CN116030550B - 车辆状态数据的异常识别和处理方法、设备及介质 - Google Patents
车辆状态数据的异常识别和处理方法、设备及介质 Download PDFInfo
- Publication number
- CN116030550B CN116030550B CN202310293015.0A CN202310293015A CN116030550B CN 116030550 B CN116030550 B CN 116030550B CN 202310293015 A CN202310293015 A CN 202310293015A CN 116030550 B CN116030550 B CN 116030550B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- field
- data
- time frame
- detected
- 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
Landscapes
- Emergency Alarm Devices (AREA)
Abstract
本发明涉及数据处理技术领域,公开了一种车辆状态数据的异常识别和处理方法、设备及介质。该方法包括:对获取的当前车辆状态数据进行解析,得到解析成功的各待检时间帧的物理数据,进而检测是否存在字段取值为异常值或无效值、为缺失项或冗余项、超出预设取值范围等异常字段,并确定是否满足时效性条件,以实现对数据的规范性、完整性、准确性、一致性以及时效性的检测,可以检测出各种异常类型的数据,解决无法识别各种异常数据的问题,进而确定各待检时间帧对应的异常等级,并根据各异常等级下的时间帧占比得到异常参考值,以通过异常参考值实现对不同异常程度的数据的不同处理方式,提高了安全预警模型的预测准确性。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种车辆状态数据的异常识别和处理方法、设备及介质。
背景技术
近年来,随着新能源汽车保有量急速增长,新能源汽车安全事故日益增多,新能源汽车产业的健康可持续发展面临挑战。目前新能源汽车行业已经建立了“国家平台—企业平台—被监控车辆”的三级数据监控体系,发挥企业平台效能、对故障进行提前预警成为预防新能源汽车安全事故的重要手段。新能源汽车监测平台的目标是:依据车载T-box采集的汽车运行状态数据,进行数据的统计分析处理,从而实现对新能源汽车的状态情况的有效监控,保障新能源汽车产业的健康发展。
然而,企业获取到的车辆上传的新能源汽车实时监测数据的数据质量,对车辆故障告警及安全预警的有效实现有着决定性的影响。目前,针对新能源汽车上传数据的异常识别方法,通常是基于国家标准32960建立的,仅可以检测出不符合32960协议规范的异常数据,无法识别出各种异常类型的数据,大部分数据异常情况被***视为正常,并进一步应用于安全预警模型,造成安全预警模型对新能源汽车安全预警的误报。
有鉴于此,特提出本发明。
发明内容
为了解决上述技术问题,本发明提供了一种车辆状态数据的异常识别和处理方法、设备及介质,实现对各种类型的异常数据的识别,进而保证对新能源汽车安全预警的准确性。
本发明实施例提供了一种车辆状态数据的异常识别和处理方法,包括:
获取待识别的当前车辆状态数据,其中,所述当前车辆状态数据包括各原始时间帧的状态数据;
对所述当前车辆状态数据中各所述原始时间帧的状态数据进行解析,得到解析成功的各待检时间帧的物理数据;
针对每一个所述待检时间帧的物理数据,检测是否存在字段取值为异常值或无效值的异常字段、为缺失项或冗余项的异常字段、超出预设取值范围的异常字段、变化趋势异常的异常字段、格式错误的异常字段、与关联字段的取值不符合预设逻辑条件的异常字段、以及变化值不合理的异常字段,并确定所述物理数据是否满足时效性条件;
针对每一个所述待检时间帧,根据所述待检时间帧的物理数据中的异常字段,以及所述物理数据是否满足时效性条件,确定所述待检时间帧对应的异常等级;
根据各所述待检时间帧对应的异常等级,确定各所述异常等级下的时间帧占比,基于各所述异常等级下的时间帧占比,确定所述当前车辆状态数据对应的异常参考值;
根据所述异常参考值对所述当前车辆状态数据对应的车型下的所有状态数据进行异常识别,或者,生成与所述当前车辆状态数据对应的报警信息或提示信息。
本发明实施例提供了一种电子设备,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行任一实施例所述的车辆状态数据的异常识别和处理方法的步骤。
本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行任一实施例所述的车辆状态数据的异常识别和处理方法的步骤。
本发明实施例具有以下技术效果:
通过获取待识别的当前车辆状态数据,对其中各原始时间帧的状态数据进行解析,得到解析成功的各待检时间帧的物理数据,进而针对每一个待检时间帧的物理数据,检测是否存在字段取值为异常值或无效值、为缺失项或冗余项、超出预设取值范围、变化趋势异常等异常字段,并确定该物理数据是否满足时效性条件,以实现对数据的规范性、完整性、准确性、一致性以及时效性的检测,可以检测出各种异常类型的数据,解决现有技术无法识别各种异常数据的问题,避免异常数据无法被识别导致输入至安全预警模型,并且,根据每一个待检时间帧的物理数据中的异常字段以及是否满足时效性,确定其对应的异常等级,从而根据所有待检时间帧对应的异常等级确定各异常等级下的时间帧占比,得到当前车辆状态数据对应的异常参考值,通过异常参考值确定是否对车型下的所有状态数据进行异常识别、或是否生成报警信息或提示信息等,以实现对数据异常程度的确定以及异常识别后的处理,进而实现对不同异常程度的数据的不同处理方式,保证输入至安全预警模型的数据的准确性,提高了安全预警模型的预测准确性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种车辆状态数据的异常识别和处理方法的流程图;
