CN116052426A - 一种基于大数据的停车场对外属性识别方法及系统 - Google Patents

Abstract

本发明提供了一种基于大数据的停车场对外属性识别方法及系统；其中，所述方法包括：获取与待分析停车场相关的浮动车的行驶大数据；根据所述行驶大数据得出与所述浮动车的停泊特征相关的评估值；根据所述评估值识别所述待分析停车场的对外属性。本发明的方案无需人工调查，停车场对外属性的识别效率很高，而且可以通过周期性识别来应对停车场对外属性的动态变化，为智能交通中用户准确选择心仪类型的停车场提供有力支持。

Description

一种基于大数据的停车场对外属性识别方法及系统

技术领域

本发明涉及大数据及智能交通技术领域，具体而言，涉及一种基于大数据的停车场对外属性识别方法、系统、电子设备及计算机存储介质。

背景技术

停车场是否对外开放会直接影响智能交通的发展，例如在筛选导航目的地的停车场时需要知晓该停车场是否对外开放，否则如果选定实际非对外开放的内部停车场则会极大降低导航体验。然而，现有技术一般是通过人为调查方式来获取停车场的对外开放状态，该种方式一方面效率极低，另一方面，停车场的对外开放状态是动态的，人为调查的方式是无法确保实时性的。

发明内容

为了至少解决上述背景技术中存在的技术问题，本发明提供了一种基于大数据的停车场对外属性识别方法、系统、电子设备及计算机存储介质。

本发明的第一方面提供了一种基于大数据的停车场对外属性识别方法，包括如下步骤：

获取与待分析停车场相关的浮动车的行驶大数据；

根据所述行驶大数据得出与所述浮动车的停泊特征相关的评估值；

根据所述评估值识别所述待分析停车场的对外属性。

进一步地，在所述获取与待分析停车场相关的浮动车的行驶大数据之前，还包括：

获取与所述待分析停车场相关的停泊失败数据，若所述停泊失败数据满足预设条件，则生成所述待分析停车场的对外属性的识别的触发信号。

进一步地，获取的所述停泊失败数据通过如下方式生成：

所述浮动车通过交互模块接收到所述停泊失败数据；

和/或，

所述浮动车的第一导航路线的完成率低于完成阈值，且在时间阈值内又执行了第二导航路线时，生成所述停泊失败数据；其中，所述第一导航路线和所述第二导航路线的终点均为停车场。

