一种数据采集方法、装置、存储介质及系统与流程

本发明涉及智能驾驶技术领域，特别涉及一种数据采集方法、装置、存储介质及系统。

背景技术：

目前，随着科技的进步，汽车逐步实现智能化和网联化；汽车通过智能化的升级，逐步将驾驶员解放出来，是汽车行业发展的重要趋势；网联化通过构建一个智能网联云，实现大量汽车接入，进行数据智能化的分析和数据特征提取，来进行汽车智能化升级。

相关技术中，一般是通过云端对车端的运行数据进行采集，进而进行数据分析，实现场景挖掘，难例挖掘，数据标注，驾驶员行为分析等大数据分析工作，为自动驾驶算法升级迭代提供用户习惯数据、训练样本和测试场景等。

但是，由于目前云端一般是采用固定步长的方式对所有车辆进行全量数据采集，这种数据采集方式会使得采集的数据量大，占用通信带宽高，云端处理和存储数据量大，云端算力和存储资源有效利用率低。

技术实现要素：

本发明实施例提供一种数据采集方法、装置、存储介质及系统，以解决相关技术中采用固定步长、固定信号的方式对车辆的数据进行采集，使得采集的数据量大，占用通信带宽高，云端处理和存储数据量大，云端算力和存储资源有效利用率低的问题。

第一方面，提供了一种智能网联汽车云平台数据采集方法，其应用于云端，其包括以下步骤：根据采集规则对车端预设里程的全量车辆驾驶数据进行分析，并根据分析结果匹配采集脚本；发送相应的采集脚本到车端，所述采集脚本用于控制车端全量或者部分采集所述驾驶数据；根据采集规则，对车端根据所述采集脚本采集得到的驾驶数据进行分析，重新匹配所述采集脚本。

一些实施例中，所述根据采集规则对车端预设里程的全量车辆驾驶数据进行分析，并根据分析结果匹配采集脚本，包括：获取车辆位置信息，判断车辆的行驶区域是否固定；若车辆的行驶区域固定，则匹配第一采集脚本，所述第一采集脚本用于使同区域内车辆轮流采集车辆的驾驶数据；若车辆的行驶区域不固定，则配置第二采集脚本，所述第二采集脚本用于使车辆连续采集车辆的驾驶数据。

一些实施例中，所述获取车辆位置信息，判断车辆的行驶区域是否固定，包括：获取预设里程的所述全量车辆驾驶数据中所有的车辆启动位置；若车辆启动位置50％以上为同一区域，则判断车辆的行驶区域固定。

一些实施例中，在获取车辆位置信息，判断车辆的行驶区域是否固定之后，还包括：对所述全量车辆驾驶数据的位置和时间数据进行分析，判断车辆的行驶路线是否固定；若车辆的行驶路线固定，则匹配第三采集脚本，所述第三采集脚本用于使车辆在固定时间段随机采集车辆运行数据的10％。

一些实施例中，在获取车辆位置信息，判断车辆的行驶路线是否固定之后，还包括：根据所述全量车辆驾驶数据中的行驶数据和行为数据，将驾驶员分为时效型驾驶员和普通驾驶员；若驾驶员为时效型驾驶员，则匹配第四采集脚本，所述第四采集脚本用于使车辆采集变道和超车行为数据。

第二方面，提供了一种智能网联汽车云平台数据采集装置，其包括：分析模块，其用于根据采集规则对车端预设里程的全量车辆驾驶数据进行分析，并根据分析结果匹配采集脚本；ota模块，其用于发送相应的采集脚本到车端，所述采集脚本用于控制车端全量或者部分采集所述驾驶数据；所述分析模块还用于根据采集规则，对车端根据所述采集脚本采集得到的驾驶数据进行分析，重新匹配并发送所述采集脚本。

第三方面，提供了一种车端数据采集方法，其包括以下步骤：根据采集脚本采集得到驾驶数据，其中，所述采集脚本是云端根据采集规则对车端预设里程的全量车辆驾驶数据进行分析，并根据分析结果匹配得到的；将所述驾驶数据上传至云端。

