一种基于大数据的定制出行智能交通系统及其控制方法与流程

1.本发明属于智能交通领域，尤其涉及一种基于大数据的定制出行智能交通系统及其控制方法。


背景技术：

2.城市交通是一个动态、开放、综合的巨大系统，随着城市化、机动化水平的不断提高，交通拥堵已成为世界各大城市普遍面临的棘手问题。供求关系复杂，而交通拥堵的产生、演化和消散更是一个复杂过程。随着交通导航技术的不断发展，路径规划、智能出行逐渐得到人们的普遍青睐。很多区域都在着力发展自身的智能交通系统，智能交通系统是目前缓解城市交通压力、减少环境污染的一种有效、新型的方法。实时准确的交通预测可为市民的出行提供交通诱导，为交通部口的管理提供及时的决策支持，是保证交通系统高效运行的关键。而其中，全面客观的测定交通拥堵程度，实时精准的掌握交通拥堵态势，是深入分析，充分的利用大数据资源对交通引导作科学支撑，是研究交通智能化的重要基础和前提。
3.目前，导航等能够给出出行建议的产品，往往是在规划出各种可行的出行路径后，往往是根据各出行路径的历史交通数据计算各出行路径的大概用时或者其他指标，之后供用户选择。在交通流预测领域的研究中，己开发出多种预测模型和预测方法。那么在这种情况下，对于智能交通来说，准确的交通流量预测是其实现的前提和关键。但是，众所周知，现在的交通预测方法还是存在诸多的问题。交通预测往往是大致准确的，而且会在很多未知的原因导致失灵。另一方面，将交通智能管理完全的依赖于传统的预测机制，显然是有先天缺陷的。那么如何从先天和后天，也就是根本上来进行高效的智能交通管理，是待解决的问题；本发明在大数据支撑下，从交通预测模型、预测标签以及定制交通三个角度出发，通过量化计算方式进行智能交通控制，提高了交通运输效率。


技术实现要素：

4.为了解决现有技术中的上述问题，本发明提出了一种大数据的定制出行智能交通系统及其控制方法，所述系统包括：移动终端、智能交通模块；所述智能交通模块包括：交通预测模块、交通定制模块、接口模块、智能计算模块、标签计算模块；所述移动终端用于使得用户发送定制交通请求给智能交通模块，并接收智能交通模块返回的智能交通建议；所述智能交通模块用于接收用户发送的定制交通请求，获取交通预测信息和交通定制信息，并通过智能计算模块得到智能交通建议，将得到的智能交通建议返回给移动终端；所述接口模块用于接收用户发送的定制交通请求，解析所述定制交通请求，并将
经过解析的定制交通请求信息发送给智能计算模块、交通预测模块和交通定制模块；所述接口模块还用于用户通过移动终端提交个人信息进行注册登录，并将所提交的个人信息发送至智能交通模块并保存；所述解析所述定制交通请求，具体为：获取定制交通请求中的用户信息和出行子条件；所述出行子条件包括请求时间、出行时间信息、交通方式信息、路线信息、出发地和/或目的地;所述标签计算模块用于基于经过解析的定制交通请求计算定制交通请求的标签信息；并将所述标签信息发送给交通预测模块；所述计算定制交通请求的标签信息，具体为：基于时间信息计算得到标签信息；提取时间信息中的基础标签；提取时间信息中的常规特殊标签；提取时间信息中的隐藏特殊标签；并将基础标签、常规特殊标签和隐藏特殊标签作为所述定制交通请求的标签信息；其中：隐藏特殊标签是随着时间变化而变化的信息；所述提取时间信息中的隐藏特殊标签，具体包括如下步骤：步骤sub_a1:通过基于出行时间信息的搜索获取出行时间的搜索结果信息；所述搜索为互联网搜索、问答搜索、新闻搜索；步骤sub_a2:从搜索结果信息中提取事件信息集合；步骤sub_a3:从事件信息集合中确定一个未处理事件，确定其是否是有效事件；如果是，则返回步骤sub_a3；否则，将所述未处理事件作为当前事件并进入下一步骤；步骤sub_a4:基于当前事件信息获取具有相同事件类型的第一历史出行信息，判断当前事件信息对所述第一历史出行信息的第一影响程