CN109190821B - 基于边缘计算的灾难救援调度方法、装置和*** - Google Patents

基于边缘计算的灾难救援调度方法、装置和*** Download PDF

Info

Publication number
CN109190821B
CN109190821B CN201811003618.8A CN201811003618A CN109190821B CN 109190821 B CN109190821 B CN 109190821B CN 201811003618 A CN201811003618 A CN 201811003618A CN 109190821 B CN109190821 B CN 109190821B
Authority
CN
China
Prior art keywords
scheduling
disaster
rescue
relief
analysis
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
Application number
CN201811003618.8A
Other languages
English (en)
Other versions
CN109190821A (zh
Inventor
王智明
徐雷
毋涛
卢莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201811003618.8A priority Critical patent/CN109190821B/zh
Publication of CN109190821A publication Critical patent/CN109190821A/zh
Application granted granted Critical
Publication of CN109190821B publication Critical patent/CN109190821B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于物联网技术领域，涉及基于边缘计算的灾难救援调度方法、基于边缘计算的灾难救援调度装置和灾难救援调度***。该基于边缘计算的灾难救援调度方法包括：步骤S1)：采集并汇总灾难救援调度请求信息，所述灾难救援调度请求信息至少包括救援设备与灾难类型、救援设备地点与灾难地点；步骤S2)：根据救援设备与灾难类型的匹配度、救援设备地点与灾难地点时间/距离比、距离成本，对所述灾难救援调度请求信息进行优化和评价分析，得到调度分析结果；步骤S3)：根据所述调度分析结果，推荐对符合调度条件的救援设备进行调度。其根据复杂多变的灾难类型、时间、地点、规模、现场状况，对救援设备进行配置，提高了灾难救援调度的准确性和有效性。

