CN109495558A - 应用于城市轨道交通***的车地多网融合无线通信方法 - Google Patents

应用于城市轨道交通***的车地多网融合无线通信方法 Download PDF

Info

Publication number
CN109495558A
CN109495558A CN201811313633.2A CN201811313633A CN109495558A CN 109495558 A CN109495558 A CN 109495558A CN 201811313633 A CN201811313633 A CN 201811313633A CN 109495558 A CN109495558 A CN 109495558A
Authority
CN
China
Prior art keywords
network
lte
quality parameter
wifi
radio
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.)
Pending
Application number
CN201811313633.2A
Other languages
English (en)
Inventor
白轩
付嵩
廖志斌
尹逊政
孙旺
黄苏苏
郑伟
许硕
徐伟
杜振文
高静
陈为华
史宁娟
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 Academy of Railway Sciences Corp Ltd CARS
Signal and Communication Research Institute of CARS
Beijing Ruichi Guotie Intelligent Transport Systems Engineering Technology Co Ltd
Beijing Huatie Information Technology Development Corp
Original Assignee
China Academy of Railway Sciences Corp Ltd CARS
Signal and Communication Research Institute of CARS
Beijing Ruichi Guotie Intelligent Transport Systems Engineering Technology Co Ltd
Beijing Huatie Information Technology Development Corp
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 Academy of Railway Sciences Corp Ltd CARS, Signal and Communication Research Institute of CARS, Beijing Ruichi Guotie Intelligent Transport Systems Engineering Technology Co Ltd, Beijing Huatie Information Technology Development Corp filed Critical China Academy of Railway Sciences Corp Ltd CARS
Priority to CN201811313633.2A priority Critical patent/CN109495558A/zh
Publication of CN109495558A publication Critical patent/CN109495558A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种应用于城市轨道交通***的车地多网融合无线通信方法，包括：利用LTE‑M网络和WIFI网络的无线信号质量参数以及无线链路质量参数构建训练样本集；利用训练样本集结合贝叶斯分类算法，训练得到贝叶斯分类模型；实时采集LTE‑M网络和WiFi网络的无线信号质量参数以及无线链路质量参数，并利用贝叶斯分类模型进行分类，最终根据分类的结果选择对应的无线网络传输数据；之后，周期性判断最优网络与当前使用的无线网络是否相同，如果不相同则启动切换流程，如果相同则进行下一个周期的判断。该方法可以提高城市轨道交通车地无线通信质量，且能够在当前无线网络出现故障时使用另一网络来保持车地无线数据的传输，具备一定的可行性和有效性。

