充电桩状态识别方法、装置、电子设备及存储介质与流程

1.本发明涉及充电桩技术领域，尤其涉及一种充电桩状态识别方法、装置、电子设备及存储介质。


背景技术：

2.充电桩作为电动汽车充电站，可以根据不同的电压等级为各种型号的电动汽车充电。为了保证充电过程的安全，需要对充电桩的状态进行监控，及时识别出充电桩的异常状态。目前对充电桩异常状态的识别包括两种方式，第一种是在充电桩出现功能性故障后自动向服务器上报相关信息，第二种是通过对充电桩定期巡检和周期性检定来获取充电桩的状态。
3.然而，第一种方式缺少对不影响充电桩使用的非功能性故障的上报，第二种方式综合成本较高，并且发现异常的时效性受巡检检定周期影响，不能做到对异常状态的及时发现。


技术实现要素：

4.本发明提供一种充电桩状态识别方法、装置、电子设备及存储介质，用以解决现有技术中现场巡检检定成本过高且不易发现不影响充电桩作业的异常状态的缺陷，实现对充电桩状态的准确快速识别。
5.本发明提供一种充电桩状态识别方法，包括：确定目标充电桩的历史订单数据；基于所述目标充电桩的历史订单数据，逐周期提取所述目标充电桩的时序特征；基于各周期时序特征和所述各周期时序特征的统计学指标，确定所述目标充电桩的状态。
6.根据本发明提供的一种充电桩状态识别方法，所述基于所述目标充电桩的历史订单数据，逐周期提取所述目标充电桩的时序特征，包括：将所述目标充电桩的历史订单数据按照所述周期划分，剔除节假日所在周期的目标充电桩的历史订单数据；基于剔除节假日所在周期后的目标充电桩的历史订单数据，逐周期提取所述目标充电桩的时序特征。
7.根据本发明提供的一种充电桩状态识别方法，所述基于各周期时序特征和所述各周期时序特征的统计学指标，确定所述目标充电桩的状态，包括：逐一判断所述各周期时序特征和所述各周期时序特征的统计学指标的关系；若存在任一个周期的时序特征不满足所述任一个周期的统计学指标，则确定所述目标充电桩为异常状态；若所述各周期时序特征均满足所述各周期时序特征的统计学指标，则确定所述目标充电桩为正常状态。
8.根据本发明提供的一种充电桩状态识别方法，确定所述任一个周期的统计学指标，包括：获取第i个周期到第（i n）个周期的时序特征，其中，i为正整数，n为能提取到稳定时序特征的最小周期数；基于所述第i个周期到第（i n）个周期的时序特征，确定第（i n 1）个周期时序特征的统计学指标。
9.根据本发明提供的一种充电桩状态识别方法，所述基于所述第i个周期到第（i n）个周期的时序特征，确定第（i n 1）个周期时序特征的统计学指标，包括：基于所述第i个周期到第（i n）个周期的时序特征的均值和三倍的标准差，确定第（i n 1）个周期时序特征的统计学指标。
10.根据本发明提供的一种充电桩状态识别方法，所述目标充电桩的时序特征包括目标充电桩的平均充电时长、平均充电功率和平均充电电量。
11.根据本发明提供的一种充电桩状态识别方法，所述确定目标充电桩的历史订单数据之前，还包括：获取待处理充电桩的历史订单数据进行筛选；基于所述待处理充电桩的历史订单数据的筛选通过结果，确定所述待处理充电桩的历史订单数据为所述目标充电桩的历史订单数据；其中，筛选条件包括有充电记录的订单数据时长、订单数量和平均每个订单的充电电量。
12.根据本发明提供的一种充电桩状态识别方法，所述待处理充电桩的历史订单数据的筛选通过结果，包括：所述待处理充电桩的历史订单数据中有充电记录的数据时长大于等于第一阈值、所述待处理充电桩的历史订单数据的订单数量大于等于第二阈值且所述待处理充电桩的历史订单数据中平均每个订单的充电电量大于等于第三阈值。
13.本发明还提供一种充电桩状态识别装置，包括：输入模块，用于确定目标充电桩的历史订单数据；特征提取模块，用于基于所述目标充电桩的历史订单数据，逐周期提取所述目标充电桩的时序特征；状态识别模块，用于基于各周期时序特征和所述各周期时序特征的统计学指标，确定所述目标充电桩的状态。
14.本发明还提供一种电子设备，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如上述任一种所述充电桩状态识别方法。
15.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述充电桩状态识别方法。
16.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所充电桩状态识别方法。
17.本发明提供的充电桩状态识别方法、装置、电子设备及存储介质，首先，通过充分利用在充电桩接算交易平台已有的历史订单数据，无需监控实时订单数据，具有明显成本