Description

基于边缘计算的灾难救援调度方法、装置和***
技术领域
本发明属于物联网技术领域，具体涉及一种基于边缘计算的灾难救援调度方法、基于边缘计算的灾难救援调度装置和灾难救援调度***。
背景技术
灾难是自人类存在以来无法避开的、无规律、不受人类主观意志控制的事件，如地震、洪水、海啸、火灾、疫情；而由于生态环境的变化，或者人类处理的不当，如交通事故、***、恐怖袭击、战争等事件也时有发生。近年来，世界灾难事故种类增多、发生趋于频繁、对社会影响面大，对一些重大灾难的防御效果不十分理想，灾难事件已成为当今社会一个重要的公共问题。我国是一个灾难多发性国家，由于受经济发展水平制约，各地灾害救援发展极不平衡，人员、技术、物资、装备缺乏，严重制约着灾难救援的效果和成果。
灾难救援通常是处理突发情况，灾难类型不同、时间、地点、规模、现场状况复杂多变，对救援设备很难进行准确、有效的调度和配置，成为灾难救援调度的瓶颈。
发明内容
本发明所要解决的技术问题是针对现有技术中上述不足，提供一种基于边缘计算的灾难救援调度方法、基于边缘计算的灾难救援调度装置和灾难救援调度***，提高了灾难救援调度的准确性和有效性。
解决本发明技术问题所采用的技术方案是该基于边缘计算的灾难救援调度方法，包括步骤：
步骤S1)：采集并汇总灾难救援调度请求信息，所述灾难救援调度请求信息至少包括救援设备与灾难类型、救援设备地点与灾难地点；
步骤S2)：根据救援设备与灾难类型的匹配度、救援设备地点与灾难地点时间/距离比、距离成本，对所述灾难救援调度请求信息进行优化和评价分析，得到调度分析结果；
步骤S3)：根据所述调度分析结果，推荐对符合调度条件的救援设备进行调度。
优选的是，步骤S2)包括：
步骤S21)：将所述灾难救援调度请求信息与预估调度结果或调度分析结果建立多维空间模型，并抽象为无向多权值稀疏矩阵；
步骤S22)：根据所述无向多权值稀疏矩阵，采用最大利用率估计方法对各灾难救援调度请求进行调度优化分析，得到调度分析结果；
步骤S23)：获取并汇总各所述调度分析结果；
步骤S24)：判断当前调度分析结果是否满足调度评价指标；
步骤S25)：更新所述多维空间模型及所述无向多权值稀疏矩阵，并采用最大利用率估计方法进行迭代循环，直至调度分析结果满足调度条件。
优选的是，步骤S21)中：所述多维空间模型中每一维度分别代表待处理的调度请求-调度评价联合的位置，以及，将所述调度请求-调度评价联合逐个纳入到稀疏矩阵形成所述无向多权值稀疏矩阵；
步骤S22)中：根据无向多权值稀疏矩阵，采用最大利用率估计方法对各灾难救援调度请求进行调度优化分析包括：灾难救援调度请求在输入后经过最大利用率调整因子、最大利用率估计策略、最大利用率学习因子分析后输出相应分析结果。
优选的是，步骤S22)中：最大利用率似然估计方法采用优化函数：
Figure GDA0002768200360000021
Figure GDA0002768200360000022
上述公式中，MinZ代表Z的最小值，k表示第k次迭代，其中k≤d，k＝1,2,…,d；
Figure GDA0002768200360000023
为第k次调度信息向量，包括
Figure GDA0002768200360000024
Figure GDA0002768200360000025
三方面的调度信息向量；α、β、γ分别为
Figure GDA0002768200360000026
和
Figure GDA0002768200360000027
的权值，并且：α、β、γ∈(0,1)；α+β+γ＝1；
Figure GDA0002768200360000028
为当前第k次选择距离成本，
Figure GDA0002768200360000029
为当前第k次时间/距离比，
Figure GDA00027682003600000210
为当前第k次救援设备与灾难类型的匹配度；
相应的，步骤S25)中：迭代循环的最大利用率似然估计方法采用优化函数：
Figure GDA0002768200360000031
Figure GDA0002768200360000032
Figure GDA0002768200360000033
上述公式中，k+1表示第k+1次迭代；
Figure GDA0002768200360000034
为第k+1次调度信息向量，
Figure GDA0002768200360000035
为第k+1次最大利用率调整因子，
Figure GDA0002768200360000036
为第k+1次最大利用率学习因子；LminK为第k次最小选择距离成本，CminK为第k次最小时间/距离比，WmaxK为第k次最大救援设备与灾难类型的匹配度，LminG为历史最小选择距离成本，CminG为历史最小时间/距离比，WmaxG为历史最大救援设备与灾难类型的匹配度。
优选的是，步骤S24)中：调度评价指标采用联合柯尔莫哥洛夫评价函数：
Figure GDA0002768200360000037
上述公式中：i，j，t为维度，i＝1,2,…m,j＝1,2,…n,t＝1,2,…,q；D()为方差计算。
优选的是，步骤S25)中：直至调度分析结果满足调度条件为：判断优化分析结果是否满足调度评价指标或达到最大迭代次数；
相应的，步骤S3)中：推荐对符合调度条件的救援设备进行调度为：推荐将满足调度评价指标或最大迭代次数的救援设备调度至灾难现场。
一种基于边缘计算的灾难救援调度装置，包括请求获取模块、优化评价模块和推荐调度模块，其中：
所述请求获取模块，配置为采集并汇总灾难救援调度请求信息，所述灾难救援调度请求信息至少包括救援设备与灾难类型、救援设备地点与灾难地点；
所述优化评价模块，配置为根据救援设备与灾难类型的匹配度、救援设备地点与灾难地点时间/距离比、距离成本，对所述灾难救援调度请求信息进行优化和评价分析，得到调度分析结果；
所述推荐调度模块，配置为根据所述调度分析结果，推荐对符合调度条件的救援设备进行调度。
