CN112133109A - 一种单交叉口多方向空间占有率均衡控制模型建立方法 - Google Patents

一种单交叉口多方向空间占有率均衡控制模型建立方法 Download PDF

Info

Publication number
CN112133109A
CN112133109A CN202010798059.5A CN202010798059A CN112133109A CN 112133109 A CN112133109 A CN 112133109A CN 202010798059 A CN202010798059 A CN 202010798059A CN 112133109 A CN112133109 A CN 112133109A
Authority
CN
China
Prior art keywords
intersection
period
time
space occupancy
branch
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
CN202010798059.5A
Other languages
English (en)
Inventor
张海波
王力
吉鸿海
潘彦斌
李丹阳
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.)
North China University of Technology
Original Assignee
North China University of Technology
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 North China University of Technology filed Critical North China University of Technology
Priority to CN202010798059.5A priority Critical patent/CN112133109A/zh
Publication of CN112133109A publication Critical patent/CN112133109A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种单交叉口多方向空间占有率均衡控制模型建立方法，本发明的信号控制方法以浮动车数据(典型的移动检测数据源)为基础，通过估计方法获取交叉口流量参数，基于存储‑转发建模方法构建周期车辆数估计模型，并提出了基于多智能体网络的以空间占有率均衡为目标的单交叉***通信号数据驱动控制模型。该方法在建立存储转发模型中，调整对交叉口绿灯时间的约束条件，引入时变控制信号周期C(k)，进而得到全新的绿灯时间约束条件，从而避免浪费绿灯时间，此时考虑打破定周期的约束条件，从而保证空间占有率始终满足xi(k+1)≥0，建立的单交叉口多方向带有约束的空间占有率模型可同时描述交叉口的欠饱和、临界饱和和过饱和三种交通状态形式，适用性更强。