图2是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
本发明实施例提供的车辆状态数据的异常识别和处理方法,主要适用于对各车辆上传到平台的车辆状态数据进行异常识别,并根据识别出的描述数据的异常程度的异常参考值,对该车辆状态数据进行处理的情况。本发明实施例提供的车辆状态数据的异常识别和处理方法可以由计算机等电子设备执行。
图1是本发明实施例提供的一种车辆状态数据的异常识别和处理方法的流程图。参见图1,该车辆状态数据的异常识别和处理方法具体包括:
S110、获取待识别的当前车辆状态数据,其中,当前车辆状态数据包括各原始时间帧的状态数据。
其中,当前车辆状态数据可以是车辆通过T-BOX(Telematics-BOX,远程通信设备)上传至平台的数据。具体的,当前车辆状态数可以是描述新能源车辆的车辆行驶状态的数据,如,车辆状态、充电状态、运行模式、车速、累计里程、总电压、电池荷电状态、电池电流、单体电压、绝缘电阻或经纬度等。
在本发明实施例中,各个车辆可以实时上传车辆状态数据,进而平台在接收到各个时间点上传的车辆状态数据后,可以对一个车辆在设定时间段内发送的车辆状态数据进行异常识别,即,将设定时间段内的与待识别车辆相关的车辆状态数据作为当前车辆状态数据。
S120、对当前车辆状态数据中各原始时间帧的状态数据进行解析,得到解析成功的各待检时间帧的物理数据。
在本发明实施例中,由于当前车辆状态数据可以是由设定时间段内的各时间点的车辆状态数据组成的,因此,可以将当前车辆状态数据中的各时间点确定为各原始时间帧。
具体的,平台可以针对当前车辆状态数据中每一个原始时间帧的状态数据,按照国标32960规范进行解析,以将每一个原始时间帧的状态数据转化为物理数据。其中,如果原始时间帧的状态数据错误,则可以导致该状态数据解析失败,如果原始时间帧的状态数据正确,则可以成功解析该状态数据,得到物理数据。
平台在对所有原始时间帧的状态数据进行解析后,可以将解析成功的原始时间帧作为待检时间帧,得到待检时间帧的物理数据。
S130、针对每一个待检时间帧的物理数据,检测是否存在字段取值为异常值或无效值的异常字段、为缺失项或冗余项的异常字段、超出预设取值范围的异常字段、变化趋势异常的异常字段、格式错误的异常字段、与关联字段的取值不符合预设逻辑条件的异常字段、以及变化值不合理的异常字段,并确定物理数据是否满足时效性条件。
具体的,对于每一个待检时间帧的物理数据,可以从数据的规范性、完整性、准确性、一致性以及时效性,对物理数据进行异常识别。
其中,针对每一个待检时间帧的物理数据,平台可以检测解析后的物理数据中是否存在异常值或无效值的字段,以检测物理数据的规范性。具体的,如果物理数据中存在字段取值为“FE”的字段,则可以确定该字段的字段取值为异常值,该字段为异常字段;如果物理数据中存在字段取值为“FF”的字段,则可以确定该字段的字段取值为无效值,该字段为异常字段。
针对每一个待检时间帧的物理数据,平台还可以检测解析后的物理数据中是否存在缺失项或冗余项的字段,以检测物理数据的完整性,即按照国标32960规范,检查物理数据中的字段数据量是否满足数位要求。
其中,检测是否存在为缺失项或冗余项的异常字段,可以包括:(1)识别物理数据中是否存在缺失项的字段;(2)识别物理数据中单体电压及探针温度中是否存在冗余项,具体可以提取预设单体电压数及温度探针数,计算物理数据中的电池单体电压数及探针温度数,并将其与预设值进行对比,从而识别是否有预留冗余的单体电压及探针温度;(3)识别物理数据解析存储后再调用时,是否存在冗余字段项,即识别单个数据需求内是否存在两个及以上的数据。
针对每一个待检时间帧的物理数据,平台还可以检测解析后的物理数据中是否存在超出预设取值范围的异常字段、是否存在变化趋势异常的异常字段、以及是否存在格式错误的异常字段,以检测物理数据的准确性。
其中,每一个字段均可以具备其对应的预设取值范围,预设取值范围描述了对应字段在国标范围内的取值情况。
示例性的,各字段对应的预设取值范围如下:
1)车辆状态:1(车辆启动状态)、2(车辆熄火状态)、3(其它状态);2)充电状态:1(停车充电)、2(行驶充电)、3(未充电)、4(充电完成);3)运行模式:1(纯电模式)、2(混动模式)、3(燃油模式);4)车速:0~220km/h;5)累计里程:国标范围:0~999999.9km,建议范围:0~999990km;6)总电压:国标范围:0~1000V,建议范围:根据车辆情况确定;7)总电流:国标范围:-1000~1000A,建议范围:根据车辆情况确定;8)电荷状态:国标范围0~100;9)绝缘电阻:国标范围:0~60000k,建议范围:根据车辆情况确定;10)经度:建议范围:0~180;11)纬度:建议范围:0~90;12)最高电压电池子***号:国标范围:1~250;13)最高电压电池单体代号:国标范围:1~250;14)电池单体电压最高值:国标范围:0~15V,建议范围2~5V;15)最低电压电池子***号:国标范围:1~250;16)最低电压电池单体代号:国标范围:1~250;17)电池单体电压最低值:国标范围0~15V,建议范围:2~5V;18)最高温度子***号:1~250;19)最高温度探针单体代号:1~250;20)最高温度值:国标范围:-40~210°C,建议范围:-30~120°C;21)单体电池总数:国标范围:1~65531,建议范围:根据车辆情况确定;22)本帧单体电池总数:国标范围:1~200;23)单体电池电压:建议范围:2~5V;24)可充电储能温度探针个数:国标范围1~65531,建议范围:根据车辆情况确定;25)各温度探针检测到的温度值:国标范围-40~210°C,建议范围:-30~120°C。
