评估乘车舒适度的数据处理方法、装置及可读存储介质与流程

本发明涉及自动驾驶技术，尤其涉及一种评估乘车舒适度的数据处理方法、装置及可读存储介质。

背景技术：

随着科技的发展和社会的进步，自动驾驶技术成为交通领域的发展趋势。为了使乘客获得更好的乘车体验，对自动驾驶过程中的乘车舒适度的评估也成为必不可少的环节。

现有技术中，对评估乘车舒适度的数据处理一般是由人工实现的，即通过采集试乘人员试乘记录下的乘车感受信息，采用人工的方式对大量乘车感受信息进行统计和分析，以得出该车辆的乘车舒适度。

但是，采用这样的方式使得乘车舒适度的数据处理流程繁琐，处理效率不高，且评估获得的乘车舒适度的主观性较强，其评估结果的普适性不高。

技术实现要素：

针对上述提及的现有的对评估乘车舒适度的数据处理，由于采用人工的方式导致的数据处理流程繁琐，处理效率不高，且获取的乘车舒适度的主观性较强，其评估结果的普适性不高的问题，本发明提供了一种评估乘车舒适度的数据处理方法、装置及可读存储介质。

第一方面，本发明提供了一种评估乘车舒适度的数据处理方法，包括：

接收用户通过数据采集端口输入的评估数据，所述评估数据包括用户对其所乘坐的车辆的每一行驶动作进行的评估信息；

确定所述车辆执行每一行驶动作时的环境信息和/或车辆行驶参数；

根据车辆每一行驶动作对应的评估信息，以及环境信息和/或车辆行驶参数以及对预设的深度学习算法模型进行训练，以获得用于输出乘车舒适度的评估模型。

在其中一种可选的实施方式中，所述评估信息包括以下信息中的一种或多种：

推背感、离心感、颠簸感、前倾感、顿挫感和晃动感。

在其中一种可选的实施方式中，确定所述车辆执行每一行驶动作时的环境信息和/或车辆行驶参数，包括：

确定所述车辆执行每一行驶动作时的执行地点和执行时间；

根据所述执行地点和所述执行时间确定所述环境信息和/或车辆行驶参数。

在其中一种可选的实施方式中，所述环境信息包括以下信息中的一种或多种：

天气信息、路况信息和路面状态信息；

和/或，所述车辆行驶参数包括以下信息的一种或多种：

车辆型号、行驶速度、车辆加速度、加速度变化率、油门输出量、刹车输出量、转弯角度、前后倾斜角度、左右摇摆角度。

第二方面，一种评估乘车舒适度的数据处理方法，其特征在于，包括：

获取待评估行驶动作，并确定与所述待评估行驶动作对应的环境信息和/或车辆行驶参数；

将所述待评估行驶动作对应的环境信息和/或车辆行驶参数输入如前任一项所述方法构建的评估模型，输出所述待评估行驶动作对应的乘车舒适度。

在其中一种可选的实施方式中，所述评估信息包括以下信息中的一种或多种：

推背感、离心感、颠簸感、前倾感、顿挫感和晃动感。

在其中一种可选的实施方式中，所述环境信息包括以下信息中的一种或多种：

天气信息、路况信息和路面状态信息；

和/或，所述车辆行驶参数包括以下信息的一种或多种：

车辆型号、行驶速度、车辆加速度、加速度变化率、油门输出量、刹车输出量、转弯角度、前后倾斜角度、左右摇摆角度。

第三方面，本发明提供了一种评估乘车舒适度的数据处理装置，包括：

评估信息采集模块，用于接收用户通过数据采集端口输入的评估数据，所述评估数据包括用户对其所乘坐的车辆的每一行驶动作进行的评估信息；

处理模块，用于确定所述车辆执行每一行驶动作时的环境信息和/或车辆行驶参数；

训练模块，用于根据车辆每一行驶动作对应的评估信息，以及环境信息和/或车辆行驶参数以及对预设的深度学习算法模型进行训练，以获得用于输出乘车舒适度的评估模型。

在其中一种可选的实施方式中，所述评估信息包括以下信息中的一种或多种：

推背感、离心感、颠簸感、前倾感、顿挫感和晃动感。

在其中一种可选的实施方式中，所述处理模块具体用于：

确定所述车辆执行每一行驶动作时的执行地点和执行时间；

根据所述执行地点和所述执行时间确定所述环境信息和/或车辆行驶参数。

在其中一种可选的实施方式中，所述环境信息包括以下信息中的一种或多种：

天气信息、路况信息和路面状态信息；

和/或，所述车辆行驶参数包括以下信息的一种或多种：

车辆型号、行驶速度、车辆加速度、加速度变化率、油门输出量、刹车输出量、转弯角度、前后倾斜角度、左右摇摆角度。

第四方面，本发明提供了一种评估乘车舒适度的数据处理装置，包括：

数据采集模块，用于获取待评估行驶动作，并确定与所述待评估行驶动作对应的环境信息和/或车辆行驶参数；

识别模块，用于将所述待评估行驶动作对应的环境信息和/或车辆行驶参数输入如前任一项所述方法构建的评估模型，输出所述待评估行驶动作对应的乘车舒适度。

在其中一种可选的实施方式中，所述评估信息包括以下信息中的一种或多种：

推背感、离心感、颠簸感、前倾感、顿挫感和晃动感。

在其中一种可选的实施方式中，所述环境信息包括以下信息中的一种或多种：

天气信息、路况信息和路面状态信息；

和/或，所述车辆行驶参数包括以下信息的一种或多种：

车辆型号、行驶速度、车辆加速度、加速度变化率、油门输出量、刹车输出量、转弯角度、前后倾斜角度、左右摇摆角度。

第五方面，本发明提供了一种评估乘车舒适度的数据处理装置，包括：存储器、与所述存储器连接的处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，

所述处理器运行所述计算机程序时执行如上任一项所述的方法。

第六方面，本发明提供了一种评估乘车舒适度的数据处理装置，包括：存储器、与所述存储器连接的处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，

所述处理器运行所述计算机程序时执行如上任一项所述的方法。

第七方面，本发明提供了一种可读存储介质，其特征在于，包括程序，当其在终端上运行时，使得终端执行如前任一项所述的方法。

第八方面，本发明提供了一种可读存储介质，其特征在于，包括程序，当其在终端上运行时，使得终端执行如前任一项所述的方法。

本发明提供的一种评估乘车舒适度的数据处理方法、装置及可读存储介质，通过接收用户通过数据采集端口输入的评估数据，所述评估数据包括用户对其所乘坐的车辆的每一行驶动作进行的评估信息，确定所述车辆执行每一行驶动作时的环境信息和/或车辆行驶参数，根据车辆每一行驶动作对应的评估信息，以及环境信息和/或车辆行驶参数以及对预设的深度学习算法模型进行训练，以获得用于输出乘车舒适度的评估模型，通过建立可用于输出乘车舒适度的评估模型从而简化了乘车舒适度的数据处理流程，提高了处理效率；同时，该评估模型考虑到了环境信息和/或车辆行驶参数，从而使得评估获得的乘车舒适度的更为客观，其该评估模型可适应对各种类型和各种试乘环境的车辆的评估，普适性更高。

附图说明

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

图1为本发明基于的网络架构示意图；

图2为本发明实施例一提供的一种评估乘车舒适度的数据处理方法的流程示意图；

图3为本发明实施例二提供的一种评估乘车舒适度的数据处理方法的流程示意图；

图4为本发明实施例三提供的一种评估乘车舒适度的数据处理装置的结构示意图；

图5为本发明提供的一种评估乘车舒适度的数据处理装置的硬件示意图；

图6为本发明提供的另一种评估乘车舒适度的数据处理装置的硬件示意图。

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

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。

随着科技的发展和社会的进步，自动驾驶技术成为交通领域的发展趋势。为了使乘客获得更好的乘车体验，对自动驾驶过程中的乘车舒适度的评估也成为必不可少的环节。

现有技术中，对评估乘车舒适度的数据处理一般是由人工实现的，即通过采集试乘人员试乘记录下的乘车感受信息，采用人工的方式对大量乘车感受信息进行统计和分析，以得出该车辆的乘车舒适度。

但是，采用这样的方式使得乘车舒适度的数据处理流程繁琐，处理效率不高，且评估获得的乘车舒适度的主观性较强，其评估结果的普适性不高。

针对上述提及的技术问题，本发明提供了一种评估乘车舒适度的数据处理方法、装置及可读存储介质。需要说明的是，本申请提供评估乘车舒适度的数据处理方法、装置及可读存储介质可运用在广泛在需要对乘车舒适度进行评估的应用场景中，这些应用场景包括但不限制于：新车的车辆性能测评、自动驾驶程序的性能测评等等。

图1为本发明基于的网络架构示意图，如图1所示，与现有技术不同的是，在本申请中，用户可通过利用终端登录数据采集端口，以将评估数据输入至评估乘车舒适度的数据处理装置，以供其从网络服务器端获取与评估数据相应的环境信息和/或车辆行驶参数，并获得用于输出乘车舒适度的评估模型。

图2为本发明实施例一提供的一种评估乘车舒适度的数据处理方法的流程示意图。

如图2所示，该数据处理方法包括：

步骤101、接收用户通过数据采集端口输入的评估数据，所述评估数据包括用户对其所乘坐的车辆的每一行驶动作进行的评估信息。

步骤102、确定所述车辆执行每一行驶动作时的环境信息和/或车辆行驶参数。

步骤103、根据车辆每一行驶动作对应的评估信息，以及环境信息和/或车辆行驶参数以及对预设的深度学习算法模型进行训练，以获得用于输出乘车舒适度的评估模型。

需要说明的是，本发明提供的评估乘车舒适度的数据处理方法的执行主体具体可为评估乘车舒适度的数据处理装置，该数据处理装置可与与用户登录的数据采集端口进行数据交互，还可与网络服务器进行通信和数据交互。

具体来说，本发明提供了一种评估乘车舒适度的数据处理方法，首先，评估乘车舒适度的数据处理装置接收用户通过数据采集端口输入的评估数据，所述评估数据包括用户对其所乘坐的车辆的每一行驶动作进行的评估信息。进一步来说，在用户在试乘车辆时，可通过终端登录数据采集应用，并通过该数据采集应用提供的数据采集端口上传试乘过程中输入的评估数据。一般来说，评估是基于试乘任务执行的，而试乘任务包括有车辆在自动驾驶过程中执行的各行驶动作，如起步、刹车、转向、加速、停车等等。评估数据与试乘任务相应，其可包括有车辆执行的每一行驶动作时用户对其进行的评估信息，评估信息具体可采用评分的计量形式，也可采用其他计量形式，本申请对此不进行限制。

可选的，在其他实施方式中，评估信息包括以下信息中的一种或多种：推背感、离心感、颠簸感、前倾感、顿挫感和晃动感。具体来说，推背感是指让人感觉椅背紧压后背向前推行的感觉；离心感是指让人有一种在横向某一方向上紧压或被甩出去的感觉；颠簸感是指让人有一种离开座椅到空中并伴随一定失重的感觉；前倾感是指让人有一种身体前倾或伴随一定程度的点头的感觉；顿挫感是指让人有一种行车不流畅或晕车的感觉；晃动感是指让人感到车辆行驶策略不安全不可靠、行为轨迹摇摆不定的感觉。通过设置至少一种上述维度的评估信息，从而使评估模型能够输出的评估信息更全面。

随后，评估乘车舒适度的数据处理装置确定所述车辆执行每一行驶动作时的环境信息和/或车辆行驶参数。具体来说，为了实现对乘车舒适度的评估，需要建立行驶动作与评估信息之间的关联关系。为了使得评估模型所能输出的评估信息更加客观、普适性更高，在本申请中还需要确定车辆在执行行驶动作时的环境信息和/或车辆行驶参数。

可选的，环境信息包括以下信息中的一种或多种：天气信息、路况信息和路面状态信息。其中，天气信息是指执行行驶动作时的天气，如雨天、雪天、晴天、有风等等；路况信息是指执行行驶动作时的路上交通状况，如顺畅、轻微堵车、严重拥堵等等；路面状态信息是指执行行驶动作时的路面类型，如柏油马路、草地、土路等等。

所述车辆行驶参数包括以下信息的一种或多种：车辆型号、行驶速度、车辆加速度、加速度变化率、油门输出量、刹车输出量、转弯角度、前后倾斜角度、左右摇摆角度。其中，车辆型号是指执行行驶动作的车的品牌、车型号、车种类等等；而上述行驶速度、转弯角度、前后倾斜角度和左右摇摆角度均可由车载传感器测量获得的车辆行驶参数。

最后，根据车辆每一行驶动作对应的评估信息，以及环境信息和/或车辆行驶参数以及对预设的深度学习算法模型进行训练，以获得用于输出乘车舒适度的评估模型。具体的，利用前述采集的评估信息、以及环境信息和/或车辆行驶参数，结合行驶动作对深度学习算法模型进行训练，以使其可根据输入的行驶动作、以及环境信息和/或车辆行驶参数，输出相应的乘车舒适度。

本发明实施例一提供的评估乘车舒适度的数据处理方法，通过接收用户通过数据采集端口输入的评估数据，所述评估数据包括用户对其所乘坐的车辆的每一行驶动作进行的评估信息，确定所述车辆执行每一行驶动作时的环境信息和/或车辆行驶参数，根据车辆每一行驶动作对应的评估信息，以及环境信息和/或车辆行驶参数以及对预设的深度学习算法模型进行训练，以获得用于输出乘车舒适度的评估模型，通过建立可用于输出乘车舒适度的评估模型从而简化了乘车舒适度的数据处理流程，提高了处理效率；同时，该评估模型考虑到了环境信息和/或车辆行驶参数，从而使得评估获得的乘车舒适度的更为客观，其该评估模型可适应对各种类型和各种试乘环境的车辆的评估，普适性更高。

图3为本发明实施例二提供的一种评估乘车舒适度的数据处理方法的流程示意图。

如图3所示，该数据处理方法包括：

步骤201、接收用户通过数据采集端口输入的评估数据，所述评估数据包括用户对其所乘坐的车辆的每一行驶动作进行的评估信息。

步骤202、确定所述车辆执行每一行驶动作时的执行地点和执行时间。

步骤203、根据所述执行地点和所述执行时间确定所述环境信息和/或车辆行驶参数。

步骤204、根据车辆每一行驶动作对应的评估信息，以及环境信息和/或车辆行驶参数以及对预设的深度学习算法模型进行训练，以获得用于输出乘车舒适度的评估模型。

需要说明的是，本发明提供的评估乘车舒适度的数据处理方法的执行主体具体可为评估乘车舒适度的数据处理装置，该数据处理装置可与与用户登录的数据采集端口进行数据交互，还可与网络服务器进行通信和数据交互。

具体来说，与实施例一类似的是，实施例二提供了一种评估乘车舒适度的数据处理方法，首先，评估乘车舒适度的数据处理装置接收用户通过数据采集端口输入的评估数据，所述评估数据包括用户对其所乘坐的车辆的每一行驶动作进行的评估信息。进一步来说，在用户在试乘车辆时，可通过终端登录数据采集应用，并通过该数据采集应用提供的数据采集端口上传试乘过程中输入的评估数据。一般来说，评估是基于试乘任务执行的，而试乘任务包括有车辆在自动驾驶过程中执行的各行驶动作，如起步、刹车、转向、加速、停车等等。评估数据与试乘任务相应，其可包括有车辆执行的每一行驶动作时用户对其进行的评估信息，评估信息具体可采用评分的计量形式，也可采用其他计量形式，本申请对此不进行限制。

可选的，在其他实施方式中，评估信息包括以下信息中的一种或多种：推背感、离心感、颠簸感、前倾感、顿挫感和晃动感。具体来说，推背感是指让人感觉椅背紧压后背向前推行的感觉；离心感是指让人有一种在横向某一方向上紧压或被甩出去的感觉；颠簸感是指让人有一种离开座椅到空中并伴随一定失重的感觉；前倾感是指让人有一种身体前倾或伴随一定程度的点头的感觉；顿挫感是指让人有一种行车不流畅或晕车的感觉；晃动感是指让人感到车辆行驶策略不安全不可靠、行为轨迹摇摆不定的感觉。通过设置至少一种上述维度的评估信息，从而使评估模型能够输出的评估信息更全面。

随后，与实施例一不同的是，评估乘车舒适度的数据处理装置确定所述车辆执行每一行驶动作时的环境信息和/或车辆行驶参数具体可包括：确定所述车辆执行每一行驶动作时的执行地点和执行时间；根据所述执行地点和所述执行时间确定所述环境信息和/或车辆行驶参数。其中，在车辆执行每一行驶动作时，数据处理装置在接收评估信息的同时还将记录执行形式动作时的执行地点和执行时间，随后可通过网络服务器获在各执行地点的各执行时间时的环境参数，还可获取车辆在各执行地点的各执行时间时的车辆行驶参数。

可选的，环境信息包括以下信息中的一种或多种：天气信息、路况信息和路面状态信息。其中，天气信息是指执行行驶动作时的天气，如雨天、雪天、晴天、有风等等；路况信息是指执行行驶动作时的路上交通状况，如顺畅、轻微堵车、严重拥堵等等；路面状态信息是指执行行驶动作时的路面类型，如柏油马路、草地、土路等等。所述车辆行驶参数包括以下信息的一种或多种：车辆型号、行驶速度、转弯角度、前后倾斜角度、左右摇摆角度、车辆加速度、加速度变化率、油门输出量、刹车输出量。其中，车辆型号是指执行行驶动作的车的品牌、车型号、车种类等等；而上述行驶速度、转弯角度、前后倾斜角度、左右摇摆角度以及车辆加速度、加速度变化率、油门输出量和刹车输出量等均可由车载传感器测量获得的车辆行驶参数。

最后，根据车辆每一行驶动作对应的评估信息，以及环境信息和/或车辆行驶参数以及对预设的深度学习算法模型进行训练，以获得用于输出乘车舒适度的评估模型。具体的，利用前述采集的评估信息、以及环境信息和/或车辆行驶参数，结合行驶动作对深度学习算法模型进行训练，以使其可根据输入的行驶动作、以及环境信息和/或车辆行驶参数，输出相应的乘车舒适度。

本发明实施例二提供的评估乘车舒适度的数据处理方法，通过接收用户通过数据采集端口输入的评估数据，所述评估数据包括用户对其所乘坐的车辆的每一行驶动作进行的评估信息，确定所述车辆执行每一行驶动作时的环境信息和/或车辆行驶参数，根据车辆每一行驶动作对应的评估信息，以及环境信息和/或车辆行驶参数以及对预设的深度学习算法模型进行训练，以获得用于输出乘车舒适度的评估模型，通过建立可用于输出乘车舒适度的评估模型从而简化了乘车舒适度的数据处理流程，提高了处理效率；同时，该评估模型考虑到了环境信息和/或车辆行驶参数，从而使得评估获得的乘车舒适度的更为客观，其该评估模型可适应对各种类型和各种试乘环境的车辆的评估，普适性更高。

图4为本发明实施例三提供的一种评估乘车舒适度的数据处理装置的结构示意图，如图4所示，该评估乘车舒适度的数据处理装置包括：

评估信息采集模块10于接收用户通过数据采集端口输入的评估数据，所述评估数据包括用户对其所乘坐的车辆的每一行驶动作进行的评估信息；

处理模块20于确定所述车辆执行每一行驶动作时的环境信息和/或车辆行驶参数；

训练模块30于根据车辆每一行驶动作对应的评估信息，以及环境信息和/或车辆行驶参数以及对预设的深度学习算法模型进行训练，以获得用于输出乘车舒适度的评估模型。

可选的，所述评估信息包括以下信息中的一种或多种：

推背感、离心感、颠簸感、前倾感、顿挫感和晃动感。

可选的，所述处理模块20用于：

确定所述车辆执行每一行驶动作时的执行地点和执行时间；

根据所述执行地点和所述执行时间确定所述环境信息和/或车辆行驶参数。

可选的，所述环境信息包括以下信息中的一种或多种：

天气信息、路况信息和路面状态信息；

和/或，所述车辆行驶参数包括以下信息的一种或多种：

车辆型号、行驶速度、车辆加速度、加速度变化率、油门输出量、刹车输出量、转弯角度、前后倾斜角度、左右摇摆角度。

所述领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程以及相应的有益效果，可以参考前述方法实施例中的对应过程，在此不再赘述。

本发明提供的一种评估乘车舒适度的数据处理装置，通过接收用户通过数据采集端口输入的评估数据，所述评估数据包括用户对其所乘坐的车辆的每一行驶动作进行的评估信息，确定所述车辆执行每一行驶动作时的环境信息和/或车辆行驶参数，根据车辆每一行驶动作对应的评估信息，以及环境信息和/或车辆行驶参数以及对预设的深度学习算法模型进行训练，以获得用于输出乘车舒适度的评估模型，通过建立可用于输出乘车舒适度的评估模型从而简化了乘车舒适度的数据处理流程，提高了处理效率；同时，该评估模型考虑到了环境信息和/或车辆行驶参数，从而使得评估获得的乘车舒适度的更为客观，其该评估模型可适应对各种类型和各种试乘环境的车辆的评估，普适性更高。

图5为本发明提供的一种评估乘车舒适度的数据处理装置的硬件结构示意图。如图5所示，该终端包括：处理器42及存储在存储器41上并可在处理器42上运行的计算机程序，处理器42运行计算机程序时执行上述任一实施例的方法。

本发明实施例五还提供了一种评估乘车舒适度的数据处理方法，其具体可包括：获取待评估行驶动作，并确定与所述待评估行驶动作对应的环境信息和/或车辆行驶参数；将所述待评估行驶动作对应的环境信息和/或车辆行驶参数输入如前实施例一或实施例二所述方法构建的评估模型，输出所述待评估行驶动作对应的乘车舒适度。

在其中一种可选的实施方式中，所述评估信息包括以下信息中的一种或多种：推背感、离心感、颠簸感、前倾感、顿挫感和晃动感。

在其中一种可选的实施方式中，所述环境信息包括以下信息中的一种或多种：天气信息、路况信息和路面状态信息；和/或，所述车辆行驶参数包括以下信息的一种或多种：车辆型号、行驶速度、车辆加速度、加速度变化率、油门输出量、刹车输出量、转弯角度、前后倾斜角度、左右摇摆角度。

所述领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程以及相应的有益效果，可以参考前述方法实施例中的对应过程，在此不再赘述。

本发明实施例六还提供了一种评估乘车舒适度的数据处理装置，具体可包括：

数据采集模块，用于获取待评估行驶动作，并确定与所述待评估行驶动作对应的环境信息和/或车辆行驶参数；

识别模块，用于将所述待评估行驶动作对应的环境信息和/或车辆行驶参数输入如前任一项所述方法构建的评估模型，输出所述待评估行驶动作对应的乘车舒适度。

在其中一种可选的实施方式中，所述评估信息包括以下信息中的一种或多种：推背感、离心感、颠簸感、前倾感、顿挫感和晃动感。

在其中一种可选的实施方式中，所述环境信息包括以下信息中的一种或多种：天气信息、路况信息和路面状态信息；和/或，所述车辆行驶参数包括以下信息的一种或多种：车辆型号、行驶速度、车辆加速度、加速度变化率、油门输出量、刹车输出量、转弯角度、前后倾斜角度、左右摇摆角度。

所述领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程以及相应的有益效果，可以参考前述方法实施例中的对应过程，在此不再赘述。

图6为本发明提供的另一种评估乘车舒适度的数据处理装置的硬件结构示意图。如图6所示，该终端包括：处理器52及存储在存储器51上并可在处理器52上运行的计算机程序，处理器52运行计算机程序时执行上述实施例五的方法。

本发明还提供一种可读存储介质，包括程序，当其在终端上运行时，使得终端执行上述任一实施例的方法。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、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：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。