CN113112809A - 一种基于全息感知的交叉***通安全风险性评价*** - Google Patents

一种基于全息感知的交叉***通安全风险性评价*** Download PDF

Info

Publication number
CN113112809A
CN113112809A CN202110439573.4A CN202110439573A CN113112809A CN 113112809 A CN113112809 A CN 113112809A CN 202110439573 A CN202110439573 A CN 202110439573A CN 113112809 A CN113112809 A CN 113112809A
Authority
CN
China
Prior art keywords
vehicle
intersection
traffic safety
risk evaluation
acceleration
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.)
Granted
Application number
CN202110439573.4A
Other languages
English (en)
Other versions
CN113112809B (zh
Inventor
张晖
万壮
吴超仲
张奕骏
陈枫
侯宁昊
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.)
Wuhan Zhongke Tongda High New Technology Co Ltd
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202110439573.4A priority Critical patent/CN113112809B/zh
Publication of CN113112809A publication Critical patent/CN113112809A/zh
Application granted granted Critical
Publication of CN113112809B publication Critical patent/CN113112809B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed

Landscapes

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

Abstract

本发明公开了一种基于全息感知的交叉***通安全风险性评价***，包括：数据采集模块，用于通过全息感知设备采集交叉口的行人和车辆所处的位置、走向、车辆加速度和速度；轨迹冲突分析模块，用于对所述的全息感知设备模块中的行人与车辆的运行的位置、走向进行处理，通过轨迹识别算法与冲突检测算法识别冲突数；数据处理模块，用于对车辆驾驶速度、加速度进行处理，获得交通状态稳定程度；风险评价分析模块，用于对所述的冲突数、加速度方差、急加速急减速和速度差均值进行权重赋值和归一化处理，得到交叉口的交通安全态势风险评价指数，确定交通安全风险等级。本发明提供了对交叉口的交通安全状况进行风险评价的量化方法。