Description

一种单交叉口多方向空间占有率均衡控制模型建立方法
技术领域
本发明涉及智能交通信号控制技术领域，尤其涉及一种基于多智能体数据驱动的单交叉口多方向空间占有率均衡控制模型建立方法。
背景技术
随着社会经济与城市交通的发展，我国城市汽车保有量飞速增加。目前大多数城市的道路建设能力远远落后于机动车的增长速率，二者的矛盾主要体现在日益严重的道路交通拥堵上。因此，在有限道路空间资源下，通过智能交通控制方法提升道路利用率及出行效率是城市交通管理者必须考虑的重要任务。
随着ITS(Intelligent Transport System，ITS)技术的不断发展，各种先进交通检测设备大范围应用，给城市道路交通控制带来了巨大的变革，各种高精度、大范围的检测数据使得传统的基于交通流模型的控制算法得到提升，传统以固定检测器为检测手段交通信号控制模型和控制***不能满足浮动车、手机等新型移动交通信息采集方式的控制需求，且存在部署实施困难、故障率高、检测精度差、维护成本高等问题和移动式检测方法(以浮动车为例)存在的占比率低等问题，给城市交通控制带来了新的问题和挑战。
传统的交通信号控制大多基于模型的控制方法，其构建的交通控制***在实际工程应用中存在模型适用性依赖某种假设和特定条件的问题，限制了模型的广泛应用，造成这个现象的主要原因是决定控制策略的人、车、路三大要素之间并非完全线性关系，它们之间是相互关联的强耦合关系，而人的行为又很难预测，因此针对车和路构建的控制模型与实际存在误差。
发明内容
考虑到城市区域交通信号控制是一个复杂控制问题，包含建模成本高、动态建模难度大、协调控制效果欠佳、网络扩展性不强等一系列实际问题，以浮动车数据为基础，设计基于浮动车数据的城市区域交通数据驱动控制方法具有重要的理论和实践意义。在城市交通中，由于道路资源有限，增加额外的基础设施以容纳增加的车辆数量是昂贵和不可持续的。更具社会可行性的选择是以数据驱动的方式优化交通信号配时。由于城市交通***越来越复杂，建立一个精确的路网甚至交叉口的力学模型，由于其高阶性、强非线性、非平稳性和结构复杂，是一个困难或不可能的问题。此外，获取有关车辆数量、排队、占用率和流量的交通数据变得更加容易，每天从辅助的异构交通传感器(如感应环路检测器、微波检测器、视频监控)收集大量在线/离线数据。因此，在执行数据驱动的智能交通控制***时，应考虑交通数据之间的时空关系。
数据驱动控制方法将基于数据的相关理论和方法应用到交通***研究中，在不能完全获取其内部机理和难以建立精确交通流动力学模型的情况下，通过交通***产生的离线、在线数据来分析、理解其规律和控制模式，并以此设计控制方法和制定控制策略，对于缓解交通拥堵具有十分重要的作用。
随着智能车辆及网联交通与通信技术的快速发展，移动检测数据的规模、质量、准确性、实时性等将大幅提升。本发明的信号控制方法以浮动车数据(典型的移动检测数据源)为基础，通过估计方法获取交叉口流量参数，基于存储-转发建模方法构建周期车辆数估计模型，并提出了基于多智能体网络的以空间占有率均衡为目标的单交叉***通信号数据驱动控制模型。
在传统的存储转发模型分析中，一般只考虑过饱和交通状态下的交通信号配时问题，给欠饱和交叉口的某个方向某个周期分配了更多的绿灯时间，也就意味着存在绿灯时间浪费的问题，即空放现象；其实此时我们只需分配更少的绿灯时间，就可以保证通行能力。但是，由于绝大多数的交通信号控制都是定周期控制，也需要满足相位最大最小绿灯时间的约束，因此传统信号控制中的绿灯时间往往可调整的范围有限，不能完美兼容欠饱和、临界饱和和过饱和三种交通状态的控制问题。
为了解决这一问题，我们在建立存储转发模型中，调整对交叉口绿灯时间的约束条件，引入时变控制信号周期C(k)，进而得到全新的绿灯时间约束条件，从而避免浪费绿灯时间，此时考虑打破定周期的约束条件，从而保证空间占有率始终满足xi(k+1)≥0，建立的单交叉口多方向带有约束的空间占有率模型可同时描述交叉口的欠饱和、临界饱和和过饱和三种交通状态形式，适用性更强。本发明所采用的技术方案是：
该方法包括如下步骤：
步骤一：针对四相位定周期单交叉口，采用存储转发方法进行建模
交通需求充足的支路m的车流量动态表示如下：
xm(k+1)＝xm(k)+T[qm(k)-um(k)+Im(k)-Om(k)]
Om(k)＝tm,0qm(k)
Figure BDA0002626385070000031
Figure BDA0002626385070000032
Figure BDA0002626385070000033
其中，m为连接交叉口i和j的一条支路，T为釆样时间间隔(s)；xm(k)是支路m的车辆数(veh)；qm(k)和um(k)分别是[kT,(k+1)T]时段内支路m的输入流量和输出流量(veh/s)；Im(k)和Om(k)分别是支路m的需求流量和消散流量(veh/s)，消散率tm,0为已知定值，tn,m是支路n经交叉口j进入支路m设置的转向比，sm表示支路m的饱和流量(veh/s)，gm(k)表示支路m的绿灯时间(s)；
步骤二：建立单交叉口变周期多方向空间占有率模型
单交叉口变周期多方向空间占有率模型可表述成如下形式：
Figure BDA0002626385070000034
Figure BDA0002626385070000035
