CN115601967A - 一种高速路uj型驾驶逃费行为的数据分析方法 - Google Patents
一种高速路uj型驾驶逃费行为的数据分析方法 Download PDFInfo
- Publication number
- CN115601967A CN115601967A CN202211216069.9A CN202211216069A CN115601967A CN 115601967 A CN115601967 A CN 115601967A CN 202211216069 A CN202211216069 A CN 202211216069A CN 115601967 A CN115601967 A CN 115601967A
- Authority
- CN
- China
- Prior art keywords
- toll station
- time
- vehicle
- average
- passing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000007405 data analysis Methods 0.000 title claims abstract description 19
- 230000006399 behavior Effects 0.000 claims abstract description 23
- 238000004140 cleaning Methods 0.000 claims abstract description 5
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及高速公路电子收费技术领域,更具体地,涉及一种高速路UJ型驾驶逃费行为的数据分析方法,包括以下步骤:S1、数据清洗:获取高速公路门架的基本数据和车辆出入口、门架信息流水;S2、根据已有的高速公路出入口收费站及门架计算A收费站到B收费站的距离长度;S3、根据已有的通行数据计算各类车型从A收费站到B收费站通行数据的平均通行时间;S4、根据已有的高速公路规定计算各类车型从A收费站到B收费站按最低限速行驶的正常通行时间;S5、根据步骤3和步骤4得出的通行时间采用加权法对其处理,计算得出行驶时间阈值,判断该车辆是否存在UJ型行驶,本发明公开的方案,能快速、灵活、准确地识别UJ型驾驶通行费偷逃行为。
Description
技术领域
本发明涉及高速公路电子收费技术领域,更具体地,涉及一种高速路UJ型驾驶逃费行为的数据分析方法。
背景技术
为维护高速公路正常收费秩序和公平缴费环境,进一步加强通行费征收管理,有效防范和遏制偷逃通行费行为,保证严格按照收费标准依法依规收费,迫在眉睫。
虽然,管理部门积极采取一些控制手段,但在实践中依然缺少有效的解决方案,尤其是在主动发现偷逃通行费嫌疑车辆的这一环节没有高效的办法,通常通过人力查询的方式进行,效果极其低下,而随着全国取消省界收费站采用门架分段计费,分段结算的方式后,原有的打逃机制和打逃工具纷纷失效,再加上偷逃的手法也发生了变化,原有的防控技术基本处于瘫痪重建的状态。
当前,车辆逃费手法日新月异,部分司机利用UJ型行驶的手段进行逃费屡见不鲜,具体表现为车辆进入高速之后,从A点前往C点,假设两点距离10km,之后又从C点附近寻找掉头位前往B点,假设AB两点距离5km,按照目前收费规则以及因为技术手段不足,为保证司机的合法权益只收取AB两点距离的通行费,达到少缴通行费的目的,此类方式在现行实际工作中没有找到行之有效的解决办法。
因此,提出一种解决上述问题的高速路UJ型驾驶逃费行为的数据分析方法实为必要。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷(不足),提供一种高速路UJ型驾驶逃费行为的数据分析方法。
为解决上述技术问题,本发明的技术方案如下:一种高速路UJ型驾驶逃费行为的数据分析方法,包括以下步骤:
S1、数据清洗:获取高速公路门架的基本数据和车辆出入口、门架信息流水;
S2、根据已有的高速公路出入口收费站及门架计算A收费站到B收费站的距离长度;
S3、根据已有的通行数据计算各类车型从A收费站到B收费站通行数据的平均通行时间;
S4、根据已有的高速公路规定计算各类车型从A收费站到B收费站按最低限速行驶的正常通行时间;
S5、根据步骤3和步骤4得出的通行时间采用加权法对其处理,计算得出行驶时间阈值,判断该车辆是否存在UJ型行驶;
进一步的,所述步骤S2中,所采用的路径为最小费额里程路径。
更进一步的,所述步骤S3中,包括以下步骤:
S33、根据已有的通行数据计算A收费站到B收费站对应七天前当前时段的车辆平均通行时间;
进一步的,所述步骤S31计算以往一个月内所有车辆从A收费站至B 收费站行驶路径为最小费额里程路径的平均通行时间即为 sum(time)为一个月内所有车辆从A收费站至B收费站行驶路径为最小费额里程路径的时间总和,count(time)为一个月内所有车辆从A收费站至B收费站行驶路径为最小费额里程路径的所有车流数量。
