颠簸提示方法、终端与流程

1.本技术涉及路面检测技术领域，具体而言，涉及一种颠簸提示方法、终端。


背景技术：

2.路面检测是分析路面损坏、平整度、车辙、抗滑性能(构造深度)和结构强度(弯沉)的技术，其在交通领域得到广泛应用，尤其是通过对行驶路线上的非平整路面(即坑洼路面)进行检测，以提示驾驶员安全驾驶，避免交通事故的发生。
3.目前，针对非平整路面的检测，一般先通过高清摄像头采集行驶路线中的图像，然后利用图像处理技术对采集到的图像进行分析、处理，再通过处理后的图像来判断是否存在坑洼。
4.但是，上述方法存在检测准确度低的问题。


技术实现要素：

5.本技术的主要目的在于提供一种颠簸提示方法、终端，以解决相关技术中存在的检测准确度低的问题。
6.为了实现上述目的，第一方面，本技术提供了一种颠簸提示方法，包括：
7.从历史数据中筛选颠簸数据，其中，历史数据用于表征车辆在过去的预设时间内在不同路面行驶过程中所采集的周围环境信息和自车状态信息，颠簸数据至少包括自车中的陀螺仪异常抖动数据和自车的驾驶数据；
8.基于颠簸数据，确定颠簸数据对应的位置信息和颠簸路面类型；
9.基于颠簸数据、位置信息和颠簸路面类型，确定颠簸路段信息；
10.基于颠簸路段信息和实时数据，输出颠簸提示信息，其中，实时数据用于表征车辆所采集的实时的周围环境信息和自车状态信息。
11.在一种可能的实现方式中，基于颠簸数据，确定颠簸数据对应的位置信息和颠簸路面类型，包括：
12.将颠簸数据与标准数据库中的数据进行比对，并计算相似度，其中，标准数据库用于存储颠簸数据、位置信息和颠簸路面类型的对应关系；
13.若相似度满足预设阈值，对颠簸数据标注对应的位置信息；
14.若颠簸数据满足预设颠簸条件，为颠簸数据标注对应的颠簸路面类型。
15.在一种可能的实现方式中，从历史数据中筛选颠簸数据，包括：
16.对历史数据依次进行自动化解析、清洗、脱敏操作，得到颠簸数据，其中，颠簸数据用于表征满足预设颠簸程度的颠簸数据。
17.在一种可能的实现方式中，基于颠簸路段信息和实时数据，输出颠簸提示信息，包括：
18.将颠簸路段信息共享至导航系统；
19.若导航系统中的自车的规划路线中存在与颠簸路段信息相匹配的颠簸路段，且实
时数据中的位置信息与颠簸路段对应的位置信息的距离满足预设距离，输出颠簸提示信息。
20.在一种可能的实现方式中，基于颠簸路段信息和实时数据，输出颠簸提示信息，包括：
21.基于颠簸路段信息和初始模型，确定目标模型；
22.将实时数据输入目标模型，输出预测结果；
23.若预测结果中包含颠簸路面类型，输出与颠簸路面类型相对应的颠簸提示信息。
24.在一种可能的实现方式中，基于颠簸路段信息和初始模型，确定目标模型，包括：
25.利用颠簸路段信息对初始模型进行训练；
26.待初始模型对应的损失函数的值达到预设阈值，得到目标模型。
27.在一种可能的实现方式中，颠簸路面类型包括连续颠簸路面和非连续颠簸路面；其中，连续颠簸路面用于表征自车即将行驶方向上且与自车距离预设长度范围内具有多个颠簸区域，非连续颠簸路面用于表征自车即将行驶方向上且与自车距离预设长度范围内具有一个颠簸区域。
28.在一种可能的实现方式中，连续颠簸路面至少包括减速带路面、连续凹陷路面、连续凸起路面和凹凸路面。
29.在一种可能的实现方式中，非连续颠簸路面至少包括凹陷路面和凸起路面。
30.第二方面，本发明实施例提供了一种颠簸提示装置，包括：
31.数据筛选模块，用于从历史数据中筛选颠簸数据，其中，历史数据用于表征车辆在过去的预设时间内在不同路面行驶过程中所采集的周围环境信息和自车状态信息，颠簸数据至少包括自车中的陀螺仪异常抖动数据和自车的驾驶数据；
32.信息匹配模块，用于基于颠簸数据，确定颠簸数据对应的位置信息和颠簸路面类型；
33.颠簸信息建立模块，用于基于颠簸数据、位置信息和颠簸路面类型，确定颠簸路段信息；
34.颠簸提示模块，用于基于颠簸路段信息和实时数据，输出颠簸提示信息，其中，实时数据用于表征车辆所采集的实时的周围环境信息和自车状态信息。
35.第三方面，本发明实施例提供了一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上任一种颠簸提示方法的步骤。
36.第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上任一种颠簸提示方法的步骤。
37.本发明实施例提供了一种颠簸提示方法、终端，包括：从历史数据中筛选颠簸数据，然后基于颠簸数据，确定颠簸数据对应的位置信息和颠簸路面类型，再基于颠簸数据、位置信息和颠簸路面类型，确定颠簸路段信息，最后基于颠簸路段信息和实时数据，输出颠簸提示信息，其中，实时数据用于表征车辆所采集的实时的周围环境信息和自车状态信息。本发明建立了颠簸数据库，即颠簸路段信息，其中，配置有颠簸数据、位置信息和颠簸路面类型的对应信息，通过将颠簸路段信息此数据源应用于不同的场景中，并结合自车的实时数据，以预测规划路线中的颠簸路面，进而输出对应的提示信息，不仅提高了提示信息的准
确度，还降低了驾驶风险以及交通事故的发生。
附图说明
38.构成本技术的一部分的附图用来提供对本技术的进一步理解，使得本技术的其它特征、目的和优点变得更明显。本技术的示意性实施例附图及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
39.图1是本发明实施例提供的一种颠簸提示方法的实现流程图；
40.图2是本发明实施例提供的颠簸路面的示意图；
41.图3是本发明实施例提供的一种颠簸提示装置的结构示意图；
42.图4是本发明实施例提供的终端的示意图。
具体实施方式
43.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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
44.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
45.应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
46.应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
47.应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含a、b和c”、“包含a、b、c”是指a、b、c三者都包含，“包含a、b或c”是指包含a、b、c三者之一，“包含a、b和/或c”是指包含a、b、c三者中任1个或任2个或3个。
48.应当理解，在本发明中，“与a对应的b”、“与a相对应的b”、“a与b相对应”或者“b与a相对应”，表示b与a相关联，根据a可以确定b。根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其他信息确定b。a与b的匹配，是a与b的相似度大于或等于预设的阈值。
49.取决于语境，如在此所使用的“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。
50.下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
51.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
52.在一个实施例中，如图1所示，提供了一种颠簸提示方法，包括以下步骤：
53.步骤s101：从历史数据中筛选颠簸数据。
54.其中，历史数据用于表征车辆在过去的预设时间内在不同路面行驶过程中所采集的周围环境信息和自车状态信息。其中，周围环境信息指车辆行驶过程中所包含的路面信息、交通信息、建筑信息、车辆行人等所有信息，自车状态信息包括但不限于自车在行驶过程中的车速、车轮转速、旋转角度、车轮距离地面的高度、车的平稳度等状态信息。预设时间指任意一段时间，如一个月、半年等，此处可根据具体情况进行调整，不作具体限定。
55.对于上述历史数据中的周围环境信息和自车状态信息的采集方式不同。周围环境信息主要通车载传感器采集获取，如设置于车辆的adas摄像头、雷达传感器等。而自车状态信息的采集主要通过手机传感器、车内的重力感应器如abs、安全气囊、esp以及电子悬挂系统等设备、以及设置于车内的陀螺仪等。
56.颠簸数据至少包括自车中的陀螺仪异常抖动数据和自车的驾驶数据。
57.具体的，针对上述历史数据，需要先对历史数据进行处理，即对历史数据依次进行自动化解析、清洗、脱敏操作，得到颠簸数据，其中，颠簸数据用于表征满足预设颠簸程度的颠簸数据。其中，预设颠簸程度可以根据具体情况设定，此处不作具体限定。
58.具体的，通过车载传感器采集到过去一个月的历史数据，由于历史数据中的周围环境信息和自车状态信息可能存在无效数据，如与实际情况差距大的数据、缺失的数据或奇异数据等，因此，需要对历史数据进行自动化分析、清洗以及脱敏操作，以获取颠簸数据。
59.步骤s102：基于颠簸数据，确定颠簸数据对应的位置信息和颠簸路面类型；
60.步骤s103：基于颠簸数据、位置信息和颠簸路面类型，确定颠簸路段信息。
61.本技术建立了颠簸路段信息，通过颠簸路段信息可以查询具体某个地点是否存在颠簸路面，以及若存在颠簸路面则可直接获取对应的颠簸路面类型。此颠簸路段信息可以应用于导航系统，在驾驶员驾驶的过程中，根据驾驶地点，提示驾驶员是否存在颠簸路面以及颠簸路面类型，提高驾驶安全性。
62.建立颠簸路段信息的过程如下：先从历史数据中筛选颠簸数据，其中，颠簸数据至少包括自车中的陀螺仪异常抖动数据和自车的驾驶数据，还可以包括其他可检测出颠簸的数据。
63.当获取到颠簸数据后，需要将颠簸数据与标准数据库中的数据进行比对，并计算相似度，其中，标准数据库用于存储颠簸数据、位置信息和颠簸路面类型的对应关系，若相似度满足预设阈值，对颠簸数据标注对应的位置信息，其中，预设阈值可以根据具体情况而定。此外，还需要标注对应的颠簸路面类型，即若颠簸数据满足预设颠簸条件，为颠簸数据标注对应的颠簸路面类型。
64.若颠簸数据满足预设颠簸条件，为颠簸数据标注颠簸路面类型，其中，预设颠簸条件可根据具体情况进行设定，如颠簸程度为三级，也就是说，当颠簸数据满足三级颠簸，才为颠簸数据标注颠簸路面类型。例如，颠簸数据为在天津市采集的，那么当颠簸数据满足三级颠簸且为凹陷路面，那么将此颠簸数据标注上位置信息和颠簸路面类型，如天津市河东区新开路以及凹陷路面。
65.当对上述颠簸数据进行标注后，需要将颠簸数据与目标数据库中的数据进行比对，并计算相似度，其中，目标数据库可以是任意地区的所有路段数据，如天津市或全国等。若相似度满足预设值，自动对数据标注对应的位置信息和颠簸路面类型，其中，预设值根据具体情况进行设定，可以为百分数或其他，如60％等。当目标数据库中的数据与颠簸数据的相似度很大，比如超过预设值60％，那么说明书目标数据库中的数据也是颠簸数据，则直接依据与其相似的颠簸数据标注上位置信息和颠簸路面类型。
66.当将所有数据均完成对比、标注，将所有标注有位置信息和颠簸路面类型的数据进行汇总，形成颠簸路段信息。如目标办数据库为全中国的所有路段数据，那么就可以获取到全中国的颠簸路段信息，将此颠簸路段信息提供给导航系统、道路规划相关单位等，可为其提供数据依据，便于后续工作的开展，提高效率。
67.步骤s104：基于颠簸路段信息和实时数据，输出颠簸提示信息。
68.其中，实时数据用于表征车辆所采集的实时的周围环境信息和自车状态信息。
69.通过上述实施例获取到颠簸路段信息后，可将此颠簸路段信息应用于不同的场景中，以预测颠簸路段，以通过输出颠簸提示信息的方式提醒驾驶员安全驾驶。因此，本技术基于应用场景的不同，阐述基于颠簸路段信息和实时数据，输出颠簸提示信息的过程，具体如下：
70.在一实施例中，当颠簸路段信息应用于导航系统中时，可将颠簸路段信息共享至导航系统，若导航系统中的自车的规划路线中存在与颠簸路段信息相匹配的颠簸路段，且实时数据中的位置信息与颠簸路段对应的位置信息的距离满足预设距离，输出颠簸提示信息。
71.在另一实施例中，当颠簸路段信息应用于模型预测中时，需先基于颠簸路段信息和初始模型，确定目标模型，然后将实时数据输入目标模型，输出预测结果，若预测结果中包含颠簸路面类型，输出与颠簸路面类型相对应的颠簸提示信息。
72.初始模型是具有数据拟合能力的人工智能算法模型，人工智能算法模型经过长期积累已覆盖多个研究子领域。以机器学习为例，较为核心的算法包括最小二乘法、k近邻算法、k均值算法、pca分析法、梯度下降法、进化算法等，较为核心的模型包括线性回归、逻辑回归、决策树、聚类、支持向量机、前馈神经网络等。由于具备较完备的理论基础和长期的推广应用，这些算法模型已经成为相关问题的标准解决方案。当前，针对这些核心算法和模型的进一步研究和改进也在不断向前推进。
73.人工智能在近些年的巨大突破也催生了一批“年轻的”算法和模型。以深度学习为例，新算法使得挖掘数据高层抽象特征成为可能，例如反向传播算法等，而新模型则为解决复杂问题提供了可行路径，例如深度神经网络、玻尔兹曼机等。这些算法模型极大简化了传统机器学习处理信息的方式，成为了计算机视觉、自然语言处理等领域的主流解决方案。可以预见，人工智能领域的新算法和新模型将会源源不断的涌现，并持续改变和优化传统领域的工作模式。
74.由于深度神经网络模型具有学习能力强、覆盖范围广、可移植性好等优点，可较好地学习本技术中颠簸数据与颠簸数据类型对应的算法，以提高颠簸数据类型的预测能力，进而提高安全提示的准确性。本技术中的初始模型主要采用如前馈神经网络、卷积神经网络等深度神经网络模型。
75.确定目标模型主要利用颠簸路段信息对初始模型进行训练，待初始模型对应的损失函数的值达到预设阈值，得到目标模型。需要说明的是，根据具体情况，对于训练初始模型所述使用的颠簸路段信息并不限于所有数据对，可以是部分。
76.具体的，以初始模型为前馈神经网络模型，本技术通过颠簸路段信息对前馈神经网络模型进行训练过程中，会形成颠簸数据与颠簸路面类型所对应的算法，当前馈神经网络模型对应的损失函数达到预设阈值时，则颠簸数据与颠簸路面类型所对应的算法不需要再进行迭代更新，此时则得到目标模型。其中，目标模型具有颠簸数据与颠簸路面类型的对应算法，可以通过实时数据，快速、准确识别其所对应的颠簸路面类型。
77.当确定目标模型后，需要将实时数据输入目标模型中，则输出预测结果，其中，实时数据用于表征车辆所采集的实时的周围环境信息和自车状态信息。
78.以实时数据为某一时刻的车辆所采集的周围环境信息和自车状态信息为例，由于目标模型已经过训练，具有颠簸数据与颠簸路面类型的对应算法，因此，将此时刻车辆所采集的周围环境信息和自车状态信息输入目标模型中，直接可以输出结果。其中，结果可为非颠簸路面类型和颠簸路面类型。
79.当自车某一时刻行驶的路段是平滑路面，则将此时刻车辆所采集的周围环境信息和自车状态信息输入目标模型中，输出结果，其中，结果为平滑路面；当自车某一时刻行驶的路段或即将行驶的路段为坑洼路面，则将此时刻车辆所采集的周围环境信息和自车状态信息输入目标模型中，输出结果，其中，结果为颠簸路面类型，如减速带路面。
80.若预测结果中包含颠簸路面类型，输出与颠簸路面类型相对应的提示信息。
81.其中，颠簸路面类型包括连续颠簸路面和非连续颠簸路面。其中，连续颠簸路面用于表征自车即将行驶方向上且与自车距离预设长度范围内具有多个颠簸区域，连续颠簸路面至少包括减速带路面、连续凹陷路面、连续凸起路面和凹凸路面。而非连续颠簸路面用于表征自车即将行驶方向上且与自车距离预设长度范围内具有一个颠簸区域，非连续颠簸路面至少包括凹陷路面和凸起路面。其中，预设长度可根据具体情况设定，此处不作限定。
82.提示信息包括但不限于车辆即将行驶路段的道路情况、行驶策略，如行驶速度等信息。提示信息可采用语音播报、文字显示或语音、文字结合等方式输出。
83.由于颠簸路面类型的不同，以本技术对颠簸路面类型的划分，来阐述所输出提示信息的过程，具体如下：
84.当颠簸路面类型为连续颠簸路面的情况下，若结果中包含颠簸路面类型，输出与颠簸路面类型相对应的提示信息，包括：若结果中包含连续颠簸路面，输出与连续颠簸路面相对应的提示信息。
85.具体的，以连续颠簸路面为图2中右侧图所示的减速带路面为例，若在结果中发现颠簸路面类型为减速带路面，则可采用如下语音播报：距车辆前方2米处有减速带路面，请减速慢行，并将车速将至10米/分。
86.当颠簸路面类型为非连续颠簸路面的情况下，若结果中包含颠簸路面类型，输出与颠簸路面类型相对应的提示信息，包括：若结果中包含非连续颠簸路面，输出与非连续颠簸路面相对应的提示信息。
87.具体的，以非连续颠簸路面为为图2中左侧所示的凹陷路面为例，若在结果中发现非颠簸路面类型为凹陷路面，则可采用如下语音播报：距车辆前方2米处有凹陷路面，请减
速慢行，并将车速将至5米/分。
88.本发明实施例提供了一种颠簸提示方法，包括：从历史数据中筛选颠簸数据，然后基于颠簸数据，确定颠簸数据对应的位置信息和颠簸路面类型，再基于颠簸数据、位置信息和颠簸路面类型，确定颠簸路段信息，最后基于颠簸路段信息和实时数据，输出颠簸提示信息，其中，实时数据用于表征车辆所采集的实时的周围环境信息和自车状态信息。本发明建立了颠簸数据库，即颠簸路段信息，其中，配置有颠簸数据、位置信息和颠簸路面类型的对应信息，通过将颠簸路段信息此数据源应用于不同的场景中，并结合自车的实时数据，以预测规划路线中的颠簸路面，进而输出对应的提示信息，不仅提高了提示信息的准确度，还降低了驾驶风险以及交通事故的发生。
89.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
90.以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
91.图3示出了本发明实施例提供的一种颠簸提示装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，一种颠簸提示装置包括数据筛选模块31、信息匹配模块32、颠簸信息建立模块33和颠簸提示模块34，具体如下：
92.数据筛选模块31，用于从历史数据中筛选颠簸数据，其中，历史数据用于表征车辆在过去的预设时间内在不同路面行驶过程中所采集的周围环境信息和自车状态信息，颠簸数据至少包括自车中的陀螺仪异常抖动数据和自车的驾驶数据；
93.信息匹配模块32，用于基于颠簸数据，确定颠簸数据对应的位置信息和颠簸路面类型；
94.颠簸信息建立模块33，用于基于颠簸数据、位置信息和颠簸路面类型，确定颠簸路段信息；
95.颠簸提示模块34，用于基于颠簸路段信息和实时数据，输出颠簸提示信息，其中，实时数据用于表征车辆所采集的实时的周围环境信息和自车状态信息。
96.在一种可能的实现方式中，信息匹配模块32包括：
97.数据对比子模块，用于将颠簸数据与标准数据库中的数据进行比对，并计算相似度，其中，标准数据库用于存储颠簸数据、位置信息和颠簸路面类型的对应关系；
98.第一标注子模块，用于若相似度满足预设阈值，对颠簸数据标注对应的位置信息；
99.第二标注子模块，用于若颠簸数据满足预设颠簸条件，为颠簸数据标注对应的颠簸路面类型。
100.在一种可能的实现方式中，数据筛选模块31包括：
101.数据筛选子模块，用于对历史数据依次进行自动化解析、清洗、脱敏操作，得到颠簸数据，其中，颠簸数据用于表征满足预设颠簸程度的颠簸数据。
102.在一种可能的实现方式中，颠簸提示模块34包括：
103.信息共享子模块，用于将颠簸路段信息共享至导航系统；
104.第一颠簸提示子模块，用于若导航系统中的自车的规划路线中存在与颠簸路段信息相匹配的颠簸路段，且实时数据中的位置信息与颠簸路段对应的位置信息的距离满足预
设距离，输出颠簸提示信息。
105.在一种可能的实现方式中，颠簸提示模块34包括：
106.目标模型确定子模块，用于基于颠簸路段信息和初始模型，确定目标模型；
107.模型预测子模块，用于将实时数据输入目标模型，输出预测结果；
108.第二颠簸提示子模块，用于若预测结果中包含颠簸路面类型，输出与颠簸路面类型相对应的颠簸提示信息。
109.在一种可能的实现方式中，目标模型确定子模块包括：
110.模型训练单元，用于利用颠簸路段信息对初始模型进行训练；
111.目标模型确定单元，用于待初始模型对应的损失函数的值达到预设阈值，得到目标模型。
112.在一种可能的实现方式中，颠簸路面类型包括连续颠簸路面和非连续颠簸路面；其中，连续颠簸路面用于表征自车即将行驶方向上且与自车距离预设长度范围内具有多个颠簸区域，非连续颠簸路面用于表征自车即将行驶方向上且与自车距离预设长度范围内具有一个颠簸区域。
113.在一种可能的实现方式中，连续颠簸路面至少包括减速带路面、连续凹陷路面、连续凸起路面和凹凸路面。
114.在一种可能的实现方式中，非连续颠簸路面至少包括凹陷路面和凸起路面。
115.图4是本发明实施例提供的终端的示意图。如图4所示，该实施例的终端4包括：处理器41、存储器42以及存储在存储器42中并可在处理器41上运行的计算机程序4。处理器41执行计算机程序43时实现上述各个颠簸提示方法实施例中的步骤，例如图1所示的步骤101至步骤104。或者，处理器41执行计算机程序43时实现上述各个颠簸提示装置实施例中各模块/单元的功能，例如图3所示模块/单元31至34的功能。
116.本发明还提供一种可读存储介质，可读存储介质中存储有计算机程序，计算机程序被处理器执行时用于实现上述的各种实施方式提供的颠簸提示方法。
117.其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(application specific integrated circuits，asic)中。另外，该asic可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(rom)、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
118.本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的颠簸提示方法。
119.在上述设备的实施例中，应理解，处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公
开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
120.以上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精神和范围，均应包含在本发明的保护范围之内。