Figure BDA0002626385070000036
其中，i＝1,…,N表示该交叉口第i个方向，N＝4表示该交叉口有4个方向；C(k)表示该交叉口第k个控制信号周期，为可变周期；li(k)表示该交叉口第i方向第k个周期([(k-1)C(k),kC(k)]时段内)的车辆数，即周期时刻停车线后排队的车辆数量；qi(k)表示该交叉口第i方向第k个周期的车辆到达率；Si表示该交叉口第i方向的饱和流率；gi(k)表示该交叉口第i方向第k个周期的绿灯时间(s)；tL表示该交叉口总损失时间，xi(k)表示该交叉口第i方向第k个周期的空间占有率，即该方向排队车辆数与其路段长度之比，li,max表示该交叉口第i方向的路段长度；
步骤三：引入时变控制信号周期C(k)，进而得到全新的绿灯时间约束条件，从而保证空间占有率始终满足xi(k+1)≥0；
定义交叉口第i方向第k个周期的绿灯时间约束和控制信号周期约束分别为：
Figure BDA0002626385070000041
Figure BDA0002626385070000042
考虑带有绿灯时间约束的单交叉口变周期多方向空间占有率模型如下：
Figure BDA0002626385070000043
附图说明
图1是城市交叉口示意图。
图2是单交叉口变周期多方向空间占有率均衡示意图。
具体实施方式
本发明实现流程如下：
步骤一：针对四相位定周期单交叉口，采用存储转发方法进行建模。
如图1所示的连接交叉口i和j的一条支路m，车辆由交叉口i驶向交叉口j。
交通需求充足的支路m的车流量动态表示如下：
xm(k+1)＝xm(k)+T[qm(k)-um(k)+Im(k)-Om(k)] (4-1)
Om(k)＝tm,0qm(k)
Figure BDA0002626385070000044
Figure BDA0002626385070000045
Figure BDA0002626385070000046
其中，T为釆样时间间隔(s)；xm(k)是支路m的车辆数(veh)；qm(k)和um(k)分别是[kT,(k+1)T]时段内支路m的输入流量和输出流量(veh/s)；Im(k)和Om(k)分别是支路m的需求流量和消散流量(veh/s)，消散率tm,0为已知定值，tn,m是支路n经交叉口j进入支路m设置的转向比，sm表示支路m的饱和流量(veh/s)，gm(k)表示支路m的绿灯时间(s)。
确定单交叉口变周期多方向空间占有率均衡控制方式，具体控制方式描述如下：
(1)、放行顺序：控制方法按照多智能体顺序放行，多智能体1-2-3-4-1；
(2)、绿灯时间：绿灯时间满足最小、最大绿灯时间的时间约束，控制方法直接调整绿灯的时间，不关心其绿信比，周期更灵活多变；
(3)、相位控制：交叉口设计多智能体，并将一个方向做为一个多智能体，分方向放行，减少冲突点，增加放行效率；
(4)、网络结构：多智能体构成的网络为全链接组网，每个多智能体之间均为强连接；
依次按照如图2放行顺序释放车辆，同时释放各方向左转和直行的车辆，避免相位冲突。每个方向的绿灯时间都可以调整，以满足最大和最小绿灯时间的限制。每个周期根据每个入口车道的空间占有率实时动态调整周期长度，避免浪费绿灯时间。1、2、3、4号信号控制***构成多智能体***，四个方向的智能体实时通信，构成网络拓扑结构，以达到均衡空间占有率和减少延误的目的。
步骤二：建立单交叉口变周期多方向空间占有率模型。
单交叉口变周期多方向空间占有率模型可表述成如下形式：
Figure BDA0002626385070000051
Figure BDA0002626385070000052
Figure BDA0002626385070000053
其中，i＝1,…,N表示该交叉口第i个方向，N＝4表示该交叉口有4个方向；C(k)表示该交叉口第k个控制信号周期，为可变周期；li(k)表示该交叉口第i方向第k个周期([(k-1)C(k),kC(k)]时段内)的车辆数(veh)，即周期时刻停车线后排队的车辆数量；qi(k)表示该交叉口第i方向第k个周期的车辆到达率(veh/s)；Si表示该交叉口第i方向的饱和流率(veh/s)；gi(k)表示该交叉口第i方向第k个周期的绿灯时间(s)。tL表示该交叉口总损失时间，xi(k)表示该交叉口第i方向第k个周期的空间占有率，即该方向排队车辆数与其路段长度(车辆存储容量)之比，li,max表示该交叉口第i方向的路段长度(车辆存储容量)(veh)。
该数学模型以周期时长为采样时长，描述车辆在周期时间点的动态变化，该模型没有描述周期内车辆排队的形成与消散过程，该模型为本发明信号控制优化模型，其中绿灯时间为待优化的控制量。
步骤三：引入时变控制信号周期C(k)，进而得到全新的绿灯时间约束条件，从而保证空间占有率始终满足xi(k+1)≥0。
定义交叉口第i方向第k个周期的绿灯时间约束和控制信号周期约束分别为：
Figure BDA0002626385070000061
Figure BDA0002626385070000062
考虑带有绿灯时间约束的单交叉口变周期多方向空间占有率模型如下：
Figure BDA0002626385070000063
此时，单交叉口多方向带有约束的空间占有率模型可同时描述交叉口的欠饱和、临界饱和和过饱和三种交通状态形式，适用性更强。

