CN110400461B - 一种路网变更检测方法 - Google Patents
一种路网变更检测方法 Download PDFInfo
- Publication number
- CN110400461B CN110400461B CN201910659719.9A CN201910659719A CN110400461B CN 110400461 B CN110400461 B CN 110400461B CN 201910659719 A CN201910659719 A CN 201910659719A CN 110400461 B CN110400461 B CN 110400461B
- Authority
- CN
- China
- Prior art keywords
- intersection
- data points
- road
- track data
- vehicle track
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
一种路网变更检测方法，属于智能交通技术领域。方法包括步骤S01,采集车辆轨迹数据点，并按时间排序；步骤S02，计算时间相邻两个车辆轨迹数据点的差值，确定并保留路口转弯的车辆轨迹数据点；步骤S03，针对路口转弯的车辆轨迹数据点进行聚类，识别出城市路口以及路口类型；步骤S04，将步骤S03获得的路口信息与地图上的路口信息比对，判断存在新增道路、消失道路时，发出道路变更信号给测绘部门端，以供测绘部门端更新路网地图。本发明检测信息全面，不仅能发现新增道路，还能发现消失道路，真正做到路网变更实时检测。
Description
技术领域
本发明属于智能交通技术领域，特别是一种路网变更检测方法。
背景技术
电子地图的更新一般周期较长，比如GOOGLE地图电子地图一般一年才更新一次，百度地图能做到半年更新一次，但是这远远不满足用户的需求。众所周知，中国城市化速度加快，道路更新也频繁，不断有新修的道路投入使用，同时也会由于区域规划或者地产开发，导致一些道路消失。然而传统的地图路网更新方式，需要测绘院派专门探测车到城市路网上探测，这种方式耗时长，并且需要投入大量人力。也有学者提出通过对卫星遥感图像的处理，获取新增道路，这种方式也会因为遥感图像中道路可能受建筑物或者树木遮挡，而导致识别困难，并且图像处理计算成本也高。
近年来国内有专家提出基于浮动车轨迹数据来发现新增道路，首先通过车路匹配算法。如发明专利申请CN201610458509.X 公开了一种针对出租车轨迹数据的K-means初始聚类中心选择方法，将车子匹配的路网上，然后根据是否有大量车辆轨迹没有匹配到地图的路网上，从而检测出新增加道路。这种方式的确能利用车辆轨迹数据做到实时检测新增加道路，可以做到每天发现是否有新增道路。然而这种方法首先需要经过复杂的车路匹配算法（即轨迹到道路的匹配），而且目前还只能做到新增道路发现，无法做到消失道路的及时发现。
发明内容
本发明针对现有技术存在的问题，提出了一种路网变更检测方法，可实时发现新增或消失道路，以供测绘部门端及时有效进行道路探测并完成实时地图更新。
本发明是通过以下技术方案得以实现的：
本发明提供一种路网变更检测方法，包括：
步骤S01,采集车辆轨迹数据点，并按时间排序；
步骤S02，计算时间相邻两个车辆轨迹数据点的差值，确定并保留路口转弯的车辆轨迹数据点；
步骤S03，针对路口转弯的车辆轨迹数据点进行聚类，识别出城市路口以及路口类型；
步骤S04，将步骤S03获得的路口信息与地图上的路口信息比对，判断存在新增道路、消失道路时，发出道路变更信号给测绘部门端，以供测绘部门端更新路网地图。
本发明可以做到根据一天的车辆行驶轨迹数据，不仅能发现新增加的道路，而且能发现消失的道路，真正做到路网变更实时检测。而且该方法不需要进行车辆轨迹数据到路网的匹配，从而大大减少计算成本，提高计算速度。当使用该方法检测到有新增或消失的道路，给相关地理测绘部门产生告警，他们可以根据该提供的检测结果，派出测绘车辆开往这些新增道路或消失道路进行探测和验证，这样可以是测绘部门做到有的放矢，大大减少人力物力和时间。一旦探测测量到变更道路，即可以天天提供实时地图更新。
作为优选，所述步骤S01中车辆轨迹数据点包括GPS坐标、行驶速度、行驶角度、时间。
作为优选，所述步骤S02包括：
步骤S21,计算时间相邻两个车辆轨迹数据点的行驶速度差、行驶角度差、时间差；
步骤S22，当行驶速度差、行驶角度差、时间差均各自满足路口转弯条件时，则确定车辆轨迹数据点为路口转弯的车辆轨迹数据点，否则不属于路口转弯的车辆轨迹数据点；
步骤S23，过滤不属于路口转弯的车辆轨迹数据点并保留路口转弯的车辆轨迹数据点。
作为优选，所述路口转弯条件为：行驶速度差为20-60秒；行驶角度差大于90度；时间相邻两个车辆轨迹数据点的距离超过100米。
