增强网络切片服务连续性的方法及计算机可读存储介质

技术领域

本申请涉及5GS技术领域，具体涉及一种增强网络切片服务连续性的方法及计算机可读存储介质。

背景技术

随着5G时代的到来，开启了一个万物互联的时代，5G支持eMBB、mMTC和uRLLC三大场景，三大场景中包含了各种多样化差异化的业务和应用，为了适配这些不同类型的业务和应用需求，5G网络通过对实际网络的资源和功能进行划分，并利用切片技术在通用硬件基础上虚拟出多个端到端的网络，形成不同的网络切片，使得每个网络具有不同网络功能，不同行业的业务和应用可以使用不同的切片网络来承载，以此满足不同行业的业务和应用需求。

网络切片由RAN部分和5GC部分组成，每个网络切片由S-NSSAI进行唯一标识，根据运营商的运营或部署需求，一个S-NSSAI可以与一个或多个NSI相关联，一个NSI可以与一个或多个S-NSSAI相关联，NSI是一个特定的端到端逻辑网络，包含一系列网元和资源(计算、存储等)的组合。对于任何S-NSSAI，网络可以在任何时间仅用一个与该S-NSSAI相关联的NSI为UE服务，由于只有一个与给定S-NSSAI相关联的NSI用于服务UE，一旦NSSF根据该S-NSSAI选择NSI来服务于UE时，服务于UE的AMF实例就会限制发现使用同一网络切片的SMF等一系列实例，从而使得PDU会话的配置仅在当前所选NSI中，除非该NSI在给定注册区域中不再有效，或UE允许的NSSAI发生变化等情况。然而在网络实际的服务过程中，随着网络切片资源的不断变化，UE所选的网络切片可能出现过载的情况，从而造成部分PDU会话中断，导致UE的通信异常，对于某些关键业务而言，异常中断可能造成严重的后果。

因此，5G网络需要更智能更优化的方式避免网络切片过载时导致通信异常的情况。

发明内容

本申请的目的在于提供一种增强网络切片服务连续性的方法及计算机可读存储介质，有利于避免网络切片过载时导致通信异常的情况。

为实现上述目的，本申请提供了一种增强网络切片服务连续性的方法包括：

AMF在网络服务期间向NWDAF订阅网络切片负载程度分析；

UE根据请求消息中的S-NSSAI列表中的S-NSSAI 1建立PDU会话；

NWDAF以预设时间间隔收集各特征的数据，各所述特征为所述S-NSSAI列表中各S-NSSAI对应的NSI的负载相关特征，各所述特征的数据分别用于分析对应的NSI的负载程度；

NWDAF根据收集到的各所述特征的历史数据进行预测，当预测结果表示S-NSSAI 1对应的NSI在未来预设时长内的负载程度达到负载程度的给定阈值时，NWDAF发送通知消息给AMF，所述通知消息中包括各S-NSSAI对应的NSI在未来预设时长内的负载程度预测消息；

AMF根据所述通知消息向NSSF发起网络切片选择的请求，该请求的消息中包括UE允许的各S-NSSAI信息以及各S-NSSAI对应的NSI在所述未来预设时长内的负载程度预测消息；

NSSF根据UE允许的各S-NSSAI信息以及各S-NSSAI对应的NSI在所述未来预设时长内的负载程度预测消息选择出S-NSSAI 2并将选择结果响应给AMF，S-NSSAI 2和S-NSSAI 1与同一NSSAI相关；

根据作为源S-NSSAI的S-NSSAI 1和作为目标S-NSSAI的S-NSSAI 2，执行S-NSSAI切换操作。

可选地，所述AMF订阅网络切片负载程度分析的请求消息中包括分析ID：负载程度预测消息，分析过滤信息：S-NSSAI和NSI ID，分析报告的目标：所有ID，负载程度的给定阈值，预测的未来预设时长。

可选地，NWDAF以所述预设时间间隔向对应的数据源收集各所述特征的数据，所述数据源包括AMF、OAM和SMF。

可选地，各所述特征包括当前时刻NSI服务的UE总数以及所述预设时间间隔内NSI上注册/注销的UE平均数量、建立/释放的PDU会话平均数量、NF实例虚拟资源的平均使用情况。