Claims (1)

1.一种单交叉口多方向空间占有率均衡控制模型建立方法，其特征在于，该方法包括如下步骤：
步骤一：针对四相位定周期单交叉口，采用存储转发方法进行建模
交通需求充足的支路m的车流量动态表示如下：
xm(k+1)＝xm(k)+T[qm(k)-um(k)+Im(k)-Om(k)]
Om(k)＝tm，0qm(k)
Figure FDA0002626385060000011
Figure FDA0002626385060000012
Figure FDA0002626385060000013
其中，m为连接交叉口i和j的一条支路，T为采样时间间隔(s)；xm(k)是支路m的车辆数(veh)；qm(k)和um(k)分别是[kT，(k+1)T]时段内支路m的输入流量和输出流量(veh/s)；Im(k)和Om(k)分别是支路m的需求流量和消散流量(veh/s)，消散率tm，0为已知定值，tn，m是支路n经交叉口j进入支路m设置的转向比，sm表示支路m的饱和流量(veh/s)，gm(k)表示支路m的绿灯时间(s)；
步骤二：建立单交叉口变周期多方向空间占有率模型
单交叉口变周期多方向空间占有率模型可表述成如下形式：
Figure FDA0002626385060000014
Figure FDA0002626385060000015
Figure FDA0002626385060000016
其中，i＝1，…，N表示该交叉口第i个方向，N＝4表示该交叉口有4个方向；C(k)表示该交叉口第k个控制信号周期，为可变周期；li(k)表示该交叉口第i方向第k个周期([(k-1)C(k)，kC(k)]时段内)的车辆数，即周期时刻停车线后排队的车辆数量；qi(k)表示该交叉口第i方向第k个周期的车辆到达率；Si表示该交叉口第i方向的饱和流率；gi(k)表示该交叉口第i方向第k个周期的绿灯时间(s)；tL表示该交叉口总损失时间，xi(k)表示该交叉口第i方向第k个周期的空间占有率，即该方向排队车辆数与其路段长度之比，li，max表示该交叉口第i方向的路段长度；
步骤三：引入时变控制信号周期C(k)，进而得到全新的绿灯时间约束条件，从而保证空间占有率始终满足xi(k+1)≥0；
定义交叉口第i方向第k个周期的绿灯时间约束和控制信号周期约束分别为：
Figure FDA0002626385060000021
Figure FDA0002626385060000022
考虑带有绿灯时间约束的单交叉口变周期多方向空间占有率模型如下：
Figure FDA0002626385060000023
CN202010798059.5A 2020-08-10 2020-08-10 一种单交叉口多方向空间占有率均衡控制模型建立方法 Pending CN112133109A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010798059.5A CN112133109A (zh) 2020-08-10 2020-08-10 一种单交叉口多方向空间占有率均衡控制模型建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010798059.5A CN112133109A (zh) 2020-08-10 2020-08-10 一种单交叉口多方向空间占有率均衡控制模型建立方法

Publications (1)

Publication Number Publication Date
CN112133109A true CN112133109A (zh) 2020-12-25

Family

ID=73851161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010798059.5A Pending CN112133109A (zh) 2020-08-10 2020-08-10 一种单交叉口多方向空间占有率均衡控制模型建立方法

Country Status (1)

Country Link
CN (1) CN112133109A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116110229A (zh) * 2023-04-10 2023-05-12 深圳市城市交通规划设计研究中心股份有限公司 一种单交叉口网联信号配时方法、电子设备及存储介质
CN115798226B (zh) * 2022-10-19 2024-05-03 公安部交通管理科学研究所 一种基于绿灯利用率的信号控制优化方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070060169A1 (en) * 2003-12-01 2007-03-15 Per Johansson Traffic control method
US20150102945A1 (en) * 2011-12-16 2015-04-16 Pragmatek Transport Innovations, Inc. Multi-agent reinforcement learning for integrated and networked adaptive traffic signal control
CN105225502A (zh) * 2015-11-02 2016-01-06 招商局重庆交通科研设计院有限公司 一种基于多智能体的交叉口信号控制方法
CN107705557A (zh) * 2017-09-04 2018-02-16 清华大学 基于深度增强网络的路网信号控制方法及装置
US20180178376A1 (en) * 2016-12-23 2018-06-28 X Development Llc Multi-Agent Coordination Under Sparse Networking
CN109326131A (zh) * 2018-11-28 2019-02-12 南京莱斯信息技术股份有限公司 一种自动调整周期和绿信比的交通信号协调控制方法
CN109841068A (zh) * 2019-03-28 2019-06-04 广东振业优控科技股份有限公司 基于路口中心处交通流冲突点占有率的交通信号控制方法
CN110264750A (zh) * 2019-06-14 2019-09-20 大连理工大学 一种基于多任务深度q网络的q值迁移的多交叉口信号灯协同控制方法
CN110718077A (zh) * 2019-11-04 2020-01-21 武汉理工大学 一种行动-评价机制下信号灯优化配时方法
CN111243271A (zh) * 2020-01-11 2020-06-05 多伦科技股份有限公司 一种基于深度循环q学习的单点交叉口信号控制方法
JP2020119285A (ja) * 2019-01-24 2020-08-06 トヨタ自動車株式会社 マルチエージェントシステムの合意制御が実行される分散制御システム