第四方面，提供了一种车端数据采集装置，其包括：采集模块，其用于根据采集脚本采集得到驾驶数据，其中，所述采集脚本是云端根据采集规则对车端预设里程的全量车辆驾驶数据进行分析，并根据分析结果匹配得到的；网联模块，其用于将采集得到的所述驾驶数据上传至云端。

第五方面，提供了一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行上述的智能网联汽车云平台数据采集方法。

第六方面，提供了一种智能网联汽车云平台数据采集系统，其包括车端和云端，所述车端用于上传预设里程的全量车辆驾驶数据至云端；所述云端用于根据采集规则对车端预设里程的全量车辆驾驶数据进行分析，并根据分析结果，匹配并发送相应的采集脚本到车端，所述采集脚本用于控制车端全量或者部分采集所述驾驶数据；所述车端还用于根据采集脚本采集车辆驾驶数据，并将根据采集脚本采集的车辆驾驶数据上传至云端；所述云端还用于根据采集规则，对车端根据所述采集脚本采集得到的驾驶数据进行分析，重新匹配并发送所述采集脚本。

本发明提供的技术方案带来的有益效果包括：

本发明实施例提供了一种数据采集方法、装置、存储介质及系统，由于预先采集了每一辆车的全量车辆驾驶数据，依据云端设定的采集规则对车端预设里程的全量车辆驾驶数据进行分析，可以为每一辆车匹配采集脚本，使车端根据定制化的采集脚本来采集数据上传至云端，不需要每隔固定时间将车端的所有数据均上传至云端，因此，采集的数据量小，不会占用较高的通信带宽，也减少了云端处理和存储数据量，按需采集使得云端算力和存储资源有效利用率较高。

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，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为本发明实施例提供的一种智能网联汽车云平台数据采集方法的流程示意图；

图2为图1中s10的流程示意图；

图3为本发明实施例提供的一种智能网联汽车云平台数据采集装置的结构示意图；

图4为本发明实施例提供的车端的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，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获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种数据采集方法、装置、存储介质及系统，其能解决相关技术中采用固定步长、固定信号的方式对车辆的数据进行采集，使得采集的数据量大，占用通信带宽高，云端处理和存储数据量大，云端算力和存储资源有效利用率低的问题。

参见图1所示，为本发明实施例提供的一种智能网联汽车云平台数据采集方法，其应用于云端，其可以包括以下步骤：

s10：根据采集规则对车端预设里程的全量车辆驾驶数据进行分析，并根据分析结果匹配采集脚本。其中，全量车辆驾驶数据是所有可能对于数据分析有价值的数据，全量车辆驾驶数据可以包括车身数据(比如：车速，横纵向车辆加速度，油门开度，制动踏板开度，方向盘转角，挡位，发动机转速等)，行驶数据(比如：油耗/电耗数据，平均行驶车速，行驶里程，行驶路线等)，环境数据(车道数，障碍物数量，障碍物与本车的相对距离速度等)，根据车身数据、驾驶数据和环境数据可以处理出来行为数据(比如：超车数据、变道数据、加减速意图等)。全量车辆驾驶数据还可以包括根据条件或事件触发的数据采集，通过条件或事件触发采集的数据采集频率更高，用于场景还原或数据分析。其中条件和事件模式包括但不限于：驾驶员规划决策与车辆上的域控制器规划决策不一致、紧急制动、在智能驾驶模式下驾驶员干预或接管车辆控制权等。本实施例中，全量车辆驾驶数据采集持续到行驶里程达到3000km，也就是说，在车辆行驶里程从0至3000km的过程中，对车辆的车身数据、行驶数据、环境数据等全部采用固定步长的方式进行采集全量车辆驾驶数据，本实施例中，在未出现条件触发或事件触发时，全量车辆驾驶数据的采集频率为10秒每帧；在其他实施例中全量车辆驾驶数据的采集也可以持续到行驶里程为2000km或者1000km。