可选地，所述NSSF根据UE允许的各S-NSSAI信息以及各S-NSSAI对应的NSI在所述未来预设时长内的负载程度预测消息选择出S-NSSAI 2包括：

NSSF向NSACF订阅UE允许的各S-NSSAI上注册的UE数量和建立的PDU会话数量；

NSACF将UE允许的各S-NSSAI上注册的UE数量和建立的PDU会话数量响应给NSSF；

NSSF根据UE允许的各S-NSSAI信息、接收到的各S-NSSAI上注册的UE数量和建立的PDU会话数量，以及各S-NSSAI对应的NSI在所述未来预设时长内的负载程度预测消息选择出S-NSSAI 2并将选择结果响应给AMF。

可选地，所述根据作为源S-NSSAI的S-NSSAI 1和作为目标S-NSSAI的S-NSSAI 2，执行S-NSSAI切换操作包括：

AMF向对应的SMF 1发起SM上下文更新请求，该更新请求的消息中包括PDU会话切换指示、作为源S-NSSAI的S-NSSAI 1和作为目标S-NSSAI的S-NSSAI 2；

SMF1向AMF发送N1N2消息，该N1N2消息中包括新选择的S-NSSAI 2；

AMF将所述N1N2消息转发给RAN，RAN将N1消息转发给UE，所述N1消息中包含新选择的S-NSSAI 2；

UE基于S-NSSAI 2向网络建立PDU会话；

UE释放掉S-NSSAI 1关联的NSI上的PDU会话。

可选地，所述根据作为源S-NSSAI的S-NSSAI 1和作为目标S-NSSAI的S-NSSAI 2，执行S-NSSAI切换操作之后，所述方法还包括：

NWDAF持续对S-NSSAI 1对应的NSI的负载程度进行预测；

直到返回的预测结果表明在所述未来预设时长内的负载程度没有达到负载程度的给定阈值时，执行从S-NSSAI 2切换为S-NSSAI 1的操作。

可选地，所述NWDAF根据收集到的各所述特征的历史数据进行预测包括：

NWDAF根据收集到的各所述特征的历史数据建立数据集，所述数据集中还包括标签数据组成的标签列，各所述标签数据分别对应各时刻收集到的各所述特征的数据，所述标签数据取值为第一数值或者第二数值，所述第一数值代表对应的NSI未达到负载程度的给定阈值，所述第二数值代表对应的NSI达到负载程度的给定阈值；

将所述数据集划分为训练集和测试集；

利用所述训练集对预测模型进行训练；

利用所述测试集对完成训练的所述预测模型进行验证；

利用完成验证的所述预测模型预测，得到负载程度预测消息。

可选地，

所述预测模型为加权随机森林模型；

所述利用所述训练集对预测模型进行训练包括：

从所述训练集中有放回地抽样得到k个子数据集，每个子数据集的对应数据量为q，q小于所述训练集的数据量；

针对每个所述子数据集分别训练一棵CART决策树：

从各所述特征中随机选择p个特征并分别进行二元划分，针对p特征分别进行如下计算：

(1)计算基尼指数：

(2)计算信息增益：

其中D为待选结点，N

(3)选择信息增益最大的特征作为根结点的分类特征；

(4)基于步骤(1)至(3)的方式确定所述根结点下的所有结点，所述CART决策树最终输出第一类别或第二类别；

所述利用完成验证的所述预测模型预测包括：

将新收集的特征数据分别输入到k棵CART决策树，得到输出第一类别的数量和输出第二类别的数量；

利用投票法将k棵CART决策树中得票最高的类别用于最终的分类结果：

Result＝argmax(I

其中W

为实现上述目的，本申请还提供了一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时实现如上所述的增强网络切片服务连续性的方法。