度，当所述第一影响程度大于预设影响程度时，将所述事件信息作为所提取的隐藏特殊标签；否则，当所述第一影响程度小于等于预设影响程度时，基于事件的合并确定所提取的隐藏特殊标签；所述基于事件的合并确定所提取的隐藏特殊标签，具体为：将当前事件和事件集合中的每个非当前事件构成事件二元组；计算每个所述事件二元组对第二历史出行信息的第二影响程度，其中：第二历史出行信息是涉及事件二元组中两个事件的第一历史出行信息；当存在一个以上所述第二影响程度大于预设影响程度时，选择最大的第二影响程度对应的事件二元组作为所提取的隐藏特殊标签；当不存在时，进入下一步骤；计算当前事件信息对所述第一历史出行信息的第一影响程度，具体为：基于下式计算第一影响程度idg；计算第一影响程度idg；其中：是第一历史出行信息中第i个历史出行信息中交通预测模块的预测准确率，rpr是预设准确率；n是第一历史出行信息中历史出行信息条数；所述计算每个所述事件二元组对第二历史出行信息的第二影响程度，具体为：针对第一历史出行记录中同时存在事件二元组中第二元事件的历史出行信息，也就是第二历史出行信息，类似的采用上面的公式(1)和公式(2)计算事件二元组对第二历史出行信息的
第二影响程度；步骤sub_a5:判断是否所有事件均被处理，如果是，则结束，否则，返回步骤sub_a3；标签计算模块还用于将隐藏特殊标签作为交通预测模块的新增输入参数；以使得交通预测模块基于包含所述新增输入参数的样本数据进行训练和更新；所述交通预测模块用于基于第一交通预测模型进行交通情况预测，还用于基于预测结果给出常规出行建议；第一交通预测模型基于基础标签和常规特殊标签进行交通情况预测；所述交通预测模块还包括第二交通预测模型，当出现新增输入参数时，所述交通预测模型创建第一交通预测模型的备份作为第二交通预测模型，并基于新增输入参数对第二交通预测模型作新增训练，当第二交通预测模型的训练满足目标值后，用第二交通预测模型替代第一交通预测模型；所述交通定制模块用于给出和所述定制交通请求对应的定制出行建议；智能计算模块用于确定是否接受用户的定制交通请求，如果是，则请求交通定制模块给出定制出行建议作为智能交通建议；如果否，则请求交通预测模块给出常规出行建议作为智能交通建议。
5.进一步的，所述智能交通模块构建于大数据平台上。
6.进一步的，所述移动终端为一个或者多个。
7.进一步的，所述接口模块用于在接收到移动终端访问时，提供图形用户界面给移动终端，收集移动终端写入的定制交通信息后形成智能交通请求。
8.进一步的，所述接口模块还用于解析所述定制交通请求，并将经过解析的定制交通请求信息发送给智能计算模块、交通预测模块和交通定制模块。
9.一种基于上述系统的基于大数据的定制出行智能交通控制方法，其特征在于，所述方法包括如下步骤：步骤s1：接收用户通过移动终端发送的定制交通请求；步骤s2：确定是否接受用户的定制交通请求，如果是，则请求交通定制模块给出定制出行建议；如果否，则请求交通预测模块给出常规出行建议；步骤s3：用户基于返回的出行建议进行出行。
10.进一步的，用户通过无线的方式发送定制交通请求。
11.一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述的基于大数据的定制出行智能交通控制方法。
12.一种计算机可读存储介质，包括程序，当其在计算机上运行时，使得计算机执行所述的基于大数据的定制出行智能交通控制方法。
13.一种执行设备，其特征在于，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现所述的基于大数据的定制出行智能交通控制方法。
14.本发明的有益效果包括：（1）提出定制出行以及将定制出行和交通预测相结合的方式，基于量化计算进行融合，极大的提高了交通运输效率；（2）通过动态标签发现和使得预测模型能够跟随交通变
