用于采集作业投入时长的建模方法和装置与流程

本发明涉及互联网
技术领域：
，尤其涉及一种用于采集作业投入时长的建模方法和装置。
背景技术：
：地图数据的采集作业为电子地图的生成制作提供外业支撑。地图数据采集的方式是使用架设采集设备的车辆采集道路、地物标识等信息，由于在室外进行采集，采集作业的投入时长会受到由不同地域衍生出来的天气情况、气温高低、日照时长等因素的影响，因而不同地域(物理界限考虑为不同地级城市)采集作业投入时长会有所不同，采集作业投入时间直接影响采集效率和电子地图制作进度。相关技术中，对于不同地域在一定周期(例如，月份)内应投入的采集作业时长没有量化的评估和参考，采集作业过程中地域资源利用率低。技术实现要素：本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种用于采集作业投入时长的建模方法，能够为采集作业计划安排做参考，提升资源的有效利用率，且可以为评估采集作业人员作业时长做合理性参考。本发明的另一个目的在于提出一种用于采集作业投入时长的建模装置。本发明的又一个目的在于提出一种用于采集作业投入时长的建模装置。本发明的又一个目的在于提出一种非临时性计算机可读存储介质。本发明的又一个目的在于提出一种计算机程序产品。为达到上述目的，本发明第一方面实施例提出的用于采集作业投入时长的建模方法，包括：确定与采集作业投入时长所关联参数的参数值；根据所述关联参数的参数值确定所述投入时长与所述关联参数之间的映射关系；根据所述映射关系对所述采集作业投入时长进行建模。本发明第一方面实施例提出的用于采集作业投入时长的建模方法，通过确定与采集作业投入时长所关联参数的参数值；根据关联参数的参数值确定投入时长与关联参数之间的映射关系；根据映射关系对采集作业投入时长进行建模，能够为采集作业计划安排做参考，提升资源的有效利用率，且可以为评估采集作业人员作业时长做合理性参考。为达到上述目的，本发明第二方面实施例提出的用于采集作业投入时长的建模装置，包括：第一确定模块，用于确定与采集作业投入时长所关联参数的参数值；第二确定模块，用于根据所述关联参数的参数值确定所述投入时长与所述关联参数之间的映射关系；建模模块，用于根据所述映射关系对所述采集作业投入时长进行建模。本发明第二方面实施例提出的用于采集作业投入时长的建模装置，通过确定与采集作业投入时长所关联参数的参数值；根据关联参数的参数值确定投入时长与关联参数之间的映射关系；根据映射关系对采集作业投入时长进行建模，能够为采集作业计划安排做参考，提升资源的有效利用率，且可以为评估采集作业人员作业时长做合理性参考。为达到上述目的，本发明第三方面实施例提出的用于采集作业投入时长的建模装置，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：确定与采集作业投入时长所关联参数的参数值；根据所述关联参数的参数值确定所述投入时长与所述关联参数之间的映射关系；根据所述映射关系对所述采集作业投入时长进行建模。本发明第三方面实施例提出的用于采集作业投入时长的建模装置，通过确定与采集作业投入时长所关联参数的参数值；根据关联参数的参数值确定投入时长与关联参数之间的映射关系；根据映射关系对采集作业投入时长进行建模，能够为采集作业计划安排做参考，提升资源的有效利用率，且可以为评估采集作业人员作业时长做合理性参考。为达到上述目的，本发明第四方面实施例提出的非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器被执行时，使得移动终端能够执行一种用于采集作业投入时长的建模方法，所述方法包括：确定与采集作业投入时长所关联参数的参数值；根据所述关联参数的参数值确定所述投入时长与所述关联参数之间的映射关系；根据所述映射关系对所述采集作业投入时长进行建模。本发明第四方面实施例提出的非临时性计算机可读存储介质，通过确定与采集作业投入时长所关联参数的参数值；根据关联参数的参数值确定投入时长与关联参数之间的映射关系；根据映射关系对采集作业投入时长进行建模，能够为采集作业计划安排做参考，提升资源的有效利用率，且可以为评估采集作业人员作业时长做合理性参考。为达到上述目的，本发明第五方面实施例提出的计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行一种用于采集作业投入时长的建模方法，所述方法包括：确定与采集作业投入时长所关联参数的参数值；根据所述关联参数的参数值确定所述投入时长与所述关联参数之间的映射关系；根据所述映射关系对所述采集作业投入时长进行建模。本发明第五方面实施例提出的计算机程序产品，通过确定与采集作业投入时长所关联参数的参数值；根据关联参数的参数值确定投入时长与关联参数之间的映射关系；根据映射关系对采集作业投入时长进行建模，能够为采集作业计划安排做参考，提升资源的有效利用率，且可以为评估采集作业人员作业时长做合理性参考。本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。附图说明本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1是本发明一实施例提出的用于采集作业投入时长的建模方法的流程示意图；图2是本发明另一实施例提出的用于采集作业投入时长的建模方法的流程示意图；图3a是本发明实施例中历史投入时长的样本数据示意图；图3b是本发明实施例中投入时长与昼长参数之间的关系示意图；图4是本发明另一实施例提出的用于采集作业投入时长的建模方法的流程示意图；图5是本发明另一实施例提出的用于采集作业投入时长的建模方法的流程示意图；图6是本发明另一实施例提出的用于采集作业投入时长的建模方法的流程示意图；图7是本发明实施例中后向传播神经网络模型的示意图；图8是本发明一实施例提出的用于采集作业投入时长的建模装置的结构示意图；图9是本发明另一实施例提出的用于采集作业投入时长的建模装置的结构示意图。具体实施方式下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。图1是本发明一实施例提出的用于采集作业投入时长的建模方法的流程示意图。本实施例以该用于采集作业投入时长的建模方法被配置为用于采集作业投入时长的建模装置中来举例说明。该用于采集作业投入时长的建模方法可以应用在地图数据的采集作业过程中。参见图1，该用于采集作业投入时长的建模方法包括：s11：确定与采集作业投入时长所关联参数的参数值。本发明的实施例中，确定与采集作业投入时长所关联参数的参数值，由关联参数的参数值计算采集作业投入时长，能够为采集作业计划安排做参考，提升资源的有效利用率，且可以为评估采集作业人员作业时长做合理性参考。在本发明的实施例中，采集作业投入时长所关联参数包括：执行采集作业的多个地域中，每个地域的昼长参数，确定与采集作业投入时长所关联参数的参数值，包括：确定每个地域，在一年之中每个月份的昼长参数的参数值，得到与每个地域对应的多个昼长值。可以理解的是，采集作业的投入时长在总体上是地域因素导致的，不同地域的投入时长不一样。对于不同的地域，如果物理范围太小，那么投入时长分隔不明显，太大也会导致量化不正确，同时结合外业采集的定点方式和国家的城市范围界限，可以将地域的大小单位定义为地级市。需要说明的是，由于受地理位置的影响，每个地域的昼长各不相同，对于一个特定的地域来说，其在每个月份的昼长是相对固定的，昼长值仅与该地域的纬度和当时的太阳直射点纬度相关，因此，可以通过下述公式确定每个地域，在一年之中每个月份的昼长参数的参数值：daylength＝24·arccos(tanα·tanβ)/π；(1)其中，α为某个地域当月太阳直射点纬度的均值，β为该地域经纬度坐标值，daylength为该地域在当月的昼长参数的参数值。通过公式(1)可以计算每个地域在在一年之中每个月份的昼长值。在本发明的实施例中，采集作业投入时长所关联参数还包括：执行采集作业的多个地域中，每个地域天气的天气类型枚举和天气属性枚举。由于采集仪器和采集质量等要求，天气情况(晴阴雨雾等)因素在很大程度上影响采集投入时长。例如，下雨下雪天时，受仪器的限制，无法采集作业，阴天或者在一些影响能见度的天气发生时，采集作业投入时间明显缩短。不同地域各种天气的出现在总体上是有规律可循的，由于天气的种类非常多，同时天气的描述为语言文字描述，例如，表1为某城市在2015年6月份的天气描述(其他城市或者月份的天气情况描述类似)。表12015/6/1中雨～阴2015/6/2小雨2015/6/3阵雨～中雨2015/6/4小雨～晴2015/6/5晴～阴2015/6/6阴……2015/6/23大雨～小雨2015/6/24大到暴雨～大雨2015/6/25小雨～多云2015/6/26阴～小雨2015/6/27阴～阵雨2015/6/28小雨～大雨2015/6/29暴雨～小雨2015/6/30阴～多云可选地，可以定义表1中不能进行采集作业的关键词：雨、雾、霾、雪四种天气类型枚举，因此，可以将天气类型枚举中的每种天气类型标记为xj(j＝1，2，…，a)，同时，可以定义表1中的属性词：小、中、大、暴、雷、阵六种天气属性枚举，因此，可以将天气属性枚举中的每种天气属性标记为xk(k＝1，2，…,b)。在本发明的实施例中，采集作业投入时长所关联参数还包括：执行采集作业的多个地域中，每个地域的温度极值。可以理解的是，由于采集作业设备硬件的工作限制，对于工作温度也有要求。在较为极端的温度下，器材及车辆受到温度的影响，采集作业投入时长减少。可以通过对历史温度情况进行统计分析，分别标记每个地域，在一年之中每个月份的极端低温为极端高温为ν。可选地，确定与采集作业投入时长所关联参数的参数值，由关联参数的参数值计算采集作业投入时长，能够为采集作业计划安排做参考，提升资源的有效利用率，且可以为评估采集作业人员作业时长做合理性参考。s12：根据关联参数的参数值确定投入时长与关联参数之间的映射关系。在本发明的实施例中，在采集作业投入时长所关联参数为执行采集作业的多个地域中，每个地域的昼长参数时，根据关联参数的参数值确定投入时长与关联参数之间的映射关系，包括：获取投入时长的样本数据；根据样本数据和对应的多个昼长值确定每个地域的投入时长与昼长参数之间的第一映射关系。一些实施例中，参见图2，步骤s12包括：s21：获取投入时长的样本数据。需要说明的是，由于受到采集作业实际情况的影响，昼长参数的参数值并不等于投入时长，从历史采集情况看，投入时长与昼长值差别很大。例如，当天气晴好，且无各种偶发因素(例如，仪器损坏等)影响采集作业时，昼长值越大，投入时长也应越长。并且，除了采集作业时间外，还有其他合理时间损耗，例如，在去往采集区域路途中的时间损耗、仪器准备的时间损耗等，从相对长期的数据上来看，此类合理时间损耗的分布是有规律可循的，因此，昼长参数与投入时长必定存在一定的数值关系。在本发明的实施例中，可以采集历史投入时长的样本数据，根据样本数据和每个地域对应的多个昼长值确定每个地域的投入时长与昼长参数之间的第一映射关系。可选地，标记投入时长为engagedtime，可以选取历史车天中，正常采集的车天，并计算所选取车天当日的昼长值daylength，而后，通过筛选异常数据，去除投入时长低于三分之一昼长值的数据，即选取engagedtime≥1/3daylength的数据作为投入时长的样本数据。作为一种示例，参见图3a，图3a是本发明实施例中历史投入时长的样本数据示意图。s22：根据样本数据和对应的多个昼长值确定每个地域的投入时长与昼长参数之间的第一映射关系。可选地，可以将昼长值等分区间(例如，0.1小时)，选取每个区间上投入时长的中心值，将昼长值与投入时长进行回归建模，同时进行f检验(方差齐性检验，即通过比较两组数据的方差，以确定两组数据的精密度是否具有显著性差异)，p值小于0.05，若通过模型校验，表明投入时长与昼长参数线性相关，例如，当投入时长与昼长参数线性相关时，两者的关系可以用下述公式表示：engagedtime＝c+d*daylength；(2)其中，c和d为经过回归建模计算得出的参数值。作为一种示例，参见图3b，图3b是本发明实施例中投入时长与昼长参数之间的关系示意图。本实施例中，通过获取投入时长的样本数据；根据样本数据和对应的多个昼长值确定每个地域的投入时长与昼长参数之间的第一映射关系，能够基于昼长值确定投入时长的大小，为采集作业投入时长的计算做合理化量化依据。在本发明的实施例中，在采集作业投入时长所关联参数为执行采集作业的多个地域中，每个地域天气的天气类型枚举和天气属性枚举时，根据关联参数的参数值确定投入时长与关联参数之间的映射关系，包括：将天气类型枚举中的每种天气类型，和天气属性枚举中的每种天气属性进行组合，得到多种组合；根据多种组合和样本数据确定与多种组合中的每种组合对应的权重；根据每种组合对应的权重确定投入时长与每个地域天气之间的第二映射关系。一些实施例中，参见图4，步骤s12还包括：s41：将天气类型枚举中的每种天气类型，和天气属性枚举中的每种天气属性进行组合，得到多种组合。可选地，将天气类型枚举中的每种天气类型标记为xj(j＝1,2,…,a)，将天气属性枚举中的每种天气属性标记为xk(k＝1,2,…,b)，将xj和xk进行组合，得到xjk(共a*b种组合)。s42：根据多种组合和样本数据确定与多种组合中的每种组合对应的权重。需要说明的是，由于昼长的分布范围较大，所以在分析天气对投入时长的影响时，需要对其进行独立性排除。因此在分析天气对投入时长的影响时，可以将昼长值进行分区间分析，在每个区间上分别对不同的天气对投入时长的长短所产生的影响进行分析。可选地，可以将昼长枚举值分割成小份，以减小昼长参数对投入时长的影响(例如，最小昼长值～最大昼长值，按0.5小时作为步长累进，对投入时长进行分析)，标记昼长枚举值为xi，最终可以得到采集作业历史投入时长的参考值y和xi、xj，以及xk的关系为：y＝β0+β1x1+…+βpxp+ε；(3)其中，β0，β1，…，βp是p+1个权重，ε是不可测的随机误差，且通常假定ε～n(0,σ2)。公式(3)为多元线性回归方程，y为因变量，xi(i＝1,2,…,p)为自变量。下述公式(4)为理性回归方程：e(y)＝β0+β1x1+…+βpxp；(4)为了确定出权重β0，β1，…，βp，将采集作业历史投入时长的参考值作为n组投入时长的样本数据(xi1,xi2,…,xip；yi)，i＝1,2,…,n，它们满足公式(3)，即：其中，ε1,ε2,…,εn相互独立，且均服从n(0,σ2)。多元线性回归方程中的权重β0，β1，…，βp可以用最小二乘法来估算，选择β＝(β0,β1,…,βp)t使误差平方和q(β)最小，其中，q(β)可以通过下述公式(6)求得：由于q(β)是关于β0，β1，…，βp的非负二次函数，因而q(β)必定存在最小值，可以利用微积分的极值求法计算各枚举变量的系数值，即各枚举变量的权重。需要说明的是，只能通过弱化昼长枚举值的方式来反推权重，当天气类型和天气属性的组合为“暴雨”时，可以获得“暴雨”的权重为1.3(举例数值)，当天气类型和天气属性的组合为“小雨”时，可以获得“小雨”的权重为0.7(举例数值)，其他天气类似。s43：根据每种组合对应的权重确定投入时长与每个地域天气之间的第二映射关系。可选地，可以根据s32中的每种组合对应的权重确定投入时长与每个地域天气之间的第二映射关系，即，天气类型枚举中的每种天气类型和天气属性枚举中的每种天气属性的组合可以对应一个实际的拟合后的统计学意义上的采集作业投入时长。本实施例中，通过将天气类型枚举中的每种天气类型，和天气属性枚举中的每种天气属性进行组合，得到多种组合；根据多种组合和样本数据确定与多种组合中的每种组合对应的权重；根据每种组合对应的权重确定投入时长与每个地域天气之间的第二映射关系，能够基于每个地域天气确定投入时长的大小，为采集作业投入时长的计算做合理化量化依据。在本发明的实施例中，在采集作业投入时长所关联参数为执行采集作业的多个地域中，每个地域的温度极值时，根据关联参数的参数值确定投入时长与关联参数之间的映射关系，包括：根据投入时长的样本数据确定每个地域的投入时长与温度之间的分布函数；根据分布函数确定投入时长与温度极值之间的第三映射关系。一些实施例中，参见图5，步骤s12还包括：s51：根据投入时长的样本数据确定每个地域的投入时长与温度之间的分布函数。可选地，可以通过对历史投入时长的样本数据进行统计分析，得出每个地域的投入时长与温度之间的分布函数，例如为高斯分布。s52：根据分布函数确定投入时长与温度极值之间的第三映射关系。可选地，可以根据分布函数确定投入时长与温度极值之间的第三映射关系，例如，在极端低温为时，对应一个参考投入时长，在极端高温为ν时，对应一个参考投入时长。本实施例中，通过根据投入时长的样本数据确定每个地域的投入时长与温度之间的分布函数，根据分布函数确定投入时长与温度极值之间的第三映射关系，能够基于每个地域温度极值确定投入时长的大小，为采集作业投入时长的计算做合理化量化依据。s13：根据映射关系对采集作业投入时长进行建模。在本发明的实施例中，可以根据第一映射关系、第二映射关系，及第三映射关系建立多元线性回归模型，以对采集作业投入时长进行建模。一些实施例中，参见图6，该用于采集作业投入时长的建模方法还包括：s61：获取采集作业投入时长的实时数据。由于采集作业投入时长的样本数据的数量或质量问题，模型参数不会非常精确，因此，需要获取采集作业投入时长的实时数据，根据实时数据对投入时长与关联参数之间的映射关系进行更新，以确保模型的精确性。s62：根据实时数据对投入时长与关联参数之间的映射关系进行更新。在本发明的实施例中，可以采用后向传播神经网络模型进行迭代更新，以确保模型的精确性。迭代原理如下：后向传播输入对应于对每个新增加的采集作业投入时长的样本数据度量的属性，后向传播输入同时提供给称作输入层的单元层，这些单元的加权输出依次且同时地提供给称作隐藏层的“类神经元的”第二层，该隐藏层的加权输出可以输入到另一个隐藏层，如此下去，隐藏层的数量可以是任意的(尽管实践中通常只用一层)，最后一个隐藏层的加权输出作为构成输出层的单元的输入，输出层发布给定样本的网络预测值。例如，参见图7，图7是本发明实施例中后向传播神经网络模型的示意图，其中，x＝{x1，x2，…，xi}为训练样本，馈入输入层，每层之间存在加权连接，wij表示由某层的单元j到前一层的单元i的权重。后向传播神经网络将每个样本数据的网络预测值与实时数据比较，进行学习。对于每个训练样本，修改权重，使得网络预测值和实时数据之间的均方误差最小。这种修改“后向”进行。即，由输出层，经由每个隐藏层，到第一个隐藏层(因此称作后向传播)。最终，权重将收敛，学习过程停止。每一步的流程如下所示：上述samples为投入时长的训练样本，l为学习率，network为多层前馈网络。每次待权重收敛，即可使用最新的模型参数，即，根据实时数据对投入时长与关联参数之间的映射关系进行更新。本实施例中，通过获取采集作业投入时长的实时数据，根据实时数据对投入时长与关联参数之间的映射关系进行更新，能够根据采集作业投入时长的实时数据对模型进行更新，有效提升该方法的准确性。本实施例中，通过确定与采集作业投入时长所关联参数的参数值；根据关联参数的参数值确定投入时长与关联参数之间的映射关系；根据映射关系对采集作业投入时长进行建模，能够为采集作业计划安排做参考，提升资源的有效利用率，且可以为评估采集作业人员作业时长做合理性参考。图8是本发明一实施例提出的用于采集作业投入时长的建模装置的结构示意图。该用于采集作业投入时长的建模装置80可以通过软件、硬件或者两者的结合实现。参见图8，该用于采集作业投入时长的建模装置80包括：第一确定模块801、第二确定模块802，以及建模模块803。其中，第一确定模块801，用于确定与采集作业投入时长所关联参数的参数值。第二确定模块802，用于根据关联参数的参数值确定投入时长与关联参数之间的映射关系。建模模块803，用于根据映射关系对采集作业投入时长进行建模。一些实施例中，参加图9，该用于采集作业投入时长的建模装置80还包括：可选地，关联参数包括：执行采集作业的多个地域中，每个地域的昼长参数，第一确定模块801具体用于：确定每个地域，在一年之中每个月份的昼长参数的参数值，得到与每个地域对应的多个昼长值。可选地，第二确定模块802具体用于：获取投入时长的样本数据；根据样本数据和对应的多个昼长值确定每个地域的投入时长与昼长参数之间的第一映射关系。可选地，关联参数还包括：执行采集作业的多个地域中，每个地域天气的天气类型枚举和天气属性枚举，第二确定模块802还用于：将天气类型枚举中的每种天气类型，和天气属性枚举中的每种天气属性进行组合，得到多种组合；根据多种组合和样本数据确定与多种组合中的每种组合对应的权重；根据每种组合对应的权重确定投入时长与每个地域天气之间的第二映射关系。可选地，参数还包括：执行采集作业的多个地域中，每个地域的温度极值，第二确定模块802还用于：根据投入时长的样本数据确定每个地域的投入时长与温度之间的分布函数；根据分布函数确定投入时长与温度极值之间的第三映射关系。可选地，建模模块803具体用于：根据第一映射关系、第二映射关系，及第三映射关系建立多元线性回归模型，以对采集作业投入时长进行建模。获取模块804，拥有获取采集作业投入时长的实时数据；更新模块805，用于根据实时数据对投入时长与关联参数之间的映射关系进行更新。需要说明的是，前述图1-图6实施例中对用于采集作业投入时长的建模方法实施例的解释说明也适用于该实施例的用于采集作业投入时长的建模装置80，其实现原理类似，此处不再赘述。本实施例中，通过确定与采集作业投入时长所关联参数的参数值；根据关联参数的参数值确定投入时长与关联参数之间的映射关系；根据映射关系对采集作业投入时长进行建模，能够为采集作业计划安排做参考，提升资源的有效利用率，且可以为评估采集作业人员作业时长做合理性参考。需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属
技术领域：
的技术人员所理解。应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。本
技术领域：
的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。当前第1页1 2 3