CN105303832A - 基于微波车辆检测器的高架桥路段交通拥堵指数计算方法 - Google Patents
基于微波车辆检测器的高架桥路段交通拥堵指数计算方法 Download PDFInfo
- Publication number
- CN105303832A CN105303832A CN201510757066.XA CN201510757066A CN105303832A CN 105303832 A CN105303832 A CN 105303832A CN 201510757066 A CN201510757066 A CN 201510757066A CN 105303832 A CN105303832 A CN 105303832A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- track
- overbar
- traffic
- overpass
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明属于城市高架桥信息采集处理技术领域,具体涉及一种基于微波车辆检测器的高架桥路段交通拥堵指数计算方法。本发明的各步骤如下:1)在待检测高架桥路段上安装微波车辆检测器并调试;2)获取微波车辆检测器测得数据;3)计算单个车道的当量交通量QLj;4)计算单个车道的平均密度KLj;5)计算单个车道的平均行驶速度VLj;6)计算高架桥路段平均行驶速度7)计算高架桥路段交通拥堵指数TCI。本发明具备维护方便、不破坏路面和不影响交通的优点,并能同步实现在线的高精确测算功能,最终使得对城市高架桥路段的交通拥堵状态能够进行实时的、准确的评价。
Description
技术领域
本发明属于城市高架桥信息采集处理技术领域,具体涉及一种基于微波车辆检测器的高架桥路段交通拥堵指数计算方法。
背景技术
交通拥堵指数是指将特定区域特定时刻的单个路段、某等级的道路或整体路网的拥堵强度量化后的相对数,该指标值可以体现从单个路段到整体路网的交通运行状态和拥堵强度,并反映其运行质量。指标值的大小代表了不同的交通运行状态和拥堵强度,值越大则评价时段内的道路运行状态越差,拥堵强度越大;反之,道路的运行状态越好,拥堵强度越轻。传统对于交通拥堵指数的检测方式多采用浮动车技术,也即对分布在城市大街小巷的动态车辆位置信息进行深入加工处理获得。以北京为例,首先需要通过全市数辆出租车上的车载GPS回传动态数据给数据处理中心,在对车辆位置进行数据处理后,得到不同功能等级道路的运行速度,然后根据道路功能不同以及流量数据计算该道路在全网中所占权重,最后通过人对拥堵的感知判断,给出对应的指数指标值。上述传统的测算方式,不仅计算过程繁复,判断主观性强;同时,在以上述浮动车技术进行高架桥交通信息采集检测时,还会由于GPS的定位偏差问题而较难区分高架桥主道和下行辅道,从而造成数据采集准确度极度不准确的状况。如何寻求一种能够针对高架桥路段的交通拥堵指数计算方法,以实现其在线的高精确测算功能,最终使得对城市高架桥路段的交通拥堵状态能够进行实时的、准确的评价,为本领域近年来所亟待解决的技术难题。
发明内容
本发明的目的为克服上述现有技术的不足,提供一种针对高架桥的更为高效快捷的基于微波车辆检测器的高架桥路段交通拥堵指数计算方法;其具备维护方便、不破坏路面和不影响交通的优点,并能同步实现针对高架桥的在线的高精确测算功能,最终使得对城市高架桥路段的交通拥堵状态能够进行实时的、准确的评价。
为实现上述目的,本发明采用了以下技术方案:
1、一种基于微波车辆检测器的高架桥路段交通拥堵指数计算方法,其特征在于包括以下步骤:
1)、在待检测高架桥路段上安装微波车辆检测器并调试;
2)、获取微波车辆检测器测得数据,该数据包括各车道对应编号、车道上所行驶车辆车型、每个车型的数量以及时间占有率;
3)、将车道上的各机动车和非机动车交通量,以换算系数换算成标准车型的当量交通量,获得单个车道的当量交通量QLj,公式如下:
QLj=∑QiEi
其中,
QLj是第j车道的当量交通量;
Qi是第j车道中第i种车型的车辆数量绝对数;
Ei是第j车道中第i种车型的换算系数;
4)、计算单个车道的平均密度KLj:
其中:
KLj是第j车道平均密度;
occj是第j车道的时间占有率;
A是常量;
5)、计算单个车道的平均行驶速度VLj:
其中:
VLj是第j车道平均行驶速度;
6)、获得高架桥路段平均行驶速度其计算公式如下:
其中:
n是路段包含的车道总数;
7)、建立高架桥交通拥堵指数TCI模型,获得高架桥交通拥堵指数,如下:
