具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在智能交通车路协同的场景中,道路上设置的路侧设备、与路侧设备连接的服务器设备,以及与服务器设备连接的至少一个自动驾驶车辆。路侧设备获取路侧环境数据,并将路侧环境数据发送给服务器设备,服务器设备进行处理后,可以将处理后的路侧环境数据广播给自动驾驶车辆。
本公开应用于车路协同场景。在车路协同场景中,为了向自动驾驶车辆提供安全、有效和稳定的路侧环境数据,需要筛选出能够采集高质量路侧环境数据的路侧设备。路侧环境数据是综合多个路侧设备对同一道路对象的采集结果。故,本公开将具有预设位置关系的多个路侧设备组成一个点位,在一段道路上可以设置多个点位。示例的,将设置在同一路口的多个路侧设备作为一个点位。应用本公开可以筛选出高质量的点位,也可以应用本公开的发明构思评估各路侧设备的质量。
本公开中的路侧设备包括感知设备和信号灯。若组成点位的路侧设备为感知设备,则该点位可以被称为感知点位。示例的,一个感知点位可以包括12个摄像头,1个路侧计算单元(RSCU)和1个采集卡(CCU)。若组成点位的路侧设备为信号灯,则该点位可以被称为信号灯点位。感知点位用于感知环境中的任何物体并采集表征相应物体的数据(定位数据、尺寸数据和形状数据等)。本公开中的路侧环境数据包括路侧感知数据和路侧信号灯数据。路侧感知数据由感知点位提供,路侧信号灯数据由信号灯点位提供。其中,信号灯可以为红绿灯。
在车路协同场景下,对于路侧感知数据和信号灯数据的准确性和稳定性要求极为苛刻,而提供路侧感知数据和信号灯数据的路侧设备容易受外界环境影响发生故障。示例的,感知设备中的传感器易受到树枝遮挡或恶劣天气使传感器的位置偏移等,导致感知设备的感知识别能力下降(例如无法识别障碍物,或感知到的障碍物出现障碍物分裂、障碍物误检等问题)。本公开结合附图1说明传感器受到树枝遮挡,无法识别障碍物的情形。图1是根据本公开实施例提供的传感器受到树枝遮挡的示意图;如图1所示,由于树木的生长导致传感器被遮挡。因此,需要对点位进行筛选,将不满足筛选条件的点位及时下线。
相关技术中通过手工方式进行点位的筛选,而通过手工筛选至少存在以下缺陷之一:
第一,手工筛选的方式涉及大量人工干预的环节,导致效率极低。
第二,人工核查周期较长,存在人工审核后的有些点位无法准确反映真实情况。例如点位A在第T天人工核查是正常的,但是在第T+n天时点位A出现故障,由于未进入下一核查周期人工无法得知,仍然认为点位A正常。
第三,手工筛选得到的正常点位,需要经过较长周期(接近1个月)才能提供给自动驾驶车辆使用,无法保证经过较长周期后正常点位是否仍然满足筛选条件。
鉴于此,本公开提供了一种筛选路侧设备的方法。通过预设的筛选规则对点位中的多个路侧设备进行多层筛选,筛选出满足筛选规则的点位,保障点位能够持续提供有效、安全、稳定的路侧感知数据和红绿灯数据。
在本公开中预设的筛选规则包括多层,各层的标准不同且涉及的层面逐层深入。逐层筛选的过程类似漏斗,因此也可以将筛选规则称为漏斗。将用于筛选感知点位的漏斗称为感知漏斗。将用于筛选信号灯点位的漏斗称为信号灯漏斗。本公开通过漏斗的方式筛选出高稳定、高可靠、高质量的点位。进一步的,本公开将筛选出来的点位添加到白名单中,通过白名单中的点位向自动驾驶车辆提供高质量的路侧环境数据。本公开中的点位包括感知点位和信号灯点位,故,为感知点位构建感知白名单,为信号灯点位构建信号灯白名单。通过感知漏斗的感知点位添加至感知白名单。通过信号灯漏斗的信号灯点位添加至信号灯白名单。
