CN117196789A - 一种商品采购数量的预测方法、装置、电子设备和存储介质 - Google Patents

Abstract

本发明涉及商品采购数量预测技术领域，公开了一种商品采购数量的预测方法，包括以下步骤：S1：获取电商平台的用户的历史订单数据；S2：对历史订单数据进行分析，从用户购买的商品中，筛选出用户每隔一段时间就会下单购买的周期性购买商品；S3：根据周期性购买商品最后一次的购买时间，以及用户购买周期性购买商品的时间间隔，预估未来周期性购买商品的售出时间范围和数量。本发明通过将周期性数据要素纳入预测模型中进行预测，利用用户购物的规律性来提高预测精度，可以大大提高备货的精准性，减少了仓库货物的积压，减少了物流的成本。

Description

一种商品采购数量的预测方法、装置、电子设备和存储介质

技术领域

本发明涉及商品采购数量预测技术领域，具体为一种商品采购数量的预测方法、装置、电子设备和存储介质。

背景技术

传统的网购流程，均是在用户下单后才开始配送，为了提升配送速度，实力雄厚的电商平台尽可能地在购物需求较高的地区设置仓库，以实现尽快配送，其中，最快的配送时间为当日送达。但当日送达的城市几乎只能够在仓库所在城市或相邻的周边城市范围内完成，且配送时仍然需要以小时计。并且，出于成本与可行性考虑，通常需要成批配送，即，设置当日送达的条件需要在某个时间前下单，如上午11点前下单，进而，现有的网购配送速度最快也需要五小时以上。而且电商平台的仓库备货是根据地区销量进行的,并不能对用户需求进行精准预测,因此能够实现当日配送的产品种类并不多。

现有专利(公开号：CN 110728553 B)一种根据需求预测实现高效购物的方法，通过预测存储空间设定覆盖范围内的买家未来一段时间内的购物需求，预先将对应的商品配送至存储空间内，在用户下单后即可直接从存储空间进行配送，以实现分钟级送达。同理，本发明还能够实现存储空间之间的商品调配，以实现区域范围内所有存储空间之间的商品类别的最优化配置。本发明将存储空间的覆盖范围设定为较小的区域，则存储空间的设置实际上对应于区域仓到达用户的最后一站配送，当地下空间实施为存储空间，与其他功能复用，如利用停车场内合适的空置空间用于商品的存放，配送时可直接就近配送，既能实现及时配送，而且不需要特别设置独立的仓库。

在实现本发明的过程中，发明人发现现有技术中至少存在如下问题没有得到解决：现有技术在使用时，预测商品的采购数量，是基于电商平台整体的数据，如以往的销量，来进行备货，而这种预测方式预测的数据比较粗略，往往并未考虑某些用户周期性购买的商品数据，导致预测精度不高，这样就会导致备货仓库的备货量与实际发货量相差较大，导致仓库货物积压或者需要给其他仓库调货，导致物流成本的提高。

发明内容

本发明的目的在于提供一种商品采购数量的预测方法，以解决背景技术中所提出的问题。

为实现上述目的，本发明提供如下技术方案：一种商品采购数量的预测方法，包括以下步骤：

S1：获取电商平台的用户的历史订单数据；

S2：对历史订单数据进行分析，从用户购买的商品中，筛选出用户每隔一段时间就会下单购买的周期性购买商品；

S3：根据周期性购买商品最后一次的购买时间，以及用户购买周期性购买商品的时间间隔，预估未来周期性购买商品的售出时间范围和数量；

S4：获取用户最近一次购买商品的下单地点，根据用户的下单地点，以及预估的未来周期性购买商品的售出时间范围和数量，就近仓库在相应的时间段内，采购用户对应的合适数量的周期性购买商品；

S5：对电商平台的所有用户进行上述步骤，预测计算出所有仓库需要采购的周期性购买商品的数量，根据该数量进行周期性购买商品备货。

进一步的，筛选出用户每隔一段时间就会下单购买的周期性购买商品的具体算法为：

S201：根据用户的历史订单数据，首先从用户购买的商品中，筛选出两次及两次以上购买次数的商品；

S202：设定商品的第一次购买日期为N1，商品的最后一次购买时间为NX，商品的购买数量为YX，其中X＝商品的购买次数，当前日期为Z，相邻两次购买的最大时间间隔为A；

S203：当X＜2时，该商品不为周期性购买商品；

S204：

当X＝2，且Y1＝Y2时，若2(N2-N1)＜Z-N2，即该商品不为周期性购买商品，反之则为周期性购买商品；

当X＝2，且Y1＝BY2时，若2(N2-N1)/B＜Z-N2，即该商品不为周期性购买商品，反之则为周期性购买商品；

当X＝2，且BY1＝Y2时，若2B(N2-N1)＜Z-N2，即该商品不为周期性购买商品，反之则为周期性购买商品；

其中B为大于1的正整数；

S205：

当X＞2，且Y1至YX均相等时，若Z-NX＜2A，即该商品为周期性购买商品，反之则不为周期性购买商品；

当X＞2，且Y1至YX中存在大于1的值时，求Y1至YX的总和，并且2(NX-N1)/Y1至YX的总和＜Z-NX，即该商品为非周期性购买商品，反之则为周期性购买商品；

