基于大数据的自动泊车方法和自动化泊车系统

技术领域

本发明涉及车辆技术领域，尤其涉及一种基于大数据的自动泊车方法和自动化泊车系统。

背景技术

自动泊车是指汽车自动泊车入位不需要人工控制，其作为汽车智能驾驶中重要的功能模块，主要应用于辅助泊车或代替消费者进行泊车的场景。

随着消费者日常使用过程中，车辆增多、停车位紧张等导致复杂地形及复杂泊车位逐渐出现，泊车使用场景增多，障碍物识别的要求增多等，对泊车的性能及功能实现也要求越来越高。目前自动泊车系统(automatic parking assist，APA)的停车水平，相对于驾驶经验丰富的驾驶员，仍然显得像个新手，不如老司机停车停的熟练。

因此，如何提升APA的自动泊车技巧，是当前的亟需解决的问题。

发明内容

本发明提供一种基于大数据的自动泊车方法和自动化泊车系统，用于提高自动泊车系统的自动泊车效率。

本发明实施例第一方面提供一种基于大数据的自动泊车方法，包括：根据云端驾驶数据确定目标泊车数据，所述目标泊车数据为泊车分数高于自动化泊车数据的驾驶员泊车数据；获取所述驾驶员发送的泊车偏向信息；根据所述目标泊车数据和所述泊车偏向信息优化所述自动化泊车数据；将所述自动化泊车数据更新至所述驾驶员的车载泊车软件，以使得所述驾驶员通过所述自动化泊车数据自动泊车。

可选的，所述根据云端驾驶数据确定目标泊车数据包括：从云端获取所述云端驾驶数据，所述云端驾驶数据包括所有驾驶员泊车数据和所有自动化泊车数据；根据预设的泊车维度和各所述泊车维度对应的权重对所述所有驾驶员泊车数据和所有自动化泊车数据进行评分；根据所述所有自动化泊车数据的评分得到自动泊车平均分；确定所述所有驾驶员泊车数据中高于所述自动泊车平均分的数据为所述目标泊车数据。

可选的，所述获取所述驾驶员发送的泊车偏向信息包括：向所述驾驶员发送泊车调查指令；接收所述驾驶员发送的响应于所述泊车调查指令的调查信息，所述调查信息包括所述泊车偏向信息；和/或，当所述驾驶员使用所述车载泊车软件完成泊车后，接收所述驾驶员发送的对当前次泊车的评价信息，所述评价信息包括所述泊车偏向信息。

可选的，所述根据所述目标泊车数据和所述泊车偏向信息优化所述自动化泊车数据包括：根据所述目标泊车数据和所述泊车偏向信息确定泊车规律信息；根据所述泊车规律信息确定泊车摄像头所需采集的车位识别信息；根据所述车位识别信息调整所述摄像头的识别算法模型，以及调整所述摄像头的配置参数；通过所述摄像头的识别算法模型和所述摄像头的配置参数进行自动泊车，以得到优化后的所述自动化泊车数据。

可选的，所述根据所述泊车规律信息确定泊车摄像头所需采集的车位识别信息包括：确定用户所需的置信水平；根据所述置信水平确定针对所述泊车规律信息的置信区间；根据所述置信区间确定完成自动泊车所述摄像头所需采集的所述车位识别信息。

可选的，所述车辆识别信息包括识别范围信息，所述根据所述车位识别信息调整所述摄像头的识别算法模型，以及调整所述摄像头的配置参数包括：确定达到所述识别范围信息对应的识别范围要求的各深度学习模型所需输出的最小识别像素信息；根据所述最小识别像素信息调整所述摄像头的所述识别算法模型。

可选的，所述方法还包括：接收第一驾驶员发送的定制场景泊车指令，所述定制场景泊车指令包括固定车位的图像信息和相邻车位的图像信息，所述图像信息包括车位的标识信息；响应于所述定制场景泊车指令，将所述固定车位的图像信息和相邻车位的图像信息，与所述各图像信息对应的泊车策略和所述第一驾驶员的标识信息关联存储于所述云端；当所述第一驾驶员在行驶过程中启动定制场景泊车模式时，检测车辆两侧各车位的标识信息中是否包括目标标识信息，所述目标标识信息为所述固定车位的标识信息和所述相邻车位的标识信息中的至少一个；若包括，则向所述第一驾驶员发送语音提示信息，并根据所述目标标识信息对应的泊车策略进行自动泊车。