在一些实施例中，所述根据采集规则对车端预设里程的全量车辆驾驶数据进行分析，并根据分析结果匹配采集脚本，可以包括：获取车辆位置信息，判断车辆的行驶区域是否固定；也就是说，根据一定的面积将一个小城市或一个大城市的行政区域划分为一个区域，通过获取每个车辆的位置信息，可以得到每个车辆所行使的区域，进而确定每个车辆是否是在固定的区域行驶；若车辆的行驶区域固定，则匹配第一采集脚本，所述第一采集脚本用于使同区域内车辆轮流采集车辆的驾驶数据，也就是说，所有在同一个区域内行驶的车辆按照轮流采集的方式；若车辆的行驶区域不固定，则配置第二采集脚本，所述第二采集脚本用于使车辆连续采集车辆的驾驶数据，也就是说，对于行驶区域不固定的车辆，每辆车还是按照固定步长的方式连续采集；本实施例中，通过获取车辆位置信息，将同一行驶区域的车辆进行划分，并且对于同一区域的车辆采取轮流采集的方式，减少了同区域内所有车辆数据采集量，避免了同一区域内多个车辆的数据重复采集。

在一些可选的实施例中，所述获取车辆位置信息，判断车辆的行驶区域是否固定，可以包括：获取预设里程的所述全量车辆驾驶数据中所有的车辆启动位置(也就是车辆启动时的gps位置信息)；若车辆启动位置50％以上为同一区域，则判断车辆的行驶区域固定，也就是说，通过记录的车辆每次启动时的gps位置信息，可以得到车辆启动时所在的区域，对于每辆车行驶里程在500km～3000km采集得到的数据中，有50％以上的启动位置显示在同一区域，则将该车辆归类为该区域的车辆，该车辆的行驶区域固定，反之，将该车辆归类为行驶区域不固定的车辆。

在一些实施例中，在获取车辆位置信息，判断车辆的行驶区域是否固定之后，还可以包括：对所述全量车辆驾驶数据的位置和时间数据进行分析，判断车辆的行驶路线是否固定；若车辆的行驶路线固定，则匹配第三采集脚本，所述第三采集脚本用于使车辆在固定时间段随机采集车辆运行数据的10％，也就是说，在车辆行驶固定路线的那一段时间采取随机采集车辆运行数据的10％，而非将车辆行驶固定路线的整个过程中产生的驾驶数据均采集至云端，由于每辆车每天行驶路线固定，其车辆的数据基本变化很小，将行驶固定路线的整个过程数据均传至云端会导致数据大量重复，而随机采集10％保证了采集数据的不确定性，每个时间段都有抽取的可能，同时，也使上传至云端的数据在行驶固定路线的时间段减少了90％，进而使得上传至云端的数据大大减少。

进一步，若车辆的行驶区域固定，行驶路线也固定，则匹配的采集脚本为：第三采集脚本(也就是使车辆在固定时间段随机采集车辆运行数据的10％)和第一采集脚本(也就是在其他时间段同区域内的车辆轮流采集车辆的驾驶数据)；若车辆的行驶区域固定，行驶路线不固定，则匹配的采集脚本为：第一采集脚本，即同区域内的车辆轮流采集；若车辆的行驶区域不固定，行驶路线固定，则匹配的采集脚本为：第三采集脚本(也就是使车辆在固定时间段随机采集车辆运行数据的10％)和第二采集脚本(也就是在其他时间段连续采集车辆的驾驶数据)；若车辆的行驶区域不固定，行驶路线也不固定，则匹配的采集脚本为：第二采集脚本(使车辆连续采集车辆的驾驶数据)。

在一些可选的实施例中，所述对所述全量车辆驾驶数据的位置和时间数据进行分析，判断车辆的行驶路线是否固定，可以包括：若同一时间段，车辆启动时的gps位置信息相同，且车辆关闭时的gps位置信息也相同，则车辆的行驶路线固定，比如，周一至周五，每天8点至8点半这一段时间，车辆的启动位置均为家里(某个小区)，车辆的关闭位置均为公司，则该车辆的行驶路线固定。

