路线选择方法及装置与流程

1.本发明涉及人工智能技术领域，尤其涉及一种路线选择方法及装置。


背景技术：

2.随着人工智能技术的发展，自动驾驶技术和辅助驾驶技术逐渐在人们的日常生活中普及，而自动驾驶技术和辅助驾驶技术的核心环节就是车辆行驶路线的规划，如何得到较合适的路线是自动驾驶技术和辅助驾驶技术的重要命题。
3.目前针对路线规划的技术方案，往往是根据用户输入的起点和终点，结合车辆类型、道路限行和天气情况等物理参数来给出几条备选路线，由用户从备选路线中自行选择偏好路线，然而目前的方案规划出的路线舒适度较差，安全系数较低。


技术实现要素：

4.本发明提供一种路线选择方法及装置，用以解决现有技术中规划出的路线舒适度较差，安全系数较低的缺陷，实现规划出的路线更加适合车内人员的身心状态，能够提高行车舒适性和安全性。
5.本发明提供一种路线选择方法，所述路线选择方法包括：获取车内人员的状态信息，以及候选路线对应的参数信息；将所述状态信息与所述参数信息进行融合，得到所述候选路线对应的融合结果；基于所述融合结果，确定目标路线。
6.根据本发明提供的一种路线选择方法，所述获取车内人员的状态信息，包括：获取车内人员的音频数据和图像数据中的至少一个；基于所述音频数据和所述图像数据中的至少一个，确定所述状态信息。
7.根据本发明提供的一种路线选择方法，所述获取车内人员的状态信息，还包括：获取目标限制数据；所述基于所述音频数据和所述图像数据中的至少一个，确定所述状态信息，包括：基于所述音频数据和所述图像数据中的至少一个以及所述目标限制数据，确定所述状态信息。
8.根据本发明提供的一种路线选择方法，所述基于所述音频数据和所述图像数据中的至少一个以及所述目标限制数据，确定所述状态信息，包括：对所述音频数据进行频域向量化处理，得到音频特征，和/或，对所述图像数据进行时序向量化处理，得到图像特征；对所述目标限制数据进行编码向量化处理，得到目标限制特征；基于所述音频特征和所述图像特征中的至少一个以及所述目标限制特征，确定所述状态信息。
9.根据本发明提供的一种路线选择方法，所述基于所述音频特征和所述图像特征中的至少一个以及所述目标限制特征，确定所述状态信息，包括：对所述音频特征和所述图像特征中的至少一个与所述目标限制特征进行融合，得到目标融合特征；基于初始标记特征和所述目标融合特征，得到编码数据；将所述编码数据的第一个节点信息作为所述状态信息。
10.根据本发明提供的一种路线选择方法，所述将所述状态信息与所述参数信息进行
融合，得到所述候选路线对应的融合结果，包括：将所述状态信息与所述参数信息进行拼接处理，得到所述融合结果。
11.根据本发明提供的一种路线选择方法，所述基于所述融合结果，确定目标路线，包括：基于所述融合结果，确定所述候选路线的评分信息；基于所述评分信息，从所述候选路线中确定目标路线。
12.本发明还提供一种路线选择装置，所述路线选择装置包括：获取模块，用于获取车内人员的状态信息，以及候选路线对应的参数信息；融合模块，用于将所述状态信息与所述参数信息进行融合，得到所述候选路线对应的融合结果；确定模块，用于基于所述融合结果，确定目标路线。
13.本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述路线选择方法的步骤。
14.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，所述计算机程序被处理器执行时实现如上述任一种所述路线选择方法的步骤。
15.本发明实施例获取车内人员的状态信息，车内人员的状态信息可以通过为从车内人员输入的交互信息中获取，也可以为从车内的传感器监测到的人体参数中获取，还可以为从车内的电子设备监测到的语音或者视频中提取出来，车内人员的状态信息能够用于反映车内人员的身体状况、年龄状况和情绪状况等人体状态。
附图说明
16.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。
17.图1是本发明提供的路线选择方法的流程示意图；
18.图2是本发明提供的路线选择方法中的步骤110的流程示意图；
19.图3是本发明提供的路线选择方法中的步骤130的流程示意图；
20.图4是本发明提供的路线选择方法的算法原理示意图之一；
21.图5是本发明提供的路线选择方法的算法原理示意图之二；
22.图6是本发明提供的路线选择方法的算法原理示意图之三；
23.图7是本发明提供的路线选择装置的结构示意图；
24.图8是本发明提供的路线选择装置的获取模块的结构示意图；
25.图9是本发明提供的路线选择装置的确定模块的结构示意图；
26.图10是本发明提供的电子设备的结构示意图。
