道路数据处理方法、装置、设备及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种智能交通、云计算和时空大数据技术领域。

背景技术

目前，道路数据处理技术已广泛应用于施工、车信、交通等业务中。例如，可通过对比观察道路中心点或道路中心线的最新变化，挖掘有效的施工情报用于作业。再如，可通过道路中心点或道路中心线的变化对车信修改进行判断等。但是利用现有方法获取到的道路中心点数据的准确度不高，难以满足业务需要。

发明内容

本公开提供了一种道路数据处理方法、装置、设备及存储介质。

根据本公开的一方面，提供了一种道路数据处理方法，包括：

获取道路的车行轨迹和对应的路网中的道路单元；

针对道路单元建立道路垂线，确定车行轨迹与道路垂线的交点；

根据交点的位置数据确定道路在道路垂线上的宽度区域；

将宽度区域的中点确定为道路垂线对应的道路中心点。

根据本公开的另一方面，提供了一种道路数据处理装置，包括：

获取单元，用于获取道路的车行轨迹和对应的路网中的道路单元；

第一确定单元，用于针对道路单元建立道路垂线，确定车行轨迹与道路垂线的交点；

第二确定单元，用于根据交点的位置数据确定道路在道路垂线上的宽度区域；

第三确定单元，用于将宽度区域的中点确定为道路垂线对应的道路中心点。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的道路数据处理方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的道路数据处理方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例中的道路数据处理方法。

上述申请中的一个实施例具有如下优点或有益效果：可提升道路中心点数据的准确性，从而有助于提升道路数据挖掘业务的召回率。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开一实施例的道路数据处理方法的流程图；

图2是根据本公开另一实施例的道路数据处理方法的路网及车行轨迹示意图；

图3是根据本公开另一实施例的道路数据处理方法的中心线数据计算流程示意图；

图4是根据本公开另一实施例的图像处理方法的流程图；

图5是根据本公开另一实施例的图像处理方法的中心线数据计算流程示意图；

图6是根据本公开另一实施例的图像处理方法的流程图；

图7是根据本公开另一实施例的图像处理方法的中心线数据计算流程示意图；

图8是根据本公开另一实施例的图像处理方法的索引管理器示意图；

图9是根据本公开一实施例的道路数据处理装置的示意图；

图10是根据本公开另一实施例的道路数据处理装置的示意图；

图11是根据本公开另一实施例的道路数据处理装置的示意图；

图12是用来实现本公开实施例的电子设备的框图。

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。

图1是根据本公开一实施例的道路数据处理方法的流程图。参见图1，该道路数据处理方法具体可包括：

步骤S110，获取道路的车行轨迹和对应的路网中的道路单元；

步骤S120，针对道路单元建立道路垂线，确定车行轨迹与道路垂线的交点；

步骤S130，根据交点的位置数据确定道路在道路垂线上的宽度区域；

步骤S140，将宽度区域的中点确定为道路垂线对应的道路中心点。

在施工、车信、交通等业务场景中，准确获取现实道路的中心点数据，有助于道路挖掘业务的快速开展，有助于提升道路数据挖掘业务的召回率。另外，还可以根据道路中心点数据得到道路中心线数据。在智能交通和数据挖掘技术领域中，道路中心线画像是道路要素挖掘技术的最重要的基础数据之一。通过对比观察道路中心线的最新变化，可挖掘有效的施工情报用于作业，也可用于对车信修改进行判断等。例如，对于一条新开通的道路，可以通过获取的车行轨迹获取道路中心点数据和道路中心线数据，从而实时获取更新的准确的道路数据。又如，在当前时刻某一条道路的车行轨迹获取不到了，则无法通过数据挖掘得到该道路的中心点数据和中心线数据。这种情况下可能是该道路在当前时刻处理阻断状态，可在地图或其他应用场景中及时更新道路的最新状态。

在步骤S110中，一方面可实时获取某一条道路上的车行轨迹。例如，设置于车端的车行轨迹记录设备可将车行轨迹实时上传到服务器端，则在服务器端可实时获取到每一条道路上的车行轨迹。另一方面，实际交通场景中的每一条行车的道路，在路网中都有一根对应的Link(道路单元)。Link是路网中表示道路的线段。例如，Link可以表示地图上的一条直路，没有分叉的路。在获取道路的车行轨迹的同时，可获取对应的路网中的道路单元。

图2是根据本公开另一实施例的道路数据处理方法的路网及车行轨迹示意图。在图2中，标号为1的带有剪头的线段表示路网中的Link；标号为2的线条表示该Link对应的道路中的若干个车行轨迹。在步骤S120中，可针对路网中的Link建立道路垂线。参见图2，可针对标号为1的线段做垂线。图2中标号为3的虚线表示针对标号为1的Link建立的道路垂线。在一个示例中，可以对路网中的每根Link以等间隔的方式建立一系列的道路垂线，以对Link进行切分。建立道路垂线之后，可计算每条车行轨迹与所有道路垂线的交点的位置。图2中的实心圆点表示车行轨迹与道路垂线的交点。

