路侧点位与车辆驾驶行为关联方法、装置及存储介质与流程

1.本公开涉及人工智能技术领域，特别涉及车路协同、智能交通以及大数据处理等领域的路侧点位与车辆驾驶行为关联方法、装置及存储介质。


背景技术：

2.为分析交通监控、交通基础设施与交通安全(如车辆危险驾驶行为)之间的关系，需要将车辆危险驾驶行为与路侧点位进行关联。
3.路侧点位为一种交通基础设施，即指路侧计算单元(rscu，road side computing unit)设备，或称为智能路侧设备，可部署在道路沿线，配合其它设施或系统完成交通信息收集、处理与决策等。


技术实现要素：

4.本公开提供了路侧点位与车辆驾驶行为关联方法、装置及存储介质。
5.一种路侧点位与车辆驾驶行为关联方法，包括：
6.针对发生在待处理区域内的任一车辆驾驶行为，根据所述车辆驾驶行为发生的地理位置以及所述待处理区域对应的空间索引，从位于所述待处理区域内的路侧点位中选出作为待选对象的路侧点位；
7.从所述待选对象中选出与所述车辆驾驶行为发生的地理位置距离最近的路侧点位，作为所述车辆驾驶行为关联的路侧点位。
8.一种路侧点位与车辆驾驶行为关联装置，包括：筛选模块以及关联模块；
9.所述筛选模块，用于针对发生在待处理区域内的任一车辆驾驶行为，根据所述车辆驾驶行为发生的地理位置以及所述待处理区域对应的空间索引，从位于所述待处理区域内的路侧点位中选出作为待选对象的路侧点位；
10.所述关联模块，用于从所述待选对象中选出与所述车辆驾驶行为发生的地理位置距离最近的路侧点位，作为所述车辆驾驶行为关联的路侧点位。
11.一种电子设备，包括：
12.至少一个处理器；以及
13.与所述至少一个处理器通信连接的存储器；其中，
14.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。
15.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。
16.一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如以上所述的方法。
17.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
18.附图用于更好地理解本方案，不构成对本公开的限定。其中：
19.图1为本公开所述路侧点位与车辆驾驶行为关联方法实施例的流程图；
20.图2为本公开所述对待处理区域进行空间子区域划分的方式示意图；
21.图3为按照图2所示空间子区域划分方式对待处理区域进行划分后的划分结果示意图；
22.图4为本公开所述车辆驾驶行为发生的地理位置示意图；
23.图5为本公开所述路侧点位与车辆驾驶行为关联装置第一实施例500的组成结构示意图；
24.图6为本公开所述路侧点位与车辆驾驶行为关联装置第二实施例600的组成结构示意图；
25.图7示出了可以用来实施本公开的实施例的电子设备700的示意性框图。
具体实施方式
26.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
27.另外，应理解，本文中术语“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，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
28.图1为本公开所述路侧点位与车辆驾驶行为关联方法实施例的流程图。如图1所示，包括以下具体实现方式。
29.在步骤101中，针对发生在待处理区域内的任一车辆驾驶行为，根据该车辆驾驶行为发生的地理位置以及待处理区域对应的空间索引，从位于待处理区域内的路侧点位中选出作为待选对象的路侧点位。
30.在步骤102中，从待选对象中选出与该车辆驾驶行为发生的地理位置距离最近的路侧点位，作为该车辆驾驶行为关联的路侧点位。
31.传统方式中，针对任一车辆驾驶行为，可根据该车辆驾驶行为发生的地理位置，分别计算出其与所有路侧点位之间的距离，之后可选出距离最近的路侧点位作为该车辆驾驶行为关联的路侧点位，所述地理位置即指经纬度位置。
32.但是，在实际应用中，车辆驾驶行为的数量以及路侧点位的数量可能都会比较多，那么相应地，采用上述方式，会需要非常大的计算量。比如，车辆驾驶行为的数量为100万，路侧点位数量为100，那么则需要进行1000000*100＝1亿次计算，计算量非常大，计算资源需求以及计算耗时均会很高。
33.而采用上述方法实施例所述方案，可基于车辆驾驶行为发生的地理位置以及待处理区域对应的空间索引对路侧点位进行筛选，进而仅计算车辆驾驶行为发生的地理位置与筛选出的路侧点位之间的距离，并选出距离最小的路侧点位进行关联，从而降低了计算量和计算耗时，节省了计算资源，并提升了关联效率等。
34.待处理区域的具体大小以及范围等均可根据实际需要而定。
35.本公开的一个实施例中，针对待处理区域，可根据位于其中的路侧点位的地理位置，对待处理区域进行空间子区域划分，并可根据划分结果生成待处理区域对应的空间索引。
36.本公开的一个实施例中，可从位于待处理区域内的路侧点位中选出一个路侧点位，基于选出的路侧点位的地理位置，将待处理区域划分为两个空间子区域，之后可针对划分得到的每个空间子区域，分别将其作为待划分空间子区域，并执行以下第一处理：响应于确定待划分空间子区域中存在未被选出过的路侧点位，从所述未被选出过的路侧点位中选出一个路侧点位，基于选出的路侧点位的地理位置，将待划分空间子区域划分为两个空间子区域，将划分得到两个空间子区域作为待划分空间子区域的下一层级空间子区域，并将划分得到的两个空间子区域分别作为待划分空间子区域，执行所述第一处理，响应于确定待划分空间子区域中不存在未被选出过的路侧点位，结束针对待划分空间子区域的处理。
37.通过上述处理，可高效准确地完成空间子区域的划分，从而为后续处理奠定了良好的基础。
38.本公开的一个实施例中，在将待划分空间子区域划分为两个空间子区域时，可采用与划分得到待划分空间子区域不同的划分方式，将待划分空间子区域划分为两个空间子区域，所述划分方式包括：划分为上下两个空间子区域的方式，以及，划分为左右两个空间子区域的方式。
39.通过上述处理，可便于形成闭合区间，从而减少后续处理的计算量等。
40.图2为本公开所述对待处理区域进行空间子区域划分的方式示意图。如图2所示，假设待处理区域内共包括5个路侧点位，为便于表述，分别称为路侧点位1、路侧点位2、路侧点位3、路侧点位4和路侧点位5，分别对应于图中的1、2、3、4和5。
41.如图2所示，可首先从5个路侧点位中选出一个路侧点位，如何选择不作限制，比如，可随机选出一个路侧点位，或者，可根据各路侧点位的地理位置，选出地理位置在待处理区域中比较居中的一个路侧点位，假设选出的路侧点位为路侧点位1，那么进一步地，可基于路侧点位1的地理位置，将待处理区域划分为两个空间子区域，即位于路侧点位1所在的直线上方的空间子区域以及位于直线下方的空间子区域，为便于表述，将位于直线上方的空间子区域称为空间子区域11，将位于直线下方的空间子区域称为空间子区域12。
42.之后，可将空间子区域11和空间子区域12分别作为待划分空间子区域，并分别执行所述第一处理。
43.如图2所示，对于空间子区域11，其中存在未被选出过的路侧点位3和路侧点位4，那么可从中选出一个路侧点位，如何选择同样不作限制，假设选出了路侧点位3，那么进一步地，可基于路侧点位3的地理位置，将空间子区域11划分为两个空间子区域，即位于路侧点位3所在的直线左侧的空间子区域以及位于直线右侧的空间子区域，为便于表述，将位于直线左侧的空间子区域称为空间子区域31，将位于直线右侧的空间子区域称为空间子区域32。
44.对于空间子区域31，其中存在未被选出过的路侧点位4，那么进一步地，可基于路侧点位4的地理位置，将空间子区域31划分为两个空间子区域，即位于路侧点位4所在的直线上方的空间子区域以及位于直线下方的空间子区域，为便于表述，将位于直线上方的空
间子区域称为空间子区域41，将位于直线下方的空间子区域称为空间子区域42。
45.对于空间子区域32，由于其中不存在路侧点位，因此可结束针对该空间子区域的处理，即不再进行划分。同样地，对于空间子区域41和空间子区域42，由于其中不存在路侧点位，因此可结束针对这两个空间子区域的处理。
46.对于空间子区域12，其中存在未被选出过的路侧点位2和路侧点位5，那么可从中选出一个路侧点位，假设选出了路侧点位2，那么进一步地，可基于路侧点位2的地理位置，将空间子区域12划分为两个空间子区域，即位于路侧点位2所在的直线左侧的空间子区域以及位于直线右侧的空间子区域，为便于表述，将位于直线左侧的空间子区域称为空间子区域21，将位于直线右侧的空间子区域称为空间子区域22。
47.对于空间子区域21，其中存在未被选出过的路侧点位5，那么进一步地，可基于路侧点位5的地理位置，将空间子区域21划分为两个空间子区域，即位于路侧点位5所在的直线上方的空间子区域以及位于直线下方的空间子区域，为便于表述，将位于直线上方的空间子区域称为空间子区域51，将位于直线下方的空间子区域称为空间子区域52。
48.对于空间子区域22，由于其中不存在路侧点位，因此可结束针对该空间子区域的处理。同样地，对于空间子区域51和空间子区域52，由于其中不存在路侧点位，因此可结束针对该空间子区域的处理。
49.相应地，图3为按照图2所示空间子区域划分方式对待处理区域进行划分后的划分结果示意图。
50.进一步地，可根据划分结果生成待处理区域对应的空间索引。本公开的一个实施例中，即可利用预定的数据存储结构，对划分结果进行存储。所述数据存储结构的具体形式不作限制，可根据实际需要而定。
51.数据存储结构中可记录所需的各种信息，如可包括分别基于各路侧点位划分得到了哪些空间子区域，各空间子区域之间的层级关系，以及各空间子区域各自对应的范围等，后续，可对其中存储的信息进行方便的查看及调用等。
52.基于上述空间索引，针对发生在待处理区域内的任一车辆驾驶行为，可根据车辆驾驶行为发生的地理位置以及所述空间索引，从位于待处理区域内的路侧点位中选出作为待选对象的路侧点位。
53.本公开的一个实施例中，可确定出包括车辆驾驶行为发生的地理位置的各层级的空间子区域，进而可将确定出的各层级的空间子区域对应的路侧点位作为待选对象，其中，对于任一空间子区域，对应的路侧点位为划分得到该空间子区域所基于的路侧点位。
54.图4为本公开所述车辆驾驶行为发生的地理位置示意图。如图4所示，借助于空间索引，可确定出包括车辆驾驶行为发生的地理位置的各层级的空间子区域包括：空间子区域11、空间子区域31以及空间子区域41，对应的路侧点位分别为路侧点位1、路侧点位3和路侧点位4，那么则可将路侧点位1、路侧点位3和路侧点位4作为待选对象。
55.可以看出，通过上述处理，可高效准确地确定出待选对象，以方便实现后续的路侧点位关联。
56.之后，可分别计算车辆驾驶行为发生的地理位置与路侧点位1之间的距离、车辆驾驶行为发生的地理位置与路侧点位2之间的距离以及车辆驾驶行为发生的地理位置与路侧点位3之间的距离，从而可得到3个计算结果，进而可从3个计算结果中选出取值最小的一
个，将选出的计算结果对应的路侧点位作为车辆驾驶行为关联的路侧点位。
57.本公开的一个实施例中，还可将车辆驾驶行为及关联的路侧点位进行存储，用于交通大数据分析，或者，可将关联的路侧点位与车辆驾驶行为发生的地理位置之间的距离与预先设定的阈值进行比较，响应于确定所述距离小于所述阈值，可将车辆驾驶行为及关联的路侧点位进行存储，否则，可不进行存储。所述阈值的具体取值可根据实际需要而定。
58.另外，本公开的一个实施例中，所述车辆驾驶行为可为车辆危险驾驶行为。
59.在将车辆危险驾驶行为与路侧点位进行关联后，可将车辆危险驾驶行为及关联的路侧点位进行存储，用于交通大数据分析，如用于分析在路侧点位附近车辆危险驾驶行为是否减少等，但对于车辆危险驾驶行为距离路侧点位较远的情况(大于所述阈值)，可认为车辆危险驾驶行为是否发生与是否存在路侧点位没什么关系，相应地，可将所述关联过滤掉，以减少后续大数据分析时的工作量等。
60.作为举例，表一和表二分别为待处理区域一个小时内发生的车辆危险驾驶行为以及待处理区域内存在的路侧点位的说明。
[0061][0062]
表一 待处理区域一个小时内发生的车辆危险驾驶行为
[0063]
其中，车辆标识表示发生车辆危险驾驶行为的车辆，经度和纬度分别表示车辆危险驾驶行为发生的地理位置的经度和纬度，类别表示车辆危险驾驶行为的类别，在实际应用中，可将车辆危险驾驶行为进一步细分为多种不同的类别。
[0064] 编号(road_id)经度纬度01113.48996523.17901812113.44390623.17173223113.46253523.173260........................
[0065]
表二 待处理区域内存在的路侧点位
[0066]
其中，编号表示路侧点位的编号，经度和纬度分别表示路侧点位所在的地理位置的经度和纬度。
[0067]
按照本公开所述方式，可分别确定出各车辆危险驾驶行为关联的路侧点位，如表三所示。
[0068][0069]
表三 车辆危险驾驶行为及关联的路侧点位
[0070]
其中，距离表示车辆危险驾驶行为发生的地理位置与关联的路侧点位之间的距离。
[0071]
在实际应用中，可针对预定时长内产生的车辆危险驾驶行为进行统一处理，所述预定时长可为一小时，当然，也可为其它时长。
[0072]
如前所述，若采用传统方式，假设车辆驾驶行为的数量为100万，路侧点位数量为100，那么需要进行1000000*100＝1亿次计算，而采用本公开所述方式，计算次数则大约变为1000000*log
2 100＝664万次，计算量会显著减少，相应地，计算耗时也会显著减少。
[0073]
需要说明的是，对于前述的方法实施例，为了简单描述，将其表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本公开所必须的。
[0074]
总之，采用本公开方法实施例所述方案，可降低计算量和计算耗时，节省计算资源，并可提升关联效率等。
[0075]
以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。
[0076]
图5为本公开所述路侧点位与车辆驾驶行为关联装置第一实施例500的组成结构示意图。如图5所示，包括：筛选模块501以及关联模块502。
[0077]
筛选模块501，用于针对发生在待处理区域内的任一车辆驾驶行为，根据该车辆驾驶行为发生的地理位置以及待处理区域对应的空间索引，从位于待处理区域内的路侧点位中选出作为待选对象的路侧点位。
[0078]
关联模块502，用于从待选对象中选出与该车辆驾驶行为发生的地理位置距离最近的路侧点位，作为该车辆驾驶行为关联的路侧点位。
[0079]
采用上述装置实施例所述方案，可基于车辆驾驶行为发生的地理位置以及待处理区域对应的空间索引对路侧点位进行筛选，进而仅计算车辆驾驶行为发生的地理位置与筛选出的路侧点位之间的距离，并选出距离最小的路侧点位进行关联，从而降低了计算量和计算耗时，节省了计算资源，并提升了关联效率等。
[0080]
图6为本公开所述路侧点位与车辆驾驶行为关联装置第二实施例600的组成结构示意图。如图6所示，包括：筛选模块501、关联模块502以及预处理模块503。
[0081]
其中，筛选模块501以及关联模块502与图5所示实施例中相同。
[0082]
预处理模块503，用于根据位于待处理区域内的路侧点位的地理位置，对待处理区域进行空间子区域划分，根据划分结果生成待处理区域对应的空间索引。
[0083]
本公开的一个实施例中，预处理模块503可从位于待处理区域内的路侧点位中选出一个路侧点位，基于选出的路侧点位的地理位置，将待处理区域划分为两个空间子区域，之后可针对划分得到的每个空间子区域，分别将其作为待划分空间子区域，并分别执行以下第一处理：响应于确定待划分空间子区域中存在未被选出过的路侧点位，从所述未被选出过的路侧点位中选出一个路侧点位，基于选出的路侧点位的地理位置，将待划分空间子区域划分为两个空间子区域，将划分得到两个空间子区域作为待划分空间子区域的下一层级空间子区域，并将划分得到的两个空间子区域分别作为待划分空间子区域，执行所述第一处理，响应于确定待划分空间子区域中不存在未被选出过的路侧点位，结束针对待划分空间子区域的处理。
[0084]
本公开的一个实施例中，预处理模块503在将待划分空间子区域划分为两个空间子区域时，可采用与划分得到待划分空间子区域不同的划分方式，将待划分空间子区域划分为两个空间子区域，所述划分方式包括：划分为上下两个空间子区域的方式，以及，划分为左右两个空间子区域的方式。
[0085]
另外，本公开的一个实施例中，预处理模块503可利用预定的数据存储结构，对划分结果进行存储，从而得到所述空间索引。所述数据存储结构的具体形式不作限制，可根据实际需要而定。
[0086]
基于上述空间索引，针对发生在待处理区域内的任一车辆驾驶行为，可根据车辆驾驶行为发生的地理位置以及所述空间索引，从位于待处理区域内的路侧点位中选出作为待选对象的路侧点位。
[0087]
本公开的一个实施例中，筛选模块501可确定出包括车辆驾驶行为发生的地理位置的各层级的空间子区域，进而可将确定出的各层级的空间子区域对应的路侧点位作为待选对象，其中，对于任一空间子区域，对应的路侧点位为划分得到该空间子区域所基于的路侧点位。
[0088]
之后，关联模块502可分别计算车辆驾驶行为发生的地理位置与各待选对象之间的距离，并可从各计算结果中选出取值最小的一个，将选出的计算结果对应的路侧点位作为车辆驾驶行为关联的路侧点位。
[0089]
本公开的一个实施例中，关联模块502还可将车辆驾驶行为及关联的路侧点位进行存储，用于交通大数据分析，或者，可将关联的路侧点位与车辆驾驶行为发生的地理位置之间的距离与预先设定的阈值进行比较，响应于确定所述距离小于所述阈值，可将车辆驾驶行为及关联的路侧点位进行存储，否则，可不进行存储。
[0090]
另外，本公开的一个实施例中，所述车辆驾驶行为可为车辆危险驾驶行为。
[0091]
图5和图6所示装置实施例的具体工作流程可参照前述方法实施例中的相关说明，不再赘述。
[0092]
总之，采用本公开装置实施例所述方案，可降低计算量和计算耗时，节省计算资源，并可提升关联效率等。
[0093]
本公开所述方案可应用于人工智能领域，特别涉及车路协同、智能交通以及大数据处理等领域。人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推
理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术，人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术，人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
[0094]
本公开所述实施例中的车辆驾驶行为等并不是针对某一特定用户的，并不能反映出某一特定用户的个人信息。本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
[0095]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
[0096]
图7示出了可以用来实施本公开的实施例的电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0097]
如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(rom)702中的计算机程序或者从存储单元708加载到随机访问存储器(ram)703中的计算机程序，来执行各种适当的动作和处理。在ram 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
[0098]
设备700中的多个部件连接至i/o接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0099]
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如本公开所述的方法。例如，在一些实施例中，本公开所述的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由rom 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到ram 703并由计算单元701执行时，可以执行本公开所述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开所述的方法。
[0100]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器
可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0101]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0102]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0103]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0104]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0105]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0106]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
[0107]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。