面向智慧公路的任务协同处理方法、装置及存储介质与流程

1.本发明涉及智慧公路技术领域，尤其涉及一种面向智慧公路的任务协同处理方法、装置及存储介质。


背景技术：

2.智慧公路是一个借助新一代信息通信技术，以对人车路环境的全面精准感知智能决策为核心，通过人车路互联与协作，构建可实现协同管控与创新服务的公路系统。
3.相关技术可知，移动边缘计算(mobile edge computing，mec)以其边缘处理和支持移动性等特点与智慧公路场景高度契合。当前基于mec处理任务时，忽略了网络中设备的负载均衡问题，对智慧公路场景下边缘侧资源的利用不够充分。


技术实现要素：

4.本发明提供一种面向智慧公路的任务协同处理方法、装置及存储介质，用以解决现有技术中忽略了任务处理网络中设备负载均衡问题的缺陷，实现将路侧单元作为计算单元加入到多级边缘网络中协同处理任务，以确保任务处理的负载均衡性和低延时性。
5.本发明提供一种面向智慧公路的任务协同处理方法，其特征在于，所述方法应用于设置有路侧单元的智慧公路，包括：获取车辆的任务信息，并将所述任务信息上传至移动边缘计算服务器；基于ddqn网络模型，通过所述移动边缘计算服务器将所述任务信息分配至多级边缘网络中各计算单元进行协同处理，得到多个子处理结果，其中，所述计算单元至少包括所述路侧单元、所述移动边缘计算服务器以及云计算单元；基于多个所述子处理结果，得到协同处理结果。
6.根据本发明提供的一种面向智慧公路的任务协同处理方法，其特征在于，所述方法还包括获取所述多级边缘网络的状态信息，所述基于ddqn网络模型，通过所述移动边缘计算服务器将所述任务信息分配至多级网络中各计算单元进行协同处理，包括：基于所述多级边缘网络的状态信息以及所述ddqn网络模型，确定与所述状态信息对应的任务协同方案；按照所述任务协同方案，通过所述移动边缘计算服务器将所述任务信息分配至所述多级网络中各计算单元进行协同处理，其中，所述任务协同方案包括所述多级网络中各计算单元的最优任务拆分方案和最优任务计算方案。
7.根据本发明提供的一种面向智慧公路的任务协同处理方法，其特征在于，所述基于所述多级边缘网络的状态信息以及所述ddqn网络模型，确定与所述状态信息对应的任务协同方案，包括：将所述多级边缘网络的状态信息输入至所述ddqn网络模型，得到与所述状态信息对应的动作价值函数；通过贪婪法，确定与所述动作价值函数对应的动作方案，并把所述动作方案作为与所述状态信息对应的任务协同方案。
8.根据本发明提供的一种面向智慧公路的任务协同处理方法，其特征在于，获取车辆的任务信息，包括：确定与所述车辆为预设距离的第一路侧单元；基于所述第一路侧单元，获取所述车辆的任务信息。
9.根据本发明提供的一种面向智慧公路的任务协同处理方法，其特征在于，所述基于多个所述子处理结果，得到协同处理结果，包括：将多个所述子处理结果进行整合，得到所述协同处理结果。
10.根据本发明提供的一种面向智慧公路的任务协同处理方法，其特征在于，所述面向智慧公路的任务协同处理方法还包括：将所述协同处理结果回传至所述车辆。
11.本发明还提供一种面向智慧公路的任务协同处理装置，其特征在于，所述装置应用于设置有路侧单元的智慧公路，包括：获取模块，用于获取车辆的任务信息，并将所述任务信息上传至移动边缘计算服务器；处理模块，用于基于ddqn网络模型，通过所述移动边缘计算服务器将所述任务信息分配至多级边缘网络中各计算单元进行协同处理，得到多个子处理结果，其中，所述计算单元至少包括所述路侧单元、所述移动边缘计算服务器以及云计算单元；整合模块，用于基于多个所述子处理结果，得到协同处理结果。
12.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述面向智慧公路的任务协同处理方法的步骤。
13.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述面向智慧公路的任务协同处理方法的步骤。
14.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述面向智慧公路的任务协同处理方法的步骤。
15.本发明提供的面向智慧公路的任务协同处理方法、装置及存储介质，应用于设置有路侧单元的智慧公路，通过将路侧单元作为计算单元加入到多级边缘网络中协同处理任务，并基于ddqn网络模型得到多级边缘网络中各计算单元的子处理结果，进而得到协同处理结果，以确保任务处理的负载均衡性和低延时性。
附图说明
16.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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。
17.图1是本发明提供的面向智慧公路的任务协同处理方法的流程示意图之一；
18.图2是本发明提供的将任务信息分配至多级网络中各计算单元进行协同处理的流程示意图之一；
19.图3是本发明提供的确定与状态信息对应的任务协同方案的流程示意图之一；
20.图4是本发明提供的获取车辆的任务信息的流程示意图之一；
21.图5是本发明提供的面向智慧公路的任务协同处理方法的流程示意图之二；
22.图6是基于不同网络模型进行任务处理的系统时延的示意图；
23.图7是基于不同网络模型进行任务处理的负载均衡情况的示意图；
24.图8是基于不同网络模型进行任务处理的时延随任务数量变化的示意图；
25.图9是本发明提供的面向智慧公路的任务协同处理装置的结构示意图；
26.图10是本发明提供的电子设备的结构示意图。
具体实施方式
27.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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作出创造性劳动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。
28.相关技术可知，移动边缘计算(mobile edge computing，又称mec)服务器以其边缘处理和支持移动性等特点与智慧公路场景高度契合。并且随着5g技术的发展，作为能够充分发挥5g高带宽、低时延、大连接等网络优势且在边缘侧提供算力的关键技术，mec已成为智慧公路的首选。mec技术极大的减缓了车辆自身的计算压力，降低了业务处理时延，提高了整体效能。然而，目前对边缘侧设备的利用和任务协同计算方式还有待提高，主要存在以下问题：
29.(1)边缘设备承担的计算压力较高，相对于智慧公路上的海量车辆，部署的边缘基站数目相对较少，单个基站的负载依然居高不下，车辆高速移动中产生的业务需求仍然难以全部有效满足。
30.(2)目前主要考虑了任务的时延问题，忽略了任务处理网络中设备的负载均衡问题，同时，对智慧公路场景下边缘侧资源的利用不够充分。例如，道路两侧的路侧单元(road side unit，又称rsu)也可以作为计算单元承担少量的计算任务。
31.本发明提供的面向智慧公路的任务协同处理方法，通过将路侧单元作为计算单元加入到多级边缘网络中协同处理任务，并基于ddqn网络模型得到多级边缘网络中各计算单元的子处理结果，进而得到协同处理结果，以确保任务处理的负载均衡性和低延时性。
32.本发明将结合下述实施例对面向智慧公路的任务协同处理方法的过程进行说明。
33.图1是本发明提供的面向智慧公路的任务协同处理方法的流程示意图之一。
34.在本发明一示例性实施例中，如图1所示，面向智慧公路的任务协同处理方法可以包括步骤110至步骤130，下面将分别介绍各步骤。
35.在步骤110中，获取车辆的任务信息，并将任务信息上传至移动边缘计算服务器。
36.mec服务器是边缘服务器和边缘通信设施的集成，也是本发明提供的面向智慧公路的任务协同处理方法做出协同策略的中心。
37.在一示例中，车辆在移动过程中生成的计算任务(又称任务信息)，可以上传至mec服务器，并卸载到多级云边网络中进一步处理。对于路侧单元(road side unit，又称rsu)接收范围之内的车辆，可以通过路侧单元进行数据传输；对于路侧单元接收范围之外的车辆，可以通过车辆簇的方式进行数据传输，进一步减少等待时间。
38.在步骤120中，基于ddqn网络模型，通过移动边缘计算服务器将任务信息分配至多级边缘网络中各计算单元进行协同处理，得到多个子处理结果，其中，计算单元至少包括路侧单元、移动边缘计算服务器以及云计算单元。
39.在应用过程中，可以基于移动边缘计算服务器与路侧单元构建关于处理任务信息的协同时延模型和负载均衡模型。其中，协同时延模型包括任务上传时延、排队时延、计算时延和回传时延。对于任务tk来说，拆分后的子任务是在多级边缘网络中各计算单元，例如路侧单元、移动边缘计算服务器以及云计算单元同步执行的，因此，任务执行的整体时延是不同系统处理所需时间最大值，公式如下：
[0040][0041][0042][0043]
其中，分别表示路侧单元、移动边缘计算服务器和云计算单元处理任务的整体时延，表示上传时延，表示计算时延，表示回传时延，时延，和表示排队时延。由于车辆高速移动的特性，任务处理前后车辆接入的路侧单元甚至移动边缘计算服务器可能发生改变，此时在路侧单元和移动边缘计算服务器计算的任务需要考虑横向传输时延，跨路侧单元处理时延如下：
[0044][0045]
跨移动边缘计算服务器处理时延如下：
[0046][0047]
其中，表示上传时延，表示上传时延，表示上传时延，表示上传时延，表示横向传输时延，表示回传时延。
[0048]
车辆卸载任务tk到多级边缘网络中进行协同计算处理。其中，表示在路侧单元、移动边缘计算服务器和云计算单元负责计算的数据量占整体任务的百分比，表示计算结果整合时延，关系如下：
[0049][0050][0051]
本发明的目标是实现任务执行成功前提下，同一时隙车辆卸载到边缘侧的任务{t,
…
,tk}的整体执行时延最小。时隙t产生的任务的整体时延公式如下：
[0052][0053][0054]
其中，表示任务整体时延，表示任务tk可接受最大时延。
[0055]
在一示例中，可以基于服务器中计算单元的工作情况和空闲情况来衡量设备的负载状态li：
[0056][0057]nworking
表示当前设备正在工作的计算单元数量，n
total
表示当前设备计算单元总数。
[0058]
因此，网络负载均衡程度表示如下：
[0059][0060]
其中，l
mean
表示网络中设备的负载状态，公式如下：
[0061][0062]
综上，在本发明中，可以基于协同时延模型和负载均衡模型构建协同处理车辆任务信息的协同计算优化模型，公式如下：
[0063][0064]
其中，ω1和ω2分别是负载均衡和平均时延的加权归一化系数。
[0065]
进一步的，可以在协同计算优化模型的基础上，基于ddqn网络模型，对车辆将新的任务卸载到多级边缘网络进行协同处理，得到多个子处理结果，以保证任务整体的低时延以及网络的负载均衡。其中，可以基于ddqn网络模型对多级边缘网络状态进行学习并做出最优分配。
[0066]
可以理解的是，ddqn网络模型作为一种深度强化学习算法，可以通过解耦目标q值动作的选择和目标q值的计算这两步，来消除过度估计的问题。
[0067]
在步骤130中，基于多个子处理结果，得到协同处理结果。
[0068]
在一种实施例中，可以对得到的多个子处理结果进行整合，得到协同处理结果。在一示例中，可以利用距离车辆较近的移动边缘计算服务器对计算结果进行整合并回传。
[0069]
本发明提供的面向智慧公路的任务协同处理方法，通过将路侧单元作为计算单元加入到多级边缘网络中协同处理任务，并基于ddqn网络模型得到多级边缘网络中各计算单元的子处理结果，进而得到协同处理结果，以确保任务处理的负载均衡性和低延时性。
[0070]
图2是本发明提供的将任务信息分配至多级网络中各计算单元进行协同处理的流程示意图之一。
[0071]
在本发明一示例性实施例中，面向智慧公路的任务协同处理方法还包括获取多级边缘网络的状态信息。其中，如图2所示，通过移动边缘计算服务器将任务信息分配至多级网络中各计算单元进行协同处理可以包括步骤210和步骤220，下面将分别介绍各步骤。
[0072]
在步骤210中，基于多级边缘网络的状态信息以及ddqn网络模型，确定与状态信息对应的任务协同方案。
[0073]
在步骤220中，按照任务协同方案，通过移动边缘计算服务器将任务信息分配至多级网络中各计算单元进行协同处理，其中，任务协同方案包括多级网络中各计算单元的最优任务拆分方案和最优任务计算方案。
[0074]
在一种实施例中，ddqn网络模型可以通过多次迭代以更新神经网络参数，直至神经网络参数收敛。此时，基于ddqn网络模型得到的分配方案趋于最优分配方案，其中，最优分配方案包括多级网络中各计算单元的最优任务拆分方案和最优任务计算方案。可以理解的是，通过最优分配方案，可以确保在任务执行成功且负载均衡的前提下，同一时隙车辆卸
载到边缘侧的任务的整体执行时延最小。
[0075]
下面将结合下述实施例，对基于多级边缘网络的状态信息以及ddqn网络模型，确定与状态信息对应的任务协同方案的过程进行说明。
[0076]
图3是本发明提供的确定与状态信息对应的任务协同方案的流程示意图之一。
[0077]
在本发明一示例性实施例中，如图3所示，基于多级边缘网络的状态信息以及ddqn网络模型，确定与状态信息对应的任务协同方案可以包括步骤310和步骤320，下面将分别介绍各步骤。
[0078]
在步骤310中，将多级边缘网络的状态信息输入至ddqn网络模型，得到与状态信息对应的动作价值函数。
[0079]
在一种实施例中，多级边缘网络的状态信息包括在时隙t多级边缘网络中路侧单元和移动边缘计算服务器的队列信息q
t
，各自的计算能力p
t
，当前正在计算的任务信息i
t
，车辆上传的任务信息t
t
，以及车辆之间的位置关系z
t
等。在应用过程中，可以将多级边缘网络的状态信息输入至ddqn网络模型，得到与状态信息对应的动作价值函数。
[0080]
在步骤320中，通过贪婪法，确定与动作价值函数对应的动作方案，并把动作方案作为与状态信息对应的任务协同方案。
[0081]
在一种实施例中，可以基于ε-贪婪法，确定与动作价值函数对应的动作方案，即确定与状态信息对应的动作方案，并把该动作方案作为任务协同方案。进一步的，基于任务协同方案，通过移动边缘计算服务器将任务信息分配至多级网络中各计算单元进行协同处理。通过本实施例，可以在任务执行成功且负载均衡的前提下，确保同一时隙车辆卸载到边缘侧的任务的整体执行时延最小。
[0082]
本发明将结合下述实施例对获取车辆的任务信息的过程进行说明。
[0083]
图4是本发明提供的获取车辆的任务信息的流程示意图之一。
[0084]
在本发明一示例性实施例中，如图4所示，获取车辆的任务信息可以包括步骤410和步骤420，下面将分别介绍各步骤。
[0085]
在步骤410中，确定与车辆为预设距离的第一路侧单元。
[0086]
在步骤420中，基于第一路侧单元，获取车辆的任务信息。
[0087]
在一种实施例中，若车辆与第一路侧单元的距离为预设距离，则可以基于第一路侧单元获取车辆的任务信息。可以理解的是，预设距离可以根据实际情况进行确定，在本实施例中，不对预设距离作具体限定。在又一示例中，若车辆与第一路侧单元的距离超过预设距离，可以通过车辆簇的方式进行数据传输，从而减少任务传输过程中的等待时间。
[0088]
图5是本发明提供的面向智慧公路的任务协同处理方法的流程示意图之二。
[0089]
下面将结合图5对另一种面向智慧公路的任务协同处理方法的过程进行说明。
[0090]
在本发明一示例性实施例中，如图5所示，智慧公路的任务协同处理方法可以包括步骤510至步骤540，其中，步骤510至步骤530与前文所述的步骤110至步骤130相同，在本实施例中不再赘述，下面将详细介绍步骤540。
[0091]
在步骤540中，将协同处理结果回传至车辆。
[0092]
在一种实施方式中，可以将协同处理结果回传至车辆，以供车辆根据协同处理结果做出相应决策或动作。在一示例中，基于回传的协同处理结果可以为司机提供碰撞预警、紧急制动预警、变道辅助和车辆失控预警等基本道路信息等。在又一实施例中，还可以结合
多级边缘网络中各计算单元的负载、计算能力以及车辆位置等信息对车辆任务进行拆分和协同计算，以得到多个子处理结果，并通过在距离车辆最近的路侧单元对子处理结果进行整合并回传至车辆。
[0093]
下面将结合图6至图8对基于ddqn网络模型得到的协同处理结果的效果进行说明。
[0094]
图6展示了随着时间的推移，各网络模型逐渐收敛，对于卸载到网络模型中的任务协同计算时延逐渐降低。其中，a3c网络模型和dqn网络模型在任务整体时延方面，较早的收敛到了一个稳定区间，过拟合导致整体效果较差。相较这两个网络模型而言，本发明提出的基于ddqn网络模型的任务协同处理方法能够收敛到较低的时延范围，这保证了车辆高速移动场景下设备的快速响应以及用户的良好体验。
[0095]
图7示出为随着训练的进行不同网络模型的整体负载均衡情况。从图7中可以看出，最初的训练过程负载较为不均，这是因为深度强化学习最初的动作选择近似为随机，对当前网络模型的状态还没有任何经验借鉴。但随着学习的进行可以发现，负载均衡程度可以快速收敛，此时，网络模型已经可以根据经验做出一定较优动作。由图7可知，ddqn网络模型在维持较低时延的同时也保证了该网络模型较好地负载均衡。
[0096]
在图8中，x轴表示每个时隙车辆产生任务频率，y轴为任务协同计算时延，并以毫秒为单位。从图8中可以看出，当任务量较小时，任务执行时延较低，网络模型有足够的计算能力来为用户提供服务。但随着任务量的增加，计算能力有限的路侧单元和移动边缘计算服务器会存在排队任务，带来了额外的计算时延。通过图8可知，本基于ddqn网络模型进行处理任务时，在计算时延方面的表现优于dqn网络模型和a3c网络模型。
[0097]
根据上述描述可知，本发明提供的面向智慧公路的任务协同处理方法，所述方法应用于设置有路侧单元的智慧公路，通过将路侧单元作为计算单元加入到多级边缘网络中协同处理任务，并基于ddqn网络模型得到多级边缘网络中各计算单元的子处理结果，进而得到协同处理结果，以确保任务处理的负载均衡性和低延时性。
[0098]
基于相同的构思，本发明还提供一种面向智慧公路的任务协同处理装置。
[0099]
下面对本发明提供的面向智慧公路的任务协同处理装置进行描述，下文描述的面向智慧公路的任务协同处理装置与上文描述的方法可相互对应参照。
[0100]
图9是本发明提供的面向智慧公路的任务协同处理装置的结构示意图。
[0101]
在本发明一示例性实施例中，如图9所示，面向智慧公路的任务协同处理装置应用于设置有路侧单元的智慧公路，其中，面向智慧公路的任务协同处理装置可以包括获取模块910、处理模块920和整合模块930，下面将分别介绍各模块。
[0102]
获取模块910可以被配置为用于获取车辆的任务信息，并将任务信息上传至移动边缘计算服务器。
[0103]
处理模块920可以被配置为用于基于ddqn网络模型，通过移动边缘计算服务器将任务信息分配至多级边缘网络中各计算单元进行协同处理，得到多个子处理结果，其中，计算单元至少包括路侧单元、移动边缘计算服务器以及云计算单元。
[0104]
整合模块930可以被配置为用于基于多个子处理结果，得到协同处理结果。
[0105]
在本发明一示例性实施例中，获取模块910还可以被配置为用于获取多级边缘网络的状态信息，处理模块920可以采用以下方式基于ddqn网络模型，通过移动边缘计算服务器将任务信息分配至多级网络中各计算单元进行协同处理：
[0106]
基于多级边缘网络的状态信息以及ddqn网络模型，确定与状态信息对应的任务协同方案；按照任务协同方案，通过移动边缘计算服务器将任务信息分配至多级网络中各计算单元进行协同处理，其中，任务协同方案包括多级网络中各计算单元的最优任务拆分方案和最优任务计算方案。
[0107]
在本发明一示例性实施例中，处理模块920可以采用以下方式基于多级边缘网络的状态信息以及ddqn网络模型，确定与状态信息对应的任务协同方案：将多级边缘网络的状态信息输入至ddqn网络模型，得到与状态信息对应的动作价值函数；通过贪婪法，确定与动作价值函数对应的动作方案，并把动作方案作为与状态信息对应的任务协同方案。
[0108]
在本发明一示例性实施例中，获取模块910可以采用以下方式获取车辆的任务信息：确定与车辆为预设距离的第一路侧单元；基于第一路侧单元，获取车辆的任务信息。
[0109]
在本发明一示例性实施例中，整合模块930可以采用以下方式基于多个子处理结果，得到协同处理结果：将多个子处理结果进行整合，得到协同处理结果。
[0110]
在本发明一示例性实施例中，面向智慧公路的任务协同处理装置还包括回传模块，其中，回传模块可以被配置为用于：将协同处理结果回传至车辆。
[0111]
图10示例了一种电子设备的实体结构示意图，如图10所示，该电子设备可以包括：处理器(processor)1010、通信接口(communications interface)1020、存储器(memory)1030和通信总线1040，其中，处理器1010，通信接口1020，存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令，以执行面向智慧公路的任务协同处理方法，该方法应用于设置有路侧单元的智慧公路，其包括：获取车辆的任务信息，并将任务信息上传至移动边缘计算服务器；基于ddqn网络模型，通过移动边缘计算服务器将任务信息分配至多级边缘网络中各计算单元进行协同处理，得到多个子处理结果，其中，计算单元至少包括路侧单元、移动边缘计算服务器以及云计算单元；基于多个子处理结果，得到协同处理结果。
[0112]
此外，上述的存储器1030中的逻辑指令可以通过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。
[0113]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的面向智慧公路的任务协同处理方法，该方法应用于设置有路侧单元的智慧公路，其包括：获取车辆的任务信息，并将任务信息上传至移动边缘计算服务器；基于ddqn网络模型，通过移动边缘计算服务器将任务信息分配至多级边缘网络中各计算单元进行协同处理，得到多个子处理结果，其中，计算单元至少包括路侧单元、移动边缘计算服务器以及云计算单元；基于多个子处理结果，得到协同处理结果。
[0114]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程
序，该计算机程序被处理器执行时实现以执行上述各方法提供的面向智慧公路的任务协同处理方法，该方法应用于设置有路侧单元的智慧公路，其包括：获取车辆的任务信息，并将任务信息上传至移动边缘计算服务器；基于ddqn网络模型，通过移动边缘计算服务器将任务信息分配至多级边缘网络中各计算单元进行协同处理，得到多个子处理结果，其中，计算单元至少包括路侧单元、移动边缘计算服务器以及云计算单元；基于多个子处理结果，得到协同处理结果。
[0115]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0116]
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
[0117]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。