在一些实施例中，在对所述全量车辆驾驶数据的位置和时间数据进行分析，判断车辆的行驶路线是否固定之后，还可以包括：根据所述全量车辆驾驶数据中的行驶数据和行为数据，将驾驶员分为时效型驾驶员和普通驾驶员；若驾驶员为时效型驾驶员，则匹配第四采集脚本，所述第四采集脚本用于使车辆采集变道和超车行为数据，也就是说，时效型驾驶员的行车平均速度较快，在相同的时间点行驶完相同的路线耗时比普通驾驶员短，由于普通驾驶员的行车平均速度慢一些，一般不会出现超车行为。

在一些可选的实施例中，所述根据所述全量车辆驾驶数据中的行驶数据和行为数据，将驾驶员分为时效型驾驶员和普通驾驶员，可以包括：在相同的行驶区域，平均车速位于前20％的车辆驾驶员为所述时效型驾驶员，其余为所述普通驾驶员。

参见图2所示，进一步，若车辆的行驶区域和行驶路线均固定，且驾驶员为时效型驾驶员，则匹配的采集脚本为：第四采集脚本(也即采集变道和超车行为数据)、第三采集脚本(也就是使车辆在固定时间段随机采集车辆运行数据的10％)和第一采集脚本(也就是在其他时间段同区域内的车辆轮流采集车辆的驾驶数据)；若车辆的行驶区域和行驶路线均固定，且驾驶员为普通驾驶员，则匹配的采集脚本为：第三采集脚本(也就是使车辆在固定时间段随机采集车辆运行数据的10％)、第一采集脚本(也就是在其他时间段同区域内的车辆轮流采集车辆的驾驶数据)；若车辆的行驶区域固定，行驶路线不固定，且驾驶员为时效型驾驶员，则匹配的采集脚本为：第四采集脚本(也即采集变道和超车行为数据)和第一采集脚本(也就是在同区域内的车辆轮流采集车辆的驾驶数据)；若车辆的行驶区域固定，行驶路线不固定，且驾驶员为普通驾驶员，则匹配的采集脚本为：第一采集脚本(也就是在同区域内的车辆轮流采集车辆的驾驶数据)；若车辆的行驶区域不固定，行驶路线固定，且驾驶员为时效型驾驶员，则匹配的采集脚本为：第四采集脚本(也即采集变道和超车行为数据)、第三采集脚本(也就是使车辆在固定时间段随机采集车辆运行数据的10％)和第二采集脚本(也就是使车辆在其他时间段连续采集车辆的驾驶数据)；若车辆的行驶区域不固定，行驶路线固定，且驾驶员为普通驾驶员，则匹配的采集脚本为：第三采集脚本(也就是使车辆在固定时间段随机采集车辆运行数据的10％)和第二采集脚本(也就是使车辆在其他时间段连续采集车辆的驾驶数据)；若车辆的行驶区域不固定，行驶路线也不固定，且驾驶员为时效型驾驶员，则匹配的采集脚本为：第四采集脚本(也即采集变道和超车行为数据)和第二采集脚本(也就是使车辆连续采集车辆的驾驶数据)；若车辆的行驶区域不固定，行驶路线也不固定，且驾驶员为普通驾驶员，则匹配的采集脚本为：第二采集脚本(也就是使车辆连续采集车辆的驾驶数据)。

s20：发送相应的采集脚本到车端，所述采集脚本用于控制车端全量或者部分采集所述驾驶数据。本实施例中，云端平台通过远程ota将定制化的采集脚本配置到车端的域控制器，从而使得车端可以根据所述采集脚本来实现定制化采集得到目标数据，然后将目标数据上传至云端，减少数据采集数量，提高数据价值。

进一步，于步骤s20之后，当车端接收到的采集脚本包括采集变道和超车行为数据时，车端将满足超车行为的数据上传至云端，具体的，车端采集变道和超车行为的方式为：判断车辆是否跨越车道线，若是，则将车辆跨越车道线时间点的前10秒和后10秒的全量车辆驾驶数据无剪裁的上传至云端，用于超车行为分析。

