CN116088585B - 基于匈牙利算法的多无人机起降次序规划***和方法 - Google Patents
基于匈牙利算法的多无人机起降次序规划***和方法 Download PDFInfo
- Publication number
- CN116088585B CN116088585B CN202310363117.5A CN202310363117A CN116088585B CN 116088585 B CN116088585 B CN 116088585B CN 202310363117 A CN202310363117 A CN 202310363117A CN 116088585 B CN116088585 B CN 116088585B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- electric quantity
- landing
- waiting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims description 19
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 12
- 150000001875 compounds Chemical class 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000006748 scratching Methods 0.000 claims description 3
- 230000002393 scratching effect Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及基于匈牙利算法的多无人机起降次序规划***和方法,包括步骤:获取处于等待降落点的无人机的编号、无人机到达等待降落点时的电量、无人机到达等待降落点的时间、执行任务批次、无人机从等待降落点至地面降落点所需时间;计算n架处于等待降落点的无人机在不同降落次序时的代价成本,并组成n*n的代价成本矩阵A;利用匈牙利算法在代价成本矩阵A中获取无人机的最优降落次序;根据处于等待降落点的无人机的最优降落次序,判断处于地面降落点且具有起飞请求的无人机是否需要更改或延后起飞时间。本发明对无人机降落次序进行最优分配,并同时考虑无人机起飞的冲突,使无人机起降得到合理、高效的规划,实现无人机起降成本综合达到最小。
Description
技术领域
本发明涉及多无人机编队技术领域,特别涉及一种基于匈牙利算法的多无人机起降次序规划***和方法。
背景技术
伴随着现代科学技术的不断发展,无人机领域受到诸多关注。比如无人机运输情况下,单架无人机已经无法满足人物需求,故多无人机编队技术成为了研究的热点。同时对于民用来说,物流无人机起降方案也是近几年来的热门话题,一个时间段内机场支持降落的无人机数量将由最开始的单架发展到未来的几十架。
现有仅关注无人机的降落次序规划,未考虑到同一机坪上无人机起飞的冲突。并且在构建无人机降落次序的关系时,只单一考虑了无人机在完成任务过程中的电量因素。但在实际应用时,仅以电量因素来衡量无人机执行降落次序是非常片面的,导致降落规划不准确,没有做到无人机起降成本综合达到最小。
发明内容
本发明的目的在于对无人机降落次序进行最优分配,并同时考虑无人机起飞的冲突,使无人机起降得到合理、高效的规划,实现无人机起降成本综合达到最小,提供一种基于匈牙利算法的多无人机起降次序规划***和方法。
为了实现上述发明目的,本发明实施例提供了以下技术方案:
基于匈牙利算法的多无人机起降次序规划方法,包括以下步骤:
步骤1,获取处于等待降落点的无人机的编号、无人机到达等待降落点时的电量、无人机到达等待降落点的时间、执行任务批次、无人机从等待降落点至地面降落点所需时间;
步骤2,计算n架处于等待降落点的无人机在不同降落次序时的代价成本,并组成n*n的代价成本矩阵A;
步骤3,利用匈牙利算法在代价成本矩阵A中获取无人机的最优降落次序;
步骤4,根据处于等待降落点的无人机的最优降落次序,判断处于地面降落点且具有起飞请求的无人机是否需要更改或延后起飞时间。
基于匈牙利算法的多无人机起降次序规划***,包括:
降落数据库,用于存储处于等待降落点的无人机的编号、无人机到达等待降落点时的电量、无人机到达等待降落点的时间、执行任务批次、无人机从等待降落点至地面降落点所需时间;
代价成本计算模块,用于计算n架处于等待降落点的无人机在不同降落次序时的代价成本,并组成n*n的代价成本矩阵A;