本发明实施例第二方面提供一种自动化泊车系统，包括：确定单元，用于根据云端驾驶数据确定目标泊车数据，所述目标泊车数据为泊车分数高于自动化泊车数据的驾驶员泊车数据；获取单元，用于获取所述驾驶员发送的泊车偏向信息；处理单元，用于根据所述目标泊车数据和所述泊车偏向信息优化所述自动化泊车数据；更新单元，用于将所述自动化泊车数据更新至所述驾驶员的车载泊车软件，以使得所述驾驶员通过所述自动化泊车数据自动泊车。

可选的，所述确定单元具体用于从云端获取所述云端驾驶数据，所述云端驾驶数据包括所有驾驶员泊车数据和所有自动化泊车数据；根据预设的泊车维度和各所述泊车维度对应的权重对所述所有驾驶员泊车数据和所有自动化泊车数据进行评分；根据所述所有自动化泊车数据的评分得到自动泊车平均分；确定所述所有驾驶员泊车数据中高于所述自动泊车平均分的数据为所述目标泊车数据。

可选的，所述获取单元具体用于向所述驾驶员发送泊车调查指令；接收所述驾驶员发送的响应于所述泊车调查指令的调查信息，所述调查信息包括所述泊车偏向信息；和/或，当所述驾驶员使用所述车载泊车软件完成泊车后，接收所述驾驶员发送的对当前次泊车的评价信息，所述评价信息包括所述泊车偏向信息。

可选的，所述处理单元具体用于根据所述目标泊车数据和所述泊车偏向信息确定泊车规律信息；根据所述泊车规律信息确定泊车摄像头所需采集的车位识别信息；根据所述车位识别信息调整所述摄像头的识别算法模型，以及调整所述摄像头的配置参数；通过所述摄像头的识别算法模型和所述摄像头的配置参数进行自动泊车，以得到优化后的所述自动化泊车数据。

可选的，所述处理单元具体用于确定用户所需的置信水平；根据所述置信水平确定针对所述泊车规律信息的置信区间；根据所述置信区间确定完成自动泊车所述摄像头所需采集的所述车位识别信息。

可选的，所述处理单元具体用于确定达到所述识别范围信息对应的识别范围要求的各深度学习模型所需输出的最小识别像素信息；根据所述最小识别像素信息调整所述摄像头的所述识别算法模型。

本发明第三方面提供了一种计算机设备，其包括至少一个连接的处理器、存储器和收发器，其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器中的程序代码来执行上述第一方面所述的基于大数据的自动泊车方法的步骤。

本发明第四方面提供了一种计算机存储介质，其包括指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的基于大数据的自动泊车方法的步骤。

综上所述，可以看出，本发明提供的实施例中，根据云端驾驶数据确定目标泊车数据，所述目标泊车数据为泊车分数高于自动化泊车数据的驾驶员泊车数据；获取所述驾驶员发送的泊车偏向信息；根据所述目标泊车数据和所述泊车偏向信息优化所述自动化泊车数据；将所述自动化泊车数据更新至所述驾驶员的车载泊车软件，以使得所述驾驶员通过所述自动化泊车数据自动泊车。本发明实施例中，根据驾驶技术优于自动泊车技术的驾驶员泊车数据和驾驶员的泊车偏向信息，对自动化泊车数据进行不断优化，使得自动泊车系统在自动泊车方面的熟练度越发趋于驾驶技术娴熟的驾驶员。

附图说明

图1为本发明实施例提供的基于大数据的自动泊车方法的流程示意图；

图2为本发明实施例提供的云端系统框架图；

图3为本发明实施例提供的自动化泊车系统的虚拟结构示意图；

图4为本发明实施例提供的服务器的硬件结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本发明中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式，例如多个模块可以结合成或集成在另一个系统中，或一些特征向量可以忽略，或不执行，另外，所显示的或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，模块之间的间接耦合或通信连接可以是电性或其他类似的形式，本发明中均不作限定。并且，作为分离部件说明的模块或子模块可以是也可以不是物理上的分离，可以是也可以不是物理模块，或者可以分布到多个电路模块中，可以根据实际的需要选择其中的部分或全部模块来实现本发明方案的目的。