Description

一种基于全息感知的交叉***通安全风险性评价***
技术领域
本发明涉及道路交通安全技术，尤其涉及一种基于全息感知的交叉***通安全风险性评价***。
背景技术
交叉口作为交通安全事故频发地点，国内外开展了大量交叉***通安全风险评价研究。目前研究主要基于传统的图像识别、微波雷达等，识别区域有限且精确度较低，同时忽略了交叉口动态数据，例如加速度分布、速度差分布等，导致交叉***通安全风险评价结果确乏全面性与实时性，其对实际交叉口管理效果影响甚微。
针对交叉口要素感知不全面，评价结果精确度低等问题，本发明提出了一种基于全息感知的交叉***通安全风险性评价***。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于全息感知的交叉***通安全风险性评价***。
本发明解决其技术问题所采用的技术方案是：一种基于全息感知的交叉***通安全风险性评价***，包括：
数据采集模块，用于通过全息感知设备采集交叉口的行人和车辆所处的位置、走向、车辆加速度和速度；
轨迹冲突分析模块，用于对所述的全息感知设备模块中的行人与车辆的运行的位置、走向进行处理，通过轨迹识别算法与冲突检测算法识别冲突数；
数据处理模块，用于对车辆驾驶速度、加速度进行处理，获得交通状态稳定程度；
风险评价分析模块，用于对所述的冲突数、加速度方差、急加速急减速和速度差均值进行权重赋值和归一化处理，得到交叉口的交通安全态势风险评价指数，确定交通安全风险等级。
按上述方案，所述轨迹冲突分析模块中，通过轨迹识别算法与冲突检测算法识别冲突数的方法如下：
1)根据数据采集模块中行人和车辆所处的位置、走向、车辆加速度和速度获得轨迹文件，根据轨迹文件(TRJ文件)确定冲突分析区域的尺寸，尺寸包括矩形分析区域的宽度和高度；
2)分析轨迹文件的单个时间步长，对于分析区域内的每一辆车，将其预期位置作为其当前速度的函数，如果它继续沿其路径行驶，直到配置的碰撞时间(TTC)值持续时间结束，其中TTC阈值通常设置为1.5秒；
3)对于每一辆车，计算出它在未来预测位置上的位置和方向的矩形周长，将该矩形覆盖在区域网格上，确定车辆位置所占用的网格；
对于车辆将占用的每个区域，将该车辆添加到该区域，或者将该车辆添加到每个区域的占用者列表中；当一辆车辆被添加到当前包含一辆或多辆其他车辆的区域时，检查该车辆(矩形)与该区域内的每一辆其他车辆(矩形)是否重叠。其中两辆车部分占据同一区域而不重叠是可能的。然而，两个重叠的矩形则表明这对车辆未来将会发生碰撞，这将作为已被识别的一个潜在冲突，然后记录当前时间步长中的所有冲突。
按上述方案，所述对车辆驾驶速度、加速度进行处理，获得交通状态稳定程度，具体如下：
全息感知模块获取交叉口中所有车道中车辆行驶过程中的加速度A和速度V，统计同一方向上的加速度分布，计算每个方向上的加速度方差，取方差的平均值
Figure BDA0003034521330000031
对所有车道中同一车道相邻车辆的速度做差，得到ΔV，计算ΔV平均值
Figure BDA0003034521330000032
计算交通状态稳定程度:
Figure BDA0003034521330000033
式中：S为交通状态稳定程度，
Figure BDA0003034521330000034
为加速度方差的平均值，
Figure BDA0003034521330000035
为相邻车辆速度差的平均值，α为修正系数。
按上述方案，所述交叉口的交通安全态势风险评价指数采用以下公式计算：
Figure BDA0003034521330000041
式中：λ为交叉口的交通安全态势风险评价指数，
Figure BDA0003034521330000042
为冲突数的平均值，μi为冲突系数(i＝1，2)(严重冲突时取i＝1，非严重冲突时取i＝2)，S为交通状态稳定程度，β为修正系数。
本发明产生的有益效果是：通过全息感知设备采集与道路行车安全相关联的表征指标，对道路交通安全表征指标量化，耦合交叉口道路布设情况及信号灯相位设置，最终得到交叉口的交通安全态势风险评价指数，以此来对交叉口的交通安全状况进行风险评价。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例的结构示意图；
图2为是本发明实施例的全息感知设备路口布设图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，一种基于全息感知的交叉***通安全风险性评价***，包括：数据采集模块、轨迹冲突分析模块、数据处理模块和风险评价分析模块。
图2所示为布控全息感知设备，用于提供交叉口四个方向上行人与车辆的行驶轨迹数据，全息感知设备通过旋转光学部件将激光脉冲发射至覆盖区域的各个方向，测量光触及物体并反射回来所需的时间来确定距离，利用直接飞行时间(dToF)，以纳秒速度级测量反射回来的光，定位行人与车辆，同时记录行人与车辆的行动轨迹，用冲突检测算法计算出一小时内每五分钟的冲突数Ci(i＝1，2，……，12)。
计算冲突数的平均值：
Figure BDA0003034521330000051
式中：
Figure BDA0003034521330000052
为冲突数的平均值；i为冲突数的个数。
同时，全息感知模块获取交叉口中车辆行驶过程中的加速度A和速度V，统计同一方向上的加速度分布，计算每个方向上的加速度方差，取方差的平均值
Figure BDA0003034521330000053
对同一车道相邻车辆的速度V做差，得到DeltaV，取平均值
Figure BDA0003034521330000054
计算交通状态稳定程度:
Figure BDA0003034521330000055
式中：S为交通状态稳定程度，
Figure BDA0003034521330000061
为加速度方差的平均值，
Figure BDA0003034521330000062
为相邻车辆速度差的平均值，α为修正系数。
风险评价分析模块判断交叉口冲突数和交通状态稳定程度，若任意一个评价指标超过阈值就判定交叉***通安全风险等级高，若均未超过阈值，若均未超过阈值，则进行下一步。
根据冲突严重程度的不同，划分为严重冲突和非严重冲突。严重冲突定义为发生冲突的交通参与者之间感受到相当大的安全威胁，心理上产生了巨大压力，严重冲突系数定为μ1；非严重冲突定义为发生冲突的交通参与者之间感受到了一定的安全威胁和心理压力，需采取防范性的预防行为避险，观察、感知时间也较充分，非严重冲突系数定为μ2。同时耦合交叉口的车道数和控制方案得到修正系数β。
其中，冲突严重程度的评定标准用冲突时间差TDTC来判定：
TDTC＝TTC1-TTC2
式中：TDTC为冲突时间差，TTC1和TTC2为到达同一个冲突点时两辆车的冲突时间。
当存在|TDTC|<0.66s时，则判定为严重冲突。
计算交叉口的交通安全态势风险评价指数：
Figure BDA0003034521330000071
式中：λ为交叉口的交通安全态势风险评价指数，
Figure BDA0003034521330000072
为冲突数的平均值，μi为冲突系数(i＝1，2)(严重冲突时取i＝1，非严重冲突时取i＝2)，S为交通状态稳定程度，β为修正系数。
根据初始设置的指数评价标准和等级(可分为高、中、低三档)，判断交叉路口的交通安全风险等级，量化评估交通安全风险产生的可能性，为交通管理者提供参考。
本发明提出了一种通过分析行人车辆运行数据的交叉***通安全风险性评价***，利用应用数理统计的方法，通过全息感知设备采集人、车的位置、走向信息，利用轨迹分析算法和冲突检测算法建立交通模型轨迹信息，通过冲突仿真检测算法计算交叉口冲突数；同时全息感知设备采集交叉口每个方向上车辆的加速度的和速度，计算每个交叉口的加速度分布和方差，取加速度方差均值，计算同一方向上相邻车辆的速度差和均值，以此来进行道路交通运行状态识别。最后风险评价分析模块对交叉口冲突数和道路交通运行状态进行判断，若任意一个评价指标超过阈值就判定交叉***通安全风险等级高，若均未超过阈值，则计算交叉口的交通安全态势风险评价指数，最终给定交叉口风险性评价等级。该发明***能运用全息感知的设备，可以即时地获取与道路行车安全相关联的表征指标，一个交叉路口只需要布设两个全息感知设备即可实现对交叉路口的全面感知，最终得到交叉***通安全风险性评价，目的是为了给与道路交通管理者一个参考。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (4)