具体实施方式
27.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。
28.下面结合图1
‑
图10描述本发明的路线选择方法及装置。
29.如图1所示，本发明提供一种路线选择方法，该路线选择方法包括：如下步骤110至步骤130。
30.步骤110、获取车内人员的状态信息，以及候选路线对应的参数信息。
31.可以理解的是，车辆行驶过程中，需要进行路线规划，目前主要是根据路线的参数信息来直接规划路线，由用户从规划出的候选路线中自行选择，比如可以采用距离优先、时间最短、躲避拥堵以及高速优先等规划规则来给出选项供用户选择，来确定用于规划的路径参数信息可以包括：路况信息、车流量信息、时间信息、距离信息和红绿灯数目信息等车辆或道路的实时参数。
32.比如，确定候选路线的过程可以采用以下方案，通过获取起点位置和终点位置，根据起点位置及终点位置确定导航区域，并获取导航区域中各路口对应的交通灯信息，以及根据各路口对应的交通灯信息和当前行驶速度，确定起点位置到达终点位置用时最短的目标路线，使得在导航路线的规划过程中结合导航区域内各路口的实时交通灯信息，尽可能地模拟用户的实际行驶状况，确保能够准确地计算出到达各个路口用时最短的路线，并通过根据以起点位置到达终点位置用时最短的路线生成候选路线，并向用户通知候选路线，以路线的行驶用时作为参考，能够为用户推荐导航路线。
33.此处可以根据用户输入的起点和终点，结合预存的地图数据，规划出多条候选路线，每条候选路线都对应有参数信息。
34.然而目前这种路线规划方法，没有考虑到车内人员的实际情况，比如车内可能乘坐有孕妇、老人、小孩或者病人等具有特殊体质的人群，如果规划出的路线拥堵或者道路不平稳，车辆在行车过程中可能走走停停，可能会不停颠簸，这样就造成车内人员的舒适感极差，对于特殊体质的乘客来说，不利于身体健康，存在技术缺陷。
35.本发明实施例获取车内人员的状态信息，车内人员的状态信息可以通过为从车内人员输入的交互信息中获取，也可以为从车内的传感器监测到的人体参数中获取，还可以为从车内的电子设备监测到的语音或者视频中提取出来，车内人员的状态信息能够用于反映车内人员的身体状况、年龄状况和情绪状况等人体状态。
36.步骤120、将状态信息与参数信息进行融合，得到候选路线对应的融合结果。
37.可以理解的是，候选路线可以为多条，将每条候选路线对应的参数信息和上述步骤中获取的车内人员的状态信息进行融合，可以根据参数信息从状态信息中提取对应匹配的特征，从特征层面进行融合，得到融合结果，每个融合结果都和候选路线是一一对应的。
38.也就是说，每条候选路线都对应有一个融合结果，融合结果能够体现路况信息、车流量信息、时间信息、距离信息和红绿灯数目信息等车辆或道路的实时参数，以及车内人员的身体状况、年龄状况和情绪状况等人体身心状态情况。
39.步骤130、基于融合结果，确定目标路线。
40.可以理解的是，由于每一条候选路线都对应有融合结果，可以根据融合结果来对候选路线进行评估，比如可以根据融合结果来确定每条候选路线的等级，可以根据舒适程度的高低，分别给候选路线赋予高等级、中等级和低等级，也可以采用第一等级、第二等级和第三等级
……
来对候选路线进行排序。还可以根据融合结果来确定每条候选路线的评
分，可以根据舒适程度的高低，对候选路线打分，比如可以为0分
‑
100分，某一条候选路线的评分可以为85分。
41.可以将候选路线中高等级的路线作为目标路线，如果高等级的候选路线有多条，可以将这些目标路线都呈现给用户，由用户从目标路线中自行选择，当然也可以直接将候选路线中等级最高的路线作为目标路线。
42.也可以将多条候选路线中评分最高的一条路线作为目标路线。
43.可以直接将唯一的目标路线呈现给用户，或者直接按照该唯一的目标路线控制车辆自动驾驶。
44.本发明提供的路线选择方法，通过将车内人员的状态信息和候选路线对应的参数信息进行融合，基于融合结果，从候选路线中确定目标路线，规划出的路线更加适合车内人员的身心状态，能够提高行车舒适性和安全性。
45.如图2所示，在一些实施例中，上述步骤110、获取车内人员的状态信息，包括：如下步骤111至步骤112。
46.步骤111、获取车内人员的音频数据和图像数据中的至少一个。
47.可以理解的是，可以在车内安装麦克风，麦克风能够采集车内的声音信号，比如车内人员的对话声音，能够被麦克风采集到，麦克风所采集到的声音信号可以发送给车辆的控制器，可以在控制器中形成车内人员的音频数据。
48.还可以在车内安装摄像头，摄像头能够拍摄到车内的图像或者视频，当然，视频就是按照一定帧率拍摄的图像，此处摄像头可以拍摄到车内人员的体态、表情和动作的图像，控制器可以从摄像头处获取到车内人员的图像数据。