下面从数据管理装置的角度对本发明实施例提供的数据解析方法进行说明，该数据解析装置可以为服务器，也可以为服务器中的服务单元，具体不做限定。

请参阅图1，图1为本发明实施例提供的基于大数据的自动泊车方法的流程示意图，包括：

101、根据云端驾驶数据确定目标泊车数据；

本发明实施例中，可以通过云端收集所有驾驶员的驾驶车辆的行为数据，并对这些数据进场分析处理，请参阅图2A，为本发明实施例提供的一种可能的系统架构图，各车辆包括车辆1、车辆2和车辆3等分别与云端通讯连接，即各车辆与所述云端互相进行通信，如在驾驶员1的操作下，所述车辆1将所述车辆1的泊车信息上传给所述云端，所述云端进行储存，其中，所述泊车信息包括但不限于：1)通过车辆总线通讯获取到的方向盘转角、油门开度、车速、前后轮转角等车辆控制参数；2)通过车载传感器例如摄像头超声波探头，以及停车场的高精定位设备获取到的与相邻车位车辆的相对横纵向距离等位置参数；3)该过程是否为手动泊车或是自动泊车的类型参数等。

在本实施例中，具体地迭代优化的步骤请参阅图2B，包括：

201、轨迹预瞄处理；

通过泊车规划模块获取到泊车轨迹，泊车定位模块获取到车辆位置信息，以及车身信号模块获取到横摆角、方向盘转角和车速等信息。根据车－路相对位姿关系，获得预瞄点处期望的转动中心、转动半径、航向角，该组期望值为两次更新时刻之间的平均期望值。基于车道线更新时刻，纵向速度不变以及横向初速度为0且做匀加/减速运动的假设，预瞄时间tp后，计算车辆的坐标。在选择预瞄点时优先遵从误差最小原则，即预瞄点与期望轨迹的横向误差最小，即指标函数最小。

202、跟踪点处理；

确定了预瞄点后，将优化后的预瞄跟踪点轨迹与转动中心、转动半径、期望航向角相关联。

203、后轮转角前馈控制；

204、前轮转角前馈控制；

其中，前馈控制为开环控制，目的是减轻闭环反馈控制的负担，其主要包括两个方面：1.基于期望曲率提供一定的前后轮转角；2.预瞄点处期望的位姿。其中基于轨迹曲率的位姿参数取决于车速、曲率以及曲率变化率等因素。在上述基础上，综合由轨迹规划给出的预瞄点处的期望横摆角度速度，得到最终的前馈转角。

205、轨迹误差计算；

低速跟随控制的轨迹误差的主要分量包括横向偏差和航向角偏差；以车辆后轴中心点为车辆坐标系原点、以泊车功能的期望轨迹所在的大地坐标系为基础参照系，计算自车实际位姿与预瞄点的理想位姿的偏差，其中，所述位姿包括转动中心位置、转动半径、航向角等信息。

206、轨迹误差反馈控制；

当规划出的轨迹为当前期望轨迹，而连续三个任务周期检测到跟随轨迹误差大于设定阈值时，轨迹重规划模式启动，此时车辆跟随的轨迹为重规划跟随轨迹。

从起点和终点处的位置约束和斜率约束入手，具体如下：

位置约束：规划起点、终点，其中沿X轴的长度为重规划完成时的终点位置，该值是标定量，可根据曲率设置不同的值：而重规划终点处与最终期望轨迹之间的距离，可以理解为重规划的收敛距离，该距离也为标定量。

斜率约束(轨迹一阶导数)：在起点处，车辆的航向就是该点处的斜率，也就是斜率为0；终点处，设计成与最终期望轨迹在规划终点处斜率相同，保证车辆重规划轨迹和最终期望轨迹之间平滑切换。

207、控制量约束；

208、平滑处理。

在经过上述算法迭代优化后，进行控制量约束和数据平滑处理，其中控制量约束和数据平滑处理为现有技术中的常用手段，具体此处不再赘述。

可选的，当自动泊车系统的系统升级时，所属云端将升级信息下发给所述各车辆。

在本实施例中，从所述云端获取所有驾驶员对应的云端驾驶数据，并根据所述云端驾驶数据确定目标泊车数据，其中，所述目标泊车数据为泊车分数高于自动化泊车数据的驾驶员泊车数据。具体地，从云端获取所述云端驾驶数据，所述云端驾驶数据包括所有驾驶员泊车数据和所有自动化泊车数据；根据预设的泊车维度和各所述泊车维度对应的权重对所述所有驾驶员泊车数据和所有自动化泊车数据进行评分，其中预设的泊车维度至少包括以下维度中的一种或者多种：泊车速度、泊车时间和泊车完成时的位置姿态；根据所述所有自动化泊车数据的评分得到自动泊车平均分，例如实际运用中，预设的泊车维度包括泊车时间和泊车完成时的位置姿态，且分别对应的权重为0.4和0.6，若驾驶员泊车时间得分为8分，泊车完成时的位置姿态为6分，则对应的分数为8＊0.4+6＊0.6＝6.8分，而自动化泊车数据的泊车时间得分为5分，泊车完成时的位置姿态为9分，则对应的分数为5＊0.4+9＊0.6＝7.4分；确定所述所有驾驶员泊车数据中高于所述自动泊车平均分的数据为所述目标泊车数据，即在获得所有驾驶员泊车数据后，与自动泊车平均分进行对比分析，将高于所述自动泊车平均分的数据确定为所述目标泊车数据，从而筛选出比自动泊车的过程参数更优的驾驶员手动泊车过程参数。

