车辆的车机主题推荐方法、装置、车辆及存储介质

技术领域

本申请涉及用户画像技术领域，特别涉及一种车辆的车机主题推荐方法、装置、车辆及存储介质。

背景技术

随着汽车服务业的飞速发展，用户对汽车维修也进行着从被动维修转向主动维护的观念转变。其中，主动服务概念的提出对汽车制造厂和服务站产生了新的需求，即在原有汽车售后服务的基础上，以客户为中心建立一整套汽车使用服务协同系统，转被动服务为主动服务。这种主动服务除了维修服务主动发现之外，也包括了一些提升用户体验的服务，车机主题推荐就是其中一种，其可从主题风格、App(Application，应用程序)排序、App推荐、App自动顺序启动等维度，根据用户长期驾驶车辆时车机功能使用情况和使用频率，对每一位用户车机主题系统进行私人定制需求；用户账户登陆时，会记忆用户在该账户设定内容，当该用户再次登陆车辆，按照记忆内容设定车辆车机主题内容。

目前，相关技术(CN107508877A)可以通过从用户基于车机的聊天内容中抓取关键词，关键词包括兴趣主题，搜索与兴趣主题相关联的关联目标，通过车机向用户推荐关联目标的信息；此外，相关技术(CN307095065S)还可以用户界面操作，以设置最佳的车机面板主题。

然而，相关技术无法通过用户车机使用习惯并结合大数据相关算法，以针对车机主题进行有效地优化推荐，极大影响用户的使用体验，亟待解决。

发明内容

本申请提供一种车辆的车机主题推荐方法、装置、车辆及存储介质，以解决相关技术无法通过用户车机使用习惯并结合大数据相关算法，以针对车机主题进行有效地优化推荐，极大影响用户的使用体验等问题。

本申请第一方面实施例提供一种车辆的车机主题推荐方法，包括以下步骤：采集车辆的车机数据；对所述车机数据进行建模分析，建立用户的用户画像，并得到所述用户的实际喜好与习惯；以及基于所述用户互相和所述实际喜好与习惯匹配最优车机系统主题，并向所述用户推荐所述最优车机系统主题。

根据上述技术手段，本申请实施例可通过对车机数据进行采集，并对采集数据进行建模分析，得到用户画像，以推荐专属主题设置和同类画像用户主题设置，从而有效改善了用户的使用体验和使用意愿，使得车辆更具人性化和科技感。

可选地，在本申请的一个实施例中，所述对所述车机数据进行建模分析，建立用户的用户画像，并得到所述用户的实际喜好与习惯，包括：采集所述用户每次在车辆上电至车辆开始行驶期间的所有车机类操作；统计所述所有车机类操作的行为顺序，以对预设时长的车机类操作进行聚类学习，得到聚类结果；根据所述聚类结果调整车机主题内功能按钮排序，并生成功能排序类主题。

根据上述技术手段，本申请实施例提高用户车机操作数据，并对操作的行为顺序进行统计，进而进行聚类学习，生成功能排序类主题，从而了解用户的真实喜好及习惯，使得构建的聚类模型具有更好的泛化性能，有力保障了推荐车机系统主题的合理性和可靠性。

可选地，在本申请的一个实施例中，所述对所述车机数据进行建模分析，建立用户的用户画像，并得到所述用户的实际喜好与习惯，还包括：根据设置的驾驶模式、能量回收模式、方向助力模式和/或充电设置划分用户驾驶激烈度等级；根据音乐风格划分用户当前音乐激烈程度等级。

根据上述技术手段，本申请实施例通过对用户驾驶激烈度等级以及用户当前音乐激烈程度等级进行划分，从而保障了等级划分可靠性的同时，也为后续车机主题的优化提供了重要依据和指导。

可选地，在本申请的一个实施例中，所述对所述车机数据进行建模分析，建立用户的用户画像，并得到所述用户的实际喜好与习惯，还包括：根据所述用户驾驶激烈度等级和所述用户当前音乐激烈程度等级聚合计算主题色彩度调节值。

根据上述技术手段，本申请实施例根据用户驾驶激烈度及当前音乐激烈程度等级聚合计算主题色彩度调节值，从而使得用户可以更为直观地了解当前驾驶状态，有效满足了用户的使用需求，提高了车辆的人性化程度和智能化水平。

可选地，在本申请的一个实施例中，所述车机数据包括驾驶类数据和感知类数据。

根据上述技术手段，本申请实施例通过采集驾驶类、感知类数据，以及第三方应用设置数据等车机数据，从而使得所采集的数据更为全面合理，有力的保障了后续用户画像构建的可靠性和准确性。

