一种车辆位置划分方法、设备及存储介质与流程

1.本发明涉及交通运输智能网联的大数据分析技术领域，具体涉及一种车辆位置划分方法、设备及存储介质。


背景技术：

2.随着智能驾驶和无人驾驶的兴起，对车辆的管理和监控工作也显得越来越重要。智能驾驶的网络导航，解决我们在哪里、到哪里、走哪条道路中的哪条车道等问题；自主驾驶是在智能系统控制下，完成车道保持、超车并道、红灯停绿灯行、灯语笛语交互等驾驶行为；人工干预，就是说驾驶员在智能系统的一系列提示下，对实际的道路情况做出相应的反应。
3.无论是智能驾驶，还是自主驾驶，亦或是人工干预都需要监管者对所有的目标车辆进行有效的监控和管理，为了方便管理，需要对所有的车辆进行的位置进行划分，以方便监控和管理；对所有的目标车辆进行划分，还可方便制定不同的监管策略。
4.现有技术中通常采用k-means，dbscan等聚类算法，随机抛洒形成初始聚类质心的位置。但是始质心是随机抛撒得到，盲目性很大，最终聚类效果不好，和用户的心理预期差距很大。另外，聚类结果的最终质心位置，大概率不是聚类中的某一辆车(也就是某一个数据点)，而位于本类别的所有数据点中间的某一空白位置。而移动车联网应用中希望聚类的质心是一辆具体的车的位置，以作为质心的车辆作为本类别中所有车辆的(移动车联网的)最佳转发者，最终质心位置若位于本类别的所有数据点中间的某一空白位置，会导致某些操作指令不方便执行。


技术实现要素：

5.针对现有技术中存在的缺陷，本发明的目的在于提供一种车辆位置划分方法、设备及存储介质，能够解决现有技术中始质心是随机抛撒得到，盲目性很大，导致最终聚类效果不好，和用户的心理预期差距很大，或者质心位于空白位置的问题。
6.为达到以上目的，本发明采取的技术方案是：
7.本发明提供一种车辆位置划分方法，包括以下步骤：
8.获取所有车辆的居中程度，以居中程度最大的车辆为中心，从所有车辆中筛选划分出第一车辆团簇；
9.获取剩余车辆的居中程度，以剩余车辆中居中程度最大的车辆位置为中心，筛选划分出下一车辆团簇，以此类推，直至筛选划分完成。
10.在一些可选的方案中，所述的获取所有车辆的居中程度，以居中程度最大的车辆为中心，从所有车辆中筛选划分出第一车辆团簇，包括：
11.根据所有车辆相互之间的距离和居中程度公式，计算所有车辆的居中程度；
12.将所有车辆的居中程度进行对比，得到居中程度最大的车辆；
13.以居中程度最大的车辆为中心，基于递归删除算法，从所有车辆中筛选划分出第
一车辆团簇。
14.在一些可选的方案中，根据居中程度公式确定第i辆车的居中程度deni，其中，n为所有车辆的数量，j＝1
…
,
…
n，且j≠i，t(i,j)为第i辆车到第j辆车之间的距离。
15.在一些可选的方案中，根据居中程度公式确定第i辆车的居中程度deni，其中，n为所有车辆的数量，j＝1
…
,
…
n，且j≠i，t(i,j)为第i辆车到第j辆车之间的距离，c为正常数，e为自然底数。
16.在一些可选的方案中，根据居中程度公式deni＝a1×
x1+a2×
x2+
……
+am×
xm，确定第i辆车的居中程度deni，am为以第i辆车为中心划分同心圆中第m-1和第m个同心圆之间的车辆数，xm为第i辆车为中心划分同心圆中第m-1和第m个同心圆之间区域车辆的居中程度权重。
17.在一些可选的方案中，在根据所有车辆相互之间的距离和居中程度公式，计算所有车辆的居中程度后，还根据公式对第i辆车的居中程度deni进行修正作为最终的第i辆车的居中程度，其中，n为以第i辆车为中心在其周围360度方向均匀划分区域的个数，m为均匀划分区域内存在车辆的区域数。
18.在一些可选的方案中，所述的以居中程度最大的车辆为中心，基于递归删除算法，从所有车辆中筛选划分出第一车辆团簇，包括以下步骤：
19.以居中程度最大车辆的位置为中心，从所有车辆中筛选划分出设定半径内的车辆集合；
20.以该车辆集合中的各个车辆位置各自为中心，从剩余车辆中筛选划分出设定半径内的下一车辆集合，以此类推，直至新划分的车辆集合没有筛选出新的车辆；
21.将居中程度最大的车辆和所有车辆集合作为第一车辆团簇。
22.在一些可选的方案中，在筛选划分出每一车辆团簇时，居中程度最大的车辆为该车辆团簇的质心。
23.另一方面，本发明还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上可被所述处理器执行的计算及程序，其中所述计算机程序被所述处理器执行时，实现如上述一种车辆位置划分方法的步骤。
24.还有一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述一种车辆位置划分方法的步骤。
