一种营运车辆的交通仿真方法、装置、设备及介质与流程

1.本发明涉及智能交通技术领域，尤其是一种营运车辆的交通仿真方法、装置、设备及介质。


背景技术：

2.进行交通仿真，首要的就是要尽可能的把现实的车辆运行环境给模拟出来，涉及到仿真路网的建立，仿真参数的设置等等。目前最基本的交通仿真建立的方法就是，先在仿真软件中进行仿真路网的建立，然后设置仿真参数，建立仿真环境，最后进行仿真。
3.目前也有一些相关的仿真路网的自动建立方法，但是大多依赖于电子路网地图，在现有电子路网地图的基础上转换出仿真软件可以识别的仿真路网模型，但是这些方法仅仅是路网模型的仿真转换，涉及到车辆的参数信息基本都是先人工在某个路段上进行统计后，再在仿真软件里面进行人工设置，最后进行仿真才得到。
4.现有营运车辆的交通仿真缺点也比较突出，就是要先有电子地图，然后，人工或者自动建立仿真路网模型；再在不同的路段上，进行车辆的统计，车辆速度的测定，车辆od的推测等等，对采集到的数据进行统计分析，给出比较切合实际的路段车辆速度、车辆od以及车辆类型占比等等参数，然后进行仿真工作。这种方式费时费力，且还比较容易出错，给后续的仿真环境的设置带来问题，从而影响仿真的结果。


技术实现要素：

5.有鉴于此，本发明实施例提供一种高效的营运车辆的交通仿真方法、装置、设备及介质，以提高交通仿真结果的准确性。
6.本发明的一方面提供了一种营运车辆的交通仿真方法，包括：
7.获取gps数据；
8.根据所述gps数据进行路网匹配确定目标路网，或者根据所述gps数据在原有路网中新增路段；
9.根据所述gps数据以及目标路网，对营运车辆的交通轨迹进行数据分析，确定所述营运车辆的od路径；
10.计算不同od路径上各个时间段的营运车辆数；
11.计算不同路段上各个时间段的营运车辆数；
12.计算各个时间段里不同路段上的营运车辆占比；
13.计算营运车辆在各个路段上的车速；
14.根据所述营运车辆数、所述营运车辆占比以及所述车速，确定仿真数据文件。
15.可选地，所述方法还包括gps数据预处理的步骤，该步骤包括：
16.根据gps数据存储过程中的记录格式，对所述gps数据进行第一清洗处理；
17.根据gps数据存储过程中的数据类型，对所述gps数据进行第二清洗处理；
18.根据gps数据存储过程中的数据格式，对所述gps数据进行第三清洗处理；
19.根据gps数据存储过程中的数据范围，对所述gps数据进行第四清洗处理；
20.根据gps数据存储过程中的时间范围，对所述gps数据进行第五清洗处理；
21.根据gps数据存储过程中的空间范围，对所述gps数据进行第六清洗处理；
22.根据所述第一清洗处理、所述第二清洗处理、所述第三清洗处理、所述第四清洗处理、所述第五清洗处理以及所述第六清洗处理的结果，得到满足相应要求的gps数据。
23.可选地，所述根据所述gps数据进行路网匹配确定目标路网，包括：
24.计算所述gps数据中各个gps点到附近路段的最小距离集合；
25.按照从小到大的次序对所述最小距离集合中的各个距离值进行排序，得到目标距离集合；
26.遍历所述目标距离集合，根据预设的方位角匹配条件，确定目标路段，并根据目标路段确定目标路网。
27.可选地，所述根据所述gps数据在原有路网中新增路段，包括以下至少之一：
28.根据所述gps数据确定新增路段；
29.当所述新增路段的两端均为原有路网的路口节点，采用第一更新方式将所述新增路段更新至原有路网的拓扑连接；
30.当所述新增路段的一端为原有路网的路口节点，所述新增路段的另一端不是原有路网的路口节点，采用第二更新方式将所述新增路段更新至原有路网的拓扑连接；
31.当所述新增路段的两端均不是原有路网的路口节点，采用第三更新方式将所述新增路段更新至原有路网的拓扑连接。
32.可选地，所述根据所述gps数据以及目标路网，对营运车辆的交通轨迹进行数据分析，确定所述营运车辆的od路径，包括：
33.根据营运车辆的车辆标识对所述gps数据进行分类，并按照时间序列对分类后的数据进行排序，得到时间序列数据，并根据所述时间序列数据确定各个营运车辆在预设时间范围内经过的gps数据；
34.分别对各个营运车辆的时间序列数据，根据预设的od点判断条件，确定各个营运车辆的od点；
35.根据所述各个营运车辆的od点，将各个营运车辆的行驶路径拆分成多个od路径；
36.计算每条od路径在不同时间段内经过的营运车辆数量。
37.可选地，所述计算各个时间段里不同路段上的营运车辆占比，包括：
38.确定不同行驶路径上各个营运车辆的类型；
39.分别计算不同类型的营运车辆在各个行驶路径上的营运车辆占比。
40.本发明实施例的另一方面提供了一种营运车辆的交通仿真装置，包括：
41.第一模块，用于获取gps数据；
42.第二模块，用于根据所述gps数据进行路网匹配确定目标路网，或者根据所述gps数据在原有路网中新增路段；