具体的,如果物理数据中字段的字段取值超出该字段对应的预设取值范围,则可以将该字段确定为异常字段。
变化趋势异常可以是指字段在一段时间内的变化趋势与预设设置的变化趋势不符,或者,字段在一段时间内的变化趋势不符合关联字段的变化趋势。示例性的,检测字段在一段时间内是否恒值不变,如,某段时间内某一单体电压恒定为固定值,但电流较大且波动剧烈,则可以确定该单体电压或电流为异常字段。
格式错误可以是指字段的字段取值不符合该字段对应的预设格式,如,数据类型错误、数据长度错误或数据精度错误等。示例性的,若一个数值型的字段在物理数据中表现为字符串型的字段,则可以确定该字段为异常字段。
在本发明实施例中,还可以通过检测每一个待检时间帧的物理数据是否存在字段取值与关联字段的取值不符合预设逻辑条件的异常字段,以及是否存在字段取值的变化值不合理的异常字段,来检测物理数据的一致性。
其中,预设逻辑条件可以是预先设置的关联的各字段之间的取值的逻辑条件。如,字段1取值大于0时,字段2取值不能小于0;字段1的取值变化趋势为单调递增时,字段2的取值变化趋势也为单调递增;字段1的取值和字段2的取值的和不能超过字段3的取值。
变化值不合理可以是指字段的取值变化值不符合预先设置的变化情况,如,变化值过大、变化值过小、或变化的趋势不符合预设趋势。
在一种具体的实施方式中,检测是否存在字段取值与关联字段的取值不符合预设逻辑条件的异常字段,包括:
若车辆状态字段的字段取值表示熄火状态、车速字段的字段取值不为零,则确定车辆状态字段与车速字段不符合预设逻辑条件,将车辆状态字段或车速字段确定为异常字段;若总电压字段的字段取值大于各电池单体电压字段的字段取值的和,则确定总电压字段与各所述电池单体电压字段不符合预设逻辑条件,将总电压字段或各电池单体电压字段确定为异常字段;
检测是否存在字段取值变化值不合理的异常字段,包括:若累计里程字段的字段取值不随时间单调递增,则确定累计里程字段的字段取值变化值不合理,将累计里程字段确定为异常字段;若累计里程字段在相邻时间帧内的变化值超过预设第一变化阈值,则将累计里程字段确定为异常字段;若车辆状态字段的字段取值表示充电状态,且总电压字段在相邻时间帧内的变化值大于预设第二变化阈值,则将总电压字段确定为异常字段。
即,车辆状态字段和车速字段可以互为关联字段,预设逻辑条件可以包括当车辆状态字段的取值为熄火状态时车速字段的取值需要为零。总电压字段和电池单体电压字段可以互为关联字段,预设逻辑条件可以包括总电压字段的取值需不超过各电池单体电压字段的取值的和。
除了上述关联字段之外,温度最值字段和探针温度字段也可以互为关联字段,单体电压最值字段和单体电压字段也可以互为关联字段,本发明实施例仅示例性说明一些关联字段,不对其进行限定。
对于累计里程字段,其字段取值的变化趋势应该为随时间单调递增,如果不随时间单调递增,则可以确定变化值不合理,其为异常字段。并且,对于累计里程字段,在相邻的待检时间帧内的变化值不能超过预设第一变化阈值,如果超过,则可以确定变化值不合理,其为异常字段。其中,预设第一变化阈值可以是预设车速阈值与相邻的待检时间帧的时间间隔的乘积。
对于总电压字段,其字段取值的变化趋势应该在车辆状态字段为充电状态时不大于预设第二变化阈值,如果大于预设第二变化阈值,则可以确定变化值不合理,其为异常字段。其中,预设第二变化阈值可以是预设变化量阈值与相邻的待检时间帧的时间间隔的乘积。
通过上述实施方式,可以实现针对各个待检时间帧的物理数据,检测其中是否存在字段取值与关联字段的取值不符合预设逻辑条件的异常字段,以及是否存在字段取值变化值不合理的异常字段,进而实现了对物理数据的一致性的准确检测,进而可以识别出一致性异常的各数据,避免将一致性异常的数据作为正常数据进行后续安全预警。
需要说明的是,平台在检测出每一个待检时间帧的物理数据中的异常字段时,可以记录该异常字段,并记录存在该异常字段的待检时间帧。
除了检测各待检时间帧的物理数据中的各异常字段之外,平台还可以检测各待检时间帧的物理数据是否满足时效性条件。其中,时效性条件可以包括以下至少一种:待检时间帧与相邻的其它待检时间帧满足时间先后顺序、待检时间帧与相邻的其它待检时间帧之间不存在丢帧情况、不存在与待检时间帧相同的其它待检时间帧、或者待检时间帧满足预设时间进制。
在一种具体的实施方式中,确定物理数据是否满足时效性条件,包括:判断物理数据对应的待检时间帧与相邻的其它时间帧之间是否满足时间先后顺序;若是,则判断物理数据对应的待检时间帧与相邻的其它待检时间帧之间是否存在丢帧情况;若否,则判断是否存在与物理数据对应的待检时间帧相同的其它待检时间帧;若否,则判断物理数据对应的待检时间帧是否满足预设时间进制;若是,则确定物理数据满足时效性条件。
即,可以先判断待检时间帧的时间是否在上一待检时间帧的时间之后,以及,在下一待检时间帧的时间之前,若否,则可以确定该待检时间帧的物理数据不满足时效性条件,并记录该待检时间帧。
若是,则进一步判断待检时间帧与上一待检时间帧之间的时间间隔是否符合预设间隔,以及与下一待检时间帧之间的时间间隔是否符合预设间隔,若不符合,则表示存在丢帧情况,可以确定该待检时间帧的物理数据不满足时效性条件,并记录该待检时间帧。
若符合,则进一步判断是否存在与待检时间帧相同的其它待检时间帧,即待检时间帧是否重复,若是,则可以确定该待检时间帧的物理数据不满足时效性条件,并记录该待检时间帧。
若否,则进一步判断待检时间帧是否满足预设时间进制,即年月日时分秒是否满足实际进制,若不满足,则可以确定该待检时间帧的物理数据不满足时效性条件,并记录该待检时间帧。
通过上述实施方式,实现了对各待检时间帧的物理数据是否满足时效性的准确检测,进而可以识别出时效性异常的各数据,避免将时效性异常的数据作为正常数据进行后续安全预警。需要说明的是,上述判断时效性的步骤仅作为示例,不对其顺序进行限定,如,还可以是先判断是否丢帧,再判断是否满足时间先后顺序等。
