CN103280109B - 旅行时间的获取方法及装置、预测*** - Google Patents
旅行时间的获取方法及装置、预测*** Download PDFInfo
- Publication number
- CN103280109B CN103280109B CN201310227307.0A CN201310227307A CN103280109B CN 103280109 B CN103280109 B CN 103280109B CN 201310227307 A CN201310227307 A CN 201310227307A CN 103280109 B CN103280109 B CN 103280109B
- Authority
- CN
- China
- Prior art keywords
- data
- hourage
- highway
- parameter
- charge
- 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
Landscapes
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种旅行时间的获取方法及装置、预测***,其中,上述方法包括:从高速公路的交通设备监测终端中获取指定参数,其中,所述指定参数包括:公路收费***的收费数据、除所述收费数据之外的其它数据;根据所述收费数据利用预设的旅行时间模型预测得到所述高速公路收费站点间的旅行时间;根据所述利用监控数据对旅行时间模型所预测的旅行时间进行校验修正;输出校验修正后的旅行时间。采用本发明的上述方案,解决了相关技术中,不能获取较为准确的旅行时间数据等技术问题,从而提高了旅行时间预测精度。
Description
技术领域
本发明涉及智能公共交通领域,具体而言,涉及一种旅行时间的获取方法及装置、预测***。
背景技术
随着近几年交通迅猛发展,高速公路上货运与客运量显著增加,私家车不断普及,使得高速公路通行压力日益增大,对高速公路运营管理及信息服务水平提出了新的挑战。目前,通过对高速公路的建设、运营、筹融资和相关产业经营,经过多年信息化建设已经逐步形成了规模化、规范化的机电***管理。***在运行过程中产生了大量的信息数据,积累的数据资源蕴含了丰富的潜在信息和线索。如何将这些信息更好地加以利用,进而预测一些未来的交通运行趋势,为公众提供更好的服务是值得探讨的问题。
在众多交通出行信息中,对社会公众最有效的莫过于旅行时间,且速度、流量等其它交通出行信息最终都反映在旅行时间上。因此,旅行时间是反映交通运行状况的重要指标,简单直观,便于理解,被交通专业人员和社会公众普遍接受和使用,是社会公众出行决策最直观的依据。而旅行时间包括路段行驶时间和收费广场停车等待时间,当高速公路车流量趋于饱和时,个别收费广场出入口排队现象严重,导致等候车辆延误时间大大增加,甚至影响主路车流通行。因此,收费广场通行水平的研究是管理者提高服务质量的重要手段,间接诱导公众出行路径选择。从国际发展趋势来看,随着智能交通***的实施,旅行时间信息及广场通行水平在交通监控管理、出行者信息服务、交通决策支持与评价等方面得到了越来越广泛的应用。但是,相关技术中只能获得高速公路的交通路况却获取不到准确的旅行时间数据,影响了用户体验。
针对相关技术中的上述问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的上述问题,本发明提供一种旅行时间的获取方法及装置、预测***,以至少解决上述问题。
根据本发明的一个方面,提供了一种旅行时间的获取方法,包括:从高速公路的交通设备监测终端中获取指定参数,其中,所述指定参数包括:公路收费***的收费数据、除所述收费数据之外的其它数据;根据所述收费数据利用预设的旅行时间模型预测得到所述高速公路收费站点间的旅行时间;根据所述利用监控数据对旅行时间模型所预测的旅行时间进行校验修正;输出校验修正后的旅行时间。
优选地,从高速公路的交通设备监测终端中按照预设周期获取指定参数,包括:实时获取高速公路的所有或部分交通设备监测终端采集到的数据;从获取的所述数据中按照预设周期抽取所述指定参数。
优选地,所述旅行时间模型包括:基于卡尔曼滤波算法的旅行时间模型。
优选地,所述其它数据包括以下至少之一:公路收费***的收费广场流量数据、电子收费***ETC车道流量数据、天气和/或交通事件数据、外场车检器流量数据。
优选地,根据所述其它数据利用所述旅行时间模型对所述旅行时间进行校验修正,还包括:获取在所述其它数据经过所述旅行时间模型处理后的与所述其它数据对应的计算结果;根据所述计算结果对所述旅行时间进行校验修正。
优选地,上述方法还包括:输出所述计算结果。
根据本发明的另一个方面,提供了一种旅行时间的获取装置,包括:获取模块,用于从高速公路的交通设备监测终端中获取指定参数,其中,所述指定参数包括:公路收费***的收费数据、除所述收费数据之外的其它数据;预测模块,用于根据所述收费数据利用预设的旅行时间模型预测得到所述高速公路收费站点间的旅行时间;修正模块,用于根据所述其它数据利用所述旅行时间模型对所述旅行时间进行校验修正;输出模块,用于输出校验修正后的旅行时间。