Description

应用于城市轨道交通***的车地多网融合无线通信方法
技术领域
本发明涉及铁路通信技术领域，尤其涉及一种应用于城市轨道交通***的车地多网融合无线通信方法。
背景技术
高质量的车地无线通信传输是城市轨道交通***正常运营的最基本条件之一。保障和提升车地无线通信质量是一个重要的研究课题。
影响车地无线通信质量的因素主要有无线链路基础设施的安装误差、其他制式信号的邻频干扰、环境引起的同频干扰和设备故障引起边缘速率降低等，其中无线干扰问题更加突出。
当前城市轨道交通***中车地无线通信通常采用LTE-M或者WIFI技术制式，但无论采用何种制式，由于无线空口环境的特殊性，无线干扰潜在风险较大。尤其是民用无线通信涵盖三大运营商、三代通信产品和多种通信制式的网络。1.8GHz LTE-M网络存在着运营商的邻频干扰风险，2.4GHz/5.8GHz WIFI网络由于采用公共频段存在着同频干扰风险。由于无线通信质量的降低，严重时有可能造成车地无线通信中断，从而影响运营效率。
目前，对于提高车地无线通信质量的方式主要有：
1、调整天线的极化方向、方向角，采用波导管，增加纠错编码的方式提升抗干扰性能从而提高车地无线通信质量
2、针对WLAN技术制式提出通过简化IEEE802.11功能(NRS)的方式提升车地通信的性能。
3、针对LTE-M制式提出基于短序列灰色预测模型的双设备越区切换算法消除同频干扰、多径效应以及阴影衰落对接收信号强度值的影响提高车地无线质量。
上述方案能够针对单制式车地无线网络提升通信性能，但是无法完全避免和消除无线干扰，也无法解决设备故障时的边缘速率降低等问题。
发明内容
本发明的目的是提供一种应用于城市轨道交通***的车地多网融合无线通信方法，可以提高城市轨道交通车地无线通信质量。
本发明的目的是通过以下技术方案实现的：
一种应用于城市轨道交通***的车地多网融合无线通信方法，包括：
利用从实际运行的线路中获取的LTE-M网络和WIFI网络的无线信号质量参数以及无线链路质量参数作为特征属性，并构建训练样本集；
利用构建的训练样本集并结合贝叶斯分类算法，训练得到贝叶斯分类模型；
实时采集LTE-M网络和WiFi网络的无线信号质量参数以及无线链路质量参数，并利用贝叶斯分类模型进行分类，最终根据分类的结果选择对应的无线网络传输数据；之后，周期性的利用贝叶斯分类模型进行无线网络的分类选择，并判断与当前使用的无线网络是否相同，如果不相同则启动切换流程，如果相同则进行下一个周期的判断。
由上述本发明提供的技术方案可以看出，利用线路中共存的多种车地无线网络提供多条无线通信链路，共同保障车地无线通信的稳定传输；该方法具有一定的抗干扰能力，且能够在当前无线网络出现故障时使用另一网络来保持车地无线数据的传输，该方法具备一定的可行性和有效性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
图1为本发明实施例提供的多网融合***网络架构示意图；
图2为本发明实施例提供的一种应用于城市轨道交通***的车地多网融合无线通信方法的流程图；
图3为本发明实施例提供的仿真环境示意图；
图4为本发明实施例提供的场景1的数据传输仿真结果；
图5为本发明实施例提供的场景2的数据传输仿真结果。
具体实施方式
下面结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
在城市轨道交通运营线路中通常存在LTE-M与WIFI网络，多网融合的车地无线通信将智能地使用这两种网络。本发明的组网包括列控信号设备、网络监测服务器，LTE-M/WIFI网络设备以及车载无线通信单元。***网络架构如图1所示，其中列控信号设备是列控数据的发送及接收设备，网络监测服务器配合车载无线通信单元完成LTE-M以及WIFI网络的网络状态监测，LTE-M核心网设备、LTE-M基站设备、WIFI控制器以及AP作为网络设备共同完成LTE-M网络以及WIFI网络的构建。车载无线通信单元共包括LTE通信单元、WIFI通信单元以及中心处理单元，LTE通信单元负责LTE-M网络的接入以及数据传输，WIFI通信单元负责WIFI网络的接入以及数据传输，中心处理单元完成主逻辑处理以及无线网络选择，同时与车载控制设备保持通信。
LTE-M和WIFI网络的带宽较高，传输速率较好，在无线网络状态正常的条件下都能够满足城市轨道交通信号***对于车地通信的指标要求，因此多网融合车地无线通信的原则为LTE-M与WIFI网络择优使用，无线网络的选择由车载无线通信单元根据实时监测的两种无线网络质量来完成。
本发明实施例提供一种应用于城市轨道交通***的车地多网融合无线通信方法，其基于贝叶斯分类的网络选择将LTE-M和WIFI两种网络作为类别集合，车载无线通信单元在两种网络中实时获取的无线信号质量参数以及无线链路质量参数作为特征属性，以无线网络通信质量作为研究目标，将LTE-M和WIFI网络的多种无线信号质量参数以及无线链路质量参数与无线链路数据传输质量建立联系。通过模型计算条件概率，运用多特征的贝叶斯分类预测方法，实现车地无线通信最优网络的选择；如图2所示，其主要包括：
1、利用从实际运行的线路中获取的LTE-M网络和WIFI网络的无线信号质量参数以及无线链路质量参数构建训练样本集。
本发明实施例中，从实际运行的线路中获取LTE-M网络和WIFI网络的无线信号质量参数以及无线链路质量参数；所述无线信号质量参数包括：LTE-M接收信号强度参数、WIFI接收信号强度参数、LTE信噪比、以及WIFI信噪比；无线链路质量参数包括LTE-M丢包率、WIFI丢包率、LTE-M传输时延、WIFI传输时延、LTE-M传输速率、以及WIFI传输速率；
