智能楼宇中电梯的高效调度方法与流程

1.本发明涉及电梯调度控制技术领域，具体涉及一种智能楼宇中电梯的高效调度方法。


背景技术：

2.随着国内城市化的进程，高楼越来越多，电梯也越来越多，电梯单次乘坐的人数和乘坐频率也越来越高。随之而来，对电梯的运行效率要求也越来越高。这也使得群控电梯系统使用得越来越普及。目前的电梯运行方式通常是按照默认运行模式运行的，比如预先设定电梯的运行速度、最大载重量、停靠楼层等，整个运行过程不依赖于外界环境的变化而调整，运行模式固定且单一。
3.当高层住户搬运东西或携带一些较大体积的物件时，电梯内的重量或者人数并未到达满载状态，现有的电梯群控方法并不能识别出当前的情况是由于电梯内的空间有限，可能无法让低层住户顺利进入电梯，因此会出现开门后无法再承载更多人的情况。因此如何有效地分配高低层电梯调度，节约有限的乘坐资源，提高乘梯住户的入梯成功率是当下需要解决的问题。


技术实现要素：

4.为了解决上述技术问题，本发明的目的在于提供一种智能楼宇中电梯的高效调度方法，所采用的技术方案具体如下：获取电梯内载人信息的词频向量，根据不同住户在电梯下行过程中记录电梯所在楼层和电梯门开关时间间隔，得到电梯等待层数推进曲线；根据所述词频向量和电梯等待层数推进曲线构建不同住户的诉求行为描述子；基于所述不同住户的诉求行为描述子，对所有住户进行分类得到多个类别群体；在各类别群体内，将所有住户在同一楼层的电梯开关门时间间隔构成各楼层对应的电梯时间集合；根据电梯时间集合内元素的标准差计算类别群体内各楼层的电梯门开关时间间隔的相关性指标；将类别群体内各楼层对应的相关性指标按照从大到小的顺序进行排列，根据排列顺序对各楼层进行编号；在各类别群体内获取预设数量的楼层构成楼层序列；根据类别群体对应的楼层序列中具有相同编号的楼层对应的相关性指标，计算各类别群体内对应编号楼层的同一性；将各类别群体内同一性最小的楼层设置为该类别群体的调度分界楼层；获取每个住户所在电梯到达调度分界楼层前所有楼层所对应的电梯等待层数推进曲线作为局部推进曲线；基于所述局部推进曲线计算各住户乘梯时的亲缘性，将所述亲缘性作为高低层分离因子；基于所述高低层分离因子，对住户的呼梯请求进行电梯调度。
5.优选地，所述获取电梯内载人信息的词频向量具体为：利用countvectorizer函数，对电梯内载人信息计算得到词频向量。
6.优选地，所述对所有住户进行分类得到多个类别群体具体为：
计算住户的诉求行为描述子之间的空间距离，根据所述空间距离对所有住户进行分类得到多个类别群体；所述空间距离的获取方法用公式表示为：其中，表示乘梯住户p和住户q的空间距离，和分别表示住户p和住户q的电梯等待层数推进曲线，和分别表示住户p和住户q的诉求行为描述子，和分别表示住户p和住户q乘梯所使用的时间长度，、分别表示住户p和住户q的电梯等待层数推进曲线的协方差和标准差。
7.优选地，所述楼层的电梯门开关时间间隔的相关性指标的获取方法具体为：其中，表示楼层i对应的相关性指标，表示楼层i对应的电梯时间集合，表示电梯时间集合内元素的标准差，所述集合内元素为各住户在楼层i的电梯开关门时间间隔。
8.优选地，所述同一性的获取方法具体为：其中，表示编号为x楼层的同一性，表示在类别群体k中编号为x的楼层i的相关性指标，表示在类别群体k中编号为x的楼层j的相关性指标，n表示除当前类别群体外其他类别群体的数量。
9.优选地，所述亲缘性的获取方法具体为：计算同一类别群体内任意两住户的初始亲缘性，所述初始亲缘性的计算公式为：其中，表示住户z和住户c的初始亲缘性，和分别表示住户z和住户c对应的局部推进曲线；计算住户和对应的类别群体中其他住户之间的初始亲缘性均值的倒数，将所述倒数作为住户的亲缘性。
