CN111090642B - 一种手机信令数据的清洗方法 - Google Patents
一种手机信令数据的清洗方法 Download PDFInfo
- Publication number
- CN111090642B CN111090642B CN201911217881.1A CN201911217881A CN111090642B CN 111090642 B CN111090642 B CN 111090642B CN 201911217881 A CN201911217881 A CN 201911217881A CN 111090642 B CN111090642 B CN 111090642B
- Authority
- CN
- China
- Prior art keywords
- signaling
- data
- travel
- signaling data
- travel chain
- 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
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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及大数据分析领域,旨在提供一种手机信令数据的清洗方法。包括:采集用户手机在手机通信网络中产生的各种信令事件,并将用户的信令时间按照时间戳排序;切割用户出行链,并将切割后的出行链作为最小研究单位;基于出行链的位置变化规律,清洗每一个出行链以除去无效数据;对获取的出行链进行简化。本发明通过能有效清除出行链中无效信令数据,实现精简出行链的目的,方便后续的数据分析。在考虑时间的同时也考虑了速度因素,由此划分出的用户出行链较现有技术划分出来的出行链相比,更加符合用户实际出行,也更有利于信令数据的清洗。自动化程度高,适用性强,可适用于大样本量、大范围的多种不同特征的手机信令数据清洗。
Description
技术领域
本发明属于大数据分析领域,具体涉及基于移动通信信令事件的数据清洗技术。
背景技术
手机信令数据样本量大、数据客观、全面、采样不会有很明显的倾向性,且数据具有较强的时空连续性,可以观测到交通出行整个过程,是任何其它数据源无法比较的。但是,手机信令数据由于信号在基站之间弹跳、漂移等原因,有非常多的无效且错误的数据,导致原始数据不能够真实的反应用户的出行轨迹。所以,快速识别错误无效的数据并将其清除掉,是应用手机信令数据的关键。
发明内容
本发明要解决的技术问题是,克服现有技术中的不足,提供一种手机信令数据的清洗方法。其目的是对杂乱的手机信令全数据进行清洗,从而获取可用于后续数据分析的数据。
为解决技术问题,本发明的解决方案是:
提供一种手机信令数据的清洗方法,包括以下步骤:
(1)采集用户手机在手机通信网络中产生的各种信令事件,并将用户的信令时间按照时间戳排序;
(2)切割用户出行链,并将切割后的出行链作为最小研究单位;
(3)基于出行链的位置变化规律,清洗每一个出行链以除去无效数据;
(4)对步骤(3)获取的出行链进行简化。
本发明中,所述步骤(2)具体包括:
从每个出行链的第2个信令开始,逐一计算当前信令的分割指数S,当分割指数大于1时,以当前信令为划分边界将用户出行链划分为两条出行链,并对划分后的第二条出行链重新执行步骤(2)直到不能划分新的出行链为止;
分割指数计算公式如下:
本发明中,所述步骤(3)具体包括:
首先,从每个出行链的第2个信令开始,直到倒数第二个信令为止:记当前信令为第i个数据,如果存在j(j<i),使得D(j,m)/T(j,m)>K,则删除第i个数据;
然后,再次从每个出行链的第2个信令开始,直到倒数第二个信令为止:记当前信令为第i个数据,如果存在j(j<i),m(m>i),使得D(j,m)<D1,∑q∈Q1<L,∑q∈QT(q,i)<T1这三个条件同时满足,则第i个数据被标记为应删除数据;
当整个出行链的所有的应删除数据被标记之后,将被标记数据从出行链数据中删除;
最后,对于连续在同一位置的信令数据,仅保留第一条信令和最后一条信令,从而在极大程度上节约计算量;
其中,D(j,m)代表第j个信令数据和第m个信令数据之间的距离,T(j,m)代表第j个信令数据和第m个信令数据之间的间隔时间;点集合Q的定义如下:对于出行链中下标为q的信令数据,在同时满足j<q<m,D(q,j)≥D1两个条件的基础上,如果还满足T(q,q+1)>T2,D(q,q+1)>D2两个条件中的任意1个,则q属于Q,K,L,D1,T1,D2,T2为为根据肘部法则确定的六个固定常数。
本发明中,所述步骤(4)具体包括:
从出行链的第二个信令数据开始,直到倒数第三个信令数据为止:记当前信令数据为第i个信令数据,如果以下条件有任一满足,则将第i个信令数据从出行链中删除:
(1)第i个信令数据的位置到第i-1个、第i+1个两个信令数据的位置组成的线段的距离小于s1;或,
(2)第i个信令数据的位置和第i-1个信令数据的位置以及第i+1个信令数据的位置组成的三角形的面积小于s2;或,
(3)第i-1个,第i个,第i+1个三个信令数据的位置组成的夹角和第i个、第i+1个、第i+2个三个信令数据的位置组成的夹角都小于s3;或,
(4)第i-1个、第i个信令数据的位置组成的线段和第i+1个、第i+2个信令数据的位置组成的线段相交;或,
(5)第i个、第i+1个和第i-1个三个信令数据的位置组成的三条线段,任意两条线段长度的和与第三条线段长度的比值大于s4,并且第三条线段长度小于s5;
所述s1、s2、s3、s4、s5为根据肘部法则确定的固定常数。
本发明可以通过修改给定的固定常数,适用于不同特征的手机信令数据,该方法具有较大的灵活性。固定常数的给定方式是根据肘部法则确定,可由本领域技术人员依据其实际需要进行调整。
与现有技术相比,本方法的有益效果在于:
1、出行链是指用户出行过程中产生的一系列信令数据的集合。本发明中,通过设计一种能有效清除出行链中无效信令数据的方法,从而实现精简出行链的目的,方便后续的数据分析。
2、现有技术在划分出行链时基本都只考虑时间因素,本方法在考虑时间的同时也考虑了速度因素,由此划分出的用户出行链较现有技术划分出来的出行链相比,更加符合用户实际出行,也更有利于信令数据的清洗。
3、现有的数据清洗方法,在清除手机信令独有的“ABAB”型循环切换时效果较差。例如卡尔曼滤波算法,需要在数据集满足极为苛刻的条件上通过大量的参数调优,才可以清除掉大部分的“ABAB”型循环切换数据。本发明(通过其步骤3的操作)能有效清除数据集中几乎所有的“ABAB”型循环切换数据,极大程度上提高了后续序列比对的精准性。
4、本发明能(通过步骤4的操作)清洗掉大量与实际出行轨迹无关的信令数据,而不是像现有技术一样,仅清除原地停留的信令数据或距离相近的信令数据,所以可以在保证用户出行特征的前提下,清除大量无关数据,减轻后续的计算量。
5、本发明自动化程度高,适用性强,可适用于大样本量、大范围的多种不同特征的手机信令数据清洗。
附图说明
图1为本实施例中某用户出行链划分结果的示例图。
图2为本实施例中某用户出行链数据清洗结果的示例图。
具体实施方式
下面结合附图和具体实施例子,对本发明的具体实现过程进行详细阐述。
步骤1、信令数据的收集
本发明采用运营商提供的包含用户标识、时间戳、基站经度、基站纬度4个字段的部分手机信令数据作为本发明使用的数据集。该数据集共有41654036行,337686条出行链。其中部分数据如表1所示。注、本实施例中,间隔时间单位恒定为秒,间隔距离单位恒定为千米,间隔速度单位恒定为千米每小时。图1是用户1的信令数据的所在经度随时间的变化图,其中横坐标是时间,纵坐标是信令的经度,可以看到,用户原轨迹中23点02分至23点57分时段含有大量的异常数据。
表1
用户标识 | 时间戳 | 基站经度 | 基站纬度 |
用户1 | 20180919110759 | 120.26731 | 30.88472 |
用户2 | 20180919105619 | 120.26731 | 30.88472 |
用户3 | 20180919185212 | 120.26731 | 30.88472 |
用户4 | 20180919193046 | 120.26731 | 30.88472 |
用户5 | 20180919175801 | 120.26731 | 30.88472 |
用户6 | 20180919155420 | 120.26731 | 30.88472 |
用户7 | 20180919160746 | 120.26731 | 30.88472 |
步骤2、划分用户出行链
对每个出行链采用上述出行链划分方法,这里使用肘部法则选取固定参数的值。经计算,确定的参数值如下:a=0.16,b=5,c=2400,d=0.62。划分后的出行链总数为346247条,较未划分前增加了8561条出行链。以用户1的出行链为例,该出行链共有123条信令数据,起始时间为18点0分,终止时间为23点57分,涵盖了这个用户整天的出行过程,通过出行链划分后,得到2个子出行链。如图2所示,经过出行链划分后,该用户的18点21分至21点14分的长时间静默时段都识别为两个子出行链的分割点,这两个子出行链都有实际的意义,便于研究该用户的出行特征。
步骤3、信令数据的清洗及简化