根据预先进行的测试统计(例如在采用WIFI网络的广州地铁七号线以及采用LTE-M网络的重庆地铁十号线完成的长期测试统计)，在线路中以米为单位生成采样点集合，每个采样点提取其LTE-M网络以及WIFI网络的无线信号质量参数及无线链路质量参数，汇总成为相应采样点的特征属性集合，再通过人工审核的方式对每个采样点进行最优网络划分，完成训练样本集的构建。
2、利用构建的训练样本集并结合贝叶斯分类算法，训练得到贝叶斯分类模型。
本步骤中，利用贝叶斯分类算法计算每个类别在训练样本中的出现频率及每个特征属性划分对每个类别的条件概率，最终训练获得用于实现网络选择的贝叶斯分类模型；本步骤的输入是训练样本集，输出是贝叶斯分类模型。
具体来说，本发明的关键技术点在于无线网络的选择，将利用分类预测的思想解决此关键技术点。通过提取两种车地无线网络中多个参数构成每个网络的特征属性集合，使用贝叶斯分类模型作为分类预测模型，完成无线网络的选择。
车载无线通信单元根据与地面监测服务器之间监测信息计算出LTE-M和WIFI两种网络的传输时延，丢包率等无线链路质量参数，同时获取网络的接收信号强度，信噪比等无线信号质量参数，用两种类型的参数作为车地无线网络选择的特征属性。本发明实施例中，将最优网络选择抽象成一个二分类的问题，利用上述特征属性进行分类判断。
利用数学的语言可以把分类问题描述如下：
假设待分类项为：
x＝{a1,a2,...,am}
其中aj是特征属性，在本发明实例中为无线信号质量参数和无线链路质量参数，同时存在集合：
C＝{y1,y2,...,yn}
其中yi为类别，在本发明实例中为“LTE-M网络”和“WIFI网络”，若计算得出：
P(yi|x)＝max{P(y1|x),P(y2|x),...,P(yn|x)}
则可得出结论x∈yi，即可得出待分类项x属于类别yi。其中P(yi|x)表示待分类项x属于类别yi的条件概率(即，类别yi在训练样本中出现的概率)，P(yn|x)表示待分类项x属于类别yn的条件概率。
上述公式中P(yn|x)的计算是贝叶斯计算的关键，假设各个特征属性相对独立，则有下列推导：
其中，P(x|yi)表示已知类别yi后待分类项x的条件概率、P(x)表示待分类项x的先验概率、P(yi)表示类别yi的先验概率、P(aj|yi)表示已知类别yi后特征属性aj的条件概率(即，特征属性aj划分对类别yi的条件概率)。由于P(x)为一个常量，因此只需比较分子即可。
3、实时采集LTE-M网络和WiFi网络的无线信号质量参数以及无线链路质量参数，并利用贝叶斯分类模型进行分类，最终根据分类的结果选择对应的无线网络传输数据；之后，周期性的利用贝叶斯分类模型进行无线网络的分类选择，并判断与当前使用的无线网络是否相同，如果不相同则启动切换流程，如果相同则进行下一个周期的判断。
通过前述步骤1～2可以获得训练好的分类器，即贝叶斯分类模型，那么，在后续的实际应用中，可以通过网络监测服务器实时采集上述两种无线网络的质量参数(无线信号质量参数以及无线链路质量参数)，并输入至贝叶斯分类模型进行分类，根据分类结果确定当前最优的无线网络，通过设定可以周期性的进行相关判断，从而使得车载无线通信单元始终可以选择最优的无线网络进行数据传输。
本发明实施例上述方案，主要获得了如下有益效果：
1)可对单一制式的车地无线通信质量提升的方法进行兼容。
2)增加了车载无线通信单元对多种网络制式的支持。
3)能够智能判断无线网络的质量，完成最优网络选择。
4)提升了***应对网络故障的能力。
为了说明本发明上述方案的效果，下面结合一仿真示例来进行说明。
本发明实现了基于贝叶斯分类网络选择算法的车载无线通信单元，该设备包括LTE通信单元、WIFI通信单元和中心处理单元。在实验室搭建了仿真环境，其中网络监测服务器分别接入LTE-M和WIFI网络。将LTE-M信号和WIFI信号分别通过馈线送到信道仿真单元输入接口，输出接口通过天线发射信号。利用对信道仿真单元的控制实现LTE-M信号和WIFI信号的强度变化，同时使用干扰源制造噪声和干扰完成故障注入。车载无线通信单元完成无线网络的接入，配置监测终端与车载无线通信单元连接以监测并记录数据传输情况，根据数据传输的丢包情况和传输时延绘制测试结果图，仿真环境示意图请参见图3。
为验证方案可行性以及算法有效性，本发明在仿真环境中采用故障注入的方式，利用干扰源产生无线干扰，降低无线网络性能，模拟无线网络故障环境，根据现场实际测试数据确定场景及相关参数如下：
场景1模拟从WIFI网络切换到LTE-M网络的情况，WIFI网络使用2.4G频段的11信道，中心频点为2.462GHz，故障注入前信号强度为-65dBm，信噪比为26.2，干扰信号强度为-70dBm；其数据传输仿真结果如图4所示。
场景2模拟从LTE-M网络切换到WIFI网络的情况，LTE-M网络采用1.8GHz频段，带宽为5M，故障注入前信号强度为-76dBm，信噪比为28.1，干扰信号强度为-70dBm。其数据传输仿真结果如图5所示。
图4～图5分别展示了两种场景下的数据传输仿真结果，图中纵轴标识数据的传输时延，单位是毫秒，横轴为时间，时延突然为零的点表示该包数据丢失。图中曲线分别表示LTE-M和WIFI两种数据链路中的数据时延。通过仿真结果可以看出，一旦当前使用的无线网络出现故障时，***能够迅速切换到另一个性能优越的无线网络。仿真结果表明，本发明提出的应用于城市轨道交通***的车地多网融合无线通信方法，能够在当前无线网络出现故障时使用另一网络来保持车地无线数据的传输，该方法具备一定的可行性和有效性。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (4)