10.优选地，所述基于所述高低层分离因子对住户的呼梯请求进行电梯调度具体为：设定分离因子阈值，若住户对应的高低层分离因子小于分离因子阈值，则该用户所乘坐的电梯正常运行至地面层，若住户对应的高低层分离因子大于分离因子阈值，将该住户所乘坐的电梯隐式设置为满载状态。
11.本发明实施例至少具有如下有益效果：本发明通过获取电梯内载人信息的词频向量和电梯等待层数推进曲线，构建住户的诉求行为描述子对住户进行分类得到多个类别群体，计算类别群体内各楼层的电梯门开关时间间隔的相关性指标；根据相关性指标计算各类别群体内对应编号楼层的同一性；将同一性最小的楼层设置为类别群体的调度分界楼层；进而计算各住户乘梯时的亲缘性，将所述亲缘性作为高低层分离因子，再进行电梯的调度。
12.本发明的电梯等待楼层推进曲线的概念不再是考虑具体的楼层号，而是根据电梯开关门的次数抽象化分析，无需更换原始的电梯控制器，降低了电梯调度系统的改造难度。基于电梯的历史运行数据智能的分配等待到哪一楼层后，动态地将该楼层作为高低层分离楼层，电梯隐式设置为满载后，到尚未到达地面层时，另一个电梯若是空闲的，则自动响应剩余楼层的呼梯请求，且不再考虑更高层的呼梯请求。能够有效地分配高底层电梯调度，降低无用的开关门时间，提高电梯的运载效率和等待效率。
附图说明
13.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和优点，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的介绍，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它附图。
14.图1是本发明的一种智能楼宇中电梯的高效调度方法的方法流程图。
具体实施方式
15.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种智能楼宇中电梯的高效调度方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
16.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
17.下面结合附图具体的说明本发明所提供的一种智能楼宇中电梯的高效调度方法的具体方案。
18.请参阅图1，其示出了本发明一个实施例提供的一种智能楼宇中电梯的高效调度方法的方法流程图，该方法包括以下步骤：步骤一，获取电梯内载人信息的词频向量，根据不同住户在电梯下行过程中记录电梯所在楼层和电梯门开关时间间隔，得到电梯等待层数推进曲线；根据所述词频向量和电梯等待层数推进曲线构建不同住户的诉求行为描述子。
19.首先，需要说明的是，由于电梯的承载对象是多样的，例如住户主要包括老年人、儿童、青少年以及中年人，不同年龄层次的住户对电梯的使用需求不同，着急程度不同，且承载程度不同。在本实施例中，通过分析一次电梯自高层到地面一层的目标检测结果分布，并基于住户在电梯内的按键行为分析，构建乘梯住户的诉求行为描述子。
20.然后，对于高峰期的时段，电梯经过各楼层开关门后，最终到达地面层的电梯门开关门次数以及时间的记录，并进行分析。对于电梯一般的载人情况，除了需要关注的人的数量之外，可能会有自行车、手提包、垃圾袋、盒子和箱子等，实施者可以根据电梯内的相机分析算法指定更加细化的特征。
21.目前的电梯内的ipc（网络摄像机）和nvr（网络录像机）都具备一定的目标识别能力，例如检测乘梯人是否推有电动车等，主要的识别方法是使用类如yolo、mobilenet-ssd、resnet等网络结构或技术的目标检测深度神经网络，对视频中的内容进行目标识别。
22.对电梯关门后的情况进行如下分析：首先将关门后的乘梯人的分布情况作为类如自然语言处理技术中的语义信息，基于目标检测网络的输出内容构建词袋。
23.举例说明1：例如背包的乘梯人较多，拎包的乘梯人较多，则目标检测网络的输出可能为：背包、人、背包、背包、人、人、人、背包、婴儿车、手提袋、手提袋、手提袋、人、人、人。
24.上述只是一种较为粗粒度的检测结果，因为本实施例直接对检测结果进行词频向量化，因此还能适用于更细粒度的检测结果。
25.举例说明2：对于例子1中的情况，还可以是：背包、儿童、背包、背包、人、人、儿童、人、背包、婴儿车、手提袋、手提袋、手提袋、人、人、老人。
26.因此对于一般的载人情况，主要包括如同成年人、儿童、老人、婴儿车、自行车、手提袋等，实施者可以根据电梯内的相机分析算法指定更加细化的特征，特征越细致，对调度优化的作用越好。
27.首先基于自该楼宇运营至今的所有时段的载人信息，对其进行基于词袋模型的识别结果频率统计，构建监测结果的语义词袋。词袋模型统计词频后，会得到该电梯业务所能够遇到的载人信息的词频。对于高峰期一趟的载人信息，词袋模型在分词之后，通过统计每个词在电梯关门后所拍摄的图像中的每个标签对应的所有关键词中出现的次数，就可以得到该文本基于词的特征，即一种词向量。
28.本实施例使用countvectorizer，对载人信息计算得到词频向量。需要指出的是，当视频识别模型更新（产生更细粒度的识别结果）后，需要重新调取历史的图像，从而重新构建词袋模型。
29.获取自楼宇运营至今所有时段的载人信息，基于词袋模型对所述载人信息进行识别结果频率统计，构建住户所搭乘的电梯内检测结果的语义词袋。通过词袋模型进行词频统计后，能够获得住户所搭乘的电梯内遇到的载人信息的词频。对于高峰期时电梯内的载人信息，利用词袋模型进行分词之后，通过统计每个词在文本中出现的次数，可以获得该文本基于词的特征，即一种词向量。在本实施例中，利用countvectorizer函数，对电梯内载人信息计算得到词频向量。
30.需要说的是，对于电梯进行一趟自高层到达地面一层的运行工作，无论期间遇到哪一类住户进入，每一次的负载都是变大的，直到电梯达到超载临界点或者无法进入更多住户。本发明不对本身已经存在即将超载情况的电梯进行分析，意在提前分配高低层的电梯，避免拥挤和开关门浪费时间。故对住户乘梯时的开关门按键行为进行分析。
31.最后，对于住户在高峰期乘梯时的电梯开门后的反应、行动的时长进行统计，获取乘梯住户的行为特征。具体地，以一趟电梯为例，在乘梯住户第一次主动按下关门按键开
始，分别记录下次自开门到关门按键被按下的时间长度。由于高峰期乘梯，住户在乘坐电梯时可能会遇到电梯多次开门的情况，在本实施例中，统计住户乘梯时每次电梯从开门到按下关门按键的时间间隔，选择时间间隔较长的前七次开关门事件的时长分布进行住户所在的电梯内的行为特征的分析。其中，实施者可以选择其他合适次数的开关门事件进行分析。
32.其中，选择的次数即七次为经验值取值，在本实施例中，是根据电梯等待关门事件的情况进行设置，一般情况下在高峰期时也不会有特别多次开门的情况，故实施者也可根据实际情况进行设置，需要说明的是，对于一层楼，如果电梯内的空间有限，可能无法让低层住户顺利进入电梯，出现开门后无法再承载更多人的情况，则在电梯开门后，会以很短的时间按下电梯关门键。对于一层楼，如果电梯内的空间以及乘坐状态无法确定，但已经比较极限，则开关门事件的时间间隔表示从开门到住户进入电梯但未能进入电梯后电梯门关闭的时间长度。对于一层楼，如果仍能进入人，即使没有按下关门键，在开门动作完成后关门动作启动时的一段时间的长度仍视为按下关门键时间。
33.由于住户乘坐电梯的困难程度是随着楼层的下降而加剧的，因此乘梯住户在一趟电梯的关门按键时间统计特征情况上能够体现该乘梯住户的诉求特征。基于此，对乘梯住户的楼层-时间的变化进行记录，得到住户对应的电梯等待层数推进曲线。即采集相关数据包括住户所在的楼层及其对应的电梯的关门按键时间，将所述楼层作为横坐标值，所述时间作为纵坐标值，进行曲线拟合，得到电梯等待层数推进曲线。电梯等待层数推进曲线能够直观的反映了在各个楼层住户开门时等待的时间长短。
34.具体地，在本实施例中，以1秒为量化时间，对乘梯住户当前所处楼层进行记录。例如一个着急的、可能已经能够预测接下来该如何避免在开门后浪费过多时间的乘梯住户，在乘梯后的若干秒内的情况可能如下：[7,7,7,6,6,5,5,5,5,5,4,4,3,3,3,3,2,1,1,1,1,0]其中各数字代表当前采样时住户所处于的楼层，0为停止统计。可以大致得知该乘坐情况下几乎是十分确定无法再乘梯的共识下进行操作的。
[0035]
由于电梯内乘坐的模式不同，乘梯住户群体不同，对不同情形反应时间也不同，获取各住户乘梯所使用的时间长度，并对住户对应的电梯等待层数推进曲线进行最近邻重采样，将曲线时间缩放至实施者预设的量化时长t
quant
，从而归一化各个电梯等待层数的反应时长所代表的特征。本实施例中，预设的量化时长为t
quant
=40，则可以得到重采样后的电梯等待层数推进曲线。
[0036]
基于重采样后的电梯等待层数推进曲线可以表示一个乘梯住户在处于电梯内时，将电梯等待层数推进至结束的时间消耗特征，进而能够根据推进曲线特征和时长的不同来分离住户的按键行为不同的乘梯情况。根据所述词频向量和电梯等待层数推进曲线构建不同住户的诉求行为描述子。即将词频向量和电梯等待层数推荐曲线中每个点构建住户的诉求行为描述子。其中，乘梯住户不同的诉求、对诉求的理解程度、着急程度基于诉求行为描述子能够加以区分。
[0037]
步骤二，基于所述不同住户的诉求行为描述子，对所有住户进行分类得到多个类别群体；在各类别群体内，将所有住户在同一楼层的电梯开关门时间间隔构成各楼层对应的电梯时间集合；根据电梯时间集合内元素的标准差计算类别群体内各楼层的电梯门开关时间间隔的相关性指标。
[0038]
首先，对不同乘梯住户的诉求行为描述子进行无监督分类，自动确定乘梯住户诉求相似的类别群体。本实施例采用一种基于乘梯住户诉求行为描述子的改进的dbscan聚类算法，能够结合行为的时域特征和文本信息特征对乘梯住户的诉求群体进行分类，可以在无监督的情况下为所有乘梯住户群体构建抽象的群体类型。
[0039]
基于电梯载人信息的语义特征来约束不同的乘梯住户诉求中电梯等待层数推进曲线的相似与否，能够在不针对电梯等待层数本身来分析乘梯住户的行为特征，避免电梯等待层数语义的歧义，同时避免访问实施电梯系统的乘梯住户的电梯等待层数数据库内容。故可计算住户的诉求行为描述子之间的空间距离，根据所述空间距离对所有住户进行分类得到多个类别群体；所述空间距离的获取方法用公式表示为：其中，表示乘梯住户p和住户q的空间距离，和分别表示住户p和住户q的电梯等待层数推进曲线，和分别表示住户p和住户q的诉求行为描述子，和分别表示住户p和住户q乘梯所使用的时间长度，、分别表示住户p和住户q的电梯等待层数推进曲线的协方差和标准差。
[0040]
是行为特征的决定系数，值域为[0,1]，若乘梯住户行为和电梯内载人信息的语义相似程度不高，该系数的取值越趋近于1，以扩大住户乘梯所使用的时间长度之间的差异，进一步区分乘梯住户。
[0041]
对于住户的电梯等待层数推进曲线，若楼层之间的推进速度是相似的，且时间长度相似，则无论诉求如何，行为上都是形似的。对于时长不相似但推进速度相似的，则很有可能对应的电梯等待层数不同，因为只有听到关键电梯等待层数词汇后，乘梯住户对电梯等待层数含义才能确定，若整体发生较大的偏移，例如10s，则认为乘梯住户面对的电梯等待层数不同。
[0042]
对于时长相似但决定系数较高的，意味着电梯等待层数推进曲线的相关性较弱，且诉求特征描述子的相似性较弱，直接被时间长度的差异放大。此时若时间长度相似，则为偶发情况，在后续的分析中依旧被赋予较低的高低层分离因子。对于时间长度不相似的，则直接被作为异常点处理，即形成了一个群体类型。但是后续计算亲缘性时较弱，依然无法得到较高的高低层分离因子。
[0043]
然后，由于一些电梯等待层数可能导致一种类别群体对其的关度较低，或者该电梯等待层数对于该类别群体来说选择上过于无用甚至多余，为了发现此种电梯等待层数，对所有电梯层数的语义适用性进行计算。针对一个类别群体，对该类别群体内的住户进行各电梯等待楼层语音播放进度的均一性进行计算。具体地，在各类别群体内，将所有住户在同一楼层的电梯开关门时间间隔构成各楼层对应的电梯时间集合；根据电梯时间集合内元素的标准差计算类别群体内各楼层的电梯门开关时间间隔的相关性指标，用公式表示为：
其中，表示楼层i对应的相关性指标，表示楼层i对应的电梯时间集合，表示电梯时间集合内元素的标准差，所述集合内元素为各住户在楼层i的电梯开关门时间间隔。
[0044]
最后，即使电梯等待层数推进曲线的相关性能够极强地约束类别群体内住户的电梯等待层数是一致的，但是由于类别群体中会有个别案例出现电梯内的人员和乘坐对象分布类型是相似的，而电梯关门反应不同的现象，因此基于群体内最大的电梯等待层数向下容忍等待深度，即m=max(s∈d
cluster
)来决定，其中d
cluster
为类别群体的数据范围，s为电梯等待层数推进曲线。根据类别群体内每个住户乘梯所使用的时间构建特征向量j，并构造新的m维假设空间，从而分析每个电梯等待层数的同一性。
[0045]
步骤三，将类别群体内各楼层对应的相关性指标按照从大到小的顺序进行排列，根据排列顺序对各楼层进行编号；在各类别群体内获取预设数量的楼层构成楼层序列；根据类别群体对应的楼层序列中具有相同编号的楼层对应的相关性指标，计算各类别群体内对应编号楼层的同一性；将各类别群体内同一性最小的楼层设置为该类别群体的调度分界楼层。
[0046]
具体地，针对一个类别群体，该类别群体内的所有住户均对应各等待楼层对应的电梯开关门时间间隔。获取该类别群体内，各楼层对应的相关性指标，并将其取值按照从大到小的顺序排列，根据排列的顺序对各楼层进行编号。进而可以在所有类别群体内对楼层进行相同形式的编号操作。例如，在一个类别群体内，根据排列顺序对各楼层进行编号之后，可以得到楼层的编号分别为a、b、c、d
…
，其中，编号为a的楼层表示该楼层对应的相关性指标的取值最大。
[0047]
各类别群体内获取预设数量的具有编号的楼层对应的相关性指标构成等待楼层序列，分别获取在各类别群体对应的等待楼层序列中，具有相同编号的楼层对应的相关性指标，计算各类别群体内对应编号楼层的同一性。例如，在一个类别群体内，获取预设数量的具有编号的楼层，即分别获取编号为a、b、c、d、e、
…
x的楼层对应的相关性指标构成该类别群体的等待楼层序列。进而获取每个类别群体的等待楼层序列，则每个类别群体均对应一个等待楼层序列，且序列内的元素数量是相等的。获取各等待楼层序列中编号为x的楼层对应的相关性指标，进而计算各类别群体内编号为x的楼层的同一性，用公式表示为：其中，表示编号为x楼层的同一性，表示在类别群体k中编号为x的楼层i的相关性指标，表示在类别群体k中编号为x的楼层j的相关性指标，n表示除当前类别群体外其他类别群体的数量。将各类别群体内同一性最小的楼层设置为该类别群体的调度分界楼层。若同一性较高，由于每个电梯等待层数是经过精心设计的，可以有较大的概率确定该电梯等待层数在整个电梯等待的过程中较为重要，反之认为该类别群体
对此电梯等待层数“无关紧要”。
[0048]
步骤四，获取每个住户所在电梯到达调度分界楼层前所有楼层所对应的电梯等待层数推进曲线作为局部推进曲线；基于所述局部推进曲线计算各住户乘梯时的亲缘性，将所述亲缘性作为高低层分离因子；基于所述高低层分离因子，对住户的呼梯请求进行电梯调度。
[0049]
具体地，基于类别群体的行为记录，将调度分界楼层临时视为最终楼层，对各类别群体进行电梯等待层数推进曲线的二次计算，即获取每个住户所在电梯到达调度分界楼层前所有楼层所对应的电梯等待层数推进曲线作为局部推进曲线。
[0050]
计算同一类别群体内任意两住户的初始亲缘性，用公式表示为：其中，表示住户z和住户c的初始亲缘性，和分别表示住户z和住户c对应的局部推进曲线；计算住户和对应的类别群体中其他住户之间的初始亲缘性均值的倒数，将所述倒数作为住户的亲缘性。
[0051]
所述住户的亲缘性用公式表示为：其中，表示住户z的亲缘性，表示住户z和住户c的初始亲缘性，表示住户c所属的类别群体内所有的住户样本，m表示住户z所属的类别群体内的住户数量。此时基于所有已得到的类别群体所对应的到达调度分界楼层前的历史记录的局部推进曲线，截取该机制可以提前构建缓存，以加快计算。
[0052]
亲缘性是指住户对应的亲缘性，针对住户z的亲缘性，通过计算住户z和住户z所述的类别群体中各住户之间的初始亲缘性的均值进而得到的，而对于两个住户之间的初始亲缘性，当住户z与住户c的局部推进曲线中存在明显相似时，住户z与住户c的初始亲缘性越高，进而住户z对应的亲缘性也就越高，反之意味着亲缘性越低。因此一个住户的亲缘性本质上表示了该住户与其所属的类别群体内其他住户之间的相似性。同时，需要说明的是，住户z与住户c属于同一个类别群体。
[0053]
将所述亲缘性作为高低层分离因子，若亲缘性较低，则高低层分离因子较低，反之高低层分离因子较高。此时，实施者可根据高低层分离因子设定分离因子阈值，从而在电梯尚未满载时进行判断。即若住户对应的高低层分离因子小于分离因子阈值，则该用户所乘坐的电梯正常运行至地面层，若住户对应的高低层分离因子大于分离因子阈值，将该住户所乘坐的电梯隐式执行以下步骤：首先将该住户所乘坐的电梯设置为满载状态，无论是否有人中途离开，在到达地面一层时始终处于该状态。然后对于另一个可用的电梯，设置最高层的层数为该住户所属的类别群体对应的调度分界楼层，即另一个电梯不再响应更高层的呼梯请求，避免多个电
梯同时出现该电梯相同的问题。最后，依靠原始电梯控制器对满载后的逻辑运行，满载的调度逻辑在传统的电梯调度中已经有足够完善的逻辑策略，且较简单，在此不再过多赘述。所述隐式执行时指不在电梯的呼叫器、楼层显示单元等显示装置中提供任何与满载相关的信息。
[0054]
其中，将电梯隐式设置为满载的有益效果为：综合考虑了楼宇内住户针对电梯内不同对象的分布情况所做的决定是否是典型的。基于电梯的历史运行数据智能的分配等待到哪一楼层后，动态地将该楼层作为高低层分离楼层，电梯隐式设置为满载后，电梯内的住户对此是无感知的。且此时电梯根据早期的决策结果进行判断，若是典型的情况，则能够极大的满足电梯内住户们的诉求，提高楼宇电梯使用的满意度。
[0055]
因为随着电梯下行的过程中，电梯是一种可能随时达到满载状态或者整体乘坐人员较为着急的情况，所以电梯等待楼层推进曲线的概念不再是考虑具体的楼层号，而是根据电梯开关门的次数抽象化分析，无需更换原始的电梯控制器，降低了电梯调度系统的改造难度。将电梯隐式设置为满载状态后，到尚未到达地面层时，另一个电梯若是空闲的，则自动响应剩余楼层的呼梯请求，且不再考虑更高层的呼梯请求。降低无用的开关门时间，提高电梯的运载效率和等待效率。
[0056]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，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技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。