优选的是，所述优化评价模块包括模型建立单元、调度分析单元、结果获取单元和结果评价单元，其中：
所述模型建立单元，配置为将所述灾难救援调度请求信息与预估调度结果或调度分析结果建立多维空间模型，并抽象为无向多权值稀疏矩阵；
所述调度分析单元，配置为根据所述无向多权值稀疏矩阵，采用最大利用率估计方法对各灾难救援调度请求进行调度优化分析，得到调度分析结果；以及，配置为更新所述多维空间模型及所述无向多权值稀疏矩阵，并采用最大利用率估计方法进行迭代循环，直至调度分析结果满足调度条件；
所述结果获取单元，配置为获取并汇总各所述调度分析结果；
所述结果评价单元，配置为判断当前调度分析结果是否满足调度评价指标。
优选的是，所述优化评价模块还包括判断单元，所述推荐调度模块包括推荐单元，其中：
所述判断单元，配置为判断所述调度分析结果是否满足调度评价指标或最大迭代次数；
所述推荐单元，配置为推荐将满足调度评价指标或最大迭代次数的救援设备调度至灾难现场。
一种灾难救援调度***，包括灾难救援感知层、基站边缘网络传输层、灾难救援边缘网关接入层、灾难救援边缘数据中心层和灾难救援指挥中心分析层，其中：
所述灾难救援感知层，用于救援设备的数据采集及控制；
所述基站边缘网络传输层，用于无人机基站和卫星网络的接入及信息传输；
所述灾难救援边缘网关接入层，包括至少一个灾难救援边缘网关，用于来自运营商边缘网络、卫星网络的信息接入；
所述灾难救援边缘数据中心层，包括至少一个灾难救援边缘服务器，用于对来自所述救援设备的灾难救援调度请求进行处理；
所述灾难救援指挥中心分析层，包括至少一个灾难救援分析处理器和灾难救援数据库，用于对来自灾难救援调度请求信息进行处理；
其中，所述灾难救援分析处理器包括如上述的基于边缘计算的灾难救援调度装置。
本发明的有益效果是：
该基于边缘计算的灾难救援调度方法、基于边缘计算的灾难救援调度装置和灾难救援调度***，根据复杂多变的灾难类型、时间、地点、规模、现场状况，对救援设备进行配置，提高了灾难救援调度的准确性和有效性。
附图说明
图1为本发明实施例1中基于边缘计算的灾难救援调度***的场景示意图；
图2为本发明实施例1中基于边缘计算的灾难救援调度装置的结构框图；
图3为图2中优化评价模块的具体结构框图；
图4为本发明实施例1中基于边缘计算的灾难救援调度方法的流程图；
图5为图4中步骤S2)的具体流程图；
图6为本发明实施例2中对灾难救援调度请求信息处理的示意图；
图7为本发明实施例2中对灾难救援调度请求信息优化分析处理的逻辑图；
图8为对应图5中灾难救援调度请求深度分析的执行流程图；
图9A为本发明实施例2中的多维空间模型的示意图；
图9B为根据图9A所示的多维空间模型示意图抽象得到的稀疏矩阵；
图9C为灾难救援调度请求信息中考察参数与多维空间模型和稀疏矩阵的关系示意图；
图10为本发明实施例2中的深度分析原理图；
图11为本发明实施例2中的存储模型图；
附图标识中：
1-灾难救援感知层；11-灾难监控传感器；12-灾难救援便携边缘终端；13-灾难救援通信保障车；14-灾难救援现场指挥车；15-灾难救援***；
2-基站边缘网络传输层；21-无人机基站；22-通信卫星；
3-灾难救援边缘网关接入层；31-灾难救援边缘网关；
4-灾难救援边缘数据中心层；41-灾难救援边缘服务器；
5-灾难救援指挥中心分析层；51-灾难救援分析处理器；52-灾难救援数据库；511-请求获取模块；512-优化评价模块；513-推荐调度模块；5121-模型建立单元；5122-调度分析单元；5123-结果获取单元；5124-结果评价单元。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明基于边缘计算的灾难救援调度方法、基于边缘计算的灾难救援调度装置和灾难救援调度***作进一步详细描述。
本发明的技术构思在于：互联网的发展为物联网的应用提供了良好的基础，随着物联网迅猛发展，为人民生活的方方面面提供了极大的便利，发明人因此产生采用物联网来提供灾难救援调度的应用的想法。然而，在互联网数据处理方面，边缘终端设备的数量迅速增加，同时边缘终端设备所产生数据量已达到泽字节(ZB)级别。集中式数据处理不能有效处理边缘终端设备所产生的海量数据，边缘计算已被业界普遍认定为下一代数字化转型的主要趋势之一。这种情况下，面对日益迫切的边缘计算及灾难救援发展需求，基于边缘计算的灾难救援调度机制的迅速持续发展具有重要意义。
伴随着边缘计算及灾难救援业务的快速增长，必然要考虑伴之产生的救援设备与灾难类型的匹配度、时间/距离比、距离成本等问题。
实施例1：
本实施例针对上述问题提供一种基于边缘计算的灾难救援调度方法、基于边缘计算的灾难救援调度装置和灾难救援调度***，将各救援设备纳入边缘设备，充分考虑救援设备与灾难类型的匹配度、时间/距离比和距离成本，对基于边缘计算的灾难救援调度机制进行分析和优化，实现根据灾难救援请求的计算服务发现及选择，使得该应用***具有低救援设备与灾难类型的匹配度、高时间/距离比、低距离成本的优势。
如图1所示，本发明基于边缘计算的灾难救援调度的灾难救援调度***的场景图，包括如下五个层面：
1)灾难救援感知层1，包含：灾难监控传感器11、灾难救援便携边缘终端12、灾难救援通信保障车13、灾难救援现场指挥车14、灾难救援***15等救援设备，用于救援设备的数据采集及控制。
灾难救援感知层1的上述救援设备可以分布在多个地方，隶属于不同的单位或者个人，在经过优化调度后即可通知救援设备赶去灾难现场进行救援。在出现灾难时，救援设备以数据传输的方式自动发出或者人为操纵发出灾难救援调度请求消息，从而实现根据灾难发现及选择与之匹配的救援设备。
其中，灾难监控传感器11可以实现摄像、声音、温度、湿度、等环境指标的感知与回传，应用于灾难现场可以不需要人的伴随；
灾难救援便携边缘终端12一般用于灾难环境中的求救、通信、数据传送等功能，一般应用于灾难现场随人走。
灾难救援通信保障车13与基站边缘网络传输层2通信，用于接收发送无人机基站或通信卫星22的信号，协助实现灾难现场的通信网络组建，应用于灾难现场可以不需要人的伴随。