本申请第二方面实施例提供一种车辆的车机主题推荐装置，包括：采集模块，用于采集车辆的车机数据；建模模块，用于对所述车机数据进行建模分析，建立用户的用户画像，并得到所述用户的实际喜好与习惯；以及推荐模块，用于基于所述用户互相和所述实际喜好与习惯匹配最优车机系统主题，并向所述用户推荐所述最优车机系统主题。

可选地，在本申请的一个实施例中，所述建模模块包括：获取单元，用于采集所述用户每次在车辆上电至车辆开始行驶期间的所有车机类操作；统计单元，用于统计所述所有车机类操作的行为顺序，以对预设时长的车机类操作进行聚类学习，得到聚类结果；排序单元，用于根据所述聚类结果调整车机主题内功能按钮排序，并生成功能排序类主题。

可选地，在本申请的一个实施例中，所述建模模块还包括：第一划分单元，用于根据设置的驾驶模式、能量回收模式、方向助力模式和/或充电设置划分用户驾驶激烈度等级；第二划分单元，用于根据音乐风格划分用户当前音乐激烈程度等级。

可选地，在本申请的一个实施例中，所述建模模块还包括：计算单元，用于根据所述用户驾驶激烈度等级和所述用户当前音乐激烈程度等级聚合计算主题色彩度调节值。

可选地，在本申请的一个实施例中，所述车机数据包括驾驶类数据和感知类数据。

本申请第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的车辆的车机主题推荐方法。

本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的车辆的车机主题推荐方法。

由此，本申请的实施例具有以下有益效果：

(1)本申请实施例可通过对车机数据进行采集，并对采集数据进行建模分析，得到用户画像，以推荐专属主题设置和同类画像用户主题设置，从而有效改善了用户的使用体验和使用意愿，使得车辆更具人性化和科技感。

(2)本申请实施例提高用户车机操作数据，并对操作的行为顺序进行统计，进而进行聚类学习，生成功能排序类主题，从而了解用户的真实喜好及习惯，使得构建的聚类模型具有更好的泛化性能，有力保障了推荐车机系统主题的合理性和可靠性。

(3)本申请实施例通过对用户驾驶激烈度等级以及用户当前音乐激烈程度等级进行划分，从而保障了等级划分可靠性的同时，也为后续车机主题的优化提供了重要依据和指导。

(4)本申请实施例根据用户驾驶激烈度及当前音乐激烈程度等级聚合计算主题色彩度调节值，从而使得用户可以更为直观地了解当前驾驶状态，有效满足了用户的使用需求，提高了车辆的人性化程度和智能化水平。

(5)本申请实施例通过采集驾驶类、感知类数据，以及第三方应用设置数据等车机数据，从而使得所采集的数据更为全面合理，有力的保障了后续用户画像构建的可靠性和准确性。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本申请实施例提供的一种车辆的车机主题推荐方法的流程图；

图2为本申请的一个实施例提供的一种车辆的车机主题推荐方法的执行逻辑架构示意图；

图3为根据本申请实施例的车辆的车机主题推荐装置的示例图；

图4为本申请实施例提供的车辆的结构示意图。

其中，10-车辆的车机主题推荐装置、100-采集模块、200-建模模块、300-推荐模块、401-存储器、402-处理器、403-通信接口。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的车辆的车机主题推荐方法、装置、车辆及存储介质。针对上述背景技术中提到的问题，本申请提供了一种车辆的车机主题推荐方法，在该方法中，通过采集车辆的车机数据；对车机数据进行建模分析，建立用户的用户画像，并得到用户的实际喜好与习惯；基于用户互相和实际喜好与习惯匹配最优车机系统主题，并向用户推荐最优车机系统主题。本申请可通过对车机数据进行采集，并对采集数据进行建模分析，得到用户画像，以推荐专属主题设置和同类画像用户主题设置，从而有效改善了用户的使用体验和使用意愿，使得车辆更具人性化和科技感。由此，解决了相关技术无法通过用户车机使用习惯并结合大数据相关算法，以针对车机主题进行有效地优化推荐，极大影响用户的使用体验等问题。

具体而言，图1为本申请实施例所提供的一种车辆的车机主题推荐方法的流程图。

如图1所示，该车辆的车机主题推荐方法包括以下步骤：

在步骤S101中，采集车辆的车机数据。

本申请的实施例首先可以通过TBOX(Telematics Box，车载通信终端)、数据埋点或第三方应用软件等对车辆的车机数据进行采集，从而为后续用户画像的构建提供数据支撑。

