不匹配的驾驶员检测的制作方法

不匹配的驾驶员检测
相关申请的交叉引用
1.本技术要求于2019年6月11日提交的美国非临时申请号为16/438,315及题为“不匹配驾驶员检测”的优先权，该优先权的全部内容通过引用并入本文。
技术领域
2.本说明书一般涉及在拼车平台中识别不匹配的驾驶员。


背景技术：

3.在传统方法下，拼车平台可能能够在相对短的时间内连接乘客和驾驶员。然而，传统的拼车平台遭遇在乘客和驾驶员之间的各种安全和保障风险。


技术实现要素：

4.源于计算机技术的一个声明的解决方案克服了特别是出现在计算机技术领域中的问题。在各种实施例中，计算系统可以包括一个或以上处理器和一个或以上非暂时性计算机可读存储器，所述一个或以上非暂时性计算机可读存储器耦合到所述一个或以上处理器并且配置有所述一个或以上处理器可执行的指令，以使所述系统可以执行以下操作。所述操作可以包括获取一组评估集。所述评估集中的每个评估可以基于当前驾驶员是否与注册驾驶员匹配。所述操作还可以包括获取收敛点数。所述收敛点数可以包括准确识别所需的评估数。所述操作还可以包括基于所述评估集和所述收敛点数计算识别率。所述操作还可以包括基于所述识别率和阈值匹配率的比较验证所述当前驾驶员。如果所述识别率大于所述阈值匹配率，则可以确定当前驾驶员的身份是有效的。如果所述识别率不大于所述阈值匹配率，则可以将所述当前驾驶员识别为不匹配的驾驶员。
5.本说明书的另一方面涉及一种方法，包括：获取一组评估集，其中所述评估集中的每个评估基于当前驾驶员是否与注册驾驶员匹配；获取收敛点数，其中所述收敛点数是准确识别所需的评估数；基于所述评估集和所述收敛点数计算识别率；基于所述识别率与阈值匹配率的比较验证所述当前驾驶员；如果所述识别率大于所述阈值匹配率，则确定当前驾驶员的身份有效；以及，如果所述识别率低于阈值匹配率，则将当前驾驶员识别为不匹配的驾驶员。
6.本说明书的又一方面涉及一种非暂时性计算机可读存储介质，其配置有一个或以上处理器可执行的指令，以使得一个或以上处理器被配置为执行以下操作，包括：获取一组评估集，其中每个评估集中的每个评估基于当前驾驶员是否与注册驾驶员匹配；获取收敛点数，其中所述收敛点数是准确识别所需的评估数；基于所述评估集和所述收敛点数，计算识别率；基于所述识别率与阈值匹配率的比较，验证所述当前驾驶员；如果所述识别率大于所述阈值匹配率，则确定当前驾驶员的身份有效；以及，如果所述识别率低于所述阈值匹配率，则将当前驾驶员识别为不匹配的驾驶员。
7.在一些实施例中，所述评估集中的评估的数可以等于收敛点数；以及，所述识别率
可以等于将当前驾驶员识别为注册驾驶员的评估数除以所述评估集中的评估数。
8.在一些实施例中，可以响应于接收一组附加评估重新计算所述识别率。
9.在一些实施例中，可以在经过设定的持续时间之后重新计算所述识别率。
10.在一些实施例中，所述阈值匹配率可以是基于一组驾驶员的一组识别率的统计分析。
11.在一些实施例中，可以基于所述阈值匹配率和所述收敛点数来计算允许的不匹配数；可以确定所述评估集中的不匹配数超过所述允许的不匹配数；以及，所述当前驾驶员可以被识别为不匹配的驾驶员。
12.在一些实施例中，如果所述当前驾驶员被识别为不匹配的驾驶员，则可能会在拼车应用程序中阻止所述驾驶员的用户账户。
13.在一些实施例中，可以从拼车平台中的一组乘客获取该组评估。
14.本说明书公开的系统、方法和非暂时性计算机可读介质的上述和其他特征，以及操作方法、结构相关元件的功能、部件的组合和制造的经济性，在参考附图考虑以下描述和所附权利要求时，将变得更加明显，所有附图均构成本说明书的一部分，其中相同的附图标记指定了各个附图中的相应部分。然而，应该明确地理解，附图仅用于说明和描述的目的，并且不是旨在作为本说明书的限制的定义。应当理解，如要求保护的，上述一般描述和以下详细描述仅是示例性和解释的，并且不限于本说明书。
附图说明
15.通过参考附图，可以更容易地理解本说明书的优选和非限制性实施例，其中：