进一步，于步骤s20之后，当车端接收到第三采集脚本时，车端采用的采集方法为：提取固定路线起点的平均开始时间和终点的平均结束时间，取平均开始时间前10分钟和平均结束时间后10分钟作为固定时间段，在固定时间段，车端的域控制器上电完成自检后，通过随机函数生成一个0至1的第一随机数，当第一随机数大于0.9时，启动数据采集，否则不进行数据采集。

进一步，于步骤s20之后，当车端接收到第一采集脚本时，车端采用的采集方法为：车端的域控制器上电完成自检后，通过随机函数生成一个0至1的第二随机数，当第二随机数小于采集阈值y时，启动数据采集，否则不进行数据采集。采集阈值y的计算公式为：y＝s/(5*n)，其中，s为所在区域的总面积，单位为平方公里；n为固定在该区域行驶车辆的总数。比如某区域的面积为100平方公里，该区域固定行驶的车辆为10辆，则y＝2，该区域每5平方公里不足一辆车，第二随机数的数值必然小于2，所以该区域的车辆没有轮值，车辆起动后采集全量车辆驾驶数据。如果该区域的固定行驶车辆从10辆增加至100辆，则y＝0.2，该区域每5平方公里有5辆车，所以该区域内的每辆车在行驶过程中有五分之一的概率需要采集全量车辆驾驶数据。

进一步，于步骤s20之后，当车端接收到第二采集脚本时，车端采用的采集方法为：车辆启动后就开始采集全量车辆驾驶数据，采集频率为10秒一帧。

s30：根据采集规则，对车端根据所述采集脚本采集得到的驾驶数据进行分析，重新匹配所述采集脚本。云端根据车端采集过来的驾驶数据持续匹配采集脚本，也即，根据驾驶数据，持续对车辆的行驶区域、行驶路线或者驾驶员行为习惯进行更新，判断车辆的行驶区域、行驶路线或者驾驶员行为是否变更，进而重新匹配采集脚本。

于步骤s30之后，可以将更新的采集脚本再发送至车端，使车端按照采集脚本来采集驾驶数据上传至云端，如此往复循环。

参见图3所示，本发明实施例还提供了一种智能网联汽车云平台数据采集装置，其可以包括：分析模块，其用于根据采集规则对车端预设里程的全量车辆驾驶数据进行分析，并根据分析结果匹配采集脚本；ota模块，其用于发送相应的采集脚本到车端；同时，所述分析模块还用于根据采集规则，对车端根据所述采集脚本采集得到的驾驶数据进行分析，重新匹配所述采集脚本。

在一些实施例中，所述分析模块可以包括：第一分析模块，其用于获取车辆位置信息，判断车辆的行驶区域是否固定；若车辆的行驶区域固定，则匹配第一采集脚本，所述第一采集脚本用于使同区域内车辆轮流采集车辆的驾驶数据，若车辆的行驶区域不固定，则配置第二采集脚本，所述第二采集脚本用于使车辆连续采集车辆的驾驶数据。

在一些可选的实施例中，所述分析模块还可以包括：第二分析模块，其用于对所述全量车辆驾驶数据的位置和时间数据进行分析，，判断车辆的行驶路线是否固定，若车辆的行驶路线固定，则匹配第三采集脚本，所述第三采集脚本用于使车辆在固定时间段随机采集车辆运行数据的10％；其中，第二分析模块的决策优先级高于第一分析模块，当第一分析模块决策数据是否进行采集与第二分析模块的决策冲突时，以第二分析模块决策为主；以及第三分析模块，其用于根据所述全量车辆驾驶数据中的行驶数据和行为数据，将驾驶员分为时效型驾驶员和普通驾驶员；若驾驶员为时效型驾驶员，则匹配第四采集脚本，所述第四采集脚本用于使车辆采集变道和超车行为数据。其中第三分析模块的采集决策与第一、第二分析模块的决策为“或”的关系，即第一、第二分析模块决策是否进行数据为“是”，不管第三模块决策为“是”或“否”，都进行数据采集；第三模块决策数据是否进行数据为“是”，不管第一、第二模块决策“是”或“否”，都进行数据采集。