本申请还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行如上所述的增强网络切片服务连续性的方法。

本申请NWDAF可以利用收集到的S-NSSAI列表中各S-NSSAI对应的NSI的负载相关特征的历史数据进行预测，当预测结果表示S-NSSAI 1对应的NSI在未来预设时长内的负载程度达到负载程度的给定阈值时，NWDAF发送通知消息给AMF，进而AMF根据通知消息向NSSF发起网络切片选择的请求，接着NSSF即可根据来自AMF的UE允许的各S-NSSAI信息以及各S-NSSAI对应的NSI在未来预设时长内的负载程度预测消息选择出S-NSSAI 2并将选择结果响应给AMF，然后即可执行S-NSSAI切换操作，进而有利于避免网络切片过载时导致通信异常的情况。

附图说明

图1是本申请实施例增强网络切片服务连续性的方法的流程图。

图2是本申请实施例切换至新的网路切片的流程图。

图3是本申请实施例CART决策树的示意图。

图4是本申请另一实施例增强网络切片服务连续性的方法的流程图。

具体实施方式

为了详细说明本申请的技术内容、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。

为便于理解本申请，在此将本申请出现的相关术语解释如下：

eMBB：enhanced Mobile Broadband增强型移动宽带

mMTC：massive Machine Type Communication海量机器类通信

uRLLC：ultra Reliable Low Latency Communication超高可靠低时延通信

UE：User Equipment用户设备

RAN：Radio Access Network无线接入网

5GC：5G Core 5G核心网

NF：Network Function网络功能：5G网络中核心网网元的英文缩写

AMF：Access and Mobility Management Function接入和移动性管理功能

SMF：Session Management Function会话管理功能

UPF：User Plane Function用户面功能

S-NSSAI：Single Network Slice Selection Assistance Information单一网络切片选择辅助信息

NSI：Network Slice instance网络切片实例

NSSF：Network Slice Selection Function网络切片选择功能

PDU：Protocol Data Unit协议数据单元

DNN：Data Network Name数据网络名称

PLMN：Public Land Mobile Network公共陆地移动网

SSC：Session and Service Continuity会话及业务连续性

OAM：Operation Administration and Maintenance操作维护管理

实施例一

请参阅图1和图2，本申请公开了一种增强网络切片服务连续性的方法，包括：

101、AMF在网络服务期间向NWDAF订阅网络切片负载程度分析。在AMF订阅网络切片负载程度分析后，NWDAF可以对该AMF涉及的UE相关的网络切片负载程度进行后面所述的分析预测。

具体地，AMF订阅网络切片负载程度分析的请求消息中包括分析ID：负载程度预测消息，分析过滤信息：S-NSSAI和NSI ID，分析报告的目标：所有UE，负载程度的给定阈值，预测的未来预设时长。举例而言，负载程度的给定阈值可以设置为80％，即达到当前NSI可用资源的80％时将分析结果通知给AMF；预测的未来预设时长可以设置为10分钟，即请求预测的时间段是10分钟。NWDAF接收到请求后会响应AMF，并可以在响应中包括定时上报数据的时间间隔，例如：两分钟，即AMF每两分钟向NWDAF上报一次数据。

102、UE根据请求消息中的S-NSSAI列表中的S-NSSAI 1建立PDU会话。

具体地，建立PDU会话的请求消息还包括：DNN、PDU会话ID、PDU会话类型、SSC模式、PLMN ID等。

103、NWDAF以预设时间间隔(比如两分钟)收集各特征的数据，各特征为S-NSSAI列表中各S-NSSAI对应的NSI的负载相关特征，各特征的数据分别用于分析对应的NSI的负载程度。

具体地，NWDAF以预设时间间隔向对应的数据源收集各特征的数据，数据源包括AMF、OAM和SMF等。

具体地，各特征包括当前时刻NSI服务的UE总数以及预设时间间隔内NSI上注册/注销的UE平均数量、建立/释放的PDU会话平均数量、NF实例虚拟资源(CPU、内存、磁盘等)的平均使用情况。当然各特征并局限于上述特征，比如，还可以包括其他特征。

104、NWDAF根据收集到的各特征的历史数据进行预测，当预测结果表示S-NSSAI 1对应的NSI在未来预设时长(如10分钟)内的负载程度达到负载程度的给定阈值时，NWDAF发送通知消息给AMF，通知消息中包括各S-NSSAI对应的NSI在未来预设时长内的负载程度预测消息。在具体的示例中，预测结果为1或0，分别代表负载程度达到负载程度的给定阈值和负载程度未达到负载程度的给定阈值。

在一些实施方式中，NWDAF根据收集到的各特征的历史数据进行预测包括：

首先，NWDAF根据收集到的各特征的历史数据建立数据集，数据集中还包括标签数据组成的标签列，各标签数据分别对应各时刻收集到的各特征的数据，标签数据取值为第一数值(比如0)或者第二数值(比如1)，第一数值代表对应的NSI未达到负载程度的给定阈值，第二数值代表对应的NSI达到负载程度的给定阈值。

具体地，NWDAF收集到的各特征的历史数据为：

其中，m为数据量，n为特征数。

接着，将数据集划分为训练集和测试集。比如，将70％的数据集划分为训练集，30％的数据集划分为测试集。

接着，利用训练集对预测模型进行训练。

接着，利用测试集对完成训练的预测模型进行验证。

然后，利用完成验证的预测模型预测，得到负载程度预测消息。

进一步地，预测模型为加权随机森林模型，利用训练集对预测模型进行训练包括：

从训练集中(具有n个特征的m个观测样本)有放回地抽样(利用Bootstrap抽样)得到k个子数据集，每个子数据集的对应数据量为q，q小于训练集的数据量m；

针对每个子数据集分别训练一棵CART决策树(让每棵CART决策树都尽可能地充分生长，即每棵CART决策树不需要剪枝)：

从n个特征中随机选择p个特征(p＜＜n)并分别进行二元划分，针对p特征分别进行如下计算：

(1)计算基尼指数：

(2)计算信息增益：

其中D为待选结点，N

(3)选择信息增益最大的特征作为根结点的分类特征；得到的信息增益越大，代表结点的纯度越高，该特征越重要，因此利用基尼指数筛选特征时，优先选择信息增益最大的特征；

(4)基于步骤(1)至(3)的方式确定所述根节点下的所有结点，即在确定根结点之后，根结点下其他结点均是选择信息增益最大的特征，该方式为本领域技术人员所知悉，在此不再详述；CART决策树最终输出第一类别(0)或第二类别(1)。

利用完成验证的预测模型预测包括：

将新收集的特征数据分别输入到k棵CART决策树，得到输出第一类别(0)的数量和输出第二类别(1)的数量；

利用投票法将k棵CART决策树中得票最高的类别用于最终的分类结果：

Result＝argmax(I

其中W

具体地，第一类别的类权重由总训练数据m中超过负载程度的给定阈值的样本数与不超过负载程度的给定阈值的样本数的比值得到，第二类别的类权重由总训练数据m中不超过切片负载阈值80％的样本数与超过切片负载阈值80％的样本数的比值得到。

请结合图3，举例而言，选择当前时刻NSI服务的UE总数、给定时间间隔内在NSI上注册的UE平均数量、注销的UE平均数量、磁盘的平均使用情况这四个特征构建CART决策树。

以当前时刻NSI服务的UE总数这个特征为例，首先对其进行二元划分，UE总数超过10000(可以经过多次调整得到)的样本数量为n1，不超过10000的样本数量为n2，n1对应的类权重W1为n2与n1的比值，n2对应的类权重W2为n1与n2的比值；待选结点的基尼指数由每个类别的数量与对应类权重的乘积的平方再求和除以每个类别的数量与对应类权重的乘积的和得到，左结点的基尼指数由UE总数不超过10000的样本数与对应类权重的乘积的平方除以UE总数不超过10000的样本数与对应类权重的乘积得到；同理，右结点的基尼指数由UE总数超过10000的样本数与对应类权重的乘积的平方除以UE总数超过10000的样本数与对应类权重的乘积得到。

然后，利用上述待选结点的基尼指数减去左结点的基尼指数再减去右结点的基尼指数得到对应的信息增益。给定时间间隔内在NSI上注册的UE平均数量、注销的UE平均数量、磁盘的平均使用情况这个三个特征同样利用上述方式得到对应的信息增益。四个特征中，由于当前时刻NSI服务的UE总数这个特征得出的信息增益最大，因此将其作为根结点的分类特征。

接着，按照同样方式(选择信信息增益最大的特征作为当前结点)确定根结点下的其他结点。最终得到如图3所示的CART决策树。在对该CART决策树进行验证后，即可用来进行预测。

可以理解的是，本申请基于各特征的历史数据进行预测时，并不局限于上述具体示例中的预测方法。

105、AMF根据通知消息向NSSF发起网络切片选择的请求，该请求的消息中包括UE允许的各S-NSSAI信息以及各S-NSSAI对应的NSI在未来预设时长内的负载程度预测消息。具体来讲，AMF接收到NWDAF的通知消息后，结果表明当前切片实例的资源利用率过高，可能出现过载情况，因此向NSSF发起网络切片选择请求。

106、NSSF根据UE允许的各S-NSSAI信息以及各S-NSSAI对应的NSI在未来预设时长内的负载程度预测消息选择出S-NSSAI 2并将选择结果响应给AMF，S-NSSAI 2和S-NSSAI 1与同一NSSAI相关。

在一些实施方式中，NSSF根据UE允许的各S-NSSAI信息以及各S-NSSAI对应的NSI在未来预设时长内的负载程度预测消息选择出S-NSSAI 2包括：

NSSF向NSACF订阅UE允许的各S-NSSAI上注册的UE数量和建立的PDU会话数量；

NSACF将UE允许的各S-NSSAI上注册的UE数量和建立的PDU会话数量响应给NSSF；

NSSF根据UE允许的各S-NSSAI信息、接收到的各S-NSSAI上注册的UE数量和建立的PDU会话数量，以及各S-NSSAI对应的NSI在未来预设时长内的负载程度预测消息选择出S-NSSAI 2并将选择结果响应给AMF。

具体地，请结合图2，NSSF在选择新的S-NSSAI时，首先判断待筛选的S-NSSAI和S-NSSAI 1是否与同一NSSAI相关，如果结果为是，则进入第二步筛选，即判断该S-NSSAI上是否达到UE最大注册数量的80％，如果结果为否，则NSSF开始筛选下一个S-NSSAI。第二步筛选的结果如果为否，则进入第三步筛选，即判断该S-NSSAI上是否达到PDU会话最大数量的80％，否则NSSF开始筛选下一个S-NSSAI。第三步筛选的结果如果为否，则意味着筛选成功，将选择结果返回给AMF，否则NSSF开始筛选下一个S-NSSAI。

107、根据作为源S-NSSAI的S-NSSAI 1和作为目标S-NSSAI的S-NSSAI 2，执行S-NSSAI切换操作。

具体地，根据作为源S-NSSAI的S-NSSAI 1和作为目标S-NSSAI的S-NSSAI2，执行S-NSSAI切换操作包括：

AMF向对应的SMF 1发起SM上下文更新请求，该更新请求的消息中包括PDU会话切换指示、作为源S-NSSAI的S-NSSAI 1和作为目标S-NSSAI的S-NSSAI 2；

SMF1向AMF发送N1N2消息，该N1N2消息中包括新选择的S-NSSAI 2；

AMF将N1N2消息转发给RAN，RAN将N1消息转发给UE，N1消息中包含新选择的S-NSSAI 2；

UE基于S-NSSAI 2向网络建立PDU会话；

UE释放掉S-NSSAI 1关联的NSI上的PDU会话。

具体地，根据作为源S-NSSAI的S-NSSAI 1和作为目标S-NSSAI的S-NSSAI2，执行S-NSSAI切换操作之后，方法还包括：

NWDAF持续对S-NSSAI 1对应的NSI的负载程度进行预测；

直到返回的预测结果表明在未来预设时长内的负载程度没有达到负载程度的给定阈值时，执行从S-NSSAI 2切换为S-NSSAI 1的操作，以避免对其他切片上的业务造成影响。切换回S-NSSAI 1的操作类似切换为S-NSSAI 2的操作，在此不再赘述。

本申请NWDAF可以利用收集到的S-NSSAI列表中各S-NSSAI对应的NSI的负载相关特征的历史数据进行预测，当预测结果表示S-NSSAI 1对应的NSI在未来预设时长内的负载程度达到负载程度的给定阈值时，NWDAF发送通知消息给AMF，进而AMF根据通知消息向NSSF发起网络切片选择的请求，接着NSSF即可根据来自AMF的UE允许的各S-NSSAI信息以及各S-NSSAI对应的NSI在未来预设时长内的负载程度预测消息选择出S-NSSAI 2并将选择结果响应给AMF，然后即可执行S-NSSAI切换操作，进而有利于避免网络切片过载时导致通信异常的情况。

实施例二

请参阅图4，本申请公开了一种增强网络切片服务连续性的方法，包括：

1、AMF在网络服务期间向NWDAF订阅网络切片负载程度分析。

2、UE根据请求消息中的S-NSSAI列表中的S-NSSAI 1建立PDU会话。

3、NWDAF以预设时间间隔收集各特征的数据，各特征为S-NSSAI列表中各S-NSSAI对应的NSI的负载相关特征，各特征的数据分别用于分析对应的NSI的负载程度。

4、NWDAF根据收集到的各特征的历史数据进行预测，当预测结果表示S-NSSAI 1对应的NSI在未来预设时长内的负载程度达到负载程度的给定阈值时，NWDAF发送通知消息给AMF，通知消息中包括各S-NSSAI对应的NSI在未来预设时长内的负载程度预测消息。

5、AMF根据通知消息向NSSF发起网络切片选择的请求，该请求的消息中包括UE允许的各S-NSSAI信息以及各S-NSSAI对应的NSI在未来预设时长内的负载程度预测消息；

6、NSSF向NSACF订阅UE允许的各S-NSSAI上注册的UE数量和建立的PDU会话数量；

7、NSACF将UE允许的各S-NSSAI上注册的UE数量和建立的PDU会话数量响应给NSSF；

8、NSSF根据UE允许的各S-NSSAI信息、接收到的各S-NSSAI上注册的UE数量和建立的PDU会话数量，以及各S-NSSAI对应的NSI在未来预设时长内的负载程度预测消息选择出S-NSSAI 2并将选择结果响应给AMF，S-NSSAI 2和S-NSSAI 1与同一NSSAI相关。

9、AMF向对应的SMF 1发起SM上下文更新请求，该更新请求的消息中包括PDU会话切换指示、作为源S-NSSAI的S-NSSAI 1和作为目标S-NSSAI的S-NSSAI 2；

10、SMF1向AMF发送N1N2消息，该N1N2消息中包括新选择的S-NSSAI2；

11、AMF将N1N2消息转发给RAN，RAN将N1消息转发给UE，N1消息中包含新选择的S-NSSAI 2；

12、UE基于S-NSSAI 2向网络建立PDU会话；

13、UE释放掉S-NSSAI 1关联的NSI上的PDU会话。

本申请NWDAF可以利用收集到的S-NSSAI列表中各S-NSSAI对应的NSI的负载相关特征的历史数据进行预测，当预测结果表示S-NSSAI 1对应的NSI在未来预设时长内的负载程度达到负载程度的给定阈值时，NWDAF发送通知消息给AMF，进而AMF根据通知消息向NSSF发起网络切片选择的请求，接着NSSF即可根据来自AMF的UE允许的各S-NSSAI信息以及各S-NSSAI对应的NSI在未来预设时长内的负载程度预测消息选择出S-NSSAI 2并将选择结果响应给AMF，然后即可执行S-NSSAI切换操作，进而有利于避免网络切片过载时导致通信异常的情况。

实施例三

本申请公开了一种计算机可读存储介质，其上存储有程序，程序被处理器执行时实现如实施例一或实施例二的增强网络切片服务连续性的方法。

实施例四

本申请实施例公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行如实施例一或实施例二的增强网络切片服务连续性的方法。

应当理解，在本申请实施例中，所称处理器可以是中央处理模块(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application SpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

以上所揭露的仅为本申请的较佳实例而已，不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，均属于本申请所涵盖的范围。