化的内在规律而动态变化，隐藏特殊标签能避免交通预测模型的失效情况；（3）设计可动态扩展的交通预测模块和快速热更新机制，使得交通预测模型能够随着时间进展和时间变化而保持跟随性更新。
附图说明
15.此处所说明的附图是用来提供对本发明的进一步理解，构成本技术的一部分，但并不构成对本发明的不当限定，在附图中：图1为本发明的基于大数据的定制出行智能交通系统结构示意图；图2为本发明的基于大数据的定制出行智能交通控制方法示意图。
具体实施方式
16.下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定通过如附图1所示，本发明提出一种基于大数据的定制出行智能交通系统，所述系统包括：移动终端、智能交通模块；所述智能交通模块包括：交通预测模块、交通定制模块、接口模块、智能计算模块、标签计算模块；所述移动终端用于使得用户发送定制交通请求给智能交通模块，并接收智能交通模块返回的智能交通建议；智能交通建议包括交通计划及其预测时间，例如：a时间范围搭乘b交通工具走路线c，耗时1小时；所述智能交通模块用于接收用户发送的定制交通请求，获取交通预测信息和交通定制信息，并通过智能计算模块得到智能交通建议，将得到的智能交通建议返回给移动终端；优选的：所述智能交通模块构建于大数据平台上；优选的：所述移动终端为一个或者多个；所述接口模块用于接收用户发送的定制交通请求，解析所述定制交通请求，并将经过解析的定制交通请求信息发送给智能计算模块、交通预测模块和交通定制模块；所述接口模块还用于用户通过移动终端提交个人信息进行注册登录，并将所提交的个人信息发送至智能交通模块并保存；优选的：所述接口模块用于在接收到移动终端访问时，提供图形用户界面给移动终端，收集移动终端写入的定制交通信息后形成智能交通请求；所述解析所述定制交通请求，具体为：获取定制交通请求中的用户信息和出行子条件；其中：所述出行子条件包括请求时间、出行时间信息、交通方式信息、路线信息、出发地和/或目的地等子条件；这些子条件是可替换的，例如：驾车可以替换为打车、公交等；时间通过时间范围的扩展也是可替换的；定制交通请求是用户基于自身的出行需求而提出的对交通资源的定制请求；而对应的定制出行建议是针对该定制交通请求给出的基于交通资源预定和定制使用的出行建议；优选的：将出行子条件按照可替换性排序；可替换性排序是默认的排序，也可以是
用户指定的；子条件的可替换性是满足一般用户需求的，例如：自行车出行可替换为步行，而步行方式是大多数人都可以实现的，其可替换性是很强的；当可替换选项较多时，可替换性强；反之，可替换选项少，范围窄，则可替换性弱；所述标签计算模块用于基于经过解析的定制交通请求计算定制交通请求的标签信息；并将所述标签信息发送给交通预测模块；所述计算定制交通请求的标签信息，具体为：基于时间信息计算得到标签信息；提取时间信息中的年、月、日等基础标签；提取时间中的常规特殊标签，例如：节日、工作日、高峰时段；提取时间信息中的隐藏特殊标签，例如:开学日、考试日、开幕式、极寒天气、暴雨、地铁开通日等；并将基础标签、常规特殊标签和隐藏特殊标签作为所述定制交通请求的标签信息；隐藏特殊标签是可能随着时间变化而变化的信息，例如：开学日等这些信息并不是一个固定的时间，而会对交通产生不可忽视的影响；隐藏特殊标签还会随着时间的变化而变化，是常规的交通预测中没有考虑到的信息；所述提取时间信息中的隐藏特殊标签，具体包括如下步骤：步骤sub_a1:通过基于出行时间信息的搜索获取出行时间的搜索结果信息；所述搜索为互联网搜索、问答搜索、新闻搜索等多种搜索渠道；优选的：所述搜索是围绕路线信息的搜索；步骤sub_a2:从搜索结果信息中提取事件信息集合；例如：地铁开通、降暴雨、弹性工作建议、错峰出行建议等；步骤sub_a3:从事件信息集合中确定一个未处理事件，确定其是否是有