灾难救援现场指挥车14用于指挥现场救援，汇总分析灾难现场数据，做出下一步救灾指令，调配物资等，应用于灾难现场随人走。
灾难救援***15即是采用北斗***或者GPS***而实现灾难监控传感器11、灾难救援便携边缘终端12、灾难救援通信保障车13、灾难救援现场指挥车14等救援设备的定位，应用于灾难现场随人走。
2)基站边缘网络传输层2，包含：无人机基站21、通信卫星22，用于无人机基站21和卫星网络的接入及信息传输。
其中，无人机基站21用于架设临时低空4G通信网络，优点是成本低，缺点是效果可能会不尽如人意。
通信卫星22为永久性，且位于高空，缺点是成本高，优点是效果好。无人机基站21和通信卫星22互为补充既满足量的要求又能满足质的要求。
3)灾难救援边缘网关接入层3，由若干灾难救援边缘网关31组成，用于来自运营商边缘网络、卫星网络的信息接入。
4)灾难救援边缘数据中心层4，由若干灾难救援边缘服务器41组成，用于对来自救援设备的灾难救援调度请求进行处理。
5)灾难救援指挥中心分析层5，由若干灾难救援分析处理器51和灾难救援数据库52组成，用于对来自灾难救援调度请求信息进行处理。
其中，灾难救援指挥中心分析层5中的灾难救援分析处理器51包括为基于边缘计算的灾难救援调度装置，用于处理除迁移到灾难救援边缘服务器41外的剩余部分灾难救援感知服务的核心处理。其首先采集和汇总上报的请求信息，然后进行优化计算，从而进行灾难救援。
如图2所示，基于边缘计算的灾难救援调度装置包括请求获取模块511、优化评价模块512和推荐调度模块513，其中：
请求获取模块511，配置为采集并汇总灾难救援调度请求信息，灾难救援调度请求信息至少包括救援设备与灾难类型、救援设备地点与灾难地点；
优化评价模块512，配置为根据救援设备与灾难类型的匹配度、救援设备地点与灾难地点时间/距离比、距离成本，对灾难救援调度请求信息进行优化和评价分析，得到调度分析结果；
推荐调度模块513，配置为根据调度分析结果，推荐对符合调度条件的救援设备进行调度。
做进一步细化，如图3所示，优化评价模块512包括模型建立单元5121、调度分析单元5122、结果获取单元5123和结果评价单元5124，其中：
模型建立单元5121，配置为将灾难救援调度请求信息与预估调度结果或调度分析结果建立多维空间模型，并抽象为无向多权值稀疏矩阵；
调度分析单元5122，配置为根据无向多权值稀疏矩阵，采用最大利用率估计方法对各灾难救援调度请求进行调度优化分析，得到调度分析结果；以及，配置为更新多维空间模型及无向多权值稀疏矩阵，并采用最大利用率估计方法进行迭代循环，直至调度分析结果满足调度条件；
结果获取单元5123，配置为获取并汇总各调度分析结果；
结果评价单元5124，配置为判断当前调度分析结果是否满足调度评价指标。
其中，优化评价模块512还包括判断单元，推荐调度模块513包括推荐单元，其中：
判断单元，配置为判断调度分析结果是否满足调度评价指标或最大迭代次数；
推荐单元，配置为推荐将满足调度评价指标或最大迭代次数的救援设备调度至灾难现场。
相应的，如图4所示，一种基于边缘计算的灾难救援调度方法，包括步骤：
步骤S1)：采集并汇总灾难救援调度请求信息，灾难救援调度请求信息至少包括救援设备与灾难类型、救援设备地点与灾难地点。
步骤S2)：根据救援设备与灾难类型的匹配度、救援设备地点与灾难地点时间/距离比、距离成本，对灾难救援调度请求信息进行优化和评价分析，得到调度分析结果；
优选的是，如图5所示，步骤S2)具体包括：
步骤S21)：将灾难救援调度请求信息与预估调度结果或调度分析结果建立多维空间模型，并抽象为无向多权值稀疏矩阵。
在该步骤中，多维空间模型中每一维度分别代表待处理的调度请求-调度评价联合的位置，以及，将调度请求-调度评价联合逐个纳入到稀疏矩阵形成无向多权值稀疏矩阵。
步骤S22)：根据无向多权值稀疏矩阵，采用最大利用率估计方法对各灾难救援调度请求进行调度优化分析，得到调度分析结果。
在该步骤中，根据无向多权值稀疏矩阵，采用最大利用率估计方法对各灾难救援调度请求进行调度优化分析包括：灾难救援调度请求在输入后经过最大利用率调整因子、最大利用率估计策略、最大利用率学习因子分析后输出相应分析结果。其中：最大利用率似然估计方法采用优化函数：
Figure GDA0002768200360000091
Figure GDA0002768200360000092
上述公式中，MinZ代表Z的最小值，k表示第k次迭代，其中k≤d，k＝1,2,…,d；
Figure GDA0002768200360000093
为第k次调度信息向量，包括
Figure GDA0002768200360000094
Figure GDA0002768200360000095
三方面的调度信息向量；α、β、γ分别为
Figure GDA0002768200360000096
和
Figure GDA0002768200360000097
的权值，并且：α、β、γ∈(0,1)；α+β+γ＝1；
Figure GDA0002768200360000098
为当前第k次选择距离成本，
Figure GDA0002768200360000099
为当前第k次时间/距离比，
Figure GDA00027682003600000910
为当前第k次救援设备与灾难类型的匹配度。
步骤S23)：获取并汇总各调度分析结果。
在该步骤中，将当次调度分析结果纳入多维空间模型中。
步骤S24)：判断当前调度分析结果是否满足调度评价指标。
在该步骤中，调度评价指标采用联合柯尔莫哥洛夫评价函数：
Figure GDA00027682003600000911
上述公式中：i，j，t为维度，i＝1,2,…m,j＝1,2,…n,t＝1,2,…,q；D()为方差计算。
步骤S25)：更新多维空间模型及无向多权值稀疏矩阵，并采用最大利用率估计方法进行迭代循环，直至调度分析结果满足调度条件。
