基于手机数据的城际交通出行方式判断方法和设备与流程

本发明涉及通信技术/计算机技术，具体涉及基于手机数据的城际交通出行方式判断方法和设备。

背景技术：

交通出行调查是交通规划，公路、铁路、航空等建设项目可行性研究的基础性工作，主要是全面了解项目所在区域公众出行的特征，掌握交通流量流向、出行方式分担比例等资料，为交通量或吞吐能力预测提供基础数据，从而为后期的项目建设和评估提供依据。在我国综合交通运输体系中，各种交通方式分属于不同的部门管理，对于规划设计部门来说，获取完整的交通运输统计数据较为困难，而且不同交通方式的数据格式和统计口径不一致，难以聚合分析。传统的交通出行方式调查采用人工路边询问、抽样调查等方式，消耗大量人力物力，且存在调查范围和时间有限，抽样率低和数据处理低效等问题。

随着手机的广泛普及和移动定位技术的快速发展，分析手机大数据成为了获取公众交通出行情况的新方式。移动运营商可以依据手机连接基站来实时判断用户位置，智能手机本身也能开启gps定位向以百度地图为代表的手机软件上报自身位置信息。因此，从移动运营商和手机软件运营商处可以得到用户大量的时间位置信息，从而能够获取用户的出行轨迹、移动速度等信息，进而推测其出行方式。与传统交通出行调查技术相比，手机数据还具有覆盖范围广、分析样本大、可长期连续监测等优势，能够为交通规划和管理提供更加及时准确的基础数据和决策支持。

随着交通的便捷化和城市化进程的加速，不同城市间联系越来越紧密，尤其是同一省份处于经济中心地位的省会城市和贸易便捷的沿海城市。因此，城际大区域内的交通出行调查分析，对于规划管理乃至经济发展都有重要的意义。目前的方法或者需要用到手机gps数据，或者需要用到路网数据。手机gps数据虽然定位精度高，但当用户关闭gps定位时难以获取；而路网匹配需要获取详细的道路信息，这种信息往往难以获取或者获取不全，并且路网匹配需要数据量大，计算复杂度高。

因此需要提供一种计算相对简单，数据获取难度较低的计算城际交通出行方式，解决目前计算城际交通出行方式计算量大，数据获取难的问题。

技术实现要素：

鉴于上述问题，本发明提出了克服上述问题或者至少部分地解决上述问题的基于手机数据的城际交通出行方式判断方法和设备。

为此目的，本发明第一方面提供一种基于手机数据的城际交通出行方式判断方法，包括：

获取基站记录中用户的移动轨迹数据；

提取每个用户的移动轨迹的城际出行子轨迹；

判断城际子轨迹的出行方式。

可选的，所述提取每个用户的移动轨迹的城际出行子轨迹，包括：

移动轨迹数据包含m条移动轨迹，m条移动轨迹记为s＝{s1，s2……sm}，si∈s；

判断子轨迹si对应的城市c3和城市c4是否相邻，若城市c3和城市c4相邻，则将子轨迹si加入子轨迹集合r；

若城市c3和城市c4不相邻，则判定子轨迹si是否是具有中转城市的子轨迹，若具有中转城市，则将子轨迹si根据中转城市对应分割为两段子轨迹，将这两段子轨迹加入子轨迹集合r；若不具有中转城市则将子轨迹si加入子轨迹集合r；用处理子轨迹si方法处理子轨迹集合r中的所有子轨迹，直到子轨迹集合r中的所有子轨迹都不包括中转城市。

可选的，判断城际子轨迹的出行方式，包括：s401判断子轨迹ri是否是航空出行的步骤、s402判断子轨迹ri是否是火车出行的步骤和s403判断子轨迹ri是否是汽车出行的步骤；

所述s401判断子轨迹ri是否是航空出行的步骤，包括：若子轨迹ri对应的城市c5和城市c6之间有航班，则若子轨迹ri经过a1或a2的时间超过机场停留阈值，且至少a1或a2内不具有火车站和汽车站，则子轨迹ri对应的出行方式为航班出行；

否则判断子轨迹ri的最大速度和平均速度是否落入预设的飞机航行速度范围，若落入，则子轨迹ri对应的出行方式为航班出行；

所述s402判断子轨迹ri是否是火车出行的步骤，包括：若子轨迹ri对应的城市c5和城市c6之间有火车，且子轨迹ri经过t1或t2的时间两个都超过火车站停留阈值，且子轨迹ri的最大速度或平均速度超过预设的汽车速度范围，且子轨迹ri经过t1或t2的时间符合火车时刻表中的一个车次，则子轨迹ri对应的出行方式为火车出行；

若子轨迹ri经过t1和t2的时间有一个超过火车站停留阈值，且子轨迹ri的最大速度或平均速度落入预设的第一火车速度范围，其中第一火车速度范围的下边界超过汽车速度范围的上边界，且第一火车速度范围的的下边界与汽车速度范围的上边界之差大于速度区别预设值，则子轨迹ri对应的出行方式为火车出行；

若子轨迹ri经过t1和t2的时间有一个超过火车站停留阈值，且子轨迹ri的最大速度或平均速度超过预设的汽车速度范围，且根据子轨迹ri经过t1后在出站时间内的运动方向与进入t2前的入站时间内的运动方向之间的差值小于方向偏离预设值，则子轨迹ri对应的出行方式为火车出行；

若子轨迹ri经过t1和t2的时间两个都未超过火车站停留阈值，且子轨迹ri的最大速度和/或平均速度落入预设的第二火车速度范围；若落入，则子轨迹ri对应的出行方式为火车出行；

所述s403判断子轨迹ri是否是汽车出行的步骤，包括：若无法根据s401或s402判断子轨迹ri为航空出行或火车出行，则子轨迹ri对应的出行方式为汽车出行；

轨迹ri对应从城市c5到城市c6之间的移动轨迹，

其中，a1代表城市c5对应的机场区域，a2代表城市c6对应的机场区域；t1代表城市c5对应的火车站区域，t2代表城市c6对应的火车站区域；b1代表城市c5对应的汽车站区域，b2代表城市c6对应的汽车站区域，子轨迹ri∈r。

可选的，在子轨迹ri对应的出行方式为火车出行之后，还包括步骤：

若子轨迹ri的最大速度或平均速度落入预设的高铁速度范围，则子轨迹ri对应的出行方式高铁出行，否则子轨迹ri对应的出行方式普通列车出行。

可选的，在子轨迹ri对应的出行方式为汽车出行之后，还包括步骤：

若子轨迹ri经过高速收费站、高速出入口或服务区，且子轨迹ri对应平均速度大于或等于100km/h，则子轨迹ri对应的出行方式为高速公路出行；若子轨迹ri未经过高速收费站、高速出入口或服务区，且子轨迹ri对应平均速度小于100km/h，则子轨迹ri对应的出行方式为普通公路出行。

可选的，在s403判断子轨迹ri是否是汽车出行的步骤之后，还包括步骤：

若无法判断子轨迹ri对应的出行方式，则根据子轨迹ri的获得对应的预判基站序列集合，根据典型航空轨迹、典型高铁轨迹、典型普通列车轨迹和典型高速公路轨迹分别获得对应的典型基站序列集合，计算所述预判基站序列集合分别与各典型基站序列集合的相似度，若其中一相似度s1大于其他相似度，且相似度s1与最接近的相似度s2的差值大于预设的相似度差值，且相似度大于相似度阈值，则子轨迹ri的出行方式与计算获得该相似度的基站序列集合对应的出行方式相同。

可选的，在s403判断子轨迹ri是否是汽车出行的步骤之后，还包括步骤：

若无法判断子轨迹ri对应的出行方式，则子轨迹ri对应的出行方式为除航班出行、火车出行、汽车出行之外的方式出行。

第二方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上任一所述方法的步骤。

第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上任一所述方法的步骤。

由上述技术方案可知，本发明提出的利用手机大数据，使用由运营商采集和提供的手机信令数据，获得数据的成本低。而手机信令数据几乎覆盖所有城际间同行的用户，因此用户覆盖率高，使计算最终输出的城际交通出行的数据更值得信赖。而手机信令数据对应的移动轨迹连续，且时间跨度长、空间覆盖广，因此除了可以用于研究当前人们的出行方式，还可以用于研究人们出行方式的变迁。而本文的方法通过特征提取和分类，并辅以关键地点的匹配识别，完成了5种城际交通出行方法的识别，相比于现有技术计算难度小，计算量小。

前面是提供对本发明一些方面的理解的简要发明内容。这个部分既不是本发明及其各种实施例的详尽表述也不是穷举的表述。它既不用于识别本发明的重要或关键特征也不限定本发明的范围，而是以一种简化形式给出本发明的所选原理，作为对下面给出的更具体的描述的简介。应当理解，单独地或者组合地利用上面阐述或下面具体描述的一个或多个特征，本发明的其它实施例也是可能的。

附图说明

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，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。

图1为本发明的一个具有中转城市的轨迹示意图；

图2为本发明的一个不具有中转城市的轨迹示意图；

图3为本发明的一个用户轨迹示意图，其中一段时间用户处于城市c2和城市c1的交界区域。

图4为本发明的一个实施例中执行方法示意图。

具体实施方式

下面将结合示例性的实施例描述本发明。

本发明提出基于手机数据的城际交通出行方式判断方法，包括：

s101获取基站记录中用户的移动轨迹数据；

s102提取每个用户的移动轨迹的城际出行子轨迹；

s103判断子轨迹的出行方式。

用户的移动轨迹数据指的是：用户在使用电话卡的过程中，基站记录电话卡的位置，因而产生移动轨迹数据。根据用户所使用的电话卡区分用户，不同的电话号码在基站中对应不同的移动轨迹数据，即提取手机信令数据的时空位置(用户id|连接时间|连接基站)，连续的时空位置记录构成了用户的移动轨迹。移动轨迹数据是由大量的移动轨迹组成，移动轨迹是指手机连接基站后基站就具有了手机的定位数据，该定位数据是具有空域特征的，例如用户a和用户b的轨迹数据分别可以表示为其中是采集的时刻，是时刻用户手机的位置信息，在一些实施例中，可以用手机基站的编码代表手机位置，即可以是基站编号或基站覆盖区域或者是手机的移动网络定位。

下文以即可以是基站编号为例说明本发明的实现原理，本领域内的技术人员一旦得知了本文公开基本创造性概念，则可对这些实施例作出另外的变更和修改，例如将可以用基站覆盖区域或者是手机的移动网络定位代替，从而获得相同的效果。

根据用户移动轨迹，提取出城际同行子轨迹，从而计算两城市之间的交通出行方式。本方法，逐步将问题细化，从而解决城市之间交通出行方式的判断问题。

可选的，所述提取每个用户的移动轨迹的城际出行子轨迹，包括：

移动轨迹数据包含m条移动轨迹，m条移动轨迹记为s＝{s1，s2……sm}，逐一判断每一用户的移动轨迹si中是否同时存在城市c1和城市c2的坐标；这里可以逐一判断每个用户的移动轨迹中，是否包含城市c1和城市c2的坐标，也可以是判断所有用户的移动轨迹中，是否包含城市c1和c2的坐标。由于在本实施例中是基站编号,所以城市c1的坐标和城市c2的坐标分别指的是城市c1的基站编号和城市c2的基站编号。

若存在，则用户的移动轨迹中存在城市c1到城市c2的出行子轨迹；在用户的移动轨迹中消除路径相同的出行子轨迹；所有的相邻城市间的城际交通的子轨迹构成子轨迹集r。

可选的，所述提取每个用户的移动轨迹的城际出行子轨迹，包括：

子轨迹si∈s＝{s1，s2，…sm}，判断子轨迹si对应的城市c3和城市c4是否相邻，若城市c3和城市c4相邻，则将子轨迹si加入子轨迹集合r；子轨迹集合r中的子轨迹是不发生城际中转的移动轨迹。

若城市c3和城市c4不相邻，则判定子轨迹si是否是具有中转城市的子轨迹；判断是否具有中转城市，可以通过判断子轨迹si中是否包含3个或3个以上不同城市的坐标。可以理解的是子轨迹si包含多个坐标，若不发生城际中转，则子轨迹si仅包含两个不同城市的坐标。

若具有中转城市，则将子轨迹si根据中转城市对应分割为两段子轨迹，将这两段子轨迹加入子轨迹集合r；若不具有中转城市则将子轨迹si加入子轨迹集合r；用处理子轨迹si方法处理子轨迹集合r中的所有子轨迹，直到子轨迹集合r中的所有子轨迹都不包括中转城市；

逐一计算子轨迹集合r中的子轨迹ri的出行方式。

由于基站中具有大量的移动轨迹数据，经过上述对所用用户轨迹的分解，获得了相邻城际间所有出行方式对应的轨迹。可以理解的是，在另一些实施例中，还可以逐一统计每一用户的移动轨迹，从而获得城际间交通方式、交通方式使用频率和出行时段的数据，从而为设计交通线路提供更准确的数据。

在本发明的一个实施例中提取相邻两个城市间的子轨迹包括：当c1和c2不相邻，则直接提取用户在两城市间移动的子轨迹，比如一个手机信令对应的移动轨迹是用户从城市c1去往城市c2的，则本次城际出行的子轨迹sj由三部分组成：离开城市c1前最后x小时内的记录+穿越其他城市的中间轨迹+到达城市c2后x小时内的记录如图1所示，图1中用不同的虚线类型区别子轨迹和

当c1和c2相邻，则存在由于处在两个城市交界处导致的在两基站间来回切换的异常情况，需先依据“基站来回切换但移动距离小“的特征予以排除移动轨迹中的来回切换的点(即抖动点)，然后再提取用户在两城之间真实移动的子轨迹。此时用户从城市c1去往城市c2，则本次城际出行的子轨迹sj由两部分组成：离开城市c1前最后x小时内的记录+到达城市c2后x小时内的记录如图2所示。当城市c1和c2相邻，只考虑直达，由于距离太近通常无往返航班，因此只需要考虑铁路(可能也没有)和公路两种出行方式，即只要考虑给出子轨迹sj(1,2)的出行方式判断，sj(1,2)表示c1和c2之间的子轨迹，可以理解的是c1和c2之间的子轨迹可以有很多条，sj(1,2)只是其中一条。

当c1和c2不相邻时，当判断子轨迹sj存在中转城市cz时，我们将其进一步切割为从c1到cz的子轨迹sj(c1,cz)和从cz到c2的子轨迹sj(cz,c2)，并分别判断子轨迹sj(c1,cz)和sj(cz,c2)的出行方式。否则我们视子轨迹sj为直达，直接给出子轨迹sj(c1,c2)的出行方式判断。比如一个手机信令对应的移动轨迹是sj，sj由多个中转次数为r(可为零)的子轨迹组成，即其中v11＝c1，vr+1，2＝c2，每一个子轨迹对应一个出行方式，这sj具有对应的出行方式由于sj的子轨迹是按时间先后顺序给出，因此wj也是具有时间先后顺序的。

如图3所示，由于用户轨迹sj可能包含多次往返于两城市间的记录，所以我们提取出所有符合条件的子轨迹，得到相邻城际交通的子轨迹集r。

在本发明的一个实施例中，所述根据子轨迹判断子轨迹的出行方式，包括：计算子轨迹集合r中的子轨迹ri的出行方式，包括：s401判断子轨迹ri是否是航空出行的步骤、s402判断子轨迹ri是否是火车出行的步骤和s403判断子轨迹ri是否是汽车出行的步骤；

a1代表城市c5对应的机场区域，a2代表城市c6对应的机场区域。t1代表城市c5对应的火车站区域，t2代表城市c6对应的火车站区域。b1代表城市c5对应的汽车站区域，b2代表城市c6对应的汽车站区域。

所述s401判断子轨迹ri是否是航空出行的步骤，包括：若子轨迹ri对应的城市c5和城市c6之间有航班，则若子轨迹ri经过a1或a2的时间超过机场停留阈值，且至少a1或a2内不具有火车站和汽车站，则子轨迹ri对应的出行方式为航班出行；

如表1所示：

表1判断是否航空出行的部分方法

否则判断子轨迹ri的最大速度和平均速度是否落入预设的飞机航行速度范围，若落入，则子轨迹ri对应的出行方式为航班出行；

所述s402判断子轨迹ri是否是火车出行的步骤，包括：若子轨迹ri对应的城市c5和城市c6之间有火车，且子轨迹ri经过t1或t2的时间两个都超过火车站停留阈值，且子轨迹ri的最大速度或平均速度超过预设的汽车速度范围，且子轨迹ri经过t1或t2的时间符合火车时刻表中的一个车次，则子轨迹ri对应的出行方式为火车出行；

若子轨迹si经过t1和t2的时间有一个超过火车站停留阈值，且子轨迹ri的最大速度或平均速度落入预设的第一火车速度范围，其中第一火车速度范围的下边界超过汽车速度范围的上边界，且第一火车速度范围的的下边界与汽车速度范围的上边界之差大于速度区别预设值，则子轨迹ri对应的出行方式为火车出行；

若子轨迹ri经过t1和t2的时间有一个超过火车站停留阈值，且子轨迹ri的最大速度或平均速度超过预设的汽车速度范围，且根据子轨迹ri经过t1后在出站时间内的运动方向与进入t2前的入站时间内的运动方向之间的差值小于方向偏离预设值，则子轨迹ri对应的出行方式为火车出行；

若子轨迹ri经过t1和t2的时间两个都未超过火车站停留阈值，且子轨迹ri的最大速度和/或平均速度落入预设的第二火车速度范围；若落入，则子轨迹ri对应的出行方式为火车出行；

所述s403判断子轨迹ri是否是汽车出行的步骤，包括：若无法根据s401或s402判断子轨迹ri为航空出行或火车出行，则子轨迹ri对应的出行方式为汽车出行；

轨迹ri对应从城市c5到城市c6之间的移动轨迹，

可选的，在子轨迹ri对应的出行方式为火车出行之后，还包括步骤：

若子轨迹ri的最大速度或平均速度落入预设的高铁速度范围，则子轨迹ri对应的出行方式高铁出行，否则子轨迹ri对应的出行方式普通列车出行。

可选的，在子轨迹ri对应的出行方式为汽车出行之后，还包括步骤：

若子轨迹ri经过高速收费站、高速出入口或服务区，且子轨迹ri对应平均速度大等于100km/h，则子轨迹ri对应的出行方式为高速公路出行；若子轨迹ri未经过高速收费站、高速出入口或服务区，且子轨迹ri对应平均速度小于100km/h，则子轨迹ri对应的出行方式为普通公路出行。如表2所示：

表2公路出行方式判断

可选的，在s403判断子轨迹ri是否是汽车出行的步骤之后，还包括步骤：

若无法判断子轨迹ri对应的出行方式，则根据子轨迹ri的获得对应的预判基站序列集合，根据典型航空轨迹、典型高铁轨迹、典型普通列车轨迹和典型高速公路轨迹分别获得对应的典型基站序列集合，计算所述预判基站序列集合分别与各典型基站序列集合的相似度，若其中一相似度s1大于其他相似度，且相似度s1与最接近的相似度s2的差值大于预设的相似度差值，且相似度大于相似度阈值，则子轨迹ri的出行方式与计算获得该相似度的基站序列集合对应的出行方式相同。即对于以上无法判断出行方式的(已排除普通国省道)子轨迹，我们将选取航空、高铁和普通列车、高速4类出行方式的典型轨迹，计算待判断子轨迹与典型用户的基站序列相似度。有以下两种方式计算相似度：方法1)根据移动轨迹中的根据时间顺序排列的基站序列，将基站序列中两个相邻的基站构成不具有顺序关系的基站对，将移动轨迹所有的基站对构成集合，计算子轨迹ri与典型轨迹分别对应的集合之间的f1-score(f1得分)，f1-score即子轨迹ri与典型轨迹之间的相似度；方法2)根据移动轨迹中的根据时间顺序排列的基站序列，将基站序列中两个相邻的基站构成具有顺序关系的基站对，将移动轨迹所有的基站对构成集合，基站对可以看成两个字符串，计算子轨迹ri与典型轨迹分别对应的集合之间的editdistance和相似度，其取值范围均在0到1之间。如果y类型的轨迹相似度远高于其他，就出行方式判定为y类型。一旦出行轨迹相似度都很低(比如都低于0.2)的情况，则认定为无法判断，判定为“其他”出行方式，进入下一步。“其他”出行方式指的是除航班出行、火车出行、汽车出行之外的方式出行。

本发明提出的利用手机大数据，使用由运营商采集和提供的手机信令数据，获得数据的成本低。而手机信令数据几乎覆盖所有城际间同行的用户，因此用户覆盖率高，使计算最终输出的城际交通出行的数据更值得信赖。而手机信令数据对应的移动轨迹连续，且时间跨度长、空间覆盖广，因此除了可以用于研究当前人们的出行方式，还可以用于研究人们出行方式的变迁。而本文的方法通过特征提取和分类，并辅以关键地点的匹配识别，完成了5种城际交通出行方法的识别，相比于现有技术计算难度小，计算量小。

第二方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上任一所述方法的步骤。

第三方面，本发明提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上执行的计算机程序，所述处理器执行所述程序时实现如上任一所述方法的步骤。

本文中使用的“至少一个”、“一个或多个”以及“和/或”是开放式的表述，在使用时可以是联合的和分离的。例如，“a、b和c中的至少一个”，“a、b或c中的至少一个”，“a、b和c中的一个或多个”以及“a、b或c中的一个或多个”指仅有a、仅有b、仅有c、a和b一起、a和c一起、b和c一起或a、b和c一起。

术语“一个”实体是指一个或多个所述实体。由此术语“一个”、“一个或多个”和“至少一个”在本文中是可以互换使用的。还应注意到术语“包括”、“包含”和“具有”也是可以互换使用的。

本文中使用的术语“自动的”及其变型是指在执行处理或操作时没有实质的人为输入的情况下完成的任何处理或操作。然而，即使在执行处理或操作时使用了执行所述处理或操作前接收到的实质的或非实质的人为输入，所述处理或操作也可以是自动的。如果输入影响所述处理或操作将怎样进行，则视该人为输入是实质的。不影响所述处理或操作进行的人为输入不视为是实质的。

本文中使用的术语“计算机可读介质”是指参与将指令提供给处理器执行的任何有形存储设备和/或传输介质。计算机可读介质可以是在ip网络上的网络传输(如soap)中编码的串行指令集。这样的介质可以采取很多形式，包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质包括例如nvram或者磁或光盘。易失性介质包括诸如主存储器的动态存储器(如ram)。计算机可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带或任何其它磁介质、磁光介质、cd-rom、任何其它光介质、穿孔卡、纸带、任何其它具有孔形图案的物理介质、ram、prom、eprom、flash-eprom、诸如存储卡的固态介质、任何其它存储芯片或磁带盒、后面描述的载波、或计算机可以读取的任何其它介质。电子邮件的数字文件附件或其它自含信息档案或档案集被认为是相当于有形存储介质的分发介质。当计算机可读介质被配置为数据库时，应该理解该数据库可以是任何类型的数据库，例如关系数据库、层级数据库、面向对象的数据库等等。相应地，认为本发明包括有形存储介质或分发介质和现有技术公知的等同物以及未来开发的介质，在这些介质中存储本发明的软件实施。

本文中使用的术语“确定”、“运算”和“计算”及其变型可以互换使用，并且包括任何类型的方法、处理、数学运算或技术。更具体地，这样的术语可以包括诸如bpel的解释规则或规则语言，其中逻辑不是硬编码的而是在可以被读、解释、编译和执行的规则文件中表示。

本文中使用的术语“模块”或“工具”是指任何已知的或以后发展的硬件、软件、固件、人工智能、模糊逻辑或能够执行与该元件相关的功能的硬件和软件的组合。另外，虽然用示例性实施方式来描述本发明，但应当理解本发明的各方面可以单独要求保护。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括……”或“包含……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。此外，在本文中，“大于”、“小于”、“超过”等理解为不包括本数；“以上”、“以下”、“以内”等理解为包括本数。

尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以以上所述仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围之内。