进一步地，所述根据所述行驶大数据得出与所述浮动车的停泊特征相关的评估值，包括：

根据所述行驶大数据得出与所述浮动车相关的第一停泊特征、第二停泊特征；

根据所述第一停泊特征和所述第二停泊特征得出所述评估值；

其中，所述第一停泊特征属于所述待分析停车场的场外特征，所述第二停泊特征属于所述待分析停车场的场内特征。

进一步地，所述根据所述行驶大数据得出与所述浮动车相关的第一停泊特征，包括：

获取所述与待分析停车场相关的场外交通状况数据，根据所述场外交通状况数据确定场外范围，获取位于所述场外范围的所述行驶大数据；

根据所述行驶大数据得出与所述浮动车相关的第一停泊特征。

进一步地，所述根据所述第一停泊特征和所述第二停泊特征得出所述评估值，包括：

根据所述第一停泊特征得出第一评估值，根据所述第二停泊特征得出第二评估值；

根据所述第一评估值及对应的第一权重、所述第二评估值及对应的第二权重得出所述评估值。

进一步地，所述根据所述第一停泊特征得出第一评估值，包括：

根据所述第一停泊特征计算得出所述浮动车到达所述待分析停车场的导航占比，根据所述导航占比计算得出所述第一评估值；

所述根据所述第二停泊特征得出第二评估值，包括：

根据所述第二停泊特征得出所述浮动车在所述待分析停车场内的停泊顺畅度，根据所述停泊顺畅度计算得出所述第二评估值。

本发明的第二方面提供了一种基于大数据的停车场对外属性识别系统，包括获取模块、处理模块、存储模块；所述处理模块与所述获取模块、所述存储模块连接；

所述存储模块，用于存储可执行的计算机程序代码；

所述获取模块，用于获取与待分析停车场相关的浮动车的行驶大数据并传输给所述处理模块；

所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如前任一项所述的方法。

本发明的第三方面提供了一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前任一项所述的方法。

本发明的第四方面提供了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上任一项所述的方法。

本发明的有益效果在于：

本发明通过分析浮动车在停泊于待分析停车场的行驶大数据来识别停车场的对外属性，具体是通过分析相关浮动车的行驶大数据来得出反映其停泊特征的评估值，根据最后获得的评估值来识别停车场的对外属性。

本发明的方案无需人工调查，停车场对外属性的识别效率很高，而且可以通过周期性识别来应对停车场对外属性的动态变化，为智能交通中用户准确选择心仪类型的停车场提供有力支持。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1是本发明实施例公开的一种基于大数据的停车场对外属性识别方法的流程示意图；

图2是本发明实施例公开的一种基于大数据的停车场对外属性识别系统的结构示意图；

图3是本发明实施例公开一种电子设备的结构示意图。

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。

请参阅图1，图1是本发明实施例公开的一种基于大数据的停车场对外属性识别方法的流程示意图。参阅图1，本发明实施例提供了一种基于大数据的停车场对外属性识别方法，包括如下步骤：

获取与待分析停车场相关的浮动车的行驶大数据；

根据所述行驶大数据得出与所述浮动车的停泊特征相关的评估值；

根据所述评估值识别所述待分析停车场的对外属性。

本实施例中，相比于传统的人工调查的方式，本发明通过分析浮动车在停泊于待分析停车场的行驶大数据来识别停车场的对外属性，具体是通过分析相关浮动车的行驶大数据来得出反映其停泊特征的评估值，根据最后获得的评估值来识别停车场的对外属性。本发明的方案无需人工调查，停车场对外属性的识别效率很高，而且可以通过周期性识别来应对停车场对外属性的动态变化，为智能交通中用户准确选择心仪类型的停车场提供有力支持。

其中，浮动车的行驶大数据是由具有车载通信能力的车辆周期性上传至指定服务器的行驶数据，主要包括导航数据、定位数据、行驶偏好数据等。车载通信能力既可以由原装或后配置的车机设备实现，也可以由与车辆同步行驶的移动设备例如手机、平板电脑、智能可穿戴设备等实现，其中涉及的常规的行驶数据采集、传输等技术细节，在此不再赘述。

进一步地，在所述获取与待分析停车场相关的浮动车的行驶大数据之前，还包括：

获取与所述待分析停车场相关的停泊失败数据，若所述停泊失败数据满足预设条件，则生成所述待分析停车场的对外属性的识别的触发信号。

本实施例中，由于停车场的对外属性变化并不频繁，所以本发明的方案并非以固定周期性来识别各停车场的对外属性，而是在接收到浮动车上传的停泊失败数据达到一定程度时才触发对对应停车场的对外属性的识别或更新，从而减少不必要的数据处理负荷。

进一步地，获取的所述停泊失败数据通过如下方式生成：

所述浮动车通过交互模块接收到所述停泊失败数据；

和/或，

所述浮动车的第一导航路线的完成率低于完成阈值，且在时间阈值内又执行了第二导航路线时，生成所述停泊失败数据；其中，所述第一导航路线和所述第二导航路线的终点均为停车场。

本实施例中，对于前者，当用户驾车到达目标停车场时发现该停车场为内部停车场，此时用户可以在交互模块上输入或点选停泊失败项目，于是浮动车可以将停泊失败数据进行上传。

对于后者，当用户驾车到达目标停车场时发现该停车场为内部停车场，则其可能会立即切换新的停车场进行导航，于是在识别到初始的第一导航路线未达到一定完成率(例如95％)且又短时间内开启了另一停车场的路线导航，则可以判定停泊失败。另外，为进一步提升停泊失败的判定准确性，还可以进一步分析第一导航路线和第二导航路线的终点停车场是否位于距离阈值内即周边的新停车场，若是，则判定停泊失败。