43.第三模块，用于根据所述gps数据以及目标路网，对营运车辆的交通轨迹进行数据分析，确定所述营运车辆的od路径；
44.第四模块，用于计算不同od路径上各个时间段的营运车辆数；
45.第五模块，用于计算不同路段上各个时间段的营运车辆数；
46.第六模块，用于计算各个时间段里不同路段上的营运车辆占比；
47.第七模块，用于计算营运车辆在各个路段上的车速；
48.第八模块，用于根据所述营运车辆数、所述营运车辆占比以及所述车速，确定仿真数据文件。
49.可选地，所述第三模块，包括：
50.第一单元，用于计算所述gps数据中各个gps点到附近路段的最小距离集合；
51.第二单元，用于按照从小到大的次序对所述最小距离集合中的各个距离值进行排序，得到目标距离集合；
52.第三单元，用于遍历所述目标距离集合，根据预设的方位角匹配条件，确定目标路段，并根据目标路段确定目标路网。
53.本发明实施例的另一方面提供了一种电子设备，包括处理器以及存储器；
54.所述存储器用于存储程序；
55.所述处理器执行所述程序实现前面所述的方法。
56.本发明实施例的另一方面提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现前面所述的方法。
57.本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
58.本发明的实施例获取gps数据；根据所述gps数据进行路网匹配确定目标路网，或者根据所述gps数据在原有路网中新增路段；根据所述gps数据以及目标路网，对营运车辆的交通轨迹进行数据分析，确定所述营运车辆的od路径；计算不同od路径上各个时间段的营运车辆数；计算各个时间段里不同路段上的营运车辆占比；计算营运车辆在各个路段上的车速；根据所述营运车辆数、所述营运车辆占比以及所述车速，确定仿真数据文件。本发明提高了营运车辆交通仿真的效率，并且能够提高仿真结果的准确性。
附图说明
59.为了更清楚地说明本技术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技术的一些实施例，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。
60.图1为本发明实施例提供的整体实施步骤流程图。
具体实施方式
61.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术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技术，并不用于限定本技术。
62.首先，针对本发明实施例中可能出现的专用词汇进行解释：
63.营运车辆：经主管机关核准，可参加营运的车辆。
64.gps轨迹：车辆行驶过程中不断的返回gps(global positioning system，全球定位系统)位置点位以及车辆行驶相关信息，在时间序列上所形成的车辆轨迹。
65.od：o(origin)代表车辆的起始位置，d(destination)代表车辆的目的地，od就是车辆从起始地到目的地所走过的路径。
66.路段车速：某条路段上，不同车辆的速度是不同的，但是同一类车辆的速度基本是一致的，因此路段段速度一般是不同类型车辆平均速度的加权平均。
67.车辆类型：车辆跟军不同的划分依据可以划分不同的类型，本专利中，营运车辆主要分为：教练车、出租车、重型货车、客运班车、校车、散装物料运输车辆、危险品运输车辆和旅游包车。
68.车辆比例：在某个时段内在某条路段上不同车辆类型的车辆所通过的数量比例。
69.针对现有技术存在的问题，本发明的一方面提供了一种营运车辆的交通仿真方法，如图1所示，包括：
70.获取gps数据；
71.根据所述gps数据进行路网匹配确定目标路网，或者根据所述gps数据在原有路网中新增路段，进而实现对原有路网的更新；
72.根据所述gps数据以及目标路网，对营运车辆的交通轨迹进行数据分析，确定所述营运车辆的od路径；
73.计算不同od路径上各个时间段的营运车辆数；
74.计算不同路段上各个时间段的营运车辆数；
75.计算各个时间段里不同路段上的营运车辆占比；
76.计算营运车辆在各个路段上的车速；
77.根据所述营运车辆数、所述营运车辆占比以及所述车速，确定仿真数据文件。
78.可选地，所述方法还包括gps数据预处理的步骤，该步骤包括：
79.根据gps数据存储过程中的记录格式，对所述gps数据进行第一清洗处理；
80.根据gps数据存储过程中的数据类型，对所述gps数据进行第二清洗处理；
81.根据gps数据存储过程中的数据格式，对所述gps数据进行第三清洗处理；
82.根据gps数据存储过程中的数据范围，对所述gps数据进行第四清洗处理；
83.根据gps数据存储过程中的时间范围，对所述gps数据进行第五清洗处理；
84.根据gps数据存储过程中的空间范围，对所述gps数据进行第六清洗处理；