在该步骤中，迭代循环的最大利用率似然估计方法采用优化函数：
Figure GDA00027682003600000912
Figure GDA00027682003600000913
Figure GDA0002768200360000101
上述公式中，k+1表示第k+1次迭代；
Figure GDA0002768200360000102
为第k+1次调度信息向量，
Figure GDA0002768200360000103
为第k+1次最大利用率调整因子，
Figure GDA0002768200360000104
为第k+1次最大利用率学习因子；LminK为第k次最小选择距离成本，CminK为第k次最小时间/距离比，WmaxK为第k次最大救援设备与灾难类型的匹配度，LminG为历史最小选择距离成本，CminG为历史最小时间/距离比，WmaxG为历史最大救援设备与灾难类型的匹配度。
在该步骤中，直至调度分析结果满足调度条件为：判断优化分析结果是否满足调度评价指标或达到最大迭代次数
步骤S3)：根据调度分析结果，推荐对符合调度条件的救援设备进行调度。
在该步骤中，推荐对符合调度条件的救援设备进行调度为：推荐将满足调度评价指标或最大迭代次数的救援设备调度至灾难现场。
本实施例的基于边缘计算的灾难救援调度方法、基于边缘计算的灾难救援调度装置和灾难救援调度***，根据复杂多变的灾难类型、时间、地点、规模、现场状况，对救援设备进行配置，提高了灾难救援调度的准确性和有效性。
实施例2：
相对实施例1，结合基于边缘计算的灾难救援调度方法、基于边缘计算的灾难救援调度装置，本实施例将对灾难救援调度***的工作做详细说明。
基于图1，该基于边缘计算的灾难救援调度流程具体如下，其中的标号①、②、③、④、⑤、⑥、⑦、⑧、I、II、III、IV、V分别表示处理的步骤流程：
①灾难救援感知层1的灾难监控传感器11、灾难救援便携边缘终端12、灾难救援通信保障车13、灾难救援现场指挥车14、灾难救援***15等救援设备发送灾难救援调度请求到基站边缘网络传输层2；
②基站边缘网络传输层2的无人机基站21、通信卫星22(卫星网络)直接或间接通过因特网接入灾难救援边缘网关接入层3的灾难救援边缘网关31，并传送灾难救援调度请求；
③灾难救援边缘网关31接入到灾难救援边缘数据中心层4的灾难救援边缘服务器41，并根据传送的灾难救援调度请求获取相应部分灾难救援发现及选择服务；
④&⑤&⑥灾难救援调度请求的相应部分灾难救援发现及选择服务通过运营商边缘网络、卫星网络、无人机基站21、救援设备提供给用户；
⑦由灾难救援边缘数据中心层4的灾难救援边缘服务器41接入到灾难救援指挥中心分析层5，并传送原灾难救援调度请求中剩余的灾难救援发现及选择服务；
⑧灾难救援指挥中心分析层5中的灾难救援分析处理器51分析原灾难救援调度请求中剩余的灾难救援发现及选择服务，并从灾难救援数据库52中提取剩余灾难救援发现及选择服务所需灾难救援感知数据；
I灾难救援分析处理器51将所需原灾难救援调度请求中剩余的灾难救援发现及选择服务结果和灾难救援感知数据返回给灾难救援边缘服务器41；
II&III&IV&V灾难救援边缘数据中心层4的灾难救援边缘服务器41将所需原灾难救援调度请求中剩余的灾难救援发现及选择服务结果和所需灾难救援感知数据通过灾难救援边缘网关31、运营商边缘网络，并经由无人机基站21、卫星网络返回给灾难监控传感器11、灾难救援便携边缘终端12、灾难救援通信保障车13、灾难救援现场指挥车14、灾难救援***15等救援设备用户。
灾难救援指挥中心分析层5对灾难救援调度请求信息的处理示意图如图6所示。其中的灾难救援分析处理器51对多个灾难救援调度请求进行分析处理，并将分析处理后的调度分析结果信息转发给相应的设备。该灾难救援调度模型有m个灾难救援调度请求，各灾难救援调度请求独立互不干扰。根据请求接收到的时间以及灾难的严重程度，各灾难救援调度请求具有不同优先等级。例如，当救援调度请求被延迟时，优先级提高；灾难的严重程度时，优先级提高。
从另一角度，基于多个灾难救援调度请求信息的采集汇总，灾难救援调度请求信息优化分析的逻辑结构如图7所示。该逻辑结构包含三个部分：
灾难救援调度请求或调度分析结果接收。其中，各灾难救援调度请求信息主要包含：选择距离成本L、时间/距离比C、救援设备与灾难类型的匹配度W；
以多维空间、无向多权值稀疏矩阵，以最大利用率估计方法分析灾难救援调度请求；
调度分析结果输出。
通过分析灾难救援调度请求，实现了针对各灾难救援调度请求的选择距离成本L、时间/距离比C、救援设备与灾难类型的匹配度W的分析处理，多维空间无向多权值稀疏矩阵最大利用率估计方法实现并给出分析结果。通过距离成本L和时间/距离比C，充分考虑了本地救援设备地点与灾难地点的距离和在途时间，从而能更好的保证时效性。
这里的对各灾难救援调度请求信息进行判断和分析优选深度分析思想，结合灾难救援调度请求多维空间，建立无向多权值稀疏矩阵，并估计最大利用率策略，从而实现低救援设备与灾难类型的匹配度、高时间/距离比、低距离成本的优势。
本实施例基于边缘计算的灾难救援调度方法，采用了深度分析法，采用实时主动兼被动收集灾难救援调度请求信息并实时分析，明显优化各灾难救援调度请求结果的选择距离成本L、时间/距离比C、救援设备与灾难类型的匹配度W等方面指标。深度分析法主要由灾难救援分析处理器51实现。
以下将根据图5中包括深度分析执行的灾难救援调度优化流程图，结合图8中灾难救援调度优化方法的细化流程图进行具体的分步骤的说明，如下：
1)各灾难救援调度请求信息采集并汇总，即每隔预置时间主动上报和定期被询问机制获取各灾难救援调度请求，并将这些信息进行汇总。然后，将灾难救援调度请求信息与预估调度结果或调度分析结果建立多维空间模型，并抽象为无向多权值稀疏矩阵。如图9A所示为多维空间模型示意图，图9B为根据多维空间模型示意图抽象得到的无向多权值稀疏矩阵。图9A中示出了1,2，…h多维空间中，每一维度分别代表待处理的调度请求-调度评价联合的位置。图9B中为含存储的稀疏矩阵，其中的各数据无向且可设多权值，因此成为无向多权值稀疏矩阵，稀疏矩阵在存储时更省空间，降低存储及提取时间，可以采用链式存储。稀疏矩阵中的每个节点代表一个灾难救援边缘服务器41，其中的“1”代表存在元素，“0”代表该元素不存在。