效事件；如果是，则返回步骤sub_a3:否则，将所述未处理事件作为当前事件并进入下一步骤；优选的；执行该步骤之前先对事件信息集合进行预处理，以删除其中无意义的事件；所述确定其是否是有效事件，具体为：确定事件信息是否是当前交通预测模块中第一交通预测模型的输入参数；步骤sub_a4:基于当前事件信息获取具有相同事件类型的第一历史出行信息，判断当前事件信息对所述第一历史出行信息的第一影响程度，当所述第一影响程度大于预设影响程度时，将所述事件信息作为所提取的隐藏特殊标签；否则，进入下一步骤；这里可以理解的是，第一历史出行信息是历史上涉及当前事件的出行信息，此时，历史出行信息因为未能针对当前事件打标签，可以通过搜索的方式来确定，例如：当事件是开学日时，查找历史的开学日及其对应的历史出行信息作为第一历史出行信息；可替换的：当所述第一影响程度小于等于预设影响程度时，基于事件的合并确定所提取的隐藏特殊标签；所述基于事件的合并确定所提取的隐藏特殊标签，具体为：将当前事件和事件集合中的每个非当前事件构成事件二元组；计算每个所述事件二元组对第二历史出行信息的第二影响程度，其中：第二历史出行信息是涉及事件二元组中两个事件的第一历史出行信息；当存在一个以上所述第二影响程度大于预设影响程度时，选择最大的第二影响程度对应的事件二元组作为所提取的隐藏特殊标签；当不存在时，进入下一步骤；可替换的：选择影响程度大于第二预设影响程度的事件二元组作为所提取的隐藏特殊标签；
优选的：所述第一预设影响程度和第二预设影响程度是预设值；优选的：标签计算模块还用于将隐藏特殊标签作为交通预测模块的新增输入参数；以使得交通预测模块基于包含所述新增输入参数的样本数据进行训练和更新；对于事件二元组，可以将作为新的事件描述而成为一种新的事件类型，而成为新增输入参数；例如：周一且开学日；通过二元组方式的事件合并的叠加，最终将新发现的多种类型的事件综合形成为新的有代表性的事件类型，例如:周一且开学日且学校附近，并最终作为可信的输入参数来影响交通预测模型的准确性；当然，这些隐藏特殊标签可能会随着时间的进展而被纳入常规特殊标签，也可能会随着时间的进展而湮灭；计算当前事件信息对所述第一历史出行信息的第一影响程度，具体为：基于下式计算第一影响程度idg；计算第一影响程度idg；其中：是第一历史出行信息中第i个历史出行信息中交通预测模块的预测准确率，rpr是预设准确率；n是第一历史出行信息中历史出行信息条数；优选的：所述预测准确率为针对交通拥堵指数的预测；所述计算每个所述事件二元组对第二历史出行信息的第二影响程度，具体为：针对第一历史出行记录中同时存在事件二元组中第二元事件的历史出行信息，也就是第二历史出行信息，类似的采用上面的公式(1)和公式(2)计算事件二元组对第二历史出行信息的第二影响程度；步骤sub_a5:判断是否所有事件均被处理，如果是，则结束，否则，返回步骤sub_a3；现有的多数交通预测模型都能够基于时间进行连续预测，并且这样预测在大多数情况下都是预测准确的，而很多情况由于对时间背后隐藏信息发现的不及时，仅仅考虑了时间所代表的普遍含义而不准确，本发明通过时间信息的深度提取，找到时间信息中的隐藏特殊标签并作历史信息验证，从而提高了可能的预测准确率；所述交通预测模块用于基于第一交通预测模型进行交通情况预测，还用于基于预测结果给出出行建议；优选的：第一交通预测模型基于基础标签和常规特殊标签进行交通情况预测；优选的：所述第一交通预测模型为基于神经网络的交通预测模型；也是当前交通预测所普遍采用的预测模型；所述交通预测模块还包括第二交通预测模型，当出现新增输入参数时，所述交通预测模型创建当前第一交通预测模型的备份作为第二交通预测模型，并基于新增的输入参数对第二交通预测模型作新增训练，当第二交通预测模型的训练满足目标值后，用第二交通预测模型替代第一交通预测模型；通过这样方式，支撑了交通预测模块动态扩展和快速热更新，使得交通预测模型能够随着时间进展而不断的更新，从而满足社会发展和信息进步；