S140、针对每一个待检时间帧,根据待检时间帧的物理数据中的异常字段,以及物理数据是否满足时效性条件,确定待检时间帧对应的异常等级。
具体的,对于每一个待检时间帧,可以根据其物理数据中的异常字段以及该物理数据是否满足时效性条件,确定出待检时间帧对应的异常等级。其中,异常等级可以用于描述待检时间帧的物理数据的异常程度。
在一种具体的实施方式中,针对每一个待检时间帧,根据待检时间帧的物理数据中的异常字段,以及物理数据是否满足时效性条件,确定待检时间帧对应的异常等级,包括:针对每一个待检时间帧,若待检时间帧的物理数据的异常字段为关键字段,且异常字段的字段取值在预设第一时间范围内缺失、与关联字段的取值不符合预设逻辑条件、变化值不合理、为异常值或为无效值,则确定待检时间帧对应的异常等级为第一预设等级;或者,针对每一个待检时间帧,若待检时间帧的物理数据的异常字段为非关键字段,且异常字段的字段取值在所有时间帧内缺失,则确定待检时间帧对应的异常等级为第一预设等级。
即,如果待检时间帧的物理数据中的异常字段为关键字段,且异常字段的具体异常类型为字段取值在预设第一时间范围内缺失、与关联字段的取值不符合预设逻辑条件、变化值不合理、或者,为异常值或为无效值,则可以确定该待检时间帧对应的异常等级为第一预设等级。换言之,当关键字段的字段取值长时行缺失、长时异常、长时一致性差、长时准确性差或无效时,可以视为第一预设等级。
或者,如果待检时间帧的物理数据中的异常字段为非关键字段,且异常字段的具体异常类型为字段取值在所有时间帧内缺失,则可以确定该待检时间帧对应的异常等级为第一预设等级,换言之,当非关键字段出现整列确实的情况,则可以视为第一预设等级。
其中,关键字段可以是诸如车辆状态、充电状态、运行模式、车速、累计里程、总电压、总电流等字段。第一预设等级可以是异常程度最高的等级。
通过上述方式,可以实现对各待检时间帧是否为最高异常程度的判定,进而便于确定出各个待检时间帧的异常等级,便于后续综合所有待检时间帧的异常等级确定整个当前车辆状态数据对应的异常参考值,保证了异常参考值的准确性,进而保证了可以准确基于异常参考值对数据进行处理。
除了第一预设等级之外,可选的,针对每一个待检时间帧,根据待检时间帧的物理数据中的异常字段,以及物理数据是否满足时效性条件,确定待检时间帧对应的异常等级,还包括:针对每一个待检时间帧,若待检时间帧的物理数据的异常字段为关键字段,且异常字段的字段取值在预设第二时间范围内缺失、为无效值、为异常值、与关联字段的取值不符合预设逻辑条件、变化值不合理、超出预设取值范围、变化趋势异常或者格式错误,则确定待检时间帧对应的异常等级为第二预设等级;或者,针对每一个待检时间帧,若待检时间帧的物理数据不满足时效性条件,则确定待检时间帧对应的异常等级为第二预设等级;其中,预设第二时间范围小于预设第一时间范围。
即,如果待检时间帧的物理数据中的异常字段为关键字段,且异常字段的具体异常类型为字段取值在预设第二时间范围内缺失、为无效值、为异常值、与关联字段的取值不符合预设逻辑条件、变化值不合理、超出预设取值范围、变化趋势异常或者格式错误,则确定待检时间帧对应的异常等级为第二预设等级。
其中,预设第二时间范围小于预设第一时间范围,预设第一时间范围表示长时间范围,预设第二时间范围表示短时间范围。如,预设第一时间范围为大于3分钟,预设第二时间范围为小于3分钟。
换言之,如果待检时间帧的物理数据中关键字段的字段取值短时行缺失、短时异常无效、短时一致性差、短时准确性差或冗余,则可以视为该待检时间帧为第二预设等级。
或者,如果待检时间帧的物理数据不满足时效性条件,即时效性差,可以确定该待检时间帧为第二预设等级。其中,第二预设等级的异常程度低于第一预设等级的异常程度。
通过该方式,可以实现对各待检时间帧是否为中等异常程度的判定,进而便于确定出各个待检时间帧的异常等级。
除了第一预设等级和第二预设等级之外,可选的,针对每一个待检时间帧,根据待检时间帧的物理数据中的异常字段,以及物理数据是否满足时效性条件,确定待检时间帧对应的异常等级,还包括:针对每一个待检时间帧,若待检时间帧的物理数据的异常字段为非关键字段,且异常字段对应的异常不同于第一预设等级和第二预设等级对应的异常,则确定待检时间帧对应的异常等级为第三预设等级。
即,如果待检时间帧的物理数据中的异常字段为非关键字段,且该异常字段的具体异常类型与第一预设等级、第二预设等级对应的异常均不同,则可以确定待检时间帧对应的异常等级为第三预设等级。其中,第三预设等级的异常程度低于第二预设等级的异常程度。
通过上述方式,可以实现对各待检时间帧是否为最低异常程度的判定,进而便于确定出各个待检时间帧的异常等级。
需要说明的是,如果一个待检时间帧中出现多个异常字段,则可以针对每一个异常字段分别确定出一个异常等级,进而将其中异常程度最大的异常等级作为该待检时间帧对应的最终的异常等级。
S150、根据各待检时间帧对应的异常等级,确定各异常等级下的时间帧占比,基于各异常等级下的时间帧占比,确定当前车辆状态数据对应的异常参考值。
具体的,在得到所有待检时间帧对应的异常等级后,可以统计出每一个异常等级下的待检时间帧的数量,进而得到每一个异常等级下的时间帧占比,如,异常等级下的待检时间帧的数量与当前车辆状态数据中的原始时间帧的数量的比值。
其中,考虑到解析失败的数据也可以视为异常数据,以及,补发数据也可以视为异常数据,因此,在本发明实施例中,还可以确定解析失败的数据和补发的数据的异常等级,进而结合解析失败的数据和补发的数据一并确定各异常等级下的时间帧占比。