接下来使用上述数据清洗方法清洗每一条出行链数据并进行简化,同样使用肘部法则确定各参数值为:K=282,L=5,D1=1,T1=1200,D2=2,T2=30,s1=0.1,s2=0.01,s3=15,s4=3.5,s5=0.2。简化后数据集有5845106行数据,较之前减少了35808930行,减少幅度达到了86%。以用户1的出行链为例,其出行链经过处理后,仅包含59条信令数据,较未处理前减少了64条信令,减少幅度达到了52%,并且仍然保留了未处理前出行链的所有特征,所在经度随时间的变化图如图2所示,可以看到,该数据处理算法可以在保留用户出行链特征属性的基础上,有效删除信令数据中的弹跳点和提取用户驻点:该用户实际出行轨迹的出行子链中23点02分至23点57分时段的多个波浪型弹跳数据被有效剔除,仅保留了代表用户停留特征的2条数据。波浪型弹跳数据(ABAB”型循环切换数据)的去除,可以有效减轻后续计算的负担,也便于用户轨迹的可视化。
Claims (4)
1.一种手机信令数据的清洗方法,其特征在于,包括以下步骤:
(1)采集用户手机在手机通信网络中产生的各种信令事件,并将用户的信令时间按照时间戳排序;
(2)切割用户出行链,并将切割后的出行链作为最小研究单位;具体包括:
从每个出行链的第2个信令开始,逐一计算当前信令的分割指数S,当分割指数大于1时,以当前信令为划分边界将用户出行链划分为两条出行链,并对划分后的第二条出行链重新执行步骤(2)直到不能划分新的出行链为止;
分割指数计算公式如下:
(3)基于出行链的位置变化规律,清洗每一个出行链以除去无效数据;
(4)对步骤(3)获取的出行链进行简化。
2.根据权利要求1所述的方法,其特征在于,所述步骤(3)具体包括:
首先,从每个出行链的第2个信令开始,直到倒数第二个信令为止:记当前信令为第i个数据,如果存在j且j<i,使得D(j,m)/T(j,m)>K,则删除第i个数据;
然后,再次从每个出行链的第2个信令开始,直到倒数第二个信令为止:记当前信令为第i个数据,如果存在j<i,m>i,且使得D(j,m)<D1,∑q∈Q1<L,∑q∈QT(q,i)<T1这三个条件同时满足,则第i个数据被标记为应删除数据;
当整个出行链的所有的应删除数据被标记之后,将被标记数据从出行链数据中删除;
最后,对于连续在同一位置的信令数据,仅保留第一条信令和最后一条信令,从而在极大程度上节约计算量;
其中,D(j,m)代表第j个信令数据和第m个信令数据之间的距离,T(j,m)代表第j个信令数据和第m个信令数据之间的间隔时间;点集合Q的定义如下:对于出行链中下标为q的信令数据,在同时满足j<q<m,D(q,j)≥D1两个条件的基础上,如果还满足T(q,q+1)>T2,D(q,q+1)>D2两个条件中的任意1个,则q属于Q,K,L,D1,T1,D2,T为为根据肘部法则确定的六个固定常数。
3.根据权利要求1所述的方法,其特征在于,所述步骤(4)具体包括:
从出行链的第二个信令数据开始,直到倒数第三个信令数据为止:记当前信令数据为第i个信令数据,如果以下条件有任一满足,则将第i个信令数据从出行链中删除:
(1)第i个信令数据的位置到第i-1个、第i+1个两个信令数据的位置组成的线段的距离小于s1;或,
(2)第i个信令数据的位置和第i-1个信令数据的位置以及第i+1个信令数据的位置组成的三角形的面积小于s2;或,
(3)第i-1个,第i个,第i+1个三个信令数据的位置组成的夹角和第i个、第i+1个、第i+2个三个信令数据的位置组成的夹角都小于s3;或,
(4)第i-1个、第i个信令数据的位置组成的线段和第i+1个、第i+2个信令数据的位置组成的线段相交;或,
(5)第i个、第i+1个和第i-1个三个信令数据的位置组成的三条线段,任意两条线段长度的和与第三条线段长度的比值大于s4,并且第三条线段长度小于s5;
所述s1、s2、s3、s4、s5为根据肘部法则确定的固定常数。
4.根据权利要求1所述的方法,其特征在于,所述步骤(1)所述信令事件中至少包含用户标识、时间戳、基站经度和基站纬度这4个字段的手机信令数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911217881.1A CN111090642B (zh) | 2019-12-02 | 2019-12-02 | 一种手机信令数据的清洗方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911217881.1A CN111090642B (zh) | 2019-12-02 | 2019-12-02 | 一种手机信令数据的清洗方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111090642A CN111090642A (zh) | 2020-05-01 |
CN111090642B true CN111090642B (zh) | 2023-07-14 |