16.图1是根据本说明书的一些实施例的可以用于识别不匹配驾驶员的技术的示例环境。
17.图2a是根据本说明书的一些实施例的示例性驾驶员识别率波动的示意图。
18.图2b是根据本说明书的一些实施例的示例性驾驶员识别率波动的示意图。
19.图2c是根据本说明书的一些实施例的示例性驾驶员识别率波动的示意图。
20.图3a是根据本说明书的一些实施例的示例性驾驶员识别率收敛的示意图。
21.图3b是根据本说明书的一些实施例的示例性驾驶员识别率分布的示意图。
22.图4a是根据本说明书的一些实施例的用于识别不匹配驾驶员的示例性过程的流程图。
23.图4b是根据本说明书的一些实施例的用于识别不匹配驾驶员的示例性过程的流程图。
24.图5是根据本说明书的一些实施例的示例性计算机系统的框图。
具体实施方式
25.以下将依据参考附图描述本说明书的特定、非限制性实施例。应该理解，可以使用本文公开的任何实施例的特定特征和方面，以及与本文公开的任何其他实施例的特定特征和方面组合。还应该理解，这些实施例通过示例，仅仅是在本说明书的范围内的少量实施例。对于本说明书所属领域的技术人员来说，显而易见的各种改变和修改被认为是在所附权利要求书中进一步定义的本说明书的精神、范围和设想之内。
26.本文公开的方法可以提高拼车服务的安全性和保障性。安全是拼车业务的首要任务之一。驾驶员引发的事故是乘客在旅行中不安全的主要原因。引发事故的驾驶员对拼车平台的声誉产生了非常负面的影响。对于许多引发事故的驾驶员，是因为当前驾驶员不是在平台上注册的驾驶员。这可能是注册驾驶员的账户被转移、借用、出售或盗用的结果。通过快速识别不匹配的驾驶员，可以提高安全性和保障性。
27.通过询问乘客当前驾驶员是否与拼车应用程序中列出的驾驶员匹配，可以识别不匹配的驾驶员。但是，乘客识别可能并不总是正确的。驾驶员的外貌可能会改变，或者乘客可能撒谎。例如，驾驶员可以改变发型风格；由于照明条件，驾驶员的脸部很难看清；或者由于与驾驶员的冲突(例如，价格的争论)，乘客可能会给出错误答案。
28.可以通过使用来自一组乘客的一组评估计算驾驶员的识别率来识别驾驶员。如果乘客群体太小，识别率可能是不准确的。每个评估最初都有很大的权重，因此每次新评估的识别率可能会波动很大。然而，等待额外的评估需要时间。延迟识别不匹配的驾驶员会增加事故发生的可能性。在接收到足够的评估后，识别率可以收敛到小波动的状态。可以尽可能接近收敛点识别驾驶员，以便准确识别并避免延迟。
29.图1根据各种实施例示出了可以识别不匹配驾驶员的技术的示例环境100。示例环境100可以包括计算系统102、计算设备104和计算设备106。应当理解，尽管在图1中示出了两个计算设备，但是在环境100中可以包括任何数量的计算设备。计算系统102可以在一个或以上网络(例如，企业网络)、一个或以上端点、一个或以上服务器或一个或以上云中实现。服务器可以包括用于管理在网络中访问集中资源或服务的硬件或软件。云可以包括一组服务器和其他分布在网络上的设备。计算设备104和106可以在诸如移动电话、平板电脑、服务器、台式计算机、笔记本电脑、车辆(例如，汽车、卡车、船、火车、自动化汽车、电动车、电动自行车)的各种设备上或作为各种设备实现。计算系统102可以与计算设备104和106和其他计算设备通信。计算设备104和106通过计算系统102进行通信，彼此之间也可以直接进行通信。设备之间的通信可以通过互联网、本地网络(例如，lan)或直接通信(例如，蓝牙、射频、红外线)发生。
30.虽然计算系统102在图1中示出为单个实体，但这仅仅是为了便于参考，并且不是限制性的。这里描述的计算系统102的一个或以上组件或一个或以上功能可以在单个计算设备或多个计算设备中实现。计算系统102可以包括乘客背景信息组件112、位置信息组件114、行程生成组件116和排名组件118。计算系统110可以包括其他组件。计算系统102可以包括一个或多个处理器(例如，数字处理器、模拟处理器、设计用于处理信息的数字电路、中央处理单元、图形处理单元、微控制器或微处理器、设计用于处理信息的模拟电路、状态机和/或用于电子处理信息的其他机制)和存储器(例如，永久性存储器、暂时性存储器)。处理器可以被配置为通过解释存储在存储器中的机器可读指令来执行各种操作。计算系统102可以包括其他计算资源。在一些实施例中，计算系统102可以包括单个自包含硬件设备，该硬件设备被配置成通信耦合或物理连接到计算机系统的组件。在一些实施例中，计算系统102可以包括应用特定的集成电路(asic)或现场可编程门阵列(fpga)，该应用特定的集成电路(asic)或现场可编程门阵列(fpga被配置为执行与一个或多个分散应用相关联的交易验证操作。上面的计算系统102可以安装适当的软件(例如，平台程序等)和/或硬件(例如，电线、无线连接等)，以访问环境100的其他设备。
31.评估组件112可以被配置为获取一组评估集。该评估集中的每个评估都可以是基于当前驾驶员是否与注册驾驶员匹配。获取信息的方式可以包括以下方式中的一个或以上：访问、获取、分析、确定、检查、识别、加载、定位、打开、接收、检索、审查、存储或其他获取信息的方式。在一些实施例中，可以从拼车平台中的一组乘客获取该评估集。每个评估可以从不同的乘客接收。例如，可以在拼车应用程序中显示问题，询问拼车车辆的当前驾驶员是否与拼车应用程序中列出的驾驶员匹配。
32.在一些实施例中，拼车应用可以安装在乘客的电话上并与乘客的用户账户相关联。在一些实施例中，在拼车应用的页面中可以弹出显示问题。在一些实施例中，如果乘客未能响应评估，则评估可以将驾驶员记录为不匹配的驾驶员。在一些实施例中，可以在乘客进入拼车车辆之前显示问题。在一些实施例中，可以在乘车期间显示问题，这时乘客处于拼车车辆内。在一些实施例中，可以在乘车之后和乘客离开拼车车辆之后显示问题。
33.在一些实施例中，驾驶员可与关于驾驶员和车辆的信息一起列在拼车应用程序中。在一些实施例中，关于驾驶员的信息可以包括驾驶员姓名、驾驶员的照片、驾驶员的眼睛颜色、驾驶员的头发颜色和驾驶员的身高。在一些实施例中，关于车辆的信息可以包括品牌、型号、车牌号和颜色。在一些实施例中，可以询问使用拼车应用的每个乘客当前驾驶员是否与注册驾驶员匹配。
34.收敛点组件114可以被配置为获取收敛点数。在一些实施例中，收敛点数可以包括准确识别所需要的多个评估。在一些实施例中，收敛点数可以识别用于驾驶员验证的评估集的样本大小。在一些实施例中，当识别率基于一个量少的评估集时，识别率可能会波动较大。大幅波动的识别率可能无法准确识别不匹配的驾驶员。在收到足够的评估后，识别率可能会收敛。在一些实施例中，收敛点数可以是识别率收敛所需的评估数量。在一些实施例中，可以选择最低可能的收敛点数，使得驾驶员验证不必等待额外的评估。在一些实施例中，可以将收敛点数预设为默认值(例如，20条评估)。在一些实施例中，可以由用户设置收敛点数。
35.在一些实施例中，收敛点数可以基于历史数据的统计分析。例如，可以基于拼车平台中驾驶员的识别率来计算波动率。波动率可以等于第一次识别率减去第二次识别率的平方除以评估数的第一次识别率的两倍(例如，(ir1-ir2)^2/(2ir1),(ir1-ir2)^2/n))。可以基于一组评估集计算第一识别率。当将一个新评估添加到评估集中时，可以计算第二识别率。在一些实施例中，收敛点数可以是达到稳定识别率的点，其接近真正的识别率。在一些实施例中，可以基于拼车平台中的所有驾驶员波动率的平均数来计算收敛点数。在一些实施例中，可以基于区域(例如，国家、州、城市)来计算收敛点数。当使用大型驾驶员数据库时，随着新驾驶员加入平台，收敛点数可以保持准确且一致。
36.识别率组件116可以被配置为基于该组评估集和收敛点数计算识别率。在一些实施例中，识别率可以是拼车行程中当前驾驶员的识别率。在一些实施例中，识别率可以等于识别当前驾驶员作为注册驾驶员的评估数除以该组的评估集中的评估总数。在一些实施例中，该组评估集中的评估数可以等于收敛点数。在一些实施例中，在当前驾驶员接收到收敛点数的评估之前，可以不计算识别率。例如，当前驾驶员可以是拼车平台上的新驾驶员。在新驾驶员收到二十个评估之前，可能无法计算新驾驶员的识别率。
37.在一些实施例中，可以响应于接收一组附加评估重新计算识别率。例如，在计算初
始识别率之后，拼车应用程序中可以继续要求乘客进行评估。在一些实施例中，最近评估的收敛点数可以存储在缓冲器中。可以使用缓冲器中的评估重新计算识别率。在一些实施例中，可以在经过设定的持续时间之后重新计算识别率。在一些实施例中，可以使用评估的收敛点数目的随机集合重新计算识别率。例如，收敛点数可以等于20，并且可能刚刚收到第一百次评估。可使用第70至89次评估重新计算识别率。在一些实施例中，可以针对多个驾驶员计算识别率。
38.识别率组件118可以被配置为基于识别率与阈值匹配率的比较验证当前驾驶员。阈值匹配率可以是驾驶员被视为正确的驾驶员所需的识别率。在一些实施例中，如果识别率大于阈值匹配率，则可以确定当前驾驶员的身份有效。在一些实施例中，如果识别率低于阈值匹配率，则可以将当前驾驶员识别为不匹配的驾驶员。
39.在一些实施例中，阈值匹配率可以是基于一组驾驶员的一组识别率的统计分析。阈值匹配率可以是统计上显著的识别率。例如，匹配率可能比驾驶员组的识别率的中值低两到三个标准差。在一些实施例中，可以由用户设置阈值匹配率。在一些实施例中，可以预设阈值匹配率。可以基于在将良好的驾驶员错误分类为不匹配和安全性之间进行权衡来设置阈值匹配率。例如，大多数驾驶员可能有超过百分之八十的识别率。将阈值匹配率以百分之八十设置，可能不会错误分类太多好的驾驶员。如果阈值匹配率太低，则不匹配的驾驶员可能不会被捕获。在一些实施例中，阈值匹配率可以响应于大量的驾驶员被错误分类而自动调整。例如，如果大量被识别为正确的驾驶员进行了犯罪，并且发现驾驶员与注册驾驶员不匹配，则可能会提高阈值匹配率。在一些实施例中，阈值匹配率可以基于区域(例如，国家、州、城市)来计算。
40.在一些实施例中，在接收到收敛点数的评估之前，可以将当前驾驶员识别为不匹配的驾驶员。可以基于阈值匹配率和收敛点数来计算允许的不匹配数。当评估集合中的不匹配数超过允许的不匹配数时，当前驾驶员可以被识别为不匹配的驾驶员。例如，如果收敛点数为20且阈值匹配率为80％，则如果对不匹配的驾驶员进行了四次以上的评估，则识别率将低于阈值匹配率。一旦收到第五次不匹配的评估，就可以将当前驾驶员识别为不匹配的驾驶员。
41.在一些实施例中，如果当前驾驶员被识别为不匹配的驾驶员，则驾驶员的用户账户在拼车应用中可能会被阻止。阻止用户账户可以包括暂停或取消用户账户。在一些实施例中，第二匹配率阈值可以用于识别可疑驾驶员。例如，第二匹配率阈值可以高于第一匹配率阈值。如果驾驶员的识别率低于第二匹配率阈值，乘客可能会被提醒(例如，通过向其设备提供通知和/或警报)该驾驶员是可疑的。这可以让乘客有机会选择其他驾驶员。
42.图2a、图2b和图2c是根据本说明书的一些实施例示出的示例性驾驶员识别率波动的示意图。图2a、图2b和图2c中所示的数据如下所述是旨在说明性的。驾驶员识别率波动210可以通过绘制针对订单数214的识别率212来表示。驾驶员识别率波动220可以通过绘制针对订单数224的识别率222来表示。驾驶员识别率波动230可以通过绘制针对订单数234的识别率232来表示。订单数214、224和234可以包括驾驶员的请求的数量，并且可以等于评估的数量。识别率最初波动较大，但随着时间的推移逐渐收敛。在达到某一点之后，识别率会逐渐趋于稳定并可以接近真实的识别率。在一些实施例中，收敛点数可以是基于驾驶员识别率波动210、驾驶员识别率波动220和驾驶员识别率波动230的任何组合。
43.图3a是根据本说明书的一些实施例的示例性驾驶员识别率收敛的示意图。图3a中所示的数据及下述是旨在说明性的。驾驶员识别率收敛310可以通过绘制针对评估数314的波动312来表示。波动312可基于一个识别率和先前识别率之间的差(例如，(ir1-ir2)^2/(2ir1),(ir1-ir2)^2/n))来计算。识别率的波动可能会随着时间的推移而收敛。在一些实施例中，可以基于驾驶员识别率收敛310来确定收敛点数。
44.图3b是根据本说明书的一些实施例的示例性驾驶员识别率分布的示意图。图3b所示的数据如下所述是旨在说明性的。驾驶员识别率分布320可以通过绘制针对驾驶员322数量的识别率324来表示。驾驶员识别率分布320可以基于拼车平台中的所有带有识别率的驾驶员。在每个驾驶员接收到评估的收敛点数之后，可以计算识别率。几乎所有驾驶员都可以具有高于0.8的识别率。阈值匹配率可以基于驾驶员识别率分布320。
45.图4a是根据本说明书的一些实施例的用于识别不匹配驾驶员的示例性方法400的流程图。方法400可以在各种环境中实现，包括例如图1的环境100。下述方法400的操作是旨在说明性的。根据实施例，方法400可以包括以各种顺序或同时执行附加的、更少的或替代的步骤。方法400可以在包括一个或以上处理器的各种计算系统或设备中实现。
46.关于方法400，在框401中，可以获取一组评估集。该组评估集中的每个评估都可以基于当前驾驶员是否与注册驾驶员匹配。在框402中，可以获取收敛点数。收敛点数可以是准确识别所需的评估数。在框403中，可以基于一组评估集和收敛点数计算识别率。在框404中，可以确定识别率是否大于阈值匹配率。并依此用于验证当前驾驶员。如果识别率大于阈值匹配率，则该方法可以进行框405。如果识别率不大于阈值匹配率，则该方法可以进行框407。
47.在框405中，可以确定当前驾驶员的身份是有效的。在一些实施例中，该过程可以前进到框406。在一些实施例中，该过程可以在确定当前驾驶员的身份有效的情况下结束。在框406中，可以重新计算识别率。在一些实施例中，可以响应于接收一组附加评估来重新计算识别率。在一些实施例中，可以经过设定的持续时间之后，重新计算识别率。在框407中，可以将当前驾驶员识别为不匹配的驾驶员。在一些实施例中，该过程可以前进到框408。在一些实施例中，该过程可以在识别当前驾驶员作为不匹配的驾驶员之后结束。在框408中，驾驶员的用户账户在拼车应用中可能会被阻止。
48.图4b是根据本说明书的一些实施例的用于识别不匹配驾驶员的示例性方法450的流程图。方法450可以在各种环境中实现，包括例如图1的环境100。下述方法450的操作是旨在说明性的。根据实施例，方法450可以包括以各种顺序或同时执行的附加的、更少的或替代的步骤。方法450可以在包括一个或以上处理器的各种计算系统或设备中实现。
49.关于方法450，在框451中，可以获取下一个评估。评估可以从乘客获取，并指出当前驾驶员是否与注册驾驶员匹配。在框452中，可以获取收敛点数。在框453中，可以获取阈值匹配率。在框454中，可以计算允许的不匹配数。可以使用收敛点数和阈值匹配率来计算允许的不匹配数。
50.在框455中，可以确定不匹配数是否超过允许的不匹配数。不匹配数可以基于下一个评估和先前一组的评估集。如果不匹配数未超过允许的不匹配数，则该方法可以循环回到框451以执行额外的验证。例如，驾驶员可能没有足够的不匹配评估被归类为不匹配驾驶员，但可能也尚未接收到收敛点数的评估，因此驾驶员不能被验证为有效的驾驶员。如果不
匹配数超过允许的不匹配数，则该方法可以进行到框456。例如，驾驶员可能没有接收到收敛点数的评估，但是即使所有附加评估将当前驾驶员识别为注册驾驶员，识别率仍然低于阈值匹配率。在框456中，可以将当前驾驶员识别为不匹配的驾驶员。在框457中，驾驶员的用户账户在拼车应用程序中可能会被阻止。
51.图5示出了计算机系统500的框图，其中可以实现本文描述的任何实施例。例如，计算机系统500可以是计算系统102和计算设备104和106中的任何一个。计算机系统500包括总线502或用于传达信息的其他通信机制，与总线502耦合以用于处理信息的一个或以上硬件处理器504。硬件处理器504可以是例如一个或以上通用微处理器。
