JPWO2018207878A1 - 需要予測装置 - Google Patents
需要予測装置 Download PDFInfo
- Publication number
- JPWO2018207878A1 JPWO2018207878A1 JP2019517694A JP2019517694A JPWO2018207878A1 JP WO2018207878 A1 JPWO2018207878 A1 JP WO2018207878A1 JP 2019517694 A JP2019517694 A JP 2019517694A JP 2019517694 A JP2019517694 A JP 2019517694A JP WO2018207878 A1 JPWO2018207878 A1 JP WO2018207878A1
- Authority
- JP
- Japan
- Prior art keywords
- area
- statistic
- learning
- demand
- acquisition unit
- 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
- 238000000605 extraction Methods 0.000 claims description 54
- 239000000284 extract Substances 0.000 claims description 19
- 230000033001 locomotion Effects 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 description 52
- 230000008569 process Effects 0.000 description 39
- 230000015654 memory Effects 0.000 description 18
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000001932 seasonal effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000013523 data management Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G06Q10/04—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
第1エリアは、地理的な区画として予め設定されたメッシュ1つ分の領域であり、第2エリア抽出部122は、複数のメッシュからなる領域を第2エリアとして抽出してもよい。図3の(A)は、複数のエリアA(メッシュ)のうちから選択された1つの第1エリアA1を表している。図3の(B)は、第1エリアA1に対応する1つ目の第2エリアA21を表しており、図3の(C)は、第1エリアA1に対応する2つ目の第2エリアA22を表している。図3に示されるように、第2エリア抽出部122は、第1エリアA1からの距離が等しいメッシュ群をひとまとめにしたエリアを、第2エリアA2として抽出してもよい。ここでの「距離」は、第1エリアA1との間に存在するメッシュ数により表現され得る。第2エリアA21は、第1エリアA1に隣接する8個のメッシュからなる四角枠状のエリア(第1エリアA1との間に存在するメッシュ数が0であるメッシュをひとまとめにしたエリア)である。第2エリアA22は、第2エリアA21の外側を囲う四角枠状のエリア(第1エリアA1との間に存在するメッシュ数が1である16個のメッシュをひとまとめにしたエリア)である。抽出される第2エリアA2の個数は1つでもよいし、3つ以上であってもよい。例えば、第2エリア抽出部122は、第1エリアA1との間に存在するメッシュ数を1つずつ増やしていき、それぞれのメッシュ数に対応するエリア(例えば24個のメッシュからなるエリア、及び32個のメッシュからなるエリア等)を第2エリアA2として抽出してもよい。
第2エリア抽出部122は、第1エリアA1からの距離(すなわち、第1エリアA1との間に存在するメッシュの数)が多くなる程、ひとまとめにするメッシュ数(ここでは、枠状に形成されるエリアの枠幅)が多くなるように、第2エリアA2を抽出してもよい。例えば、図4の(A)に示されるように、第1エリアA1との間に存在するメッシュ数が1である第2エリアA22(A2)は、メッシュ2つ分の枠幅を有する四角枠状のエリアであってもよい。一般に、第1エリアA1から離れたエリアほど、第1エリアA1との相関が低くなる傾向がある。したがって、この例によれば、第1エリアA1との関係において重要度がそれほど高くない第2エリアA2に含まれるメッシュ数を増やすことにより、より多くのメッシュに関する統計データSTを考慮しつつ、第2エリアA2の個数を減らすことができる。その結果、需要予測のために必要となる説明変数の個数(具体的には後述する第2学習用統計量の次元数)を削減し得る。このように説明変数の個数を減らすことにより、計算量の削減及びメモリ使用量の低減等を図ることができる。すなわち、プロセッサ、メモリ等のハードウェア資源の処理負荷及び使用料を低減できる。