优选地,所述获取模块包括:获取单元,用于实时获取高速公路的所有或部分交通设备监测终端采集到的数据;抽取单元,用于从获取的所述数据中按照预设周期抽取所述指定参数。
优选地,所述获取模块,用于在所述其它数据包括以下至少之一时,获取所述指定参数:公路收费***的收费广场流量数据、电子收费***ETC车道流量数据、天气和/或交通事件数据、外场车检器流量数据。
根据本发明的再一个方面,提供了一种旅行时间的预测***,包括:数据抽取子***,用于从外***抽取所需数据到临时数据库缓存进行处理后保存到***正式数据库中;旅行时间预测子***,用于利用所述正式数据库中的高速公路站点收费数据进行高速公路站点间旅行时间预测,并以其他监控数据对所述旅行时间进行修正;信息发布子***,用于显示预测到的旅行时间。
通过本发明,采用根据收费数据利用旅行时间模型预测得到旅行时间,并根据除收费数据之外的其它数据对旅行时间进行修正的技术手段,解决了相关技术中,不能获取较为准确的旅行时间数据等技术问题,从而提高了旅行时间预测精度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为根据本发明实施例1的旅行时间的获取方法的流程图;
图2为根据本发明实施例1的旅行时间的获取装置的结构框图;
图3为根据本发明实施例1的旅行时间的获取装置的另一结构框图;
图4为根据本发明实施例1的旅行时间的预测***的结构框图;
图5为根据本发明实施例2的旅行时间的预测原理示意图;
图6为根据本发明实施例2的旅行时间预测子***的原理示意图;
图7为根据本发明实施例2的通行指数子***的原理示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例1
图1为根据本发明实施例1的旅行时间的获取方法的流程图。如图1所示,该方法包括:
步骤S102,从高速公路的交通设备监测终端中获取指定参数,其中,该指定参数包括:公路收费***的收费数据、除上述收费数据之外的其它数据;
步骤S104,根据上述收费数据利用预设的旅行时间模型预测得到高速公路收费站点间的旅行时间;
步骤S106,根据上述其它数据利用旅行时间模型对上述旅行时间进行校验修正;
步骤S108,输出校验修正后的旅行时间。
通过上述各个步骤,由于采用以收费数据为主预测旅行时间,以上述其它数据为辅对该旅行时间进行校验修正,因此,可以准确地预测旅行时间。
在本实施例中,步骤S102的实现方式有多种,例如可以布设新的监测终端来获取上述指定参数,也可以利用已有监测设备来实现,对于后一种实现方式:实时获取高速公路的所有或部分交通设备监测终端采集到的数据;从获取的数据中按照预设周期抽取指定参数,这样利用已有的信息管理***(包括各种监控终端)经过数据挖掘的方式,极大的降低了检测成本。
步骤S104可以通过以下处理过程实现,首先对收费数据进行预处理,通过剔除异常数据、四分法、数据插值(例如等间隔差值)等方法进行数据的优化预处理。之后将清洗过的收费数据带入卡尔曼滤波方程进行旅行时间的预测,其原理为:利用t-1时刻状态变量的最优估计值和t-1时刻的观测值来更新得到t-1时刻状态变量的最优滤波估计值,进而预测t时刻状态变量的最优估计值
步骤S106可以通过以下处理过程实现:考虑到监控数据有一部分没有实时联网,监控信息滞后于事件、往往是事后报表形式体现,因此旅行时间预测以收费数据为主,监控数据、断面检测数据(即上述其他数据包括:监控数据和断面检测数据)为辅来预测旅行时间。断面检测数据即车辆的即时速度,通过旅行时间与站间距离可得出该路段的平均速度,之后带入相应路段断面检测数据的速度集进行差值化计算与验证,从而达到对旅行时间预测的修正。在事故事件下,如果利用正常的卡尔曼滤波因子进行计算,误差往往较大,所以利用监控数据的事件信息可触发预测算法进入事件预测模式,利用事件下的计算因子进行预测,以保证在非正常情况下的预测精度。
在本实施例中,上述旅行时间模型包括:基于卡尔曼滤波算法的旅行时间模型。
在本实施例中,上述其它数据包括但不限于以下至少之一:公路收费***的收费广场流量数据、电子收费***ETC车道流量数据、天气和/或交通事件数据、外场车检器流量数据。
在本实施例中,步骤S106可以表现为以下实现形式:获取在上述其它数据经过旅行时间模型处理后的与上述其它数据对应的计算结果;根据计算结果对旅行时间进行校验修正。
在本实施例中,还可以输出计算结果,例如和旅行时间一起显示在显示屏上等。
在本实施例中还提供了一种旅行时间的获取装置,用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述,下面对该装置中涉及到的模块进行说明。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。图2为根据本发明实施例1的旅行时间的获取装置的结构框图。如图2所示,该装置包括:
获取模块20,连接至预测模块22,用于从高速公路的交通设备监测终端中获取指定参数,其中,指定参数包括:公路收费***的收费数据、除收费数据之外的其它数据。;
预测模块22,连接至修正模块24,用于根据收费数据利用预设的旅行时间模型预测得到高速公路收费站点间的旅行时间;
修正模块24,连接至输出模块26,用于根据其它数据利用旅行时间模型对旅行时间进行校验修正;
输出模块26,用于输出校验修正后的旅行时间。