最优降落次序模块,用于利用匈牙利算法在代价成本矩阵A中获取无人机的最优降落次序;
起飞决策模块,用户根据处于等待降落点的无人机的最优降落次序,判断处于地面降落点且具有起飞请求的无人机是否需要更改或延后起飞时间。
与现有技术相比,本发明的有益效果:
本发明提出代价成本矩阵,由电量权值、顺序权值、优先级权值三个因素决定,然后利用匈牙利算法对代价成本矩阵进行计算得到无人机的最优降落次序,实现对无人机降落次序的最优分配;最后考虑无人机起飞与降落的冲突,判断处于地面降落点且具有起飞请求的无人机是否需要更改或延后起飞时间,保证在进近空域内只能存在无人机降落或起飞,使无人机起降得到合理、高效的规划,实现无人机起降成本综合达到最小。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明方法流程示意图;
图2为本发明方法中步骤3得到最优降落次序的过程示意图;
图3为本发明***模块框图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性,或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。另外,术语“相连”、“连接”等可以是元件之间直接相连,也可以是经由其他元件的间接相连。
实施例1:
本发明通过下述技术方案实现,如图1所示,一种基于匈牙利算法的多无人机起降次序规划方法,包括以下步骤:
步骤1,获取处于等待降落点的无人机的编号、无人机到达等待降落点时的电量、无人机到达等待降落点的时间、执行任务批次、无人机从等待降落点至地面降落点所需时间。
步骤2,计算n架处于等待降落点的无人机在不同降落次序时的代价成本,并组成n*n的代价成本矩阵A。
所述步骤2具体包括以下步骤:
式(1)中,表示无人机从等待降落点至地面降落点的预计剩余电量;x表示无人机到达等待降落点时的电量;t表示无人机到达等待降落点的时间;/>表示预设的无人机降落次序;d表示无人机从等待降落点至地面降落点所需时间。
综合n架无人机的代价成本,得到代价成本矩阵A:
步骤3,利用匈牙利算法在代价成本矩阵A中获取无人机的最优降落次序。
本实施例使用匈牙利算法完成无人机的降落次序问题,即有n架无人机,则对应有n个降落次序,应该由哪架无人机在哪个次序降落,能够使降落成本达到最小。
步骤3-1:在代价成本矩阵A的每行上减去该行的最小值,使得每行都出现0元素,若某列还没有出现0元素,则在该列上减去该列的最小值,使得每行每列都出现0元素。作为举例,n=4,步骤2最终得到的代价成本矩阵A为:
代价成本矩阵A的第一行中最小值为2,则第一行的每个元素都减去2;第二行中最小值为4,则第二行的每个元素都减去4;第三行中最小值为1,则第三行的每个元素都减去1;第四行中最小值为2,则第四行的每个元素都减去2。得到矩阵:
可见,每行都出现了0元素,但是第三列还没有出现0元素。第三列中最小值为5,则第三列的每个元素都减去5。得到每行每列都存在0元素的矩阵:
步骤3-2:初步寻找最优降落次序,如图2所示,在每行每列都存在0元素的矩阵中寻找只有一个0元素的行,并给这个0元素画圈,同时划去这个0元素所在列的其他0元素;同样,寻找只有一个0元素的列,并给这个0元素画圈,同时划去这个0元素所在行的其他0元素。此时若有4个0元素被画圈,且这4个0元素分别存在于不同行不同列,则能够得到最优降落次序,但在本举例中,并没有得到4个画圈的0元素。
步骤3-3:在步骤3-2的基础上增加矩阵中的0元素,将没有画圈的行打标记∆,对打标记∆的行中含划去0元素所在的列打标记∆,对打标记∆的列中含画圈0元素所在的行打标记∆;对未标记∆的行画横线,对标记∆的列画竖线。
步骤3-4:寻找未被横线或竖线覆盖的元素中的最小值,打标记∆行中未被横线覆盖的元素减去该最小值,打标记∆列中未被竖线覆盖的元素加上该最小值,得到矩阵:
步骤3-5:重复步骤3-3、步骤3-4,直到矩阵中存在n个位于不同行不同列的0元素。如图2所示步骤3-4得到的矩阵中位于a14、a21、a32、a43的4个0元素分别在不同行不同列,则转换为最终的最优降落次序为:
最优降落次序表示第2架无人机为第1降落次序,第3架无人机为第2降落次序,第4架无人机为第3降落次序,第1架无人机为第4降落次序。
步骤4,根据最优降落次序,计算n架无人机从等待降落点至地面降落点的降落时间区间;若处于地面降落点的无人机的起飞时间在降落时间区间内,表示在该降落时间区间内处于地面降落点的无人机有起飞请求,由于只能同时起降1架无人机,则更改或延后处于地面降落点的无人机的起飞时间;若处于地面降落点的无人机的起飞时间不再降落时间区间内,则表示在该降落时间区间内处于地面降落点的无人机没有起飞请求。
