CN110555037B - 智慧城市数据共享*** - Google Patents
智慧城市数据共享*** Download PDFInfo
- Publication number
- CN110555037B CN110555037B CN201910862896.7A CN201910862896A CN110555037B CN 110555037 B CN110555037 B CN 110555037B CN 201910862896 A CN201910862896 A CN 201910862896A CN 110555037 B CN110555037 B CN 110555037B
- Authority
- CN
- China
- Prior art keywords
- query
- data
- module
- library
- data blocks
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000007619 statistical method Methods 0.000 claims abstract description 6
- 238000013523 data management Methods 0.000 claims description 2
- 238000005192 partition Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2365—Ensuring data consistency and integrity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种智慧城市数据共享***，其特征在于，包括：查询库模块，用于以历史上累积的对智慧城市大数据的查询构建查询库；分析模块，用于对所述查询库进行统计分析确定所述智慧城市大数据中访问频率超过预设值的属性列；划分模块，用于以所述属性列对所述智慧城市大数据划分成数据块；共享模块，用于接收对智慧城市大数据的查询，从所述查询中的属性列匹配到所述数据块，从所述数据块中获取满足所述查询的数据提供给当前的查询。
Description
技术领域
本申请涉及下一代信息网络产业技术领域，尤其涉及一种智慧城市数据共享***。
背景技术
智慧城市以最大化优化城市功能为目标，促进经济增长，同时利用智能科技与数据分析来提高城市居民的生活质量。目前来看，与智慧城市关系最为紧密的技术包括：无人驾驶、机器学习、和物联网(IoT)。这些技术利用城市不同方面的大数据，来使得城市居民生活更加便利。其中，物联网已经在多个国家和地区开始部署了。比如，美国的圣地亚哥市已经在城市中装置了3200个检测器来收集路况信息，如果有路面情况有任何问题市政府可以第一时间通知市民，并及时实施解决措施。
例如，监测和记录相关的空气污染物，是智慧城市的一项任务。但是，有多少人了解行人、骑自行车的人、司机和当地居民的污染风险指数;如何衡量道路交通、交通灯、公交、地铁站受到的污染影响;普及电动公交车，从长远来看到底能为城市人口减轻多少环境污染;这些问题，只有通过最精确的长时间多地点监测，收集大量数据，并进行各种分析才能知道。
随着智慧城市的快速发展，产生了大量数据，这些数据具有规模庞大、增长迅速、结构多样等显著特点，这使得采用常规方法为智慧城市提供数据共享服务，因为效率过低而查询速度太慢。
发明内容
为克服相关技术中存在的问题，本申请提供一种智慧城市数据共享***。
根据本申请实施例，提供一种智慧城市数据共享***，其特征在于，包括：
查询库模块，用于以历史上累积的对智慧城市大数据的查询构建查询库；
分析模块，用于对所述查询库进行统计分析确定所述智慧城市大数据中访问频率超过预设值的属性列；
划分模块，用于以所述属性列对所述智慧城市大数据划分成数据块；
共享模块，用于接收对智慧城市大数据的查询，从所述查询中的属性列匹配到所述数据块，从所述数据块中获取满足所述查询的数据提供给当前的查询。
优选的，所述划分模块根据所述属性列的均匀度来设置数据块的划分粒度。
优选的，均匀度越大，则设置划分粒度越小。
优选的，智慧城市数据共享***还包括：
相关性模块：用于分析所述数据块对应的查询的相关性；
放置模块：用于根据所述相关性将所述数据块放置到各个计算节点上。
优选的，所述相关性模块工作如下：
Rij是指数据块Bi与数据块Bj之间的相关性，t是查询库中的查询的序号，n是查询库中的查询的数量，ft是第t个查询的查询次数，当数据块Bi的属性列与数据块Bj的属性列同时出现在第t个查询中时，pt取1，否则取0，其中，i＝j时，Rij＝0。
优选的，所述放置模块设置各个计算节点内放置的数据块的相关性的总和大于第一预设值MIN，小于第二预设值MAX。
优选的，设置
；
其中S为所有m个数据块的相关性的总和。
优选的，设置
。
优选的，采用如下公式计算数据块Bi的相关性Si：
优选的，采用如下公式计算S：
本申请的实施例提供的技术方案可以包括以下有益效果：通过分析历史查询数据来划分数据块，从而使得数据块的划分与数据内容高度相关，进而显著地提升了查询效率，实现了规模庞大、增长迅速、结构多样的智慧城市也能高效地提供数据共享服务。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种智慧城市数据共享***的框图。
图2是根据另一示例性实施例示出的一种智慧城市数据共享***的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
