CN115504341A - 电梯运行方法、装置、终端设备以及存储介质 - Google Patents
电梯运行方法、装置、终端设备以及存储介质 Download PDFInfo
- Publication number
- CN115504341A CN115504341A CN202211201239.6A CN202211201239A CN115504341A CN 115504341 A CN115504341 A CN 115504341A CN 202211201239 A CN202211201239 A CN 202211201239A CN 115504341 A CN115504341 A CN 115504341A
- Authority
- CN
- China
- Prior art keywords
- elevator
- elevator operation
- model
- target
- operation model
- 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 68
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000012549 training Methods 0.000 claims abstract description 36
- 238000007477 logistic regression Methods 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 16
- 238000003709 image segmentation Methods 0.000 claims description 8
- 238000011017 operating method Methods 0.000 claims description 6
- 239000010410 layer Substances 0.000 description 10
- 230000011218 segmentation Effects 0.000 description 7
- 239000002356 single layer Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/24—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/24—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration
- B66B1/2408—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration where the allocation of a call to an elevator car is of importance, i.e. by means of a supervisory or group controller
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
- B66B1/3415—Control system configuration and the data transmission or communication within the control system
- B66B1/3446—Data transmission or communication within the control system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B2201/00—Aspects of control systems of elevators
- B66B2201/20—Details of the evaluation method for the allocation of a call to an elevator car
- B66B2201/222—Taking into account the number of passengers present in the elevator car to be allocated
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B2201/00—Aspects of control systems of elevators
- B66B2201/40—Details of the change of control mode
- B66B2201/402—Details of the change of control mode by historical, statistical or predicted traffic data, e.g. by learning
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Elevator Control (AREA)
Abstract
本申请公开了一种电梯运行方法、装置、终端设备以及存储介质，其电梯运行方法包括：确定目标电梯的目标时间段；将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到。本申请解决了电梯在每层楼都会到达的问题，提升电梯的运行效率，降低时间成本。
Description
技术领域
本申请涉及电梯控制技术领域，尤其涉及一种电梯运行方法、装置、终端设备以及存储介质。
背景技术
随着世界的高速发展，城市中建满了高楼大厦。但是，由于楼层较多，高楼大厦不可缺少电梯，否则如此高的楼层，出行十分困难。