作为优选，所述时间相邻两个车辆轨迹数据点的距离通过GPS坐标计算获得。
作为优选，所述步骤S03包括：
步骤S31，针对路口转弯的车辆轨迹数据点，基于密度的聚类算法进行聚类；
步骤S32，根据聚类算法自动识别出城市路口以及路口类型，路口类型包括十字路口、X形路口、Y形路口、环形路口、T形路口。
作为优选，所述步骤S04包括：
步骤S41,获取步骤S32识别的路口信息和地图上的路口信息，路口信息包括城市路口及路口类型；
步骤S42,将步骤S32识别的路口信息与地图上的路口信息进行匹配比对，若存在新增道路、消失道路，则发出道路变更信号给测绘部门端。
作为优选，所述存在新增道路的情况包括新增加路口、路口形状发生支路增多的变化；所述存在消失道路的情况包括减少路口、路口形状发生支路减少的变化。
作为优选，所述车辆轨迹数据点为出租车的车辆轨迹数据点。
作为优选，所述车辆轨迹数据点是通过安装有GPS的车辆实时检测获得。
本发明具有以下有益效果：
本发明一种路网变更检测方法：
1、具有实时性，传统地图更新6月-1年，该方法可以以天来更新，只要探测出路网变更，实时提示更新。
2 计算成本低，精度高，遥感图像处理计算成本高，而且因为建筑物或树木阻挡，精度低，时间长。而已有的基于浮动车轨迹数据的新增道路首先就需要进行轨迹点到路网的匹配，本发明方法不需要进行车路匹配。本发明通过出租车轨迹数据的行驶方向改变值检测城市交通路口，从而与现有地图匹配，不需要经过路网匹配计算，能精准的路网变更。
3 检测信息全面，不仅能发现新增道路，还能发现消失道路，真正做到路网变更实时检测。
4 实用性强，可以用于地图实时更新，实时导航，为用户提供更真实的路网信息，从而节约了驾驶者的行驶时间，能节约成本，减少尾气排放，更能降低城市拥堵。
附图说明
图1为本发明一种路网变更检测方法的流程框图。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
如图1，本发明一种路网变更检测方法，包括：
步骤S01,采集车辆轨迹数据点，并按时间排序；
步骤S02，计算时间相邻两个车辆轨迹数据点的差值，确定并保留路口转弯的车辆轨迹数据点；
步骤S03，针对路口转弯的车辆轨迹数据点进行聚类，识别出城市路口以及路口类型；
步骤S04，将步骤S03获得的路口信息与地图上的路口信息比对，判断存在新增道路、消失道路时，发出道路变更信号给测绘部门端，以供测绘部门端更新路网地图。
该方法的车辆轨迹数据点是利用安装有GPS采集终端的车辆实时采集获得。车辆在行驶过程中收集大量GPS轨迹信息。优选地，车辆选择出租车，能每天行进在城市各个路段，能实时掌握道路信息。
所述步骤S01中车辆轨迹数据点包括GPS坐标、行驶速度、行驶角度、时间。每个出租车都有各自车牌，车牌号为对应车辆的ID。按照时间排序，可以看到对应车辆ID下的车辆轨迹数据点以时间顺序排列形成行驶轨迹。行驶轨迹由于道路限制，而存在非直线运动轨迹，如路口转弯，如变道导致的转弯偏移，如道路不顺直而导致的行驶转弯偏移，如行驶目的地的位置而导致的行驶转弯偏移等情况。
由于存在上述各种情况的偏移，若仅检测行驶角度差来判断路口转弯的车辆轨迹数据点的话，可能会出现检测误差，如将正常行驶中变道的车辆轨迹数据点或进停车场的车辆轨迹数据点或进加油站的车辆轨迹数据点等其他不属于路口转弯的车辆轨迹数据点考虑在那，则会统计出错，无法有效识别道路新增或消失。为此，不仅要考虑行驶角度差，还要考虑其他因素。
具体地，所述步骤S02包括：
步骤S21,计算时间相邻两个车辆轨迹数据点的行驶速度差、行驶角度差、时间差；
步骤S22，当行驶速度差、行驶角度差、时间差均各自满足路口转弯条件时，则确定车辆轨迹数据点为路口转弯的车辆轨迹数据点，否则不属于路口转弯的车辆轨迹数据点；
步骤S23，过滤不属于路口转弯的车辆轨迹数据点并保留路口转弯的车辆轨迹数据点。
所述路口转弯条件为：行驶速度差为20-60秒；行驶角度差大于90度；时间相邻两个车辆轨迹数据点的距离超过100米。只有在三者条件均满足的情况，才能排除上述特例，确保符合条件的车辆轨迹数据点为路口转弯的车辆轨迹数据点。
所述行驶距离差可利用两个车辆轨迹数据点的GPS坐标，通过勾股定理计算获得，也可以利用行驶速度差和行驶时间差的乘积计算。
具体地，所述步骤S03包括：
步骤S31，针对路口转弯的车辆轨迹数据点，基于密度的聚类算法进行聚类；
步骤S32，根据聚类算法自动识别出城市路口以及路口类型，路口类型包括十字路口、X形路口、Y形路口、环形路口、T形路口。