在步骤S130中，可对同一道路垂线上的多个交点的位置数据进行分析，以确定该道路在该道路垂线所在的位置处的宽度区域。在步骤S140中，选取步骤S130中确定的宽度区域的中点，将宽度区域的中点确定为道路垂线对应的道路中心点。

本公开实施例中，基于路网Link数据，对每根Link建立一系列的道路垂线，并计算车行轨迹与垂线的交点。对同一道路垂线的大量交点，根据交点位置确定道路的宽度区域，将道路的宽度区域对应的中点作为该道路垂线对应的道路中心点。利用以上方法将路网Link数据与真实的车行轨迹数据相融合，利用车行轨迹与道路垂线的交点的位置数据来确定道路中心点，可提升道路中心点数据的准确性，从而有助于提升道路数据挖掘业务的召回率。

在一种实施方式中，上述方法还包括：

连接道路单元的所有道路垂线对应的道路中心点，得到道路单元的道路中心线。

参见图2，针对同一根Link上的每一条道路垂线，都可以得到对应的道路中心点。将Link上的所有道路垂线对应的道路中心点连接起来，可得到该Link的道路中心线。

图3是根据本公开另一实施例的道路数据处理方法的中心线数据计算流程示意图。如图3所示，根据获取到的车行轨迹数据计算得到基础数据。其中，基础数据包括车行轨迹与道路垂线的交点的位置数据。再根据基础数据计算得到道路中心线数据。

本公开实施例中，可根据实时的车行轨迹数据与路网Link数据相融合确定道路中心线，可提升道路中心线数据的准确性，从而有助于提升道路数据挖掘业务的召回率。

图4是根据本公开另一实施例的图像处理方法的流程图。如图4所示，在一种实施方式中，图1中的步骤S130，根据交点的位置数据确定道路在道路垂线上的宽度区域，具体可包括：

步骤S410，利用高斯混合模型对交点的位置数据进行聚类分析，得到交点在预设置信度下对应的位置区域；

步骤S420，将位置区域确定为道路在道路垂线上的宽度区域。

其中，高斯混合模型(GMM，Gaussian Mixture Model)是用高斯概率密度函数(正态分布曲线)精确地量化事物，它是一个将事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型。

在一个示例中，预设置信度可以设置为90％。根据正态分布曲线，在这个示例中，对车行轨迹与道路垂线的交点进行聚类分析，90％以上的交点可能位于Link与道路垂线的交点两侧的一段位置区域内。例如，90％以上的交点距离Link的垂直距离可能在5米之内。只有少数的10％的交点的位置距离Link比较远，这些交点距离Link的垂直距离可能在5米之外。该位置区域为置信度90％所对应的置信区间。对一条道路垂线上的大量交点的位置数据进行聚类分析，可得到在预设置信度下的置信区间，也就是交点在预设置信度下对应的位置区域。可将该位置区域确定为道路在道路垂线所在的位置处的宽度区域。

参见图2，在一个示例中，Link与道路垂线的交点的位置坐标为(5，0)，。则该Link在该道路垂线所在的位置处的宽度区域可能是端点为(5，5)和(5，-5)的线段所在的区域。在又一个示例中，Link与道路垂线的交点的位置坐标为(10，0)，。则该Link在该道路垂线所在的位置处的宽度区域可能是端点为(10，4.5)和(10，-5.5)的线段所在的区域。

图5是根据本公开另一实施例的图像处理方法的中心线数据计算流程示意图。参见图3和图5，根据获取到的车行轨迹数据计算得到基础数据。其中，基础数据包括车行轨迹与道路垂线的交点的位置数据。再对基础数据进行GMM聚类，计算得到道路中心线数据。

本公开实施例中，利用大量车行轨迹数据计算车行轨迹与道路垂线的交点，对大量交点进行GMM聚类，得到该link的道路中心线。以上方法提升了道路中心线数据的准确性，提升了道路数据挖掘业务的召回率。

图6是根据本公开另一实施例的图像处理方法的流程图。如图6所示，在一种实施方式中，上述方法还包括：

步骤S610，根据道路的位置信息，将道路单元对应的交点的位置数据划分为多个分区数据；

步骤S620，利用索引处理机制对分区数据建立索引，得到索引数据；

步骤S630，根据从索引数据中获取的交点的位置数据，确定道路在道路垂线上的宽度区域。

在一个示例中，可在执行步骤S120之后，执行步骤S610至步骤S630。在步骤S610至步骤S630中，对所述交点的位置数据建立索引，从建立索引之后的数据中可快速获取数据，从而提升系统性能。最后再执行步骤S140，得到道路垂线对应的道路中心点。