可选地，在本申请的一个实施例中，车机数据包括驾驶类数据和感知类数据。

需要说明的是，在本申请的实施例中，上述车机数据可包括驾驶类数据、感知类数据，此外，还可包括第三方应用设置数据等。

具体地，本申请的实施例可以通过TBOX根据不同的驾驶类设置(如驾驶模式、能量回收模式、方向助力模式、充电设置)采集不同类型的驾驶类数据，各驾驶类设置对应的驾驶类数据如表1所示：

表1

同时，本申请的实施例还可通过数据埋点采集感知类数据，如记录并采集用户登录车机中某应用的时长，或通过网易音乐获取用户在行车过程中经常播放的音乐类型和风格等数据。

在本申请的实施例中，还可通过第三方应用设置(如云端智能能量管理风格、方向盘自定义按键关联应用、HUD(Head Up Display，平视显示器)显示模式、空调出风模式设置、第三方App内容分类以及第三方App视频分类)获取相关数据，例如通过高德地图采集用户常用的车辆导航路线数据等。

由此，本申请的实施例通过采集驾驶类、感知类数据，以及第三方应用设置数据等车机数据，从而使得所采集的数据更为全面合理，有力的保障了后续用户画像构建的可靠性和准确性。

在步骤S102中，对车机数据进行建模分析，建立用户的用户画像，并得到用户的实际喜好与习惯。

在采集车辆的车机数据后，进一步地，本申请的实施例可以结合采集的车机数据通过大数据算法，对用户车机使用习惯以及车机主题模式两个方面进行计算，并构建模型，从而得到用户画像，更好地了解用户的真实喜好和习惯。

可选地，在本申请的一个实施例中，对车机数据进行建模分析，建立用户的用户画像，并得到用户的实际喜好与习惯，包括：采集用户每次在车辆上电至车辆开始行驶期间的所有车机类操作；统计所有车机类操作的行为顺序，以对预设时长的车机类操作进行聚类学习，得到聚类结果；根据聚类结果调整车机主题内功能按钮排序，并生成功能排序类主题。

需要说明的是，本申请的实施例结合用户车机使用习惯，进行聚类学习，以生成功能排序类主题的具体过程如下所述：

1、人工标注：基于车联网埋点数据，采集该用户每次车辆上电至车辆开始行驶期间所有车机类操作数据，从而最大程度上将用户车机使用习惯数据(如点击车机某应用的次数、进入车机某应用的停留时长、车机开启时间和次数等)均包含在内，以提高了模型与用户车机使用习惯的相关性，进而用户可以对采集的数据通过语音指令等方式进行人工标注，如将“点击车机音乐应用的次数”标注为“音乐应用开启次数”、将“进入车机导航应用的停留时长”标注为“导航应用停留时长”等；

2、统计用户车机类操作行为顺序，并对过去三十天车机操作行为数据顺序进行聚类学习；

其中，本申请的实施例进行聚类学习的具体步骤如下所述：

(1)对数据进行标准化：首先对采集数值类变量数据(如车辆的速度、时间，以及电流电压)进行归一化以消除量级的影响，分类类变量数据(其余字段、标签变量)通过设置哑变量等方法，以进行数据标准化操作，具体过程如下：

1)数值类数据归一化算法：

假设预处理前的数值变量为X＝[x

2)哑变量生成算法：

假设预处理前的分类变量X有t个分类，每个分类的值记为X(t)。则可以生成t-1个哑变量，新变量与原始变量的转换关系为：

需要注意的是，在本申请的实施例中，对于过去三十天的操作行为数据，需要将每天的行为数据根据每段行程进行聚合；若上述变量取决于操作行为数据中的某一个状态，则需取一段行程中某一个时段的值，例如制动踏板状态等；若变量取决于累计值，则需取上述操作行为数据中的当前状态数据，例如公里里程或当前速度等；

(2)聚合后便可通过DBSCAN(Density-Based Spatial Clustering ofApplications with Noise，基于密度对噪声鲁棒的空间聚类)密度聚类算法进行聚类；

