CN117455209B - 一种基于地理位置的智慧交警管理服务***及方法 - Google Patents
一种基于地理位置的智慧交警管理服务***及方法 Download PDFInfo
- Publication number
- CN117455209B CN117455209B CN202311797520.5A CN202311797520A CN117455209B CN 117455209 B CN117455209 B CN 117455209B CN 202311797520 A CN202311797520 A CN 202311797520A CN 117455209 B CN117455209 B CN 117455209B
- Authority
- CN
- China
- Prior art keywords
- accident
- police
- alarm
- information
- predicted
- 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 30
- 238000012544 monitoring process Methods 0.000 claims description 50
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000015654 memory Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 230000036626 alertness Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000008520 organization Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063118—Staff planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智慧交警管理服务***技术领域，具体公开了一种基于地理位置的智慧交警管理服务***及方法，所述方法包括以下步骤：获取接警任务，所述接警任务中携带有事故信息；根据事故发生地的位置信息和接警单位信息的位置信息将接警任务分配给对应辖区内的目标接警单位，比对所述告警事故类型和事故级别分类表得到告警事故等级，根据所述预测事故类型和事故级别分类表判定得到预测事故等级；根据所述告警事故等级和预测事故等级生成实际需求警力；根据所述实际需求警力和目标接警单位的警力资源信息生成目标执行人员名单；所述***包括接警任务获取模块、接警单位分配模块、告警等级获取模块、预测等级获取模块和需求警力生成模块。
Description
技术领域
本发明涉及智慧交警管理服务***技术领域，具体是一种基于地理位置的智慧交警管理服务***及方法。
背景技术
传统的智慧交警领域事故跟踪分析处理板块，主要是交警大队负责跟踪处理，交警大队在整个组织体系中属于稀缺资源，一般一个中型城市的行政区中、或一个地级市中只存在一个交警大队；事故跟踪处理属于交警大队中事故科的工作范畴，事故科的工作具有全年无休、24小时待命、服务整个行政区的特点；当在一个行政区的最南边和最北边同时发生事故时，就会出现事故等待的情况，严重的情况下会出现等待几个小时的情况。派出所在整个组织体系中，与交警队相比，具备数量多，本地地理环境熟悉，服务半径小的优势。
目前，多地公安机关推行“交所合一”的方案，“交所合一”是在保持现有机构、编制、人员和职责不变的情况下，通过将交警中队与基层派出所合二为一，实现跨警种融合，打造队所一体化勤务新模式，整合队所警力资源，推动警力下沉。在“交所合一”的推行下，使得派出所也具有处理交管领域案件的能力和权利。目前在交管领域案发时，在警力资源管理调度过程中，一般仅仅是通过话务员接到告警信息，根据告警信息进行警力资源的调度，但是告警人员容易受到情绪影响造成情绪的不稳定，导致告警信息存在误差，使得警务调度员根据告警信息调度的警力资源与告警案件的事故等级不匹配，会使得告警案件的警力资源调度方案的不合理，可能会造成警力资源的浪费。
发明内容
本发明的目的在于提供一种基于地理位置的智慧交警管理服务***及方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于地理位置的智慧交警管理服务方法，包括以下步骤：
基于告警用户端提供的告警信息和告警用户端授予的位置查询权限，获取得到接警任务，所述接警任务中携带有事故信息，其中，所述事故信息包括事故车辆信息、告警事故类型、事故发生地的位置信息和事故发生时间，所述事故车辆信息包括车牌号、车主信息和驾驶人信息；
获取接警单位信息，根据所述事故信息中的事故发生地的位置信息和所述接警单位信息的位置信息将接警任务分配给对应辖区内的目标接警单位，所述接警单位信息包括各接警单位的位置信息和各接警单位内的警力资源信息；
比对所述事故信息中的告警事故类型和事故级别分类表，得到告警事故等级，其中所述事故级别分类表中事故级别和事故类型映射成对；
根据所述事故信息获取事故发生地的监控数据，根据所述监控数据和事故类型预测模型判定得到预测事故类型，根据所述预测事故类型和事故级别分类表判定得到预测事故等级；
根据所述告警事故等级和预测事故等级生成实际需求警力；
根据所述实际需求警力和目标接警单位的警力资源信息生成目标执行人员名单，将出警提示信息发送给对应的目标执行人员，所述出警提示信息中携带有所述接警任务、指导路线信息和目标执行人员名单。