综上,本公开通过漏斗监测+动态白名单,实现自动的通过感知漏斗筛选出高质量的感知点位,通过信号灯漏斗筛选出高质量的信号灯点位。将高质量的感知点位得到的感知数据,以及高质量的信号灯点位得到的信号灯数据提供给自动驾驶车辆使用。同时若监测到感知点位出现故障则及时从感知白名单中删除出现故障的感知点位。若监测到信号灯点位出现故障则及时从信号灯白名单中删除出现故障的信号灯点位。保障感知点位和信号灯点位提供的感知数据和信号灯数据安全有效。
本公开下述实施例,将通过附图对本公开提供的筛选路侧设备的方法进行说明。
图2是根据本公开实施例提供的筛选路侧设备的方法流程图;如图2所示,本公开提供的筛选路侧设备的方法,包括以下步骤S201-S202。
在步骤S201中,确定待筛选的多个点位。
如上所述,本公开中每个点位包括多个路侧设备。
在步骤S202中,按照预设的筛选规则对点位中的多个路侧设备进行多层筛选,筛选出满足筛选规则的点位。
通过本公开按照预设的筛选规则自动对点位中的多个路侧设备进行多层筛选,减少了人工干预环节,提高了筛选效率。
本公开中的路侧设备包括感知设备和信号灯设备。针对不同的路侧设备采用符合该路侧设备特征的筛选方式,以保证不同路侧设备的质量。本公开下述实施例结合附图分别说明对不同路侧设备的筛选过程。
在本公开实施例中,按照预设的筛选规则对点位中的多个路侧设备进行多层筛选,筛选出满足筛选规则的点位,包括:按照预设的筛选规则对点位中的各路侧设备依次进行基础性能评估、参数校验、性能指标校验和有效性验证,以筛选出满足筛选规则的点位;或按照预设的筛选规则对点位中的各路侧设备依次进行基础性能评估和性能指标校验,以筛选出满足筛选规则的点位。
本公开提供了两种筛选规则,可以针对路侧设备的类型选择对应的筛选规则,无需对不同类型的路侧设备采用同一筛选规则,增加了灵活性的同时提高了质量。
图3是根据本公开实施例提供的感知设备的筛选流程图;如图3所示,在路侧设备包括感知设备的情况下,按照预设的筛选规则对点位中的各路侧设备依次进行基础性能评估、参数校验、性能指标校验和有效性验证,包括以下步骤S301-S304。
需要说明的是,本公开中的感知设备包括图像传感器(例如摄像头)、激光雷达、毫米波雷达、采集卡(CCU)、红外传感器、定位传感器、光照传感器、压力传感器、温度传感器、湿度传感器、风速传感器、风向传感器、空气质量传感器等等。示例的,图像传感器可以采集与环境相关的图像信息;激光雷达和毫米波雷达可以采集与环境相关的激光点云数据;红外传感器可以利用红外线来探测环境中的环境状况;定位传感器可以采集与环境相关的物体的位置信息。
在步骤S301中,对各感知设备进行稳定性评估,筛选出第一类感知设备。
本公开中将通过稳定性评估的感知设备采用第一类感知设备表征。
本公开中的稳定性评估包括监测感知设备的稳定性是否满足预设的稳定性条件。若感知设备的稳定性满足预设的稳定性条件,则说明该感知设备满足稳定性条件,或该感知设备通过稳定性评估。
以摄像头为例,预设的稳定性条件为在预设周期内未出现预设传感器故障,则通过稳定性评估。监测摄像头在预设周期内是否出现预设传感器故障。若监测到摄像头在预设周期内出现预设传感器故障,则表明该摄像头未通过稳定性评估。在一例中,传感器故障包括时间戳逆序。在预设周期三天内,监测到摄像头出现时间戳逆序的故障,则表明该摄像头未通过稳定性评估。
在步骤S302中,对第一类感知设备进行感知设备参数校验,筛选出第二类感知设备。
本公开中将通过感知设备参数校验的第一类感知设备采用第二类感知设备表征。