其中，本领域技术人员应该了解的是，设样本集为D＝(x

1)ε-邻域：对于x

2)核心对象：对于任一样本x

3)密度直达：若x

4)密度可达：对于x

4)密度相连：对于x

进一步地，聚类的输入输出若满足以下条件：，

输入：样本集D＝(x

输出：簇划分(样本所属类别)C。

则DBSCAN聚类算法的实现流程如下所述：

1)初始化核心对象集合Ω＝φ，初始化聚类簇数k＝0，初始化未访问样本集合Γ＝D，簇划分C＝φ；

2)对于j＝1,2,...,m，按下面的步骤找出所有的核心对象：

a)通过距离度量方式，找到样本x

b)如果子样本集的样本个数满足|N

3)如果核心对象集合Ω＝φ，则算法结束，否则转入步骤④；

4)在核心对象集合Ω中，随机选择一个核心对象o，初始化当前簇核心对象队列Ω

5)如果当前簇核心对象队列Ω

6)在当前簇核心对象队列Ω

则DBSCAN聚类输出结果为：簇划分C＝{C

3、根据聚类结果进行车机主题内功能按钮排序调整并生产专属功能排序类主题推送给用户(高频、高优先级使用功能放在车机界面最显眼且最方便操作的地方，低频使用功能进行沉底排序)。

由此，本申请的实施例提高用户车机操作数据，并对操作的行为顺序进行统计，进而进行聚类学习，生成功能排序类主题，从而了解用户的真实喜好及习惯，使得构建的聚类模型具有更好的泛化性能，有力保障了推荐车机系统主题的合理性和可靠性。

可选地，在本申请的一个实施例中，对车机数据进行建模分析，建立用户的用户画像，并得到用户的实际喜好与习惯，还包括：根据设置的驾驶模式、能量回收模式、方向助力模式和/或充电设置划分用户驾驶激烈度等级；根据音乐风格划分用户当前音乐激烈程度等级。

在对车机使用习惯进行聚类学习外，进一步地，本申请的实施例还可对车机主题模式进行计算和分析。

本领域技术人员应当理解的是，本申请实施例进行车机主题模式学习时，首先需对上述驾驶类数据进行划分、标注，并进行用户驾驶激烈度等级的判定。

具体地，首先，本申请实施例需对驾驶类数据定义危险驾驶和安全驾驶，并以此划分用户驾驶激烈度等级，继而在数据中打上相应标签，其中，危险驾驶记为1，安全驾驶记为0。

其次，本申请的实施例可根据驾驶模式、能量回收模式、方向助力模式、充电设置划分用户驾驶激烈度等级，并使用GBDT(Gradient Boosting Decision Tree，梯度提升决策树)分类树模型对结果进行拟合，返回危险驾驶的概率，其中，驾驶激烈度等级＝round(危险驾驶的概率*10)。

需要说明的是，本申请的实施例通过GBDT分类树进行驾驶激烈度等级判断的具体过程如下所述：

由于GBDT分类算法样本输出为离散数据，无法直接从输出类别去拟合类别输出的误差。故而，本申请的实施例可通过类别的预测概率值和真实概率值拟合对数似然损失函数，以拟合类别输出的误差。

其中，本申请的实施例中的二元GBDT对数似然损失函数表达式如下式所示：

L(y,f(x))＝log(1+exp(-y*f(x)))

其中，y∈{-1,1}，则此时的负梯度误差为：

对于生成的决策树，其各个叶子节点的最佳残差拟合值为：

由于上式比较难以优化，故而可通过近似值代替，如下所示：

该残差的拟合值即为危险驾驶的概率，在本申请的实施例中，除负梯度计算和叶子节点的最佳残差拟合的线性搜索外，二元GBDT分类和GBDT回归算法过程相同。

在对用户驾驶激烈度等级进行划分后，本申请的实施例还可根据用户第三方应用，将音乐风格划分用户当前音乐激烈程度等级，该音乐激烈程度等级可以根据曲风大致分为6类，根据激烈程度从强到弱的排序为：摇滚、朋克、说唱、流行、蓝调、古典，其对应打分可以设置1-6分，摇滚为6，古典为1。

由此，本申请的实施例通过对用户驾驶激烈度等级以及用户当前音乐激烈程度等级进行划分，从而保障了等级划分可靠性的同时，也为后续车机主题的优化提供了重要依据和指导。

可选地，在本申请的一个实施例中，对车机数据进行建模分析，建立用户的用户画像，并得到用户的实际喜好与习惯，还包括：根据用户驾驶激烈度等级和用户当前音乐激烈程度等级聚合计算主题色彩度调节值。

需要说明的是，在对用户驾驶激烈度等级以及当前音乐激烈程度等级进行划分后，进一步地，本申请的实施例还可根据驾驶激烈度等级和音乐激烈程度等级聚合计算一个1-10级的主题色彩度调节值，该调节值计算公式如下：

