本发明属于城市交通
技术领域：
，具体涉及一种基于公交车发车间隔的乘客候车时间应用模型及模型构建方法。
背景技术：
：对于城市的公共交通系统来说，提供高质量的交通服务是吸引乘客的关键，而乘客的等待时间(即候车时间)是反映公共交通服务水平最重要的因素之一。从乘客的角度考虑，与在车时间相比，乘客选择交通方式时，对实际等待时间的反应更加敏感。因此，研究一种可靠又实用的乘客候车时间估计方法或应用模型很有必要，它能够帮助交通管理部门识别由于等待时间较长而丢失的潜在乘客量并进一步实施改进和控制措施。关于乘客候车时间的应用模型研究始于20世纪70年代。在传统的乘客候车时间应用模型中，通过假设乘客随机到达，可以计算乘客平均候车时间为平均车头时距的一半和车头时距方差与两倍的平均车头时距的比例之和，由此可以表明，乘客的平均候车时间的减少与公交服务可靠性的增加有着不可忽视的联系。例如，在Seddon和Day(1974)关于乘客候车时间应用模型的研究中，通过分析在Leeds，UK的公交车行驶数据得到了乘客的候车时间函数，如公式(1)所示：ω＝1.79+0.14μ(1)O’Flaherty和Mangan(1990)通过分析在Manchester,UK的公交车行驶数据也发现了一个相似的结论，如公式(2)所示：ω＝2.34+0.26μ(2)式(1)和(2)中，ω表示乘客平均候车时间(min),μ表示公交车辆的车头时距(min)。这两项研究只考虑了车头时距对乘客候车时间的影响，未考虑到其他因素的作用。例如乘客候车的行为根据不同时段的发车间隔而有所不同。对于提供小的车头时距的公交运输服务，由于车辆频繁，乘客很少需要咨询时间表，因此这些乘客往往是随机到达的。相反，遇到较大的车头时距时，乘客一般会研究时刻表并提前计划出行时间以减少他们的候车时间，所以这些乘客往往会在接近离站时刻的时间集中到达。因此车站类型也是影响乘客候车时间的重要因素。Knoppers和Muller(1995)提出，利用积分精确计算乘客候车时间，如公式(3)所示：E(ω)=∫-∞+∞ω(ρ)Pr(ρ)dρ---(3)]]>公式(3)表明，通过将乘客的实际等待时间ω(ρ)与相应的概率函数关系Pr(ρ)进行积分，可以得到期望的平均乘客候车时间，其中的变量ρ表示实际到达时间与计划到达时间差。该模型的建立需要收集大量的乘客候车时间数据。Luethi等人(2007)提出了一种结合乘客到达率的均匀分布和约翰逊分布应用模型。均匀分布、正态分布、对数正态分布和三角分布已被用来计算乘客的候车时间。郭淑霞等人(2010)比较了正态、指数、对数正态分布和伽玛分布分别对乘客从轨道交通到公交车到达率的拟合效果，得出对数正态分布和伽玛分布分别对直接换乘和非直接换乘的乘客有着最佳拟合效果。霍月英(2014)对于乘客候车时间分布进行了研究。研究针对高频公交服务，以给定公交车离站时间间隔为已知条件，建立了乘客候车时间分布的两种估算方法。第一种是通过分析乘客候车时间概率密度，得到以公交车离站时间间隔为自变量的乘客候车时间概率密度曲线，以此为基础推导乘客候车时间分布，结果得到候车时间小于给定公交车离站时间间隔值的概率；第二种是通过分析单离站时间间隔内的乘客候车时间分布以及对应的载客量比例，推导出乘客候车时间分布，得出候车时间小于等于给定值的概率。由以上研究可以看出，现有技术中，对乘客候车时间应用模型的建立，是基于公交车辆车头时距、和/或乘客到达率分布的，但是，对乘客候车时间有显著影响的因素，还有乘客到达不同类型公交站点的分类等其他因素，现有技术中应用模型缺乏对其他因素的定量研究。同时，现有技术应用模型中，需要收集大量的数据，如为了确定乘客到达率的分布，需要收集乘客到达车站的时间数据，这些数据进行人工收集是困难而且昂贵的，耗费大量的人力物力。另外，由于收集数据的局限性，导致上述应用模型不能准确计算乘客平均候车时间。技术实现要素：本发明实施例的目的是提供一种基于公交车发车间隔的乘客候车时间应用模型及模型构建方法，避免人工收集乘客到达率的大量数据，且准确计算乘客平均候车时间，可以面向应用，并且有效的降低服务成本，提高服务质量。根据本发明的一个方面，提供了一种基于公交车发车间隔的乘客候车时间应用模型构建方法，所述方法包括以下步骤：针对直接与轨道交通系统接驳的公交车站建立第一乘客到达概率密度分布函数，针对非直接与轨道交通系统接驳的公交车站建立第二乘客到达概率密度分布函数；获得第一乘客到达概率密度分布函数的参数与公交车发车间隔的第一关系，获得第二乘客到达概率密度分布函数的参数与公交车发车间隔的第二关系；根据第一关系建立基于公交车发车间隔的第一乘客候车时间子应用模型，根据第二关系建立基于公交车发车间隔的第二乘客候车时间子应用模型，两个子应用模型共同构建乘客候车时间应用模型。上述方案中，在建立乘客到达概率分布密度函数之前，所述方法还包括：根据公交车自身系统获取发车时间数据，并根据所述发车时间数据判断公交站的类型。上述方案中，所述第一乘客到达概率密度分布函数基于对数正态分布，为f1(t)=1σt2πexp(-12(lnt-μσ)2)]]>其中，t是乘客到达时间变量；μ是乘客到达时间的均值，σ是乘客到达时间的标准差；所述第二乘客到达概率密度分布函数基于伽玛分布，为f2(t)=1βαΓ(α)tα-1exp(-tβ)]]>其中，t是乘客到达时间变量；α、β是预设参数，αβ是乘客到达时间的均值，是乘客到达时间的标准差。上述方案中，基于对数正态分布对所述第一关系进行回归分析，得到第一关系式为μ＝-0.00001μb2+0.0098μb+3.3246和σ＝0.7207cvb+0.3519；基于伽玛分布对所述第二关系进行回归分析，得到第二关系式为α=-0.0086(1cvb2)2+0.22741cvb2+0.9413]]>和β＝0.538μbcvb2+99.047；其中，μb是公交车发车间隔的均值，cvb是公交车发车间隔的变异系数。上述方案中，所述根据第一关系建立基于公交车发车间隔的第一乘客候车时间子应用模型，进一步为：预设公交车发车间隔为hi；确定乘客候车时间微分变量为hi-t；第一乘客候车时间初步子应用模型为ghi(t)=f1(t)∫0hifi(τ)dτ]]>其中，表示为在一个公交车发车间隔hi内直接与轨道交通系统接驳的公交站乘客到达时间标准的概率密度函数，t是乘客到达时间变量，取值为0～hi；在一个发车间隔hi内第一乘客候车时间变形子应用模型为W1‾(hi)=∫0hi(hi-t)ghi(t)dt;]]>第一乘客候车时间子应用模型为W1‾=Σi=1nW1‾(hi)n=Σi=1n∫0hi(hi-t)f1(t)∫0hif1(τ)dτn]]>s.t.=f1(t)=1σt2πexp(-12(lnt-μσ)2)μ=-0.00001μb2+0.0098μb+3.3246σ=0.7207cvb+0.3519cvb=σbμb;]]>所述根据第二关系建立基于公交车发车间隔的第二乘客候车时间子应用模型，进一步为：预设公交车发车间隔为hi；确定乘客候车时间微分变量为hi-t；第二乘客候车时间初步子应用模型为ghi(t)=f2(t)∫0hif2(τ)dτ]]>其中，表示为在一个公交发车间隔hi内非直接与轨道交通系统接驳的公交站乘客到达时间标准的概率密度函数，t是乘客到达时间变量，取值为0～hi；在一个发车间隔hi内第二乘客候车时间变形子应用模型为W2‾(hi)=∫0hi(hi-t)ghi(t)dt]]>第二乘客候车时间子应用模型为W2‾=Σi=1nW2‾(hi)n=Σi=1n∫0hi(hi-t)f2(t)∫0hif2(τ)dτn]]>s.t.=f2(t)=1βαΓ(α)tα-1exp(-tβ)α=-0.0086(1cvb2)2+0.22741cvb2+0.9413β=0.538μbcvb2+99.047cvb=σbμb.]]>根据本发明的另一个方面，还提供了一种基于公交车发车间隔的乘客候车时间应用模型，所述应用模型包括：基于公交车发车间隔的第一乘客候车时间子应用模型和基于公交车发车间隔的第二乘客候车时间子应用模型；其中，所述第一乘客候车时间子应用模型针对直接与轨道交通系统接驳的公交车站，子应用模型的建立根据第一乘客到达概率密度分布函数、所述分布函数的参数与公交车发车间隔的第一关系；所述第二乘客候车时间子应用模型针对非直接与轨道交通系统接驳的公交车站，子应用模型的建立根据第二乘客到达概率密度分布函数、所述分布函数的参数与公交车发车间隔的第二关系。上述方案中，所述第一乘客到达概率密度分布函数基于对数正态分布，所述第二乘客到达概率分布函数基于伽玛分布。上述方案中，所述第一乘客到达概率密度分布函数为f1(t)=1σt2πexp(-12(lnt-μσ)2)]]>其中，t是乘客到达时间变量；μ是乘客到达时间的均值，σ是乘客到达时间的标准差；所述第二乘客到达概率密度分布函数为f2(t)=1βαΓ(α)tα-1exp(-tβ)]]>其中，t是乘客到达时间变量；α、β是预设参数，αβ是乘客到达时间的均值，是乘客到达时间的标准差。上述方案中，所述第一关系为μ＝-0.00001μb2+0.0098μb+3.3246和σ＝0.7207cvb+0.3519；所述第二关系为α=-0.0086(1cvb2)2+0.22741cvb2+0.9413]]>和β＝0.538μbcvb2+99.047；其中，μb是公交车发车间隔的均值，cvb是公交车发车间隔的变异系数。上述方案中，所述第一乘客候车时间子应用模型，进一步为：W1‾=Σi=1nW1‾(hi)n=Σi=1n∫0hi(hi-t)f1(t)∫0hif1(τ)dτn]]>s.t.=f1(t)=1σt2πexp(-12(lnt-μσ)2)μ=-0.00001μb2+0.0098μb+3.3246σ=0.7207cvb+0.3519cvb=σbμb,]]>其中，所述hi为预设公交车发车间隔，hi-t为乘客候车时间微分变量，为在一个公交车发车间隔hi内直接与轨道交通系统接驳的公交站乘客到达时间标准的概率密度函数，t是乘客到达时间变量，取值为0～hi；所述第二乘客候车时间子应用模型，进一步为：W2‾=Σi=1nW2‾(hi)n=Σi=1n∫0hi(hi-t)f2(t)∫0hif2(τ)dτn]]>s.t.=f2(t)=1βαΓ(α)tα-1exp(-tβ)α=-0.0086(1cvb2)2+0.22741cvb2+0.9413β=0.538μbcvb2+99.047cvb=σbμb,]]>其中，所述hi为预设公交车发车间隔，hi-t为乘客候车时间微分变量，为在一个公交车发车间隔hi内非直接与轨道交通系统接驳的公交站乘客到达时间标准的概率密度函数，t是乘客到达时间变量，取值为0～hi。从以上实施例可以看出，本发明实施例的基于公交车发车间隔的乘客候车时间应用模型及模型构建方法，在对公交车站进行分类的基础上，针对直接与轨道交通系统接驳的公交车站建立第一乘客到达概率密度分布函数，针对非直接与轨道交通系统接驳的公交车站建立第二乘客到达概率密度分布函数；在分布函数的基础上，获得第一乘客到达概率密度分布函数的参数与公交车发车间隔的第一关系，获得第二乘客到达概率密度分布函数的参数与公交车发车间隔的第二关系，并进一步根据上述第一关系和第二关系分别构建第一乘客候车时间子应用模型和第二乘客候车时间子应用模型，两个子应用模型共同构建乘客候车时间应用模型。本发明实施例确定了直接或非直接与轨道交通接驳的公交车站乘客到达率分布的适宜应用模型，在分析了不同公交车站乘客到达分布特点的基础上，找到了最优的拟合应用模型；并确定了乘客到达率分布应用模型参数与公交车发车间隔均值及方差的关系，从而对相关的参数进行了标定，以及确定了对应不同类型公交车站乘客候车时间应用模型，从而准确计算乘客平均候车时间。该模型的建立对于公交系统建立服务评价指标，分析服务水平，提供了理论依据；对于提出改进措施指明了方向，有利于公交系统提高竞争力，吸引更多潜在乘客。对公交系统的发展有着强大的推动力。附图说明为了更清楚地说明本发明实施例的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其他的附图。图1为本发明第一实施例的基于公交车发车间隔的乘客候车时间应用模型构建流程示意图；图2为本发明第二实施例的基于公交车发车间隔的乘客候车时间模型示意图。具体实施方式本
技术领域：
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。本
技术领域：
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。为便于对本发明实施例的理解，下面详细描述本发明的实施方式，通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。本发明提供基于公交车发车间隔的乘客候车时间应用模型及模型构建方法，是在判断所研究的公交站所属类型基础上，根据不同的公交站类型，建立不同的乘客到达概率密度分布函数，并确定乘客到达概率密度分布函数中的相应参数与公交车发车时间间隔的关系，最后利用积分求出公交车站乘客的平均候车时间。这里的发车间隔，指的是公交车的发车时间间隔，下述所有发车间隔，均指发车时间间隔。下面结合附图及具体的实施例，对本发明做进一步说明。第一实施例图1为本发明第一实施例的基于公交车发车间隔的乘客候车时间应用模型构建流程示意图。如图1所示，本实施例的基于公交车发车间隔的乘客候车时间应用模型构建方法，包括如下步骤：步骤S101，针对直接与轨道交通系统接驳的公交车站建立第一乘客到达概率密度分布函数，针对非直接与轨道交通系统接驳的公交车站建立第二乘客到达概率密度分布函数。在本步骤之前，还可以包括：根据公交车自身系统获取发车时间数据，并根据所述发车时间数据判断公交站的类型。优选的，这里根据公交自身系统获取离站时间数据，通过公交车上现有的GPS和IC卡系统内获取的公交车离站时间数据，判断所研究的公交站所属类型。与以往关于乘客候车时间的研究相比，所需数据的获取途径简单，不用花费大量的人力物力来进行数据的采集工作，节约了人力资源，降低了运营成本。需要说明的是，本发明优选地利用GPS及IC卡等工具获取模型所需数据，其他利用可提供相似数据的工具所获得的技术方案也在本发明的保护范围之内。进一步的，所述第一乘客到达概率密度分布函数基于对数正态分布，为f1(t)=1σt2πexp(-12(lnt-μσ)2)---(4)]]>其中，t是乘客到达时间变量；μ是乘客到达时间的均值，σ是乘客到达时间的标准差；所述第二乘客到达概率密度分布函数基于伽玛分布，为f2(t)=1βαΓ(α)tα-1exp(-tβ)---(5)]]>其中，t是乘客到达时间变量；α、β是预设参数，αβ是乘客到达时间的均值，是乘客到达时间的标准差。步骤S102，获得第一乘客到达概率密度分布函数的参数与公交车发车间隔的第一关系，获得第二乘客到达概率密度分布函数的参数与公交车发车间隔的第二关系。公交车发车间隔是公交调度的主要特征，也可用于估计在交通运输模型中乘客等待时间的平均值。前人的研究结果表明，在微观分布分析中公交车离站时间间隔是乘客到达分布的最重要影响因素。对于第一关系，基于对数正态分布对所述第一关系进行回归分析，得到第一关系式为μ＝-0.00001μb2+0.0098μb+3.3246(6)和σ＝0.7207cvb+0.3519(7)其中，μb是公交车发车间隔的均值，cvb是公交车发车间隔的变异系数，即公交车发车间隔的标准差与均值的比。对于第二关系，在分析公交车站乘客到达概率密度分布函数的参数与不同发车时间间隔的关系之前，预设了伽玛分布中α、β和发车间隔的均值、标准差之间的关系。这种关系可通过如下关系式表示：μρ＝αβ(8)σρ=αβ---(9)]]>式中：μρ、σρ分别是乘客到达时间的均值和标准差。则α、β可以用μρ、σρ表示为：α=(1cvρ)2---(10)]]>β＝μρcvρ2(11)式(7)中，是乘客到达时间的变异系数。基于伽玛分布对所述第二关系进行回归分析，得到第二关系式为α=-0.0086(1cvb2)2+0.22741cvb2+0.9413---(12)]]>和β＝0.538μbcvb2+99.047(13)其中，μb是公交车发车间隔的均值，cvb是公交车发车间隔的变异系数。步骤S103，根据第一关系建立基于公交车发车间隔的第一乘客候车时间子应用模型，根据第二关系建立基于公交车发车间隔的第二乘客候车时间子应用模型，两个子应用模型共同构建乘客候车时间应用模型。在一个给定的发车间隔hi内，减去乘客的到达时间余下的就是乘客的候车时间。因此，根据第一关系建立基于公交车发车间隔的第一乘客候车时间子应用模型，进一步包括如下步骤：步骤A1，预设公交车发车间隔为hi；步骤A2，确定乘客候车时间微分变量为hi-t；步骤A3，第一乘客候车时间初步子应用模型为ghi(t)=f1(t)∫0hif1(τ)dτ---(14)]]>其中，表示为在一个公交发车间隔hi内直接与轨道交通系统接驳的公交站乘客到达时间标准的概率密度函数，t是乘客到达时间变量，取值为0～hi；步骤A4，在一个发车间隔hi内第一乘客候车时间变形子应用模型为W1‾(hi)=∫0hi(hi-t)ghi(t)dt---(15)]]>步骤A5，第一乘客候车时间子应用模型为W1‾=Σi=1nW1‾(hi)n=Σi=1n∫0hi(hi-t)f1(t)∫0hif1(τ)dτn---(16)]]>s.t.=f1(t)=1σt2πexp(-12(lnt-μσ)2)μ=-0.00001μb2+0.0098μb+3.3246σ=0.7207cvb+0.3519cvb=σbμb;]]>这里的子应用模型，即为最终子应用模型。上述步骤A1～步骤A5，是针对直接与轨道交通接驳的公交站而言，得出的乘客候车时间应用模型，将其称之为本实施例的乘客候车时间应用模型的一个子模型。相应的，根据第二关系建立基于公交车发车间隔的第二乘客候车时间子应用模型，进一步包括如下步骤：步骤B1，预设公交车发车间隔为hi；步骤B2，确定乘客候车时间微分变量为hi-t；步骤B3，第二乘客候车时间初步子应用模型为ghi(t)=f2(t)∫0hif2(τ)dτ---(17)]]>其中，表示为在一个公交发车间隔hi内非直接与轨道交通系统接驳的公交站乘客到达时间标准的概率密度函数，t是乘客到达时间变量，取值为0～hi；步骤B4，在发车间隔hi内第二乘客候车时间变形子应用模型为W2‾(hi)=∫0hi(hi-t)ghi(t)dt---(18)]]>步骤B5，第二乘客候车时间子应用模型为W2‾=Σi=1nW2‾(hi)n=Σi=1n∫0hi(hi-t)f2(t)∫0hif2(τ)dτn---(19)]]>s.t.={f2(t)=1βαΓ(α)tα-1exp(-tβ)α=-0.0086(1cvb2)2+0.22741cvb2+0.9413β=0.538μbcvb2+99.047cvb=σbμb.]]>上述步骤B1～步骤B5，是针对非直接与轨道交通接驳的公交站而言，得出的乘客候车时间应用模型，也将其称之为本实施例的乘客候车时间应用模型的一个子模型。上述两个子模型，共同构成本实施例的乘客候车时间应用模型。可见，本实施例在分析了不同公交车站乘客到达分布特点的基础上，找到了最优的拟合模型，并进一步研究了乘客的到达分布函数中的部分参数与公交车发车时间间隔的关系，从而对相关的参数进行了标定，最后提出了一个可以准确计算乘客平均候车时间的模型。第二实施例图2为本发明第二实施例的基于公交车发车间隔的乘客候车时间模型示意图。如图2所示，本实施例的基于公交车发车间隔的乘客候车时间应用模型，包括：基于公交车发车间隔的第一乘客候车时间子应用模型11和基于公交车发车间隔的第二乘客候车时间子应用模型12。其中，所述第一乘客候车时间子应用模型针对直接与轨道交通系统接驳的公交车站，子应用模型的建立根据第一乘客到达概率密度分布函数、所述分布函数的参数与公交车发车间隔的第一关系；所述第二乘客候车时间子应用模型针对非直接与轨道交通系统接驳的公交车站，子应用模型的建立根据第二乘客到达概率密度分布函数、所述分布函数的参数与公交车发车间隔的第二关系。进一步的，所述第一乘客到达概率密度分布函数基于对数正态分布，所述第二乘客到达概率分布函数基于伽玛分布。所述第一乘客到达概率密度分布函数为f1(t)=1σt2πexp(-12(lnt-μσ)2)---(4)]]>其中，t是乘客到达时间变量；μ是乘客到达时间的均值，σ是乘客到达时间的标准差；所述第二乘客到达概率密度分布函数为f2(t)=1βαΓ(α)tα-1exp(-tβ)---(5)]]>其中，t是乘客到达时间变量；α、β是预设参数，αβ是乘客到达时间的均值，是乘客到达时间的标准差。进一步的，所述第一关系为μ＝-0.00001μb2+0.0098μb+3.3246(6)和σ＝0.7207cvb+0.3519；(7)所述第二关系为α=-0.0086(1cvb2)2+0.22741cvb2+0.9413---(12)]]>和β＝0.538μbcvb2+99.047；(13)其中，μb是公交车发车间隔的均值，cvb是公交车发车间隔的变异系数，即公交车发车间隔的标准差与均值的比。所述第一乘客候车时间子应用模型11，进一步为：W1‾=Σi=1nW1‾(hi)n=Σi=1n∫0hi(hi-t)f1(t)∫0hif1(τ)dτn---(16)]]>s.t.=f1(t)=1σt2πexp(-12(lnt-μσ)2)μ=-0.00001μb2+0.0098μb+3.3246σ=0.7207cvb+0.3519cvb=σbμb,]]>其中，所述hi为预设公交车发车间隔，hi-t为乘客候车时间微分变量，为在一个公交发车间隔hi内直接与轨道交通系统接驳的公交站乘客到达时间标准的概率密度函数，t是乘客到达时间变量，取值为0～hi；所述第二乘客候车时间子应用模型12，进一步为：W2‾=Σi=1nW2‾(hi)n=Σi=1n∫0hi(hi-t)f2(t)∫0hif2(τ)dτn---(19)]]>s.t.=f2(t)=1βαΓ(α)tα-1exp(-tβ)α=-0.0086(1cvb2)2+0.22741cvb2+0.9413β=0.538μbcvb2+99.047cvb=σbμb,]]>其中，所述hi为预设公交车发车间隔，hi-t为乘客候车时间微分变量，为在一个公交发车间隔hi内非直接与轨道交通系统接驳的公交站乘客到达时间标准的概率密度函数，t是乘客到达时间变量，取值为0～hi。本实施例开发了一个简单经济面向应用的基于不同类型乘客到达率分布的乘客候车时间应用模型，克服了传统的候车时间应用模型的缺点，避免人工收集乘客到达率的大量数据且不能准确计算乘客平均候车时间的不足。通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。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)执行本发明各个实施例或者实施例的某些部分所述的方法。本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及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。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。当前第1页1 2 3