一种管道的检测预警方法及系统与流程

本发明涉及工程建设技术领域，具体涉及一种管道的检测预警方法，以及一种管道的检测预警系统。

背景技术：

随着城市经济的快速发展，管线建设规模不足、管理水平不高等问题凸现，如果发生大雨内涝、管线泄漏爆炸、路面塌陷等事件，会严重影响着生命、财产安全和城市运行秩序。

目前的管道检测及报警系统，对管道检测时会获取大量数据类型不一的监测数据，如何从这些监测数据中筛除无用数据，并进行更好的预警，是目前待解决或待改进的问题之一。

技术实现要素：

本发明一种实施例中公开一种管道的检测预警方法，包括：

对于管道上至少一个监测点中的任一监测点,获取并清洗所述监测点的监测数据,其中,清洗所述监测数据包括:识别所述监测点是否定位成功以及判断所述监测数据是否存在粗差；

在一次获取并清洗所述监测点的监测数据中,如果所述监测点定位失败,则丢弃获取到的监测数据,如果所述监测点定位成功且所述监测数据存在粗差,则再次获取并清洗所述监测点的监测数据,直到所述监测点定位成功且所述监测数据不存在粗差或者直到完成预定次数的监测数据的获取与清洗；如果所述监测点定位成功且所述监测数据不存在粗差,则将所述监测数据存储于预设的数据库；

对于存储于所述数据库中的各监测数据,获取各监测数据的预警等级；

根据所各监测数据的预警等级，输出对应的预警信息。

在某些实施方式中，所述识别所述监测点是否定位成功的方式,包括:

获取所述监测数据获取位置的坐标信息；

根据所述坐标信息,识别所述监测点是否定位成功；或者

获取发送所述监测数据的检测设备的设备信息,根据所述设备信息识别所述监测点是否定位成功。

在某些实施方式中，所述设备信息至少包括所述检测设备对应的编码，一个所述编码用于标识一个检测设备。

在某些实施方式中，获取所述监测点的监测数据的方式包括：通过以下至少一个设备获取所述监测数据：气体检测设备、水位检测设备、温/湿度计、管道流量检测设备、ph值检测设备、声发射检测设备以及超声导波检测设备。

在某些实施方式中，所述预警等级预先设有不同的颜色，所述输出对应的预警信息包括：

根据所述监测数据的预警等级，输出对应颜色的预警信息。

在某些实施方式中，所述获取存储于所述数据库中的监测数据的预警等级，包括

在某些实施方式中，所述获取存储于所述数据库中的监测数据的预警等级，包括：

获取所述监测数据中用于表征数据类型的类型码；

根据所述类型码调用与所述类型码相关的至少一个阈值范围；

确定所述监测数据落入的阈值范围；

根据所述监测数据落入的阈值范围，确定监测数据的预警等级。

在某些实施方式中，所述预设次数为两次，其中，第一次获取的所述监测点的监测数据为第一监测数据，第二次获取的所述监测点的监测数据为第二监测数据，在第一次获取并清洗所述监测点的监测数据，并将所述监测数据存储于预设的数据库之后，还包括：

获取所述第一监测数据的危险等级；

如果所述第一监测数据的危险等级超过阈值，则第二次获取与清洗所述监测点的监测数据；

第二次获取并清洗所述监测点的监测数据中，如果所述第二监测数据的监测点定位失败或第二监测数据存在粗差，则丢弃所述第二监测数据，如果所述第二监测数据的监测点定位成功且第二监测数据不存在粗差，则根据所述第二监测数据对所述数据库中监测点的监测数据进行更新；

如果根据所述第二监测数据对所述数据库中监测点的监测数据进行更新，则获取第二监测数据的危险等级，如果所述第二监测数据的危险等级超过阈值，则生成报警信息以进行应急管理。

在某些实施方式中，所述生成报警信息以进行应急管理，包括以下方式的至少一种：

向所述数据库中写入报警事件和/或报警记录以及弹窗显示报警信息。

本发明另一种实施例中公开了一种管道的检测预警系统，包括：

数据库；

数据采集模块，用于接收检测设备发送的管道上至少一个监测点中的任一监测点的监测数据；

数据处理模块，用于对获取到的所述监测数据进行清洗，其中，清洗所述监测数据包括：识别所述监测点是否定位成功以及判断所述监测数据是否存在粗差，在一次获取并清洗所述监测点的监测数据中,如果所述监测点定位失败,则丢弃获取到的监测数据,如果所述监测点定位成功且所述监测数据存在粗差,则再次获取并清洗所述监测点的监测数据,直到所述监测点定位成功且所述监测数据不存在粗差或者直到完成预定次数的监测数据的获取与清洗；如果所述监测点定位成功且所述监测数据不存在粗差,则将所述监测数据存储于所述数据库；

分级预警模块，用于对于存储于所述数据库中的各监测数据,获取各监测数据的预警等级；

输出模块，用于根据所各监测数据的预警等级，输出对应的预警信息。

在某些实施方式中，所述检测设备包括以下中的至少一个：气体检测设备、水位检测设备、温/湿度计、管道流量检测设备、ph值检测设备、声发射检测设备以及超声导波检测设备。

上述实施例中，对于管道上多个监测点处获取的监测数据，并不直接存储入数据库中，而是对监测数据进行了清洗，清洗包含两个方面：一是确认监测点是否定位正确，二是确认该监测数据本身范围是否合理，从而得到正确位置且范围合理的监测数据，基于该监测数据又进行了分级预警，从而能够让用户更好地掌握管道的检测预警情况，以做出有效的应急管理。

附图说明

图1为一种实施例的管道的检测预警系统的示意图；

图2为一种实施例的检测设备在监测点获取监测数据的示意图；

图3为一种实施例的管道的检测预警方法的流程图。

10、数据采集模块；

20、数据处理模块；

30、分级预警模块；

40、输出模块；

50、数据库。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。

实施例一：

请参考图1，本实施例提供了一种管道的检测预警系统，包括数据库50、数据采集模块10、数据处理模块20，分级预警模块30以及输出模块40。

数据采集模块10用于接收检测设备2发送的管道1上至少一个监测点中的任一监测点的监测数据。上述管道1上的监测点通常是预先设置的，大部分监测点处都固定有检测设备2，对于受环境限制，无法固定安装的监测点，则可人工携带检测设备2至监测点处获取监测数据，检测设备2获取监测数据后，将监测数据发送至数据采集模块10。

上述检测设备2包括但不限于气体检测设备、水位检测设备、温/湿度计、管道流量检测设备、ph值检测设备、声发射检测设备以及超声导波检测设备，根据检测设备的不同，所获得的监测数据的类型也不同。如图2所示为一处监测点的各检测设备2的示意图，从图中可以看出，一处监测点设置了多个检测设备2。

上述数据采集模块10可以通过物联网技术与系统中的其他模块进行连接，例如可以通过lora技术无线传输连接到lora网关，进而通过网口、wifi、4g/5g等连接到内网/外网，实现多制式设备监测信息的自动供电、自动采集、自动存储、自动传输、自动控制、自动处理、自动入库、自动预警、自动应急的在线检测/监测。

下面对本实施例中采用的物联网技术做简单介绍，本申请的数据传输方式，包括但不限于下文所介绍的内容。

物联网(英文：internetofthings，缩写：iot)起源于传媒领域，是信息科技产业的第三次革命。物联网是指通过信息传感设备，按约定的协议，将任何物体与网络相连接，物体通过信息传播媒介进行信息交换和通信，以实现智能化识别、定位、跟踪、监管等功能。针对传统的检测/监测设备，由于其信息采集传输的数据形式、传输模式、通讯协议等各不相同，为了便于统一数据采集和管理，将多制式设备的信息全部转换为可通过ip地址访问的tcp/udp数据包，从而实现远程智能在线采集。

z206-l-c是一款lora私有协议节点，实现rs232/485转lora功能；低功耗，2000米远距离数据传输；支持集中器通信协议；支持节点主动上报、唤醒轮询、服务器下发等工作模式；多模式应用领域广，时分复用干扰小；支持mqtt/socket协议、数据加密传输、硬件看门狗等。

z220是lora私有协议集中器，可同时连接上千个lora节点；低功耗，2000米远距离数据传输；支持以太网、4g、wi-fi联网；支持节点主动上报、唤醒轮询、服务器下发等工作模式；多模式应用领域广，时分复用干扰小；支持mqtt/socket协议等。

本实施例中，数据采集模块10可以采用lora无线采集模块，实现高速数据采集、数据实时处理、过程控制等功能，物联网下的设备均通过网络ip地址访问物联网设备，并对数据进行采集，通过网络ip和设备mac地址自动获得系统内部唯一编码。借助100mb/s及以上的光纤内网、5g网络，完全可以实现数据的实时采集，对于数据量较大数据采集，或者需要进行时段监测、相关联分析的检测数据，则需要调整仪器设备的数据采集间隔，从1毫秒到1个月均可以设置。

数据处理模块20用于对获取到的监测数据进行清洗，其中，清洗监测数据包括：识别监测点是否定位成功以及判断监测数据是否存在粗差。

一些实施例中，在各监测点处安装好检测设备2好后，可以对各监测点对应的检测设备2进行统一的编码，然后将该编码编制成信息表存储于数据库50当中。检测设备2在发送监测数据时，还会发送自身的设备信息，该设备信息至少包括了上述唯一的编码，当接收到监测信息和设备信息后，如果在数据库50中的信息表找到对应的编码，则代表该编码对应的监测点定位成功。当然的，该信息表中，还可以包括设备属性信息以及空间信息等，设备属性信息、空间信息和编码一一对应，故还可以根据该编码识别出设备的类型和监测点的具体位置。

在另一些实施例中，对于未固定安装检测设备2的监测点而言，需要人工定期监测，监测人员需要达到指定位置进行监测、数据处理模块20会根据监测返回的坐标信息匹配该监测点，判断是否到达该位置进行检测(位置会根据具体情况设置，例如离原点多少米内为有效位置)。如果匹配则表明到达了该指定地点，即定位成功。此外，还可以根据监测返回的设备信息等匹配该监测点。

本实施例中，监测数据中还包括用于表征数据类型的类型码，数据处理设备接收到监测数据后，通过该类型码能够识别数据是什么类型的，而后可以进行相应的处理。

通过上述在监测数据中设置类型码，让数据处理模块20在接收到监测数据时可以判断监测数据的类别，从而能够处理多种类型的监测数据。

在一些实施例中，判断监测数据是否存在粗差，包括：

根据类型码调用与类型码相关的标准值及粗差范围(预先存储于数据库50当中)，计算监测数据中数值与标准值之间的差值，将该差值与粗差范围进行比较，如果超过粗差范围，则代表监测数据存在粗差，那么这个监测数据就是不可信的，相反的，如果未超过粗差范围，则代表监测数据不存在粗差，那么这个数据就是可信的。不同类型的监测数据的标准值与粗差范围是不同的，首先通过类型码识别检测设备2的类型，而后在进行粗差判断，可以更有效地剔除无效数据。

在一次获取并清洗监测点的监测数据中,如果监测点定位失败,则丢弃获取到的监测数据,如果监测点定位成功且监测数据存在粗差,则再次获取并清洗监测点的监测数据,直到监测点定位成功且监测数据不存在粗差或者直到完成预定次数的监测数据的获取与清洗；如果监测点定位成功且监测数据不存在粗差,则将监测数据存储于数据库50。

也就是说，定位失败或存在粗差的监测数据属于无效数据，无效数据丢弃而不入库(存储至数据库50)，而如果一个监测点获取到了无效数据，那么就再次在这个监测点处获取监测数据，直到获取到的监测数据为有效数据，或者获取监测数据的次数到达预定次数。上文说的有效数据，指的就是监测点定位成功且不存在粗差的数据，这一类的数据能够真实地反映管道1的情况，故可以作为后续预警的依据。对于有效的监测数据，则存储于数据库50内。

出于实际作业的考虑，本实施例中，上述预定次数为两次，也就是说，如果第二次获取到的监测数据仍为无效数据，则不再进行第三次监测数据的获取。下文中，将一个监测点第一次获取到的监测数据定义为第一监测数据，而将该监测点第二次获取到的监测数据定义为第二监测数据。(有的监测点第一次就获取到了有效数据，故不存在第二监测数据)。

分级预警模块30对于存储于数据库50中的各监测数据,获取各监测数据的预警等级。

在一些实施例中，获取各监测数据的预定等级的方法，包括：

获取监测数据中用于表征数据类型的类型码，根据类型码调用与类型码相关的至少一个阈值范围，确定监测数据落入的阈值范围，根据监测数据落入的阈值范围，确定监测数据的预警等级。该阈值范围与上述粗差范围的区别在于，粗差范围的区间更大，超过粗差范围的监测数据直观上是一种“离谱”的数据。

本实施例中，共设置了五个预警等级，分别是正常、一级预警、二级预警、三级预警和四级预警。

输出模块40用于根据所各监测数据的预警等级，输出对应的预警信息。例如，输出模块40包括显示器，该显示器的显示界面内显示有管道1的三维模型，得到各监测数据的预警等级后，在该管道的三维模型上各监测点处以不同的颜色显示预警信息，例如，如果正常，则以绿色显示监测数据，一级预警、二级预警、三级预警和四级预警则分别以蓝色、粉色和橙色以及红色显示监测数据，对于用户而言，可以看到管道三维模型的不同位置有不同颜色的监测数据，对预警情况一目了然。

在一些实施例中，针对不同用户，输出模块40还生成了不同的预警界面，不同预警界面可以显示不同的预警信息，不同级别人员登录系统后可以看到自己最关注的界面。最高级别的人员可以看到所有预警界面。

在一些实施例中，存储了第一监测数据之后，还包括：

获取第一监测数据的危险等级，类似的，可以将第一监测数据和预设的危险值进行比较，如果第一监测数据与危险值相差小于预设值，那么就代表第一监测数据的危险等级较高。而如果第一监测数据的危险等级超过阈值，则第二次获取与清洗监测点的监测数据。这里的阈值用来表征危险等级，例如，当第一监测数据与危险值的差距小于预设值，那么危险等级就大于0，此时获取并清洗第二监测数据，也就是说，存储好第一监测数据后，如果第一监测数据达到了危险的级别，那么会再次获取监测点的监测数据，也就是获取第二监测数据。而如果第一监测数据的危险等级未到阈值，那么数据处理模块20可以扫描数据库50中该监测点历史的报警状态，并将报警状态设置为已解决，输出模块40可以输出该报警状态，用户可以在管道1的三维模型上直观地看到各监测点历史的报警状态。

与第一监测数据类似的，第二次获取并清洗监测点的监测数据中，如果第二监测数据的监测点定位失败或第二监测数据存在粗差，则丢弃第二监测数据，如果第二监测数据的监测点定位成功且第二监测数据不存在粗差，则根据第二监测数据对数据库50中监测点的监测数据进行更新。也就是说，如果第二监测数据为有效数据，那么就会将数据库50该监测点对应的数据更新为第二监测数据。

如果根据第二监测数据对数据库50中监测点的监测数据进行更新，则获取第二监测数据的危险等级，这里获取危险等级的方式可以与第一监测数据获取危险等级的方式一致。如果第二监测数据的危险等级超过阈值，则生成报警信息以进行应急管理。而如果第二监测数据的危险等级未到阈值，那么数据处理模块20可以扫描数据库50中该监测点历史的报警状态，并将报警状态设置为已解决，输出模块40可以输出该报警状态，用户可以在管道1的三维模型上直观地看到各监测点历史的报警状态。应急处理的方式包括但不限于向数据库50中写入报警事件和/或报警记录以及弹窗显示报警信息，用户可以根据报警信息重新评估安全等级。

从上述描述可以看出，本实施例中如果第一监测数据为无效数据，则会获取第二监测数据，如果第一监测数据存储之后发现危险等级较高，也会获取第二监测数据，同时，对第二监测数据也会进行危险等级的判断，以确认该监测点的报警状态，后续方便做出应急管理。也就是说，本实施例中，不但根据获取到的监测数据进行预警，还判断了该监测数据的危险等级以及时地进行报警。两次获取同一监测点的监测数据可以减小误差，提高数据的可靠性。

本发明还提供了一种管道的检测预警方法，如图3所示，包括步骤：

步骤100、对于管道1上至少一个监测点中的任一监测点,获取并清洗监测点的监测数据。

上述管道1上的监测点通常是预先设置的，大部分监测点处都固定有检测设备2，对于受环境限制，无法固定安装的监测点，则可人工携带检测设备2至监测点处获取监测数据。

上述检测设备2包括但不限于气体检测设备、水位检测设备、温/湿度计、管道流量检测设备、ph值检测设备、声发射检测设备以及超声导波检测设备，根据检测设备的不同，所获得的监测数据的类型也不同。

清洗监测数据包括：识别监测点是否定位成功以及判断监测数据是否存在粗差。

一些实施例中，在各监测点处安装好检测设备2好后，可以对各监测点对应的检测设备2进行统一的编码，然后将该编码编制成信息表存储于数据库50当中。检测设备2在发送监测数据时，还会发送自身的设备信息，该设备信息至少包括了上述唯一的编码，当接收到监测信息和设备信息后，如果在数据库50中的信息表找到对应的编码，则代表该编码对应的监测点定位成功。当然的，该信息表中，还可以包括设备属性信息以及空间信息等，设备属性信息、空间信息和编码一一对应，故还可以根据该编码识别出设备的类型和监测点的具体位置。

在另一些实施例中，对于未固定安装检测设备2的监测点而言，需要人工定期监测，监测人员需要达到指定位置进行监测、可以根据监测返回的坐标信息匹配该监测点，判断是否到达该位置进行检测(位置会根据具体情况设置，例如离原点多少米内为有效位置)。如果匹配则表明到达了该指定地点，即定位成功。此外，还可以根据监测返回的设备信息等匹配该监测点。

本实施例中，监测数据中还包括用于表征数据类型的类型码，通过该类型码能够识别数据是什么类型的，而后可以进行相应的处理。

通过上述在监测数据中设置类型码，使得获取监测数据时可以判断监测数据的类别，从而能够处理多种类型的监测数据。

在一些实施例中，判断监测数据是否存在粗差，包括：

根据类型码调用与类型码相关的标准值及粗差范围(预先存储于数据库50当中)，计算监测数据中数值与标准值之间的差值，将该差值与粗差范围进行比较，如果超过粗差范围，则代表监测数据存在粗差，那么这个监测数据就是不可信的，相反的，如果未超过粗差范围，则代表监测数据不存在粗差，那么这个数据就是可信的。不同类型的监测数据的标准值与粗差范围是不同的，首先通过类型码识别检测设备2的类型，而后在进行粗差判断，可以更有效地剔除无效数据。

在一次获取并清洗监测点的监测数据中,如果监测点定位失败,则丢弃获取到的监测数据,如果监测点定位成功且监测数据存在粗差,则再次获取并清洗监测点的监测数据,直到监测点定位成功且监测数据不存在粗差或者直到完成预定次数的监测数据的获取与清洗；如果监测点定位成功且监测数据不存在粗差,则将监测数据存储于数据库50。

也就是说，定位失败或存在粗差的监测数据属于无效数据，无效数据丢弃而不入库(存储至数据库50)，而如果一个监测点获取到了无效数据，那么就再次在这个监测点处获取监测数据，直到获取到的监测数据为有效数据，或者获取监测数据的次数到达预定次数。上文说的有效数据，指的就是监测点定位成功且不存在粗差的数据，这一类的数据能够真实地反映管道1的情况，故可以作为后续预警的依据。对于有效的监测数据，则存储于数据库50内。

出于实际作业的考虑，本实施例中，上述预定次数为两次，也就是说，如果第二次获取到的监测数据仍为无效数据，则不再进行第三次监测数据的获取。下文中，将一个监测点第一次获取到的监测数据定义为第一监测数据，而将该监测点第二次获取到的监测数据定义为第二监测数据。(有的监测点第一次就获取到了有效数据，故不存在第二监测数据)。

步骤200、对于存储于数据库50中的各监测数据,获取各监测数据的预警等级。

在一些实施例中，获取各监测数据的预定等级的方法，包括：

获取监测数据中用于表征数据类型的类型码，根据类型码调用与类型码相关的至少一个阈值范围，确定监测数据落入的阈值范围，根据监测数据落入的阈值范围，确定监测数据的预警等级。该阈值范围与上述粗差范围的区别在于，粗差范围的区间更大，超过粗差范围的监测数据直观上是一种“离谱”的数据。

本实施例中，共设置了五个预警等级，分别是正常、一级预警、二级预警、三级预警和四级预警。

步骤300、根据所各监测数据的预警等级，输出对应的预警信息。

本实施例中，首先生成关于管道1的三维模型，而后可以在该管道1的三维模型上各监测点处以不同的颜色显示预警信息，例如，如果正常，则以绿色显示监测数据，一级预警、二级预警、三级预警和四级预警则分别以蓝色、粉色和橙色以及红色显示监测数据，对于用户而言，可以看到管道三维模型的不同位置有不同颜色的监测数据，对预警情况一目了然。

在一些实施例中，针对不同用户，还可以生成了不同的预警界面，不同预警界面可以显示不同的预警信息，不同级别人员登录系统后可以看到自己最关注的界面。最高级别的人员可以看到所有预警界面。

在一些实施例中，存储了第一监测数据之后，还包括：

获取第一监测数据的危险等级，类似的，可以将第一监测数据和预设的危险值进行比较，如果第一监测数据与危险值相差小于预设值，那么就代表第一监测数据的危险等级较高。而如果第一监测数据的危险等级超过阈值，则第二次获取与清洗监测点的监测数据。这里的阈值用来表征危险等级，例如，当第一监测数据与危险值的差距小于预设值，那么危险等级就大于0，此时获取并清洗第二监测数据，也就是说，存储好第一监测数据后，如果第一监测数据达到了危险的级别，那么会再次获取监测点的监测数据，也就是获取第二监测数据。而如果第一监测数据的危险等级未到阈值，那么可以扫描数据库50中该监测点历史的报警状态，并将报警状态设置为已解决，而后可以输出该报警状态，用户可以在管道1的三维模型上直观地看到各监测点历史的报警状态。

与第一监测数据类似的，第二次获取并清洗监测点的监测数据中，如果第二监测数据的监测点定位失败或第二监测数据存在粗差，则丢弃第二监测数据，如果第二监测数据的监测点定位成功且第二监测数据不存在粗差，则根据第二监测数据对数据库50中监测点的监测数据进行更新。也就是说，如果第二监测数据为有效数据，那么就会将数据库50该监测点对应的数据更新为第二监测数据。

如果根据第二监测数据对数据库50中监测点的监测数据进行更新，则获取第二监测数据的危险等级，这里获取危险等级的方式可以与第一监测数据获取危险等级的方式一致。如果第二监测数据的危险等级超过阈值，则生成报警信息以进行应急管理。而如果第二监测数据的危险等级未到阈值，那么可以扫描数据库50中该监测点历史的报警状态，并将报警状态设置为已解决，并且可以输出该报警状态，用户可以在管道1的三维模型上直观地看到各监测点历史的报警状态。应急处理的方式包括但不限于向数据库50中写入报警事件和/或报警记录以及弹窗显示报警信息，用户可以根据报警信息重新评估安全等级。

从上述描述可以看出，本实施例中如果第一监测数据为无效数据，则会获取第二监测数据，如果第一监测数据存储之后发现危险等级较高，也会获取第二监测数据，同时，对第二监测数据也会进行危险等级的判断，以确认该监测点的报警状态，后续方便做出应急管理。也就是说，本实施例中，不但根据获取到的监测数据进行预警，还判断了该监测数据的危险等级以及时地进行报警。两次获取同一监测点的监测数据可以减小误差，提高数据的可靠性。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。