1.一种基于全息感知的交叉***通安全风险性评价***，其特征在于，包括：
数据采集模块，用于通过全息感知设备采集交叉口的行人和车辆所处的位置、走向、车辆加速度和速度；
轨迹冲突分析模块，用于对所述的全息感知设备模块中的行人与车辆的运行的位置、走向进行处理，通过轨迹识别算法与冲突检测算法识别冲突数；
数据处理模块，用于对车辆驾驶速度、加速度进行处理，获得交通状态稳定程度；
风险评价分析模块，用于对所述的冲突数、加速度方差、急加速急减速和速度差均值进行权重赋值和归一化处理，得到交叉口的交通安全态势风险评价指数，确定交通安全风险等级。
2.根据权利要求1所述的基于全息感知的交叉***通安全风险性评价***，其特征在于，所述轨迹冲突分析模块中，通过轨迹识别算法与冲突检测算法识别冲突数的方法如下：
1)根据数据采集模块中行人和车辆所处的位置、走向、车辆加速度和速度获得轨迹文件，根据轨迹文件确定冲突分析区域的尺寸，尺寸包括矩形分析区域的宽度和高度；
2)分析轨迹文件的单个时间步长，对于分析区域内的每一辆车，将其预期位置作为其当前速度的函数，如果它继续沿其路径行驶，直到配置的碰撞时间TTC值持续时间结束；
3)对于每一辆车，计算出它在未来预测位置上的位置和方向的矩形周长，将该矩形覆盖在区域网格上，确定车辆位置所占用的网格；
对于车辆将占用的每个区域，将该车辆添加到该区域，或者将该车辆添加到每个区域的占用者列表中；当一辆车辆被添加到当前包含一辆或多辆其他车辆的区域时，根据车辆位置所占用的网格检查该车辆矩形与该区域内的其他车辆矩形是否重叠，若重叠则表明这对车辆未来将会发生碰撞，这将作为已被识别的一个潜在冲突，然后记录当前时间步长中的所有冲突数。
3.根据权利要求1所述的基于全息感知的交叉***通安全风险性评价***，其特征在于，所述数据处理模块中，对车辆驾驶速度、加速度进行处理，获得交通状态稳定程度，具体如下：
全息感知模块获取交叉口中所有车道中车辆行驶过程中的加速度A和速度V，统计同一方向上的加速度分布，计算每个方向上的加速度方差，取方差的平均值
Figure FDA0003034521320000021
对所有车道中同一车道相邻车辆的速度做差，得到ΔV，计算ΔV平均值
Figure FDA0003034521320000022
计算交通状态稳定程度:
Figure FDA0003034521320000031
式中：S为交通状态稳定程度，
Figure FDA0003034521320000032
为加速度方差的平均值，
Figure FDA0003034521320000033
为相邻车辆速度差的平均值，α为修正系数。
4.根据权利要求1所述的基于全息感知的交叉***通安全风险性评价***，其特征在于，所述风险评价分析模块中，交叉口的交通安全态势风险评价指数采用以下公式计算：
Figure FDA0003034521320000034
式中：λ为交叉口的交通安全态势风险评价指数，
Figure FDA0003034521320000035
为冲突数的平均值，μi为冲突系数，S为交通状态稳定程度，β为修正系数。
CN202110439573.4A 2021-04-23 2021-04-23 一种基于全息感知的交叉***通安全风险性评价*** Active CN113112809B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110439573.4A CN113112809B (zh) 2021-04-23 2021-04-23 一种基于全息感知的交叉***通安全风险性评价***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110439573.4A CN113112809B (zh) 2021-04-23 2021-04-23 一种基于全息感知的交叉***通安全风险性评价***