更进一步的,所述步骤S32计算各类车型从A收费站到B收费站以往一个月的平均通行时间即为按照车型分类的形式计算A收费站至 B收费站行驶路径为最小费额里程路径的平均通行时间,计算某个车型的最终平均时间代入相对应的平均时间
进一步的,所述步骤S33计算A收费站到B收费站行驶路径为最小费额里程路径的对应七天前当前时段的车辆平均通行时间,七天前当前时段为该车进入高速入口的入口时间对应七天前相同时间前后30分钟;即为选取sum(time)为七天前某一小时所有车辆的通行时间总和, sum(count)为七天前某一小时所有车流数量。
进一步的,所述步骤S4中,计算A收费站到B收费站按最低限速行驶的正常通行时间,最低限速是指该车辆通行该路段规定可行驶的最低时速,不同路段行驶的最低时速会有差别,根据A收费站到B收费站行驶的路段长度Lk及路段限速Vk计算,正常行驶时间x为:
更进一步的,所述步骤S5中,通过使用加权法对5个平均通行时间进行平均加权,即为每个平均时间的权为20%。
进一步的,所述步骤S5中,设置A收费站到B收费站行驶时间阈值,若某匹配结果大于行驶时间阈值,认定该车存在UJ型驾驶的嫌疑,若某匹配结果小于行驶时间阈值,认定该车不存在UJ型驾驶。
与现有技术相比,本发明技术方案的有益效果是:
本发明公开的高速路UJ型驾驶逃费行为的数据分析方法,通过利用高速公路门架的基本数据和车辆出入口,门架信息流水进行分析,能够快速、灵活、准确地识别UJ型驾驶通行费偷逃行为,此外,通过计算相同出入口站的不同行驶路径的长度以及费额,得出符合UJ型驾驶的路径信息,使最终的平均通行时间有物理数据支撑;通过计算不同维度的平均时间,多方位考虑路段,车辆,时间上的问题,减少外部因素的误差,提高识别准确率以及覆盖率;通过算法计算最终平均时间,通过阈值进行判定,能针对各路段情况进行处理,具有广泛适应弹性。
附图说明
图1是本发明中高速路UJ型驾驶逃费行为的数据分析方法的实施例 1中U型驾驶路径图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以是通过中间媒介间接连接,可以说两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明的具体含义。下面结合附图和实施例对本发明的技术方案做进一步的说明。
如图1所示,一种高速路UJ型驾驶逃费行为的数据分析方法,包括以下步骤:
S1、数据清洗:获取高速公路门架的基本数据和车辆出入口、门架信息流水;
S2、根据已有的高速公路出入口收费站及门架计算A收费站到B收费站的距离长度;
S3、根据已有的通行数据计算各类车型从A收费站到B收费站通行数据的平均通行时间;
S4、根据已有的高速公路规定计算各类车型从A收费站到B收费站按最低限速行驶的正常通行时间;
S5、根据步骤3和步骤4得出的通行时间采用加权法对其处理,计算得出行驶时间阈值,判断该车辆是否存在UJ型行驶;
在本发明的步骤S2中,所采用的路径为最小费额里程路径,此外,在步骤S3中,包括以下步骤:
S33、根据已有的通行数据计算A收费站到B收费站对应七天前当前时段的车辆平均通行时间;
其中,步骤S31计算以往一个月内所有车辆从A收费站至B收费站行驶路径为最小费额里程路径的平均通行时间即为 sum(time)为一个月内所有车辆从A收费站至B收费站行驶路径为最小费额里程路径的时间总和,count(time)为一个月内所有车辆从A收费站至B收费站行驶路径为最小费额里程路径的所有车流数量,而在步骤S32中,通过计算各类车型从A收费站到B收费站以往一个月的平均通行时间即为按照车型分类的形式计算A收费站至B收费站行驶路径为最小费额里程路径的平均通行时间,计算某个车型的最终平均时间代入相对应的平均时间而在步骤S33中,计算A收费站到B收费站行驶路径为最小费额里程路径的对应七天前当前时段的车辆平均通行时间,七天前当前时段为该车进入高速入口的入口时间对应七天前相同时间前后30分钟;即为选取sum(time)为七天前某一小时所有车辆的通行时间总和,sum(count)为七天前某一小时所有车流数量,最后,在步骤S34中,计算A收费站到B收费站最佳里程的车辆平均通行时间最佳里程路径为过去一个月内从A收费站进从B收费站出的所有车流中,通行路径占比最大的路径为最佳里程路径。
本发明在步骤S4中,计算A收费站到B收费站按最低限速行驶的正常通行时间,最低限速是指该车辆通行该路段规定可行驶的最低时速,不同路段行驶的最低时速会有差别,根据A收费站到B收费站行驶的路段长度Lk及路段限速Vk计算,正常行驶时间x为:而在步骤S5中,通过使用加权法对5个平均通行时间进行平均加权,即为每个平均时间的权为20%,除此之外,在步骤S5中,设置A收费站到B收费站行驶时间阈值,若某匹配结果大于行驶时间阈值,认定该车存在UJ型驾驶的嫌疑,若某匹配结果小于行驶时间阈值,认定该车不存在UJ型驾驶。
实施例