所述步骤1)中,根据需要检测的车道范围调整检测器的角度和高度,保证检测器波束投影可覆盖所有需要检测的车道,同时使该投影与检测道路长度方向彼此正交。
所述步骤3)中,第i种车型也即标准车型为小客车,换算系数为1。
本发明的有益效果在于:
1)、通过上述方案,一方面,本发明利用了微波车辆检测器所具备的性能可靠高效以及具备多目标检测功能的优点。相对于浮动车技术的采集数据准确性不稳定状况,微波车辆检测器的定点采集精度极高,包括从摩托车到多轴、高车身的车辆均可实现准确鉴别及信息采集;此外,微波车辆检测器亦可对拖车进行高精度检测,避免了同类产品中出现的将拖车误报为多辆车型的缺点,可检测路上每一车道所通过的车流量、车辆速度、车道占有率、车型分类等参数,采集准确率亦可得到有效保证。而又因为高架桥的建设成本高,维护难,桥体不能受到破坏,相对于传统定点测量的地磁和线圈检测器而言,具备安装维护简便和不破坏路面好处的微波检测器更为适合。另一方面,通过专门针对高架桥的客观的公式计算过程,并在微波车辆检测器所获得参数基础上,利用高架桥实际的交通流特性并以平均行驶速度为参数建立分段函数模型,最终达到进行TCI的最终数值计算的目的,从而客观而快速可靠的得到待检测的高架桥路段的交通拥堵指数。相对传统的计算过程冗长而效率较低的TCI算法而言,本发明计算过程简洁,准确度高,客观性强;而且此方法是针对高架桥交通流特性建立的,针对性强;在线判断待检测的高架桥路段的交通状态的准确率极高,可对城市高架桥路段的交通拥堵状态能够有更为实时而准确的评价。
附图说明
图1为本发明的方法流程图;
图2为微波车辆检测器安装布设效果图。
具体实施方式
为便于理解,此处结合附图1-2对本发明的具体实施结构及工作流程作以下描述:
如图1所示,基于微波车辆检测器的高架桥路段交通拥堵指数评估方法,包括:
1)、在待检测高架桥路段上安装微波车辆检测器并调试;
2)、获取微波车辆检测器测得数据;
3)、计算单个车道的当量交通量QLj;
4)、计算单个车道的平均密度KLj;
5)、计算单个车道的平均行驶速度VLj;
6)、计算高架桥路段平均行驶速度
7)、建立高架桥交通拥堵指数TCI模型,获得高架桥交通拥堵指数。
上述中,在待检测高架桥路段上安装微波车辆检测器并调试,是指根据需要检测的车道范围调整检测器的角度和高度,保证检测器波束投影可覆盖所有需要检测的车道,同时保证投影与检测道路运行方向彼此正交。
获取微薄检测器数据,包括获取各车道的编号、车道内车辆车型、每个车型的数量及相应时间占有率。
计算单个车道的当量交通量QLj是指是将实际的各种机动车和非机动车交通量按指定的换算系数换算成某种标准车型的当量交通量。因为不同车型占用的道路空间不同,在交通专业中,为了科学的统计流量,必须将不同车型的车辆换算成标准车计算流量。其计算公式如下:
QLj=∑QiEi
其中,
QLj是第j车道的当量交通量;
Qi是第j车道中第i种车型的车辆数量绝对数;
Ei是第j车道中第i种车型的换算系数。
换算系数Ei的取值在我国的《公路工程技术标准》和《城市道路设计规范》均有规定。城市道路中的换算系数与公路中的换算系数有些许差异,交叉口与路段也有差异。在我国,通常以小客车为标准车型,具体可参见《公路工程技术标准》和《城市道路设计规范》。针对高架桥,本发明根据CJJ37-2012《城市道路工程设计规范》中4.1.2规定:交通量换算应采用小客车为标准车型,各种车辆的换算***应符合表1的规定。
表1车辆换算系数
车辆类型 | 小客车 | 大型客车 | 大型货车 | 铰接车 |
换算系数 | 1.0 | 2.0 | 2.5 | 3.0 |
计算单个车道的平均密度KLj的计算公式如下:
其中:
KLj是第j车道平均密度;
occj是第j车道的时间占有率;
A是常量,具体取值需要根据实际数据进行标定得知。目前常规采用的方法为通过仿真平台将高架桥实际的交通流参数录入,会得知一组平均密度和时间占有率,通过对这种数据的线性拟合,即可可以得到A的取值。
计算单个车道的平均行驶速度VLj的计算公式如下:
其中:
VLj是第j车道平均行驶速度。
计算高架桥的路段平均行驶速度的计算公式如下:
其中:
n是路段包含的车道总数。
建立以下TCI计算模型,计算高架桥交通拥堵指数:
通过上述计算模型获得的TCI数值,对比交通拥堵指数分级列表,获得待检测高架桥路段的交通拥堵状况。
上述模型的区间的取值,来源依据为《道路通行能力手册2000》,其中高架桥属于城市街道等级I。各区间具体见其内的城市街道服务水平分级表。
实施例1:
1)、在合肥市南北高架选择一路段上安装微波车辆检测器并调试;