102、获取所述驾驶员发送的泊车偏向信息；

在用户使用自动泊车系统的过程中，自动泊车完成后，会在显示界面弹出调查问卷，即向所述驾驶员发送泊车调查指令，所述泊车调查指令可以包括所述驾驶员对自动泊车系统搞得满意度、对泊车速度、泊车时间和泊车完成姿态的评价等；

接收所述驾驶员发送的响应于所述泊车调查指令的调查信息，所述调查信息包括所述泊车偏向信息；

和/或，

当所述驾驶员使用所述车载泊车软件完成泊车后，接收所述驾驶员发送的对当前次泊车的评价信息，所述评价信息包括所述泊车偏向信息，即驾驶员可以主动对自动泊车系统提出改进意见。

103、根据所述目标泊车数据和所述泊车偏向信息优化所述自动化泊车数据；

在得到所述目标泊车数据和所述泊车偏向信息后，优化所述自动化泊车数据，具体包括以下三个步骤：步骤一、比较未经优化的和更优的泊车位置预瞄跟踪点，计算两者间的偏差；步骤二、基于所述目标泊车数据和所述泊车偏向信息，利用遗传算法或者进化算法，迭代地优化所述预瞄跟踪点的参数，并比较所述预瞄跟踪点的参数和所述目标泊车数据的评分差距；步骤三、重复上述步骤二，直至所述评分差距变为负，即迭代优化的预瞄跟踪点的参数已经比所述目标泊车数据的评分更高。

可选的，在得到所述目标泊车数据和所述泊车偏向信息后，根据所述目标泊车数据和所述泊车偏向信息优化所述自动化泊车数据，具体地，根据所述目标泊车数据和所述泊车偏向信息确定泊车规律信息，即当所述泊车规律信息包括车位识别距离规律信息，确定所述泊车规律信息包括分别计算所述目标泊车数据中车辆识别车位框的识别距离，得到服从正态分布的识别距离数据；对所述识别距离数据进行拟合，得到识别距离分布函数；将所述识别距离分布函数作为所述车位识别距离规律信息。再根据所述泊车规律信息确定泊车摄像头所需采集的车位识别信息，具体地，确定用户所需的置信水平；根据所述置信水平确定针对所述泊车规律信息的置信区间；根据所述置信区间确定完成自动泊车所述摄像头所需采集的所述车位识别信息。

在得到所述车位识别信息后，根据所述车位识别信息调整所述摄像头的识别算法模型，以及调整所述摄像头的配置参数，例如，所述车辆识别信息包括识别范围信息，确定达到所述识别范围信息对应的识别范围要求的各深度学习模型所需输出的最小识别像素信息；根据所述最小识别像素信息调整所述摄像头的所述识别算法模型。调整所述识别算法模型后，通过所述摄像头的识别算法模型和所述摄像头的配置参数进行自动泊车，以得到优化后的所述自动化泊车数据。

104、将所述自动化泊车数据更新至所述驾驶员的车载泊车软件，以使得所述驾驶员通过所述自动化泊车数据自动泊车。

在完成对自动化泊车数据的优化后，将所述自动化泊车数据更新至所述驾驶员的车载泊车软件，以使得所述驾驶员通过所述自动化泊车数据自动泊车。

需要说明的是，本发明实施例中，还可以根据场景进行定制，例如实际应用中，很多驾驶者有固定车位，即可通过定制场景，实现更快的泊车方案。具体地，接收第一驾驶员发送的定制场景泊车指令，所述定制场景泊车指令包括固定车位的图像信息和相邻车位的图像信息，所述图像信息包括车位的标识信息；响应于所述定制场景泊车指令，将所述固定车位的图像信息和相邻车位的图像信息，与所述各图像信息对应的泊车策略和所述第一驾驶员的标识信息关联存储于所述云端；当所述第一驾驶员在行驶过程中启动定制场景泊车模式时，检测车辆两侧各车位的标识信息中是否包括目标标识信息，所述目标标识信息为所述固定车位的标识信息和所述相邻车位的标识信息中的至少一个；若包括，则向所述第一驾驶员发送语音提示信息，并根据所述目标标识信息对应的泊车策略进行自动泊车。

