一种报表数据处理方法与流程

本发明涉及数据处理领域，尤其涉及一种报表数据处理方法。

背景技术

随着人工智能技术和计算机技术的发展，自动驾驶技术日渐成熟。自动驾驶车辆能够高效利用交通资源，缓解交通拥堵、减少碳排放，自动驾驶技术近年来发展迅速，自动驾驶技术也是近年的热点话题。自动驾驶技术已经逐渐走进人们的日常生活，潜移默化的改变着人们的出行方式。自动驾驶技术在军用及民用上均具有巨大的应用前景。军用上，它不仅能够作为无人运输平台，还能用作无人爆破车、无人作战平台、无人巡逻与监视车辆等；民用中，除了为人类生活带来便捷之外，还能够降低交通事故发生率与提高道路通行效率。

现有的自动驾驶车辆设有驾驶模式和乘坐模式，在驾驶模式状态下，用户可以自行驾驶车辆，在乘坐模式状态下，无需用户操控车辆，车辆自行进行自动驾驶。但是当用户选择乘坐模式时，无论任何时间和任何路段，智能车辆都只能采用相同的驾驶参数进行行驶，从而导致智能车的驾驶与当前路段和时间不匹配，造成降低作业效率的现象，比如对于上班早高峰来说，设定的车速参数比较大，那么在早高峰时车速较快会导致撞车的风险增大，再比如对于晚上八点之后的时间段来说，设定的车速参数比较小，从而会出现车辆较少的情况下车速较慢的现象。

因此，在任何时间和任何路段都采用相同的加速度、减速度进行起停，以及采用相同的车速等驾驶参数进行行驶，会降低自动驾驶车辆的作业效率和安全性。

技术实现要素：

本发明的目的是提供一种报表数据处理方法，基于智能车辆的多个历史驾驶记录信息得到不同时间不同路段的驾驶参数，根据不同时间段的路段驾驶参数生成多个时间段相对应的路段驾驶参数报表数据，从而对不同时间段不同路段的驾驶参数进行科学的设定，进而使自动驾驶车辆在自动驾驶时更符合当前的时间情况和道路情况，提高自动驾驶车辆的作业效率，保证自动驾驶的行驶安全。

为实现上述目的，本发明提供了一种报表数据处理方法，包括：

服务器获取多个智能车辆的历史驾驶记录信息；所述历史驾驶记录信息包括历史作业路径信息和历史作业时间信息；所述历史作业路径信息包括多个路段信息和相对应的驾驶参数；所述驾驶参数包括避障参数、加减速参数、换道参数、车距控制参数和时速参数；

根据预设时间段信息和所述历史作业时间信息，将所述历史驾驶记录信息进行分组划分，得到多个时间段的历史驾驶记录信息；

在同一时间段信息内的多个历史驾驶记录信息中，根据所述路段信息获取相对应的多个驾驶参数，从而得到每个路段信息相对应的多个驾驶参数；

对每个路段信息相对应的多个驾驶参数进行处理计算，得到每个路段信息相对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数；

根据同一时间段信息的多个路段信息相对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数生成路段驾驶参数报表数据，从而得到不同时间段信息相对应的路段驾驶参数报表数据。

优选的，所述对每个路段信息相对应的多个驾驶参数进行处理计算，得到每个路段信息相对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数具体包括：

对每个路段信息相对应的多个驾驶参数中避障参数进行平均值计算，得到每个路段信息相对应的平均避障参数；

对每个路段信息相对应的多个驾驶参数中加减速参数进行平均值计算，得到每个路段信息相对应的平均加减速参数；

对每个路段信息相对应的多个驾驶参数中换道参数进行平均值计算，得到每个路段信息相对应的平均换道参数；

对每个路段信息相对应的多个驾驶参数中车距控制参数进行平均值计算，得到每个路段信息相对应的平均车距控制参数；

对每个路段信息相对应的多个驾驶参数中时速参数进行平均值计算，得到每个路段信息相对应的平均时速参数。

优选的，所述方法还包括：

根据新增历史驾驶记录信息更新相对应的所述路段驾驶参数报表数据。

优选的，所述根据新增历史驾驶记录信息更新相对应的所述路段驾驶参数报表数据具体包括：

确定所述新增历史驾驶记录信息的历史作业时间信息所在的时间段信息；

根据所述时间段信息获取相对应的路段驾驶参数报表数据；

将所述增历史驾驶记录信息中的多个路段信息相对应的避障参数、加减速参数、换道参数、车距控制参数、时速参数与所述路段驾驶参数报表数据中对应路段的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数进行计算；

根据计算结果更新所述路段驾驶参数报表数据中的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数。

优选的，所述方法还包括：

所述服务器接收用户终端发送的车辆预约信息；所述车辆预约信息中包括预约位置信息、目标位置信息和预约时间信息；

根据监控到的智能车辆的当前位置信息、作业状态信息和所述预约位置信息选择被预约的智能车辆；

根据所述被预约的智能车辆的当前位置信息、预约位置信息、目标位置信息进行路径规划，得到作业轨迹信息；所述作业轨迹信息包括多个路段信息；

确定所述预约时间所在的时间段信息，根据所述时间段信息获取相对应的路段驾驶参数报表数据；

根据所述路段信息在所述路段驾驶参数报表数据中获取相对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数；

根据所述多个路段信息和各个路段信息相对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数生成作业路径信息，并发送给所述智能车辆；

所述智能车辆根据所述作业路径信息进行行驶。

进一步优选的，所述智能车辆具有环境感知模块，所述环境感知模块包括摄像头、激光雷达、gps、惯性测量单元和轮速计；

在所述服务器获取多个智能车辆的历史驾驶记录信息之前，所述方法还包括：

所述智能车辆的环境感知模块采集区块的环境数据，并发送给服务器；其中，所述环境数据包括所述摄像头采集到的摄像头数据、所述激光雷达采集到的激光雷达数据、所述gps采集到的定位数据、所述惯性测量单元采集到的惯性测量数据和所述轮速计检测到的轮速计数据；所述摄像头数据、激光雷达数据、定位数据、惯性测量数据和轮速计数据均具有时间戳；

所述服务器根据所述时间戳，将所述摄像头数据、激光雷达数据、定位数据、惯性测量数据和轮速计数据进行时间上进行对齐处理；

运用扩展卡尔曼滤波算法将所述对齐处理后的环境数据进行融合处理，得到区块地图信息；

将多个区块地图信息进行融合处理得到环境地图信息。

进一步优选的，所述根据所述被预约的智能车辆的当前位置信息、预约位置信息、目标位置信息进行路径规划，得到作业轨迹信息包括：

根据所述被预约的智能车辆的当前位置信息和所述预约位置信息获取相对应的第一环境地图信息和第一交通流信息；

根据所述第一环境地图信息、第一交通流信息、被预约的智能车辆的当前位置信息和预约位置信息进行路径规划，得到第一轨迹信息；

根据所述预约位置信息和目标位置信息获取第二环境地图信息和第二交通流信息；

根据所述第二环境地图信息、第二交通流信息、预约位置信息和目标位置信息进行路径规划，得到第二轨迹信息；

根据所述第一轨迹信息和第二轨迹信息生成所述作业轨迹信息。

进一步优选的，所述区块地图信息中包括多个路段信息，所述路段信息具有路段id；

所述根据同一时间段信息的多个路段信息相对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数生成路段驾驶参数报表数据具体为：

建立所述路段id和相对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数、平均时速参数之间的关联关系；

根据所述关联关系生成所述路段驾驶参数报表数据。

本发明实施例提供的报表数据处理方法，基于智能车辆的多个历史驾驶记录信息得到不同时间不同路段的驾驶参数，根据不同时间段的路段驾驶参数生成多个时间段相对应的路段驾驶参数报表数据，从而对不同时间段不同路段的驾驶参数进行科学的设定，进而使自动驾驶车辆在自动驾驶时更符合当前的时间情况和道路情况，提高自动驾驶车辆的作业效率，保证自动驾驶的行驶安全。

附图说明

图1为本发明实施例提供的报表数据处理方法的流程图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

本发明实施例提供的报表数据处理方法应用于服务器和多个智能车辆之间，用于根据用户的驾驶习惯规划用户在乘坐时车辆的自动驾驶参数。其中，智能车辆可以理解为无人驾驶的自动驾驶车辆，该智能车辆具有驾驶和乘坐两种模式，在驾驶模式状态下，用户可以自行驾驶车辆，在乘坐模式状态下，无需用户操控车辆，车辆自行进行自动驾驶。

车辆自行进行自动驾驶。车辆的自动驾驶是基于预先采集的环境地图信息完成的，地图的采集是基于智能车辆完成的。因此首先对环境地图信息的生成进行介绍。

智能车辆安装有环境感知模块，环境感知模块包括但不限于摄像头、激光雷达、全球定位系统(globalpositioningsystem，gps)、惯性测量单元(inertialmeasurementunit，imu)和轮速计。

其中，摄像头和激光雷达可以为多个，分别设置在智能车的四周，用于采集车辆周围的环境信息和障碍物的探测；gps用于获取车辆的位置信息，所述gps优选为两个差分gps，设置于车辆的顶部，用于精确获取车辆的位置信息；惯性测量单元可以设置在车的底盘等隐秘位置，用于获取车辆当前加速度、角速度、姿态角等物理信息来推算车辆位置；轮速计可以为两个，分别设置在车辆的左右轮子上，用于获取车辆当前左右轮的角速度、线速度和车辆横摆率等信息来推算车辆位置，轮速计会对每一时刻得到的位移信息进行累加，得到相对初始位置的累积位移。

具体的，通过人工或遥控的方式将智能车辆控制到要采集的区块，区块由多条路段组成，使智能车在区块内的每个路段进行行驶，在行驶过程中智能车辆的环境感知模块采集区块的环境数据，并发送给服务器。其中，环境数据包括摄像头采集到的摄像头数据、激光雷达采集到的激光雷达数据、gps采集到的定位数据、惯性测量单元采集到的惯性测量数据和轮速计检测到的轮速计数据；应当理解的是，摄像头数据是指摄像头采集到的视频数据，由多张连续的图像数据组成，激光雷达数据具体是指激光点云数据，定位数据具体是指经纬度信息，惯性测量数据具体是指惯性测量单元测量到的加速度信息、角速度信息、姿态角信息，轮速计数据具体是指轮速计检测到的左右轮的角速度信息、线速度信息和车辆横摆率信息。需要说明的是，摄像头数据、激光雷达数据、定位数据、惯性测量数据和轮速计数据均具有时间戳，记录采集的时间。

服务器根据时间戳，将摄像头数据、激光雷达数据、定位数据、惯性测量数据和轮速计数据进行时间上进行对齐处理，然后运用扩展卡尔曼滤波算法将对齐处理后的环境数据进行融合处理，对移动障碍物进行删除，对固定障碍物、路网结构以及信号灯、车道线、标志牌等信息进行标注，从而得到多个区块地图信息，然后根据多个区块地图的位置信息，将多个区块地图信息进行融合处理得到环境地图信息；在区块地图信息中包括多个路段信息，路段信息具有路段id，用于标识路段。为保证地图数据的准确性，服务器多次对环境数据进行融合处理，将多次融合处理后的地图数据进行对比优化，从而得到更为准确的地图数据，在优选的实施例中，智能车辆还可以对同一区块的地图进行多次采集，得到同一区块的多个环境数据，服务器对多次采集得到的环境数据进行处理融合，从而得到精确的地图数据。在此之后，服务器将地图数据进行保存，并下发给所有的智能车辆。

图1为本发明实施例提供的报表数据处理方法的流程图，如图1所示，所述方法包括如下步骤：

步骤101，服务器获取多个智能车辆的历史驾驶记录信息；

历史驾驶记录信息是指用户在选择驾驶模式时自行驾驶车辆所形成的记录，在用户驾驶过程中，智能车辆实时监控和采集用户在驾驶模式下的驾驶情况，在驾驶完成后智能车辆自动生成历史驾驶记录，并上传给服务器，因此服务器中存有来自所有的智能车辆的历史驾驶记录信息。

在历史驾驶记录信息中包括但不限于历史作业路径信息和历史作业时间信息。历史作业时间信息是指用户驾驶车辆的时间段，由单个时间点组成，每个时间点对应一个位置信息；历史作业路径信息包括多个路段信息和相对应的驾驶参数，路段信息的划分是根据预先采集的地图信息决定的，多个路段信息组成车辆行驶的轨迹。

驾驶参数包括但不限于避障参数、加减速参数、换道参数、车距控制参数和时速参数；其中，避障参数具体可以包括避障距离和避障速度等，即用户在发现前方有障碍物，做出避障动作时车距离障碍物的距离以及避障时的速度；加减速参数具体可以包括用户在起步时的加速度和在停车时的减速度；换道参数具体可以包括换道时车辆距前车和后车的距离，以及超车速度等；车距控制参数具体可以包括车辆在行驶过程中保持的距前车的距离和后车的距离等；时速参数具体是指车辆在正常行驶过程中的速度参数。

步骤102，根据预设时间段信息和历史作业时间信息，将历史驾驶记录信息进行分组划分，得到多个时间段的历史驾驶记录信息；

由于时间的影响，用户在同一路段不同时间的行驶情况不同，比如在早高峰车比较多，用户行驶的会较慢，在中午时段车较少，用户行驶的较快，因此服务器会预先设定时间段，比如可以分为以下几个时间段：0:00-6:59，7:00-8:59，9:00-16:59，17:00-18:59，19:00-23:59，需要说明的是，本领域技术人员可以根据需要对时间段信息和时间段数量进行设定。

根据历史作业时间信息确定该时间所在的预设时间段，从而根据历史作业时间所述的时间段对历史驾驶记录进行分组划分，同一时间段的历史驾驶记录分为同一组，从而得到多个时间段的历史驾驶记录信息。

步骤103，在同一时间段信息内的多个历史驾驶记录信息中，根据路段信息获取相对应的多个驾驶参数，从而得到每个路段信息相对应的多个驾驶参数；

分别针对每个时间段，根据路段id在同一组历史驾驶记录中获取相对应的多个驾驶参数，从而得到每个路段信息相对应的多个避障参数、加速参数、减速参数、换道参数、车距控制参数和时速参数。

在一个具体的例子中，针对7:00-8:59这一时间段，获取到的路段ab对应的避障参数为a1，a2，a3，a4……an，加速参数为b1，b2，b3，b4……bn，减速参数为c1，c2，c3，c4……cn,换道参数为d1，d2，d3，d4……dn,车距控制参数为e1，e2，e3，e4……en,时速参数为f1，f2，f3，f4……fn,其中n为正整数。

步骤104，对每个路段信息相对应的多个驾驶参数进行处理计算，得到每个路段信息相对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数；

具体的，对每个路段信息相对应的多个驾驶参数中避障参数进行平均值计算，得到每个路段信息相对应的平均避障参数；对每个路段信息相对应的多个驾驶参数中加减速参数进行平均值计算，得到每个路段信息相对应的平均加减速参数；对每个路段信息相对应的多个驾驶参数中换道参数进行平均值计算，得到每个路段信息相对应的平均换道参数；对每个路段信息相对应的多个驾驶参数中车距控制参数进行平均值计算，得到每个路段信息相对应的平均车距控制参数；对每个路段信息相对应的多个驾驶参数中时速参数进行平均值计算，得到每个路段信息相对应的平均时速参数。

在步骤103所述的例子中，各个参数计算过程如下：

平均避障参数＝(a1+a2+a3+a4+……+an)/n；

平均加速参数＝(b1+b2+b3+b4+……+bn)/n；

平均减速参数＝(c1+c2+c3+c4+……+cn)/n；

平均换道参数＝(d1+d2+d3+d4+……+dn)/n；

平均车距控制参数＝(e1+e2+e3+e4+……+en)/n；

平均时速参数＝(f1+f2+f3+f4+……+fn)/n。

需要说明的是，在对每个路段信息相对应的多个驾驶参数进行处理计算的过程中，计算方法包括但不限于平均值计算方法，本领域技术人员可以根据需要对计算方法进行设定。

步骤105，根据同一时间段信息的多个路段信息相对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数生成路段驾驶参数报表数据，从而得到不同时间段信息相对应的路段驾驶参数报表数据。

具体的，对于同一时间段，建立路段id和相对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数、平均时速参数之间的关联关系，根据关联关系生成路段驾驶参数报表数据，从而得到不同时间段信息相对应的路段驾驶参数报表数据，在每个时间段的路段驾驶参数报表数据中记录该时间段所有路段的驾驶参数，表中的驾驶参数是根据大量的历史用户驾驶记录生成的，具有科学性、真实性和准确性。这样在用户选择乘坐模式，即车辆进行自动驾驶时就会根据时间段在报表数据中获取规划路段的驾驶参数，根据驾驶参数进行驾驶，从而使自动驾驶更符合当前时间条件和道路条件。

为进一步保证路段驾驶参数报表数据的准确性，可以根据新增历史驾驶记录信息更新相对应的路段驾驶参数报表数据。具体的，在列表数据生成后，如果用户自行驾驶智能车辆，就会产生新的历史驾驶记录，并上传至服务器，服务器确定新增历史驾驶记录信息的历史作业时间信息所在的时间段信息；根据时间段信息获取相对应的路段驾驶参数报表数据；将增历史驾驶记录信息中的多个路段信息相对应的避障参数、加减速参数、换道参数、车距控制参数、时速参数与路段驾驶参数报表数据中对应路段的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数进行计算；根据计算结果更新路段驾驶参数报表数据中的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数，从而根据不断更新的历史驾驶记录更新路段驾驶参数报表数据，使路段驾驶参数报表数据中的各个参数更具准确性和时效性。

在得到不同时间段信息相对应的路段驾驶参数报表数据之后，下面具体介绍路段驾驶参数报表数据在自动驾驶过程中的具体应用，具体包括如下步骤：

步骤201，服务器接收用户终端发送的车辆预约信息；

应当理解的是，用户终端具体是指具有联网功能的终端设备，比如智能手机，用户在想要约车时可以在手机登录约车app进行操作，输入预约位置信息、目标位置信息和预约时间信息，预约位置信息是指用户上车的位置，目标位置信息是指用户要到达的位置，预约时间信息是指用户设定的从预约位置的出发时间；用户终端根据用户输入的预约位置信息、目标位置信息和预约时间信息生成车辆预约信息，发送给服务器；其中，在车辆预约信息中包括预约位置信息、目标位置信息和预约时间信息，还包括模式选择信息，具体为驾驶模式或乘坐模式。

步骤202，根据监控到的智能车辆的当前位置信息、作业状态信息和预约位置信息选择被预约的智能车辆；

服务器能够实时监控每个智能车辆的状态信息，状态信息包括当前位置信息和作业状态信息；作业状态信息包括等待状态和运行状态，等待状态是指车辆没有接收到载客任务，运行状态是指车辆正在执行载客任务。

具体的，服务器先选择作业状态信息为等待状态的车辆，然后在根据多个智能车辆的当前位置信息，选择距离预约位置信息距离最近的智能车辆为被预约的智能车辆。

步骤203，根据被预约的智能车辆的当前位置信息、预约位置信息、目标位置信息进行路径规划，得到作业轨迹信息；

在作业轨迹信息包括多个路段信息，路径规划主要分为两个部分，一个是从车辆当期的位置到预约位置，另一个是从预约位置到目标位置。

首先，服务器根据被预约的智能车辆的当前位置信息和预约位置信息获取相对应的第一环境地图信息和第一交通流信息；根据第一环境地图信息、第一交通流信息、被预约的智能车辆的当前位置信息和预约位置信息进行路径规划，得到第一轨迹信息。具体的，根据被预约的智能车辆的当前位置信息和预约位置信息在环境地图中获取相对应区块的环境地图信息，即为第一环境地图信息，然后根据第一环境地图信息获取相对应第一交通流信息，第一交通流信息是指根据第一环境地图信息获取的实时交通流信息，实时交通流信息可以是通过交通局提供的接口获取的，也可以是从第三方地图服务器，比如百度地图、谷歌地图获取的，通过交通流信息可以知道第一环境地图中的每条道路的交通状况；基于第一环境地图信息和第一交通流信息，根据被预约的智能车辆的当前位置信息和用户输入的预约位置信息，通过算法进行计算，算法优选为a*算法，从而得到第一轨迹信息，即智能车辆从当前位置到达用户预约位置的轨迹。

其次，根据预约位置信息和目标位置信息获取第二环境地图信息和第二交通流信息；根据第二环境地图信息、第二交通流信息、预约位置信息和目标位置信息进行路径规划，得到第二轨迹信息。预约位置信息和目标位置信息在环境地图中获取相对应区块的环境地图信息，即为第二环境地图信息，然后根据第二环境地图信息获取相对应第二交通流信息，第二交通流信息是指根据第二环境地图信息获取的实时交通流信息，实时交通流信息的获取方法与上述步骤104中的获取方法相同，此处不再进行赘述。

最后，根据第一轨迹信息和第二轨迹信息生成作业轨迹信息。

步骤203，确定预约时间所在的时间段信息，根据时间段信息获取相对应的路段驾驶参数报表数据；根据路段信息在路段驾驶参数报表数据中获取相对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数；

步骤204，根据多个路段信息和各个路段信息相对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数生成作业路径信息，并发送给智能车辆。

在此之后，智能车辆根据作业路径信息进行行驶，也就是说，智能车辆根据各个路段信息相对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数进行自动驾驶，车辆在不同路段时的驾驶参数不同。

在一个具体的例子中，预约时间为7：15，经路径规划后作业轨迹包括ab路段、cd路段和ef路段，确定预约时间为7：15对应的时间段为7:00-8:59，即早高峰时段，获取7:00-8:59这一时间段获取相对应的路段驾驶参数报表数据，根据ab路段、cd路段和ef路段的路段id在获取到的路段驾驶参数报表数据分别获取三个路段相对应的驾驶参数，得到ab路段对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数，cd路段对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数，ef路段对应的平均避障参数、平均加减速参数、平均换道参数、平均车距控制参数和平均时速参数。这样车辆在行驶到ab路段、cd路段和ef路段时分别按照路段相对应的驾驶参数进行行驶，由于路段相对应的驾驶参数都是根据用户历史驾驶数据得到的，因此自动驾驶车辆在自动驾驶时更符合当前的时间情况和道路情况，提高自动驾驶车辆的作业效率，保证自动驾驶的行驶安全。

本发明实施例提供的报表数据处理方法，基于智能车辆的多个历史驾驶记录信息得到不同时间不同路段的驾驶参数，根据不同时间段的路段驾驶参数生成多个时间段相对应的路段驾驶参数报表数据，从而对不同时间段不同路段的驾驶参数进行科学的设定，进而使自动驾驶车辆在自动驾驶时更符合当前的时间情况和道路情况，提高自动驾驶车辆的作业效率，保证自动驾驶的行驶安全。

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。

以上所述的具体实施方式，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，以上所述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。