第1エリアA1及び第2エリアA2は、メッシュ状でなくてもよい。例えば、図4の(B)に示されるように、第1エリアA1は、円形領域として設定されてもよい。この場合、第2エリア抽出部122は、第1エリアA1の中心からの距離が所定範囲内に含まれるリング状の領域を、第2エリアA2として抽出してもよい。例えば、半径500mの円形領域が第1エリアA1として設定されている場合について考える。この場合、第2エリア抽出部122は、第1エリアA1の中心からの距離dが「500m≦d≦1000m」の範囲に収まるリング状のエリアを第2エリアA21として抽出してもよい。また、第2エリア抽出部122は、上記中心からの距離dが「1000m≦d≦1500m」の範囲に収まるリング状のエリアを第2エリアA22として抽出してもよい。
第2エリア抽出部122は、第1エリアA1との間の移動に要する移動時間に基づいて、第2エリアを抽出してもよい。ここで、「第1エリアA1との間の移動に要する移動時間」とは、例えば、第1エリアA1の代表位置(例えば重心)を終点として、想定される移動手段(例えば、車、電車、徒歩等)を用いて上記代表位置に到達するために必要な時間である。或いは、「第1エリアA1との間の移動に要する移動時間」は、第1エリアA1の代表位置を起点として、上記想定される移動手段を用いて第1エリアA1の代表位置から到達するために必要な時間であってもよい。
第2学習用統計量取得部123は、第2エリアA2に含まれる複数のメッシュの各々に関連付けられる統計データSTのうち、第1学習用統計量の取得対象期間として設定された対象期間(本実施形態では、2015年8月2日10時00分から同日16時00分までの6時間)と同じ期間についての統計データSTを取得してもよい。
第2学習用統計量取得部123は、第1学習用統計量の取得対象期間として設定された対象期間と所定の時間差を有する期間についての統計量を、第2学習用統計量として取得してもよい。具体的には、第2学習用統計量取得部123は、第1エリアA1と第2エリアA2との間の移動に要する移動時間(上記第4の抽出例において説明した移動時間と同様)に基づいて、所定の時間差を決定してもよい。ある時点に第2エリアA2に滞在する人が第1エリアA1でタクシーに乗る可能性があるのは(すなわち、ある時点の第2エリアA2の滞在人口が第1エリアA1のタクシー需要に影響を及ぼす可能性があるのは)、当該時点から少なくとも上記移動時間後であると考えられる。したがって、第2エリアA2についての統計データSTの取得対象期間を、対象期間(第1エリアA1の統計データSTの取得対象期間)よりも上記移動時間だけ前にずらすことにより、第1エリアA1のタクシー需要を予測する上で、より意味のある(有益な)データを説明変数とすることが可能となる。
第2学習用統計量取得部123は、第1エリアA1の需要実績値と第2エリアA2の滞在人口との関係に基づいて、所定の時間差を決定してもよい。ある時点の第2エリアA2の滞在人口が第1エリアA1のタクシー需要に影響を及ぼすのは、必ずしも当該時点から上記移動時間後とは限らない。そこで、第2学習用統計量取得部123は、過去の実績値(統計データST)に基づいて、第1エリアA1の需要実績値(乗車数)と第2エリアA2の滞在人口(本実施形態では、前時間帯からの人口差分)との相関が最大となるような時間差を求める。
例えば、各時間帯の人口差分(前時間帯からの人口差分)を説明変数として用いる場合であって、第2エリアA2で開催されるイベント(例えば、コンサート及びスポーツ観戦等)の開催期間(例えば開始時刻及び終了時刻)が予め把握されている場合について考える。ここでは特に、イベントの終了時刻から第2の取得例で説明した移動時間だけ経過した時刻が、第1学習用統計量取得部121が第1エリアA1の需要実績値の取得対象期間に含まれる場合について考える。この場合、第1エリアA1の需要実績値は、イベントによる集客数(すなわち、イベント開始時における第2エリアA2の人口増分)と相関があると考えられる。したがって、このような場合には、第2学習用統計量取得部123は、イベント開始からイベント終了までのイベント開催時間(例えば2時間)と上記移動時間との和による求まる時間差を、所定の時間差としてもよい。
Claims (8)
- 所定のサービスの需要の予測対象となる予測対象エリアについての過去期間に関連付けられる特徴を表す第1統計量を取得する第1統計量取得部と、
前記予測対象エリアとは大きさが異なり、前記予測対象エリアを包囲する、少なくとも1つの関連エリアを抽出するエリア抽出部と、
前記関連エリアの特徴を表す第2統計量を取得する第2統計量取得部と、
前記第1統計量と前記第2統計量とを予め用意された予測モデルに入力することにより、前記予測対象エリアの需要予測値を取得する需要予測部と、
を備える、需要予測装置。 - 前記予測対象エリアは、地理的な区画として予め設定されたメッシュ1つ分の領域であり、
前記関連エリアは、複数の前記メッシュからなる領域である、
請求項1に記載の需要予測装置。 - 前記エリア抽出部は、前記予測対象エリアからの距離に基づいて、前記関連エリアを抽出する、
請求項1又は2に記載の需要予測装置。 - 前記エリア抽出部は、前記予測対象エリアとの間の移動に要する移動時間に基づいて、前記関連エリアを抽出する、
請求項1又は2に記載の需要予測装置。 - 前記第2統計量取得部は、前記過去期間と所定の時間差を有する期間についての統計量であって、前記関連エリアの滞在人口に関する情報を含む前記統計量を、前記第2統計量として取得する、
請求項1〜4のいずれか一項に記載の需要予測装置。 - 前記第2統計量取得部は、前記予測対象エリアと前記関連エリアとの間の移動に要する移動時間に基づいて、前記所定の時間差を決定する、