本发明实施例中，根据驾驶技术优于自动泊车技术的驾驶员泊车数据和驾驶员的泊车偏向信息，对自动化泊车数据进行不断优化，使得自动泊车系统在自动泊车方面的熟练度越发趋于驾驶技术娴熟的驾驶员。

上面从基于大数据的自动泊车方法的角度对本发明实施例进行说明，下面从自动泊车系统的角度对本发明实施例进行说明。

请参阅图3，图3为本发明实施例提供的自动化泊车系统的虚拟结构示意图，该自动泊车系统300包括：

确定单元301，用于根据云端驾驶数据确定目标泊车数据，所述目标泊车数据为泊车分数高于自动化泊车数据的驾驶员泊车数据；

获取单元302，用于获取所述驾驶员发送的泊车偏向信息；

处理单元303，用于根据所述目标泊车数据和所述泊车偏向信息优化所述自动化泊车数据；

更新单元304，用于将所述自动化泊车数据更新至所述驾驶员的车载泊车软件，以使得所述驾驶员通过所述自动化泊车数据自动泊车。

可选的，所述确定单元301具体用于从云端获取所述云端驾驶数据，所述云端驾驶数据包括所有驾驶员泊车数据和所有自动化泊车数据；根据预设的泊车维度和各所述泊车维度对应的权重对所述所有驾驶员泊车数据和所有自动化泊车数据进行评分；根据所述所有自动化泊车数据的评分得到自动泊车平均分；确定所述所有驾驶员泊车数据中高于所述自动泊车平均分的数据为所述目标泊车数据。

可选的，所述获取单元302具体用于向所述驾驶员发送泊车调查指令；接收所述驾驶员发送的响应于所述泊车调查指令的调查信息，所述调查信息包括所述泊车偏向信息；和/或，当所述驾驶员使用所述车载泊车软件完成泊车后，接收所述驾驶员发送的对当前次泊车的评价信息，所述评价信息包括所述泊车偏向信息。

可选的，所述处理单元303具体用于根据所述目标泊车数据和所述泊车偏向信息确定泊车规律信息；根据所述泊车规律信息确定泊车摄像头所需采集的车位识别信息；根据所述车位识别信息调整所述摄像头的识别算法模型，以及调整所述摄像头的配置参数；通过所述摄像头的识别算法模型和所述摄像头的配置参数进行自动泊车，以得到优化后的所述自动化泊车数据。

可选的，所述处理单元303具体用于确定用户所需的置信水平；根据所述置信水平确定针对所述泊车规律信息的置信区间；根据所述置信区间确定完成自动泊车所述摄像头所需采集的所述车位识别信息。

可选的，所述处理单元303具体用于确定达到所述识别范围信息对应的识别范围要求的各深度学习模型所需输出的最小识别像素信息；根据所述最小识别像素信息调整所述摄像头的所述识别算法模型。

本发明实施例中，根据驾驶技术优于自动泊车技术的驾驶员泊车数据和驾驶员的泊车偏向信息，对自动化泊车数据进行不断优化，使得自动泊车系统在自动泊车方面的熟练度越发趋于驾驶技术娴熟的驾驶员。

图4为本发明服务器的结构示意图，如图4所示，本实施例的服务器400包括至少一个处理器401，至少一个网络接口404或者其他用户接口403，存储器405，和至少一通信总线402。该服务器400可选的包含用户接口403，包括显示器，键盘或者点击设备。存储器405可能包含高速RAM存储器，也可能还包括非不稳定的存储器(non－volatilememory)，例如至少一个磁盘存储器。存储器405存储执行指令，当服务器400运行时，处理器401与存储器405之间通信，处理器401调用存储器405中存储的指令，以执行上述商品评论数据的推送方法。操作系统404，包含各种程序，用于实现各种基础业务以及处理基于硬件的任务。

本发明实施例提供的服务器，其处理器401可以执行上述由自动化泊车系统所执行的操作，以实现基于大数据的自动泊车方法，其实现原理和技术效果类似，具体此处不再赘述。

本发明实施例还提供一种计算机可读介质，包含计算机执行指令，计算机执行指令能够使服务器执行上述实施例描述的基于大数据的自动泊车方法，其实现原理和技术效果类似，此处不再赘述。

另外需说明的是，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。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实现是更佳的实施方式。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可读取的存储介质中，如计算机的软盘、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，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的方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。

所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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。