本方案还提出一种基于匈牙利算法的多无人机起降次序规划***,用于执行上述的方法,请参见图3,所述***包括:
降落数据库,用于存储处于等待降落点的无人机的编号、无人机到达等待降落点时的电量、无人机到达等待降落点的时间、执行任务批次、无人机从等待降落点至地面降落点所需时间。
代价成本计算模块,用于计算n架处于等待降落点的无人机在不同降落次序时的代价成本,并组成n*n的代价成本矩阵A。
最优降落次序模块,用于利用匈牙利算法在代价成本矩阵A中获取无人机的最优降落次序。
起飞决策模块,用户根据处于等待降落点的无人机的最优降落次序,判断处于地面降落点且具有起飞请求的无人机是否需要更改或延后起飞时间。
更进一步地,所述代价成本计算模块包括电量权值计算单元、顺序权值计算单元、优先级权值计算单元、代价成本矩阵计算单元。其中,所述电量权值计算单元用于计算无人机的电量权值;所述顺序权值计算单元用于计算无人机在不同降落次序下的顺序权值/>;所述优先级权值计算单元用于计算无人机执行任务的优先级权值/>;所述代价成本矩阵计算单元用于根据电量权值/>、顺序权值/>、优先级权值/>,计算无人机在不同降落次序下的代价成本aij,并得到代价成本矩阵A。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (3)
1.基于匈牙利算法的多无人机起降次序规划方法,其特征在于:包括以下步骤:
步骤1,获取处于等待降落点的无人机的编号、无人机到达等待降落点时的电量、无人机到达等待降落点的时间、执行任务批次、无人机从等待降落点至地面降落点所需时间;
步骤2,计算n架处于等待降落点的无人机在不同降落次序时的代价成本,并组成n*n的代价成本矩阵A;
所述步骤2具体包括以下步骤:
所述步骤2-1的具体步骤包括:
式(1)中,表示无人机从等待降落点至地面降落点的预计剩余电量;x表示无人机到达等待降落点时的电量;t表示无人机到达等待降落点的时间;/>表示预设的无人机降落次序;d表示无人机从等待降落点至地面降落点所需时间;
所述步骤2-2的具体步骤包括:
所述步骤2-3的具体步骤包括:
所述步骤2-4的具体步骤包括:
综合n架无人机的代价成本,得到代价成本矩阵A:
步骤3,利用匈牙利算法在代价成本矩阵A中获取无人机的最优降落次序;
所述步骤3具体包括以下步骤:
步骤3-1:在代价成本矩阵A的每行上减去该行的最小值,使得每行都出现0元素,若某列还没有出现0元素,则在该列上减去该列的最小值,使得每行每列都出现0元素;
步骤3-2:初步寻找最优降落次序,在每行每列都存在0元素的矩阵中寻找只有一个0元素的行,并给这个0元素画圈,同时划去这个0元素所在列的其他0元素;同样,寻找只有一个0元素的列,并给这个0元素画圈,同时划去这个0元素所在行的其他0元素,此时若有n个0元素被画圈,且这n个0元素分别存在于不同行不同列,则能够得到最优降落次序,否则继续执行步骤3-3;
步骤3-3:增加矩阵中的0元素,将没有画圈的行打标记,对打标记的行中含划去0元素所在的列打标记,对打标记的列中含画圈0元素所在的行打标记;对未标记的行画横线,对标记的列画竖线;
步骤3-4:寻找未被横线或竖线覆盖的元素中的最小值,打标记行中未被横线覆盖的元素减去该最小值,打标记列中未被竖线覆盖的元素加上该最小值;
步骤3-5:重复步骤3-3、步骤3-4,直到矩阵中存在n个位于不同行不同列的0元素;
步骤4,根据处于等待降落点的无人机的最优降落次序,判断处于地面降落点且具有起飞请求的无人机是否需要更改或延后起飞时间。
2.根据权利要求1所述的基于匈牙利算法的多无人机起降次序规划方法,其特征在于:所述步骤4具体包括以下步骤:根据最优降落次序,计算n架无人机从等待降落点至地面降落点的降落时间区间;若处于地面降落点的无人机的起飞时间在降落时间区间内,则更改或延后处于地面降落点的无人机的起飞时间。
3.基于匈牙利算法的多无人机起降次序规划***,其特征在于:包括:
降落数据库,用于存储处于等待降落点的无人机的编号、无人机到达等待降落点时的电量、无人机到达等待降落点的时间、执行任务批次、无人机从等待降落点至地面降落点所需时间;
代价成本计算模块,用于计算n架处于等待降落点的无人机在不同降落次序时的代价成本,并组成n*n的代价成本矩阵A;
所述代价成本计算模块包括电量权值计算单元、顺序权值计算单元、优先级权值计算单元、代价成本矩阵计算单元,其中,