在本实施例中,车型为VehicleType1的车辆从A收费站进入高速,行驶至服务区掉头,从b收费站驶出高速,该车经过门架的编码有 A1,B1,C1,D1,E1,e1,d1,c1,b1九个门架信息,该车实际只收取A→b区间的通行费,下面根据该情况使用一种高速路UJ型驾驶逃费行为的数据分析方法对该行为进行识别。
一种高速路UJ型驾驶逃费行为的数据分析方法,包括以下步骤:
S1、数据清洗:获取高速公路门架的门架编码,门架距离长度和车辆入出口车牌,入出口时间,通行时间,通行里程,经过的门架和门架牌示信息。
S2、根据已有的高速公路出入口收费站及门架计算A入口收费站到b 出口收费站的距离长度L,如下表1。
表1 A收费站至b收费站距离详情
表2平均通行时间
S4、根据已有的当前路段限制规定计算A收费站到b收费站最低限速(60km./h)的正常通行时间x,如下表3。
L(km) | v(km/h) | x(min) | |
6.3 | 60 | 6.3 |
表3正常行驶时间
表4平均通行时间
表5平均通行时间
表6平均通行时间
S8、根据上述步骤S3-S7得出的各个平均时间采用加权法对其处理。如下表7,最终平均时间t=6.28min。
表7最终平均时间
S9、基于步骤S8的计算结果设置A收费站到b收费站行驶时间阈值,某车入口时间为2021年02月10日08:15,通行时间为183分钟,大于6.28分钟,存在UJ型行驶。
图中,描述位置关系仅用于示例性说明,不能理解为对本专利的限制;显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种高速路UJ型驾驶逃费行为的数据分析方法,其特征在于,包括以下步骤:
S1、数据清洗:获取高速公路门架的基本数据和车辆出入口、门架信息流水;
S2、根据已有的高速公路出入口收费站及门架计算A收费站到B收费站的距离长度;
S3、根据已有的通行数据计算各类车型从A收费站到B收费站通行数据的平均通行时间;
S4、根据已有的高速公路规定计算各类车型从A收费站到B收费站按最低限速行驶的正常通行时间;
S5、根据步骤3和步骤4得出的通行时间采用加权法对其处理,计算得出行驶时间阈值,判断该车辆是否存在UJ型行驶。
2.根据权利要求1所述的高速路UJ型驾驶逃费行为的数据分析方法,其特征在于,所述步骤S2中,所采用的路径为最小费额里程路径。
6.根据权利要求3所述的高速路UJ型驾驶逃费行为的数据分析方法,其特征在于,所述步骤S33计算A收费站到B收费站行驶路径为最小费额里程路径的对应七天前当前时段的车辆平均通行时间,七天前当前时段为该车进入高速入口的入口时间对应七天前相同时间前后30分钟;即为选取sum(time)为七天前某一小时所有车辆的通行时间总和,sum(count)为七天前某一小时所有车流数量。
9.根据权利要求1所述的高速路UJ型驾驶逃费行为的数据分析方法,其特征在于,所述步骤S5中,通过使用加权法对5个平均通行时间进行平均加权,即为每个平均时间的权为20%。
10.根据权利要求1所述的高速路UJ型驾驶逃费行为的数据分析方法,其特征在于,所述步骤S5中,设置A收费站到B收费站行驶时间阈值,若某匹配结果大于行驶时间阈值,认定该车存在UJ型驾驶的嫌疑,若某匹配结果小于行驶时间阈值,认定该车不存在UJ型驾驶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211216069.9A CN115601967A (zh) | 2022-09-30 | 2022-09-30 | 一种高速路uj型驾驶逃费行为的数据分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211216069.9A CN115601967A (zh) | 2022-09-30 | 2022-09-30 | 一种高速路uj型驾驶逃费行为的数据分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115601967A true CN115601967A (zh) | 2023-01-13 |
Family
ID=84845278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211216069.9A Pending CN115601967A (zh) | 2022-09-30 | 2022-09-30 | 一种高速路uj型驾驶逃费行为的数据分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115601967A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117558071A (zh) * | 2024-01-11 | 2024-02-13 | 四川成渝高速公路股份有限公司 | 一种高速公路出入车辆稽查方法及*** |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140114556A1 (en) * | 2012-10-23 | 2014-04-24 | University Of Southern California | Traffic prediction using real-world transportation data |
