危险路段的提醒方法、装置、电子设备及介质与流程

1.本技术中涉及数据处理技术，尤其是一种危险路段的提醒方法、装置、电子设备及介质。


背景技术：

2.随着国内经济的快速发展，汽车行业也越来越发达。其中，提高汽车安全驾驶的自动化处理流程是车辆运营平台追求的目标。
3.相关技术中，当前方存在危险路段时，主要是通过部署危险指示牌的方式提醒过往的驾驶司机。然而，此种方式存在有如下缺点，例如指示牌的部署需要人力物力、指示牌可能被偷盗、指示牌污损维修不便等。因此，如何实现一种可以自动提醒司机前方存在有驾驶危险的预警方法，成为了本领域技术人员需要解决的问题。


技术实现要素：

4.本技术实施例提供一种危险路段的提醒方法、装置、电子设备及介质。用以解决相关技术中存在的，安全指示牌不易部署所导致的无法向司机预警前方存在有危险路段的问题。
5.其中，根据本技术实施例的一个方面，提供的一种危险路段的提醒方法，包括：
6.获取待检测车辆的路线轨迹以及行驶数据；
7.将所述路线轨迹以及行驶数据与预设的路段检测模型实时进行匹配，若确定所述待检测车辆的前方行驶路线上的第一距离处存在有危险路段，生成用于反映所述危险路段的提醒信息；
8.将所述提醒信息发送给驾驶所述待检测车辆的驾驶用户。
9.可选地，在基于本技术上述方法的另一个实施例中，在所述获取待检测车辆的路线轨迹以及行驶数据之前，还包括：
10.从大数据平台中获取多个路段数据；
11.在所述多个路段数据中，选取在历史时段内，已发生危险事件超过预设次数的待定义路段数据；
12.将所述多个待定义路段数据存储在危险路段数据库中，其中所述待定义路段数据包括所述待定义路段的位置信息以及危险事件信息。
13.可选地，在基于本技术上述方法的另一个实施例中，所述将所述多个待定义路段数据存储在所述危险路段数据库中，包括：
14.利用所述待定义路段数据对初始神经网络模型进行训练，生成预设的路段检测模型，所述路段检测模型用于确定各个待定义路段的路段危险等级；
15.将所述路段检测模型存储在所述危险路段数据库中。
16.可选地，在基于本技术上述方法的另一个实施例中，所述将所述路线轨迹以及行驶数据与预设的路段检测模型实时进行匹配，包括：
17.获取所述路线轨迹前方存在的待检测路段；
18.将所述待检测路段数据输入至所述路段检测模型，确定所述待检测路段对应的危险等级；
19.若检测到存在所述危险等级高于预设等级的待检测路段，将所述危险等级高于预设等级的待检测路段作为所述危险路段。
20.可选地，在基于本技术上述方法的另一个实施例中，在所述若检测到存在所述危险等级高于预设等级的待检测路段之后，还包括：
21.获取所述危险等级高于预设等级的待检测路段的坐标点，以及检测所述待检测路段的坐标点是否位于预先建立的危险路段数据库中；
22.若位于，根据所述待检测车辆的路线轨迹确定所述待检测车辆的当前坐标点，并与所述待检测路段的坐标点进行坐标重合度匹配；
23.若确定坐标重合度匹配值高于预设阈值，将所述危险等级高于预设等级的待检测路段作为所述危险路段。
24.可选地，在基于本技术上述方法的另一个实施例中，在所述若确定所述待检测车辆的前方行驶路线上的第一距离处存在有危险路段之后，还包括：
25.若确定存在有所述危险路段，计算所述危险路段对应的危险等级；
26.选取与所述危险等级相对应的提醒信息发送给驾驶所述待检测车辆的驾驶用户。
27.可选地，在基于本技术上述方法的另一个实施例中，利用如下公式计算所述危险路段对应的危险等级，包括：
28.z＝len_up*x (len_down*slope)*y；
29.其中，所述z对应于危险等级指数，所述len_up对应于所述危险路段的上升段距离，所述len_down对应于所述危险路段的下降段距离，slope对应于所述危险路段的下降段坡度，x为所述危险事件的恢复因子，y为所述危险事件的危险类型因子。
30.其中，根据本技术实施例的又一个方面，提供的一种危险路段的提醒装置，其特征在于，包括：
31.获取模块，被配置为获取待检测车辆的路线轨迹以及行驶数据；