式(1)中,表示无人机从等待降落点至地面降落点的预计剩余电量;x表示无人机到达等待降落点时的电量;t表示无人机到达等待降落点的时间;/>表示预设的无人机降落次序;d表示无人机从等待降落点至地面降落点所需时间;
综合n架无人机的代价成本,得到代价成本矩阵A:
最优降落次序模块,用于利用匈牙利算法在代价成本矩阵A中获取无人机的最优降落次序;
在代价成本矩阵A的每行上减去该行的最小值,使得每行都出现0元素,若某列还没有出现0元素,则在该列上减去该列的最小值,使得每行每列都出现0元素;
初步寻找最优降落次序,在每行每列都存在0元素的矩阵中寻找只有一个0元素的行,并给这个0元素画圈,同时划去这个0元素所在列的其他0元素;同样,寻找只有一个0元素的列,并给这个0元素画圈,同时划去这个0元素所在行的其他0元素,此时若有n个0元素被画圈,且这n个0元素分别存在于不同行不同列,则能够得到最优降落次序,否则继续执行步骤3-3;
增加矩阵中的0元素,将没有画圈的行打标记,对打标记的行中含划去0元素所在的列打标记,对打标记的列中含画圈0元素所在的行打标记;对未标记的行画横线,对标记的列画竖线;
寻找未被横线或竖线覆盖的元素中的最小值,打标记行中未被横线覆盖的元素减去该最小值,打标记列中未被竖线覆盖的元素加上该最小值;
直到矩阵中存在n个位于不同行不同列的0元素;
起飞决策模块,用户根据处于等待降落点的无人机的最优降落次序,判断处于地面降落点且具有起飞请求的无人机是否需要更改或延后起飞时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310363117.5A CN116088585B (zh) | 2023-04-07 | 2023-04-07 | 基于匈牙利算法的多无人机起降次序规划***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310363117.5A CN116088585B (zh) | 2023-04-07 | 2023-04-07 | 基于匈牙利算法的多无人机起降次序规划***和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116088585A CN116088585A (zh) | 2023-05-09 |
CN116088585B true CN116088585B (zh) | 2023-06-13 |
Family
ID=86210531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310363117.5A Active CN116088585B (zh) | 2023-04-07 | 2023-04-07 | 基于匈牙利算法的多无人机起降次序规划***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116088585B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111178743A (zh) * | 2019-12-25 | 2020-05-19 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无人机群自主协同观测与协同作业的方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744290B (zh) * | 2013-12-30 | 2016-02-24 | 合肥工业大学 | 一种多无人机编队分层目标分配方法 |
CN104197928B (zh) * | 2014-08-29 | 2017-01-18 | 西北工业大学 | 多摄像机协同的无人机检测、定位及跟踪方法 |
WO2017095493A2 (en) * | 2015-09-11 | 2017-06-08 | The Trustees Of The University Of Pennsylvania | Systems and methods for generating safe trajectories for multi-vehicle teams |
CN109076148B (zh) * | 2016-04-12 | 2021-02-05 | 奎蒂安特有限公司 | 日常场景重建引擎 |
CN108733074A (zh) * | 2018-05-23 | 2018-11-02 | 南京航空航天大学 | 一种基于匈牙利算法的多无人机编队航迹规划方法 |