基于密度的聚类算法可采用DBSCAN聚类算法。首先以每一个数据点为圆心，以eps 为半径画一个圆圈。这个圆圈被称为xi的eps邻域。其次，对这个圆圈内包含的点进行计数。如果一个圆圈里面的点的数目超过了密度阈值 MinPts，那么将该圆圈的圆心记为核心点，又称核心对象。如果某个点的eps 邻域内点的个数小于密度阈值但是落在核心点的邻域内，则称该点为边界点。既不是核心点也不是边界点的点，就是噪声点。第三，核心点xi 的 eps 邻域内的所有的点，都是 xi 的直接密度直达。最后，如果对于xk，使 xi 和 xj都可以由xk密度可达，那么，就称 xi和xj 密度相连。将密度相连的点连接在一起，就形成了我们的聚类簇。聚类后形成城市路网的所有交通路口，以及路口类型。交通路口、路口类型构成路口信息。
具体地，所述步骤S04包括：
步骤S41,获取步骤S32识别的路口信息和地图上的路口信息，路口信息包括城市路口及路口类型；
步骤S42,将步骤S32识别的路口信息与地图上的路口信息进行匹配比对，若存在新增道路、消失道路，则发出道路变更信号给测绘部门端。
所述存在新增道路的情况包括新增加路口、路口形状发生支路增多的变化。所述存在消失道路的情况包括减少路口、路口形状发生支路减少的变化。例如，当直线路口变成十字路口时，即新增加路口，路口从无到有，且路口形状从一条变成多条。则认为新增道路，发生道路变更。例如，当十字楼口变成T形路口时，即路口形状从多条减少一条。则认为消失道路，发生道路变更。判断出道路变更后，通过道路变更信号（包含路口信息和变更后信息）发送给测绘部门端，由测绘部门端根据路口信息到实地进行探测确认。一旦确认如实，测量获得实际道路形状并画出道路，并发布地图更新提示。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。
Claims (3)
1.一种路网变更检测方法，其特征在于，包括：
步骤S01,采集车辆轨迹数据点，并按时间排序；所述车辆轨迹数据点包括GPS坐标、行驶速度、行驶角度、时间；
步骤S02，计算时间相邻两个车辆轨迹数据点的差值，确定并保留路口转弯的车辆轨迹数据点；具体包括：
步骤S21,计算时间相邻两个车辆轨迹数据点的行驶速度差、行驶角度差、时间差、距离；所述时间相邻两个车辆轨迹数据点的距离通过GPS坐标计算获得；
步骤S22，当行驶速度差、行驶角度差、距离均各自满足路口转弯条件时，则确定车辆轨迹数据点为路口转弯的车辆轨迹数据点，否则不属于路口转弯的车辆轨迹数据点；所述路口转弯条件为：行驶速度差为20-60秒；行驶角度差大于90度；时间相邻两个车辆轨迹数据点的距离超过100米；
步骤S23，过滤不属于路口转弯的车辆轨迹数据点并保留路口转弯的车辆轨迹数据点；
步骤S03，针对路口转弯的车辆轨迹数据点进行聚类，识别出城市路口以及路口类型；具体包括：
步骤S31，针对路口转弯的车辆轨迹数据点，基于密度的聚类算法进行聚类；
步骤S32，根据聚类算法自动识别出城市路口以及路口类型，路口类型包括十字路口、X形路口、Y形路口、环形路口、T形路口；
步骤S04，将步骤S03获得的路口信息与地图上的路口信息比对，判断存在新增道路、消失道路时，发出道路变更信号给测绘部门端，以供测绘部门端更新路网地图；具体包括：
步骤S41,获取步骤S32识别的路口信息和地图上的路口信息，路口信息包括城市路口及路口类型；
步骤S42,将步骤S32识别的路口信息与地图上的路口信息进行匹配比对，若存在新增道路、消失道路，则发出道路变更信号给测绘部门端；所述存在新增道路的情况包括新增加路口、路口形状发生支路增多的变化；所述存在消失道路的情况包括减少路口、路口形状发生支路减少的变化。
2.根据权利要求1所述的一种路网变更检测方法，其特征在于，所述车辆轨迹数据点为出租车的车辆轨迹数据点。
3.根据权利要求1所述的一种路网变更检测方法，其特征在于，所述车辆轨迹数据点是通过安装有GPS的车辆实时检测获得。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910659719.9A CN110400461B (zh) | 2019-07-22 | 2019-07-22 | 一种路网变更检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910659719.9A CN110400461B (zh) | 2019-07-22 | 2019-07-22 | 一种路网变更检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110400461A CN110400461A (zh) | 2019-11-01 |
| CN110400461B true CN110400461B (zh) | 2021-01-12 |
Family
ID=68325284