作为本发明进一步的技术方案，所述警力资源信息包括在岗警务人员位置信息和在岗警务人员状态信息，所述状态信息包括接警状态、未出警状态和巡逻状态。
作为本发明进一步的技术方案，所述根据所述事故信息获取事故发生地的监控数据，根据所述监控数据和事故类型预测模型判定得到预测事故类型的步骤包括：
根据所述事故信息中的事故发生地的位置信息获取事故发生地预设距离范围内的监控摄像头，并获取监控摄像头的监控数据；
根据所述事故车辆信息中的车牌号获取事故车辆图像，截取所述监控数据中包含事故车辆图像的图片，得到目标图像集；
根据目标图像集和事故类型预测模型，判定得到预测事故类型，其中，所述事故类型预测模型是由神经网络模型经样本数据训练得到的，所述样本数据包括图像，所述事故类型预测模型输出的结果为预测事故类型，所述预测事故类型是对图像中事故类型的分析预测；
比对所述预测事故类型和事故级别分类表，匹配得到预测事故等级。
作为本发明进一步的技术方案，所述根据所述告警事故等级和预测事故等级生成实际需求警力的步骤包括：
将所述告警事故等级和预测事故等级与警力分配表分别进行比对匹配，得到告警需求警力和预测需求警力，其中，所述警力分配表中各事故等级分别有对应需求警力；
当所述预测事故等级与告警事故等级相同时，判定所述告警需求警力的数量为主警力，辅警力数量为0；
当所述预测事故等级与告警事故等级不同时，判定所述告警需求警力和预测需求警力中数值小的一方为主警力，所述告警需求警力和预测需求警力的数值之差的绝对值为辅警力，所述主警力和辅警力构成实际需求警力；
其中，所述主警力从目标接警单位的未出警状态的在岗警务人员中调取，所述辅警力从目标接警单位的巡逻状态的在岗警务人员中调取。
作为本发明进一步的技术方案，所述根据所述实际需求警力和目标接警单位的警力资源信息生成目标执行人员名单，将出警提示信息发送给对应的目标执行人员的步骤包括：
从所述目标接警单位的未出警状态的在岗警务人员中调取主警力对应数量的主警执行人员，从所述目标接警单位的巡逻状态的在岗警务人员中调取辅警力对应数量的辅警执行人员，所述主警执行人员和辅警执行人员构成目标执行人员名单；
根据各目标执行人员的位置信息和事故发生地的位置信息分别生成各目标执行人员的指导路线信息；
将出警提示信息发送给各目标执行人员对应的用户终端；
接收所述目标执行人员对应的用户终端发送的对所述出警提示信息的回执信息；
根据所述回执信息判定所述出警提示信息是否被执行，当所述出警提示信息被执行时，所述接警任务分配完成。
作为本发明进一步的技术方案，所述从所述目标接警单位的巡逻状态的在岗警务人员中调取辅警力对应数量的辅警执行人员的步骤包括：
根据所述目标接警单位中巡逻状态在岗警务人员的位置信息和事故发生地的位置信息，得到所述目标接警单位中巡逻状态的各在岗警务人员与事故发生地之间的距离；
根据所述距离对巡逻状态的各在岗警务人员进行升序排序；
按顺序在排序后的巡逻状态的各在岗警务人员中选取辅警力对应数量的在岗警务人员作为辅警执行人员。
作为本发明实施例的另一目的在于提供一种基于地理位置的智慧交警管理服务***，所述***包括：
接警任务获取模块，用于基于告警用户端提供的告警信息和告警用户端授予的位置查询权限，获取得到接警任务，所述接警任务中携带有事故信息，其中，所述事故信息包括事故车辆信息、告警事故类型、事故发生地的位置信息和事故发生时间，所述事故车辆信息包括车牌号、车主信息和驾驶人信息；
接警单位分配模块，用于获取接警单位信息，根据所述事故信息中的事故发生地的位置信息和所述接警单位信息的位置信息将接警任务分配给对应辖区内的目标接警单位，所述接警单位信息包括各接警单位的位置信息和各接警单位内的警力资源信息；
告警等级获取模块，用于比对所述事故信息中的告警事故类型和事故级别分类表，得到告警事故等级，其中所述事故级别分类表中事故级别和事故类型映射成对；
预测等级获取模块，用于根据所述事故信息获取事故发生地的监控数据，根据所述监控数据和事故类型预测模型判定得到预测事故类型，根据所述预测事故类型和事故级别分类表判定得到预测事故等级；
需求警力生成模块，用于根据所述告警事故等级和预测事故等级生成实际需求警力；
执行人员分配模块，用于根据所述实际需求警力和目标接警单位的警力资源信息生成目标执行人员名单，将出警提示信息发送给对应的目标执行人员，所述出警提示信息中携带有所述接警任务、指导路线信息和目标执行人员名单。
作为本发明进一步的技术方案，所述预测等级获取模块包括：
监控数据获取单元，用于根据所述事故信息中的事故发生地的位置信息获取事故发生地预设距离范围内的监控摄像头，并获取监控摄像头的监控数据；
目标图像截图单元，用于根据所述事故车辆信息中的车牌号获取事故车辆图像，截取所述监控数据中包含事故车辆图像的图片，得到目标图像集；
事故类型预测单元，用于根据目标图像集和事故类型预测模型，判定得到预测事故类型，其中，所述事故类型预测模型是由神经网络模型经样本数据训练得到的，所述样本数据包括图像，所述事故类型预测模型输出的结果为预测事故类型，所述预测事故类型是对图像中事故类型的分析预测；
事故等级匹配单元，用于比对所述预测事故类型和事故级别分类表，匹配得到预测事故等级。
作为本发明进一步的技术方案，所述需求警力生成模块包括：
需求警力匹配单元，用于将所述告警事故等级和预测事故等级与警力分配表分别进行比对匹配，得到告警需求警力和预测需求警力，其中，所述警力分配表中各事故等级分别有对应需求警力；
第一警力分配单元，用于当所述预测事故等级与告警事故等级相同时，判定所述告警需求警力的数量为主警力，辅警力数量为0；