49.此处，控制器可以即获取音频数据，又获取图像数据，也可以只获取两者中的任意一个。
50.步骤112、基于音频数据和图像数据中的至少一个，确定状态信息。
51.此处，可以从音频数据中提取车内人员的状态信息，比如，音频数据中可以包含这样一段人员对话：“我好困，想睡会觉”，经过语音识别，可以确认车内人员比较困，想要休息，此处就能确定车内人员是处于较困倦的状态。
52.当然也可以从图像数据中提取车内人员的状态信息，比如，图像数据中可以包含车内人员的人脸图像，经过人脸识别，可以得到车内人员的年龄，比如，车内人员有一位是70岁的老人，此处就可以确定车内人员有老人。
53.当然，如果控制器既获取到音频数据，又获取到图像数据，就可以将音频数据和图像数据进行融合，得到音像融合数据，可以从音像融合数据中提取更多车内人员的状态信息。
54.此处，通过音频数据和/或视频数据，能够得到较为丰富的车内人员的状态信息，使得融合结果中包含更多的与车内人员相关的特征，从而使得获取到的目标路线更加符合车内人员的身心状态，能够提升目标路线确定的准确性。
55.在一些实施例中，上述步骤110、获取车内人员的状态信息，还包括：获取目标限制数据。
56.目标限制数据用于对音频数据和图像数据进行修正，目标限制数据可以为文本数据，可以在车辆启动驾驶前，也可以为在车辆行驶过程中，从车内人员的对话中提取的关键
信息。目标限制数据可以由用户手动输入，也可以由用户语音输入，控制器根据用户的手动输入和语音输入来得到文本数据。
57.比如，在车辆启动驾驶前，驾驶员手动输入“经过林荫大道”，这就是路线规划的一个限定条件。
58.还比如，在车辆行驶过程中，车内人员说话时提到“经过a加油站时给车加油”，这就是一个必须的途经点信息。
59.上述步骤112、基于音频数据和图像数据中的至少一个，确定状态信息，包括：基于音频数据和图像数据中的至少一个以及目标限制数据，确定状态信息。
60.可以理解的是，可以根据音频数据和目标限制数据，来得到状态信息，也可以根据图像数据和目标限制数据，来得到状态信息，还可以根据音频数据、图像数据和目标限制数据来共同得到状态信息。
61.目标限制数据可以对音频数据或者视频数据进行修正，也就是说，目标限制数据的优先级要高于音频数据或者视频数据，音频数据或视频数据是行车过程中对车内状况的记录，音频数据和视频数据与车辆行驶的关联度要弱于目标限制数据与车辆行驶的关联度。
62.此处采用目标限制数据来对音频数据和视频数据进行修正，能够确保规划出的目标路线能够更加符合用户的实际需求，不错过关键的行车任务。
63.如图4所示，在一些实施例中，基于音频数据和图像数据中的至少一个以及目标限制数据，确定状态信息，包括：
64.对音频数据进行频域向量化处理，得到音频特征，和/或，对图像数据进行时序向量化处理，得到图像特征。
65.可以对音频数据audio
i
进行频域向量化处理，也就是采用频域特征进行向量化，可以通过lstm(long short
‑
term memory，长短期记忆网络)进行建模，将音频数据audio
i
输入到lstm中，输出音频特征a
i
。
66.可以对图像数据video
i
进行时序向量化处理，可以先将图像数据video
i
经过cnn(卷积神经网络)进行编码降维，再经过lstm进行时间序列建模，取lstm输出层最后一个节点，输出图像特征v
i
。
67.对目标限制数据进行编码向量化处理，得到目标限制特征。
68.目标限制数据可以为文本数据l
i
，音频数据audio
i
可以和文本数据l
i
相对应，图像数据video
i
也可以和文本数据l
i
相对应。
69.可以将文本数据l
i
通过bert input embedding层直接进行编码得到目标限制特征e
i
，目标限制特征e
i
可以为文本特征，也就是编码向量化处理的过程，编码向量化处理的过程可以根据模型训练参数进行文本信息查表得到。
70.基于音频特征和图像特征中的至少一个以及目标限制特征，确定状态信息。
71.可以将音频特征和目标限制特征结合，得到状态信息，也可以将图像特征和目标限制特征结合，得到状态信息，还可以将音频特征、图像特征和目标限制特征结合，来得到状态信息。
72.在一些实施例中，基于音频特征和图像特征中的至少一个以及目标限制特征，确定状态信息，包括：
73.对音频特征和图像特征中的至少一个与目标限制特征进行融合，得到目标融合特征；
74.可以将目标限制特征e
i
、音频特征a
i
和图像特征v
i
作为multi
‑
modal merge gate的输入，输出目标融合特征
75.如图5所示，在一些实施例中，可以先将目标限制特征e
i
、音频特征a
i
