一种无人设备的控制方法、装置及电子设备与流程

1.本说明书涉及无人驾驶领域，尤其涉及一种无人设备的控制方法、装置及电子设备。


背景技术：

2.在无人驾驶领域中，无人设备需要根据自身周围环境的变化，确定无人设备自身的运动状态，以控制无人设备安全行驶。
3.在现有技术中，当无人设备处于诸如路口、车道合并等场景中，可以根据无人设备周围的其他车辆的历史运动状态，预测其他车辆未来的运动状态。然后，基于其他车辆未来的运动状态，确定无人设备自身的运动状态。其中，运动状态可以包括：加速度、速度、行驶方向、位置等。
4.然而，无人设备在对其他车辆未来的运动状态进行预测时只考虑了其他车辆的历史运动状态，并未考虑无人设备与其他车辆之间的交互行为，从而导致预测的其他车辆未来的运动状态不准确，造成无人设备确定的自身的运动状态不准确，最终降低了无人设备行驶的安全性。


技术实现要素：

5.本说明书实施例提供一种无人设备的控制方法、装置及电子设备，以部分解决上述现有技术存在的问题。
6.本说明书实施例采用下述技术方案：
7.本说明书提供的一种无人设备的控制方法，包括：
8.确定与无人设备存在交互行为的目标障碍物，并预测所述目标障碍物与所述无人设备进行交互的位置点，作为交互点；
9.根据所述目标障碍物在当前时刻的运动状态，预测所述目标障碍物在考虑所述无人设备当前时刻的运动状态的情况下，通过所述交互点所采用的行驶策略；
10.确定所述目标障碍物按照所述行驶策略前往所述交互点的过程中所采用的第一控制参数；
11.根据所述第一控制参数，确定针对无人设备通过所述交互点的第二控制参数，并基于所述第二控制参数，对所述无人设备进行控制。
12.可选地，确定与无人设备存在交互行为的目标障碍物，具体包括：
13.确定无人设备对应的规划路径以及所述无人设备预设范围内各障碍物对应的预测路径；
14.针对每个障碍物，判断所述规划路径与该障碍物对应的预测路径是否存在交点；
15.根据判断结果，确定与无人设备存在交互行为的目标障碍物。
16.可选地，根据判断结果，确定与无人设备存在交互行为的目标障碍物，具体包括：
17.若所述规划路径与该障碍物对应的预测路径存在交点，根据所述无人设备通过所
述交点的时长以及该障碍物通过所述交点的时长，判断该障碍物是否为与所述无人设备存在交互行为的障碍物；
18.若是，将该障碍物确定为与所述无人设备存在交互行为的目标障碍物。
19.可选地，根据所述目标障碍物在当前时刻的运动状态，预测所述目标障碍物在考虑无人设备当前时刻的运动状态的情况下，通过所述交互点所采用的行驶策略，具体包括：
20.将上一时刻预测的所述目标障碍物在当前时刻的预测运动状态以及所述目标障碍物在当前时刻的真实运动状态输入预测模型，以通过所述预测模型，根据所述预测运动状态与所述真实运动状态之间的差异，确定每种行驶策略对应的奖励，并根据每种行驶策略对应的奖励，预测所述目标障碍物在考虑所述无人设备当前时刻的运动状态的情况下，通过所述交互点所采用的行驶策略。
21.可选地，根据所述预测运动状态与所述真实运动状态之间的差异，确定每种行驶策略对应的奖励，具体包括：
22.针对每种行驶策略，根据该种行驶策略对应的所述预测运动状态与所述真实运动状态之间的差异，确定该种行驶策略对应的至少一个奖励指标，所述至少一个奖励指标包括：安全奖励指标、速度奖励指标、位置奖励指标；
23.根据所述至少一个奖励指标，确定该种行驶策略对应的奖励。
24.可选地，根据每种行驶策略对应的奖励，预测所述目标障碍物在考虑所述无人设备当前时刻的运动状态的情况下，通过所述交互点所采用的行驶策略，具体包括：
25.根据每种行驶策略对应的奖励，确定所述目标障碍物执行真实行驶策略的条件概率，其中，所述真实行驶策略是指所述目标障碍物达到所述真实运动状态所采用的行驶策略；
26.根据所述条件概率以及预先确定的所述目标障碍物执行每种行驶策略的初始概率，确定所述目标障碍物在当前时刻执行每种行驶策略的实际概率；
27.根据所述目标障碍物在当前时刻执行每种行驶策略的实际概率，预测所述目标障碍物在考虑所述无人设备当前时刻的运动状态的情况下，通过所述交互点所采用的行驶策略。
28.可选地，所述方法还包括：
29.根据所述目标障碍物在当前时刻执行每种行驶策略的实际概率，对所述目标障碍物执行每种行驶策略的初始概率进行更新，并将更新后的概率重新确定为初始概率，以根据重新确定的初始概率，对后续所述目标障碍物通过所述交互点所采用的行驶策略进行预测。
30.可选地，确定所述目标障碍物执行每种行驶策略的初始概率，具体包括：
31.当所述目标障碍物初次确定为与所述无人设备存在交互行为的障碍物时，根据所述目标障碍物通过所述交互点的时长、所述无人设备通过所述交互点的时长以及预设的交通规则，确定所述目标障碍物执行每种行驶策略的初始概率。
32.可选地，确定所述目标障碍物按照所述行驶策略前往所述交互点的过程中所采用的第一控制参数，具体包括：
33.若所述行驶策略为让行行驶策略，根据所述目标障碍物执行所述行驶策略通过所述交互点的时长与所述目标障碍物正常通过所述交互点的时长之间的差异，确定所述目标
障碍物对应的通行差异；
34.根据所述目标障碍物执行所述行驶策略目标时长后所述目标障碍物与所述交互点之间的距离差异，确定所述目标障碍物对应的间距差异；其中，所述目标时长是所述无人设备正常通过所述交互点的时长；
35.以所述通行差异和所述间距差异最小化为目标，确定所述目标障碍物按照所述行驶策略前往所述交互点的过程中所采用的第一控制参数。
36.可选地，确定所述目标障碍物按照所述行驶策略前往所述交互点的过程中所采用的第一控制参数，具体包括：
37.若所述行驶策略为先行行驶策略，将预设的控制参数确定为所述目标障碍物按照所述行驶策略前往所述交互点的过程中所采用的第一控制参数。
38.本说明书提供的一种无人设备的控制装置，包括：
39.第一确定模块，用于确定与无人设备存在交互行为的目标障碍物，并预测所述目标障碍物与所述无人设备进行交互的位置点，作为交互点；
40.预测模块，用于根据所述目标障碍物在当前时刻的运动状态，预测所述目标障碍物在考虑所述无人设备当前时刻的运动状态的情况下，通过所述交互点所采用的行驶策略；
41.第二确定模块，用于确定所述目标障碍物按照所述行驶策略前往所述交互点的过程中所采用的第一控制参数；
42.控制模块，用于根据所述第一控制参数，确定针对无人设备通过所述交互点的第二控制参数，并基于所述第二控制参数，对所述无人设备进行控制。
43.本说明书提供的一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的无人设备的控制方法。
44.本说明书提供的一种电子设备，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上述的无人设备的控制方法。
45.本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
46.本说明书实施例中先确定目标障碍物与无人设备之间存在的交互点，根据目标障碍物在当前时刻的运动状态，预测目标障碍在考虑无人设备的运动状态下，通过交互点所采用的行驶策略。确定目标障碍物按照预测的行驶策略前往交互点所采用的第一控制参数，并根据第一控制参数，确定无人设备自身的第二控制参数，并基于第二控制参数，对无人设备进行控制。在此方法中，目标障碍物和无人设备在前往交互点的过程中不断交互，以此调整各自的控制参数，这样，可以降低无人设备与目标障碍物之间的碰撞风险，提高无人设备行驶的安全性。
附图说明
47.此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
48.图1为本说明书实施例提供的无人设备的控制方法流程示意图；
49.图2为本说明书实施例提供的以交叉路口为例的交互场景示意图；
50.图3为本说明书实施例提供的无人设备的控制装置结构示意图；
51.图4为本说明书实施例提供的电子设备的结构示意图。
具体实施方式
52.在无人驾驶领域中，无人驾驶技术的核心之一在于：准确地采集道路环境信息以及相应地做出合理的驾驶决策。其中，无人车的行为需要考虑到其他车辆的状态(速度，朝向、位置、加速度等信息)。所以，需要预测其他车辆未来一段时间内的运动路径。当其他车辆的运动路径可能与无人车存在冲突时，无人车需要遵循交通规则并模仿人类驾驶员的驾驶习惯来设计自身的驾驶模式。在规避最恶劣的车辆冲突风险条件下，提升无人车的稳定性和灵活性。
53.在路口或车道合并过程中，无人车和其他车辆处于强交互场景中，也就是，无人车和其他车辆的行为和意图是相互影响的。
54.在强交互场景下，现有技术中，根据其他车辆的历史信息，预测其他车辆未来一段时间内的运动路径，然后，由无人车对其他车辆预测的运动路径做出响应，即，无人车对自身的驾驶行为进行调整。
55.但是，现有技术中将其他车辆的短期内历史信息经过计算整合为当前时刻的瞬时信息，相当于以较高的频率进行静态的场景决策。这样，无人车只能被动地对其他车辆的行为做出响应，而无法考虑到其他车辆的驾驶员的可行策略变化，使得无人车的驾驶行为缺乏灵活性和主动性。另外，现有技术中无人车不能有效考虑其他车辆的驾驶行为的驾驶风格，对保守型其他车辆容易出现相互等待的现象，对激进型的其他车辆容易出现碰撞风险。
56.本说明书提供的无人设备的控制方法旨在通过贝叶斯在线学习模型对与无人设备交互的其他车辆的行驶策略进行预测，然后，无人设备根据预测的其他车辆的行驶策略，确定自身的行驶策略。
57.为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
58.以下结合附图，详细说明本说明书各实施例提供的技术方案。
59.图1为本说明书实施例提供的无人设备的控制方法流程示意图，包括：
60.s100：确定与无人设备存在交互行为的目标障碍物，并预测所述目标障碍物与所述无人设备进行交互的位置点，作为交互点。
61.在本说明书实施例中，无人设备可以是无人驾驶车辆，即，无人车，所述的无人设备可以应用于物流配送领域，既包括外卖、配送等即时配送领域，也包括其他非即时配送领域。也可以应用于载人业务。
62.在本说明书实施例中，无人设备可以通过安装于无人设备的传感器，获取无人设备预设范围内的各障碍物以及各障碍物的运动状态。其中，传感器可以包括：视觉传感器、激光雷达、用于定位的传感器等。障碍物的运动状态可以包括：速度、行驶方向、经纬位置、车道位置、加速度等。障碍物可以是有人驾驶车辆。
63.在获取无人设备预设范围内的各障碍物之后，根据无人设备获取到的各障碍物历
史上的运动状态，预测出各障碍物各自对应的预测路径。然后，根据各障碍物各自对应的预测路径，为无人设备规划出无人设备对应的规划路径。再根据无人设备对应的规划路径以及各障碍物对应的预测路径，从无人设备预设范围内的各障碍物中选择出与无人设备存在交互行为的障碍物，作为目标障碍物。并预测目标障碍物与无人设备进行交互的位置点，作为交互点。其中，与无人设备存在交互行为的目标障碍物是指在行驶过程中与无人设备存在冲突的障碍物。而无人设备与目标障碍物之间存在冲突的位置点，也就是，目标障碍物与无人设备进行交互的位置点，即，交互点。
64.在从无人设备预设范围内的各障碍物中选择出与无人设备存在交互行为的目标障碍物时，可以获取无人设备对应的规划路径以及无人设备预设范围内各障碍物对应的预测路径。针对每个障碍物对应的预测路径，判断规划路径与该障碍物对应的预测路径是否存在交点。根据判断结果，从各障碍物中确定出与无人设备存在交互行为的目标障碍物。
65.具体的，若规划路径与该障碍物对应的预测路径不存在交点，则确定该障碍物不是与无人设备存在交互行为的障碍物。
66.若规划路径与该障碍物对应的预测路径存在交点，根据无人设备通过交点的时长以及该障碍物通过交点的时长，判断该障碍物是否为与无人设备存在交互行为的目标障碍物。
67.在根据无人设备通过交点的时长以及该障碍物通过交点的时长，判断该障碍物是否为与无人设备存在交互行为的目标障碍物时，可以根据无人设备通过交点的时长与该障碍物通过交点的时长之间的差异，判断该障碍物是否为与无人设备存在交互行为的障碍物，得到该障碍物的判断结果。若无人设备通过交点的时长与该障碍物通过交点的时长之间的差异不大于预设第一时差阈值，确定该障碍物是与无人设备存在交互行为的目标障碍物。根据每个障碍物的判断结果，从各障碍物中选择出与无人设备存在交互行为的障碍物，作为目标障碍物。
68.此外，在根据无人设备通过交点的时长以及该障碍物通过交点的时长，判断该障碍物是否为与无人设备存在交互行为的目标障碍物时，还可以确定无人设备通过交点的时长与该障碍物到达交点的时长之间的第一差异，同时，可以确定该障碍物通过交点的时长与无人设备到达交点的时长之间的第二差异。然后，从第一差异和第二差异中，选择最小的差异，作为交互时间差异。最后，根据交互时间差异，判断该障碍物是否为与无人设备存在交互行为的障碍物，得到该障碍物对应的判断结果。若交互时间差异不大于预设第二时差阈值，确定该障碍物是与无人设备存在交互行为的目标障碍物。根据每个障碍物的判断结果，从各障碍物中选择出与无人设备存在交互行为的障碍物，作为目标障碍物。
69.其中，在确定无人设备通过交点的时长时，可以根据无人设备的车身长度、沿规划路径无人设备的车头到交点之间的距离、该障碍物的车身宽度以及无人设备的瞬时速度，确定无人设备通过交点的时长。
70.具体公式为：其中，t
11
表示无人设备通过交点的时长，s1表示沿规划路径无人设备的车头到交点之间的距离，l1表示无人设备的车身长度，w2表示该障碍物的车身宽度，v1表示无人设备的瞬时速度。
71.在确定无人设备到达交点的时长时，可以根据沿规划路径无人设备的车头到交点
之间的距离以及无人设备的瞬时速度，确定无人设备到达交点的时长。
72.具体公式为：其中，t
12
表示无人设备到达交点的时长。
73.在确定该障碍物通过交点的时长时，可以根据该障碍物的车身长度、沿预测路径该障碍物的车头到交点之间的距离、无人设备的车身宽度以及该障碍物的瞬时速度，确定该障碍物通过交点的时长。
74.具体公式为：其中，t
21
表示该障碍物通过交点的时长，s2表示沿预测路径该障碍物的车头到交点之间的距离，l2表示该障碍物的车身长度，w1表示无人设备的车身宽度，v2表示该障碍物的瞬时速度。
75.在确定该障碍物到达交点的时长时，可以根据沿该障碍物的预测路径该障碍物的车头到交点之间的距离以及该障碍物的瞬时速度，确定该障碍物到达交点的时长。
76.具体公式为：其中，t
22
表示该障碍物到达交点的时长。
77.第一差异的公式为：t
11-t
22
，第二差异的公式为：t
21-t
12
。
78.在确定与无人设备存在交互行为的目标障碍物之后，在预测目标障碍物与无人设备进行交互的交互点时，可以根据无人设备的规划路径和目标障碍物的预测路径，预测目标障碍物与无人设备进行交互的位置点，作为交互点。也就是，无人设备的规划路径和目标障碍物的预测路径之间的交点。
79.基于上述对确定目标障碍物和交互点的说明，本说明书实施例提供的以交叉路口为例的交互场景示意图，如图2所示。
80.在图2中，无人设备的规划路径为l1，无人设备的车身长度为l1，车身宽度为w1，车头到交互点的距离为s1。目标障碍物的预测路径为l2，目标障碍物的车身长度为l2，车身宽度为w2，车头到交互点的距离为s2。
81.此外，在确定无人设备与目标障碍物之间交互的交互点时，还可以根据无人设备的车身长度、该障碍物的车身宽度以及无人设备的瞬时速度，以及目标障碍物的车身长度、无人设备的车身宽度以及目标障碍物的瞬时速度，确定无人设备沿规划路径行驶过程中与目标障碍物沿预测路径行驶过程中存在的位置点，作为交互点。
82.需要说明的是，图1所示的无人设备的控制方法可以适用于交叉路口、合并车道等强交互场景，也可以适用于简单道路场景，图1所示的无人设备的控制方法可以应用于无人设备，也可以应用于控制无人设备的服务器。
83.s102：根据所述目标障碍物在当前时刻的运动状态，预测所述目标障碍物在考虑所述无人设备当前时刻的运动状态的情况下，通过所述交互点所采用的行驶策略。
84.在本说明书实施例中，在确定目标障碍物之后，可以根据目标障碍物在当前时刻的运动状态，预测目标障碍物在考虑无人设备当前时刻的运动状态的情况下，通过交互点所采用的行驶策略。也就是，在目标障碍物察觉到无人设备与自身的行驶路径存在冲突时，目标障碍物需要根据无人设备当前时刻的运动状态来决定自身的行驶策略的情况下，无人设备预测目标障碍物在当前时刻所采用的行驶策略。
85.这样，可以根据目标障碍物在当前时刻的运动状态以及无人设备在当前时刻的运
动状态，确定目标障碍物与无人设备之间的博弈行为，也就是，确定目标障碍物与无人设备之间的交互行为。
86.其中，运动状态可以包括：速度、加速度、位置、行驶方向等。行驶策略可以包括：先行行驶策略和让行行驶策略。
87.在目标障碍物不是初次确定为与无人设备存在交互行为的障碍物的情况下，可以根据无人设备在上一时刻预测的目标障碍物在当前时刻的预测运动状态以及目标障碍物在当前时刻的真实运动状态，预测目标障碍物在当前时刻考虑无人设备当前时刻的运动状态的情况下，通过交互点所采用的行驶策略。其中，预测运动状态可以包括：预测速度、预测加速度、预测位置、预测行驶方向等，真实运动状态可以包括：真实速度、真实加速度、真实位置、真实行驶方向等。
88.具体的，可以将无人设备在上一时刻预测的目标障碍物在当前时刻的预测运动状态以及目标障碍物在当前时刻的真实运动状态输入预测模型，以通过预测模型，根据预测运动状态与真实运动状态之间的差异，确定每种行驶策略对应的奖励。其中，确定每种行驶策略对应的奖励是指确定目标障碍物对每种行驶策略的偏好系数。
89.无人设备可以根据目标障碍物针对每种行驶策略所对应的奖励(即，根据目标障碍物对每种行驶策略的偏好系数)，预测目标障碍物在考虑无人设备当前时刻的运动状态的情况下，通过所述交互点所采用的行驶策略；其中，所述预测模型包括：贝叶斯在线学习模型或结合强化学习的贝叶斯在线学习模型。预测模型可以根据实时输入的目标障碍物的预测运动状态以及目标障碍物的真实运动状态，学习目标障碍物偏好的驾驶风格，驾驶风格可以包括：执行让行行驶策略、执行先行行驶策略。
90.在根据预测运动状态与真实运动状态之间的差异，确定每种行驶策略对应的奖励时，针对每种行驶策略，可以根据该种行驶策略对应的预测运动状态与真实运动状态之间的差异，确定该种行驶策略对应的至少一个奖励指标(即，偏好指标)，其中，至少一个奖励指标包括：安全奖励指标(即，安全偏好指标)、速度奖励指标(即，速度偏好指标)、位置奖励指标(即，位置偏好指标)。然后，根据该种行驶策略对应的至少一个奖励指标，确定该种行驶策略对应的奖励，也就是，目标障碍物针对该种行驶策略的偏好系数。
91.其中，安全奖励指标是指目标障碍物预测运动状态中预测加速度与无人设备在当前时刻的运动状态的加速度中最小的加速度，速度奖励指标是指预测速度与真实速度之间的差异，位置奖励指标是指预测位置与真实位置之间的差异。
92.安全奖励指标的公式为：其中，v
p
表示为预测速度，s
p
表示为预测位置。表示为目标障碍物的预测加速度。表示为无人设备在当前时刻的运动状态中的加速度，vo表示无人设备在当前时刻的运动状态中的速度，so表示无人设备在当前时刻的运动状态中的位置。
93.速度奖励指标的公式为：rev＝v
r-v
p
。其中，vr表示为真实速度。
94.位置奖励指标的公式为：re
l
＝s
r-s
p
。其中，sr表示为真实位置。
95.在根据该种行驶策略对应的至少一个奖励指标，确定该种行驶策略对应的奖励时，可以确定该种行驶策略对应的每个奖励指标对应的权重，然后，根据每个奖励指标对应
的权重，对每个奖励指标进行加权求和，得到该种行驶策略对应的奖励。
96.在根据该种行驶策略对应的至少一个奖励指标，确定该种行驶策略对应的奖励时，还可以获取或采样多组奖励系数，针对每组奖励系数对应的每种行驶策略，根据该组奖励系数以及该种行驶策略对应的至少一个奖励指标，确定该组奖励系数针对该种行驶策略所对应的奖励。其中，针对每种行驶策略，每组奖励系数可以表示目标障碍物对该种行驶策略的偏好权重，即，表示目标障碍物对该种行驶策略对应的每个奖励指标的权重，也就是，目标障碍物对该种行驶策略对应的每个偏好指标的偏好权重。
97.具体的，基于该组奖励系数中的子系数，对该种行驶策略对应的至少一个奖励指标进行加权求和，得到该组奖励系数针对该种行驶策略所对应的奖励。当一组奖励系数中的子系数服从正态分布时，每组奖励系数也服从正态分布，进而，每组奖励系数针对该种行驶策略所对应的奖励也服从正态分布。
98.其中，一组奖励系数可以包括针对奖励指标的子系数，每组奖励系数包含的子系数各不相同。针对奖励指标的子系数可以表示奖励指标的权重，且针对奖励指标的子系数服从多元正态分布，正态分布的元数由奖励指标的数量决定。另外，不同行驶策略对应不同的奖励指标。
99.比如，获取的多组奖励系数可以是θ1，
…
，θn为n组奖励系数，θn为第n组奖励系数。一组奖励系数包含针对奖励指标的子系数，以θn为例，当奖励指标的个数为2个时，θn服从二元正态分布，当奖励指标的个数为3个时，θn服从三元正态分布，以此类推。当奖励指标的个数为3个时，第n组奖励系数中的子系数可以是：θn＝(θ
n1
，θ
n2
，θ
n3
)。θ
n1
表示为这组奖励系数中的第一个子系数。
100.针对每种行驶策略，假设该种行驶策略对应的奖励指标为安全奖励指标res、速度奖励指标rev、位置奖励指标re
l
，则θn针对该种行驶策略所对应的奖励为：re(i
p
|θn)＝θ
n1
*res θ
n2
*rev θ
n3
*re
l
。其中，i
p
表示为一种行驶策略，在这个例子中表示该种行驶策略。
101.在确定每种行驶策略对应的奖励之后，可以根据每种行驶策略对应的奖励，预测目标障碍物在考虑无人设备当前时刻的运动状态的情况下，通过所述交互点所采用的行驶策略。也就是，根据目标障碍物对每种行驶策略的偏好系数，预测目标障碍物在考虑无人设备当前时刻的运动状态的情况下，通过所述交互点所采用的行驶策略。
102.具体的，可以根据每种行驶策略对应的奖励，确定目标障碍物执行真实行驶策略的条件概率，其中，真实行驶策略是指目标障碍物达到真实运动状态所采用的行驶策略，在这里是表示在上一时刻目标障碍物所采用的行驶策略。然后，根据条件概率以及预先确定的目标障碍物执行每种行驶策略的初始概率，确定目标障碍物在当前时刻执行每种行驶策略的后验概率，作为目标障碍物在当前时刻执行每种行驶策略的实际概率。根据目标障碍物在当前时刻执行每种行驶策略的实际概率，预测目标障碍物在考虑无人设备当前时刻的运动状态的情况下，通过交互点所采用的行驶策略。
103.其中，目标障碍物执行每种行驶策略的初始概率可以是上一时刻确定出的目标障碍物在上一时刻执行每种行驶策略的概率，也可以是目标障碍物最开始执行每种行驶策略的概率。另外，上一时刻确定出的目标障碍物在上一时刻执行每种行驶策略的概率，也就是，上一时刻更新后的目标障碍物在上一时刻执行每种行驶策略的概率。
104.其中，计算目标障碍物执行真实行驶策略的条件概率的公式为：
re(ir|θn)表示为目标障碍物执行真实行驶策略的奖励，∑ire(i|θn)表示为目标障碍物执行所有行驶策略的奖励。
105.为了提高目标障碍物在当前时刻预测的行驶策略的准确性，可以综合历史上目标障碍物采用过的行驶策略，来预测在当前时刻目标障碍物可能会采用的行驶策略。
106.在根据条件概率以及预先确定的目标障碍物执行每种行驶策略的初始概率，确定目标障碍物在当前时刻执行每种行驶策略的实际概率时，可以根据目标障碍物所有历史时刻(包括上一时刻)执行真实行驶策略所对应的条件概率以及上一时刻确定出的目标障碍物在上一时刻执行每种行驶策略的概率，确定目标障碍物在当前时刻执行每种行驶策略的实际概率。其中，这里的“真实行驶策略”是指目标障碍物在所有历史时刻所采用的行驶策略。
107.其中，计算目标障碍物在当前时刻执行每种行驶策略的实际概率的公式为：其中，p(θn|ir)为目标障碍物在当前时刻t0处于θn奖励系数下执行每种行驶策略的后验概率，从t
0-r 1到t0时刻表示为所有历史时刻，采用所有历史时刻目标障碍物执行真实行驶策略的条件概率累乘近似表示在当前时刻目标障碍物处于θn奖励系数下执行符合真实行驶策略的先验概率。p(θn)表示为上一时刻确定出的目标障碍物在上一时刻处于θn奖励系数下执行每种行驶策略的概率，即，初始概率。另外，当θ不同时，p(θn|ir)、p(θn)也不相同。
108.在根据目标障碍物在当前时刻执行每种行驶策略的实际概率，预测目标障碍物在考虑无人设备当前时刻的运动状态的情况下，通过交互点所采用的行驶策略时，可以将实际概率最大的行驶策略确定为目标障碍物在考虑无人设备当前时刻的运动状态的情况下，通过交互点可能会采用的行驶策略。
109.另外，在获取多组奖励系数的情况下，在确定每组奖励系数针对每种行驶策略所对应的奖励之后，可以根据每组奖励系数针对每种行驶策略所对应的奖励，确定每组奖励系数对应的目标障碍物执行真实行驶策略的条件概率。针对每组奖励系数，根据该组奖励系数对应的条件概率以及该组奖励系数对应的目标障碍物执行每种行驶策略的初始概率，确定该组奖励系数对应的目标障碍物在当前时刻执行每种行驶策略的实际概率。根据每组奖励系数对应的目标障碍物在当前时刻执行每种行驶策略的实际概率，预测目标障碍物在考虑无人设备当前时刻的运动状态的情况下，通过交互点所采用的行驶策略。
110.由于每组奖励系数对应的目标障碍物在当前时刻执行每种行驶策略的实际概率，以及每组奖励系数服从正态分布，因此，针对目标障碍物在当前时刻执行的每种行驶策略来说，每种行驶策略的实际概率实际上服从正态分布。
111.所以，在预测目标障碍物在当前时刻可能会采用的行驶策略时，可以针对每种行驶策略，可以根据该种行驶策略的实际概率分布以及该种行驶策略的奖励，将该种行驶策略对应的奖励处于平均奖励时的概率确定为目标障碍物在当前时刻采用该种行驶策略所对应的实际概率。最后，根据目标障碍物在当前时刻采用每种行驶策略所对应的实际概率，预测目标障碍物在当前时刻可能会采用的行驶策略，即，预测目标障碍物在考虑无人设备
当前时刻的运动状态的情况下，通过交互点所采用的行驶策略。也就是，将实际概率最大的行驶策略确定为目标障碍物在考虑无人设备当前时刻的运动状态的情况下，通过交互点所采用的行驶策略。
112.此外，还可以根据目标障碍物在当前时刻执行每种行驶策略的实际概率，对目标障碍物执行每种行驶策略的初始概率进行更新，并将更新后的概率重新确定为初始概率，以根据重新确定的初始概率，对后续目标障碍物通过交互点所采用的行驶策略进行预测。
113.在获取多组奖励系数的情况下，目标障碍物执行每种行驶策略的初始概率服从正态分布，所以，可以根据目标障碍物在当前时刻执行每种行驶策略的实际概率分布，对目标障碍物执行每种行驶策略的初始概率分布进行更新，并将更新后的概率分布重新确定为初始概率分布，以根据重新确定的初始概率分布，对后续目标障碍物通过交互点所采用的行驶策略进行预测。
114.s104：确定所述目标障碍物按照所述行驶策略前往所述交互点的过程中所采用的第一控制参数。
115.s106：根据所述第一控制参数，确定针对无人设备通过所述交互点的第二控制参数，并基于所述第二控制参数，对所述无人设备进行控制。
116.在本说明书实施例中，在预测出目标障碍物在当前时刻最大概率采用的行驶策略之后，可以根据预测出的目标障碍物的行驶策略，确定无人设备自身的行驶策略。具体的，可以先预测(确定)目标障碍物按照预测出的行驶策略前往交互点的过程中所采用的第一控制参数。然后，无人设备根据第一控制参数，确定针对无人设备自身通过交互点的第二控制参数，并基于第二控制参数，对无人设备进行控制，使无人设备进行运动。其中，第一控制参数和第二控制参数可以是加速度、速度、位置、方向等。若目标障碍物的行驶策略为让行行驶策略，则无人设备的行驶策略为先行行驶策略，反之，若目标障碍物的行驶策略为先行行驶策略，则无人设备的行驶策略为让行行驶策略。
117.第一种情况：当目标障碍物的行驶策略为先行行驶策略时，无人设备预测目标障碍物执行先行行驶策略过程中目标障碍物匀速行驶或加速行驶。这种情况下，无人设备执行让行行驶策略，无人设备执行让行行驶策略过程中减速或停止行驶。
118.第二种情况：当目标障碍物的行驶策略为让行行驶策略时，无人设备预测目标障碍物执行先行行驶策略过程中目标障碍物减速行驶。这种情况下，无人设备执行先行行驶策略，无人设备执行先行行驶策略过程中匀速或加速行驶。
119.第三种情况：当目标障碍物在当前时刻采用的每种行驶策略的实际概率比较接近时，无人设备无法预测出目标障碍物在当前时刻采用哪种行驶策略。在这种情况下，无人设备预测目标障碍物执行混合行驶策略。
120.针对第一种情况：若目标障碍物的行驶策略为先行行驶策略，将预设的控制参数确定为目标障碍物按照预测的行驶策略前往交互点的过程中所采用的第一控制参数。
121.针对第二种情况：
122.若预测的目标障碍物的行驶策略为让行行驶策略，为了使目标障碍物在执行让行行驶策略的情况下依然可以高效安全的通过交互点，需要预测出目标障碍物在执行让行行驶策略过程中的加速度。
123.具体的，可以根据目标障碍物执行预测的行驶策略通过交互点的时长与目标障碍
物正常通过交互点的时长之间的差异，确定目标障碍物对应的通行差异。其中，正常通过交互点可以是指目标障碍物不受任何车辆影响的情况下通过交互点，也就是，目标障碍物正常通过交互点可以是目标障碍物执行先行行驶策略通过交互点。
124.其中，计算目标障碍物对应的通行差异的公式为：其中，计算目标障碍物对应的通行差异的公式为：其中，o为先行行驶策略，y为先行行驶策略，ely表示为目标障碍物对应的通行差异，a为加速度(未知)。
125.然后，根据目标障碍物执行预测的行驶策略目标时长后目标障碍物与交互点之间的距离差异，确定目标障碍物对应的间距差异。其中，目标时长是无人设备正常通过交互点的时长。
126.其中，计算目标障碍物对应的间距差异的公式为：其中，计算目标障碍物对应的间距差异的公式为：其中，cly表示为目标障碍物对应的间距差异，表示无人设备执行先行行驶策略时无人设备通过交互点的时长，表示目标障碍物在经过无人设备通过交互点的时长后目标障碍物与交互点之间的距离差异。
127.最后，以通行差异和间距差异最小化为目标，确定目标障碍物按照预测的行驶策略前往交互点的过程中所采用的第一控制参数。
128.其中，通行差异和间距差异的总差异的公式为：tly＝ely cly。可以看出，tly是关于加速度a的函数关系式。以通行差异和间距差异最小化为求解目标，求解加速度a，得到第一控制参数。
129.针对第三种情况：
130.若无人设备无法预测出目标障碍物在当前时刻采用哪种行驶策略，根据目标障碍物在当前时刻执行每种行驶策略的实际概率，可以将目标障碍物在当前时刻执行每种行驶策略所确定的第一控制参数进行加权求和，得到目标障碍物在当前时刻执行行驶策略的混合控制参数。
131.其中，目标障碍物在当前时刻执行行驶策略的混合控制参数的公式为：其中，p2(o)表示为目标障碍物执行先行行驶策略时的实际概率，p2(y)表示为目标障碍物执行让行行驶策略时的实际概率，表示为目标障碍物执行先行行驶策略时所确定的第一控制参数，可以是加速度，表示为目标障碍物执行让行行驶策略时所确定的第一控制参数。
132.通过上述图1所示的方法可见，本说明书先确定目标障碍物与无人设备之间存在的交互点，根据目标障碍物在当前时刻的运动状态，预测目标障碍在考虑无人设备的运动状态下，通过交互点所采用的行驶策略。确定目标障碍物按照预测的行驶策略前往交互点所采用的第一控制参数，并根据第一控制参数，确定无人设备自身的第二控制参数，并基于第二控制参数，对无人设备进行控制。在此方法中，目标障碍物和无人设备在前往交互点的
过程中不断交互，以此调整各自的控制参数，这样，可以降低无人设备与目标障碍物之间的碰撞风险，提高无人设备行驶的安全性。
133.进一步的，在如图1所示的步骤s102～s106中，在目标障碍物初次确定为与无人设备存在交互行为的障碍物的情况下，目标障碍物并不存在上一时刻预测的目标障碍物在当前时刻的预测运动状态，所以，可以先初始化目标障碍物在当前时刻采用每种行驶策略的概率。然后，根据初始化后的每种行驶策略的概率，确定目标障碍物在当前时刻执行每种行驶策略过程中目标障碍物的第一控制参数。无人设备根据第一控制参数，确定无人设备自身的第二控制参数。
134.具体的，当目标障碍物初次确定为与无人设备存在交互行为的障碍物时，可以根据目标障碍物在当前时刻的运动状态，确定目标障碍物通过交互点的时长。然后，根据目标障碍物通过交互点的时长、无人设备通过交互点的时长以及预设的交通规则，预测目标障碍物在考虑无人设备当前时刻的运动状态的情况下，通过交互点所采用的行驶策略。其中，预设的交通规则是指目标障碍物和无人设备的行驶方向的优先级。交通规则中行驶方向的优先级从高到低为：直行》左转》右转，优先级的数值分别对应着3》2》1。
135.也就是，根据目标障碍物通过交互点的时长、无人设备通过交互点的时长以及目标障碍物与无人设备之间的行驶方向的优先级，确定目标障碍物在当前时刻执行每种行驶策略的初始概率。然后，将初始概率最大的行驶策略确定为目标障碍物在当前时刻执行的行驶策略。
136.其中，目标障碍物执行先行行驶策略的初始概率的计算公式为：其中，p2(o)表示为目标障碍物执行先行行驶策略的概率，o表示为先行行驶策略，a表示时间权重，r表示不同行驶方向的优先级，r2表示为目标障碍物行驶方向的优先级，r1表示为无人设备行驶方向的优先级，r
2-r1表示行驶优先级，b表示为行驶优先级的权重。而目标障碍物执行让行行驶策略的初始概率为p2(y)＝1-p2(o)。y表示为让行行驶策略。
137.需要说明的是，本说明书中包含的公式中，用于描述无人设备的相关内容的公式的下标为“1”，用于描述障碍物或目标障碍物的相关内容的公式的下标为“2”，用于描述先行行驶策略的公式的上标为“o”，用于描述让行行驶策略的公式的上标为“y”。
138.以上为本说明书实施例提供的无人设备的控制方法，基于同样的思路，本说明书还提供了相应的装置、存储介质和电子设备。
139.图3为本说明书实施例提供的一种无人设备的控制装置的结构示意图，所述装置包括：
140.第一确定模块301，用于确定与无人设备存在交互行为的目标障碍物，并预测所述目标障碍物与所述无人设备进行交互的位置点，作为交互点；
141.预测模块302，用于根据所述目标障碍物在当前时刻的运动状态，预测所述目标障碍物在考虑所述无人设备当前时刻的运动状态的情况下，通过所述交互点所采用的行驶策略；
142.第二确定模块303，用于确定所述目标障碍物按照所述行驶策略前往所述交互点的过程中所采用的第一控制参数；
143.控制模块304，用于根据所述第一控制参数，确定针对无人设备通过所述交互点的第二控制参数，并基于所述第二控制参数，对所述无人设备进行控制。
144.可选地，所述第一确定模块301具体用于，确定无人设备对应的规划路径以及所述无人设备预设范围内各障碍物对应的预测路径；针对每个障碍物，判断所述规划路径与该障碍物对应的预测路径是否存在交点；根据判断结果，确定与所述无人设备存在交互行为的目标障碍物。
145.可选地，所述第一确定模块301具体用于，若所述规划路径与该障碍物对应的预测路径存在交点，根据所述无人设备通过所述交点的时长以及该障碍物通过所述交点的时长，判断该障碍物是否为与所述无人设备存在交互行为的障碍物；若是，将该障碍物确定为与所述无人设备存在交互行为的目标障碍物。
146.可选地，所述预测模块302具体用于，将上一时刻预测的所述目标障碍物在当前时刻的预测运动状态以及所述目标障碍物在当前时刻的真实运动状态输入预测模型，以通过所述预测模型，根据所述预测运动状态与所述真实运动状态之间的差异，确定每种行驶策略对应的奖励，并根据每种行驶策略对应的奖励，预测所述目标障碍物在考虑所述无人设备当前时刻的运动状态的情况下，通过所述交互点所采用的行驶策略。
147.可选地，所述预测模块302具体用于，针对每种行驶策略，根据该种行驶策略对应的所述预测运动状态与所述真实运动状态之间的差异，确定该种行驶策略对应的至少一个奖励指标，所述至少一个奖励指标包括：安全奖励指标、速度奖励指标、位置奖励指标；根据所述至少一个奖励指标，确定该种行驶策略对应的奖励。
148.可选地，所述预测模块302具体用于，根据每种行驶策略对应的奖励，确定所述目标障碍物执行真实行驶策略的条件概率，其中，所述真实行驶策略是指所述目标障碍物达到所述真实运动状态所采用的行驶策略；根据所述条件概率以及预先确定的所述目标障碍物执行每种行驶策略的初始概率，确定所述目标障碍物在当前时刻执行每种行驶策略的实际概率；根据所述目标障碍物在当前时刻执行每种行驶策略的实际概率，预测所述目标障碍物在考虑所述无人设备当前时刻的运动状态的情况下，通过所述交互点所采用的行驶策略。
149.可选地，所述预测模块302还用于，根据所述目标障碍物在当前时刻执行每种行驶策略的实际概率，对所述目标障碍物执行每种行驶策略的初始概率进行更新，并将更新后的概率重新确定为初始概率，以根据重新确定的初始概率，对后续所述目标障碍物通过所述交互点所采用的行驶策略进行预测。
150.可选地，所述预测模块302具体用于，当所述目标障碍物初次确定为与所述无人设备存在交互行为的障碍物时，根据所述目标障碍物通过所述交互点的时长、所述无人设备通过所述交互点的时长以及预设的交通规则，确定所述目标障碍物执行每种行驶策略的初始概率。
151.可选地，第二确定模块303具体用于，若所述行驶策略为让行行驶策略，根据所述目标障碍物执行所述行驶策略通过所述交互点的时长与所述目标障碍物正常通过所述交互点的时长之间的差异，确定所述目标障碍物对应的通行差异；根据所述目标障碍物执行所述行驶策略目标时长后所述目标障碍物与所述交互点之间的距离差异，确定所述目标障碍物对应的间距差异；其中，所述目标时长是所述无人设备正常通过所述交互点的时长；以
所述通行差异和所述间距差异最小化为目标，确定所述目标障碍物按照所述行驶策略前往所述交互点的过程中所采用的第一控制参数。
152.可选地，第二确定模块303具体用于，若所述行驶策略为先行行驶策略，将预设的控制参数确定为所述目标障碍物按照所述行驶策略前往所述交互点的过程中所采用的第一控制参数。
153.本说明书还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可用于执行上述图1提供的无人设备的控制方法。
154.基于图1所示的无人设备的控制方法，本说明书实施例还提供了图4所示的电子设备的结构示意图。如图4，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的无人设备的控制方法。
155.当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
156.在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmable logic device,pld)(例如现场可编程门阵列(field programmable gate array，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardware description language，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advanced boolean expression language)、ahdl(altera hardware description language)、confluence、cupl(cornell university programming language)、hdcal、jhdl(java hardware description language)、lava、lola、myhdl、palasm、rhdl(ruby hardware description language)等，目前最普遍使用的是vhdl(very-high-speed integrated circuit hardware description language)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
157.控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specific integrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchip pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以
纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
158.上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
159.为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
160.本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
161.本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
162.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
163.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
164.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
165.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
166.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。
计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
167.还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
168.本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
169.本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
170.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，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
171.以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。