累积高值区的确定方法与流程

本发明涉及数据处理领域，尤其涉及一种累积高值区的确定方法。
背景技术：
：随着各项工业的迅速发展，产生了大量有害物质，如烟尘、二氧化硫、氮氧化物、一氧化碳、碳氢化合物等。这些有害物质持续不断地排放到大气中，当其含量超过环境所能承受的极限后，就会破坏自然的物理、化学和生态平衡，形成大气污染,危害人们的生活、工作和健康。随着全国大范围雾霾天气的出现,pm2.5这一名词进入公众视野。pm2.5是指环境空气中空气动力学当量直径小于等于2.5微米的颗粒物。它能较长时间悬浮于空气中，其在空气中含量浓度越高，就代表空气污染越严重。随着经济社会的快速发展，环境问题成为阻碍社会发展的重要障碍性因素之一，解决好环境问题成为各国迫切需要解决的问题。解决好环境问题的重要基础之一就是要准确掌握环境现状，包括存在哪些具体的环境问题等等，而环境监测工作又是解决环境问题、及时了解环境现状的关键，这其中环境监测数据的准确性就成为环境监测工作的重点和关键环节。环境监测数据是制定环境环保政策和措施的基础，也是环境管理、执法、统计、信息发布和环保目标责任制度考核的依据。因此，环境检测数据的质量与否对于环境保护工作具有积极的意义。大气污染监测是指测定大气环境中污染物的种类及其浓度，观察其时空分布和变化规律的过程。大气污染监测的目的在于识别大气中的污染物质，掌握其分布与扩散规律，监视大气污染源的排放和控制情况。由于监测区域范围大，人力物力有限，给大气污染监测带来困难。因此，可以对监测区域进行划分，并对划分后的区域进行监测，以确定出污染物超标的区域。但是现有技术中，一般是根据行政单位，对监测区域进行划分的，比如，将某市的a区和b区划分为一个区域，得到这两个区域的污染物浓度数据超标后，就认为a区和b区的污染物浓度超标。但是，这种划分存在着不合理，比如，a区人烟稀少，b区人口繁多，这样的判定结果，并不符合a区和b区的实际情况，且通过一次监测就得出a区和b区为超标区域，得到的结果并不精确。技术实现要素：本发明实施例的目的是针对现有技术中存在的缺陷，提供一种累积高值区的确定方法。为解决上述问题，第一方面，本发明提供了一种累积高值区的确定方法，所述累积高值区的确定方法包括：获取第一时长内，第一区域中各网格的编号和各网格的第一污染物浓度数据；根据所述第一污染物浓度数据，从所述第一区域的网格中获取到第一网格集；其中，所述第一网格集包括第一数量个网格；分别计算所述第一数量个网格中的各网格的第一污染物浓度数据和预设的第一污染物浓度阈值的第一浓度差值；重复上述步骤，直至获取第n时长内，第一区域中各网格的编号和各网格的第n污染物浓度数据；其中，n为大于1的整数；根据所述第n污染物浓度数据，从所述第一区域的网格中获取到第n网格集；其中，所述第n网格集包括第n数量个网格；分别计算所述第n数量个网格中的各网格的第n污染物浓度数据和预设的第n污染物浓度阈值的第n浓度差值；根据所述第一数量个网格的编号直至所述第n数量个网格的编号，确定目标网格集；根据所述第一时长直至所述第n时长、所述第一浓度差值直至所述第n浓度差值，确定所述目标网格集中各网格的污染物浓度的均值；根据预设的规则，为所述目标网格集中的各网格设置权重值；根据目标网格集中各网格的污染物浓度的均值和其权重值，计算目标网格集中各网格的得分，得到分数信息；根据所述分数信息，确定高值网格；其中，所述高值网格所在的区域为累积高值区。在一种可能的实现方式中，所述获取第一时长内，第一区域中各网格的编号和各网格的第一污染物浓度数据，具体包括：对第一区域进行划分，得到第一区域中的各网格编号；接收第一区域中的第一部分网格中的网格化监测设备发送的第一部分网格的第一污染物浓度数据；其中，所述第一区域中的各网格包括第一部分网格和第二部分网格；根据所述第一部分网格的第一污染物浓度数据，获取第一区域中的第二部分网格的第一污染物浓度数据；将所述第一区域中各网格编号、所述第一部分网格的第一污染物浓度数据和所述第二部分网格的第一污染物浓度数据进行关联，得到第一区域中各网格的编号和其第一污染物浓度数据。在一种可能的实现方式中，所述根据所述第一污染物浓度数据，从所述第一区域的网格中获取到第一网格集具体包括：将第一区域中各网格的第一污染物浓度数据和预设的浓度阈值进行比较；将所述第一污染物浓度数据大于预设的浓度阈值的网格确定为原始第一网格集；其中，所述原始第一网格集包括原始第一数量个网格；对所述原始第一网格集中的各网格根据其第一污染物浓度数据进行排序；根据排序结果，获取第一网格集；其中，所述第一网格集包括第一数量个网格，所述第一数量不大于所述原始第一数量。在一种可能的实现方式中，所述根据预设的规则，为所述目标网格集中的各网格设置权重值，具体包括：获取第一区域中的建成区的位置信息和非建成区的位置信息；获取目标网格集中各网格的位置信息；将所述建成区的位置信息、所述非建成区的位置信息和所述目标网格集中各网格的位置信息进行匹配；根据匹配结果，为所述目标网格集中的各网格设置权重值。在一种可能的实现方式中，所述根据所述分数信息，确定高值网格具体包括：根据所述分数信息的高低顺序，从高至低对所述目标网格集中的各网格进行排名；确定排名在预设名次之前的网格为高值网格。在一种可能的实现方式中，所述根据所述分数信息，确定高值网格具体包括：将所述分数信息和预设的分数阈值进行比较；确定分数信息大于预设的分数阈值的网格为高值网格。在一种可能的实现方式中，所述方法之后还包括:对所述高值网格进行等级划分。第二方面，本发明提供了一种设备，包括存储器和处理器，所述存储器用于存储程序，所述处理器用于执行第一方面任一所述的方法。第三方面，本发明提供了一种包含指令的计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面任一所述的方法。第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一所述的方法。通过应用本发明实施例提供的累积高值区的确定方法包括：获取第一时长内，第一区域中各网格的编号和各网格的第一污染物浓度数据；根据所述第一污染物浓度数据，从所述第一区域的网格中获取到第一网格集；其中，所述第一网格集包括第一数量个网格；分别计算所述第一数量个网格中的各网格的第一污染物浓度数据和预设的第一污染物浓度阈值的第一浓度差值；重复上述步骤，直至获取第n时长内，第一区域中各网格的编号和各网格的第n污染物浓度数据；其中，n为大于1的整数；根据所述第n污染物浓度数据，从所述第一区域的网格中获取到第n网格集；其中，所述第n网格集包括第n数量个网格；分别计算所述第n数量个网格中的各网格的第n污染物浓度数据和预设的第n污染物浓度阈值的第n浓度差值；根据所述第一数量个网格的编号直至所述第n数量个网格的编号，确定目标网格集；根据所述第一时长直至所述第n时长、所述第一浓度差值直至所述第n浓度差值，确定所述目标网格集中各网格的污染物浓度的均值；根据预设的规则，为所述目标网格集中的各网格设置权重值；根据目标网格集中各网格的污染物浓度的均值和其权重值，计算目标网格集中各网格的得分，得到分数信息；根据所述分数信息，确定高值网格；其中，所述高值网格所在的区域为累积高值区。能够快速、准确的确定出累积高值区，并充分考虑了人类活动是否频繁对累积高值区的影响，提高了确定的累积高值区的有效性，并提高了整个环境监测工作的准确性和有效性。附图说明图1为本发明实施例一提供的累积高值区的确定方法流程示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为便于描述，附图中仅示出了与有关发明相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。为了便于更好的对本申请所涉及的方法进行说明，下面首先对“高值区”进行说明。为达到区域大气污染防治精细化管理的目的，根据不同监控需求及环境特征将目标区域分为不同的网格进行点位布设，对各网格中相关污染物浓度进行实时监测，称为网格化监测。城市网格化监管工作所划分的重点污染区域称为“热点网格”。高密度的网格化监测网络应在区域内合理布设各类功能性监测点位，能够反映重点污染区域的空气质量变化，满足区域环境空气监视的需求，客观评价重点污染区域的空气质量。可以根据当地污染物扩散、迁移及转化规律，评估污染物分布状况，结合资源和经济的可行性，确定合理监测点位，使所获得的数据有代表性。在该确定的合理的监测点位，可以设置网格化监测设备。网格化监测设备即指采用光散射的检测方法，体积小、重量轻，用于连续自动监测环境空气中污染物状况的设备。在一个站点，一般具有一台标准监测设备(也可称为国控设备或省控设备)，在该站点的一定范围内，可以安装至少3台网格化监测设备，这3台网格化监测设备中的每个，都称为质控设备，并且每个质控设备为一个质控点。在该质控点外，还可以在多个点位设有网格化监测设备。在将一个比较大的区域划分为网格后，该网格还可以划分为多个子网格，该子网格还可以划分为多个小子网格，以提高污染物监测的精度。在一次测量中，网格的污染物浓度超过标准值或者超过设定的数值时，可以将该网格称为高值区。可以理解的是，网格的概念是相对的。比如，可以将x市划分为36个网格，又将这36个网格中的每个网格划分为36个小网格。则本申请中所涉及到的网格，可以是该36个网格，也可以是该36个小网格，至于具体是哪一种，应该在实际应用中进行确定，本申请对此并不限定。下文中的第一、第二和第n，仅仅是为了进行区分，并无实际含义。图1为本发明实施例一提供的累积高值区的确定方法流程示意图。该方法的应用场景为网格化监测网络，该方法的执行主体可以是具有计算功能的设备，比如，计算机、手机或者累积高值区的确定设备等，该计算机、手机或者累积高值区的确定设备可以与网格化监测设备相连接，该连接可以通过无线或有线通信的方式进行，本申请对此并不限定。如图1所示，该方法包括以下步骤：步骤101，获取第一时长内，第一区域中各网格的编号和各网格的第一污染物浓度数据。具体的，将网格化监测设备投放到固定的(也可以称为预设的)点位后，网格化监测设备可以实时获取该点位的污染物浓度数据，该污染物浓度数据可以包括污染物的种类和该种类下污染物的浓度数值。此时，“实时”可以在网格化监测设备上进行设定，可以根据需要，进行设定，示例而非限定，可以设置为一分钟获取到60个污染物浓度数据，一分钟内获取到的数据越多，后续的第一点位的污染物浓度数据越精确。为了对累积高值区进行确定，可以根据需要，取一定时长内的测量到的污染物浓度数据的均值，作为该时长对应的污染物浓度数据。如果以一分钟获取到60个污染物浓度数据进行计算，一小时获取到的污染物浓度数据为3600个，可以取这3600个污染物浓度数据的均值，作为第一污染物浓度数据。由此，既节省了人力财力资源，又提高了污染物浓度数据的精确性。其中，可以根据需要，设置第一时长，以及将第一区域划分为一定数量的网格，示例而非限定，可以将第一时长设置为1小时，可以将第一网格划分为10*10个网格。具体的，步骤101又可以分为以下两种示例。在一个示例中，假设每个网格中都设置有网格化监测设备，则对第一区域进行划分，得到第一区域中的各网格编号后，接收第一区域中的各网格中的网格化监测设备发送的第一污染物浓度数据；将第一区域中的各网格编号和第一污染物浓度数据进行关联，得到第一区域中各网格的编号和其第一污染物浓度数据。在另一个示例中，假设网格中包括两部分网格，即第一部分网格和第二部分网格，第一部分网格中设置有网格化监测设备，第二部分网格中没有设置网格化监测设备。首先，对第一区域进行划分，得到第一区域中的各网格编号；然后，接收第一区域中的第一部分网格中的网格化监测设备发送的第一部分网格的第一污染物浓度数据；接着，根据第一部分网格的第一污染物浓度数据，获取第一区域中的第二部分网格的第一污染物浓度数据；最后，将第一区域中各网格编号、第一部分网格的第一污染物浓度数据和第二部分网格的第一污染物浓度数据进行关联，得到第一区域中各网格的编号和其第一污染物浓度数据。其中，可以通过对第一部分网格的第一污染物浓度数据进行插值，获取第一区域中的第二部分网格的第一污染物浓度数据。示例而非限定，污染物可以是细颗粒物(pm2.5)、可吸入颗粒物(pm10)、二氧化氮(nitrogendioxide，no2)、二氧化硫(sulfurdioxide，so2)、一氧化碳(carbonmonoxide，co)、臭氧(ozone，o3)和总挥发性有机化合物(totalvolatileorganiccompounds,tvoc)中的任意一种。可以理解的是，在后续的研究中，污染物可以是上述污染物的任意组合，可以通过归一法对不同污染物的单位进行处理，由此，得到归一化的污染物浓度数据，以对归一化的污染物浓度数据进行综合判断后，判定网格是否为高值网格。步骤102，根据第一污染物浓度数据，从第一区域的网格中获取到第一网格集；其中，第一网格集包括第一数量个网格。具体的，根据第一污染物浓度数据，从第一区域的网格中获取到第一网格集具体包括：首先，将第一区域中各网格的第一污染物浓度数据和预设的浓度阈值进行比较；然后，将第一污染物浓度数据大于预设的浓度阈值的网格确定为原始第一网格集；其中，原始第一网格集包括原始第一数量个网格；接着，对原始第一网格集中的各网格根据其第一污染物浓度数据进行排序；最后，根据排序结果，获取第一网格集；其中，第一网格集包括第一数量个网格，第一数量不大于原始第一数量。其中，浓度阈值可以根据需要进行设定，本申请对其具体的数值并不限定。在一个示例中，可以从原始第一网格集中，获取排序前10名或者排序前15％的网格，构成第一网格集。步骤103，分别计算第一数量个网格中的各网格的第一污染物浓度数据和预设的第一污染物浓度阈值的第一浓度差值。示例而非限定，可以将第一时刻内，从国控点获得的第一区域的第一污染物浓度数据的均值作为第一污染物浓度阈值。步骤104，重复步骤101至103，直至获取第n时长内，第一区域中各网格的编号和各网格的第n污染物浓度数据；其中，n为大于1的整数。其中，在步骤104中，还包括，获取第一时长内，第一区域中各网格的编号和各网格的第二污染物浓度数据；根据第二污染物浓度数据，从第一区域的网格中获取到第二网格集；其中，第一网格集包括第二数量个网格；分别计算第二数量个网格中的各网格的第二污染物浓度数据和预设的第二污染物浓度阈值的第二浓度差值。其中，可以将第二时刻内，从国控点获得的第一区域的第二污染物浓度数据的均值作为第二污染物浓度阈值。为了说明累积高值区是多次累积的高值区，此处，以n代替上述循环的过程。可以理解的是，n的取值越大，说明获得的累积高值区的累积次数越多，也即该累积高值区的数值越精确。步骤105，根据第n污染物浓度数据，从第一区域的网格中获取到第n网格集；其中，第n网格集包括第n数量个网格。其中，该步骤的具体过程可以参考步骤102,此处不再赘述。步骤106，分别计算第n数量个网格中的各网格的第n污染物浓度数据和预设的第n污染物浓度阈值的第n浓度差值。其中，可以将第n时刻内，从国控点获得的第一区域的第n污染物浓度数据的均值作为第n污染物浓度阈值。步骤107，根据第一数量个网格的编号直至第n数量个网格的编号，确定目标网格集。其中，可以以第一数量个网格的编号直至第n数量个网格的编号的并集，作为目标网格集。步骤108，根据第一时长直至第n时长、第一浓度差值直至第n浓度差值，确定目标网格集中各网格的污染物浓度的均值。具体的，可以通过以下示例中的方法，确定目标网格集中各网格的污染物浓度的均值。在一个示例中，首先，确定目标网格集中各网格的第一浓度差值直至第n浓度差值的第一和值；然后，确定第一时长直至第n时长的第二和值；最后，计算第一和值和第二和值的商值，得到目标网格集中各网格的污染物浓度的均值。由此，可以快速的计算出目标网格集中各网格的污染物浓度的均值，提高了数据处理的速度。在另一个示例中，首先，为第一时长设置第一权重值，直至为第n时长设置第n权重值；然后，确定第一权重值和第一浓度差值的乘积，得到第一乘积，直至确定第n权重值和第n浓度差值的乘积，得到第n乘积；最后，计算第一乘积直至第n乘积的和值，得到目标网格集中各网格的污染物浓度均值。由此，通过加权平均值的方法计算出的均值，计算出的均值更加精确，大大提高了数据处理精度。步骤109，根据预设的规则，为目标网格集中的各网格设置权重值。具体的，步骤109包括如下步骤：获取第一区域中的建成区的位置信息和非建成区的位置信息；获取目标网格集中各网格的位置信息；将建成区的位置信息、非建成区的位置信息和目标网格集中各网格的位置信息进行匹配；根据匹配结果，为目标网格集中的各网格设置权重值。其中，示例而非限定，预设的规则，可以是网格是否处于建成区。建成区，指市行政区范围内经过征用的土地和实际建设发展起来的非农业生产建设地段，它包括市区集中连片的部分以及分散在近郊区与城市有着密切联系，具有基本完善的市政公用设施的城市建设用地(如机场、铁路编组站、污水处理厂、通讯电台等)。可以根据前期的基础资料收集，判断建成区的位置信息和非建成区的位置信息，建成区的位置信息包括建成区的经纬度数据，建成区的经纬度数据的数量，和建成区的形状有关，当建成区为方形时，建成区的经纬度数据包括左上经纬度、左下经纬度、右上经纬度和右下经纬度，当建成区为不规则方形时，建成区的经纬度数据在上面的基础上，还包括每一个不规则点的经纬度。非建成区的位置信息包括非建成区的经纬度数据，非建成区的经纬度数据和建成区的经纬度数据的构成方式相似，此处不再赘述。在将第一区域划分为网格时，每个网格都有其位置信息，该位置信息为经纬度数据，比如，一个网格可以包括五个经纬度数据，即左上经纬度、右上经纬度、左下经纬度、右下经纬度和中间经纬度。可以根据建成区的经纬度数据、非建成区的经纬度数据和网格的经纬度数据进行匹配，根据匹配结果，判断网格处于建成区，还是处于非建成区。当网格和建成区匹配成功时，说明网格处于建成区时，当网格和非建成区匹配成功时，说明网格处于非建成区，或者也可以说当网格和建成区不匹配时，说明网格处于非建成区。由于建成区人类生活频繁，造成高值区的可能性较大，因此设置的权重值相比网格处于非建成区时要大。步骤110，根据目标网格集中各网格的污染物浓度的均值和其权重值，计算目标网格集中各网格的得分，得到分数信息。其中，可以将目标网格集中各网格的污染物浓度的均值和其权重值相乘，得到该网格的得分。步骤111，根据分数信息，确定高值网格；其中，高值网格所在的区域为累积高值区。在一个示例中，可以根据分数信息的高低顺序，从高至低对目标网格集中的各网格进行排名；确定排名在预设名词之前的网格为高值网格。比如，预设名词为第五名，则排名为1-4的网格，都为高值网格，即累积高值区。在另一个示例中，可以将分数信息和预设的分数阈值进行比较；确定分数信息大于预设的分数阈值的网格为高值网格。比如，预设的分数阈值为60，则分数大于60的网格，都为高值网格，即累积高值区。进一步的，在步骤111之后，方法还包括：对高值网格进行等级划分。其中，当存在至少两个高值网格时，可以对高值网格进行等级划分。示例而非限定，对于根据排名确定的高值网格，可以将排名第一的网格确定为显著高值区，将排名第二的网格确定为中等高值区，将排名第三和第四的网格确定为一般高值区。由此，通过应用本发明实施例提供的累积高值区的确定方法，能够快速、准确的确定出累积高值区，并充分考虑了人类活动是否频繁对累积高值区的影响，提高了确定的累积高值区的有效性，并提高了整个环境监测工作的准确性和有效性，为后续的环境监督提供了充分的依据。下面结合具体的示例，以污染物为pm2.5为例，对本申请中的累积高值区的确定方法进行具体的说明。第一步、将a区划分为10*10个网格，划分后的网格如表1所示。111213141516171819121222324252627282923132333435363738393414243444546474849451525354555657585956162636465666768696717273747576777879781828384858687888989192939495969798999102030405060708090100表1第二步、获取网格的污染物浓度数据。若所有网格内都存在监测点位(该点位设置有网格化监测设备)，则该网格的污染物浓度数据为网格化监测设备监测到的数据。若第一部分网格内存在监测点位，第二部分网格内不存在监测点位，则由第一部分网格的污染物浓度数据，插值得到第二部分网格内的污染物浓度数据。如表2和表3所示，表2为插值前的污染物浓度数据，表3为插值后的污染物浓度数据。表275605828304038322719645753303537392823281930484051556540343215203567605143442312202352556768725241202530547574514164154821641924262530356136302528131417193441402880543055761424806840504920476510327374表3第三步、第1小时，对污染物浓度数据高于35μg/m的网格进行一次排名，前15％的网格记为一次高值，同时，计算高值网格的污染物浓度数据与a区同时刻平均浓度(也可以称为第一污染物浓度阈值)的第一浓度差值δc1。污染物浓度数据高于35μg/m3的网格共计53个，前15％小网格共计8个，此时区域平均浓度为41μg/m3，该时刻的高值网格信息见下表4所示。表4第四步、第2小时，对污染物浓度数据高于35μg/m3网格进行一次排名，前15％的网格记为一次高值，计算高值网格的污染物浓度数据与a区同时刻平均浓度(也可以称为第二污染物浓度阈值)的第二浓度差值δc2；污染物浓度数据高于35μg/m3的网格共计58个，前15％小网格共计9个，此时区域平均浓度为44μg/m3，该时刻的高值网格信息如表5所示。表5第五步、求超周边均值浓度：δc＝(δc1+δc2+···+δci+···+δcn)/k，其中，k为网格高值次数，δcn为第n时刻的第n浓度差值。求得的各网格的污染物浓度均值如表6所示。网格编号119364659658990100δc1/μg·m-33439343335--393233δc2/μg·m-3314135343733403035δc/μg·m-332.54034.533.5363339.53134高排时长/h222221222表6第六步、设置建成区权重为w1，非建成区权重为w2(w1>w2)。示例而非限定，以w1为1，w2为0.8为例进行说明。表7为为网格设置的权重值。网格编号119364659658990100δc1/μg·m-33439343335--393233δc2/μg·m-3314135343733403035δc/μg·m-332.54034.533.5363339.53134高排时长/h222221222是否为建成区否否是是是是否否否w0.80.811110.80.80.8表7第七步、根据公式分数＝t×δc×w，对网格进行打分，得到的各网格的分数和排名如表8所示，其中，t为高值区时长。网格编号119364659658990100δc1/μg·m-33439343335--393233δc2/μg·m-3314135343733403035δc/μg·m-332.54034.533.5363339.53134高排时长/h222221222是否为建成区否否是是是是否否否w0.80.811110.80.80.8分数52646967723363.249.654.4排名742319586表8第八步、根据分数进行排名，可以判定排名前15％的网格为显著高值区，排名16％-30％的网格为中等高值区，排名31％-45％网格为一般高值区。即编号为59的网格为显著高值区，编号为36的网格为中等高值区，编号为19和46的网格为一般高值区。由此，实现了对高值区的等级划分，便于根据其等级，采取不同的应对措施，提高了后续的处理效率。本发明实施例二提供了一种设备，包括存储器和处理器，存储器用于存储程序，存储器可通过总线与处理器连接。存储器可以是非易失存储器，例如硬盘驱动器和闪存，存储器中存储有软件程序和设备驱动程序。软件程序能够执行本发明实施例一提供的上述方法的各种功能；设备驱动程序可以是网络和接口驱动程序。处理器用于执行软件程序，该软件程序被执行时，能够实现本发明实施例一提供的方法。本发明实施例三提供了一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行本发明实施例一提供的方法。本发明实施例四提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本发明实施例一提供的方法。专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或
技术领域：
内所公知的任意其它形式的存储介质中。以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12