在相关技术的道路属性挖掘通用架构中，采用hadoop(海杜普)-MR(MapReduce)离线批量计算指定区域内的道路属性。其中，hadoop-MR是一种分布式系统的计算框架。计算得到道路属性后，将所有结果保存到分布式文件系统中，如HDFS(Hadoop DistributedFile System，分布式文件系统)或AFS(AndrewFile System，Andrew文件系统)等。但是，现有分布式文件系统不支持对数据的细粒度查询，通常需要采用对整个数据集文件进行全局遍历的方法进行处理。例如在只需要查询某条道路最新中心线数据的情况下，也需要提交整个指定区域内的查询任务得出中心线数据，之后再采用遍历搜索的方法进行查询。显然，这种方法降低了道路属性细粒度查询的时效性。

为实现数据的细粒度查询，本公开实施例提供一种道路属性挖掘框架，通过增加索引管理器机制，结合道路空间数据的特征建立新的数据分区，实现对分布式文件系统的快速索引功能。在一种实施方式中，还可提供新的数据结构类型，用以支持索引机制。通过以上方法可实现海量轨迹大数据下，高性能、细粒度地进行道路中心线数据的计算与查询，能够更灵活、高时效的挖掘道路属性的变化，推进处理轨迹大数据的高可用性。

本公开实施例中，可以以Link为单位进行道路中心线的计算。如果仅使用少量车行轨迹数据，无法保证计算结果的准确性。为保证刻画道路中心线的准确性，需要通过对大量轨迹进行GMM聚类处理。在一个示例中，可获取同一根Link连续N天通过的车行轨迹数据，用于对同一根link的数据进行聚类。其中N的取值可以是N>15。可在地图上设置数据处理的指定区域，例如可将指定区域设置为“全国部分地理区域”。全国每天的车行轨迹的数据量很大，数据量可能是TB(万亿字节)级别。现有数据库容量较小，可能无法支持连续多天海量的车行轨迹数据的存储及高性能的查询。

为解决此类问题，本公开实施例基于地理空间信息的特点提供了一种新的数据存储方式。将指定区域及周边部分地区，划分为预设大小的矩形的一系列网格区域。其中，网格区域又称为图幅。例如，在指定区域为“全国范围内的地理区域”的情况下，可将全国范围及周边部分地区划分为边长为20km的正方形大小的一系列网格区域，并对各个网格区域赋予一系列的分区号，以实现对全国范围的划分。在一个示例中，可将全国范围内的每个网格区域的数据以日期和分区号为文件名保存到文件系统中。例如，日期为20210101，分区号为123，则文件名可以为“20210101_123”。通过以上方式将道路单元对应的交点的位置数据划分为多个分区数据，可将天级的基础数据以图幅划分的形式存储到文件系统中。文件系统通常容量较大，通过直接使用文件系统可解决数据库无法存储多天全国轨迹基础数据问题。

由于文件系统不支持对数据的细粒度查询，本公开实施例中，利用索引处理机制对分区数据建立索引，得到索引数据。从索引数据中获取的交点的位置数据，可提高数据查询的时效性。

图7是根据本公开另一实施例的图像处理方法的中心线数据计算流程示意图。如图7所示，数据预处理模块对原始车行轨迹数据进行预处理。预处理可包括：计算车行轨迹与道路垂线的交点，以及将道路单元对应的交点的位置数据划分为多个分区数据。本公开实施例中引入了索引管理器，用于对分区内部数据进行索引，可进行增加、删除、持续化等索引管理操作。参见图7，原始车行轨迹数据经过数据预处理后，划分为多个分区数据。多个分区数据再进入索引管理器，在索引管理器中对每个分区内部的基础数据建立索引，得到索引数据。再将索引数据存储到文件系统中。在利用高斯混合模型进行中心线计算时，通过索引管理器从文件系统中查找每个分区数据中的每根Link的每个道路垂线上的交点的位置数据。查找数据的过程可包括：第一步骤，中心线计算模块首先访问索引管理器；第二步骤，中心线计算模块通过索引管理器查找计算所需要的数据在文件系统中的位置；第三步骤，文件系统将计算所需要的数据返回给中心线计算模块。

本公开实施例通过把指定范围划分多个图幅分区的方法，降低每个分区的数据量大小，并配合索引处理机制的使用可快速获取数据，解决了细粒度查询的时效性问题，提升了系统性能。在一个示例中，在查询某条道路中心线的属性数据时，能够将一次性处理范围扩展到可处理最近几个月数据的范围，通过增加数据量提高中心线数据计算的准确度，提升业务方策略的召回率。