請求項5に記載の需要予測装置。 - 前記第2統計量取得部は、前記予測対象エリアの需要実績値と前記滞在人口との関係に基づいて、前記所定の時間差を決定する、
請求項5に記載の需要予測装置。 - 前記予測モデルを生成するモデル生成部を更に備え、
前記モデル生成部は、
少なくとも1つの第1エリアについて、所定の対象期間に関連付けられる前記第1エリアの特徴を表す第1学習用統計量と、前記対象期間よりも後の期間に関連付けられる前記第1エリアの需要実績値とを取得する第1学習用統計量取得部と、
前記第1エリアとは大きさが異なり、前記第1エリアを包囲する、少なくとも1つの第2エリアを抽出する第2エリア抽出部と、
前記第2エリアの特徴を表す第2学習用統計量を取得する第2学習用統計量取得部と、
前記第1学習用統計量及び前記第2学習用統計量と前記第1エリアの前記需要実績値とを関連付けたデータを学習データとして用いた機械学習を実行することにより、前記予測モデルを生成する生成部と、
を有する、請求項1〜7のいずれか一項に記載の需要予測装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017094966 | 2017-05-11 | ||
JP2017094966 | 2017-05-11 | ||
PCT/JP2018/018148 WO2018207878A1 (ja) | 2017-05-11 | 2018-05-10 | 需要予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018207878A1 true JPWO2018207878A1 (ja) | 2019-06-27 |
JP6802916B2 JP6802916B2 (ja) | 2020-12-23 |
Family
ID=64105073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019517694A Active JP6802916B2 (ja) | 2017-05-11 | 2018-05-10 | 需要予測装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20190332977A1 (ja) |
JP (1) | JP6802916B2 (ja) |
WO (1) | WO2018207878A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612183A (zh) * | 2019-02-25 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 信息处理方法、装置、电子设备及计算机可读存储介质 |
JP7328650B2 (ja) * | 2019-03-29 | 2023-08-17 | 彰洋 佐藤 | 位置情報に関連付けられたデータを利用してメッシュ統計を生成するためのシステム、方法、およびプログラム |
WO2020213612A1 (ja) * | 2019-04-16 | 2020-10-22 | 株式会社Nttドコモ | 需要予測装置 |
JP7532707B2 (ja) * | 2019-10-23 | 2024-08-14 | ロジスティード株式会社 | 予測装置および予測方法 |
JP7175873B2 (ja) * | 2019-11-20 | 2022-11-21 | 本田技研工業株式会社 | 将来性評価装置及び将来性評価方法 |
US11394774B2 (en) * | 2020-02-10 | 2022-07-19 | Subash Sundaresan | System and method of certification for incremental training of machine learning models at edge devices in a peer to peer network |
US20210295224A1 (en) * | 2020-03-23 | 2021-09-23 | Lyft, Inc. | Utilizing a requestor device forecasting model with forward and backward looking queue filters to pre-dispatch provider devices |
JP7295057B2 (ja) | 2020-03-27 | 2023-06-20 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法、及び情報処理システム |
CN112330215B (zh) * | 2020-11-26 | 2024-02-02 | 长沙理工大学 | 一种城市用车需求量预测方法、设备及存储介质 |
CN113865603B (zh) * | 2021-08-30 | 2024-06-07 | 东风柳州汽车有限公司 | 共享无人车路径规划方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0736854A (ja) * | 1993-07-21 | 1995-02-07 | Tokyu Constr Co Ltd | 需要予測装置及び方法 |
JP2011113141A (ja) * | 2009-11-24 | 2011-06-09 | Ntt Docomo Inc | 需要予測装置及び需要予測方法 |