第二警力分配单元，用于当所述预测事故等级与告警事故等级不同时，判定所述告警需求警力和预测需求警力中数值小的一方为主警力，所述告警需求警力和预测需求警力的数值之差的绝对值为辅警力，所述主警力和辅警力构成实际需求警力；
其中，所述主警力从目标接警单位的未出警状态的在岗警务人员中调取，所述辅警力从目标接警单位的巡逻状态的在岗警务人员中调取。
与现有技术相比，本发明的有益效果是：本发明提供了一种基于地理位置的智慧交警管理服务***及方法，在本发明中接到接警任务时，一方面通过告警用户的告警信息获取得到告警事故等级，另一方面通过获取事故发生地的监控数据和预测事故类型，进一步得到预测事故等级，本发明中通过所述告警事故等级和预测事故等级协同配合生成实际需求警力，在本发明中通过采用主警力和辅警力构成所述实际需求警力，使得接警任务能够得到及时且高效的处理，且能够避免造成警力资源的浪费。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例。
图1为基于地理位置的智慧交警管理服务方法的流程框图。
图2为基于地理位置的智慧交警管理服务方法中预测事故类型的步骤的流程框图。
图3为基于地理位置的智慧交警管理服务方法中分析获取实际需求警力的步骤的流程框图。
图4为基于地理位置的智慧交警管理服务方法中确定目标执行人员的步骤的流程框图。
图5为基于地理位置的智慧交警管理服务***的结构框图。
图6为基于地理位置的智慧交警管理服务***中预测等级获取模块的结构框图。
图7为基于地理位置的智慧交警管理服务***中需求警力生成模块的结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，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仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明实施例提供了一种基于地理位置的智慧交警管理服务方法，包括以下步骤：
步骤S100，基于告警用户端提供的告警信息和告警用户端授予的位置查询权限，获取得到接警任务，所述接警任务中携带有事故信息，其中，所述事故信息包括事故车辆信息、告警事故类型、事故发生地的位置信息和事故发生时间，所述事故车辆信息包括车牌号、车主信息和驾驶人信息；
步骤S200，获取接警单位信息，根据所述事故信息中的事故发生地的位置信息和所述接警单位信息的位置信息将接警任务分配给对应辖区内的目标接警单位，事故发生地的位置信息处于目标接警单位的辖区范围内即匹配，所述接警单位信息包括各接警单位的位置信息和各接警单位内的警力资源信息，所述警力资源信息包括在岗警务人员位置信息和在岗警务人员状态信息，所述状态信息包括接警状态、未出警状态和巡逻状态；
步骤S300，比对所述事故信息中的告警事故类型和事故级别分类表，得到告警事故等级，其中所述事故级别分类表中事故级别和事故类型映射成对，所述事故级别分为多级，各级事故级别分别对应不同的事故类型；
步骤S400，根据所述事故信息获取事故发生地的监控数据，根据所述监控数据和事故类型预测模型判定得到预测事故类型，根据所述预测事故类型和事故级别分类表判定得到预测事故等级；
步骤S500，根据所述告警事故等级和预测事故等级生成实际需求警力，所述主警力和辅警力构成实际需求警力。
步骤S600，根据所述实际需求警力和目标接警单位的警力资源信息生成目标执行人员名单，将出警提示信息发送给对应的目标执行人员，所述出警提示信息中携带有所述接警任务、指导路线信息和目标执行人员名单。
在本发明实施例中，在本发明中指挥中心的管理服务***中接到接警任务时，基于授权能够自动获取事故发生地的位置信息，一方面通过告警用户的告警信息获取得到告警事故等级，另一方面通过获取事故发生地的监控数据和预测事故类型，进一步得到预测事故等级，本发明中通过所述告警事故等级和预测事故等级协同配合生成实际需求警力，在本发明中通过采用主警力和辅警力构成所述实际需求警力，使得接警任务能够得到及时且高效的处理，且能够避免造成警力资源的浪费。
如图2所示，作为本发明一个优选的实施例，所述根据所述事故信息获取事故发生地的监控数据，根据所述监控数据和事故类型预测模型判定得到预测事故类型的步骤包括：
步骤S401，根据所述事故信息中的事故发生地的位置信息获取事故发生地预设距离范围内的监控摄像头，并获取监控摄像头的监控数据；
步骤S402，根据所述事故车辆信息中的车牌号获取事故车辆图像，截取所述监控数据中包含事故车辆图像的图片，得到目标图像集；
步骤S403，根据目标图像集和事故类型预测模型，判定得到预测事故类型，其中，所述事故类型预测模型是由神经网络模型经样本数据训练得到的，所述样本数据包括图像，所述事故类型预测模型输出的结果为预测事故类型，所述预测事故类型是对图像中事故类型的分析预测，当输出的预测事故类型的精准率达到预设阈值时，训练完成，得到训练好的事故类型预测模型；
步骤S404，比对所述预测事故类型和事故级别分类表，匹配得到预测事故等级。
在本发明实施例中，通过获取事故发生地附近监控摄像头的监控数据，截取所述监控数据中包含事故车辆图像的图片，得到目标图像集，在本发明实施例中将目标图像集输入到事故类型预测模型中能够对事故类型进行分析预测，实现通过监控对事故类型的掌控，避免单一采用告警信息造成救援警力的分配不充分，在一定程度上也避免了造成警力资源的浪费。
如图3所示，作为本发明一个优选的实施例，所述根据所述告警事故等级和预测事故等级生成实际需求警力的步骤包括：