在一种实施方式中，利用索引处理机制对分区数据建立索引，得到索引数据，包括：

以道路单元的标识和道路单元在分区数据中对应的下标作为键值对，对分区数据建立索引。

图8是根据本公开另一实施例的图像处理方法的索引管理器示意图。如图8所示，为了满足对分区数据建立索引的需要，可选择在每个分区(Partition)中，将基础数据格式化为LinkData类型。在一个示例中，LinkData数据格式为:[Linkid，x，y，t，…]。LinkData数据中可包括Link中的多个交点的交点信息。其中，Linkid表示Link的标识；x表示交点的纬度坐标；y表示交点的经度坐标；t表示轨迹点对应的时间，即轨迹点产生的时间。整个分区数据以Array[LinkData]形式保存。其中，Array表示数组。数组中的一个元素用于保存一根Link对应的数据。

在一个示例中，为提高对Link属性数据查询的性能，可以以每个LinkData的Linkid作为Key(健)值，以该LinkData对应的Array下标作为value(值)，由Key和value组成健值对，在分区内部建立Hash索引，以此完成分区内部数据的索引过程。参见图8，通过以上方式将整个分区内部数据集以SheetData[HashIndex，Array[LinkData]]的格式，保存到文件系统中，以完成对分区数据的索引建立。其中，SheetData表示索引数据的格式；HashIndex表示哈希索引。

在以上示例中，可通过Hash索引函数查询数据。Hash索引函数的输入为Key值，即每个LinkData的Linkid；输出为value，即该LinkData对应的Array下标。当需要查询某根Link的最新道路中心线数据时，首先通过该Link所在分区，读取连续N天对应的分区数据。再利用每个分区内部的Hash索引函数，将该Link对应的Linkid输入到Hash索引函数中，可得到该LinkData对应的Array下标。通过以上方式可快速获取到需要的数据。

本公开实施例中，通过每个分区内部的HashIndex，可以以O(1)的时间复杂度快速获取该Link的所有基础数据，再调用GMM模型计算道路中心线数据，该流程能够实现分钟级的查询。通过Hash索引提升了查询速度，解决了查询性能低的问题，使得业务能够支持分钟级的道路中心线查询，可在地图产品中实现快速、精准地刻画现实道路属性及其变化。

在本公开实施例的道路属性挖掘架构中，通过建立索引处理机制，并修改数据存储类型的方式，提高对数据细粒度查询的检索性能。

图9是根据本公开一实施例的道路数据处理装置的示意图。参见图9，该道路数据处理装置包括：

获取单元910，用于获取道路的车行轨迹和对应的路网中的道路单元；

第一确定单元920，用于针对道路单元建立道路垂线，确定车行轨迹与道路垂线的交点；

第二确定单元930，用于根据交点的位置数据确定道路在道路垂线上的宽度区域；

第三确定单元940，用于将宽度区域的中点确定为道路垂线对应的道路中心点。

图10是根据本公开另一实施例的道路数据处理装置的示意图。参见图10，在一种实施方式中，上述装置还包括第一处理单元950，第一处理单元950用于：

连接道路单元的所有道路垂线对应的道路中心点，得到道路单元的道路中心线。

在一种实施方式中，第二确定单元930用于：

利用高斯混合模型对交点的位置数据进行聚类分析，得到交点在预设置信度下对应的位置区域；

将位置区域确定为道路在道路垂线上的宽度区域。

图11是根据本公开另一实施例的道路数据处理装置的示意图。参见图11，上述装置还包括索引单元960，

索引单元960包括：划分子单元961，用于根据道路的位置信息，将道路单元对应的交点的位置数据划分为多个分区数据；索引子单元962，用于利用索引处理机制对分区数据建立索引，得到索引数据；

第二确定单元930还用于根据从索引数据中获取的交点的位置数据，确定道路在道路垂线上的宽度区域。

在一种实施方式中，索引子单元962用于：

以道路单元的标识和道路单元在分区数据中对应的下标作为键值对，对分区数据建立索引。

本公开实施例的道路数据处理装置中的各单元的功能可以参见上述各道路数据处理方法中的对应描述，在此不再赘述。

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12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/或要求的本公开的实现。

如图12所示，电子设备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RAM803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM802以及RAM803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。

电子设备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允许电子设备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过程，例如道路数据处理方法或图像处理方法。例如，在一些实施例中，道路数据处理方法或图像处理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ROM802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM803并由计算单元801执行时，可以执行上文描述的道路数据处理方法或图像处理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)而被配置为执行道路数据处理方法或图像处理方法。

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。

用于实施本公开的道路数据处理方法或图像处理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。

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。