2)、获取某一时段微波车辆检测器测得数据
车道1:车型1的车辆数量98;车型2的车辆数量2;车型3的车辆数量0;车型4的车辆数量0;时间占有率为31%。
车道2:车型1的车辆数量63;车型2的车辆数量0;车型3的车辆数量0;车型4的车辆数量0;时间占有率为19%。
车道3:车型1的车辆数量76;车型2的车辆数量0;车型3的车辆数量0;车型4的车辆数量0;时间占有率为23%。
3)、计算单个车道的当量交通量:
车道1:当量交通量QL1=∑QiEi=98*1+2*2+0+0=102;
车道2:当量交通量QL2=∑QiEi=63*1+0+0+0=63;
车道3:当量交通量QL3=∑QiEi=76*1+0+0+0=76。
4)、计算单个车道的平均密度KLj:
通过仿真平台得到的一组密度和时间占有率拟合得到A取值0.15。
车道1:KL1=0.31÷0.15=2.067;
车道2:KL2=0.19÷0.15=1.267;
车道3:KL3=0.23÷0.15=1.533。
5)、计算单个车道的平均行驶速度VLj:
车道1:VL1=102÷2.067=49.35;
车道2:VL2=63÷1.267=49.72;
车道3:VL1=76÷1.533=49.57。
6)、计算高架桥路段平均行驶速度
7)、建立高架桥交通拥堵指数TCI模型,获得高架桥交通拥堵指数:
TCI=6+(49.55-46)/5=6.71。
实施例2:
1)、在合肥市南北高架选择一路段上安装微波车辆检测器并调试;
2)、获取某一时段微波车辆检测器测得数据:
车道1:车型1的车辆数量150;车型2的车辆数量4;车型3的车辆数量0;车型4的车辆数量0;时间占有率为71%。
车道2:车型1的车辆数量122;车型2的车辆数量1;车型3的车辆数量0;车型4的车辆数量0;时间占有率为58%。
车道3:车型1的车辆数量90;车型2的车辆数量0;车型3的车辆数量0;车型4的车辆数量0;时间占有率为33%。
3)、计算单个车道的当量交通量:
车道1:当量交通量QL1=∑QiEi=150*1+4*2+0+0=158;
车道2:当量交通量QL2=∑QiEi=122*1+1*2+0+0=124;
车道3:当量交通量QL3=∑QiEi=90+0+0+0=90。
4)、计算单个车道的平均密度KLj:
通过仿真平台得到的一组密度和时间占有率拟合得到A取值0.15。
车道1:KL1=0.71÷0.15=4.71;
车道2:KL2=0.58÷0.15=3.87;
车道3:KL3=0.33÷0.15=2.2。
5)、计算单个车道的平均行驶速度VLj:
车道1:VL1=158÷4.71=33.54;
车道2:VL2=124÷3.87=32.04;
车道3:VL1=90÷2.2=40.91。
6)、计算高架桥路段平均行驶速度
7)、建立高架桥交通拥堵指数TCI模型,获得高架桥交通拥堵指数TCI=4+(35.49-30)/8=4.68。
Claims (3)
1.一种基于微波车辆检测器的高架桥路段交通拥堵指数计算方法,其特征在于包括以下步骤:
1)、在待检测高架桥路段上安装微波车辆检测器并调试;
2)、获取微波车辆检测器测得数据,该数据包括各车道对应编号、车道上所行驶车辆车型、每个车型的数量以及时间占有率;
3)、将车道上的各机动车和非机动车交通量,以换算系数换算成标准车型的当量交通量,获得单个车道的当量交通量QLj,公式如下:
QLj=∑QiEi
其中,
QLj是第j车道的当量交通量;
Qi是第j车道中第i种车型的车辆数量绝对数;
Ei是第j车道中第i种车型的换算系数;
4)、计算单个车道的平均密度KLj:
其中:
KLj是第j车道平均密度;
occj是第j车道的时间占有率;
A是常量;
5)、计算单个车道的平均行驶速度VLj:
其中:
VLj是第j车道平均行驶速度;
6)、获得高架桥路段平均行驶速度其计算公式如下:
其中:
n是路段包含的车道总数;
7)、建立高架桥交通拥堵指数TCI模型,获得高架桥交通拥堵指数,如下:
2.根据权利要求1所述的基于微波车辆检测器的高架桥路段交通拥堵指数计算方法,其特征在于:所述步骤1)中,根据需要检测的车道范围调整检测器的角度和高度,保证检测器波束投影可覆盖所有需要检测的车道,同时使该投影与检测道路长度方向彼此正交。