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070060169A1 (en) * 2003-12-01 2007-03-15 Per Johansson Traffic control method
US20150102945A1 (en) * 2011-12-16 2015-04-16 Pragmatek Transport Innovations, Inc. Multi-agent reinforcement learning for integrated and networked adaptive traffic signal control
CN105225502A (zh) * 2015-11-02 2016-01-06 招商局重庆交通科研设计院有限公司 一种基于多智能体的交叉口信号控制方法
US20180178376A1 (en) * 2016-12-23 2018-06-28 X Development Llc Multi-Agent Coordination Under Sparse Networking
CN107705557A (zh) * 2017-09-04 2018-02-16 清华大学 基于深度增强网络的路网信号控制方法及装置
CN109326131A (zh) * 2018-11-28 2019-02-12 南京莱斯信息技术股份有限公司 一种自动调整周期和绿信比的交通信号协调控制方法
JP2020119285A (ja) * 2019-01-24 2020-08-06 トヨタ自動車株式会社 マルチエージェントシステムの合意制御が実行される分散制御システム
CN109841068A (zh) * 2019-03-28 2019-06-04 广东振业优控科技股份有限公司 基于路口中心处交通流冲突点占有率的交通信号控制方法
CN110264750A (zh) * 2019-06-14 2019-09-20 大连理工大学 一种基于多任务深度q网络的q值迁移的多交叉口信号灯协同控制方法
CN110718077A (zh) * 2019-11-04 2020-01-21 武汉理工大学 一种行动-评价机制下信号灯优化配时方法
CN111243271A (zh) * 2020-01-11 2020-06-05 多伦科技股份有限公司 一种基于深度循环q学习的单点交叉口信号控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HAIBO ZHANG, XIAOMING LIU, HONGHAI JI, ZHONGSHENG HOU: "Haibo Zhang, Xiaoming Liu, Honghai Ji, Zhongsheng Hou, Lingling Fan", 《ENERGIES》 *
王力，李岱，何忠贺，马旭辉: "基于多智能体分群同步的城市路网交通控制", 《控制理论与应用》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115798226B (zh) * 2022-10-19 2024-05-03 公安部交通管理科学研究所 一种基于绿灯利用率的信号控制优化方法
CN116110229A (zh) * 2023-04-10 2023-05-12 深圳市城市交通规划设计研究中心股份有限公司 一种单交叉口网联信号配时方法、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN107117170B (zh) 一种基于经济性驾驶的实时预测巡航控制***
Kowshik et al. Provable systemwide safety in intelligent intersections
Ahmane et al. Modeling and controlling an isolated urban intersection based on cooperative vehicles
CN107507430B (zh) 一种城市路***通控制方法及***
WO2021174374A1 (zh) 交通信号极化绿波控制方法
CN111951549B (zh) 在网联车辆环境下的自适应交通信号灯控制方法及***
WO2019061933A1 (zh) 交通信号泛弦控制方法及其***
Vreeswijk et al. Energy efficient traffic management and control-the eCoMove approach and expected benefits
CN103337161A (zh) 基于实时仿真模型的交叉口动态综合评价及信控***优化方法
Ruskin et al. Modeling traffic flow at an urban unsignalized intersection
CN112445229A (zh) 一种领航车队协同的单车道多队列分层控制方法
CN112133109A (zh) 一种单交叉口多方向空间占有率均衡控制模型建立方法
CN113299107B (zh) 一种多目标融合的交叉口动态车辆网联速度引导控制方法
CN106355905A (zh) 一种基于卡口数据的高架信号控制方法
CN111932915A (zh) 一种基于到达时间步进式预测的公交右转合乘信号优先方法
CN112258856B (zh) 一种区域交通信号数据驱动控制模型建立方法
CN101673466A (zh) 交通信号控制下的浮动车信息处理方法
CN115083175B (zh) 基于车路协同的信号管控方法、相关装置及程序产品
CN113362605A (zh) 基于潜在同质区域辨识的分布式交通流优化***及方法
Zheng et al. A novel approach to coordinating green wave system with adaptation evolutionary strategy
CN113053120A (zh) 基于迭代学习模型预测控制的交通信号灯调度方法与***
CN109859475B (zh) 一种基于dbscan密度聚类的交叉口信号控制方法、装置及***
Pan et al. A hierarchical robust control strategy for decentralized signal-free intersection management
CN113506442B (zh) 一种基于预期收益估计的城市路网交通信号灯控制方法
Bai et al. A general framework for intersection traffic control with backpressure routing

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201225