下文的公开提供了许多不同的实施例或例子用来实现本申请的不同结构。为了简化本申请的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本申请。此外，本申请可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不只是所讨论各种实施例和/或设置之间的关系。此外，本申请提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的可应用性和/或其他材料的使用。另外，以下描述的第一特征在第二特征值“上”的结构可以包括第一和第二特征形成为直接接触的实施例，也可以包括另外的特征形成在第一和第二特征之间的实施例，这样第一和第二特征可能不是直接接触。
在本申请的描述中，需要说明的是，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
图1是根据一示例性实施例示出的一种智慧城市数据共享***的框图。
参照图1，该装置包括：
查询库模块10，用于以历史上累积的对智慧城市大数据的查询构建查询库；
分析模块20，用于对所述查询库进行统计分析确定所述智慧城市大数据中访问频率超过预设值的属性列；
划分模块30，用于以所述属性列对所述智慧城市大数据划分成数据块；
共享模块40，用于接收对智慧城市大数据的查询，从所述查询中的属性列匹配到所述数据块，从所述数据块中获取满足所述查询的数据提供给当前的查询。
随着智慧城市的快速发展，产生了大量数据，这些数据具有规模庞大、增长迅速、结构多样等显著特点，这使得采用常规方法为智慧城市提供数据共享服务，因为效率过低而查询速度太慢。
而本发明的上述实施例通过分析历史查询数据来划分数据块，从而使得数据块的划分与数据内容高度相关，即通过对查询负载进行统计分析，获取最频繁被访问的属性列作为当前划分列，进而显著地提升了查询效率，实现了规模庞大、增长迅速、结构多样的智慧城市也能高效地提供数据共享服务。
优选的，如图2所示，本智慧城市数据共享***还包括更新模块50，用于将接收到的查询加入到所述查询库中。这样可以不断更新数据块的划分，使得数据块的划分能够与查询的更新保持一致。
优选的，在查询库中，对每个查询还记录该查询的查询次数，即该查询每重复一次，则查询次数增加一次。这可以用于将来进一步优化数据块的存储。
优选的，还可以周期性地遍历查询库中的ft，ft是第t个查询的查询次数，t＝1～n,对于超过预定时间查询次数没有增长的查询，将该查询从查询库中删除，t是查询库中的查询的序号，n是查询库中的查询的数量。这可以将逐渐老化，不被使用的查询从查询库中删除，从而进一步优化查询库结构，提高智慧城市提供共享服务的效率。
优选的，设置访问频率的预设值如下：
其中，c是查询库中属性列的个数，at是调整参数。
访问频率的设置如果太低，会导致管理开销太大，将所有偶尔访问到的属性列都加入到数据块划分的考虑当中，而如果设置得太高，则会导致数据块划分过大，冗余数据太多，导致后续的数据检索还需消耗太多的计算资源。本发明进行了大量的方针实验，创造性地设计了本优选实施例的访问频率预设值，使得管理开销较小，又能保证数据块的划分粒度合理，从而提供了高效地智能城市数据共享***。
优选的，
如果属性列i不在第t个查询中出现，则at＝0。
在本优选实施例中，对于属性列在查询中的发生频率还进行了调整，上述的调整方式使得在查询中发生频率越高的属性列，其调整参数越大(即权值更高)，从而实现了更优的马太效应，进一步提高了智能城市数据共享的效率。
优选的，所述划分模块根据所述属性列的均匀度来设置数据块的划分粒度。
本优选实施例实现了智慧城市的大数据根据不同属性列数据分布特性来选取不同的划分粒度，从而获取了效率更高的划分结果。
优选的，均匀度越大，则设置划分粒度越大。
优选的，采用如下公式设置划分粒度：
其中，C为所有c个属性列的均匀性的总和，Ci为第i个属性列的均匀性。
优选的，采用如下公式设置Ci：
对于属性列分布比较均匀的，可以将划分粒度设置得比较大，从而可以适当减少数据块数量，这样能在保证作业并行度的同时，还能减少数据管理的开销。
对于属性列分布比较倾斜的，可以将划分粒度设置得比较小，从而在属性列分布密集的区域，适当增加数据块数量，这可以提高采样操作对数据块的选择性，从而尽可能剪除无关数据。
本发明的上述优选实施例实现了上述粒度划分的目的。
优选的，智慧城市数据共享***还包括：
相关性模块：用于分析所述数据块对应的查询的相关性；
放置模块：用于根据所述相关性将所述数据块放置到各个计算节点上。
即使将数据块划分得比较合理，但是如果不合理地存放数据块，例如将大量高频访问的数据块都存放到了同一计算节点，而将很多低频访问的数据块都存放到了另一计算节点，那么将导致计算节点的负荷很不均衡。
而本优选实施例通过分析数据块对应的查询的相关性，从而实现了对历史查询经常调用的数据块的频率分析，进而能合理地存放数据块，使得各个计算节点的负荷尽可能地均衡。
优选的，所述相关性模块工作如下：
Rij是指数据块Bi与数据块Bj之间的相关性，t是查询库中的查询的序号，n是查询库中的查询的数量，当数据块Bi的属性列与数据块Bj的属性列同时出现在第t个查询中时，pt取1，否则取0，其中，i＝j时，Rij＝0。
本优选实施例采用了两个数据块的属性列是否出现在同一属性中，来确定两个属性块是否有较强的相关性，从而可以尽可能地将相关性高的数据块打散到不同的计算节点上，使得查询计算的并行度大幅提高，这提供了非常高效地算法来计算数据块之间的相关性，显著提高了智慧城市共享服务的效率。
优选的，所述放置模块设置各个计算节点内放置的数据块的相关性的总和大于第一预设值MIN，小于第二预设值MAX。
优选的，设置
；
其中S为所有m个数据块的相关性的总和。