步骤S501，将所述告警事故等级和预测事故等级与警力分配表分别进行比对匹配，得到告警需求警力和预测需求警力，其中，所述警力分配表中各事故等级分别有对应需求警力；
步骤S502，当所述预测事故等级与告警事故等级相同时，判定所述告警需求警力的数量为主警力，辅警力数量为0；
步骤S503，当所述预测事故等级与告警事故等级不同时，判定所述告警需求警力和预测需求警力中数值小的一方为主警力，所述告警需求警力和预测需求警力的数值之差的绝对值为辅警力，所述主警力和辅警力构成实际需求警力；
具体情况如下，当所述预测事故等级小于告警事故等级，所述预测需求警力的数量小于告警需求警力的数量时，设定预测需求警力的数量为主警力，所述告警需求警力多于预测需求警力的部分为辅警力；
当所述预测事故等级大于告警事故等级，所述预测需求警力的数量大于告警需求警力的数量时，设定告警需求警力的数量为主警力，所述预测需求警力多于告警需求警力的部分为辅警力；
其中，所述主警力从目标接警单位的未出警状态的在岗警务人员中调取，所述辅警力从目标接警单位的巡逻状态的在岗警务人员中调取。
在本发明实施例中，实现了在所述预测事故等级与告警事故等级不同时，为了使得告警案件能够得到充分的救援处理，实现了采用判定所述告警需求警力和预测需求警力中数值小的一方为主警力，所述告警需求警力和预测需求警力的数值之差的绝对值为辅警力，所述主警力和辅警力构成实际需求警力，本发明中的辅警力从目标接警单位的巡逻状态的在岗警务人员中调取，当辅警力到达事故发生地时，根据实际情况判断所需警力数量，当警力派出过多时，多出的辅警力不在执行告警案件，继续回到巡逻状态，执行巡逻任务，并在智慧交警管理服务***中更新状态，避免造成警力浪费。
如图4所示，作为本发明一个优选的实施例，所述根据所述实际需求警力和目标接警单位的警力资源信息生成目标执行人员名单，将出警提示信息发送给对应的目标执行人员的步骤包括：
步骤S601，从所述目标接警单位的未出警状态的在岗警务人员中调取主警力对应数量的主警执行人员，从所述目标接警单位的巡逻状态的在岗警务人员中调取辅警力对应数量的辅警执行人员，所述主警执行人员和辅警执行人员构成目标执行人员名单；
所述主警执行人员可以从未出警状态的在岗警务人员中随机调取，或者依据出警排班表调取，在本发明中所述主警执行人员是从未出警状态的在岗警务人员中随机调取的；
辅警执行人员采用以下方式调取：根据所述目标接警单位中巡逻状态在岗警务人员的位置信息和事故发生地的位置信息，得到所述目标接警单位中巡逻状态的各在岗警务人员与事故发生地之间的距离；根据所述距离对巡逻状态的各在岗警务人员进行升序排序；按顺序在排序后的巡逻状态的各在岗警务人员中选取辅警力对应数量的在岗警务人员作为辅警执行人员。
步骤S602，根据各目标执行人员的位置信息和事故发生地的位置信息分别生成各目标执行人员的指导路线信息；
步骤S603，将出警提示信息发送给各目标执行人员对应的用户终端；
步骤S604，接收所述目标执行人员对应的用户终端发送的对所述出警提示信息的回执信息；
步骤S605，根据所述回执信息判定所述出警提示信息是否被执行，当所述出警提示信息被执行时，所述接警任务分配完成，且在智慧交警管理服务***中实时更新各目标执行人员的状态和位置信息，本当辅警力到达事故发生地时，根据实际情况判断所需警力数量，当警力派出过多时，多出的辅警力不在执行此告警案件，继续回到巡逻状态，执行巡逻任务，并在智慧交警管理服务***中更新状态，避免造成警力浪费，本发明通过主警力加辅警力配合使用，实现了对告警案件的高效和充分处理。
如图5所示，作为本发明实施例的另一目的在于提供一种基于地理位置的智慧交警管理服务***，所述***包括：
接警任务获取模块100，用于基于告警用户端提供的告警信息和告警用户端授予的位置查询权限，获取得到接警任务，所述接警任务中携带有事故信息，其中，所述事故信息包括事故车辆信息、告警事故类型、事故发生地的位置信息和事故发生时间，所述事故车辆信息包括车牌号、车主信息和驾驶人信息；
接警单位分配模块200，用于获取接警单位信息，根据所述事故信息中的事故发生地的位置信息和所述接警单位信息的位置信息将接警任务分配给对应辖区内的目标接警单位，所述接警单位信息包括各接警单位的位置信息和各接警单位内的警力资源信息；
告警等级获取模块300，用于比对所述事故信息中的告警事故类型和事故级别分类表，得到告警事故等级，其中所述事故级别分类表中事故级别和事故类型映射成对，所述事故级别分为多级，各级事故级别分别对应不同的事故类型；
预测等级获取模块400，用于根据所述事故信息获取事故发生地的监控数据，根据所述监控数据和事故类型预测模型判定得到预测事故类型，根据所述预测事故类型和事故级别分类表判定得到预测事故等级；
需求警力生成模块500，用于根据所述告警事故等级和预测事故等级生成实际需求警力；
执行人员分配模块600，用于根据所述实际需求警力和目标接警单位的警力资源信息生成目标执行人员名单，将出警提示信息发送给对应的目标执行人员，所述出警提示信息中携带有所述接警任务、指导路线信息和目标执行人员名单。
如图6所示，作为本发明一个优选的实施例，所述预测等级获取模块400包括：
监控数据获取单元401，用于根据所述事故信息中的事故发生地的位置信息获取事故发生地预设距离范围内的监控摄像头，并获取监控摄像头的监控数据；
目标图像截图单元402，用于根据所述事故车辆信息中的车牌号获取事故车辆图像，截取所述监控数据中包含事故车辆图像的图片，得到目标图像集；
事故类型预测单元403，用于根据目标图像集和事故类型预测模型，判定得到预测事故类型，其中，所述事故类型预测模型是由神经网络模型经样本数据训练得到的，所述样本数据包括图像，所述事故类型预测模型输出的结果为预测事故类型，所述预测事故类型是对图像中事故类型的分析预测；