目前，电梯基本都是每层楼底都可以到达，或者简单按照上中下三层进行分层。但是，尤其是在各大办公楼层，通常会有固定的出勤时间，因此，人们都会在固定的时间乘坐电梯，导致电梯运行超负荷。也即，如果每层都可能会到达，会导致人们经常排队等电梯。
发明内容
本申请的主要目的在于提供一种电梯运行方法、装置、终端设备以及存储介质，旨在解决电梯在每层楼都会到达的问题，提升电梯的运行效率，降低时间成本。
为实现上述目的，本申请提供一种电梯运行方法，所述电梯运行方法包括：
确定目标电梯的目标时间段；
将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到。
可选地，所述将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到的步骤之前，还包括：
创建所述电梯运行模型，具体包括：
获取目标建筑的各电梯的运行信息，得到运行数据库；
对所述运行数据库中的数据进行处理，得到电梯属性；
创建所述逻辑回归模型，得到初始电梯运行模型；
基于所述电梯属性，将所述运行数据库输入所述初始电梯运行模型中进行处理，得到处理结果，并结合预设的损失函数训练所述初始电梯运行模型，得到训练后的电梯运行模型。
可选地，所述基于所述电梯属性，将所述运行数据库输入所述初始电梯运行模型中进行处理，得到处理结果，并结合预设的损失函数训练所述初始电梯运行模型，得到训练后的电梯运行模型的步骤包括：
将所述运行数据库中的数据输入所述初始电梯运行模型中进行特征提取，得到电梯特征；
将所述电梯特征与所述电梯属性进行对比，得到对比结果；
将所述对比结果带入所述损失函数进行计算，得到目标损失参数；
将所述目标损失参数回传到所述初始电梯运行模型中，对所述初始电梯运行模型中的参数进行更新；并返回步骤：将所述运行数据库中的数据输入所述初始电梯运行模型中进行特征提取，得到电梯特征；
以此循环，进行参数迭代，直到所述初始电梯运行模型收敛，终止训练，得到训练后的电梯运行模型。
可选地，所述运行数据库包括图像数据、时间段以及所述时间段对应的楼层人数，所述对所述运行数据库中的数据进行处理，得到电梯属性的步骤包括：
对所述图像数据进行图像分割，得到分割后的图像数据；
根据所述时间段，对所述楼层人数进行标注，得到标注后的楼层人数；
基于所述分割后的图像数据以及所述标注后的楼层人数，得到所述电梯属性。
可选地，所述将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果的步骤之后，还包括：
获取真实数据；
将所述真实数据与所述电梯运行结果进行对比，判断所述电梯运行结果是否符合预设的调整条件；
若所述电梯运行结果符合所述调整条件，则根据所述真实数据，调整所述电梯运行结果。
可选地，所述真实数据包括拥挤状态、通畅状态，所述电梯运行结果包括分层方案、无分层方案，所述将所述真实数据与所述电梯运行结果进行对比，判断所述电梯运行结果是否符合预设的调整条件的步骤包括：
若所述真实数据为所述拥挤状态且所述电梯运行结果为所述无分层方案；或
若所述真实数据为所述通畅状态且所述电梯运行结果为所述分层方案，则所述电梯运行结果符合所述调整条件。
可选地，所述电梯运行方法还包括以下步骤：
接收目标楼层的到达请求；
获取所述目标楼层的等待人员的数量并判断；
若不存在所述等待人员，则不响应所述到达请求；
若所述等待人员超过预设的数量阈值，则不响应所述到达请求，并执行获取目标建筑的各电梯的运行信息，得到运行数据库以及之后的步骤。
本申请实施例还提出一种电梯运行装置，所述电梯运行装置包括：
获取模块，用于确定目标电梯的目标时间段；
处理模块，用于将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到。
本申请实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电梯运行程序，所述电梯运行程序被所述处理器执行时实现如上所述的电梯运行方法的步骤。
本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有电梯运行程序，所述电梯运行程序被处理器执行时实现如上所述的电梯运行方法的步骤。
本申请实施例提出的电梯运行方法、装置、终端设备以及存储介质，通过确定目标电梯的目标时间段；将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到。通过训练后的电梯运行模型对目标时间段进行处理，可以电梯在每层楼都会到达的问题，提升电梯的运行效率，降低时间成本。基于本申请方案，从真实世界中电梯存在的每层楼都会到达的规律出发，构建了一个基于目标楼层的不同电梯数据集，并在该电梯数据集上验证了本申请提出的电梯运行方法的有效性，最后经过本申请方法电梯的运行效率得到明显提升。
附图说明
图1为本申请电梯运行装置所属终端设备的功能模块示意图；
图2为本申请电梯运行方法第一示例性实施例的流程示意图；
图3为本申请电梯运行方法第二示例性实施例的流程示意图；
图4为本申请电梯运行方法第三示例性实施例的流程示意图；
图5为本申请电梯运行方法第四示例性实施例的流程示意图；
图6为本申请电梯运行方法第五示例性实施例的流程示意图；
图7为本申请电梯运行方法第六示例性实施例的流程示意图；
图8为本申请电梯运行方法第七示例性实施例的流程示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例的主要解决方案是：确定目标电梯的目标时间段；将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到。通过训练后的电梯运行模型对目标时间段进行处理，可以电梯在每层楼都会到达的问题，提升电梯的运行效率，降低时间成本。基于本申请方案，从真实世界中电梯存在的每层楼都会到达的规律出发，构建了一个基于目标楼层的不同电梯数据集，并在该电梯数据集上验证了本申请提出的电梯运行方法的有效性，最后经过本申请方法电梯的运行效率得到明显提升。