S206：得到周期性购买商品的数据库。

进一步的，还包括S207：电商平台向周期性购买商品的用户发送邀约，邀约方式包括聊天框、短信以及广告中的一个或多个，当用户拒绝邀约，则该周期性商品从周期性购买商品的数据库中删除。

进一步的，预估未来周期性购买商品的售出时间范围和数量的具体算法为：

S301：获取周期性购买商品近10次购买的总数量D；

S302：计算出上述购买次数中的第1次购买时间和最后一次购买时间之差T1，和当前日期与最后一次购买时间之差T2，预估售出时间范围为当前日期到当前日期加上(T1/D*近10次购买中最常购买的商品数量)，数量为近10次购买中最常购买的商品数量。

进一步的，每个发货仓库根据预测的备货量进行备货后，还包括以下步骤：

提前配送一部分的货物，将货物配送至用户所在地附近的货物存放点；

用户根据购买订单，对提前配送的货物选择派送或自取。

进一步的，所述货物存放点包括菜鸟驿站和快递蜂巢，用户可以通过订单查看取件码或选择快递上门服务，当选择自取时，使用取件码到菜鸟驿站或快递蜂巢进行取件间，若选择快递上门服务，则快递员到菜鸟驿站或快递蜂巢进行取件，并送货上门。

进一步的，所述步骤S2中，还包括对同一用户是否购买同系列升级产品进行分析，当存在用户购买同系列升级产品时，获取最近两次购买同系列升级产品的时间，根据时间差和同系列升级产品推出的之间，预估用户下一次购买的时间，所述步骤S4中，根据预估结果对采购数量进行添加。

根据本公开的第二方面，一种商品采购数量的预测装置，应用于一种商品采购数量的预测方法，包括：

数据获取模块，用于获取电商平台的数据；

数据筛选模块，用于筛选周期性购买商品的数据；

预估模块，用于预估未来周期性购买商品的售出时间范围和数量；

商品分配模块，用于根据订单地址，将商品的采购信息分配至相应的仓库；

根据本公开的第三方面，一种电子设备，包括：

至少一个处理器；

与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行一种商品采购数量的预测方法。

根据本公开的第四方面，一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行根据一种商品采购数量的预测方法。

与现有技术相比，本发明提供了一种商品采购数量的预测方法，具备以下

有益效果：

该一种商品采购数量的预测方法，通过将周期性数据要素纳入预测模型中进行预测，利用用户购物的规律性来提高预测精度，可以大大提高备货的精准性，减少了仓库货物的积压，减少了物流的成本。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一种商品采购数量的预测方法的流程示意图；

图2为本发明一种商品采购数量的预测装置的示意图。

图中：1、数据获取模块；2、数据筛选模块；3、预估模块；4、商品分配模块。

具体实施方式

为了更好地了解本发明的目的、结构及功能，下面结合附图，对本发明一种商品采购数量的预测方法做进一步详细的描述。

如图1所示，本发明提供一种技术方案：一种商品采购数量的预测方法，包括以下步骤：

S1：获取电商平台的用户的历史订单数据；

S2：对历史订单数据进行分析，从用户购买的商品中，筛选出用户每隔一段时间就会下单购买的周期性购买商品；

S3：根据周期性购买商品最后一次的购买时间，以及用户购买周期性购买商品的时间间隔，预估未来周期性购买商品的售出时间范围和数量；

S4：获取用户最近一次购买商品的下单地点，根据用户的下单地点，以及预估的未来周期性购买商品的售出时间范围和数量，就近仓库在相应的时间段内，采购用户对应的合适数量的周期性购买商品；

S5：对电商平台的所有用户进行上述步骤，预测计算出所有仓库需要采购的周期性购买商品的数量，根据该数量进行周期性购买商品备货。

本实施例中，筛选出用户每隔一段时间就会下单购买的周期性购买商品的具体算法为：

S201：根据用户的历史订单数据，首先从用户购买的商品中，筛选出两次及两次以上购买次数的商品；

S202：设定商品的第一次购买日期为N1，商品的最后一次购买时间为NX，商品的购买数量为YX，其中X＝商品的购买次数，当前日期为Z，相邻两次购买的最大时间间隔为A；

S203：当X＜2时，及商品购买次数小于两次，该商品不为周期性购买商品；

S204：

当X＝2，且Y1＝Y2时，若2(N2-N1)＜Z-N2，即当前时间与上次购买的时间之差大于第二次和第一次购买时间之差的两倍，即该商品不为周期性购买商品，反之则为周期性购买商品；

当X＝2，且Y1＝BY2时，若2(N2-N1)/B＜Z-N2，即该商品不为周期性购买商品，反之则为周期性购买商品；

当X＝2，且BY1＝Y2时，若2B(N2-N1)＜Z-N2，即该商品不为周期性购买商品，反之则为周期性购买商品；

其中B为大于1的正整数；

上面两种计算方法，均针对购买两次的商品，将每次购买的商品单量计入其中，计算每单商品的平均使用时间，根据该时间判定用户再次下单的预估天数，当当前时间与上次购买的时间之差大于预估天数的两倍，则该商品不为周期性购买商品；

S205：

当X＞2，且Y1至YX均相等时，即每次购买数量相同时，若Z-NX＜2A，当前时间与上次购买时间的时间差小于最大时间间隔的两倍，即该商品为周期性购买商品，反之则不为周期性购买商品；

当X＞2，且Y1至YX中存在大于1的值时，求Y1至YX的总和，并且2(NX-N1)/Y1至YX的总和＜Z-NX，即，当每次购买数量不同时，首先计算每单商品的使用时间，最后一次购买的时间与第一次购买的时间差除以总单量，即得出每单商品的使用时间，将该时间乘2，若当前时间与上次购买时间的时间差大于最大时间间隔的两倍，即该商品为非周期性购买商品，反之则为周期性购买商品；

S206：得到周期性购买商品的数据库。

本实施例中，还包括S207：电商平台向周期性购买商品的用户发送邀约，邀约方式包括聊天框、短信以及广告中的一个或多个，当用户拒绝邀约，则该周期性商品从周期性购买商品的数据库中删除，向客户发送邀约可以进一步确认用户是否会购买该商品，提高商品的预测精度。

本实施例中，预估未来周期性购买商品的售出时间范围和数量的具体算法为：

S301：获取周期性购买商品近10次购买的总数量D；

S302：计算出上述购买次数中的第1次购买时间和最后一次购买时间之差T1，和当前日期与最后一次购买时间之差T2，预估售出时间范围为当前日期到当前日期加上(T1/D*近10次购买中最常购买的商品数量)，数量为近10次购买中最常购买的商品数量。

本实施例中，每个发货仓库根据预测的备货量进行备货后，还包括以下步骤：

提前配送一部分的货物，将货物配送至用户所在地附近的货物存放点，因为每个地方必然会有人需要购买货物，提前配送少量的货物到货物存放点，可以加快用户拿到货物的时间；

用户根据购买订单，对提前配送的货物选择派送或自取，提前配送货物后，用户购买商品后，直接可以得到上述选项，若选择自取，可以直接去拿货物，选择配送，即快递员进行配送，也可以大幅缩短正常的物流时间。

本实施例中，所述货物存放点包括菜鸟驿站和快递蜂巢，用户可以通过订单查看取件码或选择快递上门服务，当选择自取时，使用取件码到菜鸟驿站或快递蜂巢进行取件间，若选择快递上门服务，则快递员到菜鸟驿站或快递蜂巢进行取件，并送货上门。

本实施例中，所述步骤S2中，还包括对同一用户是否购买同系列升级产品进行分析，当存在用户购买同系列升级产品时，获取最近两次购买同系列升级产品的时间，根据时间差和同系列升级产品推出的之间，预估用户下一次购买的时间，所述步骤S4中，根据预估结果对采购数量进行添加，如目前的品牌手机，一般一系列一年会出一款，周期性换机的用户，可以预估下一年度是否要购买手机，该预估可以进一步提高商品的采购精度。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。

如图2所示，一种商品采购数量的预测装置，应用于一种商品采购数量的预测方法，包括：

数据获取模块1，用于获取电商平台的数据；

数据筛选模块2，用于筛选周期性购买商品的数据；

预估模块3，用于预估未来周期性购买商品的售出时间范围和数量；

商品分配模块4，用于根据订单地址，将商品的采购信息分配至相应的仓库。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

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。

根据本公开实施例，本公开还提供了一种电子设备和一种可读存储介质。

一种电子设备，包括：

至少一个处理器；

与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行一种商品采购数量的预测方法。

一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行根据一种商品采购数量的预测方法。

电子设备旨在表示各种形式的数字计算机，例如，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，例如，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/或要求的本公开的实现。

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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统(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，可读存储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、装置或设备结合使用的程序。可读存储介质可以是机器可读信号介质或机器可读储存介质。可读存储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。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；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，可以使用上述各种形式的流程，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，也可以不同次序执行，只要能够实现本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。

可以理解，本发明是通过一些实施例进行描述的，本领域技术人员知悉的，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。

Claims (10)

1.一种商品采购数量的预测方法，其特征在于：包括以下步骤：

S1：获取电商平台的用户的历史订单数据；

S2：对历史订单数据进行分析，从用户购买的商品中，筛选出用户每隔一段时间就会下单购买的周期性购买商品；

S3：根据周期性购买商品最后一次的购买时间，以及用户购买周期性购买商品的时间间隔，预估未来周期性购买商品的售出时间范围和数量；

S4：获取用户最近一次购买商品的下单地点，根据用户的下单地点，以及预估的未来周期性购买商品的售出时间范围和数量，就近仓库在相应的时间段内，采购用户对应的合适数量的周期性购买商品；

S5：对电商平台的所有用户进行上述步骤，预测计算出所有仓库需要采购的周期性购买商品的数量，根据该数量进行周期性购买商品备货。

2.根据权利要求1所述的一种商品采购数量的预测方法，其特征在于：筛选出用户每隔一段时间就会下单购买的周期性购买商品的具体算法为：

S201：根据用户的历史订单数据，首先从用户购买的商品中，筛选出两次及两次以上购买次数的商品；

S202：设定商品的第一次购买日期为N₁，商品的最后一次购买时间为N_X，商品的购买数量为Y_X，其中X＝商品的购买次数，当前日期为Z，相邻两次购买的最大时间间隔为A；

S203：当X＜2时，该商品不为周期性购买商品；

S204：

当X＝2，且Y₁＝Y₂时，若2(N₂-N₁)＜Z-N₂，即该商品不为周期性购买商品，反之则为周期性购买商品；

当X＝2，且Y₁＝BY₂时，若2(N₂-N₁)/B＜Z-N₂，即该商品不为周期性购买商品，反之则为周期性购买商品；

当X＝2，且BY₁＝Y₂时，若2B(N₂-N₁)＜Z-N₂，即该商品不为周期性购买商品，反之则为周期性购买商品；

其中B为大于1的正整数；

S205：

当X＞2，且Y₁至Y_X均相等时，若Z-N_X＜2A，即该商品为周期性购买商品，反之则不为周期性购买商品；

当X＞2，且Y₁至Y_X中存在大于1的值时，求Y₁至Y_X的总和，并且2(NX-N1)/Y₁至Y_X的总和＜Z-N_X，即该商品为非周期性购买商品，反之则为周期性购买商品；

S206：得到周期性购买商品的数据库。

3.根据权利要求2所述的一种商品采购数量的预测方法，其特征在于：还包括S207：电商平台向周期性购买商品的用户发送邀约，邀约方式包括聊天框、短信以及广告中的一个或多个，当用户拒绝邀约，则该周期性商品从周期性购买商品的数据库中删除。

4.根据权利要求3所述的一种商品采购数量的预测方法，其特征在于：预估未来周期性购买商品的售出时间范围和数量的具体算法为：

S301：获取周期性购买商品近10次购买的总数量D；

S302：计算出上述购买次数中的第1次购买时间和最后一次购买时间之差T1，和当前日期与最后一次购买时间之差T2，预估售出时间范围为当前日期到当前日期加上(T1/D*近10次购买中最常购买的商品数量)，数量为近10次购买中最常购买的商品数量。

5.根据权利要求4所述的一种商品采购数量的预测方法，其特征在于：每个发货仓库根据预测的备货量进行备货后，还包括以下步骤：

提前配送一部分的货物，将货物配送至用户所在地附近的货物存放点；

用户根据购买订单，对提前配送的货物选择派送或自取。

6.根据权利要求5所述的一种商品采购数量的预测方法，其特征在于：所述货物存放点包括菜鸟驿站和快递蜂巢，用户可以通过订单查看取件码或选择快递上门服务，当选择自取时，使用取件码到菜鸟驿站或快递蜂巢进行取件间，若选择快递上门服务，则快递员到菜鸟驿站或快递蜂巢进行取件，并送货上门。

7.根据权利要求1所述的一种商品采购数量的预测方法，其特征在于：所述步骤S2中，还包括对同一用户是否购买同系列升级产品进行分析，当存在用户购买同系列升级产品时，获取最近两次购买同系列升级产品的时间，根据时间差和同系列升级产品推出的之间，预估用户下一次购买的时间，所述步骤S4中，根据预估结果对采购数量进行添加。

8.一种商品采购数量的预测装置，应用于权利要求1-7任一项所述的一种商品采购数量的预测方法，其特征在于，包括：

数据获取模块，用于获取电商平台的数据；

数据筛选模块，用于筛选周期性购买商品的数据；

预估模块，用于预估未来周期性购买商品的售出时间范围和数量；

商品分配模块，用于根据订单地址，将商品的采购信息分配至相应的仓库。

9.一种电子设备，其特征在于，包括：

至少一个处理器；

与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一权利要求所述的方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一权利要求所述的方法。