本发明涉及无线通信技术领域，尤其涉及一种跟踪区的边界小区的确认方法和装置。
背景技术：
随着无线通信技术的快速发展，通信业务正朝着提高服务质量、改善用户体验方向发展。TA(Tracking Area，跟踪区)是LTE(Long Term Evolution，长期演进)系统为UE(user equipment，终端)的位置管理设立的概念。TA功能与3G(3rd-Generation，第三代移动通信技术)系统的LA(Location Area，位置区)和RA(Routing Area，路由区)类似。通过TA信息核心网络能够获知处于空闲态的UE的位置，并且在有数据业务需求时，可以对UE进行寻呼。一个TA可包含一个或多个小区，而一个小区只能归属于一个TA。TA可以用TAC(TA Code，TA码)标识。TAC可以在小区的SIB1(系统消息)中广播。目前，一般是通过人工经验规划或者使用简单的规划工具来进行TA的规划。
申请人经研究发现，TA面积设置情况会影响通信性能。TA的边界应该设置在话务少且与周围粘连度小的区域，否则会引起大量的位置无更新，进一步导致信令风暴，提高寻呼拥塞率。如果TA面积过大，则TA list(跟踪区列表)包含的TA数目将受到限制，降低了基于用户的TA list规划的灵活性，TA list引入的目的不能达到；如果TA面积过小，则TA list包含的TA数目就会过多，MME(Mobility Management Entity，移动性管理实体)维护开销及位置更新的开销就会增加。现有的TA规划方法一般试用于建站初期的场景。但是随着话务的增加、话务模型的变化，该规划方法不能很好的做相应的调整，且对于调整后的TA也没有比较准确的方法来评价调整后的效果，在实施上有一定风险。
如何在不增加设备开销的情况下及时更新位置信息、减少信令风暴、降低寻呼拥塞率，成为业界在确认TA边界时亟待解决的问题。
技术实现要素：
为了解决现有的因无法科学、合理地设置TA边界，而引起大量的位置信息无更新，进一步导致信令风暴，提高寻呼拥塞率的问题，本发明实施例提供了一种跟踪区的边界小区的确认方法和装置。
第一方面，提供了一种跟踪区的边界小区的确认方法。该方法包括以下步骤：
采集跟踪区TA区域的各个小区的基站经纬度和网络数据；
根据经纬度，生成Voronoi图；
基于Voronoi图，得到TA区域的初始边界小区和候选边界小区；
依据评估模型，对初始边界小区的网络数据进行第一评估；
当第一评估的结果不满足评估要求时，对候选边界小区的网络数据进行第二评估；
比较第二评估的结果相对第一评估的结果的优化幅度；
当优化幅度大于阈值时，将候选边界小区确认为TA区域的边界小区；
当优化幅度小于或者等于阈值时，将初始边界小区确认为TA区域的边界小区。
第二方面，提供了一种跟踪区的边界小区的确认装置。该装置包括：
数据采集单元，用于采集跟踪区TA区域的各个小区的基站经纬度和网络数据；
图形生成单元，用于根据经纬度，生成Voronoi图；
小区生成单元，用于基于Voronoi图，得到TA区域的初始边界小区和候选边界小区；
第一评估单元，用于依据评估模型，对初始边界小区的网络数据进行第一评估；
第二评估单元，用于当第一评估的结果不满足评估要求时，对候选边界小区的网络数据进行第二评估；
数据比较单元，用于比较第二评估的结果相对第一评估的结果的优化幅度；
小区确认单元，用于当优化幅度大于阈值时，将候选边界小区确认为TA区域的边界小区；当优化幅度小于或者等于阈值时，将初始边界小区确认为TA区域的边界小区。
由此，本实施例通过采集TA区域的无线基础数据，生成Voronoi图，再得到TA区域的初始边界小区和候选边界小区，然后依据评估模型，对初始边界小区的网络数据进行评估，之后再确认TA区域的边界小区，可以在不增加设备开销的情况下，准确评估TA边界变化对于网络指标的影响，从而能够指导精确划分TA区域的边界，解决现有要么增加设备开销，要么引起大量的位置信息无更新，进一步导致信令风暴，提高寻呼拥塞率等问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅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。
图1是本发明一实施例的TA边界小区的确认方法的流程示意图。
图2是本发明另一实施例的TA边界小区的确认方法的流程示意图。