在一种具体的实施方式中,在对当前车辆状态数据中各原始时间帧的状态数据进行解析之后,还包括:将解析失败的各状态数据确定为首次识别异常数据,并获取与当前车辆状态数据对应的补发数据;确定首次识别异常数据和补发数据对应的异常等级;相应的,根据各所述待检时间帧对应的异常等级,确定各异常等级下的时间帧占比,包括:根据各待检时间帧对应的异常等级、首次识别异常数据对应的异常等级、首次识别异常数据中的时间帧的数量、补发数据对应的异常等级、以及补发数据中的时间帧的数量,确定各异常等级下的时间帧占比。
即,可以将解析失败的各原始时间帧的状态数据作为首次识别异常数据,进一步的,针对首次识别异常数据,可以记录其对应的原始时间帧,并确定记录的原始时间帧对应的异常等级为第一预设等级,针对与当前车辆状态数据对应的补发数据,可以记录其对应的时间帧,并确定记录的时间帧对应的异常等级为第一预设等级。
进一步的,可以根据所有待检时间帧对应的异常等级、所有首次识别异常数据以及所有补发数据,一并统计出各异常等级下的时间帧占比。通过该实施方式,在统计各异常等级下的时间帧占比中考虑了解析失败的数据和补发的数据,保证了异常统计的全面性,进而保证了后续确定的异常参考值的准确性。
在本发明实施例中,考虑到在解析当前车辆状态数据之前,当前车辆状态数据中可能存在不符合32960协议规范的数据,因此,还可以在解析当前车辆状态数据之前,识别出其中不符合32960协议规范的数据。
可选的,在对当前车辆状态数据中各原始时间帧的状态数据进行解析之前,还包括:针对每一个原始时间帧的状态数据,将不满足车辆登入登出需求、不符合预设数据包结构、或不满足预设数据单元长度的状态数据,确定为首次识别异常数据,并将首次识别异常数据从当前车辆状态数据中剔除;将当前车辆状态数据中车辆识别码异常的状态数据,确定为首次识别异常数据,并将首次识别异常数据从当前车辆状态数据中剔除。
即,在平台获取到当前车辆状态数据后,可以先检测当前车辆状态数据中的每一个原始时间帧的状态数据,是否符合32960协议规范。其中包括:是否满足车辆登入登出需求、是否符合预设数据包结构、以及长度是否与预设数据单元长度一致,若存在任意一种情况,则可以确定原始时间帧的状态数据为首次识别异常数据,进而从当前车辆状态数据中剔除该原始时间帧的状态数据,并记录该原始时间帧。
进一步的,还可以检测每一个原始时间帧的状态数据中的车辆识别码是否为平台内部的车辆识别码,若不是,则可以确定该原始时间帧的状态数据为首次识别异常数据,进而从当前车辆状态数据中剔除该原始时间帧的状态数据,并记录该原始时间帧。
示例性的,对于记录的首次识别异常数据对应的原始时间帧,其对应的异常等级可以是第一预设等级。
进一步的,可以综合解析前的首次识别异常数据、解析后的首次识别异常数据,以及解析后各待检时间帧中的异常字段,统计各异常等级下的时间帧占比。通过该方式,可以识别出不符合32960协议规范的数据以及不属于本平台的车辆的数据,进一步的保证了异常统计的全面性,进而保证了后续确定的异常参考值的准确性。
在得到各异常等级下的时间帧占比后,可以将时间帧占比作为异常等级对应的权重值,结合异常等级对应的异常参数,确定当前车辆状态数据对应的异常参考值。
示例性的,异常参考值=W1*Q1+W2*Q2+W3*Q3,其中,Q1、Q2、Q3分别为第一预设等级、第二预设等级、第三预设等级对应的异常参数,Q1>Q2>Q3;W1、W2、W3分别为第一预设等级、第二预设等级、第三预设等级下的时间帧占比。
在本发明实施例中,确定当前车辆状态数据对应的异常参考值的目的在于:通过确定异常参考值,确定整个当前车辆状态数据的异常程度,进而便于根据整个当前车辆状态数据的异常程度,确定后续对当前车辆状态数据的处理策略。异常参考值越大,则表示整个当前车辆状态数据的异常程度越高。
S160、根据异常参考值对当前车辆状态数据对应的车型下的所有状态数据进行异常识别,或者,生成与当前车辆状态数据对应的报警信息或提示信息。
具体的,对当前车辆状态数据的处理策略包括对当前车辆状态数据对应的车型下的所有状态数据进行异常识别、生成报警信息或生成提示信息。
在本发明实施例中,可以设置多个参考值区间,如果当前车辆状态数据对应的异常参考值位于高参考值区间内,则可以立即生成报警信息,将报警信息发送至负责人的终端设备,并对当前车辆状态数据对应的车型下的所有状态数据进行异常识别。或者,还可以将该当前车辆状态数据对应的车辆写入重点检测列表,以对该车辆后续发送的所有车辆状态数据进行异常识别,若设定时间(如2个月)内未出现过异常参考值位于高参考值区间内的情况,则可以将该车辆移出重点检测列表。
如果当前车辆状态数据对应的异常参考值位于中参考值区间内,则可以生成提示信息,将提示信息发送至负责人的终端设备,并将该当前车辆状态数据对应的车辆写入持续检测列表,以在达到设定时间时对该车辆后续发送的车辆状态数据进行异常识别,若设定时间(如2个月)内未出现过异常参考值位于高参考值区间内的情况,则可以将该车辆移出持续检测列表。
如果当前车辆状态数据对应的异常参考值位于较低参考值区间内,则可以记录该当前车辆状态数据对应的车辆的车型,并对该车型下的各车辆的车辆状态数据进行识别,若不位于极低参考值区间内的车辆数量的占比超过预设值(如30%),则进一步判断位于中参考值区间或高参考值区间内的车辆数量的占比是否大于预设值(如20%),若是,则可以生成与该车型对应的报警信息,将报警信息发送至负责人的终端设备。
如果当前车辆状态数据对应的异常参考值位于极低参考值区间内,则可以不对该当前车辆状态数据进行处理。
本发明具有以下技术效果:通过获取待识别的当前车辆状态数据,对其中各原始时间帧的状态数据进行解析,得到解析成功的各待检时间帧的物理数据,进而针对每一个待检时间帧的物理数据,检测是否存在字段取值为异常值或无效值、为缺失项或冗余项、超出预设取值范围、变化趋势异常等异常字段,并确定该物理数据是否满足时效性条件,以实现对数据的规范性、完整性、准确性、一致性以及时效性的检测,可以检测出各种异常类型的数据,解决现有技术无法识别各种异常数据的问题,避免异常数据无法被识别导致输入至安全预警模型,并且,根据每一个待检时间帧的物理数据中的异常字段以及是否满足时效性,确定其对应的异常等级,从而根据所有待检时间帧对应的异常等级确定各异常等级下的时间帧占比,得到当前车辆状态数据对应的异常参考值,通过异常参考值确定是否对车型下的所有状态数据进行异常识别、或是否生成报警信息或提示信息等,以实现对数据异常程度的确定以及异常识别后的处理,进而实现对不同异常程度的数据的不同处理方式,保证输入至安全预警模型的数据的准确性,提高了安全预警模型的预测准确性。
