基于腾讯宜出行位置数据与高德地图路径规划数据的公交服务供需匹配方法

1.本发明涉及网络开放大数据爬虫与处理技术，具体涉及一种基于腾讯宜出行位置数据与高德地图路径规划数据的公交服务供需匹配程度定量计算技术。


背景技术：

2.公共交通是城市居民出行，尤其是职住通勤出行的主要交通方式，其规划布局的合理性与均衡性直接决定公交出行方式的便利性与可达性，从而影响居民出行与城市交通运行的效率和成本。随着城市空间规模的扩张，职住空间的错位和分离不断加剧，长距离通勤、交通拥堵和交通不均衡不公平等城市问题日益严峻。发展公共交通能很好地缓解城市交通压力，优化公共交通布局、提升公共交通效率和竞争力是解决这些城市问题的有效途径。挖掘并匹配公共交通服务的供给水平与需求水平，分析二者在空间上的差异与耦合程度，能为公共交通布局优化提供科学依据，更好地提升公交布局合理性与均衡性。公交供需匹配的关键问题在于对公交服务供给与公交服务需求的精准识别，而已有方法在公交服务供需实时识别与动态匹配程度定量计算方面存在不足。
3.公交服务供需识别的方法可以分为两类：
4.一类是传统方法。公交服务需求识别方面，此类方法主要依赖实地走访、问卷调查、统计年鉴、人口与经济普查数据等获取；公交服务供给识别方面，以公交站点数量、密度、站间距、覆盖率等作为供给水平计算指标。此类方法的缺点是数据更新慢、时效性低、精度不足、样本量小、耗费人力物力，且只能分析公交站点在宏观上的密集程度与均衡水平，忽略了人口和需求在空间分布上的非均衡性和真实交通条件下的交通状况，缺少对活动个体需求的考虑。获取出行成本时，难以大量获得指定时段考虑真实交通状态和精确候车时间等的出行信息，推算的换乘方案与行人实际步行空间、居民出行日常选择可能存在差异。
5.另一类是大数据的方法，即基于大数据推算公共交通服务供需水平。随着移动互联网技术、智能传感器技术、信息和通信技术的发展，以及具有位置感知能力的移动计算设备的普及应用，持续、海量地获取实时人口位置数据与交通状态信息成为可能。目前方法主要通过gps数据、公交ic卡刷卡数据和手机信令数据等获取公交服务需求，这些数据来源存在一定缺陷：gps数据一般利用安装在出租车等社会公共车辆上的gps定位系统提取浮动车行驶轨迹数据，结合出租车的载客状态、计费信息等数据，通过提取出租车的上客点与落客点进行出行od分析和出行需求识别，但只能对潜在出行需求进行挖掘，且该需求无法等同于对公共交通服务的需求；基于ic卡刷卡数据的od推断方法存在合理性及准确性不足、未充分利用历史出行大数据中蕴含的信息来辅助推断以及缺乏真实数据的有效验证等问题，且只能挖掘现有需求、对潜在需求挖掘不足；手机信令数据定位精度受基站密度、覆盖范围影响大，与用户的真实位置可能有数百米的误差，在微观尺度时空精度有限，存在数据缺失、信号跳跃、不确定性等问题。
6.为了解决这些问题，本发明设计了一种基于腾讯宜出行位置数据与高德地图路径
规划数据的公交服务供需匹配方法，能够利用腾讯宜出行位置数据获取高时空精度的人口位置数据推算公交服务需求，利用高德地图路径规划数据获取实时交通状态下考虑行人步行空间的公交运行信息推算公交服务供给水平，且能够实现精细时空精度下公交服务供需匹配程度的定量计算，具有真实准确、实时性强、空间精度高的特点，有很强的工程实用性。


技术实现要素：

7.本发明提出了一种基于腾讯宜出行位置数据与高德地图路径规划数据的公交服务供需匹配方法，其目的是通过本发明方法定量计算实时交通状态与人口活动下的公交服务供需匹配程度，用于解决公交服务供需水平识别实时性差、匹配程度无法动态计算等问题。
8.为了解决上述问题，本发明提出一种基于腾讯宜出行位置数据与高德地图路径规划数据的公交服务供需匹配方法，其特征在于，包括以下步骤，
9.步骤1、将研究区域切分成渔网单元；
10.步骤2、基于步骤1划分的渔网单元，采集一个时间段的实时人口位置数据以及实时公交出行信息；
11.步骤3、进行渔网单元的公交服务需求空间关联与量化和公交服务供给水平量化，从而得到全部公交服务供需水平量化结果；
12.步骤4、对步骤3得到的公交服务供需水平量化结果进行标准化处理，以局部双变量莫兰指数为指标进行渔网单元的公交服务供需匹配程度定量计算，并保存该时段公交服务供需量化与匹配程度计算结果，等待运行下一时段的公交服务供需量化与匹配程度计算；
13.步骤5、重复步骤2至4直至完成所有时段的公交服务供需量化与匹配程度计算，将各时段输出结果写入数据库，得到所有设定时段的实时匹配结果。
14.在上述的基于腾讯宜出行位置数据与高德地图路径规划数据的公交服务供需匹配方法，步骤1的具体方法是：以shp文件格式导入arcgis软件，对研究区域进行切片分区处理，基于arcgis软件渔网工具，切分两种规格的渔网单元，一种渔网单元用于实时人口数据分片采集，设定像元高度和像元宽度为2600，一种渔网单元用于实时公交出行信息采集、公交服务供需量化与匹配，根据研究区域大小及研究尺度设定像元高度和像元宽度，分别输出两种规格渔网单元的编号与中心坐标。
15.在上述的基于腾讯宜出行位置数据与高德地图路径规划数据的公交服务供需匹配方法，步骤2中，采集一个时间段的实时人口位置数据的具体方法是：基于上述步骤1的切片分区及渔网单元编号与中心坐标，生成四至范围，分片采集实时人口位置数据，利用多个腾讯账号获取cookie，并为每个cookie分配一定的片区采集任务，依次循环读取实时人口位置数据，对采集数据进行处理，输出实时人口位置数据采集结果。
16.在上述的基于腾讯宜出行位置数据与高德地图路径规划数据的公交服务供需匹配方法，步骤2中，采集一个时间段的实时公交出行信息的具体方法是：基于上述步骤1的切片分区及渔网单元编号与中心坐标，提取所有渔网单元中心坐标作为实时公交出行信息采集的起讫点坐标，构建od矩阵和数据采集任务列表，利用多个高德地图开放平台账号获取key，并为每个key分配一定的公交出行信息采集任务，依次循环读取实时公交出行信息，对
采集数据进行处理，输出实时公交出行信息采集采集结果。
17.在上述的基于腾讯宜出行位置数据与高德地图路径规划数据的公交服务供需匹配方法，步骤3的具体方法是：
18.步骤3.1、基于上述步骤1的切片分区及上述步骤2采集的实时人口位置数据，进行渔网单元的公交服务需求空间关联与量化，将采集的实时人口位置数据由文本格式表达为空间图形格式的点数据，每个点数据依据其空间位置与步骤1的渔网单元匹配，统计与各渔网单元相匹配的实时人口，得到相应尺度的公交服务需求水平量化结果；
19.步骤3.2、基于上述步骤1的切片分区及上述步骤2采集的实时公交出行信息，进行渔网单元的公交服务供给水平量化，从各渔网单元间的公交出行信息提取各公交出行方案的最短行程时间，分别以每个渔网单元为起点、以最小公交出行时间成本为划分指标的可达区，利用可达区范围计算各渔网单元的可达性，得到相应尺度的公交服务供给水平量化结果。
20.在上述的基于腾讯宜出行位置数据与高德地图路径规划数据的公交服务供需匹配方法，步骤4的具体方法是：基于上述步骤1的切片分区、上述步骤3输出的渔网单元公交服务需求空间关联与量化结果以及公交服务供给水平量化化结果，对全部公交服务供需水平量化结果进行标准化处理，以局部双变量莫兰指数为指标进行各渔网单元的公交服务供需匹配程度定量计算，并根据局部双变量莫兰指数值将渔网单元按公交服务供需匹配类型分类，输出相应尺度的公交服务供需匹配结果，包括以下子步骤，
21.步骤4.1、基于所述步骤1的切片分区、所述步骤四输出的渔网单元公交服务需求水平量化结果及上述步骤五输出的渔网单元公交服务供给水平量化结果，对全部公交服务供需水平量化结果进行标准化处理；
22.步骤4.2、以局部双变量莫兰指数为指标进行各渔网单元的公交服务供需匹配程度定量计算，根据邻接权重规则构建各渔网单元间的邻接权重矩阵，以标准化的公交服务供需水平量化结果和自定义邻接权重矩阵计算各渔网单元的局部双变量莫兰指数；
23.步骤4.3、根据局部双变量莫兰指数值将渔网单元按照公交服务供需水平的匹配情况分为不显著、高需求-高供给、高需求-低供给、低需求-高供给、低需求-低供给共五类，输出相应尺度的公交服务供需匹配结果。
24.在上述的基于腾讯宜出行位置数据与高德地图路径规划数据的公交服务供需匹配方法，步骤2的实时人口位置数据是基于腾讯宜出行api接口采用矩形采集方式获取的实时更新的人口位置数据，实时人口位置数据采集包括以下步骤：
25.数据抓取步骤，将需要申请的参数和地址发送到服务器，服务器接受请求后将数据返回客户端；
26.数据解析与重组步骤，将返回客户端的json格式数据利用键值对的方式对其实现解析，并根据需要进行重组，输出的采集结果为进行坐标解析与标准化赋值后的人口位置文本信息，每条数据包含wgs84坐标系经度、wgs84坐标系纬度、人口热力值count和获取时间time四个字段
27.数据存储步骤，将解析出的数据存储与数据库；
28.线程控制步骤，控制整个采集流程的平稳、实时运行，防止因网络、计算机问题导致程序中断。
29.在上述的基于腾讯宜出行位置数据与高德地图路径规划数据的公交服务供需匹配方法，步骤2的实时公交出行信息采集是基于高德地图开放平台路径规划api接口采用矩形采集方式获取的起讫点间乘公交出行的规划线路及相应票价、距离、出行时间等信息，实时公交出行信息采集包括以下步骤：
30.数据抓取步骤，将需要申请的参数和地址发送到服务器，服务器接受请求后将数据返回客户端；
31.数据解析与重组步骤，用于将返回客户端的json格式数据利用键值对的方式对其实现解析，并根据需要进行重组，输出的每条数据表示一对起讫点间的公交出行过程信息，包含过程数及各过程的状态描述信息、起讫点坐标、票价成本、距离成本、出行时间成本、路径导航信息；状态描述信息包括步行、地铁、公交车；
32.数据存储步骤，将解析出的数据存储与数据库；
33.线程控制步骤，用于控制整个采集流程的平稳、实时运行，防止因网络、计算机问题导致程序中断。
34.在上述的基于腾讯宜出行位置数据与高德地图路径规划数据的公交服务供需匹配方法，对全部公交服务供需水平量化结果进行标准化处理，以局部双变量莫兰指数为指标进行各渔网单元的公交服务供需匹配程度定量计算，并根据局部双变量莫兰指数值将渔网单元按公交服务供需匹配类型分类，输出相应尺度的公交服务供需匹配结果。
35.本发明具有如下优点：
36.(1)本发明利用大数据的方法，进行实时数据采集与公交服务供需匹配，相较于传统的问卷调查、人口与经济普查数据等数据获取方法，数据更新及时、时效性强、精度高、海量，可以全时段自动化采集，节省人力物力，考虑人口和需求在空间分布上的非均衡性和真实交通条件下的交通状况，提高了匹配的真实性。
37.(2)本发明利用腾讯宜出行位置数据进行公交服务需求识别，宜出行位置数据基于腾讯全线互联网产品的用户数据，对各区域人口分布以热力地图的形式进行实时可视化展示。其实时性强，能够实时动态展示不同时段人群的真实位置与聚散规律；覆盖群体全面，几乎涵盖所有智能手机用户；采集网格密度为25m，数据粒度细、定位精度高。
38.(3)本发明利用高德地图路径规划数据进行公交服务供给识别，相较于其他路径规划与行程成本计算方法，高德地图路径规划api路网信息全面，覆盖国内超650万公里的导航道路数据，精确至步行路网，保障规划方案步行可达；模拟真实交通环境与乘车环境，结合精准的实时路况，还原真实交通状态下的实际行程时间，同时考虑乘车、换乘期间的候车时间与步行时间；规划方案自定义，提供多种出行方式与路径规划策略，自定义避让区域或道路，指定出发时间。
39.(4)本发明实现了公交服务供需水平的实时识别与匹配，充分考虑活动个体在真实交通条件下的微观可达性，构建不同时段、不同时间出行情景下考虑实时交通状态、换乘与候车时间、精细化步行路网的可达区域范围，进行微观尺度、细粒度的公交服务供给水平与潜在公交服务需求挖掘，引入空间自相关方法对公交服务供需匹配程度进行定量计算。
40.(5)本发明具有很强的可移植性，适用于对不同地区、不同时段的公交服务供需匹配。
41.本发明方案实施简单方便，实用性强，解决了相关技术存在的实用性低及实际应
用不便的问题，能够提高用户体验，具有重要的市场价值。
附图说明
42.图1为本发明实施例的工作流程图。
43.图2为本发明实施例的渔网单元切分示例图。
44.图3为本发明实施例的实时公交出行信息采集示例图。
45.图4为本发明实施例的实时人口位置数据可视化示例图。
46.图5为本发明实施例的公交服务需求水平量化结果可视化效果图。
47.图6为本发明实施例的公交服务供给水平量化结果可视化效果图。
48.图7为本发明实施例的某一时段匹配分类结果可视化效果图。
具体实施方式
49.以下结合附图和实施例具体说明本发明的技术方案。
50.在本实施例中公开了一种基于腾讯宜出行位置数据与高德地图路径规划数据的公交服务供需匹配方法，包括如下步骤：
51.步骤一：获取研究区域范围，以shp文件格式导入arcgis软件，对研究区域进行切片分区处理，基于arcgis软件渔网工具，切分两种规格的渔网单元，一种渔网单元用于实时人口数据分片采集，设定像元高度和像元宽度为2600，一种渔网单元用于实时公交出行信息采集、公交服务供需量化与匹配，根据研究区域大小及研究尺度设定像元高度和像元宽度，分别输出两种规格渔网单元的编号与中心坐标；
52.步骤二：基于上述步骤一的切片分区及渔网单元编号与中心坐标，生成四至范围，分片采集实时人口位置数据，利用多个腾讯账号获取cookie，并为每个cookie分配一定的片区采集任务，依次循环读取实时人口位置数据，对采集数据进行处理，输出实时人口位置数据采集结果；
53.本发明利用的实时人口位置数据是基于腾讯宜出行api接口采用矩形采集方式获取的实时更新的人口位置数据。输出的采集结果为进行坐标解析与标准化赋值后的人口位置文本信息，每条数据包含wgs84坐标系经度、wgs84坐标系纬度、人口热力值count和获取时间time四个字段。
54.本发明进一步提出，所述的步骤二包括：
55.1)基于上述步骤一的切片分区及渔网单元编号与中心坐标，生成数据采集的四至范围，将地图分割成小块，获取需要采集的所有块；
56.2)获取宜出行网址，通过selenium驱动浏览器登录多个腾讯账号获取cookie，并为每个cookie分配一定的片区采集任务，依次循环读取实时人口位置数据；
57.3)对返回的json格式数据进行处理，对data部分的grid_x、grid_y和count三种点信息进行转化，利用第三方模块transcoordinatesystem进行坐标转化，对count进行标准化赋值得到真实值，输出实时人口位置数据采集结果。
58.步骤三：基于上述步骤一的切片分区及渔网单元编号与中心坐标，提取所有渔网单元中心坐标作为实时公交出行信息采集的起讫点坐标，构建od矩阵和数据采集任务列表，利用多个高德地图开放平台账号获取key，并为每个key分配一定的公交出行信息采集
任务，依次循环读取实时公交出行信息，对采集数据进行处理，输出实时公交出行信息采集采集结果；
59.本发明利用的实时公交出行信息采集是基于高德地图开放平台路径规划api接口采用矩形采集方式获取的起讫点间乘公交出行的规划线路及相应票价、距离、出行时间等信息。每条数据表示一对起讫点间的公交出行过程信息，包含过程数及各过程的状态描述信息(步行/地铁/公交车)、起讫点坐标、票价成本、距离成本、出行时间成本、路径导航信息。
60.本发明进一步提出，所述的步骤三包括：
61.1)基于上述步骤一的切片分区及渔网单元编号与中心坐标，提取所有渔网单元中心坐标作为实时公交出行信息采集的起讫点坐标；
62.2)将所有渔网单元中心坐标两两组合，所有点分别作为起点与讫点，构建od矩阵，一对起讫点构成一条需要获取出行信息的出行路径，读取od矩阵中的每条出行路径信息，由相应起讫点编号和起讫点坐标构建数据采集任务列表；
63.3)利用多个高德地图开放平台账号获取key，并为每个key分配一定的公交出行信息采集任务，依次循环读取实时公交出行信息；
64.4)对返回的json格式数据进行处理，从data部分提取出行过程及各过程出行信息，包含过程数及各过程的状态描述信息(步行/地铁/公交车)、起讫点坐标、票价成本、距离成本、出行时间成本、路径导航信息，各出行过程的出行时间成本累加得到该对起讫点间的总出行成本，输出实时公交出行信息采集结果。
65.步骤四：基于上述步骤一的切片分区及上述步骤二采集的实时人口位置数据，进行渔网单元的公交服务需求空间关联与量化，将采集的实时人口位置数据由文本格式表达为空间图形格式的点数据，每个点数据依据其空间位置与步骤一的渔网单元匹配，统计与各渔网单元相匹配的实时人口，得到相应尺度的公交服务需求水平量化结果；
66.步骤五：基于上述步骤一的切片分区及上述步骤三采集的实时公交出行信息，进行渔网单元的公交服务供给水平量化，从各渔网单元间的公交出行信息提取各公交出行方案的最短行程时间，分别以每个渔网单元为起点、以最小公交出行时间成本为划分指标的可达区，利用可达区范围计算各渔网单元的可达性，得到相应尺度的公交服务供给水平量化结果；
67.步骤六：基于上述步骤一的切片分区、上述步骤四输出的渔网单元公交服务需求水平量化结果及上述步骤五输出的渔网单元公交服务供给水平量化结果，对全部公交服务供需水平量化结果进行标准化处理，以局部双变量莫兰指数为指标进行各渔网单元的公交服务供需匹配程度定量计算，并根据局部双变量莫兰指数值将渔网单元按公交服务供需匹配类型分类，输出相应尺度的公交服务供需匹配结果；
68.步骤七：完成一个时段的公交服务供需量化与匹配程度计算，保存该时段输出结果，等待运行下一时段的公交服务供需量化与匹配程度计算；
69.步骤八：重复步骤二至步骤七，直至完成所有时段的公交服务供需量化与匹配程度计算，将各时段输出结果写入数据库，得到所有设定时段的实时匹配结果。
70.整体匹配流程图如图1所示。
71.具体的，步骤一中获取研究区域范围，以shp文件格式导入arcgis软件，对研究区
域进行切片分区处理，基于arcgis软件渔网工具，切分两种规格的渔网单元，一种渔网单元用于实时人口数据分片采集，设定像元高度和像元宽度为2600，一种渔网单元用于实时公交出行信息采集、公交服务供需量化与匹配，根据研究区域大小及研究尺度设定像元高度和像元宽度，分别输出两种规格渔网单元的编号与中心坐标；
72.渔网单元切分示例图如图2所示。
73.具体的，步骤二中实时人口位置数据采集，包括以下步骤：
74.1)基于所述步骤一的切片分区及渔网单元编号与中心坐标，生成数据采集的四至范围，将地图分割成小块，获取需要采集的所有块；
75.2)获取宜出行网址，通过selenium驱动浏览器登录多个腾讯账号获取cookie，并为每个cookie分配一定的片区采集任务，依次循环读取实时人口位置数据；
76.3)对返回的json格式数据进行处理，对data部分的grid_x、grid_y和count三种点信息进行转化，利用第三方模块transcoordinatesystem进行坐标转化，对count进行标准化赋值得到真实值，输出实时人口位置数据采集结果。
77.实时人口位置数据采集示例如下表所示。
[0078][0079]
具体的，步骤三中实时公交出行信息采集，包括以下步骤：
[0080]
1)基于上述步骤一的切片分区及渔网单元编号与中心坐标，提取所有渔网单元中心坐标作为实时公交出行信息采集的起讫点坐标；
[0081]
2)将所有渔网单元中心坐标两两组合，所有点分别作为起点与讫点，构建od矩阵，一对起讫点构成一条需要获取出行信息的出行路径，读取od矩阵中的每条出行路径信息，由相应起讫点编号和起讫点坐标构建数据采集任务列表；
[0082]
3)利用多个高德地图开放平台账号获取key，并为每个key分配一定的公交出行信息采集任务，依次循环读取实时公交出行信息；
[0083]
4)对返回的json格式数据进行处理，从data部分提取出行过程及各过程出行信息，包含过程数及各过程的状态描述信息(步行/地铁/公交车)、起讫点坐标、票价成本、距离成本、出行时间成本、路径导航信息，各出行过程的出行时间成本累加得到该对起讫点间的总出行成本，输出实时公交出行信息采集结果。
[0084]
实时公交出行信息采集示例图如图3所示。
[0085]
具体的，步骤四中实时人口位置数据可视化及渔网单元公交服务需求量化，包括以下步骤：
[0086]
1)基于arcgis平台完成实时人口位置数据由文本格式向空间图形格式点数据的表达，将人口位置数据导入arcgis平台，每条数据包含wgs84坐标系经度、wgs84坐标系纬度、人口热力值count和获取时间time四个字段，其经纬度表达为空间图形的位置信息，导出为带有人口热力值的空间点数据；
[0087]
2)基于arcgis平台完成带有人口热力值的空间点数据与相应渔网单元的匹配，将带有人口热力值的空间点数据与相应渔网单元进行空间关联，每个点数据依据其空间位置与步骤一的渔网单元匹配；
[0088]
3)统计各渔网单元内所有点数据携带的人口热力值信息，作为该渔网单元的公交服务需求水平量化值，输出相应尺度的公交服务需求水平量化结果。
[0089]
实时人口位置数据可视化示例图如图4所示。
[0090]
公交服务需求水平量化结果可视化效果图如图5所示。
[0091]
渔网单元公交服务需求量化示例如下表所示。
[0092][0093]
具体的，步骤五中渔网单元公交服务需求量化，包括以下步骤：
[0094]
1)基于上述步骤三采集的实时公交出行信息，将每条出行信息各过程时间成本累加得到该出行行为的总时间成本，从各渔网单元间的公交出行信息提取各公交出行方案的最短行程时间；
[0095]
2)基于上一步获取的最短行程时间，建立各渔网单元t时间约束下的可达区域范围，即以渔网单元i为起点，以剩余所有渔网单元为终点，所有在t时间内乘公共交通能到达的渔网单元构成渔网单元i在t时间约束下的可达区，这里时间阈值t分别取30、60、90min；
[0096]
3)统计各渔网单元t时间可达区范围的面积，计算该渔网单元t时间约束下的可达性水平，作为该渔网单元的公交服务需求量化值，输出相应尺度的公交服务需求量化结果。
[0097]
公交服务供给水平量化结果可视化效果图如图6所示。
[0098]
渔网单元公交服务需求量化示例如下表所示。
[0099][0100]
具体的，步骤六中公交服务供需匹配程度计算，包括以下步骤：
[0101]
1)基于上述步骤一的切片分区、上述步骤四输出的渔网单元公交服务需求水平量化结果及上述步骤五输出的渔网单元公交服务供给水平量化结果，对全部公交服务供需水平量化结果进行标准化处理；
[0102]
2)以局部双变量莫兰指数为指标进行各渔网单元的公交服务供需匹配程度定量计算，根据邻接权重规则构建各渔网单元间的邻接权重矩阵，以标准化的公交服务供需水平量化结果和自定义邻接权重矩阵计算各渔网单元的局部双变量莫兰指数，该过程可通过python语言或geoda软件实现；
[0103]
3)在geoda软件中根据局部双变量莫兰指数值将渔网单元按公交服务供需匹配类型分类，在设定显著性水平下，按照公交服务供需水平的匹配情况，将渔网单元分为不显著、高需求-高供给、高需求-低供给、低需求-高供给、低需求-低供给共五类，输出相应尺度的公交服务供需匹配结果。
[0104]
匹配分类结果可视化效果图如图7所示。
[0105]
具体的，步骤八中将各时段输出匹配程度计算标准化值写入数据库，得到所有设定时段的实时匹配结果。
[0106]
写入数据库结果如下表所示。
[0107][0108]
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。