52.计算机系统500还包括主存储器506，例如随机存取存储器(ram)、高速缓存和/或其他动态存储设备，与总线502耦合用于存储由处理器504执行的信息和指令。主存储器506还可以用于在执行由处理器504执行的指令期间，存储临时变量或其他的中间信息。当这些指令存储在处理器504可访问的存储介质中时，将计算机系统500呈现到专用机器中，该专用机器被配置以执行指令中指定的操作。主存储器506可以包括非易失性介质和/或易失性介质。非易失性介质可包括例如光盘或磁盘。易失性介质可以包括动态存储器。常见形式的介质可包括，例如软盘、柔性磁盘、硬盘、固态驱动器、磁带或任何其他磁性数据存储介质、cd-rom、任何其他光学数据存储介质、任何具有孔图案的物理介质、ram、dram、prom和eprom、闪存-eprom、nvram、任何其他内存芯片或盒带，以及其网络版本。
53.计算机系统500可以使用定制的硬连线逻辑、一个或以上asic或fpga、固件和/或程序逻辑来实施本文所述的技术，这些逻辑与计算机系统结合使得或编程计算机系统500成为专用计算机。根据一个实施例，本文的技术由计算机系统500响应于处理器504执行包含在主内存506中的一个或多个指令。这些指令可以从另一存储介质读入主存储器506，例如存储设备508。执行包含在主内存506中的指令序列，使处理器504执行本文所述的处理步骤。
54.例如，计算系统500可以用于实现图1所示的计算系统102、计算设备104和计算设备106。在另一示例中，计算系统500可以用于实现图1中所示的计算系统102的一个或以上组件。作为另一示例，图4a和图4b以及相关描述所示的过程/方法可以通过存储在主存储器506中的计算机程序指令实现。当由处理器504执行这些指令时，它们可以执行如图4a和图4b所示的步骤。在替代实施例中，可以使用硬连线电路代替软件指令或与软件指令结合使用。
55.计算机系统500还包括耦合到总线502的通信接口510。通信接口510提供与连接到一个或以上网络的一个或以上网络链路的双向数据通信耦合。作为另一示例，通信接口510可以是局域网(lan)卡，以提供与兼容lan(或wan组件以与wan通信)的数据通信连接。无线连接也可以实现。
56.某些操作的性能可能会分布在处理器之间，不仅驻留在单个计算机中，而且会部署在多个计算机上。在一些示例实施例中，处理器或处理器实现的引擎可以位于单个地理位置中(例如，在家庭环境、办公室环境或服务器场中)。在其他示例实施例中，处理器或处理器实现的引擎可以分布在多个地理位置上。
57.本文中描述的某些实施例可以包括逻辑或多个组件。组件可以构成软件组件(例如，在机器可读介质上体现的代码)或硬件组件(例如，能够以特定物理方式配置或布置的
某些操作的有形单元)。如本文所使用的，为了方便起见，当组件可以包括可以编程或配置计算系统110以执行操作的指令时，可以将计算系统110的组件描述为执行或被配置用于执行操作。
58.虽然本文描述了所公开的原理的示例和特征，但是在不脱离所公开的实施例的精神和范围的情况下，可以进行修改、调整和其他实现。此外，词语“包括”、“拥有”、“包含”和“包括”以及其他类似形式旨在在含义上等同并且是开放式的，因为在这些词语中任何一个之后的一个或多个项目并不意味着是此类项目的详尽列表，或者意味着仅限于所列项目。还必须注意的是，如本文和所附权利要求中所使用的，单数形式“一”、“一个”和“所述”包括复数参考，除非上下文另有明确规定。
59.充分详细地描述了本文示出的实施例，以使本领域技术人员能够实践所公开的教导。可以使用其他实施例并从中得出其他实施例，从而可以在不脱离本说明书的范围的情况下进行结构和逻辑上的替换和改变。因此，不应从限制意义上理解详细描述，并且各种实施例的范围仅由所附权利要求以及这些权利要求所赋予的等同物的全部范围来限定。