Publications (2)

Publication Number Publication Date
CN113112809A true CN113112809A (zh) 2021-07-13
CN113112809B CN113112809B (zh) 2022-03-25

Family

ID=76719786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110439573.4A Active CN113112809B (zh) 2021-04-23 2021-04-23 一种基于全息感知的交叉***通安全风险性评价***

Country Status (1)

Country Link
CN (1) CN113112809B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114724376A (zh) * 2022-05-05 2022-07-08 北京航空航天大学 一种基于风险场理论的交叉口安全评价方法
CN114781791A (zh) * 2022-03-11 2022-07-22 山东高速建设管理集团有限公司 一种基于全息感知数据的高速服务区风险识别方法
CN114882699A (zh) * 2022-04-08 2022-08-09 武汉理工大学 基于区域内冲突时空关联特征的路段交通风险辨识方法
CN115620518A (zh) * 2022-10-11 2023-01-17 东南大学 基于深度学习的交叉***通冲突判别方法
CN116653937A (zh) * 2023-08-02 2023-08-29 蘑菇车联信息科技有限公司 无信号灯左转场景车辆通行方法、***、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853575A (zh) * 2010-05-31 2010-10-06 北京航空航天大学 基于二维激光扫描仪的路***通冲突检测及安全评价方法
TWI517084B (zh) * 2014-07-08 2016-01-11 和碩聯合科技股份有限公司 路況通報分析系統
CN105741551A (zh) * 2016-04-22 2016-07-06 华南理工大学 一种无信号交叉***通安全评价方法
CN108230676A (zh) * 2018-01-23 2018-06-29 同济大学 一种基于轨迹数据的交叉口行人过街风险评估方法
US20190152471A1 (en) * 2017-11-17 2019-05-23 Toyota Jidosha Kabushiki Kaisha Behavior control apparatus for vehicle
CN110544380A (zh) * 2019-09-17 2019-12-06 东南大学 一种面向道路合流区域的实时车道级安全态势评估方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853575A (zh) * 2010-05-31 2010-10-06 北京航空航天大学 基于二维激光扫描仪的路***通冲突检测及安全评价方法
TWI517084B (zh) * 2014-07-08 2016-01-11 和碩聯合科技股份有限公司 路況通報分析系統
CN105741551A (zh) * 2016-04-22 2016-07-06 华南理工大学 一种无信号交叉***通安全评价方法
US20190152471A1 (en) * 2017-11-17 2019-05-23 Toyota Jidosha Kabushiki Kaisha Behavior control apparatus for vehicle
CN108230676A (zh) * 2018-01-23 2018-06-29 同济大学 一种基于轨迹数据的交叉口行人过街风险评估方法
CN110544380A (zh) * 2019-09-17 2019-12-06 东南大学 一种面向道路合流区域的实时车道级安全态势评估方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
HUI ZHANG 等: "Predicting Crash Frequency for Urban Expressway considering Collision Types Using Real-Time Traffic Data", 《JOURNAL OF ADVANCED TRANSPORTATION》 *
吴海涛等: "汽车防撞与控制***研究新成果", 《公路》 *
唐建锋等: "基于交通仿真的道路安全评价方法", 《交通与运输(学术版)》 *
杨庆芳等: "基于收费数据的高速公路交通状态判别方法", 《华南理工大学学报(自然科学版)》 *
迟佳欣等: "基于交通冲突的交织区安全评价方法研究", 《交通科技与经济》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114781791A (zh) * 2022-03-11 2022-07-22 山东高速建设管理集团有限公司 一种基于全息感知数据的高速服务区风险识别方法
CN114781791B (zh) * 2022-03-11 2023-09-29 山东高速建设管理集团有限公司 一种基于全息感知数据的高速服务区风险识别方法
CN114882699A (zh) * 2022-04-08 2022-08-09 武汉理工大学 基于区域内冲突时空关联特征的路段交通风险辨识方法
CN114882699B (zh) * 2022-04-08 2023-07-25 武汉理工大学 基于区域内冲突时空关联特征的路段交通风险辨识方法
CN114724376A (zh) * 2022-05-05 2022-07-08 北京航空航天大学 一种基于风险场理论的交叉口安全评价方法
CN114724376B (zh) * 2022-05-05 2023-04-28 北京航空航天大学 一种基于风险场理论的交叉口安全评价方法
CN115620518A (zh) * 2022-10-11 2023-01-17 东南大学 基于深度学习的交叉***通冲突判别方法
CN115620518B (zh) * 2022-10-11 2023-10-13 东南大学 基于深度学习的交叉***通冲突判别方法
CN116653937A (zh) * 2023-08-02 2023-08-29 蘑菇车联信息科技有限公司 无信号灯左转场景车辆通行方法、***、设备及存储介质
CN116653937B (zh) * 2023-08-02 2023-11-17 蘑菇车联信息科技有限公司 无信号灯左转场景车辆通行方法、***、设备及存储介质