图2是本发明实施例提供的一种电子设备的结构示意图。如图2所示,电子设备400包括一个或多个处理器401和存储器402。
处理器401可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备400中的其他组件以执行期望的功能。
存储器402可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器401可以运行所述程序指令,以实现上文所说明的本发明任意实施例的车辆状态数据的异常识别和处理方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如初始外参、阈值等各种内容。
在一个示例中,电子设备400还可以包括:输入装置403和输出装置404,这些组件通过总线***和/或其他形式的连接机构(未示出)互连。该输入装置403可以包括例如键盘、鼠标等等。该输出装置404可以向外部输出各种信息,包括预警提示信息、制动力度等。该输出装置404可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图2中仅示出了该电子设备400中与本发明有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备400还可以包括任何其他适当的组件。
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的车辆状态数据的异常识别和处理方法的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的车辆状态数据的异常识别和处理方法的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
需要说明的是,本发明所用术语仅为了描述特定实施例,而非限制本申请范围。如本发明说明书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
还需说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”等应做广义理解,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,也可以通过中间媒介间接相连,可以是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中的具体含义。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (7)
1.一种车辆状态数据的异常识别和处理方法,其特征在于,包括:
获取待识别的当前车辆状态数据,其中,所述当前车辆状态数据包括各原始时间帧的状态数据;
对所述当前车辆状态数据中各所述原始时间帧的状态数据进行解析,得到解析成功的各待检时间帧的物理数据,以从数据的规范性、完整性、准确性、一致性以及时效性,对每一个待检时间帧的物理数据进行异常识别;
针对每一个所述待检时间帧的物理数据,检测是否存在字段取值为异常值或无效值的异常字段、为缺失项或冗余项的异常字段、超出预设取值范围的异常字段、变化趋势异常的异常字段、格式错误的异常字段、与关联字段的取值不符合预设逻辑条件的异常字段、以及变化值不合理的异常字段,并确定所述物理数据是否满足时效性条件;
针对每一个所述待检时间帧,根据所述待检时间帧的物理数据中的异常字段,以及所述物理数据是否满足时效性条件,确定所述待检时间帧对应的异常等级,其中,异常等级以用于描述待检时间帧的物理数据的异常程度,当关键字段的字段取值长时行缺失、长时异常、长时一致性差、长时准确性差或无效时,视为第一预设等级,当非关键字段出现整列缺失的情况,视为第一预设等级,当关键字段的字段取值短时行缺失、短时异常无效、短时一致性差、短时准确性差或冗余,视为第二预设等级,当物理数据不满足时效性条件时,视为第二预设等级,当异常字段为非关键字段,且该异常字段的具体异常类型与第一预设等级、第二预设等级对应的异常均不同,视为第三预设等级,如果一个待检时间帧中出现多个异常字段,则针对每一个异常字段分别确定出一个异常等级,将其中异常程度最大的异常等级作为该待检时间帧对应的最终的异常等级;
根据各所述待检时间帧对应的异常等级,确定各所述异常等级下的时间帧占比,基于各所述异常等级下的时间帧占比,确定所述当前车辆状态数据对应的异常参考值,其中,时间帧占比为异常等级下的待检时间帧的数量与当前车辆状态数据中的原始时间帧的数量的比值,时间帧占比作为异常等级对应的权重值,结合异常等级对应的异常参数来确定当前车辆状态数据对应的异常参考值;
根据所述异常参考值对所述当前车辆状态数据对应的车型下的所有状态数据进行异常识别,或者,生成与所述当前车辆状态数据对应的报警信息或提示信息,其中,所述异常参考值用于确定后续对当前车辆状态数据的处理策略。
2.根据权利要求1所述的方法,其特征在于,在所述对所述当前车辆状态数据中各所述原始时间帧的状态数据进行解析之后,还包括:
将解析失败的各状态数据确定为首次识别异常数据,并获取与所述当前车辆状态数据对应的补发数据;
确定所述首次识别异常数据和所述补发数据对应的异常等级;
相应的,所述根据各所述待检时间帧对应的异常等级,确定各所述异常等级下的时间帧占比,包括:
根据各所述待检时间帧对应的异常等级、所述首次识别异常数据对应的异常等级、所述首次识别异常数据中的时间帧的数量、所述补发数据对应的异常等级、以及所述补发数据中的时间帧的数量,确定各所述异常等级下的时间帧占比。
3.根据权利要求2所述的方法,其特征在于,在所述对所述当前车辆状态数据中各所述原始时间帧的状态数据进行解析之前,还包括:
针对每一个所述原始时间帧的状态数据,将不满足车辆登入登出需求、不符合预设数据包结构、或不满足预设数据单元长度的状态数据,确定为首次识别异常数据,并将所述首次识别异常数据从所述当前车辆状态数据中剔除;
将所述当前车辆状态数据中车辆识别码异常的状态数据,确定为首次识别异常数据,并将所述首次识别异常数据从所述当前车辆状态数据中剔除。
4.根据权利要求1所述的方法,其特征在于,所述确定所述物理数据是否满足时效性条件,包括:
判断所述物理数据对应的待检时间帧与相邻的其它时间帧之间是否满足时间先后顺序;
若是,则判断所述物理数据对应的待检时间帧与相邻的其它待检时间帧之间是否存在丢帧情况;
若否,则判断是否存在与所述物理数据对应的待检时间帧相同的其它待检时间帧;
若否,则判断所述物理数据对应的待检时间帧是否满足预设时间进制;
若是,则确定所述物理数据满足时效性条件。
5.根据权利要求1所述的方法,其特征在于,检测是否存在字段取值与关联字段的取值不符合预设逻辑条件的异常字段,包括:
若车辆状态字段的字段取值表示熄火状态、车速字段的字段取值不为零,则确定所述车辆状态字段与所述车速字段不符合预设逻辑条件,将所述车辆状态字段或所述车速字段确定为异常字段;
若总电压字段的字段取值大于各电池单体电压字段的字段取值的和,则确定所述总电压字段与各所述电池单体电压字段不符合预设逻辑条件,将所述总电压字段或各所述电池单体电压字段确定为异常字段;
检测是否存在字段取值变化值不合理的异常字段,包括:
若累计里程字段的字段取值不随时间单调递增,则确定所述累计里程字段的字段取值变化值不合理,将所述累计里程字段确定为异常字段;
若所述累计里程字段在相邻时间帧内的变化值超过预设第一变化阈值,则将所述累计里程字段确定为异常字段;
若车辆状态字段的字段取值表示充电状态,且总电压字段在相邻时间帧内的变化值大于预设第二变化阈值,则将所述总电压字段确定为异常字段。
6.一种电子设备,其特征在于,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至5任一项所述的车辆状态数据的异常识别和处理方法的步骤。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至5任一项所述的车辆状态数据的异常识别和处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310293015.0A CN116030550B (zh) | 2023-03-24 | 2023-03-24 | 车辆状态数据的异常识别和处理方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310293015.0A CN116030550B (zh) | 2023-03-24 | 2023-03-24 | 车辆状态数据的异常识别和处理方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116030550A CN116030550A (zh) | 2023-04-28 |
CN116030550B true CN116030550B (zh) | 2023-06-23 |
Family
ID=86079761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310293015.0A Active CN116030550B (zh) | 2023-03-24 | 2023-03-24 | 车辆状态数据的异常识别和处理方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116030550B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110006672A (zh) * | 2019-04-09 | 2019-07-12 | 唐山百川智能机器股份有限公司 | 基于声成像技术的轨道车辆故障监测方法 |
CN111914661A (zh) * | 2020-07-06 | 2020-11-10 | 广东技术师范大学 | 异常行为识别方法、目标异常识别方法、设备及介质 |
CN114137421A (zh) * | 2021-11-30 | 2022-03-04 | 蜂巢能源(上海)有限公司 | 电池异常检测方法、装置、设备及存储介质 |
CN114494994A (zh) * | 2021-12-30 | 2022-05-13 | 深圳云天励飞技术股份有限公司 | 车辆异常聚集监控方法、装置、计算机设备及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090030753A1 (en) * | 2007-07-27 | 2009-01-29 | General Electric Company | Anomaly Aggregation method |
AT10073U9 (de) * | 2008-01-14 | 2009-02-15 | Avl List Gmbh | Verfahren und vorrichtung zur analyse und bewertung von messdaten eines messsystems |
