客流量预测方法、装置、电子设备及存储介质与流程

1.本发明涉及交通技术领域，尤其涉及一种客流量预测方法、装置、电子设备及存储介质。


背景技术：

2.客流量是指单位时间内某路段上单一方向的旅客数量。客流量预测是指基于历史客流量统计数据，采用一定的技术方法对未来一定时间内交通网络、线路或车站客流数量进行预测。客流量预测在区域交通系统运营管理中起着举足轻重的作用。它不仅对客流量预警具有重要作用，也为相关部门制定错峰出行措施、交通管制政策等提供有力的数据支持。
3.交通网络的客流量既有周期性特征，也会受到恶劣天气、大型赛事等特殊事件的影响，表现出一定的突变性。若采用传统的预测方法进行一段时间内的客流预测，预测结果可能会受到特殊事件的影响，产生较大的误差。


技术实现要素：

4.本发明提供一种客流量预测方法、装置、电子设备及可存储介质，用以解决现有技术中难以对非常态下的客流量进行预测的缺陷。
5.第一方面，本发明提供一种客流量预测方法，包括：基于预先建立的适用于粒子滤波算法的客流量状态方程和客流量观测方程，确定当前时刻每个粒子对应的当前权重；在确定所述当前权重发生退化的情况下，根据实际状态值与当前时刻每个粒子的客流量状态值的差异度，对每个粒子的客流量状态值进行修正，获取第一修正客流量状态值；所述实际状态值是基于当前时刻的客流量观测值，利用客流量观测方程求解的目标客流量状态值；基于每个粒子的第一修正客流量状态值对每个粒子进行重采样，确定当前时刻的最优客流量预测值。
6.根据本发明提供的客流量预测方法，所述根据实际状态值与当前时刻每个粒子的客流量状态值的差异度，对每个粒子的客流量状态值进行修正，获取第一修正客流量状态值，包括：将所述实际状态值与每个粒子的客流量状态值的差值作为所述差异度；根据所有粒子的所述差值之和与当前时刻每个粒子的客流量状态值，确定所述每个粒子的第一修正客流量状态值。
7.根据本发明提供的客流量预测方法，所述基于每个粒子的第一修正客流量状态值对每个粒子进行重采样，确定当前时刻的最优客流量预测值，包括：在当前时刻的每个粒子的第一修正客流量状态值附近进行高斯采样，获取在当前时刻所述每个粒子的第二修正客流量状态值；利用概率密度函数，根据当前时刻所述每个粒子的客流量观测值，计算所述每个粒子的第二修正客流量状态值对应的修正权重；基于当前时刻所述每个粒子的第二修正客流量状态值以及对应的修正权重，确定在当前时刻的最优客流量预测值。
8.根据本发明提供的客流量预测方法，所述根据所有粒子的所述差值之和与当前时
刻每个粒子的客流量状态值，确定所述每个粒子的第一修正客流量状态值，其具体公式为：
[0009][0010]
其中，g-1
()为所述客流量观测方程中的观测函数的反函数，s
act,k
为k时刻的客流量观测值，为k时刻客流量的观测噪声，s
ivar,k
为k时刻第i个粒子的客流量状态值，为实际状态值，s
ivar,up,k
为k时刻第i个粒子的第一修正客流量状态值，r为修正系数，n表示粒子个数。
[0011]
根据本发明提供的客流量预测方法，在基于当前时刻所述每个粒子的第二修正客流量状态值以及对应的修正权重，确定在当前时刻的最优客流量预测值之前，还包括：对当前时刻每个粒子的第二修正客流量状态值对应的修正权重进行归一化处理。
[0012]
根据本发明提供的客流量预测方法，在基于预先建立的适用于粒子滤波算法的客流量状态方程和客流量观测方程，确定当前时刻每个粒子对应的当前权重之前，还包括：根据原始客流量数据，建立当前时刻的客流量变化模型；基于所述客流量变化模型，构建所述客流量状态方程和所述客流量观测方程；所述原始客流量数据包括当前时刻的客流量数据以及当前时刻的前一时刻的客流量数据。
[0013]
根据本发明提供的客流量预测方法，所述客流量变化模型为单指数模型。
[0014]
第二方面，本发明还提供一种客流量预测装置，包括：
[0015]
第一模块，用于基于预先建立的适用于粒子滤波算法的客流量状态方程和客流量观测方程，确定当前时刻每个粒子对应的当前权重；
[0016]
第二模块，用于在确定所述当前权重发生退化的情况下，根据实际状态值与当前时刻每个粒子的客流量状态值的差异度，对每个粒子的客流量状态值进行修正，获取第一修正客流量状态值；所述实际状态值是基于当前时刻的客流量观测值，利用客流量观测方程求解的目标客流量状态值；
[0017]
第三模块，用于基于每个粒子的第一修正客流量状态值对每个粒子进行重采样，确定当前时刻的最优客流量预测值。
[0018]
第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述客流量预测方法的步骤。
[0019]
第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述客流量预测方法的步骤。
[0020]
本发明提出的客流量预测方法，将预先建立的客流量状态方程和客流量观测方程分别作为粒子滤波方法中的状态转移方程和观测方程，使其具备客流量的状态评估能能力；进一步地，通过修正客流量状态值的方式改进了粒子滤波算法，解决了权重退化的问题，使其具备适应突变客流量的能力，提高了对非常态客流量的预测准确率。
附图说明
[0021]
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些
附图获得其他的附图。
[0022]
图1是本发明提供的客流量预测方法的流程示意图之一；
[0023]
图2是本发明提供的客流量预测方法的流程示意图之二；
[0024]
图3是本发明提供的客流量预测方法的流程示意图之三；
[0025]
图4是本发明提供的客流量预测装置的结构示意图；
[0026]
图5是本发明提供的电子设备的结构示意图。
具体实施方式
[0027]
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
[0028]
需要说明的是，在本发明实施例的描述中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0029]
本技术中的术语“第一”、“第二”等是用于区别类似的对象，而不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，以便本技术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，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。
[0030]
现有方案多采用统计模型和基于神经网络的方法，获得旅客出行全过程客流量预测。目前，这些方法在客流量预测方面仍存在以下几个问题：基于统计模型的客流量预测方法在客流量数据突变情况下预测准确率较低。基于统计模型的客流量预测可以根据一段时间内客流量的发展规律，建立发展规律模型，获取客流量的概率分布。其中，粒子滤波算法适用于含噪声的非线性随机过程的预测，是在统计模型方法中广泛应用的一种方法。但是，该方法在预测突变数据时，会存在无法即时跟进数据变化规律，进而影响客流量预测结果的准确性。
[0031]
基于神经网络的客流预测方法获得的是客流量的预测值，此预测值无法反映客流量的统计特性。而且预测误差会随着预测时长的增加而累积，长期预测的准确度较差。针对现有技术的上述缺陷和不足，本发明提供了一种客流量预测方法适用于特殊事件下的非常态的客流量的预测。该方法可应用于轨道交通客流量的预测以及其他应用场景下的客流量
预测。
[0032]
下面结合图1-图5描述本发明实施例所提供的客流量预测方法、装置、电子设备及存储介质进行说明。
[0033]
图1是本发明提供的客流量预测方法的流程示意图之一，如图1所示，包括但不限于以下步骤：
[0034]
步骤101：基于预先建立的适用于粒子滤波算法的客流量状态方程和客流量观测方程，确定当前时刻每个粒子对应的当前权重。
[0035]
粒子滤波方法预测客流量主要由预测、更新两个步骤组成。在预测步骤时，假设客流量的状态转移服从一阶马尔可夫模型，即当前时刻的客流量状态值只与上一时刻的客流量状态值有关。在更新步骤时，假设当前时刻的客流量观测值只与当前客流量的状态值有关。
[0036]
具体地，利用蒙特卡洛方法对当前时刻的上一时刻的客流量状态值s
var,k-1
进行随机采样，获得初始客流量状态值s
ivar,k-1
；之后，采用状态转移方程(1)预测当前时刻客流量状态值s
ivar,k
。其中，状态转移方程可以为预先建立的客流量状态方程。
[0037]sivar,k
＝h(s
ivar,k-1
)+θ
k-1
,k＝1,2,...,t(1)
[0038]
进一步地，采用观测方程(2)和权重计算方程(3)根据k时刻客流量的观测值s
iact,k
对客流量状态值s
ivar,k
中每个粒子的当前权重w
ik-1
进行更新。
[0039]
可选地，利用公式(4)对粒子的当前权重进行归一化处理。其中，观测方程即为预先建立的客流量观测方程。
[0040][0041]wik
＝w
ik-1
·
p(s
ivar,k
|s
act,k
)(3)
[0042][0043]
其中，变量顶部的符号^表示该变量是预测值；s
ivar,k
为k时刻第i个粒子的客流量状态值；s
ivar,k-1
为k-1时刻第i个粒子的客流量状态值；s
iact,k
为k时刻第i个粒子的客流量观测值；θ
k-1
为k-1时刻的状态噪声；为k时刻客流量的观测噪声；t为时间；h()为状态转移函数；g()为观测函数；p()为概率密度函数，属于条件概率函数；w
ik
为第i个粒子在k时刻的权重，即当前权重；w
ik-1
为第i个粒子在k-1时刻的权重；n为粒子数；w
ik
为对当前权重进行归一化处理后的权重。
[0044]
步骤102：在确定所述当前权重发生退化的情况下，根据实际状态值与当前时刻每个粒子的客流量状态值的差异度，对每个粒子的客流量状态值进行修正，获取第一修正客流量状态值。
[0045]
当客流量的观测值出现突变时，客流量的预测值与观测值之间会出现较大的偏差，导致粒子的权重全部偏小。若采用权重较小的粒子进行客流量状态值更新，会造成状态更新效果不佳。
[0046]
可选地，本发明根据k时刻(当前时刻)获得所有粒子的权重之和，判定是否出现多数粒子权重全部偏小的现象。其中，所有粒子的当前权重之和w
sum
采用下式计算：
[0047][0048]
当粒子权重之和w
sum
小于权重阈值β(此处可取β＝2n/3)时，则表明粒子的当前权重退化。
[0049]
其中，所述实际状态值是基于当前时刻的客流量观测值，利用客流量观测方程求解的目标客流量状态值。
[0050]
由客流量观测方程即公式(2)，可得：
[0051][0052]
将带入观测函数的反函数g-1
()中，可得到从观测值角度获得的实际状态值即目标客流量状态值。
[0053]
通过实际状态值与当前时刻每个粒子的客流量状态值的差异度，对客流量状态值进行修正，获取第一修正客流量状态值以便于进行后续的重采样。
[0054]
需要说明的是，差异度可以利用百分比或者直接利用比较两者进行确定。
[0055]
步骤103：基于每个粒子的第一修正客流量状态值对每个粒子进行重采样，确定当前时刻的最优客流量预测值。
[0056]
通过对第一修正客流量状态值进行重采样，从而获取到更多的有效粒子，从而实现对当前粒子的有效更新，克服了粒子的当前权重退化问题。
[0057]
本发明提出的客流量预测方法，将预先建立的客流量状态方程和客流量观测方程分别作为粒子滤波方法中的状态转移方程和观测方程，使其具备客流量的状态评估能能力；进一步地，通过修正客流量状态值的方式改进了粒子滤波算法，解决了权重退化的问题，使其具备适应突变客流量的能力，提高了对非常态客流量的预测准确率。
[0058]
图2是本发明提供的客流量预测方法的流程示意图之二，下面结合图2，在上述实施例的基础上对本发明提供非常态客流量预测方法进行说明。本发明提供的客流量预测方法，所述根据实际状态值与当前时刻每个粒子的客流量状态值的差异度，对每个粒子的客流量状态值进行修正，获取第一修正客流量状态值，包括：将所述实际状态值与每个粒子的客流量状态值的差值作为所述差异度；根据所有粒子的所述差值之和与当前时刻每个粒子的客流量状态值，确定所述每个粒子的第一修正客流量状态值。
[0059]
其中，将所述实际状态值与每个粒子的客流量状态值的差值作为所述差异度，为
[0060]
进一步地，根据所有粒子的所述差值之和与当前时刻每个粒子的客流量状态值，确定所述每个粒子的第一修正客流量状态值，具体公式为：
[0061][0062]
其中，g-1
()为所述客流量观测方程中的观测函数的反函数，s
act,k
为k时刻的客流量观测值，为k时刻客流量的观测噪声，s
ivar,k
为k时刻第i个粒子的客流量状态值，为实际状态值，s
ivar,up,k
为k时刻第i个粒子的第一修正客流量状态值，r为修正系数，n表示粒子个数。
[0063]
需要说明的是，修正系数r越大，则表明修正程度越大，修正后的状态值对观测值
的依赖性越强。r越小，则表明修正程度越小，修正后的状态值对观测值的依赖性越弱。
[0064]
本发明提供的客流量预测方法，将实际状态值与每个粒子的客流量状态值的差值作为差异度，以对当前时刻的客流量状态值进行修正，从而为后续粒子的重采样建立了基础，以解决粒子滤波算法中的权重退化问题。
[0065]
图3是本发明提供的客流量预测方法的流程示意图之三，如图3所示，本发明提供的一种客流量预测方法，所述基于每个粒子的第一修正客流量状态值对每个粒子进行重采样，确定当前时刻的最优客流量预测值，包括以下步骤：
[0066]
步骤301：在当前时刻的每个粒子的第一修正客流量状态值附近进行高斯采样，获取在当前时刻所述每个粒子的第二修正客流量状态值。
[0067]
步骤302：利用概率密度函数，根据当前时刻所述每个粒子的客流量观测值，计算所述每个粒子的第二修正客流量状态值对应的修正权重。具体公式为：
[0068]wik
＝w
ik-1
·
p(s
ivar,update,k
|s
iact,k
)(8)
[0069]
其中，s
ivar,update,k
为k时刻第i个粒子的第二修正客流量状态值；w
ik
为k时刻第i个粒子的第二修正客流量状态值对应的修正权重；w
ik-1
为k-1时刻第i个粒子的第二修正客流量状态值对应的修正权重。
[0070]
步骤303：基于当前时刻所述每个粒子的第二修正客流量状态值以及对应的修正权重，确定在当前时刻的最优客流量预测值。具体公式为：
[0071][0072]
其中，s
act,k
为当前时刻客流量的最优预测值。
[0073]
本发明在进行粒子重采样之后，利用概率密度函数更新当前权要为修正权要，再结合其对应的第二修正客流量状态值，采取加权求和的方式求取当前时刻的最优客流量预测值，实现了更加精准的客流量预测。
[0074]
基于上述实施例的内容，作为一种可选的实施例，本发明提供的客流量预测方法，在基于当前时刻所述每个粒子的第二修正客流量状态值以及对应的修正权重，确定在当前时刻的最优客流量预测值之前，还包括：对当前时刻每个粒子的第二修正客流量状态值对应的修正权重进行归一化处理。
[0075]
对当前时刻的每个粒子的第二修正客流量状态值对应的修正权重进行归一化处理，具体公式为：
[0076][0077]
将归一化处理后的修正权重，作为最终的修正权重，获取所述在当前时刻的最优客流量预测值，其具体公式为：
[0078][0079]
其中，s
act,k
为当前时刻客流量的最优预测值。
[0080]
本发明通过归一化处理算法，使得归一化处理后的修正权重被限定在一定的范围内，从而消除奇异数据导致的不良影响，进一步地提高了当前时刻客流量的最优预测值的精确度。
[0081]
基于上述实施例的内容，作为一种可选的实施例，本发明还提供一种客流量预测方法，在基于预先建立的适用于粒子滤波算法的客流量状态方程和客流量观测方程，确定当前时刻每个粒子对应的当前权重之前，还包括：根据原始客流量数据，建立当前时刻的客流量变化模型；基于所述客流量变化模型，构建所述客流量状态方程和所述客流量观测方程；所述原始客流量数据包括当前时刻的客流量数据以及当前时刻的前一时刻的客流量数据。
[0082]
其中，所述原始客流量数据可以为针对某一轨道交通线路采集的某一段时间内的客流量数据。
[0083]
可选地，根据所述原始客流量数据随时间的变化规律，建立所述轨道交通线路的当前时刻的第一客流量变化模型。根据经验选取单指数模型作为第一客流量变化模型，设k时刻为当前时刻。则第一客流量变化模型的表达式为：
[0084]svar
＝ae
bk
(12)
[0085]
其中，s
var
为当前时刻的客流量，a和b为单指数模型的模型参数。
[0086]
进一步地，根据当前时刻的客流量变化模型，推导出当前时刻上一时刻的第二客流量变化模型。具体公式为：
[0087][0088]
其中，s
var,k-1
为当前时刻的前一时刻的客流量，a
k-1
和b
k-1
为第二客流量变化模型的参数。
[0089]
基于所述第一客流量变化模型和第二客流量变化模型，建立所述客流量状态方程。经多项式推导得到本实施例的客流量状态方程，其表达式如下：
[0090][0091]
基于所述客流量状态方程和观测噪声，建立所述客流量观测方程。
[0092][0093]
本发明实施例提供了建立客流量状态方程和客流量观测方程的具体流程，并且更加适用于恶劣天气、大型赛事等特殊事件的客流量变化规律的作为客流量变化模型；基于该客流量变化模型，建立适用于粒子滤波算法的客流量状态方程和观测方程，可以有效提高特殊事件下非常态客流量的预测准确率。
[0094]
图4是本发明提供的客流量预测装置的结构示意图，如图4所示，所述装置包括：第一处理模块401，第二处理模块402，第三处理模块403。
[0095]
其中，第一处理模块401，用于基于预先建立的适用于粒子滤波算法的客流量状态方程和客流量观测方程，确定当前时刻每个粒子对应的当前权重；
[0096]
第二处理模块402，用于在确定所述当前权重发生退化的情况下，根据实际状态值与当前时刻每个粒子的客流量状态值的差异度，对每个粒子的客流量状态值进行修正，获取第一修正客流量状态值；所述实际状态值是基于当前时刻的客流量观测值，利用客流量观测方程求解的目标客流量状态值；
[0097]
第三处理模块403，用于基于每个粒子的第一修正客流量状态值对每个粒子进行重采样，确定当前时刻的最优客流量预测值。
[0098]
本发明提供的客流量预测装置，将预先建立的客流量状态方程和客流量观测方程
分别作为粒子滤波方法中的状态转移方程和观测方程，使其具备客流量的状态评估能能力；进一步地，通过修正客流量状态值的方式改进了粒子滤波算法，解决了权重退化的问题，使其具备适应突变客流量的能力，提高了对非常态客流量的预测准确率。
[0099]
图5是本发明提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(communications interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行客流量预测方法，该方法包括：基于预先建立的适用于粒子滤波算法的客流量状态方程和客流量观测方程，确定当前时刻每个粒子对应的当前权重；在确定所述当前权重发生退化的情况下，根据实际状态值与当前时刻每个粒子的客流量状态值的差异度，对每个粒子的客流量状态值进行修正，获取第一修正客流量状态值；所述实际状态值是基于当前时刻的客流量观测值，利用客流量观测方程求解的目标客流量状态值；基于每个粒子的第一修正客流量状态值对每个粒子进行重采样，确定当前时刻的最优客流量预测值。
[0100]
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0101]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各实施例所提供的客流量预测方法，该方法包括：基于预先建立的适用于粒子滤波算法的客流量状态方程和客流量观测方程，确定当前时刻每个粒子对应的当前权重；在确定所述当前权重发生退化的情况下，根据实际状态值与当前时刻每个粒子的客流量状态值的差异度，对每个粒子的客流量状态值进行修正，获取第一修正客流量状态值；所述实际状态值是基于当前时刻的客流量观测值，利用客流量观测方程求解的目标客流量状态值；基于每个粒子的第一修正客流量状态值对每个粒子进行重采样，确定当前时刻的最优客流量预测值。
[0102]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的客流量预测方法，该方法包括：基于预先建立的适用于粒子滤波算法的客流量状态方程和客流量观测方程，确定当前时刻每个粒子对应的当前权重；在确定所述当前权重发生退化的情况下，根据实际状态值与当前时刻每个粒子的客流量状态值的差异度，对每个粒子的客流量状态值进行修正，获取第一修正客流量状态值；所述实际状态值是基于当前时刻的客流量观测值，利用客流量观测方程求解的目标客流量状态值；基于每个粒子的第一修正客流量状态值对每个粒子进行重采样，确定当前时刻的最优客流量预测值。
[0103]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可
以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0104]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0105]
最后应说明的是：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。