和图像特征v
i
利用attention gate算法进行融合，得到参考融合特征
76.attention gate算法的公式可以为
[0077][0078][0079][0080]
其中，e
i
为目标限制特征，a
i
为音频特征，v
i
为图像特征，其他参数均为可训练参数，为图像特征门函数，为音频特征门函数，其功能为图像特征和音频特征的选取和过滤。
[0081]
再将参考融合特征和目标限制特征e
i
经过merge算法进行融合，得到目标融合特征
[0082]
merge算法的公式可以为：
[0083][0084][0085]
其中，α和β均为超参数。
[0086]
基于初始标记特征和目标融合特征，得到编码数据；将编码数据的第一个节点信息作为状态信息。
[0087]
可以理解的是，初始标记特征e
cls
可以根据人工构建的特殊开始标记cls得到，cls可以为一个常数，cls可以通过bert input embedding层直接进行编码，得到初始标记特征e
cls
。
[0088]
可以将初始标记特征e
cls
和目标融合特征通过bert encoder进行特征编码，得到编码数据t
1m
，取编码数据t
1m
的第一个节点信息c，也就是bert encoder模型输出层的第一个节点信息c，因为bert encoder具有双向序列建模特性，所以第一个节点信息c可以获取全局信息，也就是文本、图像和音频的整体特征，以c作为整个多模态特征序列建模后得到的全局特征向量，作为车内人员的状态信息。
[0089]
值得一提的是，这里bert可以替换为lstm、gpt(generative pre
‑
training)等序列建模模型，本实施例不对此具体限定。
[0090]
在一些实施例中，将状态信息与参数信息进行融合，得到候选路线对应的融合结果，包括：将状态信息与参数信息进行拼接处理，得到融合结果。
[0091]
可以理解的是，候选路线的路况数据r
i
中包含每条候选路线的特征信息，如：路况
信息、车流量信息、时间信息、距离信息以及红绿灯数目信息等实时路线信息，将路况数据r
i
中多个特征通过route feature encoder进行特征编码，得到参数信息route feature encoder进行特征编码的过程主要是根据候选道路的路况车流量等信息进行量化和向量化编码，然后通过神经网络进行特征工程构建。
[0092]
可以将每条候选路线的参数信息和状态信息c进行拼接后，经过全连接层，可以得到融合结果，此处是将状态信息c拼接到每条候选路线的参数信息上，最终得到的融合结果也是和每条候选路线一一对应的。
[0093]
如图3所示，在一些实施例中，上述步骤130、基于融合结果，确定目标路线，包括：如下步骤131至步骤132。
[0094]
其中，步骤131、基于融合结果，确定候选路线的评分信息。
[0095]
可以理解的是，可以根据每条候选线路所对应的融合结果，来对候选路线进行评分，得到评分信息y
i
，评分信息y
i
可以以分数值的形式呈现，比如可以为0分
‑
100分，某一条候选路线的评分可以为85分。
[0096]
步骤132、基于评分信息，从候选路线中确定目标路线。
[0097]
可以理解的是，可以根据评分信息，来从候选路线中选出那条最符合要求的目标路线，比如可以将评分最高的那条候选路线作为目标路线。
[0098]
以评分信息来决定目标路线，相对来说比较客观，以量化的方式对候选路线进行综合评价，能够提高目标路线确定的客观性。
[0099]
当然，可以通过采集用户真实驾驶场景数据作为训练数据，用户在使用导航产品时，在选择目的地后，系统给出推荐的路线即为r
i
，采集到用户的请求query文本为l
i
，期间得到音频数据为audio
i
，图像数据为video
i
，用户选择后得到的路线即为y
i
，通过正确路线与多模态输入组成正例训练对，标签为1，通过用户没有选取的其他路线与多模态输入组成负例训练对，标签为0，损失函数为：
[0100][0101]
其中，y
i
为用户选择结果相当于标签结果，为模型预测结果。
[0102]
值得一提的是，如图6所示，在获取候选路线及候选路线对应的参数信息时，可以采用route feature encoder模型，其中r
i
为候选路线，light
i
、time
i
和dist
i
为每条路线的红绿灯数量、耗时和距离。与此同时，其他路况信息、车流量、是否发生事故以及是否有施工等信息均可作为r
i
里面的特征。
[0103]
其中light
max
为最大红绿灯数目，作为红绿灯数量特征的量化因子，最后得到红绿灯数量量化分级light
q
，其他特征量化分级同理。
[0104]
feature embedding：ft