32.匹配模块，被配置为将所述路线轨迹以及行驶数据与预设的路段检测模型实时进行匹配，若确定所述待检测车辆的前方行驶路线上的第一距离处存在有危险路段，生成用于反映所述危险路段的提醒信息；
33.发送模块，被配置为将所述提醒信息发送给驾驶所述待检测车辆的驾驶用户。
34.根据本技术实施例的又一个方面，提供的一种电子设备，包括：
35.存储器，用于存储可执行指令；以及
36.显示器，用于与所述存储器以执行所述可执行指令从而完成上述任一所述危险路段的提醒方法的操作。
37.根据本技术实施例的还一个方面，提供的一种计算机可读存储介质，用于存储计算机可读取的指令，所述指令被执行时执行上述任一所述危险路段的提醒方法的操作。
38.本技术中，可以获取待检测车辆的路线轨迹以及行驶数据；将路线轨迹与预设的路段检测模型实时进行匹配，若确定待检测车辆的前方行驶路线上的第一距离处存在有危险路段，生成用于反映危险路段的提醒信息；将提醒信息发送给驾驶待检测车辆的驾驶用
户。通过应用本技术的技术方案，可以在获取到车辆的实时轨迹路线后，通过该路线轨迹以及车辆的车速、位置以及气象信息等信息预判车辆的前方驾驶路线上是否存在有危险路段。从而在确定存在危险路段后，生成可以告知驾驶用户的提醒信息。进而解决了相关技术中存在的，安全指示牌不易部署所导致的无法向司机预警前方存在有危险路段的问题。
39.下面通过附图和实施例，对本技术的技术方案做进一步的详细描述。
附图说明
40.构成说明书的一部分的附图描述了本技术的实施例，并且连同描述一起用于解释本技术的原理。
41.参照附图，根据下面的详细描述，可以更加清楚地理解本技术，其中：
42.图1为本技术提出的一种危险路段的提醒的方法示意图；
43.图2为本技术提出的一种危险路段的提醒的流程示意图；
44.图3为本技术提出的一种危险路段的提醒电子装置的结构示意图；
45.图4为本技术提出的一种危险路段的提醒电子设备的结构示意图。
具体实施方式
46.现在将参照附图来详细描述本技术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技术的范围。
47.同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
48.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，不作为对本技术及其应用或使用的任何限制。
49.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。
50.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。
51.另外，本技术各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本技术要求的保护范围之内。
52.需要说明的是，本技术实施例中所有方向性指示(诸如上、下、左、右、前、后
……
)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
53.下面结合图1-图2来描述根据本技术示例性实施方式的用于进行危险路段的提醒方法。需要注意的是，下述应用场景仅是为了便于理解本技术的精神和原理而示出，本技术的实施方式在此方面不受任何限制。相反，本技术的实施方式可以应用于适用的任何场景。
54.本技术还提出一种危险路段的提醒方法、装置、电子设备及介质。
55.图1示意性地示出了根据本技术实施方式的一种危险路段的提醒方法的流程示意图。如图1所示，该方法应用于车辆终端，包括：
56.s101,获取待检测车辆的路线轨迹以及行驶数据，行驶数据包括车速数据以及当前天气数据。
57.s102,将路线轨迹以及行驶数据与预设的路段检测模型实时进行匹配，若确定待检测车辆的前方行驶路线上的第一距离处存在有危险路段，生成用于反映危险路段的提醒信息。
58.s103,将提醒信息发送给驾驶待检测车辆的驾驶用户。
59.随着国内经济的快速发展，汽车行业也越来越发达。其中，提高汽车安全监控的自动化处理流程是安全监控服务器追求的目标。