事故等级匹配单元404，用于比对所述预测事故类型和事故级别分类表，匹配得到预测事故等级。
如图7所示，作为本发明一个优选的实施例，所述需求警力生成模块500包括：
需求警力匹配单元501，用于将所述告警事故等级和预测事故等级与警力分配表分别进行比对匹配，得到告警需求警力和预测需求警力，其中，所述警力分配表中各事故等级分别有对应需求警力；
第一警力分配单元502，用于当所述预测事故等级与告警事故等级相同时，判定所述告警需求警力的数量为主警力，辅警力数量为0；
第二警力分配单元503，用于当所述预测事故等级与告警事故等级不同时，判定所述告警需求警力和预测需求警力中数值小的一方为主警力，所述告警需求警力和预测需求警力的数值之差的绝对值为辅警力，所述主警力和辅警力构成实际需求警力；
其中，所述主警力从目标接警单位的未出警状态的在岗警务人员中调取，所述辅警力从目标接警单位的巡逻状态的在岗警务人员中调取。
上述基于地理位置的智慧交警管理服务方法所能实现的功能均由计算机设备完成，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现所述基于地理位置的智慧交警管理服务方法的功能。
处理器从存储器中逐条取出指令、分析指令，然后根据指令要求完成相应操作，产生一系列控制命令，使计算机各部分自动、连续并协调动作，成为一个有机的整体，实现程序的输入、数据的输入以及运算并输出结果，这一过程中产生的算术运算或逻辑运算均由运算器完成；所述存储器包括只读存储器（Read-Only Memory，ROM），所述只读存储器用于存储计算机程序，所述存储器外部设有保护装置。
示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解，上述服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列 （Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序（比如信息采集模板展示功能、产品信息发布功能等）等；存储数据区可存储根据泊位状态显示***的使用所创建的数据（比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card， SMC），安全数字（Secure Digital， SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例***中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个***实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random AccessMemory）、电载波信号、电信信号以及软件分发介质等。
需要说明的是，在本文中，术语“包括”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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种基于地理位置的智慧交警管理服务方法，其特征在于，包括以下步骤：
基于告警用户端提供的告警信息和告警用户端授予的位置查询权限，获取得到接警任务，所述接警任务中携带有事故信息，其中，所述事故信息包括事故车辆信息、告警事故类型、事故发生地的位置信息和事故发生时间，所述事故车辆信息包括车牌号、车主信息和驾驶人信息；
获取接警单位信息，根据所述事故信息中的事故发生地的位置信息和所述接警单位信息的位置信息将接警任务分配给对应辖区内的目标接警单位，所述接警单位信息包括各接警单位的位置信息和各接警单位内的警力资源信息；
比对所述事故信息中的告警事故类型和事故级别分类表，得到告警事故等级，其中所述事故级别分类表中事故级别和事故类型映射成对；
根据所述事故信息获取事故发生地的监控数据，根据所述监控数据和事故类型预测模型判定得到预测事故类型，根据所述预测事故类型和事故级别分类表判定得到预测事故等级；
根据所述告警事故等级和预测事故等级生成实际需求警力；
根据所述实际需求警力和目标接警单位的警力资源信息生成目标执行人员名单，将出警提示信息发送给对应的目标执行人员，所述出警提示信息中携带有所述接警任务、指导路线信息和目标执行人员名单；
所述警力资源信息包括在岗警务人员位置信息和在岗警务人员状态信息，所述状态信息包括接警状态、未出警状态和巡逻状态；
所述根据所述事故信息获取事故发生地的监控数据，根据所述监控数据和事故类型预测模型判定得到预测事故类型的步骤包括：
根据所述事故信息中的事故发生地的位置信息获取事故发生地预设距离范围内的监控摄像头，并获取监控摄像头的监控数据；
根据所述事故车辆信息中的车牌号获取事故车辆图像，截取所述监控数据中包含事故车辆图像的图片，得到目标图像集；
根据目标图像集和事故类型预测模型，判定得到预测事故类型，其中，所述事故类型预测模型是由神经网络模型经样本数据训练得到的，所述样本数据包括图像，所述事故类型预测模型输出的结果为预测事故类型，所述预测事故类型是对图像中事故类型的分析预测；
比对所述预测事故类型和事故级别分类表，匹配得到预测事故等级；
所述根据所述告警事故等级和预测事故等级生成实际需求警力的步骤包括：
将所述告警事故等级和预测事故等级与警力分配表分别进行比对匹配，得到告警需求警力和预测需求警力，其中，所述警力分配表中各事故等级分别有对应需求警力；