灾难救援调度请求信息中考察参数为救援设备与灾难类型的匹配度、救援设备地点与灾难地点时间/距离比、距离成本，如图9C所示，利用灾难救援边缘服务器41的间隔性心跳感知信号发送(救援设备接收灾难救援边缘服务器41的心跳感知信号，并预估出初始距离成本、时间/距离比、救援设备与灾难类型匹配度)，将灾难救援边缘服务器41逐个纳入到多维空间模型和稀疏矩阵中。
2)设置迭代初始参数。设置迭代最大代数d为50，以及当前迭代次数为0。
3)当前迭代次数加1，也即k+1,k≤d。
4)以多维空间无向多权值稀疏矩阵最大利用率估计方法分析灾难救援调度请求。图10示出了最大利用率策略的原理，1,2，…w多个深度分析方案根据多维空间无向多权值稀疏矩阵最大利用率估计方法方式向最优优化方案确定的方向迁移，也即实线圆球所在位置。
如图10所示，每次迭代中的多维空间无向多权值稀疏矩阵最大利用率估计方法学习分析思想为：多个深度方案根据无向多权值稀疏矩阵估计最大利用率策略方式向最优优化方案确定的方向迁移(也即上图中实线圆球所在位置)，灾难救援调度请求在输入后经过调整因子、最大利用率估计策略、学习因子分析后输出相应分析结果。
其中，最大利用率似然估计优化函数：
Figure GDA0002768200360000131
Figure GDA0002768200360000132
式(1-1)中，MinZ代表Z的最小值，
Figure GDA0002768200360000133
为第k次调度信息向量，包括
Figure GDA0002768200360000134
三方面的调度信息向量；α、β、γ分别为
Figure GDA0002768200360000135
Figure GDA0002768200360000136
和
Figure GDA0002768200360000137
的权值，并且：α、β、γ∈(0,1)；α+β+γ＝1；
式(1-1)至式(1-2)中的k表示第k次迭代，其中k≤d，k＝1,2,…,d；
Figure GDA0002768200360000138
为当前第k次选择距离成本，
Figure GDA0002768200360000139
为当前第k次时间/距离比，
Figure GDA00027682003600001310
为当前第k次救援设备与灾难类型的匹配度。
5)各灾难救援调度请求各初始调度分析结果获取汇总，结果即为Z的最小值。
6)判断满足深度分析评价条件。
深度分析模型可表示为如图11所示的存储模型，一个存储模型对映图9A中多维模型图中的一个点(小圆球)。当灾难救援调度请求到达深度分析模型后，各请求被分析成相应的深度分析结果。若到来的灾难救援调度请求被延迟则被赋予当前较高分析调度优先权。
根据多维空间、无向多权值稀疏矩阵、似然估计、最大利用率策略、概率论、生物学、运筹学、智能优化、机器学习等理论的深度优化分析评价条件即评价函数(见式1-3)进行判断，当不满足深度分析评价条件时应继续进行迭代。
优选的是，这里采用联合柯尔莫哥洛夫评价函数：
Figure GDA0002768200360000141
其中：i，j，t为维度，i＝1,2,…m,j＝1,2,…n,t＝1,2,…,q；D()为方差计算。
若满足深度分析评价条件，则结束流程；若不满足深度分析评价条件，则继续后续的流程。
7)当前迭代次数加1。当前迭代次数增加1次即k+1,k≤d，k+1表示第k+1次迭代。
Figure GDA0002768200360000142
Figure GDA0002768200360000143
Figure GDA0002768200360000144
其中：式(1-4)至式(1-6)中的k+1表示第k+1次迭代，其中k必须满足k≤d条件，需满足k＝1,2,…,d的条件。
式(1-4)至式(1-6)中：
Figure GDA0002768200360000145
为第k+1次调度信息向量，
Figure GDA0002768200360000146
为第k+1次最大利用率调整因子，
Figure GDA0002768200360000147
为第k+1次最大利用率学习因子；LminK为第k次最小选择距离成本，CminK为第k次最小时间/距离比，WmaxK为第k次最大救援设备与灾难类型的匹配度，LminG为历史最小选择距离成本，CminG为历史最小时间/距离比，WmaxG为历史最大救援设备与灾难类型的匹配度。上述历史最小值、历史最大值能有效帮助跳出局部最优的情况，与历史值比较有助于跳出与局部(第k次迭代)最优的情况。
8)以多维空间无向多权值稀疏矩阵最大利用率估计方法分析灾难救援调度请求。
9)各灾难救援调度请求结果获取汇总。每隔预置时间主动上报和定期被询问机制获取各灾难救援调度请求，并将这些信息进行汇总。
10)满足当前迭代次数大于最大迭代次数。根据当前迭代次数大于最大迭代次数评价条件进行判断，当不满足时跳转到6)继续进行迭代，满足时结束流程。
本发明中基于边缘计算的灾难救援调度机制，结合多维空间无向多权值稀疏矩阵最大利用率估计策略学习分析思想，基于多维空间、无向多权值稀疏矩阵、似然估计、最大利用率策略、概率论、生物学、运筹学、智能优化、机器学习等理论优势的深度分析得到结果；并且，结合特有的基于边缘计算的灾难救援调度的特有流程，将灾难救援调度请求实时以基于边缘计算的灾难救援调度算法进行动态深度分析，当评价函数不被满足时，即触动基于边缘计算的灾难救援调度算法，以多维空间无向多权值稀疏矩阵最大利用率估计策略学习进行优化，使得此算法更易跳出局部最优，实现低距离成本、高救援设备与灾难类型的匹配度、低时间/距离比的优势。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (7)