Family
ID=70393924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911217881.1A Active CN111090642B (zh) | 2019-12-02 | 2019-12-02 | 一种手机信令数据的清洗方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111090642B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114979995B (zh) * | 2022-05-23 | 2023-04-14 | 智慧足迹数据科技有限公司 | 手机信令数据精简方法、装置、电子设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104244314A (zh) * | 2014-07-30 | 2014-12-24 | 北京拓明科技有限公司 | 一种基于Mc接口信令的潜在集团客户识别方法 |
CN105117789A (zh) * | 2015-07-29 | 2015-12-02 | 西南交通大学 | 基于手机信令数据的居民出行方式综合判别的方法 |
CN105142106A (zh) * | 2015-07-29 | 2015-12-09 | 西南交通大学 | 基于手机信令数据的出行者职住地识别与出行链刻画方法 |
CN105761190A (zh) * | 2016-02-01 | 2016-07-13 | 东南大学 | 一种基于手机定位数据的城市居住区空置率动态监测方法 |
CN106897420A (zh) * | 2017-02-24 | 2017-06-27 | 东南大学 | 一种基于手机信令数据的用户出行驻留行为识别方法 |
CN106953858A (zh) * | 2017-03-17 | 2017-07-14 | 贵州省煤炭产品质量监督检验院 | 一种基于互联网通信的清洁能源信息采集控制*** |
CN107133318A (zh) * | 2017-05-03 | 2017-09-05 | 北京市交通信息中心 | 一种基于手机信令数据的人口识别方法 |
CN107305590A (zh) * | 2017-06-14 | 2017-10-31 | 北京市交通信息中心 | 一种基于手机信令数据的城市交通出行特征确定方法 |
CN108171974A (zh) * | 2017-12-27 | 2018-06-15 | 东南大学 | 一种基于手机三角定位数据的交通出行模式判别方法 |
CN108955693A (zh) * | 2018-08-02 | 2018-12-07 | 吉林大学 | 一种路网匹配的方法及*** |
CN109104694A (zh) * | 2018-06-26 | 2018-12-28 | 重庆市交通规划研究院 | 一种基于手机信令的用户停留位置发现方法及*** |
CN109902930A (zh) * | 2019-01-28 | 2019-06-18 | 同济大学 | 一种基于实有人口指标的配套设施规划辅助*** |
-
2019
- 2019-12-02 CN CN201911217881.1A patent/CN111090642B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104244314A (zh) * | 2014-07-30 | 2014-12-24 | 北京拓明科技有限公司 | 一种基于Mc接口信令的潜在集团客户识别方法 |
CN105117789A (zh) * | 2015-07-29 | 2015-12-02 | 西南交通大学 | 基于手机信令数据的居民出行方式综合判别的方法 |
CN105142106A (zh) * | 2015-07-29 | 2015-12-09 | 西南交通大学 | 基于手机信令数据的出行者职住地识别与出行链刻画方法 |
CN105761190A (zh) * | 2016-02-01 | 2016-07-13 | 东南大学 | 一种基于手机定位数据的城市居住区空置率动态监测方法 |
CN106897420A (zh) * | 2017-02-24 | 2017-06-27 | 东南大学 | 一种基于手机信令数据的用户出行驻留行为识别方法 |
CN106953858A (zh) * | 2017-03-17 | 2017-07-14 | 贵州省煤炭产品质量监督检验院 | 一种基于互联网通信的清洁能源信息采集控制*** |
