实时公交漏召回率确定方法及装置与流程

本发明涉及电子技术，尤其涉及一种实时公交漏召回率确定方法及装置。

背景技术：

现有的实时公交由于各种问题，例如全球定位系统(Global Positioning System，GPS)的故障问题，都会造成实时公交系统上某些公交车的丢失，也就是实时公交系统监控不到实际在线路上运行的某些公交车，因此，实际运行的公交车在实时公交系统上的召回率较低，导致实时公交系统服务整体质量下降。

目前，主要通过人工路测的方式来确认实时公交系统是否存在公交车丢失的问题，然而，人工路测的方式会导致成本增加。另外，还有种方法通过程序判定某条公交线路是否存在大量丢失公交车的问题。然而，这种方法只能处理极端恶劣的情况，也就是只能处理大量公交车丢失的情况，无法监测到少数公交车的丢失。

因此，现有实时公交系统无法监控是否存在公交车的丢失问题，也就无法监测公交线路上的公交车在实时公交系统上的漏召回率。

技术实现要素：

本发明的多个方面提供一种实时公交漏召回率确定方法及装置，用以监控公交线路上的公交车在实时公交系统上的漏召回率，提高了实时公交系统的服务质量。

本发明的一方面，提供一种实时公交漏召回率确定方法，包括：

一种实时公交漏召回率确定方法，其特征在于，包括：

从实时公交系统中公交线路的历史运行数据中，抽取所述公交线路上每个站点在运营时间内所有的到站间隔时间；

根据所述公交线路的历史路况信息和所述公交线路上每个站点在所述运营时间内所有的到站间隔时间，确定每个站点的每个到站间隔时间在到所述站间隔时间集合中出现的概率；所述到站间隔时间集合，是指所述公交线路上所有站点的所有到站间隔时间组成的集合；

根据每个站点的每个到站间隔时间在所述到站间隔时间集合中出现的概率，确定所述公交线路上的公交车在所述实时公交系统上漏召回的通勤次数；

根据所述公交线路上的实际总通勤次数和所述漏召回的通勤次数，确定所述公交线路上的公交车在所述实时公交系统上的漏召回率。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在根据所述公交线路上的实际总通勤次数和所述漏召回的通勤次数，确定所述公交线路上的公交车在所述实时公交系统上的漏召回率之前，还包括：

根据从所述历史运行数据中挖掘出的所述公交线路上公交车的运行周期、所述公交线路的长度、所述公交线路的热度和所述公交线路上的公交车辆数，确定所述公交线路上的实际总通勤次数。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述公交线路的历史路况信息和所述公交线路上到站间隔时间集合，确定每个站点的每个到站间隔时间在到所述站间隔时间集合中出现的概率包括：

若所述到站间隔时间为第一到站间隔时间，确定在到达所述第一到站间隔时间对应的站点之前公交车漏召回的通勤次数至少为一次，所述第一到站间隔时间在所述到站间隔时间集合中出现的概率小于设定阈值；

根据每个站点的所述第一到站间隔时间的个数，确定运行在所述公交线路上的公交车在所述实时公交系统上漏召回的通勤次数。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据从所述历史运行数据中挖掘出的所述公交线路上公交车的运行周期、所述公交线路的长度、所述公交线路的热度和所述公交线路上的公交车辆数，确定所述公交线路上的实际总通勤次数，包括：

通过机器学习建立公交线路与实际总通勤次数的多元混合高斯模型；

将所述公交线路上公交车的运行周期、所述公交线路的长度、所述公交线路的热度和所述公交线路上的公交车辆数输入所述多元混合高斯模型，得到所述公交线路上的实际总通勤次数。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述公交线路的历史路况信息和所述公交线路上每个站点在所述运营时间内所有的到站间隔时间，确定每个站点的每个到站间隔时间在到站间隔时间集合中出现的概率，包括：

通过机器学习建立到站间隔时间和路况信息与到站间隔时间概率的马尔科夫模型；

将所述公交线路的历史路况信息和所述公交线路上每个站点在所述运营时间所有的到站间隔时间输入所述马尔科夫模型，得到每个站点的每个到站间隔时间在到站间隔时间集合中出现的概率。

本发明的另一方面，提供一种实时公交漏召回率确定装置，包括：

抽取模块，用于从实时公交系统中公交线路的历史运行数据中，抽取所述公交线路上每个站点在运营时间内所有的到站间隔时间；

概率确定模块，用于根据所述公交线路的历史路况信息和所述公交线路上每个站点在所述运营时间内所有的到站间隔时间，确定每个站点的每个到站间隔时间在到所述站间隔时间集合中出现的概率；所述到站间隔时间集合，是指所述公交线路上所有站点的所有到站间隔时间组成的集合；

漏召回次数确定模块，用于根据每个站点的每个到站间隔时间在所述到站间隔时间集合中出现的概率，确定所述公交线路上的公交车在所述实时公交系统上漏召回的通勤次数；

漏召回率确定模块，用于根据所述公交线路上的实际总通勤次数和所述漏召回的通勤次数，确定所述公交线路上的公交车在所述实时公交系统上的漏召回率。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括：

通勤次数确定模块，用于在所述根据所述公交线路上的实际总通勤次数和所述漏召回的通勤次数，确定所述公交线路上的公交车在所述实时公交系统上的漏召回率之前，根据从所述历史运行数据中挖掘出的所述公交线路上公交车的运行周期、所述公交线路的长度、所述公交线路的热度和所述公交线路上的公交车辆数，确定所述公交线路上的实际总通勤次数。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述漏召回次数确定模块，具体用于：

若所述到站间隔时间为第一到站间隔时间，确定在到达所述第一到站间隔时间对应的站点之前公交车漏召回的通勤次数至少为一次，所述第一到站间隔时间在所述到站间隔时间集合中出现的概率小于设定阈值；根据每个站点的所述第一到站间隔时间的个数，确定运行在所述公交线路上的公交车在所述实时公交系统上漏召回的通勤次数。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，通勤次数确定模块，具体用于通过机器学习建立公交线路与实际总通勤次数的多元混合高斯模型；将所述公交线路上公交车的运行周期、所述公交线路的长度、所述公交线路的热度和所述公交线路上的公交车辆数输入所述多元混合高斯模型，得到所述公交线路上的实际总通勤次数。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述概率确定模块，具体用于通过机器学习建立到站间隔时间和路况信息与到站间隔时间概率的马尔科夫模型；将所述公交线路的历史路况信息和所述公交线路上每个站点在所述运营时间所有的到站间隔时间输入所述马尔科夫模型，得到每个站点的每个到站间隔时间在到站间隔时间集合中出现的概率。

由上述技术方案可知，本发明实施例通过公交线路上漏召回的通勤次数，来衡量公交线路上漏召回的公交车辆数。根据每个站点的每个到站间隔时间在所有的到站间隔时间中出现的概率，确定所述公交线路上的公交车在所述实时公交系统上漏召回的通勤次数，从而确定所述公交线路上的公交车在所述实时公交系统上的漏召回率，达到了实时公交系统能监控线上服务的公交车的漏召回率的目的，避免了通过人工发现方式导致成本增加的现象。由于公交线路上一个站点的一个到站间隔时间在到站间隔时间集合中出现的概率，可以反映在到达该到站间隔时间对应的站点之前，是否存在没有监控到的公交车，因此，可以较为准确地确定该公交线路在所述实时公交系统上的漏召回率。

【附图说明】

为了更清楚地说明本发明实施例中的技术方案，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为本发明一实施例提供的实时公交漏召回率确定方法的流程示意图；

图2为本发明另一实施例提供的实时公交漏召回率确定方法的流程示意图；

图3为本发明另一实施例提供的实时公交漏召回率装置的结构示意图；

图4为本发明另一实施例提供的实时公交漏召回率装置的结构示意图。

【具体实施方式】

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例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全部其他实施例，都属于本发明保护的范围。

公交车的特点是，在一条公交线路上进行多次往返运动，一辆公交车从起始站出发到达终点站，又从终点站返回到起始站的过程称为一次通勤或往返。在运营时间内，一辆公交车有可能会在公交线路上进行多次往返。一条公交线路的通勤次数，是指在一条公交线路上所有公交车的往返次数，也指在起始站的发车次数。一条公交线路上在运营时间会从起始站发N趟公交车，进行N次往返运动，则一条公交线路的通勤次数为N。

漏召回的公交车是指在实时公交系统上监控不到的公交车，召回的公交车是指在实时公交系统上能监控到的公交车。公交车的特点是在一条公交线路上进行多次往返运动，因此，实时公交系统有可能监测不到同一辆公交车的不同往返运动，也就是说，公交车A在第N次往返运动过程中某个时间段没有被实时公交系统监控到，公交车A在第M次往返运动过程中某个时间段还没有被实时公交系统监控到，即实时公交系统没有监控到公交车A的两次通勤，也就是实时公交系统漏召回的通勤次数为二。因此，为了尽可能确定一条公交线路上公交车的漏召回率，本发明通过漏召回的通勤次数，来衡量漏召回的公交车辆数。本发明中定义：一条公交线路的漏召回率是指，实时公交系统在该公交线路上漏召回的通勤次数与实时公交系统中在该公交线路上实际运行的所有公交车的通勤次数之间的比例。一条公交线路的召回率是指，实时公交系统中该公交线路上能召回的通勤次数与实时公交系统中该公交线路上实际运行的所有公交车的通勤次数之间的比例。

需要说明的是，本发明实施例提供的各方法的执行主体的部分或全部可以为位于终端侧的实时公交客户端软件，也可以是位于服务端的实时公交系统内部的功能单元，本发明实施例对此不进行特别限定。

图1为本发明一实施例提供的实时公交漏召回率确定方法的流程示意图。如图1所示，该方法包括：

101、从实时公交系统中公交线路的历史运行数据中，抽取该公交线路上每个站点在运营时间内所有的到站间隔时间。

对于一条公交线路，从实时公交系统中该公交线路在一次运营时间内所有的运行数据中，抽取该公交线路上每个站点在该运营时间内所有的到站间隔时间。一条公交线路有M个站点，该条公交线路在一次运营时间内通勤次数为N，则该公交线路上一个站点在该运营时间内会有N趟公交车到站，也就有N-1个到站间隔时间，该公交线路在该运营时间内会N×M个到站间隔时间。

102、根据所述公交线路的历史路况信息和所述公交线路上每个站点在所述运营时间内所有的到站间隔时间，确定每个站点的每个到站间隔时间在到站间隔时间集合中出现的概率。

一条公交线路上的到站间隔时间集合，是指一条公交线路上所有站点的所有到间间隔时间组成的集合。

如果某个到站间隔时间相比于其它到站间隔时间较长，在到站间隔时间集合中出现的概率较低，但是相应的路况信息表明当时路况比较通畅，则进一步降低该到站间隔时间在到站间隔时间集合中的概率。如果某个到站间隔时间相比于其它到站间隔时间较长，在到站间隔时间集合中出现的概率较低，但是相应的路况信息表明当时路况不通畅，则提高该到站间隔时间在到站间隔时间集合中的概率。

如果某个到站间隔时间相比于其它到站间隔时间较短，在到站间隔时间集合中出现的概率较低，但是相应的路况信息表明当时路况不通畅，则进一步降低该到站间隔时间在到站间隔时间集合中的概率。如果某个到站间隔时间相比于其它到站间隔时间较短，在到站间隔时间集合中出现的概率较低，但是相应的路况信息表明当时路况比较通畅，则提高该到站间隔时间在到站间隔时间集合中的概率。

103、根据每个站点的每个到站间隔时间在所有的到站间隔时间中出现的概率，确定所述公交线路上的公交车在所述实时公交系统上漏召回的通勤次数。

某个到站间隔时间过长，且在所有的到站间隔时间中出现的概率越小，表明该到站间隔时间出现异常情况的可能性更高，很有可能因为在该到站间隔时间内存在掉线的公交车，实时公交系统在该到站间隔时间内没有监控到该公交车，导致该到站间隔时间过长。某个到站间隔时间过短，且在所有的到站间隔时间中出现的概率越小，表明该到站间隔时间出现异常情况的可能性更高，很有可能因为之前已存在漏召回的公交车，导致在该到站间隔时间之前的到站间隔时间过长，从而导致该到站间隔时间过短。因此，可以通过到站间隔时间在所有的到站间隔时间中出现的概率，确定所述公交线路上的公交车在所述实时公交系统上是否存在漏召回的现象，从而确定漏召回的通勤次数。

具体地，若所述到站间隔时间为第一到站间隔时间，确定在到达所述第一到站间隔时间对应的站点之前公交车漏召回的通勤次数至少为一次，根据每个站点的所述第一到站间隔时间的个数，确定运行在所述公交线路上的公交车在所述实时公交系统上漏召回的通勤次数。其中，所述第一到站间隔时间在到站间隔时间集合中出现的概率小于设定阈值。对于每个站点来说，有可能有零个或一个或多个第一到站间隔时间，而每个第一到站间隔时间至少对应一辆丢失的公交车，即对应的漏召回的通勤次数至少为一。因此，一个站点对应的漏召回的通勤次数为该站点拥有的第一到站间隔时间的个数，也就是有可能对应的漏召回的通勤次数为零次或一次或多次。可以取每个站点的漏召回的通勤次数的平均值，作为运行在所述公交线路上的公交车在所述实时公交系统上漏召回的通勤次数。

104、根据所述公交线路上的实际总通勤次数和所述漏召回的通勤次数，确定所述公交线路上的公交车在所述实时公交系统上的漏召回率。

本发明实施例通过公交线路上漏召回的通勤次数，来衡量公交线路上漏召回的公交车辆数。根据每个站点的每个到站间隔时间在所有的到站间隔时间中出现的概率，确定所述公交线路上的公交车在所述实时公交系统上漏召回的通勤次数，从而确定所述公交线路上的公交车在所述实时公交系统上的漏召回率，达到了实时公交系统能监控线上服务的公交车的漏召回率的目的，避免了通过人工发现方式导致成本增加的现象。由于公交线路上一个站点的一个到站间隔时间在到站间隔时间集合中出现的概率，可以反映在到达该到站间隔时间对应的站点之前，是否存在没有监控到的公交车，因此，可以较为准确地确定该公交线路在所述实时公交系统上的漏召回率。

图2为本发明一实施例提供的实时公交漏召回率确定方法的流程示意图。如图2所示，该方法包括：

201、从公交线路在运营时间内的历史运行数据中，挖掘出公交线路上公交车的运行周期、所述公交线路的长度、所述公交线路的热度和所述公交线路上的公交车辆数，确定所述公交线路上的实际总通勤次数。

其中，公交线路的热度可以是人口密度。

202、将所述公交线路上公交车的运行周期、所述公交线路的长度、所述公交线路的热度和所述公交线路上的公交车辆数输入多元混合高斯模型，得到所述公交线路上的实际总通勤次数。

通过机器学习的方式，从全国一二线城市的公交数据中，建立多元混合高斯模型，做到对于任意给定的公交线路评估出其应有的公交车数；进而给出每条公交线路在运营时间内所有车辆的通勤次数即公交线路上的实际总通勤次数。

203、从公交线路的历史运行数据中，抽取所述公交线路上每个站点在运营时间内所有的到站间隔时间。

204、将所述公交线路的历史路况信息和所述公交线路上每个站点在所述通勤时间所有的到站间隔时间输入所述马尔科夫模型，得到每个站点的每个到站间隔时间在到站间隔时间集合中出现的概率。

根据历史车辆的到站间隔时间和当时的路况信息，通过机器学习建立到站间隔时间和路况信息与到站间隔时间概率的马尔科夫模型，到站间隔的概率是路况信息和到站间隔时间的函数。

205、根据每个站点的每个到站间隔时间在到站间隔时间集合中出现的概率，确定所述公交线路上的公交车在所述实时公交系统上漏召回的通勤次数。

206、根据所述公交线路上的实际总通勤次数和所述漏召回的通勤次数，确定所述公交线路上的公交车在所述实时公交系统上的漏召回率。

本发明实施例通过机器学习建立的多元混合高斯模型得到所述公交线路上的实际总通勤次数，通过机器学习建立的马尔科夫模型得到每个站点的每个到站间隔时间在到站间隔时间集合中出现的概率，提高了计算的准确性和切实性。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。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发明所必须的。

图3为本发明另一实施例提供的一种实时公交漏召回率确定装置结构示意图。如图3所示，本实施例提供的装置包括：抽取模块31、概率确定模块32、漏召回次数确定模块33和漏召回率确定模块34。

抽取模块31，用于从实时公交系统中公交线路的历史运行数据中，抽取所述公交线路上每个站点在运营时间内所有的到站间隔时间。

对于一条公交线路，从实时公交系统中该公交线路在一次运营时间内所有的运行数据中，抽取该公交线路上每个站点在该运营时间内所有的到站间隔时间。一条公交线路有M个站点，该条公交线路在一次运营时间内通勤次数为N，则该公交线路上一个站点在该运营时间内会有N趟公交车到站，也就有N-1个到站间隔时间，该公交线路在该运营时间内会N×M个到站间隔时间。

概率确定模块32，用于根据所述公交线路的历史路况信息和所述公交线路上每个站点在所述运营时间内所有的到站间隔时间，确定每个站点的每个到站间隔时间在到所述站间隔时间集合中出现的概率；所述到站间隔时间集合，是指所述公交线路上所有站点的所有到站间隔时间组成的集合。

一条公交线路上的到站间隔时间集合，是指一条公交线路上所有站点的所有到间间隔时间组成的集合。

如果某个到站间隔时间相比于其它到站间隔时间较长，在到站间隔时间集合中出现的概率较低，但是相应的路况信息表明当时路况比较通畅，则进一步降低该到站间隔时间在到站间隔时间集合中的概率。如果某个到站间隔时间相比于其它到站间隔时间较长，在到站间隔时间集合中出现的概率较低，但是相应的路况信息表明当时路况不通畅，则提高该到站间隔时间在到站间隔时间集合中的概率。

如果某个到站间隔时间相比于其它到站间隔时间较短，在到站间隔时间集合中出现的概率较低，但是相应的路况信息表明当时路况不通畅，则进一步降低该到站间隔时间在到站间隔时间集合中的概率。如果某个到站间隔时间相比于其它到站间隔时间较短，在到站间隔时间集合中出现的概率较低，但是相应的路况信息表明当时路况比较通畅，则提高该到站间隔时间在到站间隔时间集合中的概率。

漏召回次数确定模块33，用于根据每个站点的每个到站间隔时间在所述到站间隔时间集合中出现的概率，确定所述公交线路上的公交车在所述实时公交系统上漏召回的通勤次数。

某个到站间隔时间过长，且在所有的到站间隔时间中出现的概率越小，表明该到站间隔时间出现异常情况的可能性更高，很有可能因为在该到站间隔时间内存在掉线的公交车，实时公交系统在该到站间隔时间内没有监控到该公交车，导致该到站间隔时间过长。某个到站间隔时间过短，且在所有的到站间隔时间中出现的概率越小，表明该到站间隔时间出现异常情况的可能性更高，很有可能因为之前已存在漏召回的公交车，导致在该到站间隔时间之前的到站间隔时间过长，从而导致该到站间隔时间过短。因此，可以通过到站间隔时间在所有的到站间隔时间中出现的概率，确定所述公交线路上的公交车在所述实时公交系统上是否存在漏召回的现象，从而确定漏召回的通勤次数。

进一步，所述漏召回次数确定模块33，具体用于：

若所述到站间隔时间为第一到站间隔时间，确定在到达所述第一到站间隔时间对应的站点之前公交车漏召回的通勤次数至少为一次，所述第一到站间隔时间在所述到站间隔时间集合中出现的概率小于设定阈值；根据每个站点的所述第一到站间隔时间的个数，确定运行在所述公交线路上的公交车在所述实时公交系统上漏召回的通勤次数。

漏召回率确定模块34，用于根据所述公交线路上的实际总通勤次数和所述漏召回的通勤次数，确定所述公交线路上的公交车在所述实时公交系统上的漏召回率。

本发明实施例通过公交线路上漏召回的通勤次数，来衡量公交线路上漏召回的公交车辆数。根据每个站点的每个到站间隔时间在所有的到站间隔时间中出现的概率，确定所述公交线路上的公交车在所述实时公交系统上漏召回的通勤次数，从而确定所述公交线路上的公交车在所述实时公交系统上的漏召回率，达到了实时公交系统能监控线上服务的公交车的漏召回率的目的，避免了通过人工发现方式导致成本增加的现象。由于公交线路上一个站点的一个到站间隔时间在到站间隔时间集合中出现的概率，可以反映在到达该到站间隔时间对应的站点之前，是否存在没有监控到的公交车，因此，可以较为准确地确定该公交线路在所述实时公交系统上的漏召回率。

如图4所示，在图3提供实施例的基础上，本实施例还包括：通勤次数确定模块35。

通勤次数确定模块35，用于在所述根据所述公交线路上的实际总通勤次数和所述漏召回的通勤次数，确定所述公交线路上的公交车在所述实时公交系统上的漏召回率之前，根据从所述历史运行数据中挖掘出的所述公交线路上公交车的运行周期、所述公交线路的长度、所述公交线路的热度和所述公交线路上的公交车辆数，确定所述公交线路上的实际总通勤次数。

具体地，通勤次数确定模块35，具体用于通过机器学习建立公交线路与实际总通勤次数的多元混合高斯模型；将所述公交线路上公交车的运行周期、所述公交线路的长度、所述公交线路的热度和所述公交线路上的公交车辆数输入所述多元混合高斯模型，得到所述公交线路上的实际总通勤次数。

具体地，概率确定模块34，具体用于通过机器学习建立到站间隔时间和路况信息与到站间隔时间概率的马尔科夫模型；将所述公交线路的历史路况信息和所述公交线路上每个站点在所述运营时间所有的到站间隔时间输入所述马尔科夫模型，得到每个站点的每个到站间隔时间在到站间隔时间集合中出现的概率。

本发明实施例通过机器学习建立的多元混合高斯模型得到所述公交线路上的实际总通勤次数，通过机器学习建立的马尔科夫模型得到每个站点的每个到站间隔时间在到站间隔时间集合中出现的概率，提高了计算的准确性和切实性。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

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。