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910659719.9A Active CN110400461B (zh) | 2019-07-22 | 2019-07-22 | 一种路网变更检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110400461B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113012454A (zh) * | 2019-12-20 | 2021-06-22 | 中移(上海)信息通信科技有限公司 | 地图消息、自动驾驶方法、装置、设备和介质 |
| CN111127891B (zh) * | 2019-12-27 | 2021-04-27 | 中国交通通信信息中心 | 一种基于浮动车轨迹大数据的路网核查方法 |
| CN113269964A (zh) * | 2021-05-24 | 2021-08-17 | 哈尔滨翼成科技有限公司 | 一种车道动态划定方法及设备 |
| CN116052453B (zh) * | 2022-12-30 | 2024-10-11 | 广州小鹏自动驾驶科技有限公司 | 道路路口确定方法、装置、电子设备以及存储介质 |
| CN116910589B (zh) * | 2023-07-18 | 2025-06-27 | 上海市测绘院 | 一种道路交叉口通行结构变化识别方法 |
| CN117994987B (zh) * | 2024-04-07 | 2024-06-11 | 东南大学 | 基于目标检测技术的交通参数提取方法及相关装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957208A (zh) * | 2010-09-09 | 2011-01-26 | 福建工程学院 | 一种基于浮动车技术的新增道路发现方法 |
| CN102561121A (zh) * | 2011-01-01 | 2012-07-11 | 谢志浩 | 一种新的城市交通网络 |
| CN105679027A (zh) * | 2016-02-23 | 2016-06-15 | 衡阳师范学院 | 一种交通道路变更情况统计方法 |
| CN107170236A (zh) * | 2017-06-14 | 2017-09-15 | 中山大学 | 一种基于浮动车数据的路网重要交叉口提取方法 |
| CN109215372A (zh) * | 2018-10-15 | 2019-01-15 | 百度在线网络技术（北京）有限公司 | 路网信息更新方法、装置及设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104504897B (zh) * | 2014-09-28 | 2017-10-31 | 北京工业大学 | 一种基于轨迹数据的交叉口交通流特性分析及车辆运动预测方法 |
| CN105788273B (zh) * | 2016-05-18 | 2018-03-27 | 武汉大学 | 基于低精度时空轨迹数据的城市交叉口自动识别的方法 |
| CN106778605B (zh) * | 2016-12-14 | 2020-05-05 | 武汉大学 | 导航数据辅助下的遥感影像道路网自动提取方法 |
| CN106840176B (zh) * | 2016-12-28 | 2020-01-31 | 济宁中科先进技术研究院有限公司 | Gps时空数据增量路网实时更新和轨迹匹配系统 |
-
2019
- 2019-07-22 CN CN201910659719.9A patent/CN110400461B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957208A (zh) * | 2010-09-09 | 2011-01-26 | 福建工程学院 | 一种基于浮动车技术的新增道路发现方法 |
| CN102561121A (zh) * | 2011-01-01 | 2012-07-11 | 谢志浩 | 一种新的城市交通网络 |
| CN105679027A (zh) * | 2016-02-23 | 2016-06-15 | 衡阳师范学院 | 一种交通道路变更情况统计方法 |
| CN107170236A (zh) * | 2017-06-14 | 2017-09-15 | 中山大学 | 一种基于浮动车数据的路网重要交叉口提取方法 |
| CN109215372A (zh) * | 2018-10-15 | 2019-01-15 | 百度在线网络技术（北京）有限公司 | 路网信息更新方法、装置及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 一种支持城市路网交通关系自动化的智能模型;陆锋 等;《测绘学报》;20091231;第38卷(第6期);第520-526页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110400461A (zh) | 2019-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110400461B (zh) | 一种路网变更检测方法 | |