60.相关技术中，当前方存在危险路段时，主要是通过部署危险指示牌的方式提醒过往的驾驶司机。然而，此种方式存在有如下缺点，例如指示牌的部署需要人力物力、指示牌可能被偷盗、指示牌污损维修不便等。因此，如何实现一种可以自动提醒司机前方存在有驾驶危险的预警方法，成为了本领域技术人员需要解决的问题。
61.具体来说，本技术可以通过大数据处理模块预先将车辆的实时轨迹路线等数据经过计算之后生成的危险路段数据并保存到特征库中并生成对应的路段检测模型。以使后续根据当前待检测车辆的轨迹信息以及车速、位置、气象信息等行驶数据，利用预设的匹配策略实时计算车辆是否即将驶入危险路段中。由此实现驱动提醒模块通过短信、微信或者车机语音等提醒方式将提醒信息在司机驶入危险路段时提醒司机，以减少危险类交通事故的发生。
62.一种方式中，本技术提出的一种危险路段的提醒方法可以包含三个模块，分别为：数据处理模块、决策模块和提醒模块。其中，
63.对于数据处理模块而言，其可以由大数据平台中预先收集多个车辆的轨迹点信息经过处理之后确定危险路段数据，为决策模块提醒数据。具体为：
64.首先，可以从大数据平台中获取多个路段数据(例如该多个路段数据可以为全国山区路段数据，数据包括：经度、纬度、方向、速度和海拔等等)。再使用算法进行抽稀、去噪等对路段数据进行预处理。
65.进一步的，还需要在该多个路段数据中，选取在历史时段内，已发生危险事件(危险事件可以为刹车失灵、自然灾害事件、行人碰撞等等)超过预设次数的待定义路段数据。
66.最后，本技术则需要将该多个待定义路段数据存储在危险路段数据库中，其中该待定义路段数据包括所述待定义路段的位置信息以及危险事件信息(例如待定义路段数据a包括：待定义路段a-位置坐标点(a，b，c)-刹车失灵事件)。
67.在进一步的，本技术在得到危险路段数据库的过程中，还可以利用该多个待定义路段数据对初始神经网络模型进行训练，生成用于确定各个待定义路段的路段危险等级的路段检测模型，并将该待定义路段数据以及训练得到的路段检测模型存储在危险路段数据库中。
68.一种方式中，本技术可以使用机器学习算法和大数据处理平台计算刹车故障值等信息
69.举例来说，本技术可以一部分的待定义路段数据作为样本数据，将另一部分的待定义路段数据作为验证数据，通过机器学习得到恢复因子为-0.15,刹车故障因子为0.51，刹车故障阈值为0.31，再通过大数据算法得到每条危险路段的刹车故障阈值和路段信息集
合(路段危险等级、轨迹点等信息)，并将结果(如图1)存入到特征库中。
70.刹车故障值计算公式＝len_up*x (len_down*slope)*y,其中len_up为上升段距离，len_down为下降段距离，slope为下降段坡度，x为恢复因子，y为刹车故障因子。
71.可选的，对于决策模块而言，本技术可以将待检测车辆的路线轨迹以及行驶数据与预设的路段检测模型实时进行匹配，具体来说可以包括：
72.首先，可以根据待检测车辆的路线轨迹确定其前方存在的待检测路段(例如确定待检测车辆前方存在有待检测路段a)。并将待检测路段a输入至路段检测模型，确定待检测路段a对应的危险等级。
73.可以理解的，如果确定待检测路段a对应的危险等级较低，则可以判定前方路段为正常路段(即待检测车辆的前方没有危险路段)。而若检测到存在危险等级高于预设等级的待检测路段，则可以判定前方路段为危险路段。从而即可以调用提醒模块，以生成用于反映危险路段的提醒信息并发送给驾驶待检测车辆的用户。
74.其中，在检测过程中还可以考虑待检测车辆的行驶数据(车速数据以及当前天气数据)。一种方式中，当车速过快或者天气情况较恶劣时，都可以辅助判断前方是否存在有危险路段。可以理解的，有些路段下车辆慢行行驶或正常天气下，不为危险路段。而如果车辆行驶过快(例如前方有转弯路)，或暴雨天气情况下(例如前方地势低洼)则可能出现由正常路段转换为危险路段的情况。
75.可选的，本技术在将待检测路段a输入至路段检测模型，以确定待检测路段a对应于危险路段之后，为了进一步确保此次判定准确，本技术还可以将已经驶进危险路段的车辆进行二次校验，得到匹配值，决定是否调用提醒模块，提高方法的准确性。