优选的，设置
。
发明人经过了大量的仿真实验，创造性地提出了这样一个调整值，采用该调整值来设置相关性的范围，既能高效地计算合理的相关性的分布区间，减少管理开销，又能基本保证查询的并行度。
优选的，采用如下公式计算数据块Bi的相关性Si：
优选的，采用如下公式计算S：
本发明的上述优选实施例给出了高效的算法来实现数据块之间相关性的计算。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (1)
1.一种智慧城市数据共享***，其特征在于，包括：
查询库模块，用于以历史上累积的对智慧城市大数据的查询构建查询库；
分析模块，用于对所述查询库进行统计分析确定所述智慧城市大数据中访问频率超过预设值的属性列；
划分模块，用于以所述属性列对所述智慧城市大数据划分成数据块；
通过对查询负载进行统计分析，获取最频繁被访问的属性列作为当前划分列；
共享模块,用于接收对智慧城市大数据的查询，从所述查询中的属性列匹配到所述数据块，从所述数据块中获取满足所述查询的数据提供给当前的查询；
在查询库中，对每个查询还记录该查询的查询次数；
周期性地遍历查询库中的ft，ft是第t个查询的查询次数,t＝1～n，对于超过预定时间查询次数没有增长的查询，将该查询从查询库中删除，t是查询库中的查询的序号，n是查询库中的查询的数量；
设置访问频率的预设值如下：
所述划分模块根据所述属性列的均匀度来设置数据块的划分粒度；
均匀度越大，则设置划分粒度越小；
相关性模块：用于分析所述数据块对应的查询的相关性；
放置模块：用于根据所述相关性将所述数据块放置到各个计算节点上；
采用如下公式设置划分粒度：
中，C为所有c个属性列的均匀性的总和，Ci为第i个属性列的均匀性
采用如下公式设置Ci：
对于属性列分布比较均匀的，可以将划分粒度设置得比较大，从而可以适当减少数据块数量，这样能在保证作业并行度的同时，还能减少数据管理的开销；
所述相关性模块工作如下：
Rij是指数据块Bi与数据块Bj之间的相关性，t是查询库中的查询的序号，n是查询库中的查询的数量，当数据块Bi的属性列与数据块Bj的属性列同时出现在第t个查询中时，pt取1，否则取0，其中，i＝j时，Rij＝0；
所述放置模块设置各个计算节点内放置的数据块的相关性的总和大于第一预设值MIN，小于第二预设值MAX；
设置
其中S为所有m个数据块的相关性的总和；
设置
采用如下公式计算数据块Bi的相关性Si：
采用如下公式计算S：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910862896.7A CN110555037B (zh) | 2019-09-12 | 2019-09-12 | 智慧城市数据共享*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910862896.7A CN110555037B (zh) | 2019-09-12 | 2019-09-12 | 智慧城市数据共享*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110555037A CN110555037A (zh) | 2019-12-10 |
| CN110555037B true CN110555037B (zh) | 2020-10-23 |
Family
ID=68740108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910862896.7A Active CN110555037B (zh) | 2019-09-12 | 2019-09-12 | 智慧城市数据共享*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110555037B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112232665A (zh) * | 2020-04-29 | 2021-01-15 | 广元量知汇科技有限公司 | 一种用于智慧城市的业务分配方法 |
| CN112232997A (zh) * | 2020-04-29 | 2021-01-15 | 广元量知汇科技有限公司 | 一种用于智慧城市的用户请求数据处理方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103116825B (zh) * | 2013-01-29 | 2019-08-30 | 中通服咨询设计研究院有限公司 | 智慧城市管理*** |
| CN107577436B (zh) * | 2017-09-18 | 2020-07-07 | 杭州时趣信息技术有限公司 | 一种数据存储方法及装置 |
| CN107832401B (zh) * | 2017-11-01 | 2021-07-16 | 郑州云海信息技术有限公司 | 数据库数据访问方法、***、装置及计算机可读存储介质 |
| CN107945086A (zh) * | 2017-11-17 | 2018-04-20 | 广州葵翼信息科技有限公司 | 一种应用于智慧城市的大数据资源管理*** |
| CN108418858B (zh) * | 2018-01-23 | 2021-07-02 | 南京邮电大学 | 一种面向Geo-distributed云存储的数据副本放置方法 |
-
2019