本公开通过监测感知设备的参数指标(ROI、相机遮挡情况等)是否满足预设参数指标条件,以完成感知设备参数校验。在本公开中可以调用预设的感知可视化工具对感知设备进行测评。若监测到参数异常,则生成预警信息,并将预警信息发送至相应责任人,以提示相应责任人进行处理。
在步骤S303中,获取控制自动驾驶测试车辆行驶经过设置有第二类感知设备的道路时,第二类感知设备的感知数据,基于感知数据,计算第二类感知设备的感知性能指标,并对第二类感知设备的感知性能指标进行性能指标校验,筛选出第三类感知设备。
本公开中将通过性能指标校验的第二类感知设备采用第三类感知设备表征。
在本公开中,预设多种工单,一种工单表征一种场景,每种场景中包括道路,以及设置在该道路上的不同点位。可以根据实际需要增加不同的工单。利用自动驾驶测试车辆完成不同工单下的测试,获取不同工单对应的实测数据。本公开将实测数据称为落盘数据。
通过挖掘落盘数据,计算出感知性能指标。本公开中的感知性能指标可以包括位置精度、速度精度和端到端时延等。感知性能指标可以根据实际需要进行设定。确定与当前场景相同的目标工单,获取目标工单的落盘数据。本公开中的落盘数据包括控制自动驾驶测试车辆行驶经过设置有第二类感知设备的道路时,感知设备的感知数据。本公开中利用离线挖掘工具,在落盘数据进行指标挖掘,计算感知性能指标对应的指标值。将计算得到的指标值与指标阈值进行比较,若满足预设的性能指标校验条件,则确定通过新能指标校验。预设的性能指标校验条件可以为指标值超过指标阈值。在有多个感知性能指标时,可以设定性能指标校验条件为各感知性能指标的指标值均超过指标阈值,也可以设定性能指标校验条件为各感知性能指标的指标值超过指标阈值的数量满足比例条件。
在步骤S304中,在仿真模型中模拟第三类感知设备向自动驾驶测试车辆发送感知数据的过程,并在仿真模型中确定自动驾驶测试车辆获取到感知数据后的行驶状态,基于行驶状态验证第三类感知设备的有效性,筛选出通过有效性验证通过的第三类感知设备。
通过仿真模型验证有感知设备时是否给车辆的行驶提供收益。经过自动驾驶测试车辆在单车感知下的落盘数据进行仿真,人工复查评估碰撞和急刹风险。若评估结果为没有碰撞和急刹风险,则通过有效性验证。
本公开对感知设备通过基础性能评估、参数校验、性能指标校验和有效性验证,使通过筛选的感知设备能够提供稳定且有效的高质量感知数据,满足自动驾驶场景中对感知数据的严苛要求。
在一种实施方式中,将图3中的筛选过程采用感知漏斗进行说明。图4是根据本公开实施例提供的感知漏斗的示意图;如图4所示,本实施例中的感知漏斗总共包括4级,从上至下依次为感知1级漏斗、感知2级漏斗、感知3级漏斗和感知4级漏斗。感知1级漏斗用于进行传感器稳定性评估。感知2级漏斗用于进行传感器参数校验。感知3级漏斗用于进行性能指标校验。感知4级漏斗用于进行有效性验证。图4中的各级漏斗对应图3中的相应步骤。下面将对每一级漏斗的筛选过程进行说明。
感知1级漏斗用于进行稳定性评估,即通过监测感知设备在预设周期内是否出现预设故障,以确定感知设备的稳定性。
在本公开中,若监测到未通过稳定性评估的感知设备,则自动定位故障并预警责任人处理。将包括有未通过稳定性评估的感知设备的感知点位,作为故障感知点位。在已有感知白名单中进行搜索,若已有感知白名单中存在故障感知点位,则从已有白名单中删除故障感知点位。若监测到感知设备通过稳定性评估,则进入感知2级漏斗。感知2级漏斗用于进行参数校验。将包括有未通过参数校验的感知设备的感知点位,作为故障感知点位。在已有感知白名单中进行搜索,若已有感知白名单中存在故障感知点位,则从已有白名单中删除故障感知点位。若监测到感知设备通过参数校验,则进入感知3级漏斗。感知3级漏斗是性能指标校验。通过性能指标校验则自动进入感知4级漏斗。感知4级漏斗是有效性验证。将通过以上4级感知漏斗筛选出的高质量、高可靠的感知点位,添加至感知白名单。通过感知白名单中的感知点位为自动驾驶车辆提供高质量的感知数据。
上述实施例对感知设备的筛选过程进行具体说明,确保通过本公开提供的感知漏斗筛选出来的感知设备能够为自动驾驶车辆提供高质量的路侧感知数据。下述实施例将结合图5对信号灯的筛选过程进行具体说明。
图5是根据本公开实施例提供的信号灯筛选过程的方法流程图;如图5所示,在路侧设备为信号灯的情况下;按照预设的检测规则对点位中的各路侧设备依次进行基础性能评估和性能指标校验,包括以下步骤S501-S502。
在步骤S501中,对各信号灯进行信号准确性评估,以筛选出第一类信号灯。
本公开中将通过信号准确性评估的信号灯采用第一类信号灯表征。
在进行准确性评估时,可以通过监测信号灯的灯色、相位、灯态,以及倒计时,是否与预设的条件相匹配。示例的,可以通过融合感知监测道路上行驶的车辆速度来判断路侧计算单元RSCU输出的灯色是否准确。可以简单理解为,通过感知设备(摄像头)来查看车流情况,若感知到有车流则说明车速不为零,即灯色为绿灯;若感知到无车流则说明车速为零,即灯色为红灯。
在一例中,若监测到信号灯的灯色和倒计时满足20个周期内正常,则该信号灯通过信号准确性评估。
在步骤S502中,获取控制自动驾驶测试车辆行驶经过设置有第一类信号灯的道路时,第一类信号灯的信号灯数据,基于信号灯数据计算第一类信号灯的信号灯指标,并对第一类信号灯的信号灯指标进行性能指标校验,筛选出通过性能指标校验的第一类信号灯。
在本公开中通过挖掘自动驾驶测试车辆的落盘数据,计算出灯色准确率,倒计时准确率,端到端时延,以及信号灯发送频率等信号灯指标的指标值。若监测到信号灯指标的指标值满足预设的信号灯阈值范围,则通过新能指标校验。
通过本公开对信号灯进行准确性评估和性能指标校验,筛选出通过准确性评估和性能指标校验的信号灯,确保筛选出来的信号灯能够为自动驾驶车辆提供高质量的信号灯数据。
将图5中的筛选过程采用信号灯漏斗进行说明。图6是根据本公开实施例提供的信号灯漏斗的示意图;如图6所示,信号灯漏斗包括两级,从上至下分别为信号灯1级漏斗和信号灯2级漏斗。在信号灯1级漏斗中进行准确性评估,在信号灯2级漏斗中进行性能指标校验。通过信号灯1级漏斗的信号灯自动进入信号灯2级漏斗进行检测。将通过以上2级漏斗的信号灯添加至信号灯白名单。通过信号灯白名单中的信号灯为自动驾驶车辆提供高质量、高可靠性的信号灯数据。
如上所述,本公开将满足筛选规则的点位添加至白名单。通过白名单中的点位为自动驾驶车辆提供高质量的路侧数据,降低自动驾驶的安全隐患,提高自动驾驶的安全性。
本公开以预设时间间隔对各点位进行循环筛选,基于每轮的筛选结果动态更新白名单。通过循环筛选,动态更新白名单,能够提高白名单的准确性。
在基于每轮的筛选结果动态更新白名单的过程中,若检测到存在未通过筛选规则的路侧设备,则确定故障点位,从已有白名单中删除故障点位。其中,故障点位为包括有未通过筛选规则路侧设备的点位。
本公开将未通过筛选规则的故障点位,及时从已有白名单中删除,缩短时延,确保白名单中的点位提供的路侧数据满足自动驾驶要求。
基于相同的构思,本公开实施例还提供一种筛选路侧设备的装置。
可以理解的是,本公开实施例提供的筛选路侧设备的装置为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤,本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能,但是这种实现不应认为超出本公开实施例的技术方案的范围。
图7是根据一示例性实施例示出的一种筛选路侧设备的装置框图。参照图7,该装置700包括确定单元701和筛选单元702。
确定单元701,用于确定待筛选的多个点位,每个点位包括多个路侧设备;筛选单元702,用于按照预设的筛选规则对点位中的多个路侧设备进行多层筛选,筛选出满足筛选规则的点位。
在一种实施方式中,筛选单元702用于:按照预设的筛选规则对点位中的各路侧设备依次进行基础性能评估、参数校验、性能指标校验和有效性验证,以筛选出满足筛选规则的点位;或按照预设的筛选规则对点位中的各路侧设备依次进行基础性能评估和性能指标校验,以筛选出满足筛选规则的点位。
在一种实施方式中,路侧设备包括感知设备;筛选单元702还用于:对各感知设备进行稳定性评估,筛选出第一类感知设备,第一类感知设备为通过稳定性评估的感知设备;对第一类感知设备进行感知设备参数校验,筛选出第二类感知设备,第二类感知设备包括通过感知设备参数校验的第一类感知设备;获取控制自动驾驶测试车辆行驶经过设置有第二类感知设备的道路时,第二类感知设备的感知数据,基于感知数据,计算第二类感知设备的感知性能指标,并对第二类感知设备的感知性能指标进行性能指标校验,筛选出第三类感知设备,第三类感知设备为通过性能指标校验的第二类感知设备;在仿真模型中模拟第三类感知设备向自动驾驶测试车辆发送感知数据的过程,并在仿真模型中确定自动驾驶测试车辆获取到感知数据后的行驶状态,基于行驶状态验证第三类感知设备的有效性,筛选出通过有效性验证通过的第三类感知设备。
在一种实施方式中,路侧设备包括信号灯;筛选单元702还用于:对各信号灯进行信号准确性评估,以筛选出第一类信号灯,第一类信号灯包括为通过信号准确性评估的信号灯;获取控制自动驾驶测试车辆行驶经过设置有第一类信号灯的道路时,第一类信号灯的信号灯数据,基于信号灯数据计算第一类信号灯的信号灯指标,并对第一类信号灯的信号灯指标进行性能指标校验,筛选出通过性能指标校验的第一类信号灯。
在一种实施方式中,装置700还包括:添加单元703,用于将满足筛选规则的点位添加至白名单。
在一种实施方式中,装置700还包括:更新单元704,用于以预设时间间隔对各点位进行循环筛选,基于每轮的筛选结果动态更新白名单。
在一种实施方式中,更新单元704还用于:在检测到存在未通过筛选规则的路侧设备的情况下,确定故障点位,故障点位为包括有未通过筛选规则路侧设备的点位,从已有白名单中删除故障点位。
通过本公开提供的装置按照预设的筛选规则自动对点位中的多个路侧设备进行多层筛选,减少了人工干预环节,提高了筛选效率。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如筛选路侧设备方法。例如,在一些实施例中,筛选路侧设备的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的筛选路侧设备方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行筛选路侧设备的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。