1.一种灾难救援调度方法，其特征在于，包括步骤：
步骤S1)：采集并汇总灾难救援调度请求信息，所述灾难救援调度请求信息至少包括救援设备与灾难类型、救援设备地点与灾难地点；
步骤S2)：根据救援设备与灾难类型的匹配度、救援设备地点与灾难地点时间/距离比、距离成本，对所述灾难救援调度请求信息进行优化和评价分析，得到调度分析结果；
步骤S3)：根据所述调度分析结果，推荐对符合调度条件的救援设备进行调度；
步骤S2)包括：
步骤S21)：根据所述灾难救援调度请求信息与预估调度结果建立多维空间模型，并抽象为无向多权值稀疏矩阵；
步骤S22)：根据所述无向多权值稀疏矩阵，采用最大利用率似然估计方法对各灾难救援调度请求进行调度优化分析，得到调度分析结果；
步骤S23)：获取并汇总各所述调度分析结果；
步骤S24)：判断当前调度分析结果是否满足调度评价指标；
步骤S25)：更新所述多维空间模型及所述无向多权值稀疏矩阵，并采用最大利用率似然估计方法进行迭代循环，直至调度分析结果满足调度条件；
步骤S21)中：所述多维空间模型中每一维度分别代表待处理的调度请求-调度评价联合的位置，以及，将所述调度请求-调度评价联合逐个纳入到稀疏矩阵形成所述无向多权值稀疏矩阵；
步骤S22)中：根据无向多权值稀疏矩阵，采用最大利用率似然估计方法对各灾难救援调度请求进行调度优化分析包括：灾难救援调度请求在输入后经过最大利用率调整因子、最大利用率估计策略、最大利用率学习因子分析后输出相应分析结果。
2.根据权利要求1所述的灾难救援调度方法，其特征在于，步骤S22)中：最大利用率似然估计方法采用优化函数：
Figure FDA0002734167370000011
Figure FDA0002734167370000012
上述公式中，MinZ代表Z的最小值，k表示第k次迭代，其中k≤d，k＝1,2,…,d；
Figure FDA0002734167370000021
为第k次调度信息向量，包括
Figure FDA0002734167370000022
Figure FDA0002734167370000023
三方面的调度信息向量；α、β、γ分别为
Figure FDA0002734167370000024
和
Figure FDA0002734167370000025
的权值，并且：α、β、γ∈(0,1)；α+β+γ＝1；
Figure FDA0002734167370000026
为当前第k次选择距离成本，
Figure FDA0002734167370000027
为当前第k次时间/距离比，
Figure FDA0002734167370000028
为当前第k次救援设备与灾难类型的匹配度；
相应的，步骤S25)中：迭代循环的最大利用率似然估计方法采用优化函数：
Figure FDA0002734167370000029
Figure FDA00027341673700000210
Figure FDA00027341673700000211
上述公式中，k+1表示第k+1次迭代；
Figure FDA00027341673700000212
为第k+1次调度信息向量，
Figure FDA00027341673700000213
为第k+1次最大利用率调整因子，
Figure FDA00027341673700000214
为第k+1次最大利用率学习因子；LminK为第k次最小选择距离成本，CminK为第k次最小时间/距离比，WmaxK为第k次最大救援设备与灾难类型的匹配度，LminG为历史最小选择距离成本，CminG为历史最小时间/距离比，WmaxG为历史最大救援设备与灾难类型的匹配度；i，j，t为维度，i＝1,2,…m,j＝1,2,…n,t＝1,2,…,q。
3.根据权利要求2所述的灾难救援调度方法，其特征在于，步骤S24)中：调度评价指标采用联合柯尔莫哥洛夫评价函数：
Figure FDA00027341673700000215
i，j，t为维度，i＝1,2,…m,j＝1,2,…n,t＝1,2,…,q；D()为方差计算。
4.根据权利要求1所述的灾难救援调度方法，其特征在于，
步骤S25)中：直至调度分析结果满足调度条件为：判断优化分析结果是否满足调度评价指标或达到最大迭代次数；
相应的，步骤S3)中：推荐对符合调度条件的救援设备进行调度为：推荐将满足调度评价指标或最大迭代次数的救援设备调度至灾难现场。
5.一种灾难救援调度装置，其特征在于，包括请求获取模块、优化评价模块和推荐调度模块，其中：
所述请求获取模块，配置为采集并汇总灾难救援调度请求信息，所述灾难救援调度请求信息至少包括救援设备与灾难类型、救援设备地点与灾难地点；
所述优化评价模块，配置为根据救援设备与灾难类型的匹配度、救援设备地点与灾难地点时间/距离比、距离成本，对所述灾难救援调度请求信息进行优化和评价分析，得到调度分析结果；
所述推荐调度模块，配置为根据所述调度分析结果，推荐对符合调度条件的救援设备进行调度；
所述优化评价模块包括模型建立单元、调度分析单元、结果获取单元和结果评价单元，其中：
所述模型建立单元，配置为根据所述灾难救援调度请求信息与预估调度结果建立多维空间模型，并抽象为无向多权值稀疏矩阵；所述多维空间模型中每一维度分别代表待处理的调度请求-调度评价联合的位置，以及，将所述调度请求-调度评价联合逐个纳入到稀疏矩阵形成所述无向多权值稀疏矩阵；
所述调度分析单元，配置为根据所述无向多权值稀疏矩阵，采用最大利用率似然估计方法对各灾难救援调度请求进行调度优化分析，得到调度分析结果；以及，配置为更新所述多维空间模型及所述无向多权值稀疏矩阵，并采用最大利用率似然估计方法进行迭代循环，直至调度分析结果满足调度条件；根据无向多权值稀疏矩阵，采用最大利用率似然估计方法对各灾难救援调度请求进行调度优化分析包括：灾难救援调度请求在输入后经过最大利用率调整因子、最大利用率估计策略、最大利用率学习因子分析后输出相应分析结果；
所述结果获取单元，配置为获取并汇总各所述调度分析结果；
所述结果评价单元，配置为判断当前调度分析结果是否满足调度评价指标。
6.根据权利要求5所述的灾难救援调度装置，其特征在于，所述优化评价模块还包括判断单元，所述推荐调度模块包括推荐单元，其中：
所述判断单元，配置为判断所述调度分析结果是否满足调度评价指标或最大迭代次数；
所述推荐单元，配置为推荐将满足调度评价指标或最大迭代次数的救援设备调度至灾难现场。
7.一种灾难救援调度***，其特征在于，包括灾难救援感知层、基站边缘网络传输层、灾难救援边缘网关接入层、灾难救援边缘数据中心层和灾难救援指挥中心分析层，其中：
所述灾难救援感知层，用于救援设备的数据采集及控制；
所述基站边缘网络传输层，用于无人机基站和卫星网络的接入及信息传输；
所述灾难救援边缘网关接入层，包括至少一个灾难救援边缘网关，用于来自运营商边缘网络、卫星网络的信息接入；
所述灾难救援边缘数据中心层，包括至少一个灾难救援边缘服务器，用于对来自所述救援设备的灾难救援调度请求进行处理；
所述灾难救援指挥中心分析层，包括至少一个灾难救援分析处理器和灾难救援数据库，用于对来自灾难救援调度请求信息进行处理；
其中，所述灾难救援分析处理器包括如权利要求5-6任一项所述的灾难救援调度装置。
CN201811003618.8A 2018-08-30 2018-08-30 基于边缘计算的灾难救援调度方法、装置和*** Active CN109190821B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811003618.8A CN109190821B (zh) 2018-08-30 2018-08-30 基于边缘计算的灾难救援调度方法、装置和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811003618.8A CN109190821B (zh) 2018-08-30 2018-08-30 基于边缘计算的灾难救援调度方法、装置和***