本申请实施例考虑到，目前，电梯基本都是每层楼底都可以到达，或者简单按照上中下三层进行分层。但是，尤其是在各大办公楼层，通常会有固定的出勤时间，因此，人们都会在固定的时间乘坐电梯，导致电梯运行超负荷。也即，如果每层都可能会到达，会导致人们经常排队等电梯。
因此，本申请实施例方案，从真实世界中电梯存在的每层楼都会到达的规律出发，结合逻辑回归模型在信息提取方面的处理能力，设计一种基于逻辑非线性回归模型的用于电梯智能分层的电梯运行模型，解决电梯在每层楼都会到达的问题，提升电梯的运行效率，降低时间成本。
具体地，参照图1，图1为本申请电梯运行装置所属终端设备的功能模块示意图。该电梯运行装置可以为独立于终端设备的、能够进行运行信息处理、模型训练的装置，其可以通过硬件或软件的形式承载于终端设备上。该终端设备可以为手机、平板电脑等具有数据处理功能的智能移动终端，还可以为具有数据处理功能的固定终端设备或服务器等。
在本实施例中，该电梯运行装置所属终端设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
存储器130中存储有操作系统以及电梯运行程序，电梯运行装置可以将确定的目标电梯的目标时间段；将目标时间段输入到预先创建的电梯运行模型进行处理，得到的电梯运行结果，基于预设的逻辑回归模型训练得到的电梯运行模型等信息存储于该存储器130中；输出模块110可为显示屏等。通信模块140可以包括WIFI模块、移动通信模块以及蓝牙模块等，通过通信模块140与外部设备或服务器进行通信。
其中，存储器130中的电梯运行程序被处理器执行时实现以下步骤：
确定目标电梯的目标时间段；
将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到。
进一步地，存储器130中的电梯运行程序被处理器执行时还实现以下步骤：
获取目标建筑的各电梯的运行信息，得到运行数据库；
对所述运行数据库中的数据进行处理，得到电梯属性；
创建所述逻辑回归模型，得到初始电梯运行模型；
基于所述电梯属性，将所述运行数据库输入所述初始电梯运行模型中进行处理，得到处理结果，并结合预设的损失函数训练所述初始电梯运行模型，得到训练后的电梯运行模型。
进一步地，存储器130中的电梯运行程序被处理器执行时还实现以下步骤：
将所述运行数据库中的数据输入所述初始电梯运行模型中进行特征提取，得到电梯特征；
将所述电梯特征与所述电梯属性进行对比，得到对比结果；
将所述对比结果带入所述损失函数进行计算，得到目标损失参数；
将所述目标损失参数回传到所述初始电梯运行模型中，对所述初始电梯运行模型中的参数进行更新；并返回步骤：将所述运行数据库中的数据输入所述初始电梯运行模型中进行特征提取，得到电梯特征；
以此循环，进行参数迭代，直到所述初始电梯运行模型收敛，终止训练，得到训练后的电梯运行模型。
进一步地，存储器130中的电梯运行程序被处理器执行时还实现以下步骤：
对所述图像数据进行图像分割，得到分割后的图像数据；
根据所述时间段，对所述楼层人数进行标注，得到标注后的楼层人数；
基于所述分割后的图像数据以及所述标注后的楼层人数，得到所述电梯属性。
进一步地，存储器130中的电梯运行程序被处理器执行时还实现以下步骤：
获取真实数据；
将所述真实数据与所述电梯运行结果进行对比，判断所述电梯运行结果是否符合预设的调整条件；
若所述电梯运行结果符合所述调整条件，则根据所述真实数据，调整所述电梯运行结果。
进一步地，存储器130中的电梯运行程序被处理器执行时还实现以下步骤：
若所述真实数据为所述拥挤状态且所述电梯运行结果为所述无分层方案；或
若所述真实数据为所述通畅状态且所述电梯运行结果为所述分层方案，则所述电梯运行结果符合所述调整条件。
进一步地，存储器130中的电梯运行程序被处理器执行时还实现以下步骤：
接收目标楼层的到达请求；
获取所述目标楼层的等待人员的数量并判断；
若不存在所述等待人员，则不响应所述到达请求；
若所述等待人员超过预设的数量阈值，则不响应所述到达请求，并执行获取目标建筑的各电梯的运行信息，得到运行数据库以及之后的步骤。
本实施例通过上述方案，具体通过确定目标电梯的目标时间段；将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到。通过训练后的电梯运行模型对目标时间段进行处理，可以电梯在每层楼都会到达的问题，提升电梯的运行效率，降低时间成本。基于本申请方案，从真实世界中电梯存在的每层楼都会到达的规律出发，构建了一个基于目标楼层的不同电梯数据集，并在该电梯数据集上验证了本申请提出的电梯运行方法的有效性，最后经过本申请方法电梯的运行效率得到明显提升。
基于上述终端设备架构但不限于上述架构，提出本申请方法实施例。
参照图2，图2为本申请电梯运行方法第一示例性实施例的流程示意图。所述电梯运行方法包括：
步骤S210，确定目标电梯的目标时间段；
具体地，由于是在各大办公楼层，通常会有固定的出勤时间，因此，人们都会在固定的时间乘坐电梯，导致电梯运行超负荷。也即，如果每层都可能会到达，会导致人们经常排队等电梯。在此背景下，提出一种基于逻辑回归模型的电梯自动运行方案，无需再次人工开发任何电梯设计方案，就能够自动分析出该楼层的最佳电梯方案。首先，通过确定需要乘坐电梯的时间段，将时间段输入预先创建的电梯运行模型中进行处理，可以得到对应的分层方案。
步骤S220，将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到。