85.根据所述第一清洗处理、所述第二清洗处理、所述第三清洗处理、所述第四清洗处理、所述第五清洗处理以及所述第六清洗处理的结果，得到满足相应要求的gps数据。
86.可选地，所述根据所述gps数据进行路网匹配确定目标路网，包括：
87.计算所述gps数据中各个gps点到附近路段的最小距离集合；
88.按照从小到大的次序对所述最小距离集合中的各个距离值进行排序，得到目标距离集合；
89.遍历所述目标距离集合，根据预设的方位角匹配条件，确定目标路段，并根据目标路段确定目标路网。
90.可选地，所述根据所述gps数据在原有路网中新增路段，包括以下至少之一：
91.根据所述gps数据确定新增路段；
92.当所述新增路段的两端均为原有路网的路口节点，采用第一更新方式将所述新增路段更新至原有路网的拓扑连接；
93.当所述新增路段的一端为原有路网的路口节点，所述新增路段的另一端不是原有路网的路口节点，采用第二更新方式将所述新增路段更新至原有路网的拓扑连接；
94.当所述新增路段的两端均不是原有路网的路口节点，采用第三更新方式将所述新增路段更新至原有路网的拓扑连接。
95.可选地，所述根据所述gps数据以及目标路网，对营运车辆的交通轨迹进行数据分析，确定所述营运车辆的od路径，包括：
96.根据营运车辆的车辆标识对所述gps数据进行分类，并按照时间序列对分类后的数据进行排序，得到时间序列数据，并根据所述时间序列数据确定各个营运车辆在预设时间范围内经过的gps数据；
97.分别对各个营运车辆的时间序列数据，根据预设的od点判断条件，确定各个营运车辆的od点；
98.根据所述各个营运车辆的od点，将各个营运车辆的行驶路径拆分成多个od路径；
99.计算每条od路径在不同时间段内经过的营运车辆数量。
100.可选地，所述计算各个时间段里不同路段上的营运车辆占比，包括：
101.确定不同行驶路径上各个营运车辆的类型；
102.分别计算不同类型的营运车辆在各个行驶路径上的营运车辆占比。
103.本发明实施例的另一方面提供了一种营运车辆的交通仿真装置，包括：
104.第一模块，用于获取gps数据；
105.第二模块，用于根据所述gps数据进行路网匹配确定目标路网，或者根据所述gps数据在原有路网中新增路段；
106.第三模块，用于根据所述gps数据以及目标路网，对营运车辆的交通轨迹进行数据分析，确定所述营运车辆的od路径；
107.第四模块，用于计算不同od路径上各个时间段的营运车辆数；
108.第五模块，用于计算不同路段上各个时间段的营运车辆数；
109.第六模块，用于计算各个时间段里不同路段上的营运车辆占比；
110.第七模块，用于计算营运车辆在各个路段上的车速；
111.第八模块，用于根据所述营运车辆数、所述营运车辆占比以及所述车速，确定仿真数据文件。
112.可选地，所述第三模块，包括：
113.第一单元，用于计算所述gps数据中各个gps点到附近路段的最小距离集合；
114.第二单元，用于按照从小到大的次序对所述最小距离集合中的各个距离值进行排序，得到目标距离集合；
115.第三单元，用于遍历所述目标距离集合，根据预设的方位角匹配条件，确定目标路段，并根据目标路段确定目标路网。
116.本发明实施例的另一方面提供了一种电子设备，包括处理器以及存储器；
117.所述存储器用于存储程序；
118.所述处理器执行所述程序实现前面所述的方法。
119.本发明实施例的另一方面提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现前面所述的方法。
120.本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
121.下面对本发明的营运车辆交通仿真方法的具体实现过程进行详细描述，实现方法具体包括以下八个部分：
122.(1)、原始gps数据
123.根据不同一依据对gps数据进行清洗处理，主要依据包括：
124.a)记录格式
125.b)数据类型
126.c)数据格式
127.d)数据范围
128.e)数据的时间范围
129.f)数据的空间范围
130.采用以上7种依据对原始gps数据进行7次清洗处理，清洗掉不符合以上要求的脏数据，确保数据在后续的分析处理过程中，在数据格式和质量上没有问题，尽量减少异常数据带来的分析结果的异常。
131.(2)、gps数据路网匹配
132.a)计算gps点gps
i
到附近路段{r
i1
，r
i2
，
……
r
in
}的最小距离{l
i1
，l
i2
，
……
l
in
}。
133.b)对{l
i1
，l
i2
，
……
l
in
}进行从小到大排序{l
imin1
，l
imin2
，
……
l
iminn
}。
134.c)遍历{l
imin1
，l
imin2
，
……
l
iminn
}，同时计算距离最近的路段r
imin1
的车辆行驶方向的方位角r
imin1
az和gps
i
返回的方位角a
i
差的绝对值|r
imin1
az
–
a
i