当所述预测事故等级与告警事故等级相同时，判定所述告警需求警力的数量为主警力，辅警力数量为0；
当所述预测事故等级与告警事故等级不同时，判定所述告警需求警力和预测需求警力中数值小的一方为主警力，所述告警需求警力和预测需求警力的数值之差的绝对值为辅警力，所述主警力和辅警力构成实际需求警力；
其中，所述主警力从目标接警单位的未出警状态的在岗警务人员中调取，所述辅警力从目标接警单位的巡逻状态的在岗警务人员中调取。
2.根据权利要求1所述的一种基于地理位置的智慧交警管理服务方法，其特征在于，所述根据所述实际需求警力和目标接警单位的警力资源信息生成目标执行人员名单，将出警提示信息发送给对应的目标执行人员的步骤包括：
从所述目标接警单位的未出警状态的在岗警务人员中调取主警力对应数量的主警执行人员，从所述目标接警单位的巡逻状态的在岗警务人员中调取辅警力对应数量的辅警执行人员，所述主警执行人员和辅警执行人员构成目标执行人员名单；
根据各目标执行人员的位置信息和事故发生地的位置信息分别生成各目标执行人员的指导路线信息；
将出警提示信息发送给各目标执行人员对应的用户终端；
接收所述目标执行人员对应的用户终端发送的对所述出警提示信息的回执信息；
根据所述回执信息判定所述出警提示信息是否被执行，当所述出警提示信息被执行时，所述接警任务分配完成。
3.根据权利要求2所述的一种基于地理位置的智慧交警管理服务方法，其特征在于，所述从所述目标接警单位的巡逻状态的在岗警务人员中调取辅警力对应数量的辅警执行人员的步骤包括：
根据所述目标接警单位中巡逻状态在岗警务人员的位置信息和事故发生地的位置信息，得到所述目标接警单位中巡逻状态的各在岗警务人员与事故发生地之间的距离；
根据所述距离对巡逻状态的各在岗警务人员进行升序排序；
按顺序在排序后的巡逻状态的各在岗警务人员中选取辅警力对应数量的在岗警务人员作为辅警执行人员。
4.一种基于地理位置的智慧交警管理服务***，其特征在于，所述***包括：
接警任务获取模块，用于基于告警用户端提供的告警信息和告警用户端授予的位置查询权限，获取得到接警任务，所述接警任务中携带有事故信息，其中，所述事故信息包括事故车辆信息、告警事故类型、事故发生地的位置信息和事故发生时间，所述事故车辆信息包括车牌号、车主信息和驾驶人信息；
接警单位分配模块，用于获取接警单位信息，根据所述事故信息中的事故发生地的位置信息和所述接警单位信息的位置信息将接警任务分配给对应辖区内的目标接警单位，所述接警单位信息包括各接警单位的位置信息和各接警单位内的警力资源信息；
告警等级获取模块，用于比对所述事故信息中的告警事故类型和事故级别分类表，得到告警事故等级，其中所述事故级别分类表中事故级别和事故类型映射成对；
预测等级获取模块，用于根据所述事故信息获取事故发生地的监控数据，根据所述监控数据和事故类型预测模型判定得到预测事故类型，根据所述预测事故类型和事故级别分类表判定得到预测事故等级；
需求警力生成模块，用于根据所述告警事故等级和预测事故等级生成实际需求警力；
执行人员分配模块，用于根据所述实际需求警力和目标接警单位的警力资源信息生成目标执行人员名单，将出警提示信息发送给对应的目标执行人员，所述出警提示信息中携带有所述接警任务、指导路线信息和目标执行人员名单；
所述预测等级获取模块包括：
监控数据获取单元，用于根据所述事故信息中的事故发生地的位置信息获取事故发生地预设距离范围内的监控摄像头，并获取监控摄像头的监控数据；
目标图像截图单元，用于根据所述事故车辆信息中的车牌号获取事故车辆图像，截取所述监控数据中包含事故车辆图像的图片，得到目标图像集；
事故类型预测单元，用于根据目标图像集和事故类型预测模型，判定得到预测事故类型，其中，所述事故类型预测模型是由神经网络模型经样本数据训练得到的，所述样本数据包括图像，所述事故类型预测模型输出的结果为预测事故类型，所述预测事故类型是对图像中事故类型的分析预测；
事故等级匹配单元，用于比对所述预测事故类型和事故级别分类表，匹配得到预测事故等级；
所述需求警力生成模块包括：
需求警力匹配单元，用于将所述告警事故等级和预测事故等级与警力分配表分别进行比对匹配，得到告警需求警力和预测需求警力，其中，所述警力分配表中各事故等级分别有对应需求警力；
第一警力分配单元，用于当所述预测事故等级与告警事故等级相同时，判定所述告警需求警力的数量为主警力，辅警力数量为0；
第二警力分配单元，用于当所述预测事故等级与告警事故等级不同时，判定所述告警需求警力和预测需求警力中数值小的一方为主警力，所述告警需求警力和预测需求警力的数值之差的绝对值为辅警力，所述主警力和辅警力构成实际需求警力；
其中，所述主警力从目标接警单位的未出警状态的在岗警务人员中调取，所述辅警力从目标接警单位的巡逻状态的在岗警务人员中调取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311797520.5A CN117455209B (zh) | 2023-12-26 | 2023-12-26 | 一种基于地理位置的智慧交警管理服务***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311797520.5A CN117455209B (zh) | 2023-12-26 | 2023-12-26 | 一种基于地理位置的智慧交警管理服务***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117455209A CN117455209A (zh) | 2024-01-26 |