具体地，将目标时间段输入到电梯运行模型中进行处理，得到电梯运行结果。其中，电梯运行模型用于针对目标时间段，设定对应的电梯运行方案，从而无需再次人工开发任何电梯设计方案，即可自动分析出该楼层的最佳电梯方案，节省了电梯的运行成本和开发成本；电梯运行结果可以得到多个电梯的运行结果，例如：共有6个电梯，电梯运行方案为单双层，并且三个电梯为单层，另外三个电梯为双层。需要说明的是，不同楼层由于训练结果的不同会有不同的特定适合的方案。
例如，电梯运行结果可以如下表1所示：
表1电梯运行结果
| 时间段 | 8:00–10:00 | 10:00–18:00 | 18:00–20:00 |
| 是否分层 | 分层 | 不分层 | 分层 |
| 分层方案 | 中高低分层 | - | 奇偶分层 |
本实施例通过上述方案，具体通过确定目标电梯的目标时间段；将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到。通过训练后的电梯运行模型对目标时间段进行处理，可以电梯在每层楼都会到达的问题，提升电梯的运行效率，降低时间成本。基于本申请方案，从真实世界中电梯存在的每层楼都会到达的规律出发，构建了一个基于目标楼层的不同电梯数据集，并在该电梯数据集上验证了本申请提出的电梯运行方法的有效性，最后经过本申请方法电梯的运行效率得到明显提升。
参照图3，图3为本申请电梯运行方法第二示例性实施例的流程示意图。基于上述图2所示的实施例，步骤S220，将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到之前，还包括：
创建所述电梯运行模型，具体包括：
步骤S310，获取目标建筑的各电梯的运行信息，得到运行数据库；
具体地，针对任一目标建筑中的每一台电梯的运行信息，得到运行数据库，其中，运行数据库中的数据包括但不限于：各时间段以及对应的电梯运行次数、乘坐人员的基础信息。
步骤S320，对所述运行数据库中的数据进行处理，得到电梯属性；
具体地，根据实际情况，对运行数据库中的数据进行处理，得到电梯属性，例如，针对不同的时间段，可以提取时间段所对应的电梯运行次数以乘坐人员的基础信息。
步骤S330，创建所述逻辑回归模型，得到初始电梯运行模型；
具体地，基于逻辑回归模型得到初始电梯运行模型，可以使得训练初始电梯运行模型的速度较快，不需要缩放输入特征；且内存资源占用小。
步骤S340，基于所述电梯属性，将所述运行数据库输入所述初始电梯运行模型中进行处理，得到处理结果，并结合预设的损失函数训练所述初始电梯运行模型，得到训练后的电梯运行模型。
具体地，得到训练后的电梯运行模型的具体步骤可以如下：
将运行数据库中的数据输入初始电梯运行模型中进行特征提取，得到电梯特征；将电梯特征与电梯属性进行对比，得到对比结果；将对比结果带入损失函数进行计算，得到目标损失参数；将目标损失参数回传到初始电梯运行模型中，对初始电梯运行模型中的参数进行更新；并返回步骤：将运行数据库中的数据输入初始电梯运行模型中进行特征提取，得到电梯特征；以此循环，进行参数迭代，直到初始电梯运行模型收敛，终止训练，得到训练后的电梯运行模型。
本实施例通过上述方案，具体通过获取目标建筑的各电梯的运行信息，得到运行数据库；对所述运行数据库中的数据进行处理，得到电梯属性；创建所述逻辑回归模型，得到初始电梯运行模型；基于所述电梯属性，将所述运行数据库输入所述初始电梯运行模型中进行处理，得到处理结果，并结合预设的损失函数训练所述初始电梯运行模型，得到训练后的电梯运行模型。通过将运行数据库中的数据输入至初始电梯运行模型中，对初始电梯运行模型进行训练，可以提高电梯运行的准确度，实现电梯运行的自动化。
参照图4，图4为本申请电梯运行方法第三示例性实施例的流程示意图。基于上述图3所示的实施例，步骤S340，基于所述电梯属性，将所述运行数据库输入所述初始电梯运行模型中进行处理，得到处理结果，并结合预设的损失函数训练所述初始电梯运行模型，得到训练后的电梯运行模型，包括：
步骤S410，将所述运行数据库中的数据输入所述初始电梯运行模型中进行特征提取，得到电梯特征；
具体地，将运行数据库中的数据输入初始电梯运行模型中进行特征提取，得到电梯特征。通过初始电梯运行模型对运行数据库中的数据进行特征提取，可以提取或整理出有效的特征供后续使用；减少特征数量减少训练时间；增强初始电梯运行模型对特征和特征值的理解。
步骤S420，将所述电梯特征与所述电梯属性进行对比，得到对比结果；
具体地，将初始电梯运行模型所学习并提取到的电梯特征与预先设定的电梯属性进行对比，得到对比结果，如此，可以将对比结果带入损失函数进行计算，得到目标损失参数，得到训练后的初始电梯运行模型。
步骤S430，将所述对比结果带入所述损失函数进行计算，得到目标损失参数；
具体地，将对比结果带入损失函数进行计算，得到目标损失参数，可以将目标损失参数回传到初始电梯运行模型中，结合初始电梯运行模型收敛的条件，调整初始电梯运行模型中的参数。例如，将目标损失参数结合损失权重，调整初始电梯运行模型中的参数。其中，损失权重根据实际情况进行设定，损失函数包括但不限于：回归损失函数、平方误差损失函数、绝对误差损失函数、Huber损失函数、二分类损失函数、二分类交叉熵、Hinge损失函数、多分类损失函数。
步骤S440，将所述目标损失参数回传到所述初始电梯运行模型中，对所述初始电梯运行模型中的参数进行更新；并返回步骤：将所述运行数据库中的数据输入所述初始电梯运行模型中进行特征提取，得到电梯特征；
具体地，将目标损失参数回传到初始电梯运行模型中，对初始电梯运行模型中的参数进行更新，并返回步骤S410，将所述运行数据库中的数据输入所述初始电梯运行模型中进行特征提取，得到电梯特征。其中，对电梯运行模型中的参数进行更新，可以是通过沿负梯度方向更新参数，可以是动量更新、还可以基于牛顿法的二阶优化算法进行迭代更新，本身实施例对此不作限定。