进一步地，所述根据所述行驶大数据得出与所述浮动车的停泊特征相关的评估值，包括：

根据所述行驶大数据得出与所述浮动车相关的第一停泊特征、第二停泊特征；

根据所述第一停泊特征和所述第二停泊特征得出所述评估值；

其中，所述第一停泊特征属于所述待分析停车场的场外特征，所述第二停泊特征属于所述待分析停车场的场内特征。

本实施例中，本发明将浮动车的行驶数据分为场内和场外两部分，综合考虑场内、场外的车辆行驶特征来分析停车场的对外属性，从而提升对外属性的识别准确性。

其中，可设置在评估值高于评估阈值时，判定待分析停车场为对外开放属性，反之，则设置待分析停车场为非对外开放属性。

进一步地，所述根据所述行驶大数据得出与所述浮动车相关的第一停泊特征，包括：

获取所述与待分析停车场相关的场外交通状况数据，根据所述场外交通状况数据确定场外范围，获取位于所述场外范围的所述行驶大数据；

根据所述行驶大数据得出与所述浮动车相关的第一停泊特征。

本实施例中，停车场外部的交通状况对于浮动车的驾驶特征具有较大影响，例如当停车场周边存在较多的限行、修路、建筑施工等情形时，浮动车具有更高的概率使用导航设备行驶至该停车场。

其中，场外范围的大小与场外交通状况数据正相关，即场外交通状况数据越高，则说明停车场周边行驶越顺畅，浮动车存在提前关闭导航系统的更大概率(例如用户已经在一定的距离外观察到了该停车场的指示标识，此时无需再使用导航系统，进而将其关闭)，此时在更大的场外范围内获取浮动车的行驶大数据；而场外交通状况数据越低，则说明停车场周边行驶越不顺畅，浮动车存在提前关闭导航系统的更小概率，此时在更小的场外范围内获取浮动车的行驶大数据，从而得出浮动车导航来此的更准确数据。

需要进行说明的是，场外交通状况数据是对停车场周边交通畅行状态的评估值，其基于前述的限行、修路、建筑施工等多种因素参数综合确定，具体计算公式不予限定。

进一步地，所述根据所述第一停泊特征和所述第二停泊特征得出所述评估值，包括：

根据所述第一停泊特征得出第一评估值，根据所述第二停泊特征得出第二评估值；

根据所述第一评估值及对应的第一权重、所述第二评估值及对应的第二权重得出所述评估值。

本实施例中，在获得场外的第一停泊特征和场内的第二停泊特征之后，分别对其进行量化处理，从而对应获得第一评估值、第二评估值，最后通过加权求和即可得出综合的评估值。

进一步地，所述根据所述第一停泊特征得出第一评估值，包括：

根据所述第一停泊特征计算得出所述浮动车到达所述待分析停车场的导航占比，根据所述导航占比计算得出所述第一评估值；

所述根据所述第二停泊特征得出第二评估值，包括：

根据所述第二停泊特征得出所述浮动车在所述待分析停车场内的停泊顺畅度，根据所述停泊顺畅度计算得出所述第二评估值。

本实施例中，本发明中的场外特征指的是各停泊至待分析停车场的浮动车到来时使用了导航设备的占比，具体地，第一停泊特征包含了各浮动车到达停车场的场外范围时是否被检测到正在使用导航设备，综合分析该检测结果可以确定出该停车场在一定周期内导航车辆的占比，再将占比情况量化为无量纲的第一评估值。具体来说，如果停车场为内部停车场，停泊其中的车辆由于熟悉抵达路线而大多不需要使用导航设备，只有少部分临时访客车辆才会使用导航设备，而对外停车场则具有明显更高的导航占比。于是，基于导航车辆的占比数据可以得出该停车场属于对外开放的第一评估值。其中，在导航占比高于比例阈值时，可设置第一评估值为大于0的数值，且与超出比例阈值的程度正相关。

本发明的场内特征指的是浮动车在进入停车场之后的停泊顺畅度。如果停车场为内部停车场，则停泊其中的车辆要么具有专属停车位、要么具有喜好停车位/停车区域，浮动车自停车场入口至停泊入位的过程中相对顺畅，主要体现在车速较快、极少倒车、绕行较少等；反之，如果停车场为对外停车场，则停泊其中的车辆普遍不熟悉停车场的布局，而且还需要花费较多的精力寻找空闲车位，停泊过程明显不畅，可以体现为车速较慢、较多倒车、绕行较多等。于是，基于上述的体现特征可综合分析出停泊顺畅度，再将停泊顺畅度量化为无量纲的第二评估值。

其中，导航设备的使用情况可以从浮动车的主动上报信息中提取得出，与停泊顺畅度相关的上述体现特征则既可以从浮动车的主动上报信息中提取得出，也可以通过停车场内的监控设备识别得出，本发明对此不作限定。

作为本实施例的一种改进，第一评估值和第二评估值的权重可以通过如下方式确定：

计算所述待分析停车场的规模评估值，根据所述规模评估值确定所述第二评估值的第二权重，根据所述第二权重确定所述第一权重。

在停车场内部规模较大时，浮动车的用户很难通过目视快速了解停车场的内部构造以找到心仪车位，此时用户对停车场的熟悉程度对于顺畅停车具有更大影响；而在停车场内部规模较小时，浮动车的用户可轻易通过目视快速了解停车场的内部构造以找到心仪车位，场内特征就难以直接用于判定停车场的对外属性，此时给场外特征设置更大的权重。于是，本发明设置第二权重与停车场的规模评估值相关，具体为第二权重与规模评估值正相关。规模评估值可通过停车场的车位数、楼层数、布局紧密度等指标综合分析得出。其中，第一权重和第二权重的和值为1，所以，在确定出第二权重之后即可确定出第一权重。

请参阅图2，图2是本发明实施例公开的一种基于大数据的停车场对外属性识别系统的结构示意图。如图2所示，本发明实施例的一种基于大数据的停车场对外属性识别系统，包括获取模块(101)、处理模块(102)、存储模块(103)；所述处理模块(102)与所述获取模块(101)、所述存储模块(103)连接；

所述存储模块(103)，用于存储可执行的计算机程序代码；

所述获取模块(101)，用于获取与待分析停车场相关的浮动车的行驶大数据并传输给所述处理模块(102)；

所述处理模块(102)，用于通过调用所述存储模块(103)中的所述可执行的计算机程序代码，执行如前任一项所述的方法。

该实施例中的一种基于大数据的停车场对外属性识别系统的具体功能参照上述实施例，由于本实施例中的系统采用了上述实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

请参阅图3，图3是本发明实施例公开的一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前述实施例所述的方法。

本发明实施例还公开了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如前述实施例所述的方法。

本发明的电子设备中的处理器可以根据存储在只读存储器(ROM)中的计算机程序或者从存储器加载到随机访问存储器(RAM)中的计算机程序，来执行各种适当的动作和处理。在RAM中，还可存储器操作所需的各种程序和数据。处理器、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。

电子设备中的多个部件连接至I/O接口，包括：输入单元，例如键盘、鼠标等；输出单元，例如各种类型的显示器、扬声器等；存储单元，例如磁盘、光盘等；以及通信单元，例如网卡、调制解调器、无线通信收发机等。通信单元允许设备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。

处理器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。处理器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。处理器执行上文所描述的各个方法和处理，例如应对感知方法。例如，在一些实施例中，应对感知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，例如存储器。在一些实施例中，计算机程序的部分或者全部可以经由ROM和/或通信单元而被载入和/或安装到电子设备上。当计算机程序加载到RAM并由处理器执行时，可以执行上文描述的应对感知方法的一个或多个步骤。备选地，在其他实施例中，处理器可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行应对感知方法。

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。

Claims (10)

1.一种基于大数据的停车场对外属性识别方法，其特征在于，包括如下步骤：

获取与待分析停车场相关的浮动车的行驶大数据；

根据所述行驶大数据得出与所述浮动车的停泊特征相关的评估值；

根据所述评估值识别所述待分析停车场的对外属性。

2.根据权利要求1所述的一种基于大数据的停车场对外属性识别方法，其特征在于：在所述获取与待分析停车场相关的浮动车的行驶大数据之前，还包括：

获取与所述待分析停车场相关的停泊失败数据，若所述停泊失败数据满足预设条件，则生成所述待分析停车场的对外属性的识别的触发信号。

3.根据权利要求2所述的一种基于大数据的停车场对外属性识别方法，其特征在于：获取的所述停泊失败数据通过如下方式生成：

所述浮动车通过交互模块接收到所述停泊失败数据；

和/或，

所述浮动车的第一导航路线的完成率低于完成阈值，且在时间阈值内又执行了第二导航路线时，生成所述停泊失败数据；其中，所述第一导航路线和所述第二导航路线的终点均为停车场。

4.根据权利要求1-3任一项所述的一种基于大数据的停车场对外属性识别方法，其特征在于：所述根据所述行驶大数据得出与所述浮动车的停泊特征相关的评估值，包括：

根据所述行驶大数据得出与所述浮动车相关的第一停泊特征、第二停泊特征；

根据所述第一停泊特征和所述第二停泊特征得出所述评估值；

其中，所述第一停泊特征属于所述待分析停车场的场外特征，所述第二停泊特征属于所述待分析停车场的场内特征。

5.根据权利要求4所述的一种基于大数据的停车场对外属性识别方法，其特征在于：所述根据所述行驶大数据得出与所述浮动车相关的第一停泊特征，包括：

获取所述与待分析停车场相关的场外交通状况数据，根据所述场外交通状况数据确定场外范围，获取位于所述场外范围的所述行驶大数据；

根据所述行驶大数据得出与所述浮动车相关的第一停泊特征。

6.根据权利要求4所述的一种基于大数据的停车场对外属性识别方法，其特征在于：所述根据所述第一停泊特征和所述第二停泊特征得出所述评估值，包括：

根据所述第一停泊特征得出第一评估值，根据所述第二停泊特征得出第二评估值；

根据所述第一评估值及对应的第一权重、所述第二评估值及对应的第二权重得出所述评估值。

7.根据权利要求6所述的一种基于大数据的停车场对外属性识别方法，其特征在于：所述根据所述第一停泊特征得出第一评估值，包括：

根据所述第一停泊特征计算得出所述浮动车到达所述待分析停车场的导航占比，根据所述导航占比计算得出所述第一评估值；

所述根据所述第二停泊特征得出第二评估值，包括：

根据所述第二停泊特征得出所述浮动车在所述待分析停车场内的停泊顺畅度，根据所述停泊顺畅度计算得出所述第二评估值。

8.一种基于大数据的停车场对外属性识别系统，包括获取模块、处理模块、存储模块；所述处理模块与所述获取模块、所述存储模块连接；

所述存储模块，用于存储可执行的计算机程序代码；

所述获取模块，用于获取与待分析停车场相关的浮动车的行驶大数据并传输给所述处理模块；

其特征在于：所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如权利要求1-7任一项所述的方法。

9.一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；其特征在于：所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的方法。

10.一种计算机存储介质，该存储介质上存储有计算机程序，其特征在于：该计算机程序被处理器运行时执行如权利要求1-7任一项所述的方法。

Images