3.根据权利要求1或2所述的基于微波车辆检测器的高架桥路段交通拥堵指数计算方法,其特征在于:所述步骤3)中,第i种车型也即标准车型为小客车,换算系数为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510757066.XA CN105303832B (zh) | 2015-11-05 | 2015-11-05 | 基于微波车辆检测器的高架桥路段交通拥堵指数计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510757066.XA CN105303832B (zh) | 2015-11-05 | 2015-11-05 | 基于微波车辆检测器的高架桥路段交通拥堵指数计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105303832A true CN105303832A (zh) | 2016-02-03 |
CN105303832B CN105303832B (zh) | 2018-01-19 |
Family
ID=55201031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510757066.XA Active CN105303832B (zh) | 2015-11-05 | 2015-11-05 | 基于微波车辆检测器的高架桥路段交通拥堵指数计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105303832B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105931463A (zh) * | 2016-06-27 | 2016-09-07 | 安徽四创电子股份有限公司 | 基于交通场面雷达的路段交通运行指数计算方法 |
CN106056923A (zh) * | 2016-06-27 | 2016-10-26 | 安徽四创电子股份有限公司 | 基于交通场面雷达的路段交通状态判别方法 |
CN106781486A (zh) * | 2016-12-28 | 2017-05-31 | 安徽科力信息产业有限责任公司 | 基于浮动车数据的交通状态评价方法 |
CN107610470A (zh) * | 2017-10-31 | 2018-01-19 | 迈锐数据(北京)有限公司 | 一种交通拥堵评价方法和装置 |
CN107886723A (zh) * | 2017-11-13 | 2018-04-06 | 深圳大学 | 一种交通出行调查数据处理方法 |
CN108417037A (zh) * | 2018-05-09 | 2018-08-17 | 电子科技大学 | 一种基于交通态势的景点周边舒适度指数计算方法 |
CN108922209A (zh) * | 2018-07-20 | 2018-11-30 | 肖金保 | 一种云智能交通信号灯*** |
CN109345853A (zh) * | 2018-08-30 | 2019-02-15 | 浙江工业大学 | 一种基于gis的无人车安全驾驶优化方法 |
CN111009128A (zh) * | 2020-01-07 | 2020-04-14 | 上海宝康电子控制工程有限公司 | 基于到达-离去模型实现路***通状态实时研判处理的方法 |
CN113593242A (zh) * | 2021-09-28 | 2021-11-02 | 之江实验室 | 一种基于路口车辆检测器组的在途量估算方法 |
CN114858214A (zh) * | 2022-04-27 | 2022-08-05 | 中徽建技术有限公司 | 一种城市道路性能监测*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012190249A (ja) * | 2011-03-10 | 2012-10-04 | Sumitomo Electric Ind Ltd | 交通指標算出装置、交通指標算出方法および交通指標算出プログラム |
CN103593976A (zh) * | 2013-11-28 | 2014-02-19 | 青岛海信网络科技股份有限公司 | 基于检测器确定道路交通状态的方法及*** |
CN104408925A (zh) * | 2014-12-17 | 2015-03-11 | 合肥革绿信息科技有限公司 | 基于陈列雷达的交叉口运行状态评价方法 |
CN104575051A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于阵列雷达的高架匝道智能信号控制方法及装置 |