步骤S450，以此循环，进行参数迭代，直到所述初始电梯运行模型收敛，终止训练，得到训练后的电梯运行模型。
具体地，通过参数迭代，直到初始电梯运行模型收敛，终止训练，得到训练后的电梯运行模型，通过电梯运行模型针对目标时间段进行处理，得到对应的电梯运行方案，可以实现自动化、低时间成本以及低运行成本。
本实施例通过上述方案，具体通过将所述运行数据库中的数据输入所述初始电梯运行模型中进行特征提取，得到电梯特征；将所述电梯特征与所述电梯属性进行对比，得到对比结果；将所述对比结果带入所述损失函数进行计算，得到目标损失参数；将所述目标损失参数回传到所述初始电梯运行模型中，对所述初始电梯运行模型中的参数进行更新；并返回步骤：将所述运行数据库中的数据输入所述初始电梯运行模型中进行特征提取，得到电梯特征；以此循环，进行参数迭代，直到所述初始电梯运行模型收敛，终止训练，得到训练后的电梯运行模型。通过将对比结果带入损失函数进行计算，以训练初始电梯运行模型，可以解决电梯在每层楼都会到达的问题，降低时间成本以及运行成本。
参照图5，图5为本申请电梯运行方法第四示例性实施例的流程示意图。基于上述图3所示的实施例，所述运行数据库包括图像数据、时间段以及所述时间段对应的楼层人数，步骤S320，对所述运行数据库中的数据进行处理，得到电梯属性，包括：
步骤S510，对所述图像数据进行图像分割，得到分割后的图像数据；
具体地，通过可以获取图像数据的设备，获取得到图像数据。图像分割用于对图像进行分割，以得到目标楼层的等待人员的数量，从而针对每一楼层具体的等待人员的数量进行电梯分层。例如，可以通过在电梯口的等待处安装摄像头，获取得到图像数据。其中，图像分割的方法包括但不限于：基于阈值的分割方法、基于边缘的分割方法、基于区域的分割方法、基于图论的分割方法、基于人工神经网络的分割技术、基于遗传算法的分割技术、基于模糊理论的分割技术。
步骤S520，根据所述时间段，对所述楼层人数进行标注，得到标注后的楼层人数；
具体地，针对不同的时间段，对时间段所对应的楼层人数进行标注，得到标注后的楼层人数。
步骤S530，基于所述分割后的图像数据以及所述标注后的楼层人数，得到所述电梯属性。
具体地，基于分割后的图像数据以及标注后的楼层人数，得到电梯属性，以使在训练初始电梯运行模型时，可以将电梯属性与初始电梯运行模型提取的电梯特征进行对比，提高初始电梯运行模型的学习能力。
本实施例通过上述方案，具体通过对所述图像数据进行图像分割，得到分割后的图像数据；根据所述时间段，对所述楼层人数进行标注，得到标注后的楼层人数；基于所述分割后的图像数据以及所述标注后的楼层人数，得到所述电梯属性。通过对图像数据进行图像分割以及对楼层人数进行标注，可以提高模型训练的速度。
参照图6，图6为本申请电梯运行方法第五示例性实施例的流程示意图。基于上述图2所示的实施例，步骤S220，将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到之后，还包括：
步骤S610，获取真实数据；
具体地，真实数据用于与电梯运行模型所处理得到的处理结果进行比较，如果差距较大，则需要对处理结果进行修正，或者是针对特定的时间段，对电梯运行模型重新进行训练。
步骤S620，将所述真实数据与所述电梯运行结果进行对比，判断所述电梯运行结果是否符合预设的调整条件；
具体地，在电梯运行模型处理得到电梯运行结果之后，电梯运行模型还会根据真实运行数据，对电梯运行结果进行调整。并且，若符合调整条件的电梯运行结果的次数超过预设次数，则会自动修正。修正的方式可以通过获取新的目标建筑的各电梯的运行信息，重新提取电梯属性，对电梯运行模型重新训练，修正电梯运行模型中的参数。其中，预设次数、调整条件都可以根据实际情况进行设定。例如，预设次数设为5次；调整条件可以为：电梯运行状态为通畅时，电梯运行结果却进行分层；电梯运行状态为拥塞时,电梯运行结果却没有分层。
步骤S630，若所述电梯运行结果符合所述调整条件，则根据所述真实数据，调整所述电梯运行结果。
具体地，根据真实数据，找出电梯运行结果所存在的问题：若是楼层不均匀的问题，即拥挤楼层和通畅楼层，对拥挤楼层进行电梯资源的倾斜，分更多的电梯分层到拥挤楼层；若是时间问题，即拥挤的时间段未进行分层，则进行分层，或者通畅的时间段确进行分层，应该调整为不分层。例如，共有6个电梯，电梯运行方案为单双层，并且三个电梯为单层，另外三个电梯为双层，但是选择双层的用户更多，就会导致部分电梯空余，部分电梯拥塞，则调整为双层4部电梯，单层2台电梯。
本实施例通过上述方案，具体通过获取真实数据；将所述真实数据与所述电梯运行结果进行对比，判断所述电梯运行结果是否符合预设的调整条件；若所述电梯运行结果符合所述调整条件，则根据所述真实数据，调整所述电梯运行结果。通过对电梯运行结果进行调整，可以提高电梯运行结果的准确率，从而提高电梯运行的效率。
参照图7，图7为本申请电梯运行方法第六示例性实施例的流程示意图。基于上述图6所示的实施例，步骤S620，将所述真实数据与所述电梯运行结果进行对比，判断所述电梯运行结果是否符合预设的调整条件，包括：
步骤S710，若所述真实数据为所述拥挤状态且所述电梯运行结果为所述无分层方案，则所述电梯运行结果符合所述调整条件；
具体地，调整条件用于判断电梯运行模型所处理得到的电梯运行结果是否准确，若电梯运行结果不准确，则电梯运行结果符合调整条件，需要对电梯运行结果进行调整。因为，当电梯堵塞时候，需要进行分层，所以当真实数据为拥挤状态且电梯运行结果为无分层的方案时，电梯运行结果符合调整条件。
或步骤S720，若所述真实数据为所述通畅状态且所述电梯运行结果为所述分层方案，则所述电梯运行结果符合所述调整条件。
具体地，因为当电梯通畅时候，不应该分层，所以当真实数据为通畅状态且电梯运行结果为分层的方案时，电梯运行结果符合调整条件。