|是否小于az(其中，az是角度相同的阈值，可以设置)。
135.d)如果小于az，则可以将该gps
i
点匹配到路段r
imin1
上。
136.e)如果大于az，那么继续遍历，直到满足小于az为止。
137.f)如果遍历最小距离集合，|r
imin1
az
–
a
i
|始终大于az，则可以判定匹配失败。
138.(3)、可能的路网生成
139.a)如果某区域没有路网，但是在该区域内具有规律性的gps空间数据分布，那么该gps数据将有可能预示着这是一条新的道路，只是现有的路网还未来得及及时更新。
140.b)假设该新增路段为r
newi
；
141.c)如果r
newi
两端正好是原有路网的路口节点，直接增加r
newi
路段同时更新路网拓扑连接即可；
142.d)如果r
newi
只有一端不是原有路网的路口节点(假设起点不是原有路网的路口节点)，增加该路段r
newi
到现有路网中，同时更新现有路网拓扑连接关系，r
newi
起始端所连接的道路编号由原有的r
newis
变为r
newis
‑1和r
newis
‑2两段，同时更新路网拓扑连接；
143.e)如果r
newi
两端不是原有路网的路口节点，增加该路段r
newi
到现有路网中，同时更新现有路网拓扑连接关系，r
newi
两端所连接的道路编号由原有的r
newis
或者r
newie
变为
r
newis
‑1、r
newis
‑2和r
newie
‑1、r
newie
‑2四段，同时更显路网拓扑连接；
144.(4)、轨迹数据分析
145.a)对gps数据，根据车辆id对清洗后的数据进行分类，对分类后的数据，按照时间序列进行排序，排序后的数据就是某一辆车在一定的时间范围内，所经过的位置gps记录数据。
146.b)针对某一辆车，分析其时间序列数据，如果前后记录时间相差t
od
(od间隔的阈值，可以人为设定)小时以上，且这段时间在6:00～22:00之间，就可以确认这段时间之前的数据位置为d点，紧接着的这段时间之后的数据为o点。
147.c)根据b)的方法，可以将一辆营运车v
i
的轨迹分为若干od路径。v
i
od1{r
11
t
11
，r
12
t
12
，
……
r
1n
t
1n
}；v
i
od2{r
21
t
21
，r
22
t
22
，
……
r
2n
t
2n
}
……
v
i
odn{rn1t
n1
，r
n2
t
n2
，
……
r
nn
t
nn
}。
148.d)根据c)的方法，可以找出所有营运车辆的od路径。
149.e)针对某条od
i
可以统计有m
ik
辆营运车在某个时间段t
ik
内走过这一od
i
路径。
150.(5)、od及车辆数提取
151.a)针对所有的营运车辆v，以及每辆营运车v
i
所经过的odi{v
i
od1，v
i
od2，
……
v
i
od
ni
}进行以od为索引进行车辆数的统计排序(由大到小)。
152.b)在odi的路径上，在不同时间段(以5分钟为单位粒度)的车辆数为m
i1
，m
i2
，
……
m
i288
。
153.(6)、计算车辆类型占比
154.a)在第k时间段，在路段r
j
上共有营运车辆jkm辆车经过，可以根据营运车辆的类型对jkm辆营运车进行细化。
155.b)假设type1类型营运车在第k时间段，在r
j
路段上行驶的车辆数为jkmt1辆，type2类型的营运车在第k时间段，在r
j
路段上行驶的车辆数为jkmt2辆等等，typen类型的营运车在第k时间段，在r
j
路段上行驶的车辆数为jkmtn辆。
156.c)满足：jkmt1 jkmt2
……
jkmtn＝jkm
157.d)因此，type1类型的营运车在第k时间段，在r
j
路段上的占比为：jkmt1/jkm；type2类型的营运车在第k时间段，在r
j
路段上的占比为：jkmt2/jkm；依次类推，typen类型的营运车在第k时间段，在r
j
路段上的占比为：jkmtn/jkm。
158.(7)计算车辆在路段上的速度
159.a)od
i
{r
i1
，r
i2
，
……
r
in
}是由路段{r
i1
，r
i2
，
……
r
in
}构成，依次相接。
160.b)在第k时间段，在路段r
j
上共有营运车辆jkm辆车经过，每辆车都有自己的od路径。
161.c)假设v
i
是第k时间段，在路段r
j
上行驶的营运车辆，是jkm辆车中的任意一辆营运车，车辆v
i
有自己的od路径v
i
od
jk
，v
i
od
jk
{r
ik1
，r
ik2
，
…
r
j
‑1，r
j
，r
j 1
…
r
ikn
}。
162.d)在第k时间段内，v
i
车辆经过的路段为：{r
m
，
…
，r
j
‑1，r
j
，r
j 1
…
，r
n
}。也就是在(k
‑
1)*5时刻，v
i
车辆在r
m
路段上；在k*5时刻v
i
车辆在r
n
路段上。
163.e)在第k时间段内，v
i
车辆返回的gps序列为：gpsv
ik