调节值＝驾驶激烈度等级*A+音乐激烈程度等级*B

其中：

进而，本申请的实施例可根据浅色为柔和-深色为激烈的普遍观念，将当前车机主题色彩值进行动态显示，在具体使用过程中，用户可通过语音指令或点击车机功能按键关闭该动态显示功能。

由此，本申请的实施例根据用户驾驶激烈度及当前音乐激烈程度等级聚合计算主题色彩度调节值，从而使得用户可以更为直观地了解当前驾驶状态，有效满足了用户的使用需求，提高了车辆的人性化程度和智能化水平。

在步骤S103中，基于用户互相和实际喜好与习惯匹配最优车机系统主题，并向用户推荐最优车机系统主题。

可以理解的是，在对采集数据进行建模分析，得到用户画像，了解用户的真实喜好及习惯后，本申请的实施例可以为用户推荐最符合气喜好、习惯的专属主题设置和同类画像用户主题设置(如主题色彩、APP排列分布等维度等)，其执行逻辑架构如图2所示，从而根据用户车机使用习惯并结合大数据相关算法，针对车机主题进行了有效地优化，极大改善了用户的使用体验。

根据本申请实施例提出的车辆的车机主题推荐方法，通过采集车辆的车机数据；对车机数据进行建模分析，建立用户的用户画像，并得到用户的实际喜好与习惯；基于用户互相和实际喜好与习惯匹配最优车机系统主题，并向用户推荐最优车机系统主题。本申请可通过对车机数据进行采集，并对采集数据进行建模分析，得到用户画像，以推荐专属主题设置和同类画像用户主题设置，从而有效改善了用户的使用体验和使用意愿，使得车辆更具人性化和科技感。

其次参照附图描述根据本申请实施例提出的车辆的车机主题推荐装置。

图3是本申请实施例的车辆的车机主题推荐装置的方框示意图。

如图3所示，该车辆的车机主题推荐装置10包括：采集模块100、建模模块200以及推荐模块300。

其中，采集模块100，用于采集车辆的车机数据。

建模模块200，用于对车机数据进行建模分析，建立用户的用户画像，并得到用户的实际喜好与习惯。

推荐模块300，用于基于用户互相和实际喜好与习惯匹配最优车机系统主题，并向用户推荐最优车机系统主题。

可选地，在本申请的一个实施例中，建模模块200包括：获取单元、统计单元以及排序单元。

其中，获取单元，用于采集用户每次在车辆上电至车辆开始行驶期间的所有车机类操作。

统计单元，用于统计所有车机类操作的行为顺序，以对预设时长的车机类操作进行聚类学习，得到聚类结果。

排序单元，用于根据聚类结果调整车机主题内功能按钮排序，并生成功能排序类主题。

可选地，在本申请的一个实施例中，建模模块200还包括：第一划分单元，用于根据设置的驾驶模式、能量回收模式、方向助力模式和/或充电设置划分用户驾驶激烈度等级；

可选地，在本申请的一个实施例中，建模模块200还包括：计算单元，用于根据用户驾驶激烈度等级和用户当前音乐激烈程度等级聚合计算主题色彩度调节值。

可选地，在本申请的一个实施例中，车机数据包括驾驶类数据和感知类数据。

需要说明的是，前述对车辆的车机主题推荐方法实施例的解释说明也适用于该实施例的车辆的车机主题推荐装置，此处不再赘述。

根据本申请实施例提出的车辆的车机主题推荐装置，通过采集车辆的车机数据；对车机数据进行建模分析，建立用户的用户画像，并得到用户的实际喜好与习惯；基于用户互相和实际喜好与习惯匹配最优车机系统主题，并向用户推荐最优车机系统主题。本申请可通过对车机数据进行采集，并对采集数据进行建模分析，得到用户画像，以推荐专属主题设置和同类画像用户主题设置，从而有效改善了用户的使用体验和使用意愿，使得车辆更具人性化和科技感。

图4为本申请实施例提供的车辆的结构示意图。该车辆可以包括：

存储器401、处理器402及存储在存储器401上并可在处理器402上运行的计算机程序。

处理器402执行程序时实现上述实施例中提供的车辆的车机主题推荐方法。

进一步地，车辆还包括：

通信接口403，用于存储器401和处理器402之间的通信。

存储器401，用于存放可在处理器402上运行的计算机程序。

存储器401可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

如果存储器401、处理器402和通信接口403独立实现，则通信接口403、存储器401和处理器402可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选地，在具体实现上，如果存储器401、处理器402及通信接口403，集成在一块芯片上实现，则存储器401、处理器402及通信接口403可以通过内部接口完成相互间的通信。

处理器402可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。

本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的车辆的车机主题推荐方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。