| CN110276973B (zh) | 一种路口交通规则自动识别方法 | |
| CN105788273B (zh) | 基于低精度时空轨迹数据的城市交叉口自动识别的方法 | |
| CN110379163B (zh) | 一种基于轨迹数据的车辆异常减速区域检测方法及系统 | |
| Yang et al. | Automatic change detection in lane-level road networks using GPS trajectories | |
| CN100357987C (zh) | 城市路网交通流区间平均速度的获取方法 | |
| CN103927873B (zh) | 浮动车与路段匹配方法及并行获取实时路况的方法 | |
| CN109275121A (zh) | 一种基于自适应扩展卡尔曼滤波的车辆轨迹跟踪方法 | |
| CN109241069A (zh) | 一种基于轨迹自适应聚类的路网快速更新的方法及系统 | |
| CN108961758B (zh) | 一种基于梯度提升决策树的路口展宽车道探测方法 | |
| CN104574967A (zh) | 一种基于北斗的城市大面积路网交通感知方法 | |
| US11085791B2 (en) | Method, apparatus, and computer program product for on-street parking localization | |
| CN106323301A (zh) | 一种道路情报的获取方法及装置 | |
| CN106097717B (zh) | 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法 | |
| CN110555992A (zh) | 一种基于gps轨迹数据的出租车行驶路径信息提取方法 | |
| Blazquez et al. | Simple map-matching algorithm applied to intelligent winter maintenance vehicle data | |
| Shi et al. | A GPS/GIS integrated system for urban traffic flow analysis | |
| CN102663890B (zh) | 利用浮动车数据确定禁左交限路口的方法 | |
| CN109147323A (zh) | 一种用于公路客货运输指标统计的车辆gps数据处理方法 | |
| CN107240264A (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
| CN103177585A (zh) | 基于浮动车数据计算路段各转向平均行程车速方法 | |
| CN116105717A (zh) | 车道级高精度地图构建方法及系统 | |
| CN106097718A (zh) | 基于gps数据的信号交叉口区域通行时间估计方法 | |
| CN112530158A (zh) | 一种基于历史轨迹的路网补充方法 | |
| Jafarlou et al. | Improving Fuzzy-logic based map-matching method with trajectory stay-point detection |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 350118 Xueyuan Road, new campus of Fuzhou University, Shangjie Town, Minhou County, Fuzhou City, Fujian Province Patentee after: Fujian University of Science and Technology Country or region after: China Address before: 350118 Xueyuan Road, new campus of Fuzhou University, Shangjie Town, Minhou County, Fuzhou City, Fujian Province Patentee before: FUJIAN University OF TECHNOLOGY Country or region before: China |