用于实现驾驶目的地预测和驾驶策略推荐的方法及系统与流程

1.本发明涉及车辆技术领域，具体涉及一种用于实现驾驶目的地预测和驾驶策略推荐的方法及系统、计算机可读存储介质。


背景技术：

2.目前车辆控制技术依赖于车端传感器，车辆根据驾驶员操作及传感器反馈、执行器作动来实现驾驶员驾驶目的。目前车辆行业大数据应用处于起步阶段，且主流的车企研究重点集中在车辆数据监控应用上；目前车辆控制无法结合更多的第三方数据做到预测性控制，因此，车辆性能及用户驾驶体验无法满足日益增长的数字化转型需求。


技术实现要素：

3.本发明的目的在于提出一种用于实现驾驶目的地预测和驾驶策略推荐的方法及系统、计算机可读存储介质，能够结合大数据技术，为车辆驾驶员提供预测性的优化控制策略。
4.为实现上述目的，本发明第一方面提出一种用于实现驾驶目的地预测和驾驶策略推荐的方法，包括如下步骤：
5.获取用于目的地预测的动态参数；所述动态参数至少包括车辆的当前位置信息、当前剩余续航里程信息或当前油箱剩余量信息；
6.获取预先设定的各常驻地的基础概率；
7.根据所述动态参数和所述各常驻地的基础概率进行目的地预测，获得各常驻地为车辆当前驾驶目的地的目的地概率，并选择其中目的地概率最大的一个常驻地作为驾驶目的地；
8.根据所述驾驶目的地以及车辆位置信息进行最优路径规划获得最优驾驶路径；
9.根据所述最优驾驶路径生成第一推荐信息，并将所述第一推荐信息发送至所述车辆的客户端进行可视化提示。
10.可选地，所述根据所述动态参数和所述各常驻地的基础概率进行目的地预测，获得各常驻地为车辆当前驾驶目的地的目的地概率，包括：
11.根据所述动态参数确定各常驻地对应的概率修正系数；
12.根据所述概率修正系数对各常驻地的基础概率进行修正获得各常驻地为车辆当前驾驶目的地的目的地概率。
13.可选地，所述动态参数还包括：当前日期信息和/或当前时间信息；其中，所述当前日期信息为工作日或节假日；所述当前时间信息为预先划分好的多个时间段中的一个。
14.可选地，所述根据所述动态参数确定各常驻地对应的概率修正系数，包括：
15.根据所述动态参数，以及预先设定的动态参数与修正系数之间的对应关系确定各常驻地对应的概率修正系数。
16.可选地，所述各常驻地为车辆历史常驻的地点；所述各常驻地的基础概率根据车
辆在各常驻地的历史停留时间和历史停留次确定。
17.可选地，所述方法还包括：
18.根据所述最优驾驶路径，结合车辆的动力系统进行能量分配优化获得最优车辆驾驶控制策略以及执行该最优车辆驾驶控制策略的能耗预测结果；
19.根据所述最优车辆驾驶控制策略以及执行该最优车辆驾驶控制策略的能耗预测结果生成第二推荐信息，并将所述第二推荐信息发送至所述车辆的客户端进行可视化提示。
20.本发明第二方面提出一种用于实现驾驶目的地预测和驾驶策略推荐的系统，包括：
21.信息获取单元，用于获取用于目的地预测的动态参数；所述动态参数至少包括车辆的当前位置信息、当前剩余续航里程信息或当前油箱剩余量信息；
22.概率获取单元，用于获取预先设定的各常驻地的基础概率；
23.预测单元，用于根据所述动态参数和所述各常驻地的基础概率进行目的地预测，获得各常驻地为车辆当前驾驶目的地的目的地概率，并选择其中目的地概率最大的一个常驻地作为驾驶目的地；
24.路径优化单元，用于根据所述驾驶目的地以及车辆位置信息进行最优路径规划获得最优驾驶路径；以及
25.推荐单元，用于根据所述最优驾驶路径生成第一推荐信息，并将所述第一推荐信息发送至所述车辆的客户端进行可视化提示。
26.可选地，所述预测单元，包括：
27.修正系数确定单元，用于根据所述动态参数确定各常驻地对应的概率修正系数；以及
28.概率修正单元，用于根据所述概率修正系数对各常驻地的基础概率进行修正获得各常驻地为车辆当前驾驶目的地的目的地概率。
29.可选地，所述动态参数还包括：当前日期信息和/或当前时间信息；其中，所述当前日期信息为工作日或节假日；所述当前时间信息为预先划分好的多个时间段中的一个。
30.可选地，所述推荐单元，还用于：
31.根据所述最优驾驶路径，结合车辆的动力系统进行能量分配优化获得最优车辆驾驶控制策略以及执行该最优车辆驾驶控制策略的能耗预测结果；以及
32.根据所述最优车辆驾驶控制策略以及执行该最优车辆驾驶控制策略的能耗预测结果生成第二推荐信息，并将所述第二推荐信息发送至所述车辆的客户端进行可视化提示。
33.本发明第三方面提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的用于实现驾驶目的地预测和驾驶策略推荐的方法的步骤。
34.上述的用于实现驾驶目的地预测和驾驶策略推荐的方法及系统、计算机可读存储介质，至少具有以下有益效果：
35.获取用于目的地预测的动态参数，根据所述动态参数和预先设定的各常驻地的基础概率进行目的地预测，获得各常驻地为车辆当前驾驶目的地的目的地概率，并选择其中
目的地概率最大的一个常驻地作为驾驶目的地；其中，所述动态参数至少包括车辆的当前位置信息、当前剩余续航里程信息或当前油箱剩余量信息，所述各常驻地为车辆历史经常停留的地点，可以根据车辆历史运行数据来进行统计分析获得其常驻地以及对应的基础概率，基础概率可以理解为是车辆出现在常驻地的概率，例如，历史上在常驻地的停留次数越多和停留时间越长，对应的基础概率就越大；在预测得到车辆当前行程的驾驶目的地之后，基于预设的路径优化算法，可以根据所述驾驶目的地以及车辆位置信息进行最优路径规划获得最优驾驶路径，并生成第一推荐信息发送至所述车辆的客户端进行可视化提示；从而实现了能够结合大数据技术，为车辆驾驶员提供预测性的优化控制策略。
36.上述的用于实现驾驶目的地预测和驾驶策略推荐的方法及系统的其它特征和优点将在随后的说明书中阐述。
附图说明
37.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。
38.图1为本发明一实施例中一种用于实现驾驶目的地预测和驾驶策略推荐的方法流程图。
39.图2为本发明一实施例中一种用于实现驾驶目的地预测和驾驶策略推荐的方法的应用场景图。
40.图3为本发明一实施例中一种用于实现驾驶目的地预测和驾驶策略推荐的系统结构框架图。
41.图4为本发明一实施例中一种计算机设备结构框架图。
具体实施方式
42.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。另外，为了更好的说明本发明，在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的手段未作详细描述，以便于凸显本发明的主旨。
43.本发明的一个实施例提出一种用于实现驾驶目的地预测和驾驶策略推荐的方法，该方法的步骤可以基于软硬件结合的计算机设备来实现，即该计算机设备作为执行主体与车辆的客户端进行交互以及进行一些数据计算，来执行本实施例的方法步骤；参阅图1，本实施例的方法包括如下步骤s1-s5：
44.步骤s1、获取用于目的地预测的动态参数；所述动态参数至少包括车辆的当前位置信息、当前剩余续航里程信息或当前油箱剩余量信息。
45.具体而言，如图2所示为本实施例方法的一个应用场景示意图，在图2中，包括一个计算机设备(例如是服务器)以及能够与该计算机设备进行通信交互的多个车辆客户端；车辆客户端实时获取车辆自身的当前位置信息、当前剩余续航里程信息，并将获取的当前位置信息、当前剩余续航里程信息或当前油箱剩余量信息发送给该计算机设备；
46.需说明的是，所述动态参数至少包括车辆的当前位置信息、当前剩余续航里程信息或当前油箱剩余量信息是指包括车辆的当前位置信息和当前剩余续航里程信息，或者包括车辆的当前位置信息和当前油箱剩余量信息；因为当前剩余续航里程信息或当前油箱剩余量信息均用于表示车辆的剩余续航能力，只需要选择其中一项用于预测即可，车辆的剩余续航能力表示车辆能够到达的地点范围，本发明实施例中主要根据车辆当前位置和剩余续航能力以及车辆用户的驾驶行为习惯来预测目的地，当然，除了上述的车辆当前位置和剩余续航能力等因素以外，还可以结合其他的因素进行综合考虑。
47.步骤s2、获取预先设定的各常驻地的基础概率。
48.具体而言，继续以图2场景为例，该计算机设备获取预先存储在存储单元中的各常驻地的基础概率数据，其中，所述各常驻地为车辆历史常驻的地点；所述各常驻地的基础概率根据车辆在各常驻地的历史停留时间和历史停留次数等数据统计分析后设定。
49.举例而言，本发明实施例中的各常驻地的基础概率可以通过以下技术手段获得：
50.获取车辆历史运行大数据，从所述车辆历史运行大数据中提取相关的目标数据，并汇总至如下表1所示的表格数据汇总库中，其中，不同车辆采用车辆的vin码进行区分。
51.表1-数据汇总库
[0052][0053]
进一步地，本发明实施例可以根据表1数据库汇总中的地理位置信息、车辆停留时
间等信息结合地图数据获得车辆用户的常驻地、常住地地址类型、在常住地的停留时长、日期等，汇总获得如表2所示的常驻地数据库。
[0054]
表2-常驻地数据库
[0055][0056]
进一步地，本发明实施例中可以根据表2的常住地数据库，建立常驻地基础概率函数，输入为地址矩阵x[x1,x2,x3
…
]，停留时长矩阵a[a1,a2,a3
…
]，停留次数矩阵(通过日期累计)b[b1,b2,b3
…
]，输出为地址矩阵x[x1,x2,x3
…
]对应的常驻地概率矩阵y[y1，y2,y3
…
]，具体计算方式如下：
[0057]
地址矩阵x[x1,x2,x3
…
]对应的概率y[y1,y2,y3
…
]＝(a[a1,a2,a3
…
]*b[b1,b2,b3
…
])/(24*sum_b[b1,b2,b3
…
])
[0058]
举例说明，如表2所示，假如某一车辆在一周7天中，7天在住宅小区类型中每天停留12h，5天在科研机构类型中停留8h，2天在娱乐广场类型中停留2h，则各常驻地的基础概率的计算如下：
[0059]
xx市xx区xx街xx公寓常驻地基础概率＝12*7/(24*14)＝25％；
[0060]
xx市xx区xx研究院常驻地基础概率＝8*5/(24*14)＝12％；
[0061]
广州是xx区xx商场常驻地基础概率＝2*2/(24*14)＝2％。
[0062]
需说明的是，如图1的流程所示，上述步骤s1和步骤s2为并列的步骤。
[0063]
步骤s3、根据所述动态参数和所述各常驻地的基础概率进行目的地预测，获得各常驻地为车辆当前驾驶目的地的目的地概率，并选择其中目的地概率最大的一个常驻地作为驾驶目的地。
[0064]
具体而言，继续以图2场景为例，该计算机设备根据前面步骤s1获取的动态参数和步骤s2获取的各常驻地的基础概率进行运算获得各常驻地为车辆当前驾驶目的地的目的地概率。需说明的是，本步骤中应当理解为是根据所述动态参数对预先设定的各常驻地的基础概率进行调整，所述动态参数是一个实时的条件参数变量，不同的动态参数对各常住地是否为目的地的相关概率有影响；进一步地，对运算得到的概率结果进行排序，选择其中目的地概率最大的一个常驻地作为驾驶目的地。
[0065]
步骤s4、根据所述驾驶目的地以及车辆位置信息进行最优路径规划获得最优驾驶
路径。
[0066]
具体而言，驾驶路径优化的算法有很多种，本发明实施例的方法并不局限于某一种驾驶路径优化的算法，本发明实施例的主要目的在于结合车辆大数据技术以及实时的动态参数预测驾驶目的地，然后结合任一种驾驶路径优化算法对驾驶路径进行优化，为车辆驾驶员提供预测性的优化路径建议。
[0067]
举例说明，可以基于预测的最大概率目的地，结合实际在线的第三方数据，所述第三方数据包括了地图gps位置、初始地与目的地之间的道路情况、交通拥堵情况、天气情况等，可以基于先进的任一种导航算法进行最优路径规划。
[0068]
步骤s5、根据所述最优驾驶路径生成第一推荐信息，并将所述第一推荐信息发送至所述车辆的客户端进行可视化提示。
[0069]
具体而言，所述车辆的客户端例如是安装于车辆上的车机，具有获取车辆状态信息、与外部计算机设备(例如云端服务器)进行通信以及可视化展示相关数据等功能。
[0070]
基于上述描述可知，本发明实施例方法通过获取用于目的地预测的动态参数，根据所述动态参数和预先设定的各常驻地的基础概率进行目的地预测，获得各常驻地为车辆当前驾驶目的地的目的地概率，并选择其中目的地概率最大的一个常驻地作为驾驶目的地；其中，所述动态参数至少包括车辆的当前位置信息、当前剩余续航里程信息，所述各常驻地为车辆历史经常停留的地点，可以根据车辆历史运行数据来进行统计分析获得其常驻地以及对应的基础概率，基础概率可以理解为是车辆出现在常驻地的概率，在预测得到车辆当前行程的驾驶目的地之后，基于预设的路径优化算法，可以根据所述驾驶目的地以及车辆位置信息进行最优路径规划获得最优驾驶路径，并生成第一推荐信息发送至所述车辆的客户端进行可视化提示；从而实现了能够结合车辆大数据技术，为车辆驾驶员提供预测性的优化控制策略。区别于传统的车辆控制技术，本发明实施例为一种基于目的地预测及实际环境信息闭环决策的预测性控制方案，对车辆控制技术发展及基于面向用户服务开发的车辆策略提供思路，本发明实施例可广泛应用在车辆领域，是一种先进的多维信息决策体系下的车辆控制技术。
[0071]
可选地，所述步骤s3，包括：
[0072]
步骤s31、根据所述动态参数确定各常驻地对应的概率修正系数；
[0073]
作为一种例子，所述步骤s31可以是：根据所述动态参数，以及预先设定的动态参数与修正系数之间的对应关系确定各常驻地对应的概率修正系数；所述对应关系可以是预先设定，并生成表格的形式，在应用过程中，只需要根据动态参数进行查表获得对应的概率修正系数。
[0074]
作为另一种例子，所述步骤s31还可以是：根据所述动态参数，所述对应关系为函数形式，基于预设函数进行计算得到对应的概率修正系数。
[0075]
步骤s32、根据所述概率修正系数对各常驻地的基础概率进行修正获得各常驻地为车辆当前驾驶目的地的目的地概率；
[0076]
具体而言，各常驻地为车辆当前驾驶目的地的目的地概率＝所述概率修正系数乘以各常驻地的基础概率，即目的地概率i＝常驻地基础概率y*概率修正系数f。
[0077]
在一个具体实施例中，所述动态参数还包括：当前日期信息和/或当前时间信息；其中，所述当前日期信息为工作日或节假日；所述当前时间信息为预先划分好的多个时间
段中的一个。
[0078]
具体而言，对于绝大多数车辆用户来说，工作日和节假日的常驻地具有稳定的规律，例如工作日要到上班地点，节假日则不需要到上班地点，下班后要回家，等等；所述多个时间段例如是上午时段和下午时段，又例如是早高峰时段、晚高峰时段、其他时段等等；不同的时段车辆用户也会有稳定的驾驶规律，例如早高峰要去上班，晚高峰要下班回家，等等，因此，可以进一步结合当前日期信息和/或当前时间信息进行目的地概率的计算并预测目的地。
[0079]
具体地，本发明实施例在预先设定的基础概率的前提下，通过构建特征参数系数矩阵，来修正特定条件下的出行目的地概率，以此进行目的地预测。其中，输入参数包括了常驻地基础概率y、节假日判定c、出行时间段判定d、车辆剩余里程e，输出为概率修正系数f及目的地概率i，修正系数如表3举例所示，通过输入条件权重进行设定，权重应根据长时间实际用车习惯进行累计设定，表3为本发明实施例场景下某一车辆用户的推荐系数。需要说明的是，该步骤提到的输入，还可包括天气情况、用户职业等其他因素，本发明实施例中不进行穷举说明。
[0080]
举例说明，假设某一车辆用户，在周一上午8点启动车辆，车辆位于xx市xx区xx街xx公寓，车辆油箱剩余里程300公里，按照本发明实施例的概率修正计算，该用户前往xx市xx区xx研究院的最终概率为84％，前往xx市xx区xx商场的最终概率为2％。
[0081]
表3-常住地概率修正
[0082][0083]
在一个具体实施例中，所述步骤s5还包括：
[0084]
根据所述最优驾驶路径，结合车辆的动力系统进行能量分配优化获得最优车辆驾驶控制策略以及执行该最优车辆驾驶控制策略的能耗预测结果；以及，根据所述最优车辆驾驶控制策略以及执行该最优车辆驾驶控制策略的能耗预测结果生成第二推荐信息，并将所述第二推荐信息发送至所述车辆的客户端进行可视化提示。
[0085]
具体而言，不同动力系统架构在实现节能的能量分配方式有所不同，针对车辆根
据规划的路径情况，可以结合车辆本身的动力系统架构进行能量分配，例如适当调整启停策略、hev调整soc控制策略等，以达到性能最优或能耗最低的优化目标。可以理解的是，本发明实施例在实施时，可以预先在计算机设备安装多种适配不同动力系统架构的能力分配优化程序，基于车辆vin码确定与车辆匹配的能量分配优化程序，调用匹配的程序结合规划的最优路径进行能力分配，生成最优车辆驾驶控制策略以及执行该最优车辆驾驶控制策略的能耗预测结果。
[0086]
本发明的另一个实施例提出一种用于实现驾驶目的地预测和驾驶策略推荐的系统，该系统与上述实施例所述的方法对应，参阅图3，本实施例的系统包括：
[0087]
信息获取单元11，用于获取用于目的地预测的动态参数；所述动态参数至少包括车辆的当前位置信息、当前剩余续航里程信息或当前油箱剩余量信息；
[0088]
概率获取单元12，用于获取预先设定的各常驻地的基础概率；
[0089]
预测单元13，用于根据所述动态参数和所述各常驻地的基础概率进行目的地预测，获得各常驻地为车辆当前驾驶目的地的目的地概率，并选择其中目的地概率最大的一个常驻地作为驾驶目的地；
[0090]
路径优化单元14，用于根据所述驾驶目的地以及车辆位置信息进行最优路径规划获得最优驾驶路径；以及
[0091]
推荐单元15，用于根据所述最优驾驶路径生成第一推荐信息，并将所述第一推荐信息发送至所述车辆的客户端进行可视化提示。
[0092]
可选地，所述预测单元13，包括：
[0093]
修正系数确定单元，用于根据所述动态参数确定各常驻地对应的概率修正系数；以及
[0094]
概率修正单元，用于根据所述概率修正系数对各常驻地的基础概率进行修正获得各常驻地为车辆当前驾驶目的地的目的地概率。
[0095]
可选地，所述动态参数还包括：当前日期信息和/或当前时间信息；其中，所述当前日期信息为工作日或节假日；所述当前时间信息为预先划分好的多个时间段中的一个。
[0096]
可选地，所述推荐单元15，还用于：
[0097]
根据所述最优驾驶路径，结合车辆的动力系统进行能量分配优化获得最优车辆驾驶控制策略以及执行该最优车辆驾驶控制策略的能耗预测结果；以及
[0098]
根据所述最优车辆驾驶控制策略以及执行该最优车辆驾驶控制策略的能耗预测结果生成第二推荐信息，并将所述第二推荐信息发送至所述车辆的客户端进行可视化提示。
[0099]
以上所描述的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。
[0100]
需说明的是，上述实施例所述系统与上述实施例所述方法对应，因此，上述实施例所述系统未详述部分可以参阅上述实施例所述方法的内容得到，即上述实施例方法记载的具体步骤内容可以理解为本实施例系统的所能够实现的功能，此处不再赘述。
[0101]
并且，上述实施例所述用于实现驾驶目的地预测和驾驶策略推荐的系统若以软件
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。
[0102]
举例而言，参阅图4，本发明实施例所述的计算机设备可以包括：存储器11、处理器12和总线13；
[0103]
所述存储器11，用于存储计算机程序；
[0104]
所述处理器12，用于执行所述计算机程序时实现如上述实施例所述的用于实现驾驶目的地预测和驾驶策略推荐的方法的步骤。
[0105]
其中，存储器21至少包括一种类型的可读存储介质，该可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、磁性存储器、磁盘、光盘等。存储器21在一些实施例中可以是计算机设备的内部存储单元。存储器21在另一些实施例中也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器21还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器21不仅可以用于存储安装于计算机设备的应用软件及各类数据，例如：执行用于实现驾驶目的地预测和驾驶策略推荐的方法的程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0106]
处理器22在一些实施例中可以是一中央处理器(central processing unit,cpu)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器21中存储的程序代码或处理数据，例如执行用于实现驾驶目的地预测和驾驶策略推荐的方法的程序的代码等。
[0107]
该总线23可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0108]
进一步地，计算机设备还可以包括网络接口24，网络接口24可选的可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该计算机设备与其他电子设备之间建立通信连接。
[0109]
可选地，该计算机设备还可以包括用户接口25，用户接口25可以包括显示器(display)、输入单元比如按键，可选的用户接口25还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在计算机设备中处理的信息以及用于显示可视化的用户界面。
[0110]
图4仅示出了具有组件21-25的计算机设备，本领域技术人员可以理解的是，图4示出的结构并不构成对计算机设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0111]
本发明另一实施例提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例所述的用于实现驾驶目的地预测和驾驶策略推荐的方法的步骤。
[0112]
具体而言，所述计算机可读存储介质可以包括：能够携带所述计算机程序指令的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。
[0113]
以上已经描述了本发明的各实施例，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员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员能理解本文披露的各实施例。