本实施例通过上述方案，具体通过获取真实数据；若所述真实数据为所述拥挤状态且所述电梯运行结果为所述无分层方案；或若所述真实数据为所述通畅状态且所述电梯运行结果为所述分层方案，则所述电梯运行结果符合所述调整条件；若所述电梯运行结果符合所述调整条件，则根据所述真实数据，调整所述电梯运行结果。通过判断电梯运行结果是否符合调整条件，
参照图8，图8为本申请电梯运行方法第七示例性实施例的流程示意图。基于上述图2所示的实施例，所述电梯运行方法还包括以下步骤：
步骤S810，接收目标楼层的到达请求；
具体地，接收目标楼层的到达请求，根据到达请求以获取目标楼层的等待人员，并根据等待人员判断是否响应到达请求，从而使电梯到达该目标楼层。
步骤S820，获取所述目标楼层的等待人员的数量并判断；
具体地，通过摄像头进行实时监测，获取目标楼层的等待人员的数量，并进行判断是否不存在等待人员，或者等待人员超过数量阈值，则执行响应的处理。
步骤S830，若不存在所述等待人员，则不响应所述到达请求；
具体地，由于实际情况，可能会出现无人楼层或是无人需要到达的楼层的按钮也会被按下，此时电梯不应该到达。也即，若人数为0时，电梯也被按下时，判断为无人，则电梯不响应目标楼层的到达请求，也即，不到达该目标楼层。这种智能的动态处理，使得电梯无需做无意义的停靠。
步骤S840，若所述等待人员超过预设的数量阈值，则不响应所述到达请求，并执行获取目标建筑的各电梯的运行信息，得到运行数据库以及之后的步骤。
具体地，若所述等待人员超过预设的数量阈值，则不响应所述到达请求，并执行步骤S310至步骤S340，也即，执行确定目标电梯的目标时间段；将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到的步骤。由于实际情况，用户们可能会不按正常规律地使用电梯，也即，当电梯突然变得拥挤时，电梯运行模型可以及时地重新学习，并及时进行分层。其中，数量阈值用于判断电梯是否为拥挤状态，数量阈值根据电梯的实际数值进行设定，例如，若等待人员的数量超过10人，则设置分层。
本实施例通过上述方案，具体通过接收目标楼层的到达请求；获取所述目标楼层的等待人员的数量并判断；若不存在所述等待人员，则不响应所述到达请求；若所述等待人员超过预设的数量阈值，则不响应所述到达请求，并执行获取目标建筑的各电梯的运行信息，得到运行数据库以及之后的步骤。通过实时地获取等待电梯人员的数量，可以实现无人的楼层不到达，以及拥挤状态的情况下，进行自动分层，提高了电梯运行的智能性和实时性。
此外，本申请实施例还提出一种电梯运行装置，所述电梯运行装置包括：
获取模块，用于确定目标电梯的目标时间段；
处理模块，用于将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到。
进一步地，所述电梯运行装置还包括：
模型训练模块，用于基于所述逻辑回归模型训练得到所述电梯运行模型。
本实施例实现电梯运行的原理及实施过程，请参照上述各实施例，在此不再赘述。
此外，本申请实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电梯运行程序，所述电梯运行程序被所述处理器执行时实现如上所述的电梯运行方法的步骤。
由于本电梯运行程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
此外，本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有电梯运行程序，所述电梯运行程序被处理器执行时实现如上所述的电梯运行方法的步骤。
由于本电梯运行程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
相比现有技术，本申请实施例提出的电梯运行方法、装置、终端设备以及存储介质，通过确定目标电梯的目标时间段；将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到。通过训练后的电梯运行模型对目标时间段进行处理，可以电梯在每层楼都会到达的问题，提升电梯的运行效率，降低时间成本。基于本申请方案，从真实世界中电梯存在的每层楼都会到达的规律出发，构建了一个基于目标楼层的不同电梯数据集，并在该电梯数据集上验证了本申请提出的电梯运行方法的有效性，最后经过本申请方法电梯的运行效率得到明显提升。
需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，被控终端，或者网络设备等)执行本申请每个实施例的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请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，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种电梯运行方法，其特征在于，所述电梯运行方法包括以下步骤：
确定目标电梯的目标时间段；
将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到。
2.如权利要求1所述的电梯运行方法，其特征在于，所述将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到的步骤之前，还包括：
创建所述电梯运行模型，具体包括：
获取目标建筑的各电梯的运行信息，得到运行数据库；
对所述运行数据库中的数据进行处理，得到电梯属性；
创建所述逻辑回归模型，得到初始电梯运行模型；
基于所述电梯属性，将所述运行数据库输入所述初始电梯运行模型中进行处理，得到处理结果，并结合预设的损失函数训练所述初始电梯运行模型，得到训练后的电梯运行模型。