Publications (2)

Publication Number Publication Date
CN109190821A CN109190821A (zh) 2019-01-11
CN109190821B true CN109190821B (zh) 2021-02-02

Family

ID=64917471

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811003618.8A Active CN109190821B (zh) 2018-08-30 2018-08-30 基于边缘计算的灾难救援调度方法、装置和***

Country Status (1)

Country Link
CN (1) CN109190821B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109918201B (zh) * 2019-03-05 2021-05-11 中国联合网络通信集团有限公司 任务卸载的控制方法和***
CN109862112B (zh) * 2019-03-11 2021-10-26 上海救要救信息科技有限公司 一种救援方法与设备
CN109769204B (zh) * 2019-03-15 2022-04-26 上海救要救信息科技有限公司 一种用于向救援者提供救援信息的方法与设备
CN110443399B (zh) * 2019-04-29 2023-04-07 麦特汽车服务股份有限公司 一种车辆事故航空救援智能调度方法
CN110097226A (zh) * 2019-05-06 2019-08-06 航天科工网络信息发展有限公司 一种资源调度方法、***、电子设备及可读存储介质
CN110135641B (zh) * 2019-05-16 2021-07-13 中国联合网络通信集团有限公司 行驶方案优化方法、装置、智能驾驶优化***
CN114091706A (zh) * 2021-11-29 2022-02-25 北京比福特科技发展有限公司 一种海上风电场的运维控制方法
CN117371750B (zh) * 2023-11-06 2024-05-17 南京工程学院 一种计及人车特征匹配的多目标电网故障应急救援方法
CN117808212B (zh) * 2024-02-29 2024-05-24 山东金宇信息科技集团有限公司 一种用于应急无人装备的自动应急处理方法、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880802A (zh) * 2012-09-25 2013-01-16 浙江图讯科技有限公司 一种用于面向工矿企业安全生产云服务平台***的重大危险源的分析评价方法
CN107370802A (zh) * 2017-07-10 2017-11-21 中国人民解放军国防科学技术大学 一种基于交替方向乘子法的协同存储调度方法
CN107808213A (zh) * 2017-10-19 2018-03-16 中国人民解放军国防科技大学 一种动态调整的应急运输调度计划生成方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880802A (zh) * 2012-09-25 2013-01-16 浙江图讯科技有限公司 一种用于面向工矿企业安全生产云服务平台***的重大危险源的分析评价方法
CN107370802A (zh) * 2017-07-10 2017-11-21 中国人民解放军国防科学技术大学 一种基于交替方向乘子法的协同存储调度方法
CN107808213A (zh) * 2017-10-19 2018-03-16 中国人民解放军国防科技大学 一种动态调整的应急运输调度计划生成方法

Also Published As

Publication number Publication date
CN109190821A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN109190821B (zh) 基于边缘计算的灾难救援调度方法、装置和***
Xu et al. Intelligent offloading for collaborative smart city services in edge computing
EP3644581B1 (en) Edge-cloud collaboration system for analyzing internet of things data and operating method thereof
Dong et al. Age-upon-decisions minimizing scheduling in Internet of Things: To be random or to be deterministic?
CN110781415B (zh) 一种兴趣点推荐方法、装置、设备及介质
Zhu et al. Multi-UAV rapid-assessment task-assignment problem in a post-earthquake scenario
JP6276106B2 (ja) 意思決定支援システムおよび意思決定支援方法
CN113038386A (zh) 基于学习模型的设备定位
JP2016503256A (ja) 移動端末を用いたビデオ監視システム
CN111294730B (zh) 一种网络问题投诉信息处理的方法及装置
CN109831524A (zh) 一种负载均衡处理方法及装置
Chen et al. Self-aware autonomous city: From sensing to planning
CN114500428B (zh) 导航分享方法及装置、电子设备、存储介质
US9942698B2 (en) Harvesting communication parameter observations in GNSS-denied environments
CN116385207A (zh) 面向海上风电监测的物联网信任度分析方法及相关装置
EP3948673A1 (en) Intermediate network node and method performed therein for handling data of communication networks
CN110913172B (zh) 一种视频分析设备的管理方法及装置
Al Nuaimi et al. Web-based wireless sensor networks: a survey of architectures and applications
Razzaq et al. Smart campus system using internet of things: simulation and assessment of vertical scalability
CN113273555A (zh) 一种人工智能虫情预测***及预测方法
CN116227929B (zh) 通信数据的分析方法、装置、设备及存储介质
US20210021690A1 (en) Method and apparatus for generating information
Bertino et al. Adaptive and cost-effective collection of high-quality data for critical infrastructure and emergency management in smart cities—Framework and challenges
CN107306419A (zh) 一种端到端质量评估方法和装置
CN115830700A (zh) 应用于无线感知场景的联邦学***台及训练方法

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