EP3726790B1 (en) * | 2017-12-15 | 2021-12-01 | Panasonic Intellectual Property Corporation of America | Fraud detection device, in-vehicle network system, and fraud detection method |
CN109017630B (zh) * | 2018-06-26 | 2020-06-12 | 上海西井信息科技有限公司 | 集卡车的故障监控方法、装置、电子设备、存储介质 |
US10936461B2 (en) * | 2018-12-21 | 2021-03-02 | Upstream Security, Ltd. | System and method for sequence-based anomaly detection and security enforcement for connected vehicles |
CN110351295A (zh) * | 2019-07-22 | 2019-10-18 | 百度在线网络技术(北京)有限公司 | 报文检测方法和装置、电子设备、计算机可读介质 |
CN114323143B (zh) * | 2021-12-30 | 2024-07-12 | 上海商汤临港智能科技有限公司 | 一种车辆数据检测方法、装置、计算机设备及存储介质 |
CN114839556A (zh) * | 2022-05-10 | 2022-08-02 | 中国第一汽车股份有限公司 | 动力电池异常检测方法、装置、存储介质及电子装置 |
CN115186502A (zh) * | 2022-07-27 | 2022-10-14 | 浙江极氪智能科技有限公司 | 车辆的异常数据识别方法、装置、电子设备及存储介质 |
-
2023
- 2023-03-24 CN CN202310293015.0A patent/CN116030550B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110006672A (zh) * | 2019-04-09 | 2019-07-12 | 唐山百川智能机器股份有限公司 | 基于声成像技术的轨道车辆故障监测方法 |
CN111914661A (zh) * | 2020-07-06 | 2020-11-10 | 广东技术师范大学 | 异常行为识别方法、目标异常识别方法、设备及介质 |
CN114137421A (zh) * | 2021-11-30 | 2022-03-04 | 蜂巢能源(上海)有限公司 | 电池异常检测方法、装置、设备及存储介质 |
CN114494994A (zh) * | 2021-12-30 | 2022-05-13 | 深圳云天励飞技术股份有限公司 | 车辆异常聚集监控方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116030550A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113415165B (zh) | 一种故障诊断方法、装置、电子设备及存储介质 | |
CN107153914B (zh) | 一种汽车运行风险的评价***及方法 | |
CN111204363B (zh) | 一种牵引***故障诊断预警和状态评估方法、装置及*** | |
CN111241154A (zh) | 一种基于大数据的蓄电池故障预警方法及*** | |
CN114148216B (zh) | 电池自放电率异常检测方法、***、设备及存储介质 | |
CN105334843B (zh) | 用于车辆的远程监控数据上传方法和装置 | |
CN111506048B (zh) | 车辆故障预警方法及相关设备 | |
CN110749829B (zh) | 一种供电设备异常检测方法及装置 | |
CN111241120A (zh) | 车辆能源加注点的分析方法、装置、车载设备和存储介质 | |
CN110674009A (zh) | 应用服务器性能监测方法、装置、存储介质及电子设备 | |
CN111832974A (zh) | 车辆故障预警方法及存储介质 | |
CN115219903A (zh) | 基于车联网数据分析的电池自放电率异常判断方法及装置 | |
CN111966084A (zh) | Tbox检测装置及方法 | |
CN114779085A (zh) | 实时化电池热失控检测方法、***、装置及介质 | |
CN115384311A (zh) | 诊断动力电池绝缘故障方法、***、车辆及存储介质 | |
CN115204260A (zh) | 预测模型的训练、预测方法、装置、电子设备及存储介质 | |
CN116030550B (zh) | 车辆状态数据的异常识别和处理方法、设备及介质 | |
CN117491813A (zh) | 新能源汽车动力电池***绝缘异常检测方法 | |
CN111381165A (zh) | 一种车辆动力电池监控方法、装置和平台 | |
CN116008820B (zh) | 针对车辆电池单体不一致性的检测方法、设备和介质 | |
CN117075578A (zh) | 车辆故障分析方法、装置、电子设备及存储介质 | |
CN114631032A (zh) | 用于监控电池组健康状况的方法和*** | |
CN115114124A (zh) | 主机风险的评估方法及评估装置 | |
CN115599077B (zh) | 车辆故障定界方法、装置、电子设备及存储介质 | |
CN115480944A (zh) | 车载娱乐终端的黑屏故障分析方法、装置、车辆及介质 |
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 |