CN104574967A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于北斗的城市大面积路网交通感知方法 |
KR101532651B1 (ko) * | 2013-08-09 | 2015-06-30 | 재단법인대구경북과학기술원 | 실시간 교통정보를 이용하는 가변 제한속도 표시 장치 및 방법 |
-
2015
- 2015-11-05 CN CN201510757066.XA patent/CN105303832B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012190249A (ja) * | 2011-03-10 | 2012-10-04 | Sumitomo Electric Ind Ltd | 交通指標算出装置、交通指標算出方法および交通指標算出プログラム |
KR101532651B1 (ko) * | 2013-08-09 | 2015-06-30 | 재단법인대구경북과학기술원 | 실시간 교통정보를 이용하는 가변 제한속도 표시 장치 및 방법 |
CN103593976A (zh) * | 2013-11-28 | 2014-02-19 | 青岛海信网络科技股份有限公司 | 基于检测器确定道路交通状态的方法及*** |
CN104408925A (zh) * | 2014-12-17 | 2015-03-11 | 合肥革绿信息科技有限公司 | 基于陈列雷达的交叉口运行状态评价方法 |
CN104575051A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于阵列雷达的高架匝道智能信号控制方法及装置 |
CN104574967A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于北斗的城市大面积路网交通感知方法 |
Non-Patent Citations (2)
Title |
---|
佐佐木纲 等: "《交通工程学》", 31 October 1994 * |
刘东: "《交通调查与分析》", 31 October 2008 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056923A (zh) * | 2016-06-27 | 2016-10-26 | 安徽四创电子股份有限公司 | 基于交通场面雷达的路段交通状态判别方法 |
CN105931463A (zh) * | 2016-06-27 | 2016-09-07 | 安徽四创电子股份有限公司 | 基于交通场面雷达的路段交通运行指数计算方法 |
CN106781486A (zh) * | 2016-12-28 | 2017-05-31 | 安徽科力信息产业有限责任公司 | 基于浮动车数据的交通状态评价方法 |
CN107610470A (zh) * | 2017-10-31 | 2018-01-19 | 迈锐数据(北京)有限公司 | 一种交通拥堵评价方法和装置 |
CN107886723B (zh) * | 2017-11-13 | 2021-07-20 | 深圳大学 | 一种交通出行调查数据处理方法 |
CN107886723A (zh) * | 2017-11-13 | 2018-04-06 | 深圳大学 | 一种交通出行调查数据处理方法 |
CN108417037A (zh) * | 2018-05-09 | 2018-08-17 | 电子科技大学 | 一种基于交通态势的景点周边舒适度指数计算方法 |
CN108922209A (zh) * | 2018-07-20 | 2018-11-30 | 肖金保 | 一种云智能交通信号灯*** |
CN108922209B (zh) * | 2018-07-20 | 2021-06-04 | 江苏永诚交通集团有限公司 | 一种云智能交通信号灯*** |
CN109345853A (zh) * | 2018-08-30 | 2019-02-15 | 浙江工业大学 | 一种基于gis的无人车安全驾驶优化方法 |
CN111009128A (zh) * | 2020-01-07 | 2020-04-14 | 上海宝康电子控制工程有限公司 | 基于到达-离去模型实现路***通状态实时研判处理的方法 |
CN113593242A (zh) * | 2021-09-28 | 2021-11-02 | 之江实验室 | 一种基于路口车辆检测器组的在途量估算方法 |