图3是本发明另一实施例的TA边界小区确认的自动优化方法的流程示意图。
图4是本发明一实施例的TA边界小区确认的自动优化装置的结构示意图。
图5是本发明一实施例的TA边界小区确认的自动优化系统架构图。
具体实施方式
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。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1是本发明一实施例的TA边界小区的确认方法的流程示意图。
如图1所示，TA边界小区的确认方法包括以下步骤：S110，采集TA区域的各个小区的基站经纬度和网络数据；S120，根据经纬度，生成Voronoi图；S130，基于Voronoi图，得到TA区域的初始边界小区和候选边界小区；S140，依据评估模型，对初始边界小区的网络数据进行第一评估；S150，当第一评估的结果不满足评估要求时，对候选边界小区的网络数据进行第二评估；S160，比较第二评估的结果相对第一评估的结果的优化幅度；S170，当优化幅度大于阈值时，将候选边界小区确认为TA区域的边界小区；S180，当优化幅度小于或者等于阈值时，将初始边界小区确认为TA区域的边界小区。
在S110中，网络数据可以包括以下数据中的至少一种：寻呼拥塞率、每个小区的话务量、当前TA的基站数量、相邻TA的基站数量、每个小区跨TA的切换尝试次数。
在其他可选的实施例中，还可以采集无线基础数据。无线基础数据可以包括地图、工参、各种网络数据，例如，每个基站的场景S、话务量T、切换尝试次数H、信令拥塞率f、经纬度、归属TAC等。
在S120中，维诺Voronoi图又叫泰森多边形或Dirichlet图，它是由一组由连接两邻点直线的垂直平分线组成的连续多边形组成。
在S130中，基于Voronoi图，得到TA区域的初始边界小区和候选边界小区的实现方法可以包括：S131，将在Voronoi图上相邻且归属于不同的TA区域的小区，确认为TA区域的初始边界小区；S132，将初始边界小区外扩和/或内缩一层Voronoi相邻的小区确定为候选边界小区。
在本实施例中，根据基站的经纬度，可以生成Voronoi图。Voronoi图是根据基站的经纬度的位置间的垂直平分线组成的多边形区域。基于Voronoi图可以得到每个TA的小区列表M，以及每个TA边界小区列表N。TA边界小区的判定方法可以是：在Voronoi图上相邻，且归属于不同的TA，则认为该小区为TA边界小区。基于Voronoi图还可以得到与边界小区列表Cb外扩一层Voronoi相邻的小区为候选优化小区Cn列表和内缩一层Voronoi相邻的小区为候选优化小区Cm。
对于点集{P0，P1，…，Pn}里的种子点Pk，它的Voronoi区域Rk定义为：Rk＝{x∈X∣d(x，Pk)<d(x，Pj)，j＝{0，1，2，…，n}，j≠k}。
在S140和S150中，评估要求可以根据实际需要进行灵活设置。例如，寻呼拥塞率达到阈值时，评估结果不能满足评估要求。
在S160中，例如，优化幅度＝(第二寻呼拥塞率-第一寻呼拥塞率)/第一寻呼拥塞率。
在S170中，当所述优化幅度大于阈值时，则说明优化明显，值得优化，将所述候选边界小区确认为所述TA区域的边界小区。
在S180中，当所述优化幅度大于阈值时，则说明优化不明显，不值得优化，将所述初始边界小区确认为所述TA区域的边界小区。
需要说明的是，在不冲突的情况下，本领域的技术人员可以按实际需要将上述的操作步骤的顺序进行灵活调整，或者将上述步骤进行灵活组合等操作。为了简明，不再赘述各种实现方式。另外，各实施例的内容可以相互参考引用。
本实施例可以在不增加设备开销的情况下，准确评估TA边界变化对于网络指标的影响，并可以通过多次循环迭代操作，自动化分割TA的边界，从而能够实现TA区域边界的高精度的划分，解决现有要么增加设备开销，要么引起大量的位置信息无更新，进一步导致信令风暴，提高寻呼拥塞率等问题。
图2是本发明另一实施例的跟踪区的边界小区的确认方法的流程示意图。
本实施例是图1所示实施例的一个变形实施例，本实施例与图1所示实施例的区别在于，在步骤S130和步骤S140之间增加了步骤S210：基于网络数据训练得到评估模型。
本领域的技术人员可以理解，步骤S210本实施例只需增加在步骤S140之前即可。即，用于对初始边界小区和候选边界小区进行评估的评估模型是通过网络数据训练得到的。该评估模型可以通过循环训练，使得评估能力不断进步，如此设计可以为后续的边界小区的精确确认提供了可靠的支持。
对于同一个TA区域而言，小区数量越多，话务量越大，则寻呼拥塞率会越高；而当TA的数量越多，则位置区更新的新增会增加，也会增加寻呼拥塞率。所以对于TA而言，是在话务量和跨TA切换尝试次数之前取个平衡。所以需要构建相应的模型，并通过实际的数据来模拟得到相应的系数，寻呼拥塞率f和话务量T与切换尝试次数之前的函数关系。
构建信令寻呼拥塞率与话务量以及跨TA切换尝试次数的模型，通过大量的现网数据输入，训练得到符合当前区域的模型，得到系数α和β。
具体评价模型可以是：f＝α*Ti+β*Hij，其中，f为寻呼拥塞率，T为每个小区的话务量，i为当前TA的基站数量，j为相邻TA的基站数量，Hij为每个小区跨TA的切换尝试次数，α为第一系数，β为第二系数。
关于模型训练方法有很多，本案例以最小二乘法举例具体说明训练评价模型的实现方式：
设某一因变量f受2个自变量T,H,的影响，其n组观测值为(Ti,Hi)，i＝1,2,...,n,n为每组观察组中的基站数量，那么，多元线性回归模型的结构形式为：f＝α*Ti+β*Hi，其中，α，β为待定参数。
根据最小二乘法原理，根据如下公式：
由求极值的必要条件得：
将方程组(1)式展开整理后得：
引入向量和矩阵得到：
则正规方程组(2)式可以进一步写成如下的矩阵形式：
Ab＝B(3)
求解得：b＝A-1B＝(XTX)-1XTY，即可得到符合网络实际情况的α，β。
图3是本发明另一实施例的TA区域的边界小区的自动优化方法的流程示意图。
如图3所示，该TA区域的边界小区的自动优化方法可以包括：
S1：数据输入。
例如，获得每个基站的场景S、话务量T、跨LA切换尝试次数H、信令拥塞率(寻呼拥塞率)B、经纬度、归属TAC，得到每个TA的边界小区列表。统计每个TA的信令拥塞率，得到每个TA的小区列表，和小区数量。
S2：根据拥塞率(寻呼拥塞率)对TA分类，并得到待优化TA列表。
将每个TA进行排序，根据拥塞率进行降序排序，将TA划分为三类：高、中、低，门限分别默认为TH＝10％，TL＝30％。
第一类，拥塞率高的情况如下：当TA列表的拥塞率处于TOP 10％的区间范围内，则认为该列表中的TA是需要被优化的，需要通过降低小区数量或者话务数量来降低拥塞率。限制条件：小区数不能增加，并且，话务量：不能增加。
第二类，拥塞率中的情况如下：当TA列表的拥塞率处于TOP 10-30％，则认为该列表中的TA的小区话务数量不能够被增加，拥塞率依然处于TOP 10-30％区间范围内。
第三类，拥塞率低的情况如下：剩下的小区为拥塞率低的小区，认为可以适当增加话务数量和拥塞率，限制条件但其拥塞率依然处于低的区间内。
优化的场景可以有如下2种。
场景一：如果被优化TA的周围TA拥塞率高为或中，则被优化TA的小区数量不变，优化边界小区列表，在话务量基本持平或略降的情况下，降低跨LAC切换尝试次数H。
场景二：如果被优化TA的周围TA的拥塞率为低，则被优化TA可以通过降低切换尝试次数H或者降低小区数(话务量)的方式，来降低拥塞率。
S3：得到待候选调整方案。
得到与边界小区列表Cb外扩一层Voronoi相邻的小区为候选优化小区Cn列表和内缩一层Voronoi相邻的小区为候选优化小区Cm。
场景一：需要找到一组或多组一层Voronoi不相邻的Cb Cn小区，满足α*Tb+β*Hb>α*Tn+β*Hn，尝试将该n小区加入被优化TA，而b小区则从该TA中移除，加入到相邻的TA中。
场景二：找到一组或多组一层Voronoi相邻的Cb Cm小区，满足Hm＜Hb，则尝试将b小区从该TA中剔除，加入到相邻TA中。
S4：方案评估。
对于所有上述尝试，最终进入评价函数进行评价。评价函数如下所示：
对于每个TA，小区数小于一定门限，其中，p为现网方案TA的总数量，i为当前TA的基站数量，j为相邻TA的基站数量，T为每个小区的话务量，Hij为每个小区跨TA的切换尝试次数，即每更新一次TA，相应小区的H都需要重新统计。
将S3进行调整，代入到S4中做方案评估。
如果默认x＝1％，则认为第n个方案的优化幅度在预期范围内，则该方案被接受，重新得到每个TA的边界小区，根据训练过的拟合函数重新计算计算得到TA拥塞率，重新进代入S2；
如果默认x＝1％，则认为第n个方案的优化幅度没有满足预期，则该TA方案不接受，不做优化，重新进入S2。
S5：终止条件判定。
连续m次方案的都满足默认x＝1％，则认为方案迭代趋向于收敛，转至S6，软件退出迭代，否则，进入S7。
S6：终止。
S7：方案搜索，转至S2，进入下一轮的迭代。
由此，上述实施例提出一种通过评价函数的方法来整体评价TA，但并不局限于具体函数的表达式和参数；还提出了通过现网实际情况训练评价模型方法，得到符合实际网络情况的评价模型参数，提高评价的准确性，训练方法包括但不限于最小二乘法；还提出了一种能够自动收敛的自动优化TA边界的方法，可以提高的优化效率和准确度。另外，上述实施例还可以通过分场景的方式来优化TA，但不局限于分场景的方法和门限；此外，通过相对门限的方法来划分小区，使得无论在什么情况下，都可以有被优化的TA，但并不局限于具体的门限值。
图4是本发明另一实施例的TA区域的边界小区的自动优化装置的结构示意图。
如图4所示，跟踪区的边界小区的确认装置400可以包括：数据采集单元410、图形生成单元420、小区生成单元430、第一评估单元440、第二评估单元450、数据比较单元460和小区确认单元470。其中，数据采集单元410可以用于采集跟踪区TA区域的各个小区的基站经纬度和网络数据；图形生成单元420可以用于根据经纬度，生成Voronoi图；小区生成单元430可以用于基于Voronoi图，得到TA区域的初始边界小区和候选边界小区；第一评估单元440可以用于依据评估模型，对初始边界小区的网络数据进行第一评估；第二评估单元450可以用于当第一评估的结果不满足评估要求时，对候选边界小区的网络数据进行第二评估；数据比较单元460可以用于比较第二评估的结果相对第一评估的结果的优化幅度；小区确认单元470可以用于当优化幅度大于阈值时，将候选边界小区确认为TA区域的边界小区；当优化幅度小于或者等于阈值时，将初始边界小区确认为TA区域的边界小区。
需要说明的是，本实施例中所示的功能单元或者功能模块的实现方式可以为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
在一些实施例中，在图4的基础上，还可以增加：模型训练单元。模型训练单元可以用于基于网络数据训练得到评估模型。
在一些实施例中，网络数据可以包括以下数据中的至少一种：寻呼拥塞率、每个小区的话务量、当前TA的基站数量、相邻TA的基站数量、每个小区跨TA的切换尝试次数。
在一些实施例中，评估模型可以为：f＝α*Ti+β*Hij，其中，f为寻呼拥塞率，T为每个小区的话务量，i为当前TA的基站数量，j为相邻TA的基站数量，Hij为每个小区跨TA的切换尝试次数，α为第一系数，β为第二系数。
在一些实施例中，小区确认单元470可以包括：第一确认模块和第二确认模块。其中，第一确认模块可以用于将在Voronoi图上相邻且归属于不同的TA区域的小区，确认为TA区域的初始边界小区；第二确认模块可以用于将初始边界小区外扩和/或内缩一层Voronoi相邻的小区确定为候选边界小区。
需要说明的是，上述各实施例的装置可作为上述各实施例的用于各实施例的方法中的执行主体，可以实现各个方法中的相应流程，为了简洁，此方面内容不再赘述。
由此，上述实施例提出一种通过评价函数的方法来整体评价TA，使得TA的优化可以被评价；还提出了通过现网实际情况训练评价模型方法，得到符合实际网络情况的评价模型参数，以提高优化效率和优化精度；提出了一种能够自动收敛的自动优化TA边界的方法，提高的优化效率和准确度。另外，上述实施例可以通过分场景的方式来优化TA，满足不同场景的优化方法；还可以通过相对门限的方法来划分小区，使得无论在什么情况下，都可以有被优化的TA。
图5是本发明一实施例的TA区域的边界小区的自动优化系统架构图。
如图5所示，该系统架构可以包括：基础数据管理子系统501、评价模型训练子系统502和TA自动优化子系统503。
基础数据管理子系统501可以用于保存和管理无线基础数据，并作基础数据处理和准备工作。无线基础数据可以包括地图、工参、各种网络数据。基础数据管理子系统501可以获得每个基站的场景S、话务量T、切换尝试次数H、信令拥塞率f、经纬度、归属TAC。
在本实施例中，根据基站的经纬度，可以生成Voronoi图。Voronoi图是根据基站的经纬度的位置间的垂直平分线组成的多边形区域。基于Voronoi图可以得到每个TA的小区列表M，以及每个TA边界小区列表N。TA边界小区的判定方法可以是：在Voronoi图上相邻，且归属于不同的TA，则认为该小区为TA边界小区。基于Voronoi图还可以得到与边界小区列表Cb外扩一层Voronoi相邻的小区为候选优化小区Cn列表和内缩一层Voronoi相邻的小区为候选优化小区Cm。
对于点集{P0，P1，…，Pn}里的种子点Pk，它的Voronoi区域Rk定义为：Rk＝{x∈X∣d(x，Pk)<d(x，Pj)，j＝{0，1，2，…，n}，j≠k}。
评价模型训练子系统502对于同一个TA区域而言，小区数量越多，话务量越大，则寻呼拥塞率会越高；而当TA的数量越多，则位置区更新的新增会增加，也会增加寻呼的拥塞率。所以对于TA而言，是在话务量和跨TA切换尝试次数之前取个平衡。所以需要构建相应的模型，并通过实际的数据来模拟得到相应的系数，寻呼拥塞率f和话务量T与切换尝试次数之前的函数关系。
构建信令寻呼拥塞率与话务量以及跨TA切换尝试次数的模型，通过大量的现网数据输入，训练得到符合当前区域的模型，得到系数α和β。关于模型训练方法可以包括但不限于最小二乘法。
具体评价模型可以是：f＝α*Ti+β*Hij。其中，p可以为现网方案TA的总数量，i可以为当前TA的基站数量，j可以为相邻TA的基站数量，T可以为每个小区的话务量，Hij可以为每个小区跨TA的切换尝试次数，f可以为寻呼拥塞率。
TA自动优化子系统503可以执行自动优化边界小区的如下5个操作步骤。
步骤1：数据输入。
获得每个基站的场景S、话务量T、跨LA切换尝试次数H、信令拥塞率B、经纬度、归属TAC，得到每个TA的边界小区列表，统计每个TA的信令拥塞率，得到每个TA的小区列表，和小区数量。
步骤2：根据拥塞率对TA分类，并得到待优化TA列表。
将每个TA进行排序，根据拥塞率进行降序排序，将TA划分为三类：高、中、低，门限分别默认为TH＝10％，TL＝30％。
第一类，拥塞率高的情况如下：当TA列表的拥塞率处于TOP 10％的区间范围内，则认为该列表中的TA是需要被优化的，需要通过降低小区数量或者话务数量来降低拥塞率。限制条件：小区数不能增加，并且，话务量：不能增加。
第二类，拥塞率中的情况如下：当TA列表的拥塞率处于TOP 10-30％，则认为该列表中的TA的小区话务数量不能够被增加，拥塞率依然处于TOP 10-30％区间范围内。
第三类，拥塞率低的情况如下：剩下的小区为拥塞率低的小区，认为可以适当增加话务数量和拥塞率，限制条件但其拥塞率依然处于低的区间内。
下面列举2种优化的场景，具体如下所示：
场景一：如果被优化TA的周围TA拥塞率为或中，则被优化TA的小区数量不变，优化边界小区列表，在话务量基本持平或略降的情况下，降低跨LAC切换尝试次数H。
场景二：如果被优化TA的周围TA的拥塞率为低，则被优化TA可以通过降低切换尝试次数H或者降低小区数(话务量)的方式，来降低拥塞率
步骤3：得到待候选小区列表。
得到与边界小区列表Cb外扩一层Voronoi相邻的小区为候选优化小区Cn列表和内缩一层Voronoi相邻的小区为候选优化小区Cm。
对于场景一：需要找到一组或多组一层Voronoi不相邻的Cb Cn小区，满足α*Tb+β*Hb>α*Tn+β*Hn，找到的该n小区加入被优化TA，而b小区则从该TA中移除，加入到相邻的TA中对于场景二：找到一组或多组一层Voronoi相邻的Cb Cm小区，满足Hm＜Hb，则将b小区从该TA中剔除，加入到相邻TA中。
步骤4：方案评估。
评价函数可以如下所示：
对于每个TA，小区数小于一定门限，其中，p为现网方案TA的总数量，i为当前TA的基站数量，j相邻TA的基站数量，T为每个小区的话务量，Hij为每个小区跨TA的切换尝试次数，即每更新一次TA，相应小区的H都需要重新统计。
将步骤3中的调整，代入到步骤4种做方案评估。如果F的降低>1％，则该方案被接受，重新得到每个TA的边界小区，根据训练过的拟合函数重新计算计算得到TA拥塞率，重新进代入步骤2。如果F的降低<1％，则该TA方案不接受，不做优化，重新进入步骤2。
步骤5：终止条件判定。
当连续N次方案的提升幅度<1％，则终止迭代。N和提升幅度的数字可以根据实际情况灵活设置，此方面不做限制。
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。
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。
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。