在本实施例中,如图3所示,上述获取模块20包括:获取单元200,连接至抽取单元202,用于实时获取高速公路的所有或部分交通设备监测终端采集到的数据;抽取单元202,用于从获取的数据中按照预设周期抽取指定参数。
优选的,获取模块20,用于在其它数据包括以下至少之一时,获取指定参数:公路收费***的收费广场流量数据、电子收费***ETC车道流量数据、天气和/或交通事件数据、外场车检器流量数据。
正如上面所述,本实施例中涉及到的上述各个模块既可以通过软件来实现,也可以通过相应地硬件来实现。例如,上述各个模块均可以处在处理器中,例如;上述各个模块均处于一个处理器中,或者上述四个模块中的其中两个模块位于一个处理器中,剩余的模块位于另外一个处理器中,等等。
图4为根据本发明实施例1的旅行时间的预测***的结构框图。如图4所示,该***包括:
数据抽取子***40,用于从外***抽取所需数据到临时数据库缓存进行处理后保存到***正式数据库中;
旅行时间预测子***42,用于利用正式数据库中的高速公路站点收费数据进行高速公路站点间旅行时间预测,并以其他监控数据对旅行时间进行修正;
信息发布子***44,用于显示预测到的旅行时间。
实施例2
本实施例利用高速公路信息中心已有的高速公路信息管理***采用一种基于数据挖掘技术和卡尔曼滤波算法来预测旅行时间,并通过专用的旅行时间标志板发布时间信息的一种旅行时间***,该***可为公众提供高速公路任意两个出入口之间的旅行时间信息。解决了现有技术中只能获得高速公路的交通路况却获取不到准确的旅行时间数据而无法预测并发布高速公路旅行时间的问题。
高速公路旅行时间***预测请参阅图5,由数据抽取子***、旅行时间预测子***、信息发布子***三部分构成。
数据抽取子***从外***抽取所需数据到临时数据库缓存,经数据转换模块进行数据清洗和修补,转换后的数据由数据装载模块保存到***正式数据库中。外***抽取的数据包括高速公路信息收费***的收费广场MTC、ETC车道流量数据,监控***特殊天气和交通事件数据、外场车检器流量数据等。
如图6所示,旅行时间预测子***利用正式数据库中的交通数据进行旅行时间预测、广场排队指数计算、参数修正等计算过程,为外部调用***提供实时的旅行时间、广场通行指数的计算结果。以收费数据为主预测旅行时间,以监控数据、断面监测数据为辅来修正。
信息发布子***负责将旅行时间预测子***计算结果对外发布,旅行时间发布方式主要为外场旅行时间标志板设备,通行指数通过内部WEB向管理层发布。
步骤一:数据抽取:抽取方式:利用ELT工具采用增量抽取方式,以为7×24小时为周期不间断执行抽取任务,每次抽取新数据的周期为2分钟。
步骤二:旅行时间预测子***通过配置高速公路各站点参数信息,同时实现收费数据、断面检测数据与监控数据的实时抽取、分析与处理,并将数据导入卡尔曼滤波算法模型,可实时预测高速公路站间旅行时间。该子***主要包括人工干预、原始数据分析与处理与旅行时间计算三个模块。
如图7所示,通行指数计算子***通过读取收费广场的基本信息,对广场的排队信息数据进行采集和分析处理,所得数据通过指数算法,计算出广场特定周期的拥堵指数。该子***包括原始数据采集、通行指数计算和信息发布三个模块。
步骤三:旅行时间信息发布:主要通过旅行时间标志板发布,旅行时间标志板有两种:高速路段旅行时间标志板如图3和收费广场旅行时间标志板如图4。高速路段旅行时间标志板安装于收费站入口匝道和主路交汇处,收费广场旅行时间标志板安装于收费站入口处,旅行时间标志板可同时显示距下三个站点的旅行时间,发布周期选为10分钟。专用旅行时间标志板上的时间数字显示屏可以根据道路拥堵情况分别显示绿色、黄色、红色提示路况信息
综上所述,本发明实施例实现了以下有益效果:
将数据挖掘理论引入高速公路收费***的营运中,在旅行时间预测中提出了基于以收费数据为主,以监控***数据为辅的思路进行预测和实现的新思路。
利用已有的信息管理***经过数据挖掘的方式,极大的降低了传统方法检测器检测方法的成本。
以收费数据预测,以监控***数据校验的方式更大的提高了旅行时间预测精度。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种旅行时间的获取方法,其特征在于,包括:
从高速公路的交通设备监测终端中获取指定参数,其中,所述指定参数包括:公路收费***的收费数据、除所述收费数据之外的其它数据;
根据所述收费数据利用预设的旅行时间模型预测得到所述高速公路收费站点间的旅行时间;
根据所述其它数据利用所述旅行时间模型对旅行时间进行校验修正;
输出校验修正后的旅行时间。
2.根据权利要求1所述的方法,其特征在于,从高速公路的交通设备监测终端中按照预设周期获取指定参数,包括:
实时获取高速公路的所有或部分交通设备监测终端采集到的数据;
从获取的所述数据中按照预设周期抽取所述指定参数。
3.根据权利要求1所述的方法,其特征在于,所述旅行时间模型包括:基于卡尔曼滤波算法的旅行时间模型。
4.根据权利要求1所述的方法,其特征在于,所述其它数据包括以下至少之一:
公路收费***的收费广场流量数据、电子收费***ETC车道流量数据、天气和/或交通事件数据、外场车检器流量数据。
5.根据权利要求1至4任一项所述的方法,其特征在于,根据所述其它数据利用所述旅行时间模型对所述旅行时间进行校验修正,还包括:
获取在所述其它数据经过所述旅行时间模型处理后的与所述其它数据对应的计算结果;
根据所述计算结果对所述旅行时间进行校验修正。
6.根据权利要求5所述的方法,其特征在于,还包括:
输出所述计算结果。
7.一种旅行时间的获取装置,其特征在于,包括:
获取模块,用于从高速公路的交通设备监测终端中获取指定参数,其中,所述指定参数包括:公路收费***的收费数据、除所述收费数据之外的其它数据;
预测模块,用于根据所述收费数据利用预设的旅行时间模型预测得到所述高速公路收费站点间的旅行时间;
修正模块,用于根据所述其它数据利用所述旅行时间模型对所述旅行时间进行校验修正;
输出模块,用于输出校验修正后的旅行时间。
8.根据权利要求7所述的装置,其特征在于,所述获取模块包括:
获取单元,用于实时获取高速公路的所有或部分交通设备监测终端采集到的数据;
抽取单元,用于从获取的所述数据中按照预设周期抽取所述指定参数。
9.根据权利要求7所述的装置,其特征在于,所述获取模块,用于在所述其它数据包括以下至少之一时,获取所述指定参数:
公路收费***的收费广场流量数据、电子收费***ETC车道流量数据、天气和/或交通事件数据、外场车检器流量数据。
10.一种旅行时间的预测***,其特征在于,包括:
数据抽取子***,用于从外***抽取所需数据到临时数据库缓存进行处理后保存到***正式数据库中;
旅行时间预测子***,用于利用所述正式数据库中的高速公路站点收费数据进行高速公路站点间旅行时间预测,并以其他监控数据对所述旅行时间进行修正;
信息发布子***,用于显示预测到的旅行时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310227307.0A CN103280109B (zh) | 2013-06-08 | 2013-06-08 | 旅行时间的获取方法及装置、预测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310227307.0A CN103280109B (zh) | 2013-06-08 | 2013-06-08 | 旅行时间的获取方法及装置、预测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103280109A CN103280109A (zh) | 2013-09-04 |
CN103280109B true CN103280109B (zh) | 2016-08-10 |
Family
ID=49062611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310227307.0A Active CN103280109B (zh) | 2013-06-08 | 2013-06-08 | 旅行时间的获取方法及装置、预测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103280109B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104900061B (zh) * | 2015-05-29 | 2017-08-08 | 内蒙古工业大学 | 路段行程时间监测方法及装置 |
CN112820103B (zh) * | 2020-12-31 | 2022-09-06 | 山东奥邦交通设施工程有限公司 | 一种一体化动静结合标志管控方法及*** |
CN113345220B (zh) * | 2021-05-11 | 2022-08-16 | 山西省交通科技研发有限公司 | 一种高速公路稽查车辆跟踪与预测分析*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6317686B1 (en) * | 2000-07-21 | 2001-11-13 | Bin Ran | Method of providing travel time |
JP2002216192A (ja) * | 2001-01-16 | 2002-08-02 | Toshiba Corp | 変動料金課金システム及び記憶媒体 |
EP2232457B1 (en) * | 2007-12-20 | 2013-02-20 | Telecom Italia S.p.A. | Method and system for forecasting travel times on roads |
CN101794512A (zh) * | 2009-12-30 | 2010-08-04 | 北京世纪高通科技有限公司 | 旅行时间预测的方法及装置 |
DE102010062025A1 (de) * | 2010-10-29 | 2012-05-03 | Siemens Aktiengesellschaft | System zur Ermittlung der Verkehrssituation auf einer Straßenstrecke |
CN102081846B (zh) * | 2011-02-22 | 2013-06-05 | 交通运输部公路科学研究所 | 基于高速公路收费数据轨迹匹配的交通状态识别方法 |