25.与现有技术相比，本发明的优点在于：先在所有的车辆中，通过居中程度最大的车辆选出一个车辆团簇，就将该车辆团簇的数据从所有车辆的数据中筛选划分出来；然后获取剩余车辆的居中程度，以剩余车辆中居中程度最大的车辆位置为中心，筛选划分出下一车辆团簇，以此类推，直至筛选划分完成。这样就可以保证挑选一个高居中程度车辆作为候选质心后，不再选取它近邻车辆，以及它近邻的近邻车辆(递归近邻)等作为候选质心。并且
保证每一车辆团簇的质心都为车辆，不会出现在空白的位置，方便操作指令的执行，尤其是转发指令的执行。
附图说明
26.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，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。
27.图1为本发明实施例中车辆位置划分方法的流程图；
28.图2为本发明实施例中步骤s1的流程图；
29.图3为本发明实施例中一种计算居中程度的示意图；
30.图4为本发明实施例中另一种计算居中程度的示意图；
31.图5为本发明实施例中计算机设备的结构示意框图。
具体实施方式
32.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术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技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
33.以下结合附图对本发明的实施例作进一步详细说明。
34.如图1所示，本发明提供一种车辆位置划分方法，其特征在于，包括以下步骤：
35.s1：获取所有车辆的居中程度，以居中程度最大的车辆为中心，从所有车辆中筛选划分出第一车辆团簇。
36.本方案中通过以居中程度最大的车辆为中心，从所有车辆中筛选划分出第一车辆团簇，可使第一车辆团簇内的中心(质心)必然为车辆，而不会出现在车辆之间的空白地带。
37.用车辆的居中程度来衡量附近车辆的数量，以及与本车辆的靠近程度。附近车辆越多，越紧靠本车，则本车的居中程度越大。
38.如图2所示，步骤s1具体包括以下步骤：
39.步骤s11：根据所有车辆相互之间的距离和居中程度公式，计算所有车辆的居中程度。
40.本方案中，提供三种计算居中程度的方式。
41.第一种计算方式为：
42.首先获取所有车辆中两两车辆之间的距离t(i,j)，i和j分别表示车辆的标号，t(i,j)表示第i辆车到第j辆车之间的距离。
43.根据居中程度公式确定第i辆车的居中程度deni，其中，n为所有车辆的数量，i、j＝1
…
,
…
n，且j≠i，t(i,j)为第i辆车到第j辆车之间的距离。
44.如图3所示，下面以总车辆5辆车为例，给出一种该计算方式的具体实施例：
45.虚线圆圈表示以2号车辆为中心的范围(半径r)，蓝色圆圈表示以5号车辆为中心
的范围(半径r)。2号车辆的密度，比5号车辆的密度要大，因为二者虽然范围内的其它车辆数量一样，但2号车辆到它的其它车辆(1,3,4,5)的距离，普遍比5号车辆到它的其它车辆(1,2，3,4)的距离小，因此密度更大。
46.用t
(i,j)
表示第i号车辆与第j号车辆的距离，取f(i,j)＝1/t(i,j)：2号车辆的密度(den
v2
)＝(1/t(2,1))*1+(1/t(2,3))*1+(1/t(2,4))*1+(1/t(2,5))*1,其中乘以1,1是表示一辆车数量(vnum)。
47.类似的，5号车辆的密度den
v5
＝(1/t(5,1))*1+(1/t(5,2))*1+(1/t(5,3))*1+(1/t(5,4))*1
48.第二种计算方式为：
49.该计算方式中，使用不同加权权重函数的居中程度计算方式对车辆i计算居中程度时，i的附近车辆j的权重f，权重f按公式f(i，j)＝c*e^-t(i,j)计算。
50.那么所有的车辆，则根据居中程度公式确定第i辆车的居中程度deni，其中，n为所有车辆的数量，i、j＝1
…
,
…
n，且j≠i，t(i,j)为第i辆车到第j辆车之间的距离，c为正常数，e为自然底数。本例中，为了放大函数值避免内存溢出，c取值为某一正常数，例如c＝10。
51.第三种计算方式为：
52.在本计算方式中，在给某一车辆计算其居中程度时，首先以该车辆为中心按不同半径划分区域，不同区域内的车辆设定不同的权重，越靠近该车辆的环中的近邻车辆，其对给定车辆的居中程度贡献越大，其权重也就越大。例如，以该车辆为中心，以第一半径画圆后，形成第一圆环，第一圆环内的车辆权重为x1，以该车辆为中心，以第二半径画圆后，形成第二圆环，且第二半径大于第一半径，第一圆环与第二圆环之间的车辆权重为x2，以此类推，划分完所有的车辆。
53.根据居中程度公式deni＝a1×
x1+a2×
x2+
……
+am×
xm，确定第i辆车的居中程度deni，am为以第i辆车为中心划分同心圆中第m-1和第m个同心圆之间的车辆数，xm为第i辆车为中心划分同心圆中第m-1和第m个同心圆之间区域车辆的居中程度权重。本例中，x1＞x2＞
……
xm，且a1+a2+
……
+am＝n，n为所有车辆的数量。
54.如图4所示，下面以总车辆5辆车为例，给出一种该计算方式的具体实施例：
55.假设内环权重x1,中环权重x2，外环权重x3，x1》x2》x3；
56.第一辆车的居中程度den1＝2*x1+1*x2+1*x3，因为内环有两个近邻车辆，中环一个，外环一个。
57.在一些可选的实施例中，在计算给定第i辆车的居中程度时，直观上，在近邻车辆有同样数量，同样距离时，如果近邻车辆越完整地“包围”第i辆车，第i辆车的居中程度应该越大；如果近邻车辆在同样数量同样距离时，没有完整包围第i辆车，有空缺，则第i辆车的居中程度应该相应减小。
58.以此，本方案中给出来一种包括但不限于下述的象限缩减比例系数法，来修正通过上述三种计算居中程度方式而获得的居中程度，作为最终的居中程度：
59.先按上述三种计算居中程度的方式，计算给定第i辆车的居中程度deni，然后把第i辆车的周围360度，平均分为n个方向区间(每个区间角度相等)，设其中m个区间存在与a近
邻的车辆，n-m个区间不存在与a近邻的车辆。
60.还根据公式对第i辆车的居中程度deni进行修正作为最终的第i辆车的居中程度，其中，n为以第i辆车为中心在其周围360度方向均匀划分区域的个数，m为均匀划分区域内存在车辆的区域数。
61.步骤s12：将所有车辆的居中程度进行对比，得到居中程度最大的车辆。
62.本例中，通过上述三种计算居中程度的方式计算获得所有车辆的居中程度后，可在通过上述方案中提到的象限缩减比例系数法对所有车辆的居中程度进行修正后，作为最终的居中程度进行对比，以得到居中程度最大的车辆。
63.另外，也可以将所有车辆按居中程度，从大到小排列在一个列表内(在计算每一车辆时直接比较后排列后放置在数据列表中)，在使用时直接选出居中程度最大的车辆。
64.步骤s13：以居中程度最大的车辆为中心，基于递归删除算法，从所有车辆中筛选划分出第一车辆团簇。
65.直观上，居中程度越大的车辆越适合做质心。但不能直接取居中程度最大的前k个车辆做质心，因为它们可能彼此位置密接，属于同一个直观上的团簇。
66.为了取出居中程度大、但又不属于同一团簇的高居中程度车辆。挑选一个高居中程度车辆作为候选质心后，不再选取它近邻车辆，以及它近邻的近邻车辆(递归近邻)等作为候选质心。这样保证每一个候选质心，都是自己所在团簇中唯一的候选者，保证每一个候选质心，都分别属于不同的团簇。
67.本例中，先在所有的车辆中，通过居中程度最大的车辆选出一个车辆团簇，就将该车辆团簇的数据从所有车辆的数据中删除，这样就可以保证挑选一个高居中程度车辆作为候选质心后，不再选取它近邻车辆，以及它近邻的近邻车辆(递归近邻)等作为候选质心。
68.步骤13具体包括以下步骤：
69.a：以居中程度最大车辆的位置为中心，从所有车辆中筛选划分出设定半径内的车辆集合。
70.本例中，确定了最大居中程度的车辆m，将所有与m直接距离小于r的车辆筛选划分出来作为m1(m1是一个车辆集合，代表所有与m直接距离小于r的车辆)。
71.b：以该车辆集合中的各个车辆位置各自为中心，从剩余车辆中筛选划分出设定半径内的下一车辆集合，以此类推，直至新划分的车辆集合没有筛选出新的车辆。
72.本例中，从车辆集合m1中所有车辆各自的车辆位置为中心，从剩余车辆中筛选划分出距离小于r的所有车辆，作为m2(m2也是一个车辆集合，代表所有与m1中任何车辆的直接距离小于r的车辆)，以此类推m3，m4
…
mi，直至某个mi中没有筛选出新的车辆。
73.c：将居中程度最大的车辆和所有车辆集合作为第一车辆团簇。
74.在本实施例中，将m，m1，m2
…
mi取并集后作为第一车辆团簇。并将第一车辆团簇的车辆数据从所有车辆中删除，从剩余的车辆中筛选下一车辆团簇。这样就可以避免挑选一个高居中程度车辆作为候选质心后，再选取它近邻车辆，以及它近邻的近邻车辆(递归近邻)等作为候选质心。
75.s2：获取剩余车辆的居中程度，以剩余车辆中居中程度最大的车辆位置为中心，筛选划分出下一车辆团簇，以此类推，直至筛选划分完成。
76.本例中，由于从所有车辆中已经选出了第一车辆团簇，需要在剩余的车辆中重新确定剩余车辆中的居中程度最高的车辆。
77.所以，需要再先根据剩余车辆中根据剩余车辆相互之间的距离和居中程度公式，计算剩余所有车辆的居中程度；将剩余所有车辆的居中程度进行对比，得到剩余所有车辆中居中程度最大的车辆，以剩余车辆中居中程度最大的车辆位置为中心，筛选划分出下一车辆团簇，以此类推，直至所有的车辆均被筛选划分。
78.另外，为了避免划分至最后过多的单独车辆构成一个单独的车辆团簇，可以在设定r的取值时，可选择设定一个适当的r，将所有的车辆都适当的筛选划分到合理的团簇内，避免单独的车辆构成一个单独的团簇。当然，在实际使用过程中，还要考虑其他因素，以给出一个合理的划分方式。
79.在一些可选的实施例中，在筛选划分出每一车辆团簇时，居中程度最大的车辆为该车辆团簇的质心。
80.居中程度越大的车辆越适合做质心。但不能直接取居中程度最大的前k个车辆做质心，因为它们可能彼此位置密接，属于同一个直观上的团簇。
81.在本例中，先在所有的车辆中，通过居中程度最大的车辆选出一个车辆团簇，就将该车辆团簇的数据从所有车辆的数据中删除，这样就可以保证挑选一个高居中程度车辆作为候选质心后，不再选取它近邻车辆，以及它近邻的近邻车辆(递归近邻)等作为候选质心。
82.需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块及单元的具体工作过程，可以参考前述车辆位置划分方法实施例中的对应过程，在此不再赘述。
83.上述实施例提供的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图5所示的计算机设备上运行。
84.请参阅图5，图5为本技术实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为终端。
85.如图5所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
86.非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种车辆位置划分方法。
87.处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
88.内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种车辆位置划分方法。
89.该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
90.应当理解的是，处理器可以是中央处理单元(central processing unit，cpu)，该处理器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)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻
辑器件、分立硬件组件等。其中，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。
91.其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
92.s1：获取所有车辆的居中程度，以居中程度最大的车辆为中心，从所有车辆中筛选划分出第一车辆团簇。
93.步骤s1具体包括以下步骤：
94.步骤s11：根据所有车辆相互之间的距离和居中程度公式，计算所有车辆的居中程度。
95.本方案中，提供三种计算居中程度的方式。
96.第一种计算方式为：
97.首先获取所有车辆中两两车辆之间的距离t(i,j)，i和j分别表示车辆的标号，t(i,j)表示第i辆车到第j辆车之间的距离。
98.根据居中程度公式确定第i辆车的居中程度deni，其中，n为所有车辆的数量，j＝1
…
,
…
n，且j≠i，t(i,j)为第i辆车到第j辆车之间的距离。
99.第二种计算方式为：
100.根据居中程度公式确定第i辆车的居中程度deni，其中，n为所有车辆的数量，j＝1
…
,
…
n，且j≠i，t(i,j)为第i辆车到第j辆车之间的距离，c为正常数，e为自然底数。本例中，为了放大函数值避免内存溢出，c取值为某一正常数，例如c＝10。
101.第三种计算方式为：
102.首先以该车辆为中心按不同半径划分区域，不同区域内的车辆设定不同的权重，越靠近该车辆的环中的近邻车辆，其对给定车辆的居中程度贡献越大，其权重也就越大。例如，以该车辆为中心，以第一半径画圆后，形成第一圆环，第一圆环内的车辆权重为x1，以该车辆为中心，以第二半径画圆后，形成第二圆环，且第二半径大于第一半径，第一圆环与第二圆环之间的车辆权重为x2，以此类推，划分完所有的车辆。
103.根据居中程度公式deni＝a1×
x1+a2×
x2+
……
+am×
xm，确定第i辆车的居中程度deni，am为以第i辆车为中心划分同心圆中第m-1和第m个同心圆之间的车辆数，xm为第i辆车为中心划分同心圆中第m-1和第m个同心圆之间区域车辆的居中程度权重。本例中，x1＞x2＞
……
xm，且a1+a2+
……
+am＝n，n为所有车辆的数量。
104.在一些可选的实施例中，
105.先按上述三种计算居中程度的方式，计算给定第i辆车的居中程度deni，然后把第i辆车的周围360度，平均分为n个方向区间(每个区间角度相等)，设其中m个区间存在与a近邻的车辆，n-m个区间不存在与a近邻的车辆。
106.还根据公式对第i辆车的居中程度deni进行修正作为最终的第i辆车的居中程度，其中，n为以第i辆车为中心在其周围360度方向均匀划分区域的个数，m为均匀划分区域内存在车辆的车辆数。
107.步骤s12：将所有车辆的居中程度进行对比，得到居中程度最大的车辆。
108.通过上述三种计算居中程度的方式计算获得所有车辆的居中程度后，可在通过上述方案中提到的象限缩减比例系数法对所有车辆的居中程度进行修正后，作为最终的居中程度进行对比，以得到居中程度最大的车辆。
109.步骤s13：以居中程度最大的车辆为中心，基于递归删除算法，从所有车辆中筛选划分出第一车辆团簇。
110.步骤13具体包括以下步骤：
111.a：以居中程度最大车辆的位置为中心，从所有车辆中筛选划分出设定半径内的车辆集合。
112.本例中，确定了最大居中程度的车辆m，将所有与m直接距离小于r的车辆筛选划分出来作为m1(m1是一个车辆集合，代表所有与m直接距离小于r的车辆)。
113.b：以该车辆集合中的各个车辆位置各自为中心，从剩余车辆中筛选划分出设定半径内的下一车辆集合，以此类推，直至新划分的车辆集合没有筛选出新的车辆。
114.本例中，从车辆集合m1中所有车辆各自的车辆位置为中心，从剩余车辆中筛选划分出距离小于r的所有车辆，作为m2(m2也是一个车辆集合，代表所有与m1中任何车辆的直接距离小于r的车辆)，以此类推m3，m4
…
mi，直至某个mi中没有筛选出新的车辆。
115.c：将居中程度最大的车辆和所有车辆集合作为第一车辆团簇。
116.在本实施例中，将m，m1，m2
…
mi取并集后作为第一车辆团簇。并将第一车辆团簇的车辆数据从所有车辆中删除，从剩余的车辆中筛选下一车辆团簇。这样就可以避免挑选一个高居中程度车辆作为候选质心后，再选取它近邻车辆，以及它近邻的近邻车辆(递归近邻)等作为候选质心。
117.s2：获取剩余车辆的居中程度，以剩余车辆中居中程度最大的车辆位置为中心，筛选划分出下一车辆团簇，以此类推，直至筛选划分完成。
118.本例中，需要再先根据剩余车辆中根据剩余车辆相互之间的距离和居中程度公式，计算剩余所有车辆的居中程度；将剩余所有车辆的居中程度进行对比，得到剩余所有车辆中居中程度最大的车辆，以剩余车辆中居中程度最大的车辆位置为中心，筛选划分出下一车辆团簇，以此类推，直至所有的车辆均被筛选划分。
119.另外，为了避免划分至最后过多的单独车辆构成一个单独的车辆团簇，可以在设定r的取值时，可选择设定一个适当的r，将所有的车辆都适当的筛选划分到合理的团簇内，避免单独的车辆构成一个单独的团簇。当然，在实际使用过程中，还要考虑其他因素，以给出一个合理的划分方式。
120.在一些可选的实施例中，在筛选划分出每一车辆团簇时，居中程度最大的车辆为该车辆团簇的质心。
121.在本例中，先在所有的车辆中，通过居中程度最大的车辆选出一个车辆团簇，就将该车辆团簇的数据从所有车辆的数据中删除，这样就可以保证挑选一个高居中程度车辆作为候选质心后，不再选取它近邻车辆，以及它近邻的近邻车辆(递归近邻)等作为候选质心。
122.本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时所实现的方法可参照本技术车辆位置划分方法的各个实施例。
123.其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。
124.需要说明的是，在本技术中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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。
125.以上所述仅是本技术的具体实施方式，使本领域技术人员能够理解或实现本技术。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。