车辆需求估计方法、装置、电子设备及存储介质与流程

1.本公开实施例涉及车辆需求估计技术领域，更具体地，涉及车辆需求估计方法、装置、电子设备及存储介质。


背景技术：

2.在单车调度的业务场景里，需要预估电子围栏在未来一段时间骑行需求的缺口，该缺口用来作为调度决策的关键因素，而缺口计算的核心问题是需求的估计。
3.当前对于电子围栏内的单车需求估计方案是把围栏的骑出订单数作为围栏的骑行需求。此种方式在车辆供给充足时是可行的，因为，当车辆共计充足时，骑出订单数等于骑行需求。但是当车辆供给不充足时，骑行订单数会被供给限制，因为可能出现在某一电子围栏内已经没有车辆，就是车辆全部被骑出，但是此时依然有用户想要从该电子围栏内骑行车辆。
4.综上所述，现有的车辆需求计算方法存在忽略潜在需求的可能性，导致计算出的需求准确性不高。


技术实现要素：

5.本公开的一个目的是提供一种车辆需求估计方法、装置、电子设备及存储介质的新的技术方案。
6.根据本公开的第一方面，提供了车辆需求估计方法的一个实施例，所述方法包括：获取车辆需求数据；将所述车辆需求数据作为车辆需求估计模型的输入，获得所述车辆需求估计模型输出的车辆需求的估计结果；
7.其中，所述车辆需求估计模型是基于贝叶斯神经网络创建的模型。
8.可选地，在将所述车辆需求数据作为车辆需求估计模型的输入之前，所述方法还包括：获取历史车辆需求数据，作为样本数据；通过所述样本数据和预设的损失函数对所述贝叶斯神经网络进行训练，得到所述车辆需求估计模型。
9.可选地，所述损失函数基于变分推断中的相对熵kl散度计算得到。
10.可选地，所述车辆需求数据包括：电子围栏信息、每一电子围栏内的车辆供应数目、骑出电子围栏的车辆数目，以及车辆被骑出电子围栏的时间。
11.可选地，所述通过所述样本数据和预设的损失函数对所述贝叶斯神经网络进行训练，得到所述车辆需求估计模型，包括：获取所述样本数据的高斯分布参数；根据所述高斯分布参数和所述损失函数，调整所述贝叶斯神经网络的参数，得到满足预设收敛条件的所述车辆需求估计模型，其中，所述预设收敛条件包括所述损失函数的当前值小于预设门限值。
12.可选地，所述样本数据的高斯分布参数包括所述车辆需求数据的方差和均值；其中，所述车辆需求数据的方差和均值根据所述样本数据的多次输出结果计算得到。
13.根据本公开的第二方面，提供了车辆需求估计装置的一个实施例，所述装置包括：
数据获取模块，用于获取车辆需求数据；估计模块，用于将所述车辆需求数据作为车辆需求估计模型的输入，获得所述车辆需求估计模型输出的车辆需求的估计结果；其中，所述车辆需求估计模型是基于贝叶斯神经网络创建的模型。
14.可选地，所述装置包括模型创建模块，所述模型创建模块用于：获取历史车辆需求数据，作为样本数据；通过所述样本数据和预设的损失函数对所述贝叶斯神经网络进行训练，得到所述车辆需求估计模型。
15.根据本公开的第三方面，提供了电子设备的一个实施例，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如本说明书的第一方面所述的方法的步骤。
16.根据本公开的第四方面，提供了可读存储介质的一个实施例，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如本说明书的第一方面所述的方法的步骤。
17.本公开实施例的一个有益效果在于，本实施例采用基于贝叶斯神经网络创建的车辆需求估计模型，采用贝叶斯推断进行需求的估计，可以根据具有随机属性的车辆需求，输出一个概率分布更加贴近车辆需求本质的估算结果，可以评估出预测的不确定性和相关的风险，预测的精度更高。
18.通过以下参照附图对本说明书的示例性实施例的详细描述，本说明书的其它特征及其优点将会变得清楚。
附图说明
19.被结合在说明书中并构成说明书的一部分的附图示出了本说明书的实施例，并且连同其说明一起用于解释本说明书的原理。
20.图1为本公开实施例提供的车辆需求估计方法的系统架构图；
21.图2为本实施例的车辆需求估计方法的流程示意图；
22.图3是根据一个实施例的车辆需求估计装置的原理框图；
23.图4是根据一个实施例的电子设备的方框原理图。
具体实施方式
24.现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
25.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
26.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
27.在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
28.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
29.本公开实施例涉及车辆的骑行需求的应用场景。
30.车辆的骑行需求是指导单车的调度的重要数据，目前对骑行需求的估计是根据实际的骑行订单数来预估，但是，某一电子围栏内的车辆供给是一定的，当车辆的供给小于单车的需求时，实际的骑行订单数已经不能表征真实的需求，因此，需要一种更加合理的方式来对车辆的真实的骑行需求进行估计。
31.针对以上实施方式存在的技术问题，本公开提供一种车辆需求估计方法、装置、设备、存储介质及系统，通过贝叶斯方法对骑行需求进行不确定性的估计，可以更好的计算骑行需求的缺口，更好指导单车的调度。
32.《硬件配置》
33.图1可用于实现本公开实施例提供的车辆需求估计方法的系统架构图。
34.如图1所示，该系统包括服务器2000、终端设备1000和车辆3000。
35.该服务器2000与终端设备1000，以及服务器2000与车辆3000可以通过网络4000通信连接。车辆3000与服务器2000，以及终端设备1000与服务器2000进行通信所基于的网络4000可以是同一个，也可以是不同的。网络4000可以是无线通信网络也可以是有线通信网络，可以是局域网也可以是广域网。
36.该服务器2000提供处理、数据库、通讯设施的业务点。服务器2000可以是整体式服务器，跨多计算机，计算机数据中心的分散式服务器，云服务器，或者部署在云端的服务器集群等。服务器可以是各种类型的，例如但不限于，网络服务器，新闻服务器，邮件服务器，消息服务器，广告服务器，文件服务器，应用服务器，交互服务器，数据库服务器，或代理服务器。在一些实施例中，每个服务器可以包括硬件，软件，或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。该服务器2000具体配置可以包括但不限于处理器2100、存储器2200、接口装置2300、通信装置2400。处理器2100用于执行采用比如x86、arm、risc、mips、sse等架构的指令集编写的计算机程序。存储器2200例如是rom(只读存储器)、ram(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置2300例如是usb接口、串行接口、并行接口等。通信装置2400例如是能够进行有线通信或无线通信，例如可以包括wifi通信、蓝牙通信、2g/3g/4g/5g通信等。
37.应用于本公开实施例中，服务器2000的存储器2200用于存储计算机程序，该计算机程序用于控制所述处理器2100进行操作以实现根据本公开实施例的方法。技术人员可以根据本公开所公开方案设计该计算机程序。该计算机程序如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
38.本领域技术人员应当理解，除图1示出的各装置，服务器2000还可以包括其他装置，在此不做限定。
39.本实施例中，终端设备1000例如是手机、便携式电脑、平板电脑、掌上电脑、可穿戴设备等。
40.该终端设备1000安装有用车应用客户端，用户可以通过操作该用车应用客户端，实现使用车辆3000的目的。
41.该终端设备1000可以包括但不限于处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中，处理器1100可以是中央处理器cpu、图形处理器gpu、微处理器mcu等，用于执行计算机程序，该计算机程
序可以采用比如x86、arm、risc、mips、sse等架构的指令集编写。存储器1200例如包括rom(只读存储器)、ram(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括usb接口、串行接口、并行接口等。通信装置1400例如能够利用光纤或电缆进行有线通信，或者进行无线通信，具体地可以包括wifi通信、蓝牙通信、2g/3g/4g/5g通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。扬声器1170用于输出音频信号。麦克风1180用于拾取音频信号。
42.应用于本公开实施例中，终端设备1000的存储器1200用于存储计算机程序，该计算机程序用于控制处理器1100进行操作以执行本公开实施例的方法，该计算机程序如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。该终端设备1000可以安装有智能操作系统(例如windows、linux、安卓、ios等系统)和应用软件。
43.本领域技术人员应当理解，尽管在图1中示出了终端设备1000的多个装置，但是，本公开实施例的终端设备1000可以仅涉及其中的部分装置，例如，只涉及处理器1100、存储器1200等。
44.车辆3000可以是图1中所示的自行车，也可以是三轮车、电动助力车、摩托车以及四轮乘用车等各种形态，在此不做限定。
45.该车辆3000可以包括但不限于处理器3100、存储器3200、接口装置3300、通信装置3400、显示装置3500、输入装置3600、扬声器3700、麦克风3800等等。其中，处理器3100可以是微处理器mcu等。存储器3200例如包括rom(只读存储器)、ram(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置3300例如包括usb接口、串行接口、并行接口等。通信装置3400例如能够利用光纤或电缆进行有线通信，或者进行无线通信，具体地可以包括wifi通信、蓝牙通信、2g/3g/4g/5g通信等。显示装置3500例如可以是液晶显示屏、触摸显示屏等。输入装置3600例如可以包括触摸屏、键盘等，也可以是麦克风输入语音信息。车辆3000可以通过扬声器3700输出音频信号，及通过麦克风3800采集音频信号。
46.应用于本公开实施例中，车辆3000的存储器3200用于存储计算机程序，该计算机程序用于控制处理器3100进行操作以执行与服务器2000之间的信息交互，例如向服务器上传车辆的位置信息，以使服务器判断该车辆是否超出电子围栏的限定范围。该计算机程序如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
47.尽管在图1中示出了车辆3000的多个装置，但是，本发明可以仅涉及其中的部分装置，例如，车辆3000只涉及处理器3100、存储器3200和通信装置3400。
48.应当理解的是，尽管图1仅示出一个服务器2000、终端设备1000、车辆3000，但不意味着限制各自的数量，本系统中可以包含多个服务器2000、多个终端设备1000、多个车辆3000。
49.下面，参照附图描述根据本发明的各个实施例和例子。
50.《方法实施例》
51.图2是根据一个实施例的车辆需求估计方法的流程示意图，该实施例可以由服务器2000实施。
52.如图2所示，本实施例的车辆需求估计方法可以包括如下步骤：
53.s210、获取车辆需求数据。
54.可选地，车辆需求数据可以是待预估的电子围栏对应的当前数据，包括待估电子
围栏信息、待估电子围栏内的供给车辆数据和当前时刻电子围栏内的车辆骑出订单数目，以及车辆被骑出的时间。
55.可选地，待估电子围栏内的供给车辆数据可以预先存储在服务器的自身数据库中，当前时刻电子围栏内的车辆骑出订单可以通过用户使用的电子终端发送至服务器的车辆用车信息得到。
56.s220、将车辆需求数据作为车辆需求估计模型的输入，获得车辆需求估计模型输出的车辆需求的估计结果。
57.本实施例中，车辆需求估计模型是基于贝叶斯神经网络创建的模型。其中，贝叶斯神经网络可以包括一个输入层，一个输出层和多个隐藏层，并且每层可以包括多个神经单元。其中，每个神经单元可以看成一个函数方程，其输入为上一层所有神经单元输出的加权求和。需要说明的是，本发明对贝叶斯神经网络的层数和每层神经单元的个数不作具体限定。
58.可以理解的是，影响骑行需求的因素非常多，包括天气、地方政府的政策法规、竞争对手和随机事件等影响，需要用一个概率分布描述需求的不确定性，而不是一个确定的值。因此，本实施例应用贝叶斯的方法进行需求的估计，可以根据具有随机属性的车辆需求，输出一个概率分布更加贴近车辆需求本质的估算结果，预测的精度更高，且可以评估出预测的不确定性和相关的风险，可以使模型融合先验知识，可度量需求不确定性，且有较强的可解释性。
59.可以理解的是，在采用车辆需求估计模型进行车辆需求估计之前，需要先创建车辆需求估计模型，其中，创建车辆需求估计模型包括：获取历史车辆需求数据，作为样本数据；通过所述样本数据和预设的损失函数对贝叶斯神经网络进行训练，得到所述车辆需求估计模型。
60.同样，历史车辆需求数据包括：电子围栏信息、每一电子围栏内的车辆供应数目、骑出电子围栏的车辆数目，以及车辆被骑出电子围栏的时间。
61.在一些例子中，可以根据车辆被骑出电子围栏的时间，将历史车辆需求数据按是否工作日和早晚高峰把历史车辆需求数据进行分组，每个分组下的数据可以作为样本数据。
62.假设骑行需求服从高斯分布的先验，通过样本数据和预设的损失函数对贝叶斯神经网络进行训练，可以用贝叶斯的方法推断参数值，进而获得骑行需求的概率分布，其中，预设的损失函数基于变分推断中的相对熵kl散度计算得到。
63.变分推断是贝叶斯近似推断方法中的一类重要的方法，该方法将后验推断问题转化为优化问题进行求解，相比其他方法，变分推断具有更好的收敛性和可扩展性，适合求解大规模近似推断问题。
64.在一个例子中，通过变分推断得到的近似后验分布表达式可以为：
65.q
*
(z)＝argmin
q(z)∈q
kl(q(z)||p(z|x))
66.其中，q
*
(z)是来源于分布函数族q的最接近后验分布p(z|x)的函数，可以得到使相对熵kl取最小值时的变量值，p(z|x)是未知的后验分布。后验分布差异的度量使用相对熵kl散度，可以衡量相同事件空间里的两个概率分布的差异情况。其中，kl越小，表征分布差异越小，估算的结果越精确。
67.在一个例子中，变分推断可以采用概率模型编程工具pyro，可以自动计算概率模型梯度。
68.其中，在通过样本数据和预设的损失函数对贝叶斯神经网络进行训练的过程中，贝叶斯推断方法的变量包括电子围栏内的车辆供给数目supply，车辆需求demand以及骑出电子围栏的车辆数目out，则变量的联合概率分布可以表示为：
69.p(out,demand,supply)＝p(out|supply,demand)*p(demand)
70.其中，p(out|supply,demand)表示out在supply与demand下的条件分布概率，p(demand)表示骑出电子围栏的骑行需求的概率。
71.其中，demand与supply两者相互独立，demand服从高斯分布p(demand)～n(μ
demand
,σ
demand
)。
72.out在supply与demand下的条件分布为：
73.p(outi|supplyi,demand)～n(min(supplyi,demand),σ
out
)
74.其中，demand是全局变量，作用在所有样本数据上，outi和supplyi是局部变量，只跟对应数据点相关，与其他点的生成过程无关。
75.本实施例中，通过样本数据和预设的损失函数对贝叶斯神经网络进行训练，得到车辆需求估计模型，包括：获取样本数据的高斯分布参数；根据高斯分布参数和损失函数，调整贝叶斯神经网络的参数，得到满足预设收敛条件的车辆需求估计模型；其中，预设收敛条件包括损失函数的当前值小于预设门限值。也就是说，在确定损失函数的当前值小于预设门限值的情况下，得到训练完成的车辆需求估计模型。
76.本实施例中，样本数据的高斯分布参数包括所述车辆需求数据的方差和均值，其中，车辆需求数据的方差和均值根据样本数据的多次输出结果计算得到。
77.本实施例中，可以根据损失函数的当前值，更新高斯分布参数，从而更新车辆需求估计模型；基于更新后的车辆需求估计模型，更新所述损失函数的当前值；在确定损失函数的当前值小于预设门限值的情况下，得到训练完成的车辆需求估计模型。也就是，根据高斯分布参数和损失函数对车辆需求估计模型进行迭代更新，直至得到理想的车辆需求估计模型，其中，预设门限值可以根据需求设置，优选地，该预设门限值为相对熵kl散度最小时，损失函数对应的当前值。
78.可以理解的是，在创建车辆需求估计模型之后，需要该模型进行验证，验证的方式，可以在电子围栏内的车辆供给数目supply充足，一段时间内的实际骑行需求demand小于supply的情况下，对车辆需求估计模型进行验证，当车辆需求估计模型输出的车辆需求的估计结果与实际骑行需求一致的情况下，则表征车辆需求估计模型创建成功，则可以采用该车辆需求估计模型对待估电子围栏内的车辆需求进行预估。
79.本实施例采用贝叶斯推断进行需求的估计，可以根据具有随机属性的车辆需求，输出一个概率分布更加贴近车辆需求本质的估算结果，可以评估出预测的不确定性和相关的风险，预测的精度更高，且可以使模型融合先验知识，可度量需求不确定性，且有较强的可解释性。