- 2019-09-12 CN CN201910862896.7A patent/CN110555037B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110555037A (zh) | 2019-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111356148B (zh) | 一种实现网络优化的方法及相关设备 | |
| US10242568B2 (en) | Adjustment of a learning rate of Q-learning used to control traffic signals | |
| CN106708989B (zh) | 基于空间时序数据流应用的Skyline查询方法 | |
| CN106777093B (zh) | 基于空间时序数据流应用的Skyline查询*** | |
| CN111325968B (zh) | 一种基于拥堵扩散的交通瓶颈预测方法、***及电子设备 | |
| CN108171998B (zh) | 一种基于电警数据的交叉口自适应交通信号控制***及其工作方法 | |
| CN110555037B (zh) | 智慧城市数据共享*** | |
| CN103023801B (zh) | 一种基于流量特征分析的网络中间节点缓存优化方法 | |
| US20230215272A1 (en) | Information processing method and apparatus, computer device and storage medium | |
| CN102819953B (zh) | 一种疑似新增道路的发现方法和装置 | |
| CN114529081B (zh) | 一种时空联合的交通流量预测方法及装置 | |
| CN111586091A (zh) | 一种实现算力组配的边缘计算网关*** | |
| US11257362B2 (en) | Determining traffic congestion patterns | |
| CN108447255B (zh) | 一种城市道路动态交通网络结构信息*** | |
| CN110334157B (zh) | 一种云计算管理*** | |
| CN112069229B (zh) | 一种面向移动轨迹大数据的最佳候车点推荐方法及*** | |
| CN105743783B (zh) | 基于bs-ts和自编码网络的车联网网络节点筛选方法 | |
| CN111860621A (zh) | 一种数据驱动的分布式交通流量预测方法及*** | |
| Al Jawarneh et al. | Locality-preserving spatial partitioning for geo big data analytics in main memory frameworks | |
| CN110633297A (zh) | 智慧城市数据共享*** | |
| CN112529311B (zh) | 一种基于图卷积分析的道路流量预测方法和装置 | |
| Wang et al. | An adaptive deep q-learning service migration decision framework for connected vehicles | |
| Wang et al. | A model of telecommunication network performance anomaly detection based on service features clustering | |
| CN112637904B (zh) | 负载均衡方法、装置及计算设备 | |
| CN115292361A (zh) | 一种分布式能源异常数据的筛选方法及*** |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200918 Address after: No.6 building, No.10, Lishe lane, Changzhou Road, Suzhou City, Jiangsu Province Applicant after: Suzhou New Hope Technology Co., Ltd Address before: Room 1018-01, building 23, Times Square, Suzhou Industrial Park, Suzhou area, China (Jiangsu) pilot Free Trade Zone, Suzhou City, 215123, Jiangsu Province Applicant before: Suzhou Treasure Box Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: 215000 building 6, No.10 Lishe lane, Changzhou Road, Gusu District, Suzhou City, Jiangsu Province Patentee after: Jiangsu new hope Technology Co.,Ltd. Address before: 215002 building 6, No.10 Lishe lane, Changzhou Road, Suzhou City, Jiangsu Province Patentee before: Suzhou New Hope Technology Co., Ltd |
|
| CP03 | Change of name, title or address |