3.如权利要求2所述的电梯运行方法，其特征在于，所述基于所述电梯属性，将所述运行数据库输入所述初始电梯运行模型中进行处理，得到处理结果，并结合预设的损失函数训练所述初始电梯运行模型，得到训练后的电梯运行模型的步骤包括：
将所述运行数据库中的数据输入所述初始电梯运行模型中进行特征提取，得到电梯特征；
将所述电梯特征与所述电梯属性进行对比，得到对比结果；
将所述对比结果带入所述损失函数进行计算，得到目标损失参数；
将所述目标损失参数回传到所述初始电梯运行模型中，对所述初始电梯运行模型中的参数进行更新；并返回步骤：将所述运行数据库中的数据输入所述初始电梯运行模型中进行特征提取，得到电梯特征；
以此循环，进行参数迭代，直到所述初始电梯运行模型收敛，终止训练，得到训练后的电梯运行模型。
4.如权利要求2所述的电梯运行方法，其特征在于，所述运行数据库包括图像数据、时间段以及所述时间段对应的楼层人数，所述对所述运行数据库中的数据进行处理，得到电梯属性的步骤包括：
对所述图像数据进行图像分割，得到分割后的图像数据；
根据所述时间段，对所述楼层人数进行标注，得到标注后的楼层人数；
基于所述分割后的图像数据以及所述标注后的楼层人数，得到所述电梯属性。
5.如权利要求1所述的电梯运行方法，其特征在于，所述将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果的步骤之后，还包括：
获取真实数据；
将所述真实数据与所述电梯运行结果进行对比，判断所述电梯运行结果是否符合预设的调整条件；
若所述电梯运行结果符合所述调整条件，则根据所述真实数据，调整所述电梯运行结果。
6.如权利要求5所述的电梯运行方法，其特征在于，所述真实数据包括拥挤状态、通畅状态，所述电梯运行结果包括分层方案、无分层方案，所述将所述真实数据与所述电梯运行结果进行对比，判断所述电梯运行结果是否符合预设的调整条件的步骤包括：
若所述真实数据为所述拥挤状态且所述电梯运行结果为所述无分层方案；或
若所述真实数据为所述通畅状态且所述电梯运行结果为所述分层方案，则所述电梯运行结果符合所述调整条件。
7.如权利要求2所述的电梯运行方法，其特征在于，所述电梯运行方法还包括以下步骤：
接收目标楼层的到达请求；
获取所述目标楼层的等待人员的数量并判断；
若不存在所述等待人员，则不响应所述到达请求；
若所述等待人员超过预设的数量阈值，则不响应所述到达请求，并执行获取目标建筑的各电梯的运行信息，得到运行数据库以及之后的步骤。
8.一种电梯运行装置，其特征在于，所述电梯运行装置包括：
获取模块，用于确定目标电梯的目标时间段；
处理模块，用于将所述目标时间段输入到预先创建的电梯运行模型进行处理，得到电梯运行结果，所述电梯运行模型基于预设的逻辑回归模型训练得到。
9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电梯运行程序，所述电梯运行程序被所述处理器执行时实现如权利要求1-7中任一项所述的电梯运行方法的步骤。
10.一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上存储有电梯运行程序，所述电梯运行程序被处理器执行时实现如权利要求1-7中任一项所述的电梯运行方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211201239.6A CN115504341A (zh) | 2022-09-29 | 2022-09-29 | 电梯运行方法、装置、终端设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211201239.6A CN115504341A (zh) | 2022-09-29 | 2022-09-29 | 电梯运行方法、装置、终端设备以及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115504341A true CN115504341A (zh) | 2022-12-23 |
Family
ID=84507857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211201239.6A Pending CN115504341A (zh) | 2022-09-29 | 2022-09-29 | 电梯运行方法、装置、终端设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115504341A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106586738A (zh) * | 2017-01-24 | 2017-04-26 | 沈阳建筑大学 | 一种基于视觉检测的多轿厢电梯调度方法 |
| CN107879206A (zh) * | 2017-11-08 | 2018-04-06 | 广东欧珀移动通信有限公司 | 电梯调度方法、装置、设备及存储介质 |
| CN109761120A (zh) * | 2019-02-28 | 2019-05-17 | 杭州西奥电梯有限公司 | 一种基于预测楼层到达人数的电梯控制方法和系统 |
| CN110861983A (zh) * | 2019-11-01 | 2020-03-06 | 腾讯科技（深圳）有限公司 | 电梯的运行控制方法及装置 |
| CN110980456A (zh) * | 2019-12-17 | 2020-04-10 | 南京理工大学 | 基于交通流和自适应神经模糊推理的电梯群控调度方法 |
| WO2020238661A1 (zh) * | 2019-05-24 | 2020-12-03 | 深圳壹账通智能科技有限公司 | 一种电梯调度方法、装置、计算机设备和存储介质 |