| CN117455209B true CN117455209B (zh) | 2024-03-12 |
Family
ID=89580366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311797520.5A Active CN117455209B (zh) | 2023-12-26 | 2023-12-26 | 一种基于地理位置的智慧交警管理服务***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117455209B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106408164A (zh) * | 2016-08-30 | 2017-02-15 | 长威信息科技发展股份有限公司 | 一种警力资源调度方法及*** |
| WO2017193933A1 (zh) * | 2016-05-10 | 2017-11-16 | 腾讯科技（深圳）有限公司 | 交通事故预警方法及交通事故预警装置 |
| WO2017211172A1 (zh) * | 2016-06-08 | 2017-12-14 | 中兴通讯股份有限公司 | 应急案件处理方法、装置及城市应急联动*** |
| CN111680864A (zh) * | 2020-04-26 | 2020-09-18 | 北京中交华安科技有限公司 | 道路事故的应急方案确定方法、装置及存储介质 |
| KR20210082024A (ko) * | 2019-12-24 | 2021-07-02 | 주식회사 텔레칩스 | 교통사고 정보 제공 장치 및 방법 |
| CN113807588A (zh) * | 2021-09-19 | 2021-12-17 | 广州丹雅科技有限公司 | 基于交通事故的行车路径规划方法及装置 |
| CN113835961A (zh) * | 2021-09-23 | 2021-12-24 | 中国联合网络通信集团有限公司 | 告警信息监控方法、装置、服务器及存储介质 |
| CN114220268A (zh) * | 2021-12-16 | 2022-03-22 | 济南市公安局交通警察支队 | 一种基于道路安全指数进行最优派警的方法及*** |
| CN114898569A (zh) * | 2022-07-15 | 2022-08-12 | 山东金宇信息科技集团有限公司 | 一种隧道交通应急处理方法及设备 |
| CN115909639A (zh) * | 2022-09-20 | 2023-04-04 | 楼兰 | 一种智能信息化消防事故动态监控***及方法 |
| CN116432911A (zh) * | 2021-12-29 | 2023-07-14 | 上海博泰悦臻网络技术服务有限公司 | 数据处理方法、装置及存储介质 |
| CN116704743A (zh) * | 2022-02-28 | 2023-09-05 | 上海博泰悦臻网络技术服务有限公司 | 提醒拥堵时长的方法、装置、介质及设备 |
-
2023
- 2023-12-26 CN CN202311797520.5A patent/CN117455209B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017193933A1 (zh) * | 2016-05-10 | 2017-11-16 | 腾讯科技（深圳）有限公司 | 交通事故预警方法及交通事故预警装置 |
| WO2017211172A1 (zh) * | 2016-06-08 | 2017-12-14 | 中兴通讯股份有限公司 | 应急案件处理方法、装置及城市应急联动*** |
| CN106408164A (zh) * | 2016-08-30 | 2017-02-15 | 长威信息科技发展股份有限公司 | 一种警力资源调度方法及*** |
| KR20210082024A (ko) * | 2019-12-24 | 2021-07-02 | 주식회사 텔레칩스 | 교통사고 정보 제공 장치 및 방법 |
| CN111680864A (zh) * | 2020-04-26 | 2020-09-18 | 北京中交华安科技有限公司 | 道路事故的应急方案确定方法、装置及存储介质 |
| CN113807588A (zh) * | 2021-09-19 | 2021-12-17 | 广州丹雅科技有限公司 | 基于交通事故的行车路径规划方法及装置 |
| CN113835961A (zh) * | 2021-09-23 | 2021-12-24 | 中国联合网络通信集团有限公司 | 告警信息监控方法、装置、服务器及存储介质 |
| CN114220268A (zh) * | 2021-12-16 | 2022-03-22 | 济南市公安局交通警察支队 | 一种基于道路安全指数进行最优派警的方法及*** |
| CN116432911A (zh) * | 2021-12-29 | 2023-07-14 | 上海博泰悦臻网络技术服务有限公司 | 数据处理方法、装置及存储介质 |
| CN116704743A (zh) * | 2022-02-28 | 2023-09-05 | 上海博泰悦臻网络技术服务有限公司 | 提醒拥堵时长的方法、装置、介质及设备 |