-
2018
- 2018-05-10 WO PCT/JP2018/018148 patent/WO2018207878A1/ja active Application Filing
- 2018-05-10 US US16/347,437 patent/US20190332977A1/en not_active Abandoned
- 2018-05-10 JP JP2019517694A patent/JP6802916B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0736854A (ja) * | 1993-07-21 | 1995-02-07 | Tokyu Constr Co Ltd | 需要予測装置及び方法 |
JP2011113141A (ja) * | 2009-11-24 | 2011-06-09 | Ntt Docomo Inc | 需要予測装置及び需要予測方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2018207878A1 (ja) | 2018-11-15 |
US20190332977A1 (en) | 2019-10-31 |
JP6802916B2 (ja) | 2020-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPWO2018207878A1 (ja) | 需要予測装置 | |
CN110443657B (zh) | 客户流量数据处理方法、装置、电子设备及可读介质 | |
US11017331B2 (en) | Method and system for predicting demand for vehicles | |
US20210174270A1 (en) | Rideshare vehicle demand forecasting device, method for forecasting rideshare vehicle demand, and storage medium | |
US9189543B2 (en) | Predicting service request breaches | |
JP6842533B2 (ja) | 需要予測装置 | |
US11144582B2 (en) | Method and system for parsing and aggregating unstructured data objects | |
CN109978619B (zh) | 机票定价策略筛选的方法、系统、设备以及介质 | |
JP7033515B2 (ja) | 交通状況予測装置 | |
US20140006324A1 (en) | Automatic event analysis | |
CN113570867B (zh) | 一种城市交通状态预测方法、装置、设备及可读存储介质 | |
CN111724184A (zh) | 一种转化概率预测方法及装置 | |
CN111444302A (zh) | 基于用户分类的移动性预测方法、系统、装置 | |
CN114970621A (zh) | 异常聚集事件的检测方法、装置、电子设备和存储介质 | |
WO2019042275A1 (zh) | 目标区域范围内的移动模式的确定方法及电子设备 | |
Zou et al. | A novel taxi dispatch system for smart city | |
Nicoletta et al. | Bayesian spatio-temporal modelling and prediction of areal demands for ambulance services | |
CN111123778B (zh) | 监控车辆使用状况的方法、装置及电子设备 | |
JP6946542B2 (ja) | 学習システム、推定システム及び学習済モデル | |
JPWO2019167685A1 (ja) | 訪問時刻決定装置 | |
CN111861538A (zh) | 信息推送方法、装置、电子设备和存储介质 | |
Ji et al. | Real-time ambulance redeployment: A data-driven approach | |
JP2013109664A (ja) | 混雑予測装置、混雑予測方法、及び混雑予測プログラム | |
WO2020230735A1 (ja) | 需要予測装置 | |
CN113159397B (zh) | 一种救灾物资预存管理方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200414 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20200518 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200806 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201127 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6802916 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |