一种交通流仿真方法和相关设备与流程

1.本发明涉及智能驾驶测试技术领域，具体涉及一种交通流仿真方法和相关设备。


背景技术：

2.交通流仿真指用仿真技术来研究交通行为，是一门对交通运动随时间和空间的变化进行跟踪描述的技术。
3.现有的交通流仿真系统一般是利用区域的出行需求信息进行区域各部分间交通流量的时空分配，进而模拟区域内每条道路上每个时刻的交通流量，并按照一些简化的运动学规则使上述交通流中的每一辆交通车从起点运行到终点，并且符合数量和时长的设定。
4.首先，对于现有的交通流仿真系统，其侧重点在于宏观交通规律的仿真模拟，主要用于研究区域交通的通行效率、停车时间、平均车速、车流密度以及平均能耗等方面的指标，其设定的车辆运动规则只是通过简单的恒加速或恒减速过程来达到车辆所需的纵向速度，而横向速度方面也以固定的变道时间均匀地完成横向位移过程。
5.申请人经研究发现，现有交通流仿真系统对于车辆运动的简化，导致了现有的仿真系统在仿真模拟的过程中不能准确车辆的连续运动状态，进而导致其对于区域交通的评价指标存在一定偏差，无法相对准确地体现实际情况。
6.因此，如何实现对车辆真实情况的模拟，成为本领域技术人员亟待解决的技术问题之一。


技术实现要素：

7.有鉴于此，本发明实施例提供一种交通流仿真方法和相关设备，以提高交通流仿真的仿真结果的可靠性。
8.为实现上述目的，本发明实施例提供如下技术方案：
9.一种交通流仿真方法，包括：
10.获取目标驾驶员模型对应的当前仿真步长的场景状态量，所述场景状态量包括：当前仿真步长的车辆状态信息和交通状态信息；
11.将所述场景状态量加载至所述目标驾驶员模型，获取所述目标驾驶员模型基于所述场景状态量计算得到的下一仿真步长对应的期望纵向速度和期望横向位移，其中，所述目标驾驶员模型基于所需参数计算所述车辆下一时刻要达到的期望纵向速度和期望横向位移，所需参数包括车辆的当前速度、所处车道、与前方车辆的距离；
12.基于相邻两仿真步长的时间间隔以及所述期望横向位移计算得到与所述期望横向位移对应的期望横向速度；
13.基于车辆控制参数计算得到与所述期望纵向速度和期望横向位移相对应的下一仿真步长的预估纵向速度和预估横向速度，其中，所述控制参数至少包括安全状态下最大油门踏板开度和最大刹车踏板开度；
14.基于所述预估纵向速度、所述预估横向速度以及车辆运动状态限制条件对所述期望纵向速度和期望横向速度进行校正，得到下一仿真步长的真实纵向速度和真实横向速度；
15.将所述真实纵向速度和真实横向速度作为所述驾驶员模型对应的下一仿真步长的车辆状态更新至车辆状态信息中，并更新所述场景状态量。
16.一种交通流仿真装置，包括：
17.场景信息获取单元，用于获取目标驾驶员模型对应的当前仿真步长的场景状态量，所述场景状态量包括：当前仿真步长的车辆状态信息和交通状态信息；
18.期望行驶状态计算单元，用于将所述场景状态量加载至所述目标驾驶员模型，获取所述目标驾驶员模型基于所述场景状态量计算得到的下一仿真步长对应的期望纵向速度和期望横向位移，基于相邻两仿真步长的时间间隔以及所述期望横向位移计算得到与所述期望横向位移对应的期望横向速度；其中，所述目标驾驶员模型基于所需参数计算所述车辆下一时刻要达到的期望纵向速度和期望横向位移，所需参数包括车辆的当前速度、所处车道、与前方车辆的距离；
19.实际行驶状态估算单元，用于基于车辆控制参数计算得到与所述期望纵向速度和期望横向位移相对应的下一仿真步长的预估纵向速度和预估横向速度，其中，所述控制参数至少包括安全状态下最大油门踏板开度和最大刹车踏板开度；
20.校正单元，用于基于所述预估纵向速度、所述预估横向速度以及车辆运动状态限制条件对所述期望纵向速度和期望横向速度进行校正，得到下一仿真步长的真实纵向速度和真实横向速度；
21.场景更新单元，用于将所述真实纵向速度和真实横向速度作为所述驾驶员模型对应的下一仿真步长的车辆状态更新至车辆状态信息中，并更新所述场景状态量。
22.一种交通流仿真设备，包括：
23.存储器和处理器；所述存储器存储有适于所述处理器执行的程序，所述程序用于执行上述任意一项所述交通流仿真方法的各个步骤。
24.基于上述技术方案，本发明实施例提供的上述方案，在交通流仿真过程中，获取当前仿真步长的场景状态量，然后基于该场景状态量计算得到下一仿真步长的期望纵向速度和期望横向速度，再基于车辆控制参数计算得到与所述期望纵向速度和期望横向速度相对应的下一仿真步长的预估纵向速度和预估横向速度，将所述预估纵向速度和预估横向速度以及预设的车辆运动状态限制条件对所述期望纵向速度和期望横向速度进行校正，得到下一仿真步长的真实纵向速度和真实横向速度，将所述真实纵向速度和真实横向速度作为所述驾驶员模型对应的下一仿真步长的车辆状态更新至车辆状态信息中，并更新所述场景状态量，本方案通过场景状态量实时调整仿真车辆在下一仿真步长的运动状态，并且基于车辆控制参数以及预设的车辆运动状态限制条件对车辆下一仿真步长的运动状态进行校正，使得车辆的运动状态更加符合实际车辆，提高了交通流仿真结果的可靠性。
附图说明
25.为了更清楚地说明本发明实施例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，还可以根据提供的附图获得其他的附图。
26.图1为本技术实施例公开的交通流仿真方法的流程示意图；
27.图2为本技术实施例公开的交通流仿真装置的结构示意图；
28.图3为本技术实施例公开的交通流仿真设备的结构示意图。
具体实施方式
29.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，所描述的实施例仅仅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做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。
30.为了实现对车辆真实情况的模拟，本技术通过获取车辆各个仿真步长的场景状态量，基于该场景状态量计算得到车辆下一仿真步长的期望状态，然后控制驾驶模型基于所述下一仿真步长的期望状态，以及车辆控制参数对车辆下一仿真步长的估算状态，最后采用所述估算状态以及预设的车辆运动状态限制条件对所述期望状态进行校正，得到校正后的车辆在下一仿真步长的真实状态，基于所述真实状态对车辆的下一仿真步长的场景状态量进行更新。
31.参见图1，本技术实施例公开的交通流仿真方法，可以包括：步骤s101-s106。
32.步骤s101：获取目标驾驶员模型对应的当前仿真步长的场景状态量。
33.在本步骤中，通过目标驾驶员模型控制车辆的运行状态，每个目标驾驶员模型可以控制一个车辆，也可以同时控制多个车辆，每个车辆对应有各自的仿真步长的场景状态量，且每个仿真步长对应一组场景状态量，所述场景状态量由sumo仿真场景定义得到，所述场景状态量用于表征所述车辆的车辆状态信息，以及所述车辆所处的模拟位置以及相关的环境的交通状态信息，所述车辆状态信息和所述交通状态信息的具体内容可以基于用户需求自行设定，例如，所述车辆状态信息可以包括：车辆的速度、所处车道位置、车辆与前车辆的车距离，所述交通状态信息，可以包括车辆所处的模拟道路的道路限速、车辆所处的位置与前方路口距离、前方路口红绿灯状态等信息。
34.步骤s102：将所述场景状态量加载至所述目标驾驶员模型，获取所述目标驾驶员模型基于所述场景状态量计算得到的下一仿真步长对应的期望纵向速度和期望横向位移。
35.所述期望纵向速度可以为车辆的纵向速度，所述横向位移指的是期望下一时刻车辆相对于车辆行驶方向向左或向右位移的距离，例如，控制车辆变道时，所产生的横向位移，在这里，横向和纵向均是针对于车辆而言。
36.在本方案中，所述目标驾驶员模型用于由所述场景状态量中获取所需参数，并基于所需参数计算所述车辆下一时刻所想要达到的纵向速度和横向位移，所需参数可以指的是车辆的当前速度、所处车道、与前方车辆的距离，基于这些参数，所述目标驾驶员模型通过分析算法可以计算得到下一时刻所期望的车辆的期望状态，所述期望状态可以包括期望纵向速度和期望横向位移。其中，所述目标驾驶员模型通过内部智能分析算法可以计算得到下一时刻所期望的车辆的期望状态时，可以基于车辆与前方车辆的距离，判断车辆是否有加速需求，通过判断车辆与前方车辆的距离以及车辆的当前速度判断车辆是否有变道需
求，基于车辆所处道路，判断车辆是否超速或者是是否允许变道等，基于这些判断结果，计算得到下一时刻所期望的车辆的期望状态。例如，当检测到车辆与前方车辆距离过大时，表明车辆有加速需求，如果检测到车辆与前方车辆距离过近，且车辆的当前速度过低，且所处车道允许变道时，表明车辆有变道需求。
37.在本方案中，所述目标驾驶员模型的类型可以基于用户需求自行选择，出于运行效率考虑，所述目标驾驶员模型可以为基于开源仿真软件sumo的驾驶员模型，由于所述驾驶员模型中程序代码和sumo软件主体共同编译，共享软件内部变量和功能函数，无需任何外部通信和接口调用手段，因此，基于开源仿真软件sumo的驾驶员模型具有较高的运行效率高。
38.步骤s103：基于相邻两仿真步长的时间间隔以及所述期望横向位移计算得到与所述期望横向位移对应的期望横向速度。
39.本步骤中，在计算期望横向速度时，可以基于两个仿真步长之间的时间差，以及所述期望横向位移进行计算，将所述两个仿真步长之间的时间差作为行驶时长，将期望横向位移作为行驶距离，通过行驶时长和行驶距离之间的关系计算得到行驶速度，该速度即为期望横向速度。
40.步骤s104：基于车辆控制参数计算得到与所述期望纵向速度和期望横向位移相对应的下一仿真步长的预估纵向速度和预估横向速度。
41.在本步骤中，所述控制参数至少包括安全状态下最大油门踏板开度和最大刹车踏板开度；
42.在本步骤中，会为不同的车辆配置不同的控制参数，所述控制参数可以包括：安全状态下最大油门踏板开度、最大刹车踏板开度等数据，在获取到下一时刻所期望的车辆的期望状态时，需要基于这些控制参数计算得到与所述期望纵向速度和期望横向速度相对应的下一仿真步长的预估纵向速度和预估横向速度。
43.具体的，在计算所述预估纵向速度和预估横向速度之前，需要计算在下一仿真步长所要达到所述期望纵向速度和期望横向速度所需的车辆控制参数，在本方案中，所述车辆控制参数包括油门踏板开度、刹车踏板开度、角度控制参数，在计算得到所需的油门踏板开度或刹车踏板开度和角度控制参数后，所述角度控制参数可以认为是车辆的转向角，然后再基于所需的油门踏板开度、刹车踏板开度和角度控制参数计算得到所述车辆下一仿真步长可以达到的预估纵向速度和预估横向速度，例如，车辆的当前纵向速度为a，横向速度为b，下一仿真步长的期望纵向速度为a，期望横向速度为b，如果要使得车辆的纵向速度在下一仿真步长由a切换为a、车辆的横速度在下一仿真步长由b切换为b，其对应的油门踏板开度、刹车踏板开度和角度控制参数即为上述车辆控制参数。
[0044][0045]
在本技术实施例公开的技术方案中，为了保证车辆安全驾驶，在本方案中，需要设置一些车辆控制参数限制条件，通过这些控制参数限制条件对控制参数进行限制，以保证车辆的安全行驶，由此，在获取到车辆要达到的期望纵向速度和期望横向位移所需的控制参数(油门踏板开度或刹车踏板开度)以后，需要将这些控制参数与预设的安全参数(例如油门踏板开度最大变化量、制动踏板开度最大变化量)进行比较，以所述安全参数作为车辆控制参数的限制条件对计算得到的车辆控制参数进行校正，得到校正后的车辆控制参数，
再基于当前车辆状态以及所述校正后的车辆控制参数，计算得到所述车辆在下一仿真步长可以达到的预估纵向速度和预估横向速度。在校正过程中，如果安全参数小于所述所需的车辆控制参数，则将所述安全参数作为车辆的控制参数，否则保持所述所需的车辆控制参数变不变。
[0046]
步骤s105：基于所述预估纵向速度、所述预估横向速度以及车辆运动状态限制条件对所述期望纵向速度和期望横向位移进行校正，得到校正后的下一仿真步长的真实纵向速度和真实横向速度。
[0047]
在本步骤中，不同的场景下，会有不同的限制条件，例如，车辆所处位置为实线位置，不允许变道，车辆所处位置的限速为n、车辆侧后方车辆距离过近，不允许变道等限制条件，这些限制条件可以由所述场景状态量中直接获得或进一步计算得到，当然，也可以直接将所述限制条件作为预设数据，在模拟过程中直接调取即可。
[0048]
在获取到所述车辆运动状态限制条件和所述预估纵向速度、所述预估横向速度以后，将这些数据作为限制条件对期望纵向速度和期望横速度移进行校正，将校正后的期望纵向速度和期望横速度作为下一仿真步长的车辆的真实纵向速度和真实横向速度。
[0049]
具体的，在本步骤中，基于所述预估横向速度以及车辆运动状态限制条件对所述期望横向速度进行校正，包括：获取所述车辆运动状态限制条件中限定的横向速度；确定所述预估横向速度、期望横向速度和车辆运动状态限制条件中限定的横向速度中的最小横向速度；将所述最小横向速度标记为校正后的期望横向速度。基于所述预估纵向速度以及车辆运动状态限制条件对所述期望纵向速度进行校正，包括：确定所述预估纵向速度、期望纵向速度和车辆运动状态限制条件中限定的纵向速度中的最小纵向速度，将所述最小纵向速度作为校正后的期望纵向速度。在本技术实施例公开的技术方案中，在计算预估横向速度时，需要涉及到车辆的转向角的问题，车辆纵向速度越大，转向角越大，则车辆的横向速度越大，由此，在确定车辆的纵向速度的基础上，通过设置适配的转向角可以使得车辆达到所需的横向速度，在本方案中，由于车辆驾驶过程中，横向速度一般由车辆变道产生，其速度一般较小，其对车辆纵向速度的影响可以忽略不计。在车辆驾驶过程中，如果车辆转向角过大，会影响车辆的安全驾驶，例如，导致车辆侧翻等，因此，在本方案中，还设置了车辆的安全转向角。
[0050]
此时，上述方法中将所述最小横向速度标记为校正后的期望横向速度，具体包括：
[0051]
确定所述预估纵向速度、期望纵向速度和车辆运动状态限制条件中限定的纵向速度中的最小纵向速度，将所述最小纵向速度作为下一仿真步长的真实纵向速度；计算所述最小横向速度和真实纵向速度产生的向量与所述车辆的纵向方向之间的夹角；在所述夹角不大于预设的安全转向角的情况下，将所述最小横向速度标记为校正后的期望横向速度；在所述夹角大于预设的安全转向角的情况下，将所述安全转向角对应的横向速度标记为校正后的期望横向速度，从而保证了车辆的安全行驶。步骤s106：将所述真实纵向速度和真实横向速度作为所述驾驶员模型对应的下一仿真步长的车辆状态更新至车辆状态信息中，并更新所述场景状态量。
[0052]
在本步骤中，在计算得到下一仿真步长的真实纵向速度和真实横向速度，所述车辆在模拟道路上的位置、与前车的距离、路口红绿灯状态等都会发生变化，此时，需要基于所述真实纵向速度和真实横向速度更新下一步长的车辆对应的场景状态量，从而实现了精
准的车辆行驶状态的模拟，使得交通流仿真更加可靠。
[0053]
交通流仿真的目的是测试出某条路段在，某个时间段内的车辆通行速度，因此，在本方案中，在获取到目标驾驶员模型对应的各个仿真车辆在各个仿真步长的交通状态信息，基于场景状态量，即可计算得到在仿真过程中，车辆的平均速度，例如，可以根据场景状态量中各个仿真步长下仿真车辆的车辆速度、车辆与前方路口距离等参数计算得到所述车辆仿真过程中的平均行驶速度，以及车辆通过该道路所用的时间。
[0054]
对应于上述方法，本实施例中公开了一种交通流仿真装置，装置中的各个单元的具体工作内容，请参见上述方法实施例的内容。
[0055]
下面对本发明实施例提供的交通流仿真装置进行描述，下文描述的交通流仿真装置与上文描述的交通流仿真方法可相互对应参照。
[0056]
参见图2，本技术实施例公开的交通流仿真装置，包括：
[0057]
场景信息获取单元a，其与上述方法中步骤s101相对应，用于获取目标驾驶员模型对应的当前仿真步长的场景状态量，所述场景状态量包括：当前仿真步长的车辆状态信息和交通状态信息；
[0058]
期望行驶状态计算单元b，其与上述方法中步骤s102相对应，用于
[0059]
将所述场景状态量加载至所述目标驾驶员模型，获取所述目标驾驶员模型基于所述场景状态量计算得到的下一仿真步长对应的期望纵向速度和期望横向位移，其中，所述目标驾驶员模型基于所需参数计算所述车辆下一时刻要达到的期望纵向速度和期望横向位移，所需参数包括车辆的当前速度、所处车道、与前方车辆的距离；基于相邻两仿真步长的时间间隔以及所述期望横向位移计算得到与所述期望横向位移对应的期望横向速度；
[0060]
实际行驶状态估算单元c，其与上述方法中步骤s103相对应，用于基于车辆控制参数计算得到与所述期望纵向速度和期望横向位移相对应的下一仿真步长的预估纵向速度和预估横向速度，其中，所述控制参数至少包括安全状态下最大油门踏板开度和最大刹车踏板开度；
[0061]
校正单元d，其与上述方法中步骤s104相对应，用于基于所述预估纵向速度、所述预估横向速度以及车辆运动状态限制条件对所述期望纵向速度和期望横向速度进行校正，得到下一仿真步长的真实纵向速度和真实横向速度；
[0062]
场景更新单元e，其与上述方法中步骤s105相对应，用于将所述真实纵向速度和真实横向速度作为所述驾驶员模型对应的下一仿真步长的车辆状态更新至车辆状态信息中，并更新所述场景状态量。
[0063]
与上述方法相对应，所述实际行驶状态估算单元具体用于：
[0064]
基于当前车辆状态，计算得到要达到所述期望纵向速度和期望横向位移所需的车辆控制参数；
[0065]
基于当前车辆状态以及所述车辆控制参数，计算得到所述目标车辆模型下一仿真步长可以达到的预估纵向速度和预估横向速度。
[0066]
与上述方法相对应，在所述控制参数包括安全状态下最大油门踏板开度和最大刹车踏板开度的情况下，所述实际行驶状态估算单元在计算预估纵向速度和预估横向速度时，还用于：
[0067]
采用所述安全状态下最大油门踏板开度和最大刹车踏板开度对所述车辆控制参
数进行修正，基于当前车辆状态以及修正后的车辆控制参数计算得到所述目标车辆模型下一仿真步长可以达到的预估纵向速度和预估横向速度。
[0068]
与上述方法相对应，所述实际行驶状态估算单元在采用所述安全状态下最大油门踏板开度和最大刹车踏板开度对所述车辆控制参数进行修正时，具体用于：当所述车辆控制参数中的油门踏板开度满足大于安全状态下最大油门踏板开度的条件下，以所述安全状态下最大油门踏板开度作为车辆的车辆控制参数中的油门踏板开度，当所述车辆控制参数中的油门踏板开度不满足大于安全状态下最大油门踏板开度的条件下，保持所述车辆控制参数中的油门踏板开度不变；
[0069]
当所述车辆控制参数中的刹车踏板开度满足大于安全状态下最大刹车踏板开度的条件下，以所述安全状态下最大刹车踏板开度作为车辆的车辆控制参数中的刹车踏板开度，当所述车辆控制参数中的刹车踏板开度不满足大于安全状态下最大刹车踏板开度的条件下，保持所述车辆控制参数中的刹车踏板开度不变。
[0070][0071]
与上述方法相对应，所述校正单元在基于所述预估横向速度以及车辆运动状态限制条件对所述期望横向速度进行校正时，具体用于：获取所述车辆运动状态限制条件中限定的横向速度；确定所述预估横向速度、期望横向速度和车辆运动状态限制条件中限定的横向速度中的最小横向速度；将所述最小横向速度标记为校正后的期望横向速度。
[0072]
所述校正单元在将所述最小横向速度标记为校正后的期望横向速度时，具体用于：
[0073]
确定所述预估纵向速度、期望纵向速度和车辆运动状态限制条件中限定的纵向速度中的最小纵向速度，将所述最小纵向速度作为下一仿真步长的真实纵向速度；计算所述最小横向速度和真实纵向速度产生的向量与所述车辆的纵向方向之间的夹角；判断所述夹角是否大于预设的安全转向角；如果不大于预设的安全转向角，则将所述最小横向速度标记为校正后的期望横向速度；如果大于预设的安全转向角，则将所述安全转向角对应的横向速度标记为校正后的期望横向速度。
[0074]
与上述方法相对应，上述装置还可以包括速度计算单元，用于根据场景状态量中各个仿真步长下车辆的车辆速度、车辆与前方路口距离等参数计算得到所述车辆仿真过程中的平均行驶速度，以及车辆通过仿真道路所用的时间。
[0075]
对应于上述方法，本技术还公开了交通流仿真设备，图3为本发明实施例提供的交通流仿真设备的硬件结构图，参见图3所示，可以包括：至少一个处理器100，至少一个通信接口200，至少一个存储器300和至少一个通信总线400；
[0076]
在本发明实施例中，处理器100、通信接口200、存储器300、通信总线400的数量为至少一个，且处理器100、通信接口200、存储器300通过通信总线400完成相互间的通信；显然，图3所示的处理器100、通信接口200、存储器300和通信总线400所示的通信连接示意仅是可选的；
[0077]
可选的，通信接口200可以为通信模块的接口，如gsm模块的接口；
[0078]
处理器100可能是一个中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。
[0079]
存储器300可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0080]
其中，处理器100具体用于执行本技术上述各个交通流仿真方法实施例公开的具体流程
[0081]
为了描述的方便，描述以上系统时以功能分为各种模块分别描述。当然，在实施本发明时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
[0082]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统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劳动的情况下，即可以理解并实施。
[0083]
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0084]
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
[0085]
还需要说明的是，在本文中，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。
[0086]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业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公开的原理和新颖特点相一致的最宽的范围。