1.一种应用于城市轨道交通***的车地多网融合无线通信方法，其特征在于，包括：
利用从实际运行的线路中获取的LTE-M网络和WIFI网络的无线信号质量参数以及无线链路质量参数作为特征属性，并构建训练样本集；
利用构建的训练样本集并结合贝叶斯分类算法，训练得到贝叶斯分类模型；
实时采集LTE-M网络和WiFi网络的无线信号质量参数以及无线链路质量参数，并利用贝叶斯分类模型进行分类，最终根据分类的结果选择对应的无线网络传输数据；之后，周期性的利用贝叶斯分类模型进行无线网络的分类选择，并判断与当前使用的无线网络是否相同，如果不相同则启动切换流程，如果相同则进行下一个周期的判断。
2.根据权利要求1所述的一种应用于城市轨道交通***的车地多网融合无线通信方法，其特征在于，构建训练样本集，其步骤如下：
从实际运行的线路中获取LTE-M网络和WIFI网络的无线信号质量参数以及无线链路质量参数；所述无线信号质量参数包括：LTE-M接收信号强度参数、WIFI接收信号强度参数、LTE信噪比、以及WIFI信噪比；无线链路质量参数包括LTE-M丢包率、WIFI丢包率、LTE-M传输时延、WIFI传输时延、LTE-M传输速率、以及WIFI传输速率；
根据预先进行的测试统计，在线路中以米为单位生成采样点集合，每个采样点提取其LTE-M网络以及WIFI网络的无线信号质量参数及无线链路质量参数，汇总成为相应采样点的特征属性集合，再通过人工审核的方式对每个采样点进行最优网络划分，完成训练样本集的构建。
3.根据权利要求1所述的一种应用于城市轨道交通***的车地多网融合无线通信方法，其特征在于，利用构建的训练样本集并结合贝叶斯分类算法，训练获得贝叶斯分类模型，具体包括：
利用贝叶斯分类算法计算每个类别在训练样本中的出现频率及每个特征属性划分对每个类别的条件概率，最终训练获得用于实现网络选择的贝叶斯分类模型。
4.根据权利要求1所述的一种应用于城市轨道交通***的车地多网融合无线通信方法，其特征在于，所述LTE-M网络和WIFI网络的无线信号质量参数以及无线链路质量参数通过网络监测服务器获得。
CN201811313633.2A 2018-11-06 2018-11-06 应用于城市轨道交通***的车地多网融合无线通信方法 Pending CN109495558A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811313633.2A CN109495558A (zh) 2018-11-06 2018-11-06 应用于城市轨道交通***的车地多网融合无线通信方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811313633.2A CN109495558A (zh) 2018-11-06 2018-11-06 应用于城市轨道交通***的车地多网融合无线通信方法