| CN114898569A (zh) * | 2022-07-15 | 2022-08-12 | 山东金宇信息科技集团有限公司 | 一种隧道交通应急处理方法及设备 |
| CN115909639A (zh) * | 2022-09-20 | 2023-04-04 | 楼兰 | 一种智能信息化消防事故动态监控***及方法 |
Non-Patent Citations (2)
| Title |
|---|
| Learning Traffic as Images for Incident Detection Using Convolutional Neural Networks;Liu et al.;《IEEE Access》;20200107;第8卷;第7916-7924页 * |
| 基于组合模型的交通事故严重程度预测方法;石雪怀等;《计算机应用研究》;20190831;第36卷(第8期);第2395-2399页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117455209A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105741540A (zh) | 一种商砼车的直线调度实现方法及*** | |
| CN117455209B (zh) | 一种基于地理位置的智慧交警管理服务***及方法 | |
| Taylor | Data justice, computational social science and policy | |
| CN117029863B (zh) | 一种反馈式交通路径规划方法及*** | |
| Kovalenko et al. | Priorities for the development of regional information management based on system digitalization | |
| CN116414874A (zh) | 一种招投标信息管理***和方法 | |
| US20220405691A1 (en) | Electronic Logging Device Exempt Digital Fleet Management Solution | |
| CN110737760B (zh) | 诉讼案件处理方法、装置、设备及存储介质 | |
| CN114841661A (zh) | 一种离散加工管理方法及*** | |
| CN117425894A (zh) | 单独计算机辅助调度***之间的数据协作 | |
| CN113781803B (zh) | 一种基于互联网的人工智能交通控制*** | |
| CN110598889A (zh) | 车辆的调度方法、***及存储介质 | |
| KR102433039B1 (ko) | 폐기물 처리를 위한 혼잡도 산출 시스템 | |
| IORDACHE et al. | PROJECT MANAGEMENT EXPERT SYSTEM WITH ADVANCED DOCUMENT MANAGEMENT FOR PUBLIC INSTITUTIONS | |
| CN113535814A (zh) | 疫情防控中的数据处理方法及装置、存储介质、终端 | |
| Cardona et al. | Proposal of a Storage Methodology for Asset Management, Using Artificial Intelligence Techniques, to Make Unit Load Work Processes More Efficient | |
| Rodriguez | Digitalization in Government: Enhancing Public Service Delivery through Technology | |
| CN118014321A (zh) | 一种基于事件驱动的公共安全应急处置方法及*** | |
| CN116564112A (zh) | 一种携带有交通信号灯的飞行器调度方法及*** | |
| Utami | THE APPLICATION OF TECHNOLOGY AND INFORMATION DEVELOPMENT IN ELECTRONIC TRAFFIC LAW ENFORCEMENT (ETLE) TO SHAPE PUBLIC AWARENESS | |
| CN115759953A (zh) | 机械设备的可视化管理*** | |
| WO2022261252A1 (en) | Data collaboration between separate computer-aided dispatch systems | |
| Boubekeur | Ethical Considerations in the Deployment of IoT Sensors for Autonomous Vehicles | |
| Utama et al. | Implications of Digital Policing with the Application of Artificial Intelligence in Positive Law in Indonesia | |
| CN117522168A (zh) | 一种基于大数据的资产管理方法和*** |
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 |