CN102800198B (zh) * | 2012-08-15 | 2015-05-13 | 重庆大学 | 高速公路断面交通流量的测算方法 |
-
2013
- 2013-06-08 CN CN201310227307.0A patent/CN103280109B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103280109A (zh) | 2013-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104464295B (zh) | 一种基于视频的高架入口匝道智能限行方法 | |
Kwon et al. | Components of congestion: Delay from incidents, special events, lane closures, weather, potential ramp metering gain, and excess demand | |
CN103839409B (zh) | 基于多断面视觉传感聚类分析的交通流状态判别方法 | |
CN104408925B (zh) | 基于陈列雷达的交叉口运行状态评价方法 | |
CN116935654B (zh) | 一种基于数据分配值的智慧城市数据分析方法及*** | |
CN104809878B (zh) | 利用公交车gps数据检测城市道路交通异常状态的方法 | |
CN113947905B (zh) | 一种交通运行态势感知方法、模块及*** | |
CN103985250A (zh) | 轻量级的全息道路交通状态视觉检测装置 | |
CN102610088B (zh) | 一种公交车站点间行程时间预测方法 | |
CN101540099A (zh) | 道路交通状态判断方法及*** | |
CN103077610A (zh) | 一种路段旅行时间估计的方法和*** | |
CN103280110B (zh) | 高速公路旅行时间的预测方法及装置 | |
KR20140050022A (ko) | 교통 데이터를 수집하는 방법 및 시스템 | |
CN106203662A (zh) | 一种基于etc***实现高速公路通行预约的方法 | |
CN106327864A (zh) | 一种基于高速公路联网收费数据的交通流估计方法 | |
CN112885089B (zh) | 一种基于多维指标的干线绿波智能诊断方法 | |
CN110008595B (zh) | Etc节能减排效益测算方法和装置 | |
CN103280109B (zh) | 旅行时间的获取方法及装置、预测*** | |
CN110395298A (zh) | 一种客流智能引导***及方法 | |
CN107945517A (zh) | 一种交通数据处理装置 | |
CN101551940A (zh) | 城市快速道路交通状态判别与发布***及其方法 | |
CN113034894A (zh) | 一种etc门架***、高速公路路段封闭预警方法及装置 | |
CN110299010A (zh) | 一种面向车路协同路侧设备的信息处理方法 | |
CN105427600B (zh) | 一种基于fcd的道路拥堵实时识别方法与装置 | |
CN105489010A (zh) | 一种快速道路行程时间可靠度监测分析***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C53 | Correction of patent for invention or patent application | ||
CB02 | Change of applicant information |
Address after: 100070 Beijing city Fengtai District Haiying Road No. 1 Building No. 2 hospital 11 layer, 12 layer Applicant after: Beijing Yun Xingyu transport science and techonologies incorporated company Address before: 100078 Beijing city Fengtai District Fangzhuang Star Park 2 District 4 Building 6 layer Applicant before: Beijing Yunxingyu Traffic Engineering Co., Ltd. |
|
COR | Change of bibliographic data |
Free format text: CORRECT: APPLICANT; FROM: BEIJING YUNXINGYU TRAFFIC ENGINEERING CO., LTD. TO: BEIJING YUNXINGYU TRANSPORT TECHNOLOGY CO., LTD. |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |