基于大数据分析的停车场车道拥堵预测方法及系统与流程

1.本发明涉及停车场管理技术领域，特别涉及一种基于大数据分析的停车场车道拥堵预测方法、一种计算机可读存储介质、一种计算机设备和一种基于大数据分析的停车场车道拥堵预测系统。


背景技术：

2.相关技术中，在对停车场车道拥堵进行预测时，多只是根据单车道的历史通行量来进行相应车道未来时段通行量的预测，进而预测该车道在未来时段是否会拥堵。然而，这种方式并未考虑车道拥堵的诸多因素(例如，现场剩余车位，其他车道通行量影响等)，而只是单纯地根据单车道历史通行量进行预测；进而导致最终预测结果不准确，难以对用户出行进行合理的指引。


技术实现要素：

3.本发明旨在至少在一定程度上解决上述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基于大数据分析的停车场车道拥堵预测方法，能够自动对停车场车道用户进行有效预测，提高预测结果准确率，为用户出行进行合理指引。
4.本发明的第二个目的在于提出一种计算机可读存储介质。
5.本发明的第三个目的在于提出一种计算机设备。
6.本发明的第四个目的在于提出一种基于大数据分析的停车场车道拥堵预测系统。
7.为达到上述目的，本发明第一方面实施例提出了一种基于大数据分析的停车场车道拥堵预测方法，包括以下步骤：获取停车场历史数据，并对所述停车场历史数据进行预处理，其中，预处理后的停车场历史数据包括数据产生时间段、数据产生时间段对应的停车场剩余车位和各车道通行量；根据所述各车道通行量获取预处理后的停车场历史数据中的车道拥堵基础数据；获取车道间流动关系信息，并根据所述车道间流动关系信息和所述车道拥堵基础数据确定车道间影响系数、剩余车位影响系数和通行压力阈值；获取实时停车场数据，并根据所述实时停车场数据对应的当前时间获取相应的预处理后的停车场历史数据，以及根据实时停车场数据、所述相应的预处理后的停车场历史数据、所述剩余车位影响系数和所述车道间影响系数计算各车道对应的通行压力；判断各车道对应的通行压力是否大于所述通行压力阈值，并在判断结果为是时生成报警信息。
8.根据本发明实施例的基于大数据分析的停车场车道拥堵预测方法，首先，获取停车场历史数据，并对所述停车场历史数据进行预处理，其中，预处理后的停车场历史数据包括数据产生时间段、数据产生时间段对应的停车场剩余车位和各车道通行量；接着，根据所述各车道通行量获取预处理后的停车场历史数据中的车道拥堵基础数据；然后，获取车道间流动关系信息，并根据所述车道间流动关系信息和所述车道拥堵基础数据确定车道间影响系数、剩余车位影响系数和通行压力阈值；接着，获取实时停车场数据，并根据所述实时停车场数据对应的当前时间获取相应的预处理后的停车场历史数据，以及根据实时停车场
数据、所述相应的预处理后的停车场历史数据、所述剩余车位影响系数和所述车道间影响系数计算各车道对应的通行压力；然后，判断各车道对应的通行压力是否大于所述通行压力阈值，并在判断结果为是时生成报警信息；从而实现自动对停车场车道用户进行有效预测，提高预测结果准确率，为用户出行进行合理指引。
9.另外，根据本发明上述实施例提出的基于大数据分析的停车场车道拥堵预测方法还可以具有如下附加的技术特征：
10.可选地，根据所述各车道通行量获取预处理后的停车场历史数据中的车道拥堵基础数据，包括：判断任意一个车道在任意一个数据产生时间段对应的车道通行量是否为0；如果是，则将预设区间内的停车场历史数据作为车道拥堵基础数据。
11.可选地，各车道对应的通行压力根据以下公式计算：
[0012][0013]
其中，p
i
表示车道i的通行压力，q
i
表示与当前时间对应的车道i的历史通行量，q
j
表示与当前时间对应的车道j的历史通行量，k
j
表示车道k
j
对车道i的影响系数，z表示实时剩余车位，k0表示剩余车位影响系数。
[0014]
为达到上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，其上存储有基于大数据分析的停车场车道拥堵预测程序，该基于大数据分析的停车场车道拥堵预测程序被处理器执行时实现如上述的基于大数据分析的停车场车道拥堵预测方法。
[0015]
根据本发明实施例的计算机可读存储介质，通过存储基于大数据分析的停车场车道拥堵预测程序，以使得处理器在执行该基于大数据分析的停车场车道拥堵预测程序时，实现如上述的基于大数据分析的停车场车道拥堵预测方法，从而实现自动对停车场车道用户进行有效预测，提高预测结果准确率，为用户出行进行合理指引。
[0016]
为达到上述目的，本发明第三方面实施例提出了一种计算机设备，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，实现如上述的基于大数据分析的停车场车道拥堵预测方法。
[0017]
根据本发明实施例的计算机设备，通过存储器对基于大数据分析的停车场车道拥堵预测程序进行存储，以使得处理器在执行该基于大数据分析的停车场车道拥堵预测程序时，实现如上述的基于大数据分析的停车场车道拥堵预测方法，从而实现自动对停车场车道用户进行有效预测，提高预测结果准确率，为用户出行进行合理指引。
[0018]
为达到上述目的，本发明第四方面实施例提出了一种基于大数据分析的停车场车道拥堵预测系统，包括：第一获取模块，所述第一获取模块用于获取停车场历史数据，并对所述停车场历史数据进行预处理，其中，预处理后的停车场历史数据包括数据产生时间段、数据产生时间段对应的停车场剩余车位和各车道通行量；第二获取模块，所述第二获取模块用于根据所述各车道通行量获取预处理后的停车场历史数据中的车道拥堵基础数据；第一计算模块，所述第一计算模块用于获取车道间流动关系信息，并根据所述车道间流动关系信息和所述车道拥堵基础数据确定车道间影响系数、剩余车位影响系数和通行压力阈值；第二计算模块，所述第二计算模块用于获取实时停车场数据，并根据所述实时停车场数据对应的当前时间获取相应的预处理后的停车场历史数据，以及根据实时停车场数据、所述相应的预处理后的停车场历史数据、所述剩余车位影响系数和所述车道间影响系数计算
各车道对应的通行压力；判断模块，所述判断模块用于判断各车道对应的通行压力是否大于所述通行压力阈值，并在判断结果为是时生成报警信息。
[0019]
根据本发明实施例的基于大数据分析的停车场车道拥堵预测系统，通过设置第一获取模块用于获取停车场历史数据，并对所述停车场历史数据进行预处理，其中，预处理后的停车场历史数据包括数据产生时间段、数据产生时间段对应的停车场剩余车位和各车道通行量；第二获取模块用于根据所述各车道通行量获取预处理后的停车场历史数据中的车道拥堵基础数据；第一计算模块用于获取车道间流动关系信息，并根据所述车道间流动关系信息和所述车道拥堵基础数据确定车道间影响系数、剩余车位影响系数和通行压力阈值；第二计算模块用于获取实时停车场数据，并根据所述实时停车场数据对应的当前时间获取相应的预处理后的停车场历史数据，以及根据实时停车场数据、所述相应的预处理后的停车场历史数据、所述剩余车位影响系数和所述车道间影响系数计算各车道对应的通行压力；判断模块用于判断各车道对应的通行压力是否大于所述通行压力阈值，并在判断结果为是时生成报警信息；从而实现自动对停车场车道用户进行有效预测，提高预测结果准确率，为用户出行进行合理指引。
[0020]
另外，根据本发明上述实施例提出的基于大数据分析的停车场车道拥堵预测系统还可以具有如下附加的技术特征：
[0021]
可选地，根据所述各车道通行量获取预处理后的停车场历史数据中的车道拥堵基础数据，包括：判断任意一个车道在任意一个数据产生时间段对应的车道通行量是否为0；如果是，则将预设区间内的停车场历史数据作为车道拥堵基础数据。
[0022]
可选地，各车道对应的通行压力根据以下公式计算：
[0023][0024]
其中，p
i
表示车道i的通行压力，q
i
表示与当前时间对应的车道i的历史通行量，q
j
表示与当前时间对应的车道j的历史通行量，k
j
表示车道k
j
对车道i的影响系数，z表示实时剩余车位，k0表示剩余车位影响系数。
附图说明
[0025]
图1为根据本发明实施例的基于大数据分析的停车场车道拥堵预测方法的流程示意图；
[0026]
图2为根据本发明实施例的基于大数据分析的停车场车道拥堵预测系统的方框示意图。
具体实施方式
[0027]
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，旨在用于解释本发明，而不能理解为对本发明的限制。
[0028]
相关技术中，在进行停车场车道拥堵预测时，只是单纯地根据单车道历史通行量进行预测；进而导致最终预测结果不准确，难以对用户出行进行合理的指引；根据本发明实施例的基于大数据分析的停车场车道拥堵预测方法，首先，获取停车场历史数据，其中，预
处理后的所述停车场历史数据包括数据产生时间段、数据产生时间段对应的停车场剩余车位和各车道通行量；接着，根据所述各车道通行量获取预处理后的停车场历史数据中的车道拥堵基础数据；然后，获取车道间流动关系信息，并根据所述车道间流动关系信息和所述车道拥堵基础数据确定车道间影响系数、剩余车位影响系数和通行压力阈值；接着，获取实时停车场数据，并根据所述实时停车场数据对应的当前时间获取相应的预处理后的停车场历史数据，以及根据实时停车场数据、所述相应的预处理后的停车场历史数据、所述剩余车位影响系数和所述车道间影响系数计算各车道对应的通行压力；然后，判断各车道对应的通行压力是否大于所述通行压力阈值，并在判断结果为是时生成报警信息；从而实现自动对停车场车道用户进行有效预测，提高预测结果准确率，为用户出行进行合理指引。
[0029]
为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
[0030]
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
[0031]
图1为根据本发明实施例的基于大数据分析的停车场车道拥堵预测方法的流程示意图，如图1所示，该基于大数据分析的停车场车道拥堵预测方法包括以下步骤：
[0032]
s101，获取停车场历史数据，其中，预处理后的停车场历史数据包括数据产生时间段、数据产生时间段对应的停车场剩余车位和各车道通行量。
[0033]
作为一种示例，对停车场历史数据进行采集，接着，根据预设时段对停车场历史数据进行分段处理，并对每个时间段对应的各车道通行量(包括各入口车道和各出口车道)进行统计，以及统计该时间段内停车场的剩余车位(具体地，可以统计该时段内每分钟对应的剩余车位，并将所有分钟对应的剩余车位的均值作为该时间段对应的剩余车位)；以使得预处理后的停车场历史数据包括数据产生时间段、数据产生时间段对应的停车场剩余车位和各车道通行量，便于后续进行数据处理。
[0034]
作为另一种示例，首先，以滑窗的形式对停车场历史数据进行截取，以获取相应的时段数据；具体地，假设停车场历史数据为每分钟产生一次，且每分钟产生的历史数据按照时间的前后按序排列；如果滑窗的长度为30分钟，滑窗每平移一分钟截取一次，则可以获取到多个时段数据；例如，滑窗截取到10:00至10:30的数据作为时段数据之后，平移一分钟，继续截取，得到10:01至10:31的数据作为时段数据；然后，分别统计每个时间段对应的停车场剩余车位、各车道的通行量，以完成历史数据的预处理。从而，通过这种方式可以将分析细化，提高最终预测精准度。
[0035]
s102，根据各车道通行量获取预处理后的停车场历史数据中的车道拥堵基础数据。
[0036]
在一些实施例中，根据各车道通行量获取停车场历史数据中的车道拥堵基础数据，包括：判断任意一个车道在任意一个数据产生时间段对应的车道通行量是否为0；如果是，则将预设区间内的停车场历史数据作为车道拥堵基础数据。
[0037]
作为一种示例，假设预处理后的停车场历史数据为通过滑窗获取到的预设长度的时段数据；进而，可以判断时段数据中的车道通行量是否为0；如果是，则认为该时段数据车
道产生了拥堵；接着，把该时段数据对应的预设区间内的预处理后的停车场历史数据将作为车道拥堵基础数据；具体地；如果10:01至10:30时段数据中车道的通行量为0；则将对应的预设区间9:30至10:00的时段数据作为其车道拥堵基础数据。
[0038]
s103，获取车道间流动关系信息，并根据车道间流动关系信息和车道拥堵基础数据确定车道间影响系数、剩余车位影响系数和通行压力阈值。
[0039]
即言，获取车道间流动关系信息，以确定各车道之间的车流是否相互影响，接着，根据车道间流动关系信息和车道拥堵基础数据确定车道间影响系数、剩余车位影响系数和通行压力阈值。
[0040]
s104，获取实时停车场数据，并根据实时停车场数据对应的当前时间获取相应的预处理后的停车场历史数据，以及根据实时停车场数据、相应的预处理后的停车场历史数据、剩余车位影响系数和车道间影响系数计算各车道对应的通行压力。
[0041]
作为一种示例，获取实时停车场数据，实时停车场数据包括停车场剩余车位、各入口车道的车道通行量、各出口车道的车道通行量；接着，根据当前时间获取相应的预处理后的停车场历史数据；具体地，假设当前时间为2021/4/12的10:00，则根据当前时间获取与其相应上一个月的时段数据，即2021/3/12的10:01至10:30的时段数据；或者，假设当前时间为2021/4/12的10:00，为星期一，则根据当前时间获取与其相应的往前两周的同时段的数据，即2021/4/5的10:01至10:30的数据和2021/3/29的10:01至10:30的数据；进而，根据实时停车场数据、相应的预处理后的停车场历史数据、剩余车位影响系数和车道间影响系数计算各车道对应的通行压力；具体地，可以将相应的时段数据视为以当前时间为基准的未来时段的通行数据；以根据时段数据计算未来时段的通行量；例如，假设当前时间剩余车位为85，而相应的时段数据2021/3/12的10:01至10:30的数据中，10:01入口车道的车道总通行量为8，出口车道的车道总通行量为10，则得到的预测数据为未来时间10:01的剩余车位为87；或者，假设当前时间剩余车位为85，而相应的时段数据2021/4/5的10:01至10:30的数据和2021/3/29的10:01至10:30的数据中，2021/4/5的10:01的入口通行量为15，出口通行量为10；2021/3/29的10:01的入口通行量为8，出口通行量为10；进而，可以根据时间的接近程度，将对应的数据进行权重计算；例如，设2021/4/5的权重为0.7，而2021/3/29的权重为0.3；则最终计算得到的未来时间10:01的入口通行量为0.7*15+0.3*8＝12.9，取值13；出口通行量为0.7*10+0.3*10＝10；则未来时间10:01的剩余车位为82。
[0042]
其中，通行压力的计算方式可以有多种。
[0043]
在一些实施例中，各车道对应的通行压力根据以下公式计算：
[0044][0045]
其中，p
i
表示车道i的通行压力，q
i
表示与当前时间对应的车道i的历史通行量，q
j
表示与当前时间对应的车道j的历史通行量，k
j
表示车道k
j
对车道i的影响系数，z表示实时剩余车位，k0表示剩余车位影响系数。
[0046]
s105，判断各车道对应的通行压力是否大于通行压力阈值，并在判断结果为是时生成报警信息。
[0047]
综上所述，根据本发明实施例的基于大数据分析的停车场车道拥堵预测方法，首先，获取停车场历史数据，并对所述停车场历史数据进行预处理，其中，预处理后的停车场
历史数据包括数据产生时间段、数据产生时间段对应的停车场剩余车位和各车道通行量；接着，根据所述各车道通行量获取预处理后的停车场历史数据中的车道拥堵基础数据；然后，获取车道间流动关系信息，并根据所述车道间流动关系信息和所述车道拥堵基础数据确定车道间影响系数、剩余车位影响系数和通行压力阈值；接着，获取实时停车场数据，并根据所述实时停车场数据对应的当前时间获取相应的预处理后的停车场历史数据，以及根据实时停车场数据、所述相应的预处理后的停车场历史数据、所述剩余车位影响系数和所述车道间影响系数计算各车道对应的通行压力；然后，判断各车道对应的通行压力是否大于所述通行压力阈值，并在判断结果为是时生成报警信息；从而实现自动对停车场车道用户进行有效预测，提高预测结果准确率，为用户出行进行合理指引。
[0048]
为了实现上述实施例，本发明实施例提出了一种计算机可读存储介质，其上存储有基于大数据分析的停车场车道拥堵预测程序，该基于大数据分析的停车场车道拥堵预测程序被处理器执行时实现如上述的基于大数据分析的停车场车道拥堵预测方法。
[0049]
根据本发明实施例的计算机可读存储介质，通过存储基于大数据分析的停车场车道拥堵预测程序，以使得处理器在执行该基于大数据分析的停车场车道拥堵预测程序时，实现如上述的基于大数据分析的停车场车道拥堵预测方法，从而实现自动对停车场车道用户进行有效预测，提高预测结果准确率，为用户出行进行合理指引。
[0050]
为了实现上述实施例，本发明实施例提出了一种计算机设备，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，实现如上述的基于大数据分析的停车场车道拥堵预测方法。
[0051]
根据本发明实施例的计算机设备，通过存储器对基于大数据分析的停车场车道拥堵预测程序进行存储，以使得处理器在执行该基于大数据分析的停车场车道拥堵预测程序时，实现如上述的基于大数据分析的停车场车道拥堵预测方法，从而实现自动对停车场车道用户进行有效预测，提高预测结果准确率，为用户出行进行合理指引。
[0052]
为了实现上述实施例，本发明实施例提出了一种基于大数据分析的停车场车道拥堵预测系统，如图2所示，该基于大数据分析的停车场车道拥堵预测系统包括：第一获取模块10、第二获取模块20、第一计算模块30、第二计算模块40和判断模块50。
[0053]
其中，第一获取模块10用于获取停车场历史数据，并对停车场历史数据进行预处理，其中，预处理后的停车场历史数据包括数据产生时间段、数据产生时间段对应的停车场剩余车位和各车道通行量；
[0054]
第二获取模块20用于根据各车道通行量获取预处理后的停车场历史数据中的车道拥堵基础数据；
[0055]
第一计算模块30用于获取车道间流动关系信息，并根据车道间流动关系信息和车道拥堵基础数据确定车道间影响系数、剩余车位影响系数和通行压力阈值；
[0056]
第二计算模块40用于获取实时停车场数据，并根据实时停车场数据对应的当前时间获取相应的预处理后的停车场历史数据，以及根据实时停车场数据、相应的停车场历史数据、剩余车位影响系数和车道间影响系数计算各车道对应的通行压力；
[0057]
判断模块50用于判断各车道对应的通行压力是否大于通行压力阈值，并在判断结果为是时生成报警信息。
[0058]
在一些实施例中，根据各车道通行量获取预处理后的停车场历史数据中的车道拥
堵基础数据，包括：判断任意一个车道在任意一个数据产生时间段对应的车道通行量是否为0；如果是，则将预设区间内的预处理后的停车场历史数据作为车道拥堵基础数据。
[0059]
在一些实施例中，各车道对应的通行压力根据以下公式计算：
[0060][0061]
其中，p
i
表示车道i的通行压力，q
i
表示与当前时间对应的车道i的历史通行量，q
j
表示与当前时间对应的车道j的历史通行量，k
j
表示车道k
j
对车道i的影响系数，z表示实时剩余车位，k0表示剩余车位影响系数。
[0062]
综上所述，根据本发明实施例的基于大数据分析的停车场车道拥堵预测系统，通过设置第一获取模块用于获取停车场历史数据，并对所述停车场历史数据进行预处理，其中，预处理后的停车场历史数据包括数据产生时间段、数据产生时间段对应的停车场剩余车位和各车道通行量；第二获取模块用于根据所述各车道通行量获取预处理后的停车场历史数据中的车道拥堵基础数据；第一计算模块用于获取车道间流动关系信息，并根据所述车道间流动关系信息和所述车道拥堵基础数据确定车道间影响系数、剩余车位影响系数和通行压力阈值；第二计算模块用于获取实时停车场数据，并根据所述实时停车场数据对应的当前时间获取相应的预处理后的停车场历史数据，以及根据实时停车场数据、所述相应的预处理后的停车场历史数据、所述剩余车位影响系数和所述车道间影响系数计算各车道对应的通行压力；判断模块用于判断各车道对应的通行压力是否大于所述通行压力阈值，并在判断结果为是时生成报警信息；从而实现自动对停车场车道用户进行有效预测，提高预测结果准确率，为用户出行进行合理指引。
[0063]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
[0064]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0065]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0066]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0067]
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
[0068]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0069]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
[0070]
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0071]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；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或两个元件的相互作用关系。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。
[0072]
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0073]
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应理解为必须针对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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0074]
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。