CN104408958A (zh) * | 2014-11-11 | 2015-03-11 | 河海大学 | 一种城市动态路径行程时间预测方法 |
CN105354273A (zh) * | 2015-10-29 | 2016-02-24 | 浙江高速信息工程技术有限公司 | 一种快速检索高速公路逃费车辆高相似度图像的方法 |
CN107085944A (zh) * | 2017-06-28 | 2017-08-22 | 北京数行健科技有限公司 | 一种交通数据处理***及方法 |
CN108280795A (zh) * | 2018-01-29 | 2018-07-13 | 西安鲲博电子科技有限公司 | 基于动态数据库的高速公路绿色通道异常车辆的筛选方法 |
CN108305461A (zh) * | 2017-12-20 | 2018-07-20 | 大唐软件技术股份有限公司 | 一种偷逃费嫌疑车辆的确定方法和装置 |
US20190139402A1 (en) * | 2016-05-11 | 2019-05-09 | Hangzhou Hikvision Digital Technology Co., Ltd. | Speed prediction method and apparatus |
US10557713B1 (en) * | 2017-07-14 | 2020-02-11 | Uber Technologies, Inc. | Generation of trip estimates using real-time data and historical data |
US20200064139A1 (en) * | 2016-01-25 | 2020-02-27 | Tomtom Traffic B.V. | Methods and systems for generating expected speeds of travel |
CN111696219A (zh) * | 2020-05-25 | 2020-09-22 | 北京易路行技术有限公司 | Etc逃费车辆的筛选方法及装置 |
CN112750320A (zh) * | 2021-04-06 | 2021-05-04 | 宁波均联智行科技股份有限公司 | 一种虚拟车道信息的传输方法及装置 |
CN113053114A (zh) * | 2021-03-12 | 2021-06-29 | 广西计算中心有限责任公司 | 高速公路违规车辆出口站及出口时间的动态预测稽查方法 |
-
2022
- 2022-09-30 CN CN202211216069.9A patent/CN115601967A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140114556A1 (en) * | 2012-10-23 | 2014-04-24 | University Of Southern California | Traffic prediction using real-world transportation data |
CN104408958A (zh) * | 2014-11-11 | 2015-03-11 | 河海大学 | 一种城市动态路径行程时间预测方法 |
CN105354273A (zh) * | 2015-10-29 | 2016-02-24 | 浙江高速信息工程技术有限公司 | 一种快速检索高速公路逃费车辆高相似度图像的方法 |
US20200064139A1 (en) * | 2016-01-25 | 2020-02-27 | Tomtom Traffic B.V. | Methods and systems for generating expected speeds of travel |
US20190139402A1 (en) * | 2016-05-11 | 2019-05-09 | Hangzhou Hikvision Digital Technology Co., Ltd. | Speed prediction method and apparatus |
CN107085944A (zh) * | 2017-06-28 | 2017-08-22 | 北京数行健科技有限公司 | 一种交通数据处理***及方法 |
US10557713B1 (en) * | 2017-07-14 | 2020-02-11 | Uber Technologies, Inc. | Generation of trip estimates using real-time data and historical data |