{gps
ik1
，gps
ik2
，
……
gps
ikn
}。
164.f)gpsv
ik
序列将r
j
划分为p段。
165.g)根据两个相邻gps
j
和gps
i
点位之间的距离l
ij
，以及gps点位之间的时差t
ij
，计算该两点之间的速度v
ij
，v
ij
＝l
ij
/t
ij
。
166.h)则v
i
车辆在第k时间段，在r
j
路段上的平均速度为：v
jk
＝rj/(t
j1
t
j2

……
t
jp
)。
167.i)根据h)可以求出所有营运车辆的各自速度，进而，可以求出每一类别的营运车辆(假设vi属于type1类型的车)在第k时间段在r
j
路段上的平均速度：v
type
＝(v
j1k
v
j2k

……
v
jjkmt1
)/jkmt1。
168.(8)、生成仿真数据文件
169.a)路网仿真数据生成
170.i.路段标签：<link></link>，将路段的信息写入到该标签中；
171.ii.车道：<lane></lane>，将车道的信息写入到该标签中；
172.iii.车道连接器:
173.<link>
174.<fromlinkendpt></fromlinkendpt>
175.<tolinkendpt></tolinkendpt>
176.</link>
177.将车道连接器信息写入到该标签中；
178.iv.车道标线：
179.<pavementmarking></pavementmarking>
180.将车道车道分割线的信息写入到该标签中；
181.b)车辆路径(od)
182.<vehicleroutingdecisionstatic></vehicleroutingdecisionstatic>
183.将车辆od路径信息写入到该标签中；
184.c)车辆组成：
185.<vehiclecomposition></vehiclecomposition>
186.将车辆组成写入到该标签中；
187.d)速度：
188.<desspeeddecision></desspeeddecision>
189.将营运车辆的速度信息写入到该标签中。
190.可以理解的是，营运车辆线路交通仿真能够比较真实的反映营运车辆的运行情况，从而便于还原营运车辆的日常运行，对于营运车辆的监测和管理提供有效的方法手段。营运车辆线路的交通仿真，需要收集营运车辆的od线路；在不同路段上的行驶速度；车辆类型；以及不同类型车辆所占的比例等等。
191.相较于现有技术，本技术具有以下显著的进步：
192.1、本技术中有根据gps轨迹匹配分析结果进行可能的新增路网更新，可以保证路网数据的现势性，在时效性使得仿真更贴合实际；
193.2、本技术的数据来源是对gps进行大数据分析计算而来，数据量大且来源广泛；
194.3、本技术能够确定单个车辆的具体od轨迹；对营运车辆进行分类，确定每一类所占比例；能够计算不同类型车辆的行车速度；能够根据不同类型车辆的速度计算路段速度；本技术对营运车辆的运行行为进行了更加细致的刻画还原，使得仿真更贴合实际运行环境；
195.4、本技术主要针对车辆路网建立、车辆od、车辆路段速度、以及车辆类型占比等参
数的获取的，可以根据营运车辆返回的gps信息，以及路段上的卡口信息，自动建立仿真路网、车辆od、路段速度以及车辆类型占比等等仿真参数，从而可以快速高效的建立营运车辆的交通仿真环境，使得营运车辆的交通仿真可以根据任意空间和时间进行。
196.在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
197.此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
198.所述功能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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
199.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
200.计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
201.应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述
实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
202.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
203.尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
204.以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。