参见图4所示，进一步，车端可以搭载有智能驾驶域控制器、感知系统和网联模块等，域控制器可以与感知系统的感知传感器相连，感知系统可以将可行驶路径、汽车周围的动态和静态目标信息发送至域控制器，域控制器可以根据感知系统发送过来的信息进行融合分析后形成行为决策，然后域控制器通过发送运动控制指令至线控底盘，从而实现智能驾驶。域控制器还与网联模块相连，使得域控制器将车辆的感知数据、车辆的状态数据按照采集脚本进行采集，进而将采集得到的数据传递至网联模块，然后网联模块通过无线通信网联，将数据上传至云端服务器平台。

本发明实施例还提供了一种车端数据采集方法，其可以包括以下步骤：

步骤1：根据采集脚本采集得到的驾驶数据，其中，所述采集脚本是云端根据采集规则对车端预设里程的全量车辆驾驶数据进行分析，并根据分析结果匹配得到的。

在步骤1之前，还可以包括：采用上述智能网联汽车云平台数据采集方法来根据采集规则对车端预设里程的全量车辆驾驶数据进行分析，并根据分析结果匹配所述采集脚本，具体如何匹配所述采集脚本可参见前面的实施例，在此不再赘述。

步骤2：将所述驾驶数据上传至云端。

本发明实施例还提供了一种车端数据采集装置，其可以包括：采集模块，其用于根据采集脚本采集得到的驾驶数据，其中，所述采集脚本是云端根据采集规则对车端预设里程的全量车辆驾驶数据进行分析，并根据分析结果匹配得到的，本实施例中，所述采集模块为车端搭载的智能驾驶域控制器；以及网联模块，其用于将所述目标数据上传至云端。

本发明实施例还提供了一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行上述的智能网联汽车云平台数据采集方法。该存储介质可以包括：只读存储器(rom，readonlymemory)、随机存取记忆体(ram，randomaccessmemory)、磁盘或光盘等。由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种智能网联汽车云平台数据采集方法中的步骤，因此，可以实现本申请实施例所提供的任一种智能网联汽车云平台数据采集方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

本发明实施例还提供了一种智能网联汽车云平台数据采集系统，其可以包括：车端和云端，所述车端用于上传预设里程的全量车辆驾驶数据至云端；所述云端用于根据采集规则对车端预设里程的全量车辆驾驶数据进行分析，并根据分析结果，匹配并发送相应的采集脚本到车端，所述采集脚本用于控制车端全量或者部分采集所述驾驶数据；所述车端还用于根据采集脚本采集车辆驾驶数据，并将根据采集脚本采集的车辆驾驶数据上传至云端；所述云端还用于根据采集规则，对车端根据所述采集脚本采集得到的驾驶数据进行分析，重新匹配并发送所述采集脚本。

本发明实施例提供的一种数据采集方法、装置、存储介质及系统的原理为：

由于预先采集了每一辆车在行驶一定里程后的全量车辆驾驶数据，依据云端设定的采集规则可以对车端一定里程的全量车辆驾驶数据进行分析，进而针对同区域车辆、固定行驶路线车辆和驾驶员行为匹配相应的采集脚本，使车端根据定制化的采集脚本来采集数据上传至云端，不需要每隔固定时间将车端的所有全量车辆驾驶数据均上传至云端，因此，采集的数据量小，不会占用较高的通信带宽，也减少了云端处理和存储数据量，按需采集使得云端算力和存储资源有效利用率较高，减少云端算力和存储的消耗，降低云端建设成本。

在本发明的描述中，需要说明的是，术语“上”、“下”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”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，可以根据具体情况理解上述术语在本发明中的具体含义。

需要说明的是，在本发明中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求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。而且，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、物品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、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。