Publications (1)

Publication Number Publication Date
CN109495558A true CN109495558A (zh) 2019-03-19

Family

ID=65693985

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811313633.2A Pending CN109495558A (zh) 2018-11-06 2018-11-06 应用于城市轨道交通***的车地多网融合无线通信方法

Country Status (1)

Country Link
CN (1) CN109495558A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110290596A (zh) * 2019-06-28 2019-09-27 南昌黑鲨科技有限公司 网络通道控制方法、***、智能终端及计算机可读存储介质
CN116022201A (zh) * 2023-03-27 2023-04-28 中铁第四勘察设计院集团有限公司 一种利用pis通道作为冗余的列控无线通信***及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081655A (zh) * 2011-01-11 2011-06-01 华北电力大学 基于贝叶斯分类算法的信息检索方法
US20120284600A1 (en) * 2011-05-06 2012-11-08 Google Inc. Predictive model application programming interface
CN102956023A (zh) * 2012-08-30 2013-03-06 南京信息工程大学 一种基于贝叶斯分类的传统气象数据与感知数据融合的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081655A (zh) * 2011-01-11 2011-06-01 华北电力大学 基于贝叶斯分类算法的信息检索方法
US20120284600A1 (en) * 2011-05-06 2012-11-08 Google Inc. Predictive model application programming interface
CN102956023A (zh) * 2012-08-30 2013-03-06 南京信息工程大学 一种基于贝叶斯分类的传统气象数据与感知数据融合的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
白轩: "《基于SVM智能预测的车地多网融合无线通信***方案的研究与设计》", 《铁路计算机应用》 *
黄勤龙: "《云计算数据安全》", 31 January 2018 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110290596A (zh) * 2019-06-28 2019-09-27 南昌黑鲨科技有限公司 网络通道控制方法、***、智能终端及计算机可读存储介质
CN116022201A (zh) * 2023-03-27 2023-04-28 中铁第四勘察设计院集团有限公司 一种利用pis通道作为冗余的列控无线通信***及方法

Similar Documents

Publication Publication Date Title
Duan et al. SDN enabled 5G-VANET: Adaptive vehicle clustering and beamformed transmission for aggregated traffic
CN110798818B (zh) 一种用于城市轨道交通的列车信息传输方法及***
CN103281143B (zh) 一种基于双门限能量检测的选择式协作频谱感知方法
Chiu et al. Cross‐layer design vehicle‐aided handover scheme in VANETs
Liu et al. Energy-efficient subchannel matching and power allocation in NOMA autonomous driving vehicular networks
Tchouankem et al. Impact of buildings on vehicle-to-vehicle communication at urban intersections
Cicioğlu Performance analysis of handover management in 5G small cells
Jia et al. Analyzing and relieving the impact of FCD traffic in LTE-VANET heterogeneous network
Xu et al. Intelligent link adaptation in 802.11 vehicular networks: Challenges and solutions
CN109495558A (zh) 应用于城市轨道交通***的车地多网融合无线通信方法
Qiu et al. Maintaining links in the highly dynamic fanet using deep reinforcement learning
Tso et al. DragonNet: a robust mobile internet service system for long-distance trains
Al-Turjman et al. Mobile traffic modelling for wireless multimedia sensor networks in IoT
Ng et al. Analysis of access and connectivity probabilities in infrastructure-based vehicular relay networks
Kuruvatti et al. Prediction of dynamic crowd formation in cellular networks for activating small cells
Balen et al. Survey on using 5G technology in VANETs
CN103476080A (zh) 基于滞留时间的自适应垂直切换方法
CN105530680A (zh) 一种车辆自组织网络中继车辆选择方法
WO2024045932A1 (zh) 一种资源调度方法、装置、***、存储介质及电子***
Hegde et al. Cellular-v2x for vulnerable road user protection in cooperative its
CN108900325B (zh) 一种电力通信业务与无线专网技术的适配性评估方法
Li et al. Energy-efficient power allocation in cloud radio access network of high-speed railway
Wang et al. Reliability evaluation for lte based cbtc train ground communication systems
Hu et al. System-level simulation platform of C-V2X mode 4: Integrating CarMaker and NS-3
Lye et al. Performance analysis of intelligent transport systems (ITS) with adaptive transmission scheme

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190319

RJ01 Rejection of invention patent application after publication