优势。同时，由于充电桩在一定周期内的数据具有相似性，因此以周期性的方式对历史数据进行特征提取，能够考虑到不同充电桩的工作状态的细微区别，实现在充电桩电桩依然能工作时发现其可能的异常状态，对充电桩状态异常的识别时效性高。
附图说明
18.为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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。
19.图1是本发明提供的充电桩状态识别方法的流程示意图；图2是本发明提供的充电桩状态识别方法的流程示意图之二；图3是本发明提供的充电桩状态识别装置的结构示意图；图4是本发明提供的电子设备的结构示意图。
具体实施方式
20.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
21.充电桩与服务器进行联网充电的过程中，在启动充电时，会生成充电订单信息，同时在整个充电过程中，充电桩实时上报相关充电订单信息，比如充电订单的充电电流、电压、电量等。对于实时上报的订单进行状态监控，成本较高且数据不一定满足处理要求。因此，本发明实施例提出了一种基于历史订单数据的充电桩状态识别方法，下面结合图1-图2进行描述。
22.如图1所示，本发明实施例的方法，至少包括如下步骤：步骤101、确定目标充电桩的历史订单数据；步骤102、基于目标充电桩的历史订单数据，逐周期提取目标充电桩的时序特征；步骤103、基于各周期时序特征和各周期时序特征的统计学指标，确定目标充电桩的状态。
23.针对步骤101，需要说明的是，充电桩运行过程会持续产生订单数据，即每一次充电都会产生一个订单，包括：充电开始时间、充电结束时间、充电电量、充电费用及其他充电用户相关信息的数据。典型的订单数据如表1所示：表1
另外，需要说明的是，本发明实施例所选用的历史订单数据，源于现有充电桩接算交易平台已有的数据，无需即时获取当前数据，解决了现场巡检检定成本过高的问题。由于本发明实施例的方法需要依据历史数据的特征来获取统计学指标从而判断数据的变化趋势，因此需要选定目标充电桩的订单数据作为本发明实施例的状态识别的对象。
24.针对步骤102，需要说明的是，由于充电桩使用者具有充分随机性，因此充电桩的与状态异常的相关特征在较长时间尺度上趋于稳定。本发明实施例的方法基于这个特性，为历史订单数据划分周期，并依据划分的周期逐周期提取时序特征。例如，在选择的周期为一周时，不同周中相同序号的一天在长时间尺度上的订单数据应当类似，周期性提取可以体现数据的规律性。
25.具体的，目标充电桩的时序特征包括目标充电桩的平均充电时长、平均充电功率和平均充电电量。本发明通过提取订单数据中与充电桩的充电时长、充电电量以及充电功率信息作为时序特征，能够更好的体现充电桩与异常状态相关的特性。
26.针对步骤103，需要说明的是，确定目标充电桩的状态所依据的原理如下：若充电桩计量模块发生异常，则充电桩实际充电过程不受影响，其每次充电的充电电量与真实充电电量存在偏差，表现为平均充电时长不受影响、平均充电电量发生变化，平均充电功率发生变化。
27.若充电桩电源模块发生异常，ac-dc转换效率降低，则充电桩实际充电过程受到影响，充电过程比正常过程慢，但充电电量计量不受影响，即每个车充满所需电量依然正确计量。表现为平均充电时长变长、平均充电电量不变，平均充电功率发生变化。
28.若充电桩电源模块发生异常，ac-dc转换效率降低，且充电桩计量模块也发生异常，则充电桩实际充电过程受到影响，且充电电量计量也受影响。表现为平均充电时长变长、平均充电电量发生变化，平均充电功率也发生变化。
29.由于现有方法不易发现不影响充电桩充电作业的异常，例如计量异常、电源模块ac-dc转换效率异常等。因此，本发明实施例可以根据充电桩的平均充电时长、平均充电功率、平均充电电量的统计学指标可以看出每个周期相较于之前数据的变化趋势，从而可以确定充电桩计量模块和充电桩电源模块的异常情况。
30.具体的，统计学指标一般用于评价数据的集中趋势和离散趋势，仅适用集中趋势无法提供充足的信息，结合集中趋势和离散程度才能更好的理解数据。本实施例中描述集中趋势的统计学指标可以是均值、中位数和众数，描述离散趋势的统计学指标可以是极差、方差和标准差。
31.本发明实施例的充电桩状态识别方法，可以基于现有的历史订单数据进行分析来确定充电桩的状态，解决了现场巡检检定成本过高的问题。同时，由于充电桩在一定周期内的数据具有相似性，因此以周期性的方式对历史数据进行特征提取，能够考虑到不同充电桩的工作状态的细微区别，并基于统计学指标的判断，可以甄别不影响充电桩充电作业的状态异常，做到对异常状态的及时发现。
32.可以理解的是，基于目标充电桩的历史订单数据，逐周期提取目标充电桩的时序特征，包括：将目标充电桩的历史订单数据按照周期划分，剔除节假日所在周期的目标充电桩的历史订单数据；基于剔除节假日所在周期后的目标充电桩的历史订单数据，逐周期提取目标充电桩的时序特征。
33.需要说明的是，本发明实施例中周期的划分需要依据历史订单数据的总数，例如，历史订单数据的时长6个月，那么周期可以设定为一个星期七天，如周期再小不易体现规律性。同时，周期也可以基于更长的历史订单数据设定为多个星期。由于节假日充电桩的使用率和使用情况与工作日和普通周末相差较大，若保留容易造成提取出的时序特征不够稳定。因此，本发明实施例剔除节假日所在周期的目标充电桩的历史订单数据，充分考虑了节假日对充电桩使用率和使用情况的影响。
34.具体的，以一个星期为一个周期提取的到时序特征的计算方法，如下所示：一个周期中每次充电的平均充电时长如式1所示：其中，为周期序号，表示第个星期目标充电桩每次充电（每个订单）的平均充电时长，表示第个星期目标充电桩共有次充电，表示第个星期目标充电桩的第次充电的开始时间，，表示第个星期目标充电桩的第次充电的结束时间。
35.一个周期中每次充电的平均充电电量如式2所示：其中，表示第个星期目标充电桩每次充电（每个订单）的平均充电电量，表示第个星期目标充电桩的第次充电的充电电量。
36.一个周期中每次充电的平均充电功率如式所示：
其中，表示第个星期目标充电桩每次充电（每个订单）的平均充电功率。
37.按照上述方法，排除包含节假日的数据后，得到目标充电桩的时序特征数据如表2所示，其中星期编号计数以开始分析的日期的下个周一开始：表2可以理解的是，基于各周期时序特征和各周期时序特征的统计学指标，确定目标充电桩的状态，包括：逐一判断各周期时序特征和各周期时序特征的统计学指标的关系；若存在任一个周期的时序特征不满足任一个周期的统计学指标，则确定目标充电桩为异常状态；若各周期时序特征均满足各周期时序特征的统计学指标，则确定目标充电桩为正常状态。
38.需要说明的是，本发明实施例调用预设的状态判别模型逐一判断各周期时序特征和各周期时序特征的统计学指标的关系。该模型用于分析当前周期的特征数据，判断目标充电桩是否存在状态异常。对于目标充电桩，只要存在一个周期时序特征不满足该周期时序特征的统计学指标，则判定该桩为异常充电桩，将该桩输出到异常充电桩清单。而在目标充电桩所有周期的时序特征都满足对应的统计学指标的前提下，才可以判定目标充电桩为正常充电桩。这样可以保证对于目标充电桩不出现任何漏检的情况，提高不易发现的异常状态的识别率。
39.可以理解的是，确定目标充电桩的历史订单数据之前，还包括：获取待处理充电桩的历史订单数据进行筛选；基于待处理充电桩的历史订单数据的筛选通过结果，确定待处理充电桩的历史订单数据为目标充电桩的历史订单数据；其中，筛选条件包括有充电记录的订单数据时长、订单数量和平均每个订单的充电电量。
40.需要说明的是，本发明实施例的方法在确定目标充电桩之前，需要对获取到的待处理充电桩的历史订单数据依据预设的原则进行筛选，例如获取待处理充电桩过去一年内的订单数据，然后对该订单数据进行分析，若该订单数据的时长，数据量和订单中的充电量均满足要求，则将待处理充电桩作为目标充电桩，并将过去一年内的订单数据中满足要求的订单数据拼接为历史订单数据。增加了对历史订单数据的筛选，在订单数据满足分析条件才可以执行后续的状态判别，保证了后续判别的准确性。
41.可以理解的是，待处理充电桩的历史订单数据的筛选通过结果，包括：待处理充电桩的历史订单数据中有充电记录的数据时长大于等于第一阈值、待处理充电桩的历史订单数据的订单数量大于等于第二阈值且待处理充电桩的历史订单数据中平均每个订单的充电电量大于等于第三阈值。
42.需要说明的是，有充电记录数据是指，一天至少有一次充电记录，即一天至少有一个订单，在计算有充电记录的数据是会统计有充电记录的天数有多少天。第一阈值为有充电记录数据的最小时长，例如，对于一年的历史订单数据，第一阈值为六个月，即需要判别待处理充电桩的历史订单数据有充电记录的数据时长是否大于等于六个月。第二阈值可以为每月最小订单数或者最小历史订单数，第二阈值为每月最小订单数时，对于一年的历史订单数据，第二阈值为100，即需要判别待处理充电桩的历史订单数据中有充电记录月份，每月的订单数量是否超过100个。或者，第二阈值为最小历史订单数时，对于一年的历史订单数据，第二阈值为500，即需要判别待处理充电桩的历史订单数据是否超过500个。第三阈值为平均每次充电电量的最小值，例如，第三阈值可以为10kwh。
43.另外，若待处理充电桩的历史订单数据有任意一项阈值不满足，就说明当前待处理充电桩的数据不适用于本方法，将其添加到不可判定的充电桩清单。
44.可以理解的是，确定任一个周期的统计学指标，包括：获取第i个周期到第（i n）个周期的时序特征，其中，i为正整数，n为能提取到稳定时序特征的最小周期数；基于第i个周期到第（i n）个周期的时序特征，确定第（i n 1）个周期时序特征的统计学指标。
45.需要说明的是，由于本方法的判别模型所依据原理是充电桩的平均充电时长、平均充电功率、平均充电电量在较长时间尺度上趋于稳定，因此需要选取较长的时间尺度的时序特征数据提取统计学指标才能更具备准确性。作为示例性的，对于目标充电桩至少6个月的历史订单数据，选定周期为一个星期7天时，则历史订单数据至少包括26个周期。n可以选为19，即用当前周期前19周的特征数据计算统计学指标，来判断当前周期的特征是否满足统计学指标对应的异常状态条件。
46.可以理解的是，基于第i个周期到第（i n）个周期的时序特征，确定第（i n 1）个周期时序特征的统计学指标，包括：基于第i个周期到第（i n）个周期的时序特征的均值和三倍的标准差，确定第（i n 1）个周期时序特征的统计学指标。
47.需要说明的是，采用特征均值和三倍的标准差为边界是比较通用的异常检测规则，除此之外本发明实施例也可以采用其他的异常检测规则，只要能通过统计学指标来反应特征的变化趋势的检测规则均适用于本方法。具体的，获取了目标充电桩的历史订单数据后，对于第（i n 1）个周期进行判别时，判别方法至少包括如下步骤：步骤a1、设置i=1，n=19。
48.步骤a2、计算待分析充电桩特征数据第i周到第i 19周的、、的均值和标准差，分别记为：、和，和、和。
49.步骤a3、分别判断第i 20周特征数据、、是否在范围
，和内。
50.如果三种特征数据均在在相应范围内，则目标充电桩状态正常，执行步骤a5，反之则判定目标充电桩状态异常，执行步骤a4。
51.步骤a4、判定目标充电桩为异常充电桩，将该目标充电桩添加到异常充电桩清单。流程结束。
52.步骤a5、令i=i 1，重复执行步骤a2、a3步骤，直至分析完所有时序特征数据。其中任一次判定该目标充电桩为异常充电桩，则将该桩输出到异常充电桩清单，流程结束；若分析完所有时序特征数据后仍无异常，则将时序特征该目标充电桩判别为正常充电桩，添加到正常充电桩清单。
53.需要说明的是，本方法所计算的三个时序特征、、，充分利用了历史订单数据中与充电桩相关的充电时长和充电电量信息。同时，以星期为单位，充分考虑到了充电桩使用频率的周期性特征。通过上述数据分析，本方法适用于各种类型的充电桩，不受充电桩类型和运营厂商的影响，具有分析时间、分析频率灵活可控的特点。
54.如图2所示，可以理解的是，本发明实施例还公开了一种充电桩状态识别方法的流程，包括至少如下步骤：步骤b1、开始识别任务；步骤b2、获取待处理充电桩历史订单数据；需要说明的是，历史订单数据可以为数据库中累积的订单数据。
55.步骤b3、判断待处理充电桩的历史订单数据是否满足分析条件；若满足分析条件，则执行步骤b4；若不满足分析条件，则将待处理充电桩添加到不可判定的充电桩清单，流程结束。
56.步骤b4、确定待处理充电桩为目标充电桩并基于历史订单数据，计算异常检测相关的多维特征数据；需要说明的是，异常检测相关的多维特征数据包括目标充电桩的平均充电时长、平均充电功率和平均充电电量。
57.步骤b5、调用状态异常判别模型分析当前特征数据，判别目标充电桩是否存在状态异常；需要说明的是，状态异常判别模型是依据充电桩使用者的充分随机性建立的，该模型包括对应三个多维特征数据分别有对应的统计学指标范围，当前特征数据满足三个统计学指标范围则不存在状态异常，任意一个统计学指标范围不满足则存在状态异常。
58.若否，则将其添加到正常充电桩清单，流程结束；若是，则将其添加到异常充电桩清单，流程结束。
59.下面对本发明提供的充电桩状态识别装置进行描述，下文描述的充电桩状态识别装置与上文描述的充电桩状态识别方法可相互对应参照。如图3所示，本发明实施例的充电桩状态识别装置，包括：输入模块301，用于确定目标充电桩的历史订单数据；特征提取模块302，用于基于目标充电桩的历史订单数据，逐周期提取目标充电桩的时序特征；状态识别模块303，用于基于各周期时序特征和各周期时序特征的统计学指标，确
定目标充电桩的状态；本发明提供的充电桩状态识别装置，通过充分利用在充电桩接算交易平台已有的历史订单数据，无需监控实时订单数据，具有明显成本优势。同时，由于充电桩在一定周期内的数据具有相似性，因此以周期性的方式对历史数据进行特征提取，能够考虑到不同充电桩的工作状态的细微区别，实现在充电桩电桩依然能工作时发现其可能的异常状态，对充电桩状态异常的识别时效性高。
60.可以理解的是，特征提取模块302中基于目标充电桩的历史订单数据，逐周期提取目标充电桩的时序特征，包括：将目标充电桩的历史订单数据按照周期划分，剔除节假日所在周期的目标充电桩的历史订单数据；基于剔除节假日所在周期后的目标充电桩的历史订单数据，逐周期提取目标充电桩的时序特征。
61.可以理解的是，状态识别模块303中基于各周期时序特征和各周期时序特征的统计学指标，确定目标充电桩的状态，包括：逐一判断各周期时序特征和各周期时序特征的统计学指标的关系；若存在任一个周期的时序特征不满足任一个周期的统计学指标，则确定目标充电桩为异常状态；若各周期时序特征均满足各周期时序特征的统计学指标，则确定目标充电桩为正常状态。
62.可以理解的是，确定任一个周期的统计学指标，包括：获取第i个周期到第（i n）个周期的时序特征，其中，i为正整数，n为能提取到稳定时序特征的最小周期数；基于第i个周期到第（i n）个周期的时序特征，确定第（i n 1）个周期时序特征的统计学指标。
63.可以理解的是，基于第i个周期到第（i n）个周期的时序特征，确定第（i n 1）个周期时序特征的统计学指标，包括：基于第i个周期到第（i n）个周期的时序特征的均值和三倍的标准差，确定第（i n 1）个周期时序特征的统计学指标。
64.可以理解的是，输入模块301确定目标充电桩的历史订单数据之前，还包括：获取待处理充电桩的历史订单数据进行筛选；基于待处理充电桩的历史订单数据的筛选通过结果，确定待处理充电桩的历史订单数据为目标充电桩的历史订单数据；其中，筛选条件包括有充电记录的订单数据时长、订单数量和平均每个订单的充电电量。
65.可以理解的是，待处理充电桩的历史订单数据的筛选通过结果，包括：待处理充电桩的历史订单数据中有充电记录的数据时长大于等于第一阈值、待处理充电桩的历史订单数据的订单数量大于等于第二阈值且待处理充电桩的历史订单数据中平均每个订单的充电电量大于等于第三阈值。
66.图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处
理器(processor)410、通信接口(communications interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行充电桩状态识别方法，该方法包括：确定目标充电桩的历史订单数据；基于目标充电桩的历史订单数据，逐周期提取目标充电桩的时序特征；基于各周期时序特征和各周期时序特征的统计学指标，确定目标充电桩的状态。
67.此外，上述的存储器430中的逻辑指令可以通过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。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
68.另一方面，本发明还提供一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，计算机程序被处理器执行时，计算机能够执行上述各方法所提供的充电桩状态识别方法，该方法包括：确定目标充电桩的历史订单数据；基于目标充电桩的历史订单数据，逐周期提取目标充电桩的时序特征；基于各周期时序特征和各周期时序特征的统计学指标，确定目标充电桩的状态。
69.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的充电桩状态识别方法，该方法包括：确定目标充电桩的历史订单数据；基于目标充电桩的历史订单数据，逐周期提取目标充电桩的时序特征；基于各周期时序特征和各周期时序特征的统计学指标，确定目标充电桩的状态。
70.以上所描述的装置实施例仅仅是示意性的，其中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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
71.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分的方法。
72.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管
参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。