CN107133318A (zh) * | 2017-05-03 | 2017-09-05 | 北京市交通信息中心 | 一种基于手机信令数据的人口识别方法 |
CN107305590A (zh) * | 2017-06-14 | 2017-10-31 | 北京市交通信息中心 | 一种基于手机信令数据的城市交通出行特征确定方法 |
CN108171974A (zh) * | 2017-12-27 | 2018-06-15 | 东南大学 | 一种基于手机三角定位数据的交通出行模式判别方法 |
CN109104694A (zh) * | 2018-06-26 | 2018-12-28 | 重庆市交通规划研究院 | 一种基于手机信令的用户停留位置发现方法及*** |
CN108955693A (zh) * | 2018-08-02 | 2018-12-07 | 吉林大学 | 一种路网匹配的方法及*** |
CN109902930A (zh) * | 2019-01-28 | 2019-06-18 | 同济大学 | 一种基于实有人口指标的配套设施规划辅助*** |
Non-Patent Citations (2)
Title |
---|
"基于手机信令数据的区域住房价格与居民出行特性相关性研究";廖锟;《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》;C034-298 * |
"基于手机信令的数据分析引擎设计与实现";余锦斌;《中国优秀硕士学位论文全文数据库(信息科技辑)》(第2019第5期期);I138-1071 * |
Also Published As
Publication number | Publication date |
---|---|
CN111090642A (zh) | 2020-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108955693B (zh) | 一种路网匹配的方法及*** | |
CN108156037B (zh) | 告警关联分析方法、装置、设备及介质 | |
Muckell et al. | SQUISH: an online approach for GPS trajectory compression | |
CN105387865B (zh) | 一种基于交通道路数据的路径规划方法及*** | |
CN108462509B (zh) | 基于时频图信息的异步跳频网台分选方法 | |
CN110020178A (zh) | 兴趣点识别方法、装置、设备及存储介质 | |
CN109239554A (zh) | 一种电力电缆局部放电信号去噪及有效信号提取方法及*** | |
CN111090642B (zh) | 一种手机信令数据的清洗方法 | |
US20130166352A1 (en) | Mobile categorization | |
CN110990443A (zh) | 一种基于手机信令的职住人口特征估算方法 | |
CN111294742B (zh) | 基于信令cdr数据识别伴随手机号码的方法与*** | |
CN107180223A (zh) | 基于wifi无线信号的动作识别方法和*** | |
CN112487256B (zh) | 对象查询方法、装置、设备及存储介质 | |
CN109121094B (zh) | 伪码信令数据预处理与出行链识别方法 | |
CN105307262A (zh) | 一种伪基站的定位方法及装置 | |
Rodrigues et al. | Impact of crowdsourced data quality on travel pattern estimation | |
CN104318795A (zh) | 基于时空分析的高速公路地点交通状态偏离度获取方法 | |
CN106846795A (zh) | 人群密集区域的获取方法及装置 | |
CN109444660B (zh) | 一种输电线路故障与干扰的辨识方法 | |
CN108629980A (zh) | 一种通过控制交通流量改善空气质量的方法 | |
CN108303622A (zh) | 时延估计方法及装置 | |
CN113554261A (zh) | 异常对象识别方法、装置、电子装置和存储介质 | |
CN115310735A (zh) | 商圈边界识别的方法、装置、设备及存储介质 | |
CN115641243B (zh) | 通勤廊道确定方法、装置、设备和存储介质 | |
CN116828397B (zh) | 一种轨迹信息的获取方法、装置、电子设备和存储介质 |
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 |