交通路网动态调节方法及装置

1.本公开涉及数据处理技术领域，尤其涉及一种交通路网动态调节方法及装置。


背景技术：

2.区域轨道交通是在一个城市群或者城市圈区域范围内，面向城市群经济一体化需求形成的由多种制式轨道交通组合成的综合轨道交通系统，其中包含了高铁、城际铁路、地铁、单轨等不同制式的子系统。一方面，经济快速发展对区域轨道交通的运力、安全及服务提出更高的要求，另一方面，多制式复合使得路网复杂性增大、风险源和衔接瓶颈增多，因此对区域轨道交通路网进行全局动态优化以降低整个路网的风险并提升运能水平具有重要意义。区域轨道交通多制式之间的复合，带来更多风险的同时也带来了路网整体性能的提升空间和手段，更大规模的路网增加了路网的多样可达性与冗余性，使得整个路网系统有更多的路径可供乘客出行选择，因此通过合理引导乘客选择不同出行路径并结合车辆调度，能够使不同制式的轨道交通车流与客流之间进行有效的协同与配合，充分利用路网的冗余性和客流的动态性降低路网的整体风险，同时提升路网的整体运能。


技术实现要素：

3.根据本公开的一方面，提供了一种交通路网动态调节方法，所述方法包括：
4.获取客流分配信息及车辆调度信息，所述客流分配信息包括交通出行需求对应的路径信息及各条路径的实时客流分配量，所述车辆调度信息包括分配到各个路径的车辆的数目及发车间隔；
5.根据所述客流分配信息及所述车辆调度信息模拟路网的运行，并得到路网运行时的全局动态运能风险及乘客选择各路径出行的概率；
6.对所述客流分配信息及所述车辆调度信息进行调整，当基于调整的客流分配信息及车辆调度信息运行的路网中所述全局动态运能风险的最大值低于预设值、或对所述客流分配信息及所述车辆调度信息的调整次数达到预设次数时，输出调整后的客流分配信息及车辆调度信息，其中，输出的客流分配信息中各个路径对应的所述概率大于预设概率。
7.在一种可能的实施方式中，根据所述客流分配信息及所述车辆调度信息模拟路网的运行，并得到路网运行时的全局动态运能风险，包括：
8.根据路网中各个节点、各个区间及各个乘客滞留区的风险后果与对应的风险概率之积，得到各个节点、各个区间及各个乘客滞留区的风险；
9.根据路网中各个节点、各个区间及各个乘客滞留区的风险之和得到所述全局动态运能风险，
10.其中，各个节点、各个区间及各个乘客滞留区的风险后果与各个节点、各个区间及各个乘客滞留区的乘客数目正相关，
11.其中，各个节点、各个区间及各个乘客滞留区的风险概率与各个节点的客流饱和度、各个区间的客流饱和度及各个乘客滞留区的乘客人数饱和度相关。
12.在一种可能的实施方式中，所述根据所述客流分配信息及所述车辆调度信息模拟路网的运行，包括：
13.将所述客流分配信息及所述车辆调度信息输入路网仿真模型，以模拟路网的运行，
14.其中，所述路网仿真模型包括基础路网模型、车流模型、客流模型以及乘客路径规划模型，所述基础路网模型用于模拟路网结构，所述车流模型用于模拟客流载体，所述客流模型包括路径偏好模型及动态od需求模型，所述路径偏好模型用于模拟乘客的路径偏好，所述动态od需求模型用于模拟动态od需求，所述乘客路径规划模型用于针对每个乘客得到k优路径。
15.在一种可能的实施方式中，所述得到路网运行时的全局动态运能风险及乘客选择各路径出行的概率，包括：
16.根据引导路径的路径信息、乘客对路径的偏好参数、及预设路径的路径信息得到乘客对所述引导路径的满意度；
17.根据所述满意度及预设参数确定乘客选择所述引导路径出行的概率。
18.在一种可能的实施方式中，所述根据引导路径的路径信息、乘客对路径的偏好参数、及预设路径的路径信息得到乘客对所述引导路径的满意度，包括:
19.根据所述引导路径的路径信息及所述偏好参数确定所述引导路径的等效路径长度；
20.根据所述预设路径的路径信息及所述偏好参数确定所述预设路径的等效路径长度；
21.根据所述引导路径的等效路径长度及所述预设路径的等效路径长度确定所述引导路径的满意度。
22.在一种可能的实施方式中，所述偏好参数包括票价偏好、路径最短偏好、换乘最少偏好、舒适度偏好的至少一种。
23.在一种可能的实施方式中，所述对所述客流分配信息及所述车辆调度信息进行调整，包括：
24.以客流分配信息及车辆调度信息为优化变量、以路网中车辆总数目和乘客对路径的满意度为约束条件，执行基于遗传算法的优化模型对所述全局动态运能风险进行优化，得到所述全局动态运能风险的最大值低于所述预设值时的客流分配信息及车辆调度信息。
25.在一种可能的实施方式中，所述执行基于遗传算法的优化模型对所述全局动态运能风险进行优化，包括：
26.当所述全局动态运能风险的最大值高于所述预设值、且所述调整次数小于预设值时，基于轮盘赌算法、染色体变异、染色体交叉的至少一种产生调整后的客流分配信息及车辆调度信息，
27.其中，所述轮盘赌算法的预设概率为遗传算法的适应度与整个种群个体适应度之和的比值。
28.在一种可能的实施方式中，所述预设概率为所述全局动态运能风险最大值的倒数。
29.根据本公开的一方面，提供了一种交通路网动态调节装置，所述装置包括：
30.获取模块，用于获取客流分配信息及车辆调度信息，所述客流分配信息包括交通出行需求对应的路径信息及各条路径的实时客流分配量，所述车辆调度信息包括分配到各个路径的车辆的数目及发车间隔；