i
＝feature_embedding_lookup(light
q
)，其中对于每个特征维度均设置一组embedding，该参数可和模型同步训练，其他特征同理计算。
[0105]
将fl
i
；ft
i
；fd
i
进行拼接后通过全
连接得到最终路线信息特征
[0106]
下面对本发明提供的路线选择装置进行描述，下文描述的路线选择装置与上文描述的路线选择方法可相互对应参照。
[0107]
如图7所示，本发明还提供一种路线选择装置，该路线选择装置包括：获取模块710、融合模块720和确定模块730。
[0108]
获取模块710，用于获取车内人员的状态信息，以及候选路线对应的参数信息。
[0109]
融合模块720，用于将状态信息与参数信息进行融合，得到候选路线对应的融合结果。
[0110]
确定模块730，用于基于融合结果，确定目标路线。
[0111]
如图8所示，在一些实施例中，获取模块710，包括：第一获取子模块810和第二获取子模块820。
[0112]
第一获取子模块810，用于获取车内人员的音频数据和图像数据中的至少一个。
[0113]
第二获取子模块820，用于基于所述音频数据和所述图像数据中的至少一个，确定所述状态信息。
[0114]
在一些实施例中，获取模块710还用于：获取目标限制数据；第二获取子模块还用于：基于所述音频数据和所述图像数据中的至少一个以及所述目标限制数据，确定所述状态信息。
[0115]
在一些实施例中，第二获取子模块还包括第一处理子单元、第二处理子单元和第三处理子单元。
[0116]
第一处理子单元，用于对所述音频数据进行频域向量化处理，得到音频特征，和/或，对所述图像数据进行时序向量化处理，得到图像特征。
[0117]
第二处理子单元，用于对所述目标限制数据进行编码向量化处理，得到目标限制特征。
[0118]
第三处理子单元，用于基于所述音频特征和所述图像特征中的至少一个以及所述目标限制特征，确定所述状态信息。
[0119]
在一些实施例中，第三处理子单元还用于：对所述音频特征和所述图像特征中的至少一个与所述目标限制特征进行融合，得到目标融合特征；基于初始标记特征和所述目标融合特征，得到编码数据；将所述编码数据的第一个节点信息作为所述状态信息。
[0120]
在一些实施例中，融合模块720，还用于将所述状态信息与所述参数信息进行拼接处理，得到所述融合结果。
[0121]
如图9所示，在一些实施例中，确定模块730包括：第一确定子模块910和第二确定子模块920。
[0122]
第一确定子模块910，用于基于所述融合结果，确定所述候选路线的评分信息。
[0123]
第二确定子模块920，用于基于所述评分信息，从所述候选路线中确定目标路线。
[0124]
图10示例了一种电子设备的实体结构示意图，如图10所示，该电子设备可以包括：处理器(processor)1010、通信接口(communications interface)1020、存储器(memory)1030和通信总线1040，其中，处理器1010，通信接口1020，存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令，以执行路线选择方法，该方法包括：获取车内人员的状态信息，以及候选路线对应的参数信息；将状态信息与参数信
息进行融合，得到候选路线对应的融合结果；基于融合结果，确定目标路线。
[0125]
此外，上述的存储器1030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。
[0126]
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方法所提供的路线选择方法，该方法包括：获取车内人员的状态信息，以及候选路线对应的参数信息；将状态信息与参数信息进行融合，得到候选路线对应的融合结果；基于融合结果，确定目标路线。
[0127]
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提供的路线选择方法，该方法包括：获取车内人员的状态信息，以及候选路线对应的参数信息；将状态信息与参数信息进行融合，得到候选路线对应的融合结果；基于融合结果，确定目标路线。
[0128]
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。
[0129]
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。
[0130]
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。