CN108305461A (zh) * | 2017-12-20 | 2018-07-20 | 大唐软件技术股份有限公司 | 一种偷逃费嫌疑车辆的确定方法和装置 |
CN108280795A (zh) * | 2018-01-29 | 2018-07-13 | 西安鲲博电子科技有限公司 | 基于动态数据库的高速公路绿色通道异常车辆的筛选方法 |
CN111696219A (zh) * | 2020-05-25 | 2020-09-22 | 北京易路行技术有限公司 | Etc逃费车辆的筛选方法及装置 |
CN113053114A (zh) * | 2021-03-12 | 2021-06-29 | 广西计算中心有限责任公司 | 高速公路违规车辆出口站及出口时间的动态预测稽查方法 |
CN112750320A (zh) * | 2021-04-06 | 2021-05-04 | 宁波均联智行科技股份有限公司 | 一种虚拟车道信息的传输方法及装置 |
Non-Patent Citations (2)
Title |
---|
张迅頔 等: "高速公路偷逃费稽查筛选方法研究", no. 4, pages 311 - 315 * |
陈尔希: "基于通行大数据的车辆逃费稽查***的研究与开发", pages 13 - 22 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117558071A (zh) * | 2024-01-11 | 2024-02-13 | 四川成渝高速公路股份有限公司 | 一种高速公路出入车辆稽查方法及*** |
CN117558071B (zh) * | 2024-01-11 | 2024-04-05 | 四川成渝高速公路股份有限公司 | 一种高速公路出入车辆稽查方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581774B (zh) | 一种基于etc数据的高速公路服务区驶入车流量估计方法 | |
CN105590346B (zh) | 基于路径识别***的收费公路网交通信息采集与诱导*** | |
CN105913661B (zh) | 一种基于收费数据的高速公路路段交通状态判别方法 | |
CN205721998U (zh) | 基于路径识别***的收费公路网交通信息采集与诱导*** | |
CN110264734A (zh) | 一种高速公路车辆稽查***及其工作方法 | |
CN103325246B (zh) | 用于货车多种车型的动态检测方法 | |
CN104574545B (zh) | 一种货车不停车计重收费车道***车辆监控方法 | |
US20090018761A1 (en) | Traffic lane management system | |
CN110176139A (zh) | 一种基于dbscan+的道路拥堵识别可视化方法 | |
CN105844904A (zh) | 一种基于dsrc的异常车辆行为检测及追踪方法 | |
CN103258430A (zh) | 路段旅行时间统计、以及交通路况判定方法和装置 | |
CN106991824A (zh) | 收费站车辆排队预测方法 | |
CN108921465A (zh) | 一种公路网货物运输指标自动化统计方法 | |
CN108711281A (zh) | 一种运用路段实际运行车速数据评价公路安全性的方法 | |
CN115601967A (zh) | 一种高速路uj型驾驶逃费行为的数据分析方法 | |
CN111581538A (zh) | 一种基于高速公路收费数据的高速交通流状态推断方法 | |
CN105427396A (zh) | 一种北斗卫星定位的城市拥堵道路收费***及方法 | |
CN111724592B (zh) | 一种基于收费数据与卡口数据的高速公路交通拥堵检测方法 | |
CN114999181A (zh) | 一种基于etc***数据的高速公路车辆速度异常识别方法 | |
CN114005275B (zh) | 一种基于多数据源融合的高速公路车辆拥堵判别方法 | |
Pu et al. | Evaluating the interference of bicycle traffic on vehicle operation on urban streets with bike lanes | |
CN111063042A (zh) | 一种基于大数据的高速公路自由流收费路径拟合*** | |
CN112767686B (zh) | 一种基于多源数据融合的公路网汽车排放估算方法 | |
CN205827443U (zh) | 一种简单高效的etc收费*** | |
CN115294791A (zh) | 一种智慧城市用智能交通引导*** |
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: 20230113 |