CN114858214A (zh) * | 2022-04-27 | 2022-08-05 | 中徽建技术有限公司 | 一种城市道路性能监测*** |
CN114858214B (zh) * | 2022-04-27 | 2023-08-25 | 中徽建技术有限公司 | 一种城市道路性能监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN105303832B (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105303832B (zh) | 基于微波车辆检测器的高架桥路段交通拥堵指数计算方法 | |
CN107657813B (zh) | 基于行车轨迹的高速公路交通执法判别方法 | |
Lee et al. | An evaluation framework for traffic calming measures in residential areas | |
CN103038605B (zh) | 数字地图中的用于障碍物穿越的位置检测、时间表及行进时间估计 | |
Anand et al. | Traffic density estimation under heterogeneous traffic conditions using data fusion | |
CN101739824B (zh) | 基于数据融合技术的交通状况估计方法 | |
CN104575050B (zh) | 一种基于浮动车的快速路匝道智能诱导方法及装置 | |
US20180292224A1 (en) | System and method for traffic volume estimation | |
CN101739823A (zh) | 一种适用低频采样的路段平均行程时间测量方法 | |
CN103198713A (zh) | 基于交通数据和天气数据的减少交通事故的车辆调控方法 | |
CN104900057B (zh) | 一种城市快速路主辅道的浮动车地图匹配方法 | |
CN104933871B (zh) | 一种交通车辆检测方法及*** | |
CN104750963A (zh) | 交叉口延误时长估计方法及装置 | |
CN107240264A (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
Zhan et al. | Methods for multi-type sensor allocations along a freeway corridor | |
Hao et al. | Evaluating the environmental impact of traffic congestion based on sparse mobile crowd-sourced data | |
Chen et al. | Train data collection and arrival time prediction system for highway–rail grade crossings | |
CN100446015C (zh) | 一种可用于地面道路网交通状况测定的方法和*** | |
CN105303833B (zh) | 基于微波车辆检测器的高架桥突发事件判别方法 | |
Discetti | Experimental analysis on hairpin curves | |
CN105070060A (zh) | 一种基于公交车载gps数据的城市道路交通状态判别方法 | |
Ziolkowski | Speed profile as a tool to estimate traffic calming measures efficiency | |
CN107886721A (zh) | 一种交通事故道路状况数据采集方法 | |
Fitzsimmons | Development and analysis of vehicle trajectories and speed profiles along horizontal curves | |
Zhan et al. | Sample size reduction method based on data fusion for freeways with fixed detectors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |