车辆驾驶评价及其模型的训练方法、装置、设备及介质与流程

1.本技术涉及机器学习技术领域，尤其涉及一种车辆驾驶评价及其模型的训练方法、装置、设备及介质。


背景技术：

2.随着车辆智能化程度的不断提升，车辆能够为用户提供的智驾功能也越来越多。为使得车辆提供的智驾功能在安全性能、舒适度等方面达到一定的标准，通常需要对车辆的智驾功能进行评价。现有的智驾功能评价方法，通常需要一部分人群对智驾功能的使用体验进行主观评价，以及需要测试工程师对车辆在各种使用场景中的智驾功能测试以得到客观评价数据。
3.然而上述主观评价数据和客观评价数据由于评价的角度和维度的不同，通常难以做到主观评价数据和客观评价数据在智驾功能上对应起来。此外，由于不同的智驾功能的主观评价人群可能也有所不同，这就导致所得到的主观评价数据也存在很大差异。而且不同人群由于对智驾功能的了解程度不同，或对于智驾功能的主观评价经验不同，也导致所得到的主观评价数据在评分尺度上也有所不同。这些主观评价数据在与客观评价数据对应起来时，以回溯到产品研发中也显得难度较大。
4.因此，如何为现有的各类车辆的智驾功能提供一种客观准确的车辆驾驶评价方法，以为车辆智驾功能的研发改进提供有利依据，仍然需要提供进一步的解决方案。


技术实现要素：

5.本技术的多个方面提供一种车辆驾驶评价及其模型的训练方法、装置、设备及介质，用以提高车辆的智驾功能评价的准确性，从而为车辆智驾功能的研发改进提供有利的依据。
6.第一方面，本技术实施例提供一种车辆驾驶评价模型的训练装置，包括：数据获取模块，用于获取目标群体对车辆的智驾功能的评价数据、所述智驾功能的性能参数、所述目标群体的用户画像以及所述评价数据对应的专家评价结果；其中，所述目标群体至少包括用户群体、车辆工程师群体以及车辆专家群体中的一种，所述智驾功能的性能参数为对所述评价数据对应的智驾功能进行测试得到；数据标注模块，用于基于所述目标群体的用户画像、所述智驾功能的性能参数，对所述评价数据进行数据标注，得到所述数据标注后的评价数据；模型训练模块，用于以所述数据标注后的评价数据为训练样本集、以及所述评价数据对应的专家评价结果为样本标签，对车辆驾驶评价模型进行训练。
7.第二方面，本技术实施例还提供车辆驾驶评价装置，包括：参数获取模块，用于获取待评价的目标智驾功能的性能参数；功能评价模块，用于将所述目标智驾功能的性能参数输入至车辆驾驶评价模型中，以输出得到至少一个用户群体对所述目标智驾功能的性能参数的评分；
参数确定模块，用于基于所述至少一个用户群体对所述目标智驾功能的性能参数的评分，获取所述目标智驾功能的最优性能参数；其中，所述车辆驾驶评价模型为基于第一方面所述的车辆驾驶评价模型的训练装置训练得到。
8.第三方面，本技术实施例还提供一种车辆驾驶评价模型的训练方法，包括：获取目标群体对车辆的智驾功能的评价数据、所述智驾功能的性能参数、所述目标群体的用户画像以及所述评价数据对应的专家评价结果；其中，所述目标群体至少包括用户群体、车辆工程师群体以及车辆专家群体中的一种，所述智驾功能的性能参数为对所述评价数据对应的智驾功能进行测试得到；基于所述目标群体的用户画像、所述智驾功能的性能参数，对所述评价数据进行数据标注，得到所述数据标注后的评价数据；以所述数据标注后的评价数据为训练样本集、以及所述评价数据对应的专家评价结果为样本标签，对车辆驾驶评价模型进行训练。
9.第四方面，本技术实施例还提供一种车辆驾驶评价方法，包括：获取待评价的目标智驾功能的性能参数；将所述目标智驾功能的性能参数输入至车辆驾驶评价模型中，以输出得到至少一个用户群体对所述目标智驾功能的性能参数的评分；基于所述至少一个用户群体对所述目标智驾功能的性能参数的评分，获取所述目标智驾功能的最优性能参数；其中，所述车辆驾驶评价模型为基于第一方面所述的车辆驾驶评价模型的训练装置训练得到。
10.第五方面，本技术实施例还提供一种计算机设备，包括：存储器和处理器；其中，所述存储器，用于存储计算机程序；所述处理器耦合至所述存储器，用于执行所述计算机程序以用于执行第三方面或第四方面所述方法中的步骤。
11.第六方面，本技术实施例还提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序被处理器执行时，致使所述处理器能够实现第三方面或第四方面所述方法中的步骤。
12.由以上本技术实施例提供的技术方案可见，本技术实施例方案至少具备如下一种技术效果：本技术提供的一个或多个实施例，能够由数据获取模块获取目标群体对车辆的智驾功能的评价数据、智驾功能的性能参数、目标群体的用户画像以及评价数据对应的专家评价结果；再由数据标注模块基于目标群体的用户画像、智驾功能的性能参数，对评价数据进行数据标注；最后由模型训练模块以数据标注后的评价数据为训练样本集、以及评价数据对应的专家评价结果为样本标签，对车辆驾驶评价模型进行训练。由于训练车辆驾驶评价模型的数据来自用户群体、车辆工程师群体以及车辆专家群体等群体中的一种或几种，考虑了普通用户与专业用户对车辆的智驾功能的需求，覆盖面较广，且用于标注评价数据的智驾功能的性能参数为对评价数据对应的智驾功能进行测试得到的，因此得到的车辆驾驶评价模型能够准确预测各个群体的用户对车辆的智驾功能的性能指标的偏好值，同时在训练阶段的数据标注也实现了用户对智驾功能的评价数据与客观的性能指标的测试数据
之间的对应，为车辆智驾功能回溯至研发阶段的改进提供了有利依据。
附图说明
13.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例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：图1为本技术一示例性实施例提供的一种车辆驾驶评价模型的训练装置的结构示意图；图2为本技术一示例性实施例提供的车辆驾驶评价模型的训练装置中第一指标维度的示意图；图3为本技术一示例性实施例提供的车辆驾驶评价模型的训练装置中第二指标维度的示意图；图4为本技术一示例性实施例提供的车辆驾驶评价模型的训练装置中模型的算法逻辑示意图；图5为本技术一示例性实施例提供的车辆驾驶评价模型的训练装置中模型输出的结果示意图；图6为本技术一示例性实施例提供的一种车辆驾驶评价装置的结构示意图；图7为本技术一示例性实施例提供的一种车辆驾驶评价模型的训练方法的实现流程示意图；图8为本技术一示例性实施例提供的一种车辆驾驶评价方法的实现流程示意图；图9为本技术一示例性实施例提供的一种电子设备的结构示意图；图10为本技术一示例性实施例提供的一种电子设备的结构示意图。
具体实施方式
14.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，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。
15.如背景技术所述，现有的车辆智驾功能的主观评价数据和客观评价数据由于评价的角度和维度的不同，通常难以做到在评价数据上的对应。此外，由于不同的智驾功能的主观评价人群可能也有所不同，这就导致所得到的主观评价数据也存在很大差异。而且不同人群由于对智驾功能的了解程度不同，或对于智驾功能的主观评价经验不同，也导致所得到的主观评价数据在评分尺度上也有所不同。这些主观评价数据在与客观评价数据对应起来时，以回溯到产品研发中也显得难度较大。
16.针对此，为提高车辆的智驾功能评价的准确性，从而为车辆智驾功能的研发改进提供有利的依据，本技术实施例提供一种解决方案，基本思路是：由数据获取模块获取目标群体对车辆的智驾功能的评价数据、智驾功能的性能参数、目标群体的用户画像以及评价数据对应的专家评价结果；再由数据标注模块基于目标群体的用户画像、智驾功能的性能参数，对评价数据进行数据标注；最后由模型训练模块以数据标注后的评价数据为训练样本集、以及评价数据对应的专家评价结果为样本标签，对车辆驾驶评价模型进行训练。
17.以下结合附图，详细说明本技术各实施例提供的技术方案。
18.图1是本技术的一个实施例提供的一种车辆驾驶评价模型的训练装置的结构示意图。图1的装置可包括：数据获取模块11，用于获取目标群体对车辆的智驾功能的评价数据、智驾功能的性能参数、目标群体的用户画像以及评价数据对应的专家评价结果；其中，目标群体至少包括用户群体、车辆工程师群体以及车辆专家群体中的一种，智驾功能的性能参数为对评价数据对应的智驾功能进行测试得到；数据标注模块12，用于基于目标群体的用户画像、智驾功能的性能参数，对评价数据进行数据标注，得到数据标注后的评价数据；模型训练模块13，用于以数据标注后的评价数据为训练样本集、以及评价数据对应的专家评价结果为样本标签，对车辆驾驶评价模型进行训练。
19.由于训练车辆驾驶评价模型的数据来自用户群体、车辆工程师群体以及车辆专家群体等群体中的一种或几种，充分考虑了普通用户与专业用户对车辆的智驾功能的需求和评价，覆盖面较广，且用于标注评价数据的智驾功能的性能参数为对评价数据对应的智驾功能进行测试得到的，因此得到的车辆驾驶评价模型能够准确预测各个群体的用户对车辆的智驾功能的性能指标的偏好值。同时，在训练阶段的数据标注也实现了用户对智驾功能的评价数据与客观的性能指标的测试数据之间的对应，为车辆智驾功能回溯至研发阶段的改进提供了有利依据。此外，数据标注模块还基于用户画像对评价数据进行了数据标注，即充分考虑了各群体中的用户在对车辆的智驾功能进行评价时的人物特征，从而进一步提高了训练得到的车辆驾驶评价模型所预测的用户对车辆的各智驾功能的某一性能参数的评分的准确性。
20.可选地，由于不同的客观环境对各个群体的评价数据也会造成一定的影响，比如天气、户内、户外等客观环境参数都会对评价数据造成不同程度的影响，本技术实施例基于此，在考虑各群体对智驾功能进行评价时的人物特征的基础上，进一步考虑评价数据对应的环境特征。具体地，数据获取模块还用于获取评价数据对应的环境参数，则数据标注模块，用于：基于目标群体的用户画像、智驾功能的性能参数以及评价数据对应的环境参数，对评价数据进行数据标注，得到数据标注后的评价数据。
21.可选地，当目标群体包括用户群体时，用户群体对车辆的智驾功能的理解程度、需求程度和喜好程度通常体现在用户对智驾功能的使用性、信任性、舒适性、实用性、推荐性、人性化等指标维度上。本技术实施例基于此，可从上述指标维度获取用户群体对车辆的智驾功能的评价结果。具体地，当目标群体包括用户群体时，数据获取模块在获取目标群体对车辆的智驾功能的评价数据时，具体用于：获取用户群体在第一指标维度上按照第一评分档位对智驾功能的第一评价结果，第一指标维度至少包括使用性、信任性、舒适性、实用性、推荐性、人性化中的一种指标维度；目标群体包括车辆持有用户群体、车辆体验用户群体和车辆潜在用户群体中的至少一种用户群体。
22.其中，使用性用于表征用户是否能够顺利使用某一智驾功能、用户如何使用该智
驾功能以及哪些用户适合使用该智驾功能。信任性用于表征智驾功能的可靠性。舒适性用于表征智驾功能给用户带来的舒适体验感。实用性用于表征智驾功能是否能满足用户的实际需求。推荐性用于表征用户自愿将智驾功能推荐或分享给其他用户的意愿指标。人性化用于表征智驾功能是否能够根据用户的操作习惯和生活习惯来设计，既能满足用户的功能诉求又能满足用户的心理需求的指标。
23.作为一种示例，用户群体对智驾功能进行评价的粒度相较于车辆工程师和车辆专家往往较大，因此可将第一评分档位设置为2分为一个档位，每个档位对应的用户体验不同。如表1所示为用户群体对智驾功能的评价结果与用户体验之间的对应表格。该第一评分档位在实际应用中可经过多轮的评分执行不断调整得到，使得最终确定的评分档位能够做到区分度高。
24.表1 用户群体对智驾功能的评价结果与用户体验之间的对应表格在表1中，评价结果为1-2分所代表的用户体验为“体验很差，非常不满”，评价结果为3-4分所代表的用户体验为“体验较差，问题较多”，评价结果为5-6分所代表的用户体验为“体验一般，中规中矩”，评价结果为7-8分所代表的用户体验为“体验较好，可圈可点”，评价结果为9-10分所代表的用户体验为“体验很好，非常满意”。同时，可以7分为节点，判定评价结果为7分及以上的智驾功能或驾驶子功能满足量产标准。
25.此外，对于非固定人群的消费者级用户群体，对于2分制的评分档位可以有效降低用户群体对于每个档位的评分及其对应的用户体验的理解成本，同时降低了用户群体具体评价执行过程中的操作成本。
26.图2为本技术一示例性实施例提供的车辆驾驶评价模型的训练装置中第一指标维度的示意图。在图2中，智驾功能的使用性和信任性作为用户群体对智驾功能的需求基础，在此基础上，用户群体再对智驾功能的舒适性和实用性进行评价，而在用户群体对智驾功能的舒适性和实用性均满意的情况下，才会有向其他用户推荐该智驾功能的意愿，因此，智驾功能的推荐性应在智驾功能的舒适性和实用性之上。而智驾功能的人性化通常起到锦上添花的作用，因此，可将智驾功能的人性化作为用户对智驾功能进行评分的最后一个依据，或者也可将人性化作为用户对智驾功能最直观的一个评分依据。
27.目标群体可包括车辆持有用户群体、车辆体验用户群体和车辆潜在用户群体。其中，车辆持有用户群体代表为有车一族，但不针对是持有电动汽车，燃油油车，还是油电混合车辆的车主，即不区分车主名下所有的车辆种类，该群体为对于智驾功能的使用程度上可呈现普适性理解的群体。车辆体验用户群体代表使用过，或者体验过智驾功能的用户群体，该群体为对于智驾功能有一定了解的群体。车辆潜在用户群体为愿意为车辆的智驾功能买单的用户群体，该群体为对前瞻功能、趋势新功能具备强烈喜好的群体。
28.可选地，当目标群体包括车辆工程师群体时，车辆工程师群体可从其专业的角度对车辆的智驾功能进行评价，其评价角度可包括智驾功能使用过程中的视野性、易认性、操作性、转向性、动力性、制动性、准确性、驾驶性、噪音、稳定性、乘车性和视认性等指标维度
上。本技术实施例基于此，可从上述指标维度获取车辆工程师群体对车辆的智驾功能的评价结果。具体地，当目标群体包括车辆工程师群体时，数据获取模块在获取目标群体对车辆的智驾功能的评价数据时，具体用于：获取车辆工程师群体在第二指标维度上按照第二评分档位对智驾功能的第二评价结果；第二指标维度至少包括视野性、易认性、操作性、转向性、动力性、制动性、准确性、驾驶性、噪音、稳定性、乘车性和视认性中的一种指标维度。
29.其中，视野性用于表征智驾功能是否能在用户以舒适的驾驶姿势，对身体零负担的前提下被看到。易认性用于表征智驾功能在色彩和形状上是否容易被看见。操作性用于表征智驾功能是否可观测、可重复、可直接操作的指标。转向性用于表征相关智驾功能能为车辆提供稳定准确的转向特性。动力性用于表征相关智驾功能能为车辆提供在良好路面上直线行驶时由汽车受到的纵向外力决定的，所能达到的平均行驶速度。制动性用于表征相关智驾功能能够为车辆提供行驶时能在短时间内停车且维持行驶方向稳定性和在下长坡时能维持一定车速的能力。准确性用于表征智驾功能的准确度。驾驶性用于表征相关智驾功能提供的车辆的动力输出和传递的特性。噪音用于表征相关智驾功能被触发时产生的噪声。稳定性用于表征智驾功能随时间变化的恒定能力。乘车性用于表征相关智驾功能为用户提供的乘坐舒适度。视认性用于表征智驾功能的颜色的进退性,胀缩性以及明暗性三个方面。
30.作为一种示例，由于车辆工程师所属于车辆专业领域，车辆工程师群体对智驾功能进行评价的粒度相较于用户群体而言，往往更惊细些，因此可将第二评分档位设置为1分为一个档位，每个档位对应的用户体验不同。如表2所示为车辆工程师群体对智驾功能的评价结果与用户体验之间的对应表格。该第二评分档位在实际应用中可经过多轮的评分执行不断调整得到，使得最终确定的评分档位能够做到更精细化评价。
31.表2 车辆工程师对智驾功能的评价结果与用户体验之间的对应表格
评价结果1分2分3分4分5分6+分7-分7分7+分8-分8分9分10分用户体验不评价非常差差较差还可以一般还好良良好较好好优秀完美
在表2中，评价结果为1分所代表的用户体验为“不评价”，对应的评价描述为“刚开始开发此功能，可直接判断不作为主观评项目或不进行评价”；评价结果为2分所代表的用户体验为“非常差”，对应的评价描述为“此功能无法正常工作，功能不稳定，有明显重大问题(含软硬件)”；评价结果为3分所代表的用户体验为“非常差”，对应的评价描述为“此功能表现（或体验）非常差，功能仅作为是否能启动、工作为判断依据”；评价结果为4分所代表的用户体验为“差”，对应的评价描述为“此功能表现（或体验）差，可以尝试使用，可在确保安全的前提条件下，尝试评价”；评价结果为5分所代表的用户体验为“较差”，对应的评价描述为“此功能表现（或体验）较差，可以尝试评价，但存在诸多明显问题点”。
32.评价结果为6分所代表的用户体验为“还可以”，对应的评价描述为“此功能表现（或）体验还可以，可以进行评价，存在许多综合问题点，继续进行改善”；评价结果为6+分所代表的用户体验为“一般”，对应的评价描述为“此功能表现（或）体验还可以，可以进行评价，存在综合问题点，需要改善后才能投入量产”；评价结果为7-分所代表的用户体验为“还好”，对应的评价描述为“此功能表现（或体验）良好，可以作为量产条件进行判断，但存在部
分问题点，并短时间内可以修改后进行量产”；评价结果为7分所代表的用户体验为“良”，对应的评价描述为“此功能表现（或体验）良，可以作为量产条件进行判断，无明显问题点，部分问题点需要迭代更新”；评价结果为8-分所代表的用户体验为“较好”，对应的评价描述为“此功能表现（或体验）较好，对比竞品具备部分优势，部分细节功能可以后续优化”。
33.评价结果为8分所代表的用户体验为“好”，对应的评价描述为“此功能表现（或体验）好，对比竞品具备优势，部分细节功能可以后续优化”；评价结果为9分所代表的用户体验为“优秀”，对应的评价描述为“此功能表现（或体验）非常好，可以作为市场、行业风向标，无细节功能优化部分”；评价结果为10分所代表的用户体验为“完美”，对应的评价描述为“此功能非常完美，目前已知本品&竞品（含前瞻、概念、假象性功能）均无法超越，并无任何问题点”。同时，可与用户群体的第一评分档位纵向对其，也以7分为节点，判定评价结果为7分及以上的智驾功能或驾驶子功能满足量产标准。
34.此外，对于非固定人群的消费者级用户群体，对于2分制的评分档位可以有效降低用户群体对于每个档位的评分及其对应的用户体验的理解成本，同时降低了用户群体具体评价执行过程中的操作成本。
35.图3为本技术一示例性实施例提供的车辆驾驶评价模型的训练装置中第二指标维度的示意图。在图3中，智驾功能可从视觉、听觉、上肢、下肢操作以及整体体验的维度进行评价。其中视觉上可通过视野性、视认性和易认性三个指标维度来评价。听觉上可通过噪音性这一指标维度来评价。上肢操作上可通过操作性、转向性和准确性这几个指标维度来评价。下肢操作上可通过动力性、制动系和驾驶性这几个指标维度来评价。整体体验可通过乘车性和稳定性这两个指标维度来评价。
36.显然，相较于用户群体而言，车辆工程师群体对智驾功能的评价维度更多更全面而且更加深入。针对性地与智驾功能对应的产品prd、研发模型开发配合，确定用户的体验水平、以及控制逻辑上的问题点模块的定位，整体形成产研闭环进而不断打磨智驾功能的产品力。比如，车辆工程师在第二指标维度上按照第二评分档位对智驾功能“效率变道”进行评价，以车辆在变道过程中的稳定性维度进行评价为例，若车辆在整体变道场景中，稳定、流畅、平滑的变道，则其评价结果可为良好。根据车辆变道过程中在第二指标维度上的不同表现进行综合评分，从而能够获取智驾功能“效率变道”的评价结果。
37.但如果智驾功能“效率变道”在评价过程中有明显的纵向俯仰感、以及明显的侧倾表现，可将用户体验为纵向俯仰感定位为加速性和制动性问题，用户体验为侧倾可定位横向加速度过大，或横向瞬时扭矩过大原因导致变道整体体感不佳。并且在智驾功能“效率变道”的评价过程中，可对其对应的不同的性能参数，比如纵向速度、加速度、加速度变化，变道时间，横向速度，横向加速度等对应的具体体验进行定位。
38.可选地，当目标群体包括车辆专家群体时，车辆专家群体可从更加专业的角度对车辆的智驾功能进行评价，其评价角度可在上述第一评价结果和第二评价结果的基础上进行，同时还可将这些指标维度与客观测试得到的车辆的智驾功能对应的性能指标相对应起来，使得主观评价结果与客观测试结果在智驾功能的性能指标的维度上对应起来，进而实现准确的问题定位。具体地，当目标群体包括车辆专家群体时，数据获取模块在获取目标群体对车辆的智驾功能的评价数据，具体用于：获取用户群体在第一指标维度上按照第一评分档位对智驾功能的第一评价结果、
车辆工程师群体在第二指标维度上按照第二评分档位对智驾功能的第二评价结果、以及智驾功能的性能参数；基于第一评价结果、第二评价结果、以及智驾功能的性能参数，获取车辆专家群体在第三指标维度上按照第三评分档位对智驾功能的第三评价结果；第三指标维度包括第一指标维度和第二指标维度；第三评分档位小于第二评分档位，第二评分档位小于第一评分档位。
39.作为一种示例，车辆专家由于对车辆的研究更加专业和细致，因此其相较于用户群体和车辆工程师而言，其对智驾功能进行评价的粒度要更加细致，因此可将第三评分档位设置为0.1分为一个档位，旨在更细节地打磨智驾功能的产品力。
40.此外，为了实现主观评价结果与客观测试结果一一对应，可对智驾功能的不同的性能参数进行时间戳打点使其与主观评价结果相对应。具体地，基于第一评价结果、第二评价结果、以及智驾功能的性能参数，获取车辆专家群体在第三指标维度上按照第三评分档位对智驾功能的第三评价结果，该第三评价结果中除了包含在第三指标维度上的整体主观评价结果，还可将第三评价结果与智驾功能的具体的性能参数对应起来。
41.举例来说，在对车辆的智驾功能“跟车起停”进行评价的过程中，可对其减加速度值进行统计，假设对车辆的智驾功能“跟车起停”进行了五千次的评价，其中，减加速度值为-0.5对应的评价结果为5分，减加速度值为-0.2对应的评价结果为7分，减加速度值为-0.05对应的评价结果为8分，对于单一的性能指标的评分档位可与车辆工程师的第二评分档位一致。专家群体可依据统计得到车辆的减加速度值在-0.2与-0.05区间的次数，得到对该智驾功能“跟车起停”的整体评分，如果该次数小于等于500次，则可定义其对应的评价结果为5.8分，如果该次数为大于500次且小于等于1000次，则可定义其对应的评价结果为6.1分，如果该次数为大于1000次且小于3000次，则可定义其对应的评价结果为7.3分。在对历史多次数据进行统计时，可以0.1分的评分档位进行评价。
42.可选地，由于车辆专家群体可从更加专业的角度对车辆的智驾功能进行评价，而且其评价角度可在上述第一评价结果和第二评价结果的基础上进行，因此，所得到的车辆专家对智驾功能的第三评价结果也可作为评价数据对应的样本标签，用于车辆驾驶评价模型的训练。具体地，数据获取模块在获取评价数据对应的专家评价结果时，具体用于：基于车辆专家群体在第三指标维度上按照第三评分档位对智驾功能的第三评价结果，获取评价数据对应的专家评价结果。
43.作为一种示例，可将同一智驾功能下的第三评价结果，作为评价数据对应的专家评价结果。其中，第三评价结果和评价数据是针对同一智驾功能评价得到的。
44.可选地，模型训练模块在以数据标注后的评价数据为训练样本集、以及评价数据对应的专家评价结果为样本标签，对车辆驾驶评价模型进行训练时，具体用于：将数据标注后的评价数据作为车辆驾驶评价模型的输入；调整车辆驾驶评价模型的参数，使得车辆驾驶评价模型的模型输出结果逼近评价数据对应的专家评价结果，或者，使得车辆驾驶评价模型的回归评估系数达到预设数值。
45.应理解，车辆驾驶评价模型训练的过程为依据样本标签不断地调整模型参数的过程，从而使得调整后模型参数的车辆驾驶评价模型输出结果无限逼近评价数据对应的专家评价结果，或者使得车辆驾驶评价模型的回归评估系数达到预设数值。作为一种示例，预设
数值可设为0.99。
46.可选地，模型训练模块在将数据标注后的评价数据作为车辆驾驶评价模型的输入时，具体用于：将数据标注后的评价数据中的评价结果去除，得到模型输入数据；将模型输入数据作为车辆驾驶评价模型的输入。
47.应理解，在获取数据标注后的评价数据之后，由于该评价数据可能出自用户群体、车辆工程师群体或者专家群体，其评价数据中包含的评价结果并不能保证完全客观准确。而且在训练阶段，代表客观准确的评价结果即评价数据对应的专家评价结果已作为样本标签，因此，可将数据标注后的评价数据中的评价结果去除。
48.可选地，模型训练模块在调整车辆驾驶评价模型的参数时，具体用于：确定目标群体对智驾功能的评价结果与智驾功能的性能参数之间的参数离散关系；基于智驾功能的性能参数对智驾功能的评价结果的重要程度，确定智驾功能的性能参数的权重；基于参数离散关系和智驾功能的性能参数的权重，分别从车辆驾驶评价模型的算法决策的各叶片节点的多个参数中，确定各叶片节点的最优参数，以使得基于各叶片节点的最优参数得到的模型输出结果逼近评价数据对应的专家评价结果，或者，使得车辆驾驶评价模型的回归评估系数达到预设数值。
49.其中，目标群体对智驾功能的评价结果与智驾功能的性能参数之间的参数离散关系，具体是指智驾功能的性能参数的具体指与该智驾功能的性能参数下对应的专家评价结果之间的对应关系。
50.图4为本技术一示例性实施例提供的车辆驾驶评价模型的训练装置中模型的算法逻辑示意图。在图4中，目标群体对智驾功能的评价数据作为车辆驾驶评价模型的输入数据，通过该车辆驾驶评价模型多次训练直到输出得到无限逼近评价数据对应的专家评价结果，再将该专家评价结果与目标群体对智驾功能的评价时该智驾功能的性能参数进行对应，依据该结果可对评价数据进行重新标注，不断优化模型参数。同时可将同一智驾功能的性能参数下不同用户画像的评价结果进行聚类，得到不同用户画像的用户对智驾功能的性能参数的偏好值。
51.其中，x={x1、x2
ꢀ…ꢀ
xn}为模型中的n个叶片节点，这些叶片节点中的各叶片节点又包含有多个参数取值。可通过这些叶片节点中的不同参数来确定目标群体对智驾功能的评价结果与智驾功能的性能参数之间的参数离散关系、同时可将智驾功能的性能参数之间作为参数进行权重y的计算依据。以x1为例，x1中的参数a~d、
…
的取值有n个数，则整个叶片节点x1的参数选择就可以看成是n
×
n的表格线数，每个点作为一种参数的取值组合，每一个点则代表模型采用的此点进行计算和预测，最后选出各叶片节点中预测效果最好的点对应的参数为模型的最优参数。
52.本技术提供的一个或多个实施例提供的车辆驾驶评价模型的训练装置，能够由数据获取模块获取目标群体对车辆的智驾功能的评价数据、智驾功能的性能参数、目标群体的用户画像以及评价数据对应的专家评价结果；再由数据标注模块基于目标群体的用户画像、智驾功能的性能参数，对评价数据进行数据标注；最后由模型训练模块以数据标注后的
评价数据为训练样本集、以及评价数据对应的专家评价结果为样本标签，对车辆驾驶评价模型进行训练。由于训练车辆驾驶评价模型的数据来自用户群体、车辆工程师群体以及车辆专家群体等群体中的一种或几种，充分考虑了普通用户与专业用户对车辆的智驾功能的需求，覆盖面较广，且用于标注评价数据的智驾功能的性能参数为对评价数据对应的智驾功能进行测试得到的，因此得到的车辆驾驶评价模型能够准确预测各个群体的用户对车辆的智驾功能的性能指标的偏好值，同时在训练阶段的数据标注也实现了用户对智驾功能的评价数据与客观的性能指标的测试数据之间的对应，为车辆智驾功能回溯至研发阶段的改进提供了有利依据。
53.图5为本技术又一示例性实施例提供的一种车辆驾驶评价装置的结构示意图。如图5所示，该车辆驾驶评价装置包括：参数获取模块51，用于获取待评价的目标智驾功能的性能参数；功能评价模块52，用于将所述目标智驾功能的性能参数输入至车辆驾驶评价模型中，以输出得到至少一个用户群体对所述目标智驾功能的性能参数的评分；参数确定模块53，用于基于所述至少一个用户群体对所述目标智驾功能的性能参数的评分，获取所述目标智驾功能的最优性能参数；其中，车辆驾驶评价模型为基于上述车辆驾驶评价模型的训练装置训练得到。
54.图6为本技术一示例性实施例提供的车辆驾驶评价模型的训练装置中模型输出的结果示意图。在图6中，对于目标智驾功能的某一具体的性能参数可通过车辆驾驶评价模型预测得到不同的群体对该目标智驾功能的性能参数的偏好值。其中，图6中的1可以为车辆持有群体、2可以为车辆体验群体，3可以为车辆潜在群体，图6中的阴影部分即为这三个用户群体对目标智驾功能的性能参数的偏好值的最优解。
55.本技术提供的一个或多个实施例提供的车辆故障诊断装置，由于训练车辆驾驶评价模型的数据来自用户群体、车辆工程师群体以及车辆专家群体等群体中的一种或几种，充分考虑了普通用户与专业用户对车辆的智驾功能的需求，覆盖面较广，且用于标注评价数据的智驾功能的性能参数为对评价数据对应的智驾功能进行测试得到的，因此得到的车辆驾驶评价模型能够准确预测各个群体的用户对车辆的智驾功能的性能指标的偏好值，同时在训练阶段的数据标注也实现了用户对智驾功能的评价数据与客观的性能指标的测试数据之间的对应，为车辆智驾功能回溯至研发阶段的改进提供了有利依据。
56.关于图6所示的车辆驾驶评价装置的具体实现方式已经在车辆驾驶评价模型的训练装置的实施例中进行了详细描述，此处将不做详细阐述说明。
57.图7为本技术一示例性实施例提供的一种车辆驾驶评价模型的训练方法的实现流程示意图。在图7中，该方法可包括：步骤710，获取目标群体对车辆的智驾功能的评价数据、智驾功能的性能参数、目标群体的用户画像以及评价数据对应的专家评价结果。
58.其中，目标群体至少包括用户群体、车辆工程师群体以及车辆专家群体，智驾功能的性能参数为对评价数据对应的智驾功能进行测试得到。
59.可选地，当目标群体包括用户群体时，获取目标群体对车辆的智驾功能的评价数据，包括：获取用户群体在第一指标维度上按照第一评分档位对智驾功能的第一评价结果，
第一指标维度至少包括使用性、信任性、舒适性、实用性、推荐性、人性化中的一种指标维度；目标群体包括车辆持有用户群体、车辆体验用户群体和车辆潜在用户群体中的至少一种用户群体。
60.可选地，当目标群体包括车辆工程师群体时，获取目标群体对车辆的智驾功能的评价数据，包括：获取车辆工程师群体在第二指标维度上按照第二评分档位对智驾功能的第二评价结果；第二指标维度至少包括视野性、易认性、操作性、转向性、动力性、制动性、准确性、驾驶性、噪音、稳定性、乘车性和视认性中的一种指标维度。
61.可选地，当目标群体包括车辆专家群体时，获取目标群体对车辆的智驾功能的评价数据，包括：获取用户群体在第一指标维度上按照第一评分档位对智驾功能的第一评价结果、车辆工程师群体在第二指标维度上按照第二评分档位对智驾功能的第二评价结果、以及智驾功能的性能参数；基于第一评价结果、第二评价结果、以及智驾功能的性能参数，获取车辆专家群体在第三指标维度上按照第三评分档位对智驾功能的第三评价结果；第三指标维度包括第一指标维度和第二指标维度；第三评分档位小于第二评分档位，第二评分档位小于第一评分档位。
62.可选地，获取评价数据对应的专家评价结果，包括：基于车辆专家群体在第三指标维度上按照第三评分档位对智驾功能的第三评价结果，获取评价数据对应的专家评价结果。
63.步骤720，基于目标群体的用户画像、智驾功能的性能参数，对评价数据进行数据标注，得到数据标注后的评价数据。
64.可选地，所述步骤710获取的数据还包括所述评价数据对应的环境参数，则基于目标群体的用户画像、智驾功能的性能参数，对评价数据进行数据标注，得到数据标注后的评价数据，包括：基于目标群体的用户画像、智驾功能的性能参数以及评价数据对应的环境参数，对评价数据进行数据标注，得到数据标注后的评价数据。
65.步骤730，以数据标注后的评价数据为训练样本集、以及评价数据对应的专家评价结果为样本标签，对车辆驾驶评价模型进行训练。
66.可选地，以数据标注后的评价数据为训练样本集、以及评价数据对应的专家评价结果为样本标签，对车辆驾驶评价模型进行训练，包括：将数据标注后的评价数据作为车辆驾驶评价模型的输入；调整车辆驾驶评价模型的参数，使得车辆驾驶评价模型的模型输出结果逼近评价数据对应的专家评价结果，或者，使得车辆驾驶评价模型的回归评估系数达到预设数值。
67.可选地，将数据标注后的评价数据作为车辆驾驶评价模型的输入，包括：将数据标注后的评价数据中的评价结果去除，得到模型输入数据；将模型输入数据作为车辆驾驶评价模型的输入。
68.可选地，调整车辆驾驶评价模型的参数，包括：确定目标群体对智驾功能的评价结果与目标群体的用户画像之间的参数离散关系；基于智驾功能的性能参数对智驾功能的评价结果的重要程度，确定智驾功能的性能参数的权重；基于参数离散关系和智驾功能的性能参数的权重，分别从车辆驾驶评价模型的算法决策的各叶片节点的多个参数中，确定各叶片节点的最优参数，以使得基于各叶片节点的最优参数得到的模型输出结果逼近评价数据对应的专家评价结果，或者，使得车辆驾驶评价模型的回归评估系数达到预设数值。
69.关于图7所示的车辆驾驶评价模型的训练方法的具体实现方式已经在车辆驾驶评价模型的训练装置的实施例中进行了详细描述，此处将不做详细阐述说明。
70.图8为本技术一示例性实施例提供的一种车辆驾驶评价方法的实现流程示意图。在图8中，该方法可包括：步骤810，获取待评价的目标智驾功能的性能参数；步骤820，将目标智驾功能的性能参数输入至车辆驾驶评价模型中，以输出得到至少一个用户群体对目标智驾功能的性能参数的评分；步骤830，基于至少一个用户群体对目标智驾功能的性能参数的评分，获取目标智驾功能的最优性能参数；其中，车辆驾驶评价模型为基于车辆驾驶评价模型的训练装置训练得到。
71.关于图8所示的车辆驾驶评价方法的具体实现方式已经在车辆驾驶评价装置的实施例中进行了详细描述，此处将不做详细阐述说明。
72.需要说明的是，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如710、720以及810、820等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
73.图9为本技术一示例性实施例提供的一种电子设备的结构示意图。参见图9，该电子设备包括：存储器91和处理器92。
74.存储器91，用于存储计算机程序，并可被配置为存储其它各种数据以支持在计算平台上的操作。这些数据的示例包括用于在计算平台上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。
75.存储器91可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（sram），电可擦除可编程只读存储器（eeprom），可擦除可编程只读存储器（eprom），可编程只读存储器（prom），只读存储器（rom），磁存储器，快闪存储器，磁盘或光盘。
76.处理器92，与存储器91耦合，用于执行存储器91中的计算机程序，以用于：获取目标群体对车辆的智驾功能的评价数据、所述智驾功能的性能参数、所述目标群体的用户画像以及所述评价数据对应的专家评价结果；其中，所述目标群体至少包括用户群体、车辆工
程师群体以及车辆专家群体中的一种或几种，所述智驾功能的性能参数为对所述评价数据对应的智驾功能进行测试得到；基于所述目标群体的用户画像、所述智驾功能的性能参数，对所述评价数据进行数据标注，得到所述数据标注后的评价数据；以所述数据标注后的评价数据为训练样本集、以及所述评价数据对应的专家评价结果为样本标签，对车辆驾驶评价模型进行训练。
77.进一步可选的，当所述目标群体包括用户群体时，处理器92在获取目标群体对车辆的智驾功能的评价数据时，具体用于：获取所述用户群体在第一指标维度上按照第一评分档位对所述智驾功能的第一评价结果，所述第一指标维度至少包括使用性、信任性、舒适性、实用性、推荐性、人性化中的一种指标维度；所述目标群体包括车辆持有用户群体、车辆体验用户群体和车辆潜在用户群体中的至少一种用户群体。
78.进一步可选的，当所述目标群体包括车辆工程师群体时，处理器92在获取目标群体对车辆的智驾功能的评价数据时，具体用于：获取所述车辆工程师群体在第二指标维度上按照第二评分档位对所述智驾功能的第二评价结果；所述第二指标维度至少包括视野性、易认性、操作性、转向性、动力性、制动性、准确性、驾驶性、噪音、稳定性、乘车性和视认性中的一种指标维度。
79.进一步可选的，当所述目标群体包括车辆专家群体时，处理器92在获取目标群体对车辆的智驾功能的评价数据时，具体用于：获取所述用户群体在第一指标维度上按照第一评分档位对所述智驾功能的第一评价结果、所述车辆工程师群体在第二指标维度上按照第二评分档位对所述智驾功能的第二评价结果、以及所述智驾功能的性能参数；基于所述第一评价结果、所述第二评价结果、以及所述智驾功能的性能参数，获取所述车辆专家群体在第三指标维度上按照第三评分档位对所述智驾功能的第三评价结果；所述第三指标维度包括所述第一指标维度和所述第二指标维度；所述第三评分档位小于所述第二评分档位，所述第二评分档位小于所述第一评分档位。
80.进一步可选的，处理器92在获取所述评价数据对应的专家评价结果时，具体用于：基于所述车辆专家群体在所述第三指标维度上按照所述第三评分档位对所述智驾功能的第三评价结果，获取所述评价数据对应的专家评价结果。
81.进一步可选的，处理器92在以所述数据标注后的评价数据为训练样本集、以及所述评价数据对应的专家评价结果为样本标签，对车辆驾驶评价模型进行训练时，具体用于：将所述数据标注后的评价数据作为所述车辆驾驶评价模型的输入；调整所述车辆驾驶评价模型的参数，使得所述车辆驾驶评价模型的模型输出结果逼近所述评价数据对应的专家评价结果，或者，使得所述车辆驾驶评价模型的回归评估系数达到预设数值。
82.进一步可选的，处理器92在将所述数据标注后的评价数据作为所述车辆驾驶评价模型的输入时，具体用于：
将所述数据标注后的评价数据中的评价结果去除，得到模型输入数据；将所述模型输入数据作为所述车辆驾驶评价模型的输入。
83.进一步可选的，处理器92在调整所述车辆驾驶评价模型的参数时，具体用于：确定所述目标群体对所述智驾功能的评价结果与所述目标群体的用户画像之间的参数离散关系；基于所述智驾功能的性能参数对所述智驾功能的评价结果的重要程度，确定所述智驾功能的性能参数的权重；基于所述参数离散关系和所述智驾功能的性能参数的权重，分别从所述车辆驾驶评价模型的算法决策的各叶片节点的多个参数中，确定所述各叶片节点的最优参数，以使得基于所述各叶片节点的最优参数得到的模型输出结果逼近所述评价数据对应的专家评价结果，或者，使得所述车辆驾驶评价模型的回归评估系数达到预设数值。
84.进一步，如图9所示，该电子设备还包括：通信组件93、显示器94、电源组件95、音频组件96等其它组件。图9中仅示意性给出部分组件，并不意味着电子设备只包括图9所示组件。另外，图9中虚线框内的组件为可选组件，而非必选组件，具体可视电子设备的产品形态而定。本实施例的终端设备可以实现为台式电脑、笔记本电脑、智能手机或 iot 设备等能够部署在车辆中的终端设备，也可以是常规服务器、云服务器或服务器阵列等服务端设备。若本实施例的终端设备实现为台式电脑、笔记本电脑、智能手机等终端设备，可以包含图9中虚线框内的组件；若本实施例的终端设备实现为常规服务器、云服务器或服务器阵列等服务端设备，则可以不包含图9中虚线框内的组件。
85.相应地，本技术实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由电子设备执行的各步骤。
86.上述通信组件被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如wifi，2g、3g、4g/lte、5g等移动通信网络，或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件还包括近场通信（nfc）模块，以促进短程通信。例如，在nfc模块可基于射频识别（rfid）技术，红外数据协会（irda）技术，超宽带（uwb）技术，蓝牙（bt）技术和其他技术来实现。
87.上述显示器包括屏幕，其屏幕可以包括液晶显示器（lcd）和触摸面板（tp）。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。
88.上述电源组件，为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
89.上述音频组件，可被配置为输出和/或输入音频信号。例如，音频组件包括一个麦克风（mic），当音频组件所在设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中，音频组件还包括一个扬声器，用于输出音频信号。
90.图10为本技术一示例性实施例提供的一种电子设备的结构示意图。参见图10，该
电子设备包括：存储器101和处理器102。
91.存储器101，用于存储计算机程序，并可被配置为存储其它各种数据以支持在计算平台上的操作。这些数据的示例包括用于在计算平台上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。
92.存储器101可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（sram），电可擦除可编程只读存储器（eeprom），可擦除可编程只读存储器（eprom），可编程只读存储器（prom），只读存储器（rom），磁存储器，快闪存储器，磁盘或光盘。
93.处理器102，与存储器101耦合，用于执行存储器101中的计算机程序，以用于：获取待评价的目标智驾功能的性能参数；将所述目标智驾功能的性能参数输入至车辆驾驶评价模型中，以输出得到至少一个用户群体对所述目标智驾功能的性能参数的评分；基于所述至少一个用户群体对所述目标智驾功能的性能参数的评分，获取所述目标智驾功能的最优性能参数；其中，所述车辆驾驶评价模型为基于车辆驾驶评价模型的训练装置训练得到。
94.进一步，如图10所示，该电子设备还包括：通信组件103、显示器104、电源组件105、音频组件106等其它组件。图10中仅示意性给出部分组件，并不意味着电子设备只包括图10所示组件。另外，图10中虚线框内的组件为可选组件，而非必选组件，具体可视电子设备的产品形态而定。本实施例的终端设备可以实现为台式电脑、笔记本电脑、智能手机或 iot 设备等能够部署在车辆中的终端设备，也可以是常规服务器、云服务器或服务器阵列等服务端设备。若本实施例的终端设备实现为台式电脑、笔记本电脑、智能手机等终端设备，可以包含图10中虚线框内的组件；若本实施例的终端设备实现为常规服务器、云服务器或服务器阵列等服务端设备，则可以不包含图10中虚线框内的组件。
95.相应地，本技术实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由电子设备执行的各步骤。
96.上述通信组件被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如wifi，2g、3g、4g/lte、5g等移动通信网络，或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件还包括近场通信（nfc）模块，以促进短程通信。例如，在nfc模块可基于射频识别（rfid）技术，红外数据协会（irda）技术，超宽带（uwb）技术，蓝牙（bt）技术和其他技术来实现。
97.上述显示器包括屏幕，其屏幕可以包括液晶显示器（lcd）和触摸面板（tp）。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。
98.上述电源组件，为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
99.上述音频组件，可被配置为输出和/或输入音频信号。例如，音频组件包括一个麦
克风（mic），当音频组件所在设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中，音频组件还包括一个扬声器，用于输出音频信号。
100.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术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，本技术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。
101.本技术是参照根据本技术实施例的方法、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。
102.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。
103.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。
104.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
105.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
106.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
107.还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
108.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。