31.路网模拟模块，用于根据所述客流分配信息及所述车辆调度信息模拟路网的运行，并得到路网运行时的全局动态运能风险及乘客选择各路径出行的概率；
32.调整模块，用于对所述客流分配信息及所述车辆调度信息进行调整，当基于调整的客流分配信息及车辆调度信息运行的路网中所述全局动态运能风险的最大值低于预设值、或对所述客流分配信息及所述车辆调度信息的调整次数达到预设次数时，输出调整后的客流分配信息及车辆调度信息，其中，输出的客流分配信息中各个路径对应的所述概率大于预设概率。
33.根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
34.根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
35.本公开实施例通过获取客流分配信息及车辆调度信息，根据所述客流分配信息及所述车辆调度信息模拟路网的运行，对所述客流分配信息及所述车辆调度信息进行调整，当基于调整的客流分配信息及车辆调度信息运行的路网中所述全局动态运能风险的最大值低于预设值、或对所述客流分配信息及所述车辆调度信息的调整次数达到预设次数时，输出调整后的客流分配信息及车辆调度信息，可以针对动态od需求、基于乘客路径引导及车辆调度，实现对路网全局运能风险峰值的控制和优化，可以提高交通运输能力并合理控制风险。
36.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
37.此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
38.图1示出了根据本公开一实施例的交通路网动态调节方法的流程图。
39.图2示出了根据本公开一实施例的路径规划示意图。
40.图3示出了根据本公开一实施例的交通路网动态调节方法的模型结构示意图。
41.图4示出了根据本公开一实施例的优化算法执行优化过程的示意图。
42.图5示出了根据本公开一实施例的交通路网的示意图。
43.图6示出了根据本公开一实施例的交通路网一定时间段个od间的动态客流示意图。
44.图7a示出了列车调度及客流路径分配不采取任何优化措施的仿真示意图，图7b示出了仅对列车调度进行优化的仿真示意图，图7c示出了仅对客流路径分配进行优化的仿真示意图，图7d示出了采用本公开实施例的方法对客流路径分配与列车调度进行协同优化的
仿真示意图。
45.图8示出了采用本公开实施例的方法对客流路径分配与列车调度进行协同优化的一个od需求中各路径动态分配客流的示意图。
46.图9示出了根据本公开一实施例的交通路网动态调节装置的框图。
47.图10示出了根据本公开一实施例的一种电子设备的框图。
48.图11示出了根据本公开一实施例的一种电子设备的框图。
具体实施方式
49.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。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
50.在本公开的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本公开和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本公开的限制。
51.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
52.在本公开中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本公开中的具体含义。
53.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
54.本公开实施例中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本公开实施例中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
55.另外，为了更好地说明本公开，在下文的具体实施方式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，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
56.请参阅图1，图1示出了根据本公开一实施例的交通路网动态调节方法的流程图。
57.如图1所示，所述方法包括：
58.步骤s11，获取客流分配信息及车辆调度信息，所述客流分配信息包括交通出行需求对应的路径信息及各条路径的实时客流分配量，所述车辆调度信息包括分配到各个路径
的车辆的数目及发车间隔；
59.步骤s12，根据所述客流分配信息及所述车辆调度信息模拟路网的运行，并得到路网运行时的全局动态运能风险及乘客选择各路径出行的概率；
60.步骤s13，对所述客流分配信息及所述车辆调度信息进行调整，当基于调整的客流分配信息及车辆调度信息运行的路网中所述全局动态运能风险的最大值低于预设值、或对所述客流分配信息及所述车辆调度信息的调整次数达到预设次数时，输出调整后的客流分配信息及车辆调度信息，其中，输出的客流分配信息中各个路径对应的所述概率大于预设概率。
61.本公开实施例通过获取客流分配信息及车辆调度信息，根据所述客流分配信息及所述车辆调度信息模拟路网的运行，对所述客流分配信息及所述车辆调度信息进行调整，当基于调整的客流分配信息及车辆调度信息运行的路网中所述全局动态运能风险的最大值低于预设值、或对所述客流分配信息及所述车辆调度信息的调整次数达到预设次数时，输出调整后的客流分配信息及车辆调度信息，可以针对动态od需求、基于乘客路径引导及车辆调度，实现对路网全局运能风险峰值的控制和优化，可以提高交通运输能力并合理控制风险。
62.本公开实施例的实施例的交通路网动态调节方法可以应用在处理组件，或包括处理组件的终端、服务器等电子设备中。
63.在一个示例中，处理组件包括但不限于单独的处理器，或者分立元器件，或者处理器与分立元器件的组合。所述处理器可以包括电子设备中具有执行指令功能的控制器，所述处理器可以按任何适当的方式实现，例如，被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现。在所述处理器内部，可以通过逻辑门、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等硬件电路执行所述可执行指令。
64.在一个示例中，终端又称之为用户设备(user equipment，ue)、移动台(mobile station，ms)、移动终端(mobile terminal，mt)等，是一种向用户提供语音和/或数据连通性的设备，例如，具有无线连接功能的手持式设备、车载设备等。目前，一些终端的举例为：手机(mobile phone)、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(mobile internetdevice，mid)、可穿戴设备，虚拟现实(virtual reality，vr)设备、增强现实(augmentedreality，ar)设备、工业控制(industrial control)中的无线终端、无人驾驶(selfdriving)中的无线终端、远程手术(remote medical surgery)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭(smart home)中的无线终端、车联网中的无线终端等。
65.本公开实施例的车辆可以包括高铁、城际铁路、地铁、单轨、公交等不同制式的交通工具。
66.在一种可能的实施方式中，步骤s12根据所述客流分配信息及所述车辆调度信息模拟路网的运行，并得到路网运行时的全局动态运能风险，可以包括：
67.根据路网中各个节点、各个区间及各个乘客滞留区的风险后果与对应的风险概率
之积，得到各个节点、各个区间及各个乘客滞留区的风险；
68.根据路网中各个节点、各个区间及各个乘客滞留区的风险之和得到所述全局动态运能风险，
69.其中，各个节点、各个区间及各个乘客滞留区的风险后果与各个节点、各个区间及各个乘客滞留区的乘客数目正相关，
70.其中，各个节点、各个区间及各个乘客滞留区的风险概率与各个节点的客流饱和度、各个区间的客流饱和度及各个乘客滞留区的乘客人数饱和度相关。
71.在一个示例中，本公开实施例的节点可以包括各种交通类型的各个站点，例如地铁的站点、公交站台、高铁站等，本公开实施例的节点可以包括各个站点的换乘通道、换乘点或其他用于进行换乘的地点，本公开实施例的人员滞留区可以包括各个站点的候车区、等候区等用于等候上车、换乘的地点。
72.本公开实施例对如何确定各个节点的客流饱和度、各个区间的客流饱和度及各个乘客滞留区的乘客人数饱和度的具体实现方式不做限定，例如可以通过设置于各个检测节点(从路网所有节点中选择一部分)的各个子节点的流动通道及各个人员滞留区的检测装置(如照相机、摄像头等)得到所述第一检测人员流量及第二检测人员流量，根据所述第一检测人员流量确定多个目标节点及多个节点区间的实时人员流量，根据多个目标节点、多个节点区间的实时人员流量确定各个目标节点、各个节点区间的人员饱和度。
73.本公开实施例中，交通路网在某时刻t的全局动态运能风险由各个风险点在时刻t的动态运能风险加和而成。其中，某一风险点的风险由该风险点的风险概率与风险后果相乘而得。交通路网的全局动态运能风险的风险点分为三种类型：区间风险、车站通道风险和车站乘客滞流区风险。三种类型的风险后果都正相关于区间、通道或滞流区的乘客人数。
74.例如，可以通过公式1得到运能风险评估结果：
[0075][0076]
其中，k表示轨道交通路网中所有节点区间，s表示轨道交通路网中所有节点，s
′
代表轨道交通路网中所有通道及区间外的滞留区，x(t)表示各检测节点实时人员流量，x(t)表示个检测节点安全客流容量(阈值)，w(t)表示风险后果，f(x)表示客流饱和度风险概率函数，f(x)可以为公式2。
[0077][0078]
在一种可能的实施方式中，步骤s12根据所述客流分配信息及所述车辆调度信息模拟路网的运行，可以包括：
[0079]
将所述客流分配信息及所述车辆调度信息输入路网仿真模型，以模拟路网的运行，
[0080]
其中，所述路网仿真模型包括基础路网模型、车流模型、客流模型以及乘客路径规划模型，所述基础路网模型用于模拟路网结构，所述车流模型用于模拟客流载体，所述客流模型包括路径偏好模型及动态od需求模型，所述路径偏好模型用于模拟乘客的路径偏好，所述动态od需求模型用于模拟动态od需求，所述乘客路径规划模型用于针对每个乘客得到
k优路径。
[0081]
表1示出了基础路网模型的相关信息。
[0082]
表1
[0083][0084]
在一个示例中，基础路网模型是轨道交通路网模型中的静态部分，如表1所示，基础路网的建模包括车站、通道、线路及区间层面。
[0085]
表2示出了车流模型的相关信息。
[0086]
表2
[0087][0088]
在一个示例中，如表2所示，车流是城市轨道交通路网中客流的载体，车流模型主要包含车辆模型和车辆时刻表模型。
[0089]
下面对客流模型的原理进行示例性介绍。
[0090]
客流是轨道交通路网的运输对象，也是产生运能风险的直接原因。为了实现轨道交通客流的有效仿真，本公开实施例建立以下两方面的模型：乘客个体的路径偏好模型及乘客群体的od需求模型
[0091]
在一种可能的实施方式中，步骤s12得到路网运行时的全局动态运能风险及乘客选择各路径出行的概率，可以包括：
[0092]
根据引导路径的路径信息、乘客对路径的偏好参数、及预设路径的路径信息得到乘客对所述引导路径的满意度；
[0093]
根据所述满意度及预设参数确定乘客选择所述引导路径出行的概率。
[0094]
本公开实施例通过根据引导路径的路径信息、乘客对路径的偏好参数、及预设路径的路径信息得到乘客对所述引导路径的满意度，根据所述满意度及预设参数确定乘客选择所述引导路径出行的概率，根据得到的概率判断乘客按照引导路径出行还是按照最短路径出行，例如，当所述概率小于预设概率(如50％)则判定乘客不会按照引导路径出行。
[0095]
在一个示例中，所述概率可以通过公式2得到。
[0096][0097]
式中，ri(n)表示乘客i第n次出行的引导守信率(即按引导路径出行的概率)，γi表示乘客i的基础守信率(即在满意度为100％的条件下的引导守信率)，f(*)表示用于计算乘客对引导路径满意度的函数，li(n)表示乘客i第n次出行的引导路径的路径信息(包含路径编号l、换乘及拥挤度信息等)，表示乘客i第n次出行的按偏好计算的预设路径(包含路径编号l、换乘及拥挤度信息等)，prei(n)表示乘客i第n次出行的偏好参数pre。
[0098]
在一种可能的实施方式中，所述根据引导路径的路径信息、乘客对路径的偏好参数、及预设路径的路径信息得到乘客对所述引导路径的满意度，可以包括:
[0099]
根据所述引导路径的路径信息及所述偏好参数确定所述引导路径的等效路径长度；
[0100]
根据所述预设路径的路径信息及所述偏好参数确定所述预设路径的等效路径长度；
[0101]
根据所述引导路径的等效路径长度及所述预设路径的等效路径长度确定所述引导路径的满意度。
[0102]
在一种可能的实施方式中，所述偏好参数包括票价偏好、路径最短偏好、换乘最少偏好、舒适度偏好等的至少一种。
[0103]
在一个示例中，可以根据表3所示的等效路径长度计算方法得到路径的等效路径长度。
[0104]
表3
[0105][0106]
len(*)代表区段或通道长度函数，c(*)代表拥挤度函数，si代表第i个区段，chj代表第j个换乘通道。
[0107]
在一个示例中，可以根据公式3确定所述引导路径的满意度。
[0108][0109]
其中，g(l,pre)可以根据等效路径长度得到，如公式4所示。
[0110][0111]
其中，l表示，pre表示，x(l,pre)表示等效路径长度。
[0112]
在一个示例中，od需求是轨道交通路网完成运输任务的外部条件和运输载荷，乘客群体的od需求模型可以用公式5所示的od需求矩阵表示。
[0113][0114]
考虑整个路网仿真模型的动态客流，在od需求矩阵中，行和列中的每个元素对应仿真路网中的n个车站，a
ij
(t)表示t时刻从i站进入路网并以j站为目的地的动态od客流需求量。路网仿真模型中每个站点根据动态od需求矩阵产生进入路网的客流，在一个示例中，本公开实施例对随时间连续变化的动态od需求进行离散化处理，客流的产生率每10分钟变化一次或以其他时间间隔变化。
[0115]
在一个示例中，本公开实施例可以基于图的计算模拟人脑或计算机系统的计算过程，建立路径规划模型，例如，首先建立针对路网的邻接矩阵，然后采用以经典dijkstra算法为基础的yen's算法实现不含回路的k优路径计算，以实现乘客个体路径规划和引导的仿真。
[0116]
本公开实施例对路径规划模型的具体实现方式不做限定，本领域技术人员可以参考相关技术实现。
[0117]
在一种可能的实施方式中，步骤s13对所述客流分配信息及所述车辆调度信息进行调整，可以包括：
[0118]
以客流分配信息及车辆调度信息为优化变量、以路网中车辆总数目和乘客对路径的满意度为约束条件，执行基于遗传算法的优化模型对所述全局动态运能风险进行优化，得到所述全局动态运能风险的最大值低于所述预设值时的客流分配信息及车辆调度信息。
[0119]
通过以上方法，本公开实施例以客流分配信息及车辆调度信息为优化变量、以路网中车辆总数目和乘客对路径的满意度为约束条件，执行基于遗传算法的优化模型对所述全局动态运能风险进行优化，得到所述全局动态运能风险的最大值低于所述预设值时的客流分配信息及车辆调度信息，从而提高有效运能，并降低风险。
[0120]
本公开采用遗传算法对全局动态运能风险进行优化，具有与问题无关、过程简单、随机搜索能力强等优点。
[0121]
在一种可能的实施方式中，所述执行基于遗传算法的优化模型对所述全局动态运能风险进行优化，包括：
[0122]
当所述全局动态运能风险的最大值高于所述预设值、且所述调整次数小于预设值时，基于轮盘赌算法、染色体变异、染色体交叉的至少一种产生调整后的客流分配信息及车辆调度信息，
[0123]
其中，所述轮盘赌算法的预设概率为遗传算法的适应度与整个种群个体适应度之和的比值。
[0124]
在一种可能的实施方式中，所述预设概率为所述全局动态运能风险最大值的倒数。
[0125]
下面对优化过程进行示例性介绍。
[0126]
请参阅图2，图2示出了根据本公开一实施例的路径规划示意图。
[0127]
在一个示例中，本公开实施例以静态车辆调度及动态客流路径分配为优化手段，考虑动态od需求，对路网动态运能风险进行优化，以将原来集中于最短路径上的动态客流分配为多条路径上的动态客流，如图2所示，从出发车站a到终点车站b的od需求对中，如果不进行路径引导，则大部分乘客可能都会选择最短路径(未示出)出行，这样，大量乘客聚集出行，特别是在高峰时刻，容易造成交通拥堵，或引发其他事故，本公开实施例通过获取客流分配信息及车辆调度信息，根据所述客流分配信息及所述车辆调度信息模拟路网的运行，对所述客流分配信息及所述车辆调度信息进行调整，当基于调整的客流分配信息及车辆调度信息运行的路网中所述全局动态运能风险的最大值低于预设值、或对所述客流分配信息及所述车辆调度信息的调整次数达到预设次数时，输出调整后的客流分配信息及车辆调度信息，例如，将乘客分流到线路1、线路2、线路3三条路径上(当然，还可以包括对车辆调度信息的调整)，可以针对动态od需求、基于乘客路径引导及车辆调度，实现对路网全局运能风险峰值的控制和优化，可以提高交通运输能力并合理控制风险。
[0128]
请参阅图3，图3示出了根据本公开一实施例的交通路网动态调节方法的模型结构示意图。
[0129]
在一个示例中，如图3所示，仿真模型主要实现对优化对象(路网、车流、客流)的模拟计算，可以在给定的车辆调度与客流引导优化方案下仿真计算出路网的运行状态并动态计算出优化目标函数(即路网全局动态运能风险水平)。
[0130]
在一个示例中，如图3所示，解空间主要解决解的表达和解的范围的问题。
[0131]
在一个示例中，如图3所示，优化算法是整个优化框架的驱动引擎，其主要任务是从解空间中按一定策略选择一个(或一批)解代入仿真模型，等仿真模型运行结束后评估解的效果(即计算目标函数)，并基于已评估解的效果选择下一个(或下一批)解，通过这种循环迭代找到最优(或较优)解。
[0132]
请参阅图4，图4示出了根据本公开一实施例的优化算法执行优化过程的示意图。
[0133]
本公开实施例从解空间中获取初始种群(包括客流分配信息及车辆调度信息)，并将初始种群代入仿真模型中，等仿真模型运行结束后评估解的效果，即全局动态运能风险水平，基于评估结果调整客流分配信息及车辆调度信息，得到下一批种群、下一个解，这样通过多次迭代循环找到最优解或较优解。
[0134]
在一个示例中，本公开实施例的优化算法的每个解有两个染色体，即客流量染色体和线路车辆数目染色体。
[0135]
在一个示例中，线路车辆数目染色体的向量中每个元素为一个数组，表示不同的车辆类型(如表示n1车辆类型a)，数组中每一个元素为该种车辆类型下线路分配的车辆数。
[0136]
在一个示例中，线路车辆数目染色体可以表示为：
[0137]
其中，n、h均为整数。
[0138]
在一个示例中，客流染色体的向量中每个元素(如d1)为一个数组(对应一个出行od对)，数组中每一个元素为该od对下某一条路径的动态客流量。
[0139]
在一个示例中，客流染色体可以表示为：
[0140]
其中，d、k均为整数。
[0141]
在一个示例中，根据本公开实施例的优化目标，遗传算法中适应度评估函数选为全局动态运能风险最大值的倒数，即1/max(s(t))，max(s(t))越大适应度函数值越小，越容易在选择中被淘汰。考虑遗传算法中经典的选择算法，本公开实施例使用轮盘赌选择算法，在该算法中，每个个体进入下一代的概率等于其适应度与整个种群个体适应度之和的比值。其具体计算如公式6所示。
[0142][0143]
在一个示例中，优化过程中为了提升优化算法的全局搜索能力，对部分解按照0.9(也可以为其他)的交叉概率进行交叉操作，车辆数目染色体交叉如下，首先选定两条染色体和上第i个片段ni和ni′
，然后进行ni和ni′
位置互换完成交叉。
[0144][0145][0146]
客流染色体交叉如下，首先选定两条染色体和上第i个片段di和di′
，然后进行di和di′
位置互换完成交叉。
[0147][0148][0149]
在一个示例中，优化过程中为了增强遗传算法的局部随机搜索能力，避免陷入局部最优解，对部分解进行变异操作，车辆数目染色体和客流染色体变异如下，首先选定和上变异片段ni和di，然后分别以0.001的概率重新随机生成对应位置新的片段ni′
和di′
来替换老的片段ni和di，完成变异。
[0150][0151][0152]
在一个示例中，当优化算法达到满意解时，优化算法结束迭代，当优化算法一直未达到满意解时，采用设定迭代的最大次数的方式结束迭代，本公开实施例设置迭代代数为100代(也可以为其他)。
[0153]
请参阅表4，表4示出了本公开实施例的优化方法的描述。
[0154]
表4
[0155][0156]
其中，t
l
表示线路l的发车间隔，t
l
表示线路l单程运行时间，n
l
表示线路l的车辆总数，q
ij
(t)表示时刻t从站i到站j的出行需求，表示时刻t分配到从站i到站j的线路的客流需求量，t
min
表示最小发车间隔，t
max
表示最大发车间隔，n
ai
表示第i条线路a类型车辆，n
bj
表示第j条线路b类型车辆，na表示a类型车辆的总数目、nb表示b类型车辆的总数目，表示车站i到车站j之间第m条路径的距离，d
ij min
表示从站i到站j的最短路径的长度，β表示乘客满意度限制因子，表示乘客可容忍的最长路径超过最短路径长度的比例，m表示车辆总数目。
[0157]
下面以具体示例性对以上优化过程进行介绍。
[0158]
请参阅图5，图5示出了根据本公开一实施例的交通路网的示意图。
[0159]
在一个示例中，本公开以图5所示的重庆轨交交通部分线路作为仿真验证的交通路网实例，在图5所示的路网中，重庆轨道交通1号线、2号线、3号线、5号线、6号线、10号线、环线、成渝高铁、渝万城际铁路，并且将部分车站进行合并，保留始发站、终点站及重要的换乘站，其中包括40个车站，45个区间，涵盖地铁、单轨、高铁、城际铁路四种制式轨道交通系统。结合实际案例，本公开实施例考虑的是晚高峰时间全路网部分区间路段高负荷运行，出现交通拥挤的场景。
[0160]
请参阅表5，表5示出了根据本公开一实施的交通路网的线路信息。
[0161]
表5
[0162]
线路名称列车型号最大安全载客数高峰时段发车间隔单程运行时间列车数量1号线subwayb(类型a)14404min56min362号线mono(类型b)8803min57min493号线mono(类型b)13202min30s1h38min845号线subwayas(类型a)23228min24min116号线subwayb(类型a)14403min30s75min5010号线subwayas(类型a)23228min51min20环线subwayas(类型a)23226min52min26
渝万铁路crh2a62350min71.5min-成渝客专crh380d132820min110min-[0163]
由于重庆市轨道交通部分线路开通时间较短，客流需求较少，本公开实施例仅仅选择部分具有代表性的、客流需求较多的od进行仿真验证。
[0164]
请参阅图6，图6示出了根据本公开一实施例的交通路网一定时间段个od间的动态客流示意图。
[0165]
在一个示例，如图6所示，从18:00开始到19:30，各个od的客流逐渐达到峰值。
[0166]
请参阅图7a、图7b、图7c、图7d，图7a示出了列车调度及客流路径分配不采取任何优化措施的仿真示意图，图7b示出了仅对列车调度进行优化的仿真示意图，图7c示出了仅对客流路径分配进行优化的仿真示意图，图7d示出了采用本公开实施例的方法对客流路径分配与列车调度进行协同优化的仿真示意图。
[0167]
请参阅表6，表6示出了与图7a、图7b、图7c、图7d对应的调度信息。
[0168]
表6
[0169][0170]
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
[0171]
请参阅图8，图8示出了采用本公开实施例的方法对客流路径分配与列车调度进行协同优化的一个od需求中各路径动态分配客流的示意图。
[0172]
在一个示例中，如图8所示，该od需求为从校场口到尖顶坡，根据本公开实施例为其分配了三条路径(路径1、路径2及路径3)，每条路径各个时刻的客流如图8所示。
[0173]
请参阅表7，表7示出了与图7a、图7b、图7c、图7d对应的各种方式的风险对比。
[0174]
表7
[0175][0176]
从以上四种仿真情况及对比可以知道，采用本公开实施例的方法对客流路径分配与列车调度进行协同优化可以最大程度地降低全局动态运能风险。
[0177]
本公开实施例以区域轨道交通路网全局动态运能风险为核心提出了一种针对动态od需求的、基于乘客路径引导以及列车调度的协同优化方法，以实现对路网全局动态运能风险峰值的控制和优化。首先，本公开实施例建立了符合实际的路网仿真模型，并以实时客流人数与相应车站或区间安全容量的比值为风险函数的输入，实现整个路网动态风险的仿真计算。之后本公开实施例建立了基于仿真的优化算法框架，以动态风险最大值为优化目标，以区域轨道交通各线路实时客流人数、线路列车数目及发车间隔为优化变量，采用遗传算法实现协同优化方案的优化求解。
[0178]
请参阅图9，图9示出了根据本公开一实施例的交通路网动态调节装置的框图。
[0179]
如图9所示，所述装置包括：
[0180]
获取模块10，用于获取客流分配信息及车辆调度信息，所述客流分配信息包括交通出行需求对应的路径信息及各条路径的实时客流分配量，所述车辆调度信息包括分配到各个路径的车辆的数目及发车间隔；
[0181]
路网模拟模块20，用于根据所述客流分配信息及所述车辆调度信息模拟路网的运行，并得到路网运行时的全局动态运能风险及乘客选择各路径出行的概率；
[0182]
调整模块30，用于对所述客流分配信息及所述车辆调度信息进行调整，当基于调整的客流分配信息及车辆调度信息运行的路网中所述全局动态运能风险的最大值低于预设值、或对所述客流分配信息及所述车辆调度信息的调整次数达到预设次数时，输出调整后的客流分配信息及车辆调度信息，其中，输出的客流分配信息中各个路径对应的所述概率大于预设概率。
[0183]
本公开实施例通过获取客流分配信息及车辆调度信息，根据所述客流分配信息及所述车辆调度信息模拟路网的运行，对所述客流分配信息及所述车辆调度信息进行调整，当基于调整的客流分配信息及车辆调度信息运行的路网中所述全局动态运能风险的最大值低于预设值、或对所述客流分配信息及所述车辆调度信息的调整次数达到预设次数时，输出调整后的客流分配信息及车辆调度信息，可以针对动态od需求、基于乘客路径引导及车辆调度，实现对路网全局运能风险峰值的控制和优化，可以提高交通运输能力并合理控制风险。
[0184]
在一种可能的实施方式中，根据所述客流分配信息及所述车辆调度信息模拟路网的运行，并得到路网运行时的全局动态运能风险，包括：
[0185]
根据路网中各个节点、各个区间及各个乘客滞留区的风险后果与对应的风险概率
之积，得到各个节点、各个区间及各个乘客滞留区的风险；
[0186]
根据路网中各个节点、各个区间及各个乘客滞留区的风险之和得到所述全局动态运能风险，
[0187]
其中，各个节点、各个区间及各个乘客滞留区的风险后果与各个节点、各个区间及各个乘客滞留区的乘客数目正相关，
[0188]
其中，各个节点、各个区间及各个乘客滞留区的风险概率与各个节点的客流饱和度、各个区间的客流饱和度及各个乘客滞留区的乘客人数饱和度相关。
[0189]
在一种可能的实施方式中，所述根据所述客流分配信息及所述车辆调度信息模拟路网的运行，包括：
[0190]
将所述客流分配信息及所述车辆调度信息输入路网仿真模型，以模拟路网的运行，
[0191]
其中，所述路网仿真模型包括基础路网模型、车流模型、客流模型以及乘客路径规划模型，所述基础路网模型用于模拟路网结构，所述车流模型用于模拟客流载体，所述客流模型包括路径偏好模型及动态od需求模型，所述路径偏好模型用于模拟乘客的路径偏好，所述动态od需求模型用于模拟动态od需求，所述乘客路径规划模型用于针对每个乘客得到k优路径。
[0192]
在一种可能的实施方式中，所述得到路网运行时的全局动态运能风险及乘客选择各路径出行的概率，包括：
[0193]
根据引导路径的路径信息、乘客对路径的偏好参数、及预设路径的路径信息得到乘客对所述引导路径的满意度；
[0194]
根据所述满意度及预设参数确定乘客选择所述引导路径出行的概率。
[0195]
在一种可能的实施方式中，所述根据引导路径的路径信息、乘客对路径的偏好参数、及预设路径的路径信息得到乘客对所述引导路径的满意度，包括:
[0196]
根据所述引导路径的路径信息及所述偏好参数确定所述引导路径的等效路径长度；
[0197]
根据所述预设路径的路径信息及所述偏好参数确定所述预设路径的等效路径长度；
[0198]
根据所述引导路径的等效路径长度及所述预设路径的等效路径长度确定所述引导路径的满意度。
[0199]
在一种可能的实施方式中，所述偏好参数包括票价偏好、路径最短偏好、换乘最少偏好、舒适度偏好的至少一种。
[0200]
在一种可能的实施方式中，所述对所述客流分配信息及所述车辆调度信息进行调整，包括：
[0201]
以客流分配信息及车辆调度信息为优化变量、以路网中车辆总数目和乘客对路径的满意度为约束条件，执行基于遗传算法的优化模型对所述全局动态运能风险进行优化，得到所述全局动态运能风险的最大值低于所述预设值时的客流分配信息及车辆调度信息。
[0202]
在一种可能的实施方式中，所述执行基于遗传算法的优化模型对所述全局动态运能风险进行优化，包括：
[0203]
当所述全局动态运能风险的最大值高于所述预设值、且所述调整次数小于预设值
时，基于轮盘赌算法、染色体变异、染色体交叉的至少一种产生调整后的客流分配信息及车辆调度信息，
[0204]
其中，所述轮盘赌算法的预设概率为遗传算法的适应度与整个种群个体适应度之和的比值。
[0205]
在一种可能的实施方式中，所述预设概率为所述全局动态运能风险最大值的倒数。
[0206]
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
[0207]
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
[0208]
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
[0209]
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
[0210]
电子设备可以被提供为终端、服务器或其它形态的设备。
[0211]
图10示出了根据本公开一实施例的一种电子设备的框图。
[0212]
例如，电子设备800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，个人数字助理等终端。
[0213]
参照图10，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
[0214]
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
[0215]
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0216]
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
[0217]
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面
板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0218]
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
[0219]
i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
[0220]
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(cmos)或电荷耦合装置(ccd)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0221]
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(wifi)，第二代移动通信技术(2g)或第三代移动通信技术(3g)，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
[0222]
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0223]
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
[0224]
图11示出了根据本公开一实施例的一种电子设备的框图。
[0225]
例如，电子设备1900可以被提供为一服务器。参照图11，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包
括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
[0226]
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(windows server
tm
)，苹果公司推出的基于图形用户界面操作系统(mac os x
tm
)，多用户多进程的计算机操作系统(unix
tm
),自由和开放原代码的类unix操作系统(linux
tm
)，开放原代码的类unix操作系统(freebsd
tm
)或类似。
[0227]
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
[0228]
本公开可以是系统、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公开的各个方面的计算机可读程序指令。
[0229]
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。
[0230]
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。
[0231]
用于执行本公开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，所述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，从而实现本公开的各个方面。
[0232]
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。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。
[0233]
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。
[0234]
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。
[0235]
附图中的流程图和框图显示了根据本公开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，所述模块、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。
[0236]
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
[0237]
以上已经描述了本公开的各实施例，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。本公开实施例中所用术语的选择，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的改进，或者使本技术领域的其它普通技术人员能理解本公开实施例披露的各实施例。