76.例如可以首先取得车辆当前行驶轨迹，判断当前路段是否存在于危险路段数据库中，如果危险路段数据库中存在此路段，则从大数据系统中取得车辆行驶轨迹，重新校验轨迹和路段匹配度(待检测车辆的当前坐标点，与，待检测路段的坐标点进行坐标重合度匹配)，得到坐标重合度匹配值，如果坐标重合度匹配值高于预设阈值，则确定是同一条路线，即可调用提醒模块。
77.最后的，对于提醒模块而言，
78.本模块主要结合多种来源数据，根据具体实际情况，最终以智能的方式提醒驾驶用户即将或正在驶入危险路段，以减少交通事故的发生。
79.一种方式中，可以首先获取驾驶用户的联系方式(手机号和微信)和车载终端信息，根据驾驶用户联系方式(手机号和微信)和车载终端信息动态选择提醒方式，再从大数据平台获取车辆周边降温池数据，智能选择提醒内容“前方为长下坡路段，请谨慎驾驶”，然后从根据当天气象信息，智能对危险等级进行调整，最后将提醒信息发送给司机。
80.本技术中，可以获取待检测车辆的路线轨迹以及行驶数据；将路线轨迹与预设的路段检测模型实时进行匹配，若确定待检测车辆的前方行驶路线上的第一距离处存在有危险路段，生成用于反映危险路段的提醒信息；将提醒信息发送给驾驶待检测车辆的驾驶用户。通过应用本技术的技术方案，可以在获取到车辆的实时轨迹路线后，通过该路线轨迹以及车辆的车速、位置以及气象信息等信息预判车辆的前方驾驶路线上是否存在有危险路段。从而在确定存在危险路段后，生成可以告知驾驶用户的提醒信息。进而解决了相关技术中存在的，安全指示牌不易部署所导致的无法向司机预警前方存在有危险路段的问题。处
理。也就解决了相关技术中存在的，为多个不同安全标准的区域部署安全监控服务器所导致的耗费运营成本的问题。
81.可选地，在基于本技术上述方法的另一个实施例中，在所述获取待检测车辆的路线轨迹以及行驶数据之前，还包括：
82.从大数据平台中获取多个路段数据；
83.在所述多个路段数据中，选取在历史时段内，已发生危险事件超过预设次数的待定义路段数据；
84.将所述多个待定义路段数据存储在危险路段数据库中，其中所述待定义路段数据包括所述待定义路段的位置信息以及危险事件信息。
85.可选地，在基于本技术上述方法的另一个实施例中，所述将所述多个待定义路段数据存储在所述危险路段数据库中，包括：
86.利用所述待定义路段数据对初始神经网络模型进行训练，生成预设的路段检测模型，所述路段检测模型用于确定各个待定义路段的路段危险等级；
87.将所述路段检测模型存储在所述危险路段数据库中。
88.可选地，在基于本技术上述方法的另一个实施例中，所述将所述路线轨迹以及行驶数据与预设的路段检测模型实时进行匹配，包括：
89.获取所述路线轨迹前方存在的待检测路段；
90.将所述待检测路段数据输入至所述路段检测模型，确定所述待检测路段对应的危险等级；
91.若检测到存在所述危险等级高于预设等级的待检测路段，将所述危险等级高于预设等级的待检测路段作为所述危险路段。
92.可选地，在基于本技术上述方法的另一个实施例中，在所述若检测到存在所述危险等级高于预设等级的待检测路段之后，还包括：
93.获取所述危险等级高于预设等级的待检测路段的坐标点，以及检测所述待检测路段的坐标点是否位于预先建立的危险路段数据库中；
94.若位于，根据所述待检测车辆的路线轨迹确定所述待检测车辆的当前坐标点，并与所述待检测路段的坐标点进行坐标重合度匹配；
95.若确定坐标重合度匹配值高于预设阈值，将所述危险等级高于预设等级的待检测路段作为所述危险路段。
96.可选地，在基于本技术上述方法的另一个实施例中，在所述若确定所述待检测车辆的前方行驶路线上的第一距离处存在有危险路段之后，还包括：
97.若确定存在有所述危险路段，计算所述危险路段对应的危险等级；
98.选取与所述危险等级相对应的提醒信息发送给驾驶所述待检测车辆的驾驶用户。
99.可选地，在基于本技术上述方法的另一个实施例中，利用如下公式计算所述危险路段对应的危险等级，包括：
100.z＝len_up*x (len_down*slope)*y；