优选的：所述新增的输入参数是标签计算模块给出的输入参数；这些输入参数会随着是时间的变化而不断地改变；优选的：所述第一交通预测模型是可动态扩展的，具体为：交通预测模型的输入参数为多元设置的，所述多元输入参数中的部分输入参数是预留数据元而在未使用时设置为默认值；而在产生新增输入参数时，将所述新增输入参数和预留数据元对应，并基于包含新增输入参数的样本数据对交通预测模型作训练；优选的：新增数据输入层对新增输入参数作输入处理，从而使得新增输入参数满足第一交通预测模型预留的参数输入格式和特征提取方式；所述交通定制模块用于给出和所述定制交通请求对应的定制出行建议；具体为：基于交通饱和度和已给出的定制出行建议，确定和所述定制交通请求中最接近的定制出行建议；也就是说，这里的定制交通请求是基于先来先定制这个原则的，已给出的出行建议会增加交通饱和度；当然，可替换的，考虑定制交通请求中的用户信息，将用户的优先级也作为考虑因素，来确定最接近的定制出行建议；可以看出，交通定制模块给出的出行建议是基于准确的定制信息基础上的，只要是大家都按照定制的出行建议进行出行，而且定制系统有足够的使用量时，出行建议是能够得到100%的保障的，这就从先天程度上克服了预测带来的不准确性，通过你和预测系统相结合的来发挥最大的执行效率，避免人为因素对智能交通系统造成的影响；可替换的：基于饱和度确定拥堵程度，在拥堵程度满足目标值的条件下，确定定制出行建议；优选的：所述拥堵程度额外严重拥堵、中度拥堵、轻度拥堵、畅通、非常畅通；所述确定和所述定制交通请求中最接近的定制出行建议，具体为包括如下步骤：步骤sub_c1:将完全满足当前定制交通请求的出行建议作为初始出行建议，并设置当前出行建议等于初始出行建议；步骤sub_c2:判断交通饱和度是否允许当前出行建议，如果是，则将当前出行建议作为所述最接近的定制出行建议；否则，进入下一步骤；步骤sub_c3:选择一个未替换过的可替换性最强的出行子条件，判断是否所有的出行子条件均替换完毕，如果否，则选择接近的出行子条件来替换当前出行子条件以构成当前出行建议，并返回步骤sub_c2；如果是，则定制失败；当一个出行子条件有多个替换选项时，那么可能形成多个当前出行建议，可以选择其中一个最佳的作为定制出行建议输出；智能计算模块用于确定是否接受用户的定制交通请求，如果是，则请求交通定制模块给出定制出行建议；如果否，则请求交通预测模块给出常规出行建议；优选的：所述请求交通预测模块给出出行建议，具体为：通过交通预测模型给出出行建议，计算隐藏特殊标签对出行建议的影响程度，并基于所述影响程度调整出行建议，给出经过调整后的出行建议；所述计算隐藏特殊标签对出行建议的影响程度，具体为：计算隐藏特殊标签对第一历史出行信息或者第二历史出行信息的影响程度，基于所述影响程度调整出行建议；例如：隐藏特殊标签使得拥堵程度从畅通变成重度拥堵，也就是拥堵程度提高了2个层级，那么，基于这个规律来对交通预测模块给出的出行建议做调整；当然，调整的方式
也可以是对交通方式等的调整，当拥堵程度被显著提高后，推荐的出行建议必然有所调整；所述确定是否接受用户的定制交通请求，具体为：如果定制交通请求在保障出行建议准确性的情况下能够被满足，则接受用户的定制交通请求；否则，不接受；例如：如果完全按照请求中给出的出行子条件得到出行建议，且该出行建议的准确性是满足需求的，那么就接受；这里的准确性可以是基于交通拥堵指数的判断以及出行建议的出行路线时长等、也可以是基于出行子条件被替换的程度来确定；可替换的：所述确定是否接受用户的定制交通请求，具体为：基于定制交通系统被的注册量确定是否接收用户的定制交通请求；当注册量超过预设值时，确接收，例如：超过90%的用户都使用定制交通出行的方式，那么该定制的方式就是可信可行的；所述确定是否接受用户的定制交通请求，具体包括如下步骤：步骤sub_b1:提取定制交通请求中的出行时间信息、交通方式信息、路线信息；步骤sub_b2:确定涉及所述出行时间和路线的定制量；确定基于所述出行时间和路线的预测出行量；可替换的：所述步骤sub_b2，具体为：确定当日交通定制请求的数量作为定制量；确定当日预测出行量作为预测出行量；优选的：基于第一交通预测模型确定预测出行量；步骤sub_b3:比较所述定制量cnm和预测出行量pnm，当差值比(pnm-cnm)/pnm在预设范围内时，接受用户的定制交通请求；反之，不接受；在不接受的情况下并不是说不能给出用户出行建议，而是说这样的出行建议保障率或者说准确率相对于定制出行方式接近100%的准确率来说要低；当然，在有相应的交通规则保障、硬件设置保障、设置定制信用度的前提下，能够使得定制交通请求的准确率得到进一步的提高；可替换的，所述步骤sub_b3，具体为：比较所述定制量cnm和预测出行量pnm，若定制指数（cnm/pnm）*cpr +（1-cnm/pnm）*totpr 大于定制指数阈值(cpr+totpr)/2，则接受用户的定制交通请求；反之，不接受；其中：cpr是定制交通模块的准确率；例如：定制交通的准确率在每次给出的出行建议均能够满足不拥堵的目标时，认为该订制交通的准确率是100%，而totpr是交通预测模块的准确率，这取决于第一交通预测模型的预测准确率；基于相同的发明构思，本发明还提出一种大数据的定制出行智能交通控制方法，所述方法包括：步骤s1：接收用户通过移动终端发送的定制交通请求；步骤s2：确定是否接受用户的定制交通请求，如果是，则请求交通定制模块给出定制出行建议；如果否，则请求交通预测模块给出常规出行建议；步骤s3：用户基于返回的出行建议进行出行；术语“数据处理装置”、“数据处理系统”、“用户设备”或“计算设备”包涵用于处理数据的所有种类的装置、设备和机器，举例包括可编程处理器、计算机、片上系统、或者上述中的多个或其组合。所述装置能够包括专用逻辑电路，例如fpga(现场可编程门阵列)或asic(专用集成电路)。除了硬件，所述装置还可以包括代码，创建用于所述计算机程序的执行环境，例如，构成处理器固件、协议栈、数据库管理系统、操作系统、跨平台运行环境、虚拟
机或上述一个或多个的组合的代码。该装置和执行环境可以实现各种不同计算模型基础设施，诸如web服务、分布式计算、和网格计算基础设施。
17.计算机程序(也被称为程序、软件、软件应用、脚本或代码)能够以编程语言的任何形式来撰写，包括汇编或解释语言、说明或过程性语言，且其可以以任何形式部署，包括作为单机程序或者作为模块、组件、子例程、对象或适于在计算环境中使用的其他单元。计算机程序可以但不必与文件系统中的文件相对应。程序能够存储在保持其他程序或数据(例如存储在标记语言文档中的一个或多个脚本)的文件的一部分中，在专用于所述程序的单个文件中，或者在多个协同文件中(例如，存储一个或多个模块、子例程或代码部分的文件)。计算机程序可以部署为在一个计算机上或位于一个站点或跨多个站点分布且由通信网络互连的多个计算机上执行。
18.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。
19.本发明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。
20.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。
21.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。
22.最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。