Also Published As

Publication number Publication date
CN113112809B (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
CN113112809B (zh) 一种基于全息感知的交叉***通安全风险性评价***
Shi et al. Key risk indicators for accident assessment conditioned on pre-crash vehicle trajectory
CN110570664B (zh) 一种高速公路交通事件自动检测***
CN110164130B (zh) 交通事件检测方法、装置、设备及存储介质
US11361556B2 (en) Deterioration diagnosis device, deterioration diagnosis system, deterioration diagnosis method, and storage medium for storing program
CN112700470B (zh) 一种基于交通视频流的目标检测和轨迹提取方法
WO2021077766A1 (zh) 一种大区域多目标交通事件检测***及方法
CN110164132B (zh) 一种道路交通异常的检测方法及***
Chang et al. Onboard measurement and warning module for irregular vehicle behavior
CN105844222A (zh) 基于视觉的前方车辆碰撞预警***及方法
US20170330454A1 (en) Method of controlling a traffic surveillance system
Lv et al. Automatic vehicle-pedestrian conflict identification with trajectories of road users extracted from roadside LiDAR sensors using a rule-based method
CN109900494B (zh) 一种测试用例的生成方法
CN113112865B (zh) 一种区域化车辆协同预警避险的交互***及方法
CN115618932A (zh) 基于网联自动驾驶的交通事件预测方法、装置及电子设备
Nakamura et al. Defining reasonably foreseeable parameter ranges using real-world traffic data for scenario-based safety assessment of automated vehicles
CN111422202B (zh) 智能驾驶考试评判方法
CN111666859A (zh) 一种危险驾驶行为识别方法
Shangguan et al. Quantification of Rear‐End Crash Risk and Analysis of Its Influencing Factors Based on a New Surrogate Safety Measure
Zheng Developing a traffic safety diagnostics system for unmanned aerial vehicles usingdeep learning algorithms
Anwari et al. Investigating surrogate safety measures at midblock pedestrian crossings using multivariate models with roadside camera data
CN116580551A (zh) 车辆驾驶行为评估方法、装置、设备及存储介质
CN116246226A (zh) 一种机场场面冲突探测方法、装置、***以及存储介质
Yu et al. A Bayesian Tobit quantile regression approach for naturalistic longitudinal driving capability assessment
CN116997890A (zh) 生成未知不安全场景、改进自动交通工具、计算机***

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240116

Address after: 430000 Hubei city of Wuhan Province, East Lake New Technology Development Zone, Road No. 1 software industry three A3 10 storey building

Patentee after: WUHAN ZHONGKE TONGDA HIGH-NEW TECHNOLOGY Co.,Ltd.

Address before: 430070 Hubei Province, Wuhan city Hongshan District Luoshi Road No. 122

Patentee before: WUHAN University OF TECHNOLOGY