101.其中，所述z对应于危险等级指数，所述len_up对应于所述危险路段的上升段距离，所述len_down对应于所述危险路段的下降段距离，slope对应于所述危险路段的下降段坡度，x为所述危险事件的恢复因子，y为所述危险事件的危险类型因子。
102.一种方式中，如图2所示，为本技术提出的危险路段的提醒方法的流程图。其中，可以获取待检测车辆的路线轨迹以及行驶数据；将路线轨迹与预设的路段检测模型实时进行匹配，若确定待检测车辆的前方行驶路线上的第一距离处存在有危险路段，生成用于反映危险路段的提醒信息；将提醒信息发送给驾驶待检测车辆的驾驶用户。
103.通过应用本技术的技术方案，可以在获取到车辆的实时轨迹路线后，通过该路线轨迹以及车辆的车速、位置以及气象信息等信息预判车辆的前方驾驶路线上是否存在有危险路段。从而在确定存在危险路段后，生成可以告知驾驶用户的提醒信息。进而解决了相关技术中存在的，安全指示牌不易部署所导致的无法向司机预警前方存在有危险路段的问题。
104.可选的，在本技术的另外一种实施方式中，如图3所示，本技术还提供一种危险路段的提醒装置。其中包括：
105.获取模块201，被配置为获取待检测车辆的路线轨迹以及行驶数据；
106.匹配模块202，被配置为将所述路线轨迹以及行驶数据与预设的路段检测模型实时进行匹配，若确定所述待检测车辆的前方行驶路线上的第一距离处存在有危险路段，生成用于反映所述危险路段的提醒信息；
107.发送模块203，被配置为将所述提醒信息发送给驾驶所述待检测车辆的驾驶用户。
108.本技术中，可以获取待检测车辆的路线轨迹以及行驶数据；将路线轨迹与预设的路段检测模型实时进行匹配，若确定待检测车辆的前方行驶路线上的第一距离处存在有危险路段，生成用于反映危险路段的提醒信息；将提醒信息发送给驾驶待检测车辆的驾驶用户。通过应用本技术的技术方案，可以在获取到车辆的实时轨迹路线后，通过该路线轨迹以及车辆的车速、位置以及气象信息等信息预判车辆的前方驾驶路线上是否存在有危险路段。从而在确定存在危险路段后，生成可以告知驾驶用户的提醒信息。进而解决了相关技术中存在的，安全指示牌不易部署所导致的无法向司机预警前方存在有危险路段的问题。处理。也就解决了相关技术中存在的，为多个不同安全标准的区域部署安全监控服务器所导致的耗费运营成本的问题。
109.在本技术的另外一种实施方式中，获取模块201，被配置执行的步骤包括：
110.从大数据平台中获取多个路段数据；
111.在所述多个路段数据中，选取在历史时段内，已发生危险事件超过预设次数的待定义路段数据；
112.将所述多个待定义路段数据存储在危险路段数据库中，其中所述待定义路段数据包括所述待定义路段的位置信息以及危险事件信息。
113.在本技术的另外一种实施方式中，获取模块201，被配置执行的步骤包括：
114.利用所述待定义路段数据对初始神经网络模型进行训练，生成预设的路段检测模型，所述路段检测模型用于确定各个待定义路段的路段危险等级；
115.将所述路段检测模型存储在所述危险路段数据库中。
116.在本技术的另外一种实施方式中，获取模块201，被配置执行的步骤包括：
117.获取所述路线轨迹前方存在的待检测路段；
118.将所述待检测路段数据输入至所述路段检测模型，确定所述待检测路段对应的危险等级；
119.若检测到存在所述危险等级高于预设等级的待检测路段，将所述危险等级高于预设等级的待检测路段作为所述危险路段。
120.在本技术的另外一种实施方式中，获取模块201，被配置执行的步骤包括：
121.获取所述危险等级高于预设等级的待检测路段的坐标点，以及检测所述待检测路段的坐标点是否位于预先建立的危险路段数据库中；
122.若位于，根据所述待检测车辆的路线轨迹确定所述待检测车辆的当前坐标点，并与所述待检测路段的坐标点进行坐标重合度匹配；
123.若确定坐标重合度匹配值高于预设阈值，将所述危险等级高于预设等级的待检测路段作为所述危险路段。
124.在本技术的另外一种实施方式中，获取模块201，被配置执行的步骤包括：
125.若确定存在有所述危险路段，计算所述危险路段对应的危险等级；
126.选取与所述危险等级相对应的提醒信息发送给驾驶所述待检测车辆的驾驶用户。