80.《装置实施例》
81.图3是根据一个实施例的装置的原理框图。如图3所示，该车辆需求估计装置300可以包括：
82.数据获取模块301，用于获取车辆需求数据。
83.估计模块302，用于将所述车辆需求数据作为车辆需求估计模型的输入，获得所述车辆需求估计模型输出的车辆需求的估计结果；
84.其中，所述车辆需求估计模型是基于贝叶斯神经网络创建的模型。
85.车辆需求数据包括：电子围栏信息、每一电子围栏内的车辆供应数目、骑出电子围栏的车辆数目，以及车辆被骑出电子围栏的时间。
86.在一个可行的例子中，车辆需求估计装置还包括模型创建模块303，用于获取历史车辆需求数据，作为样本数据；通过样本数据和预设的损失函数对所述贝叶斯神经网络进行训练，得到所述车辆需求估计模型。
87.在一个可行的例子中，模型创建模块303还用于获取所述样本数据的高斯分布参数；根据所述高斯分布参数和所述损失函数，调整所述贝叶斯神经网络的参数，得到满足预设收敛条件的所述车辆需求估计模型，其中，所述预设收敛条件包括所述损失函数的当前值小于预设门限值。
88.具体的各模块的功能在上述方法实施例中均有描述，在此不再赘述。
89.本实施例采用贝叶斯推断进行需求的估计，可以根据具有随机属性的车辆需求，输出一个概率分布更加贴近车辆需求本质的估算结果，可以评估出预测的不确定性和相关的风险，预测的精度更高，且可以使模型融合先验知识，可度量需求不确定性，且有较强的可解释性。
90.《设备实施例》
91.图4是根据另一个实施例的电子设备的硬件结构示意图。
92.如图4所示，该电子设备400包括处理器410和存储器420，该存储器420用于存储可执行的计算机程序，该处理器410用于根据该计算机程序的控制，执行如以上任意方法实施例的方法。
93.该电子设备400可以是图1中的处理器2100。
94.以上电子设备400的各模块可以由本实施例中的处理器410执行存储器420存储的计算机程序实现，也可以通过其他电路结构实现，在此不做限定。
95.本实施例提供了一种计算机可读存储介质，该存储介质中存储有可执行命令，该可执行命令被处理器执行时，执行本说明书任意方法实施例中描述的方法。
96.本说明书的一个实施例或者多个实施例可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本说明书的各个方面的计算机可读程序指令。
97.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通
过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
98.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
99.用于执行本说明书实施例操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本说明书的各个方面。
100.这里参照根据本说明书实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本说明书的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
101.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
102.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
103.附图中的流程图和框图显示了根据本说明书的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，
它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人物来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
104.以上已经描述了本说明书的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人物来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人物能理解本文披露的各实施例。本技术的范围由所附权利要求来限定。