 | 2020-11-12 | 华为技术有限公司 | 选址方法、装置及计算机可读存储介质 |
CN111311065A (zh) * | 2020-01-17 | 2020-06-19 | 江苏满运软件科技有限公司 | 一种加油站选站方法、装置、电子设备及存储介质 |
CN113282577A (zh) * | 2021-07-23 | 2021-08-20 | 重庆华悦生态环境工程研究院有限公司深圳分公司 | 污水管网的监测方法、装置、电子设备及存储介质 |
CN113837799A (zh) * | 2021-09-22 | 2021-12-24 | 和元达信息科技有限公司 | 一种智能商业选址方法、系统、设备及可读存储介质 |
CN114331206A (zh) * | 2022-01-06 | 2022-04-12 | 重庆紫光华山智安科技有限公司 | 点位选址方法、装置、电子设备及可读存储介质 |
CN114662895A (zh) * | 2022-03-17 | 2022-06-24 | 清华大学合肥公共安全研究院 | 管网综合风险评估方法及装置 |
Non-Patent Citations (1)
Title |
---|
从几何计算到特征提取的广义测量数据处理;李清泉等;《武汉大学学报(信息科学版)》;20221105;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117093660A (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10032267B2 (en) | Automating the assessment of damage to infrastructure assets | |
Yang et al. | Automated extraction of road markings from mobile LiDAR point clouds | |
KR20200121274A (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
CN111623722A (zh) | 一种基于多传感器的边坡变形立体监测系统和方法 | |
CN109271861B (zh) | 多尺度融合的点云交通标识牌自动提取方法 | |
CN109186706B (zh) | 一种用于城市雨洪淹没区预警的方法 | |
CN112070756B (zh) | 一种基于无人机倾斜摄影的路面立体病害测量方法 | |
WO2022110862A1 (zh) | 地面导向箭头的构建方法及其装置、电子设备及存储介质 | |
KR101659433B1 (ko) | 하천오염 관리시스템 및 그 운용방법 | |
CN117113038B (zh) | 城市水土流失黄泥水事件溯源方法及系统 | |
CN115186943A (zh) | 一种城市排水内涝预测建模方法、系统、电子设备 | |
CN117093660B (zh) | 一种管网监测点选址方法、电子设备及存储介质 | |
KR102290398B1 (ko) | 해안 쓰레기 표착량 예측 방법, 이를 이용하는 서버 및 시스템 | |
Griesbaum et al. | Direct local building inundation depth determination in 3-D point clouds generated from user-generated flood images | |
CN106780323B (zh) | 一种基于智能手机的农情采集与实时更新方法及系统 | |
EP3913599A1 (en) | Sign position identification system and program | |
CN110780316B (zh) | 一种地下室排水检测方法 | |
CN114494625A (zh) | 高精度地形图制作方法、装置和计算机设备 | |
Ganendra et al. | The role of airborne LiDAR survey technology in digital transformation | |
Hedger et al. | Mapping natural and artificial migration hindrances for fish using LiDAR remote sensing | |
Vandaele et al. | Calibrated river-level estimation from river cameras using convolutional neural networks | |
CN112422917A (zh) | 基于监控视频与高精度dem结合的道路积水监测方法及系统 | |
Al Rawashdeh | Assessment of extraction drainage pattern from topographic maps based on photogrammetry | |
CN111369102A (zh) | 内涝风险点的提取方法及装置 | |
CN112925861A (zh) | 位置参考线的生成方法、兴趣点位置的确定方法和装置 |
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 |