127.在本技术的另外一种实施方式中，获取模块201，被配置执行的步骤包括：
128.利用如下公式计算所述危险路段对应的危险等级，包括：
129.z＝len_up*x (len_down*slope)*y；
130.其中，所述z对应于危险等级指数，所述len_up对应于所述危险路段的上升段距离，所述len_down对应于所述危险路段的下降段距离，slope对应于所述危险路段的下降段坡度，x为所述危险事件的恢复因子，y为所述危险事件的危险类型因子。
131.图4是根据一示例性实施例示出的一种电子设备的逻辑结构框图。例如，电子设备300可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
132.在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器，上述指令可由电子设备处理器执行以完成上述危险路段的提醒方法，该方法包括：获取待检测车辆的路线轨迹以及行驶数据，所述行驶数据包括车速数据以及当前天气数据；将所述路线轨迹以及行驶数据与预设的路段检测模型实时进行匹配，若确定所述待检测车辆的前方行驶路线上的第一距离处存在有危险路段，生成用于反映所述危险路段的提醒信息；将所述提醒信息发送给驾驶所述待检测车辆的驾驶用户。可选地，上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。例如，非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
133.在示例性实施例中，还提供了一种应用程序/计算机程序产品，包括一条或多条指令，该一条或多条指令可以由电子设备的处理器执行，以完成上述危险路段的提醒方法，该方法包括：获取待检测车辆的路线轨迹以及行驶数据，所述行驶数据包括车速数据以及当前天气数据；将所述路线轨迹以及行驶数据与预设的路段检测模型实时进行匹配，若确定所述待检测车辆的前方行驶路线上的第一距离处存在有危险路段，生成用于反映所述危险路段的提醒信息；将所述提醒信息发送给驾驶所述待检测车辆的驾驶用户。可选地，上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。
134.图4为电子设备300的示例图。本领域技术人员可以理解，示意图4仅仅是电子设备300的示例，并不构成对电子设备300的限定，可以包括比图示更多或更少的部件，或者组合
某些部件，或者不同的部件，例如电子设备300还可以包括输入输出设备、网络接入设备、总线等。
135.所称处理器302可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器302也可以是任何常规的处理器等，处理器302是电子设备300的控制中心，利用各种接口和线路连接整个电子设备300的各个部分。
136.存储器301可用于存储计算机可读指令303，处理器302通过运行或执行存储在存储器301内的计算机可读指令或模块，以及调用存储在存储器301内的数据，实现电子设备300的各种功能。存储器301可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备300的使用所创建的数据等。此外，存储器301可以包括硬盘、内存、插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)或其他非易失性/易失性存储器件。
137.电子设备300集成的模块如果以软件功能模块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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。
138.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求指出。
139.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。