| CN112897266A (zh) * | 2021-04-06 | 2021-06-04 | 永安行科技股份有限公司 | 基于智能终端的呼梯方法及系统 |
| CN113682908A (zh) * | 2021-08-31 | 2021-11-23 | 电子科技大学 | 一种基于深度学习的智能调度方法 |
-
2022
- 2022-09-29 CN CN202211201239.6A patent/CN115504341A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106586738A (zh) * | 2017-01-24 | 2017-04-26 | 沈阳建筑大学 | 一种基于视觉检测的多轿厢电梯调度方法 |
| CN107879206A (zh) * | 2017-11-08 | 2018-04-06 | 广东欧珀移动通信有限公司 | 电梯调度方法、装置、设备及存储介质 |
| CN109761120A (zh) * | 2019-02-28 | 2019-05-17 | 杭州西奥电梯有限公司 | 一种基于预测楼层到达人数的电梯控制方法和系统 |
| WO2020238661A1 (zh) * | 2019-05-24 | 2020-12-03 | 深圳壹账通智能科技有限公司 | 一种电梯调度方法、装置、计算机设备和存储介质 |
| CN110861983A (zh) * | 2019-11-01 | 2020-03-06 | 腾讯科技（深圳）有限公司 | 电梯的运行控制方法及装置 |
| CN110980456A (zh) * | 2019-12-17 | 2020-04-10 | 南京理工大学 | 基于交通流和自适应神经模糊推理的电梯群控调度方法 |
| CN112897266A (zh) * | 2021-04-06 | 2021-06-04 | 永安行科技股份有限公司 | 基于智能终端的呼梯方法及系统 |
| CN113682908A (zh) * | 2021-08-31 | 2021-11-23 | 电子科技大学 | 一种基于深度学习的智能调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111522669A (zh) | 横向联邦学习系统优化方法、装置、设备及可读存储介质 | |
| US8145761B2 (en) | Load skewing for power-aware server provisioning | |
| US8051174B2 (en) | Framework for joint analysis and design of server provisioning and load dispatching for connection-intensive server | |
| Dandachi et al. | An artificial intelligence framework for slice deployment and orchestration in 5G networks | |
| CN109831522A (zh) | 一种基于smdp的车联云雾系统动态资源优化管理系统和方法 | |
| CN107879206A (zh) | 电梯调度方法、装置、设备及存储介质 | |
| CN115456315A (zh) | 一种用于智慧燃气的燃气管网预设管理方法和物联网系统 | |
| WO2023124947A1 (zh) | 一种任务处理方法、装置及相关设备 | |
| CN113682908A (zh) | 一种基于深度学习的智能调度方法 | |
| CN114520768A (zh) | 一种用于工业物联网中随机任务的ai卸载优化方法 | |
| CN116307655B (zh) | 疏散电梯调度策略优化方法、装置、设备及可读存储介质 | |
| CN116233026B (zh) | 一种用于数据中心的智能管理方法及系统 | |
| CN115686846B (zh) | 边缘计算中融合图神经网络和强化学习的容器集群在线部署方法 | |
| CN111626497B (zh) | 人流量预测方法、装置、设备和存储介质 | |
| CN112700003A (zh) | 网络结构搜索方法、装置、设备、存储介质及程序产品 | |
| CN116050540A (zh) | 一种基于联合双维度用户调度的自适应联邦边缘学习方法 | |
| Li et al. | Energy‐aware decision‐making for dynamic task migration in mec‐based unmanned aerial vehicle delivery system | |
| CN113526272B (zh) | 电梯群控系统和电梯群控设备 | |
| CN114676892A (zh) | 一种基于智能匹配的服务派单方法、系统及设备 | |
| CN113791909A (zh) | 服务器容量调整方法、装置、计算机设备及存储介质 | |
| CN115504341A (zh) | 电梯运行方法、装置、终端设备以及存储介质 | |
| CN117472506A (zh) | 一种预测式容器化边缘应用自动伸缩器及方法 | |
| CN110065855A (zh) | 多轿厢电梯控制方法及控制系统 | |
| CN116354199A (zh) | 基于语音交互的电梯呼梯装置及呼梯控制方法 | |
| CN210854833U (zh) | 多轿厢电梯控制系统 |
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: 20221223 |