CN109557939A (zh) * | 2019-01-07 | 2019-04-02 | 上海交通大学 | 一种基于伪分布式无人机集群的快速队形控制方法 |
CN111629329B (zh) * | 2020-06-05 | 2022-02-15 | 中国民用航空飞行学院 | 应用5g天线进行信号传输的方法、装置及无人机*** |
CN113807187B (zh) * | 2021-08-20 | 2024-04-02 | 北京工业大学 | 基于注意力特征融合的无人机视频多目标跟踪方法 |
CN114756049A (zh) * | 2022-03-17 | 2022-07-15 | 中国人民解放军国防科技大学 | 无人机集群对抗中的目标分配方法、***、设备及介质 |
-
2023
- 2023-04-07 CN CN202310363117.5A patent/CN116088585B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111178743A (zh) * | 2019-12-25 | 2020-05-19 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无人机群自主协同观测与协同作业的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116088585A (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107749010B (zh) | 订单处理方法、装置及服务器 | |
CN109872064B (zh) | 一种机场资源分配方法、装置、设备及介质 | |
CN108053242B (zh) | 景点门票票量预测方法、***、设备及存储介质 | |
CN105389975A (zh) | 专车调度方法和装置 | |
WO2020029845A1 (zh) | 自动导引运输车的调度方法和调度装置 | |
US11693380B1 (en) | Distribution methods and distribution systems for greenspace irrigation water of smart cities based on internet of things | |
CN111192090A (zh) | 航班的座位分配方法、装置、存储介质和电子设备 | |
CN116088585B (zh) | 基于匈牙利算法的多无人机起降次序规划***和方法 | |
CN115276758A (zh) | 一种基于任务松弛度的中继卫星动态调度方法 | |
CN111860927B (zh) | 模型的训练方法、服务请求处理方法、装置、设备及介质 | |
CN112132366A (zh) | 一种航班放行率的预测*** | |
CN114154850B (zh) | 一种城区物流无人机机场终端区自动进场排序方法及*** | |
CN115657616A (zh) | 一种基于agv调度***的任务分配方法 | |
CN112465384A (zh) | 一种运力调度的方法、装置、计算机设备及计算机可读存储介质 | |
CN109118127B (zh) | 一种基于统计学习的卫星数据接收资源预规划方法 | |
CN112737660A (zh) | 多星多站数据下传调度方法和*** | |
CN111951145A (zh) | 基于ga-dqn的停机位分配方法 | |
CN115131983A (zh) | 一种基于停车影响因子的泊车引导方法 | |
CN113936494B (zh) | 一种基于分时乘车需求的公交调度方法及装置 | |
CN113609142A (zh) | 基于ota平台数据投放的运价自动更新方法和存储介质 | |
CN114418495A (zh) | 一种智慧校园建设智能物流快递配送管理方法、设备及计算机存储介质 | |
CN110274608A (zh) | 智能化路径规划方法、装置及计算机可读存储介质 | |
CN117196442B (zh) | 基于大数据的智慧园区的智能调度方法和*** | |
CN117351773B (zh) | 一种基于搬运机器人的智能双层车库万向车位分配*** | |
CN114169703B (zh) | 一种基于多租户的网约车调度方法及装置 |
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 |