[0001] 本公开涉及防洪处置技术领域，特别地涉及一种重载铁路防洪处置方法、系统、设备、介质和程序。

[0002] 重载铁路是专门用于运输大型货物的货运专线铁路，它能够承载极大的载重量，重载铁路在面对洪水威胁时，会采取一系列的防洪处置措施来确保列车运行安全和铁路设施的完整。

[0003] 现有重载铁路的防洪处置方法多为基于人工调度管理的防洪处置方案，即由现场的工作人员对重载铁路进行洪灾预警，并交由管理层进行洪灾处置调度，实际应用中，基于人工调度管理的防洪处置方案缺乏对汛前的检查结果反馈，难以实现数据分析，容易出现防洪漏洞，且容易出现层层决策审批的现象，导致对重载铁路进行防洪处置时效率较低的问题。

[0025] 为了使本技术领域的人员更好地理解本公开的技术方案，并对本公开如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施，下面将结合本公开实施例中的附图，对本公开的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公开一部分的实施例，而不是全部的实施例。本公开的实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本公开的保护范围之内。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。

[0026] 需要说明的是，本公开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，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。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单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，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单元。

[0027] 需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

[0028] 实施例一

[0029] 图1为本公开实施例提供的一种重载铁路防洪处置方法的流程示意图。如图1所示，一种重载铁路防洪处置方法，包括：

[0030] S1、向各个工区发送汛前检查工单，获取针对所述汛前检查工单所返回的汛前检查结果，根据所述汛前检查结果将预设的初始工作计划更新成防洪工作计划。

[0031] 详细地，所述工区是指重载铁路的各个工作区间，所述汛前检查工单中包含铁路设备汛期专项检查工单、汛期应急物资检查工单、汛期应急培训合规检查工单、汛期应急人员合规检查工单等工单，其中，所述铁路设备汛期专项检查工单是用于对铁路中的设备与设施进行检查的工单，所述汛期应急物资检查工单是用于对防汛期间的应急物资进行检查的工单，所述汛期应急培训合规检查工单是用于对防汛培训的合规程度进行检查的工单，所述汛期应急人员合规检查工单是用于对防汛的应急人员的合规程度进行检查的工单，所述工单是一种书面文件，用于记录和传达工作任务、要求和信息，可以利用一体化数字平台向各个工区发送汛前检查工单。

[0032] 具体地，所述汛前检查结果是指各个工区按照所述汛前检查工单进行汛前检查后得到的检查结果，包括汛前铁路设备的运行数据、汛前应急物资数据以及汛前防汛的应急人员的能力以及部署位置等数据，所述防洪工作计划是指针对各个工区的防护地段的防汛优先级以及针对防汛的监测以及人员配置相关的工作计划。

[0033] 本发明实施例中，参照图2所示，所述根据所述汛前检查结果将预设的初始工作计划更新成防洪工作计划，包括：

[0034] S21、按照所述工区将所述汛前检查结果拆分成工区检查结果集；

[0035] S22、获取所述工区检查结果集对应的工区养护数据集；

[0036] S23、利用所述工区养护数据集对所述工区检查结果集进行差异匹配，得到工区差异数据集；

[0037] S24、对所述工区差异数据集进行防洪隐患分析，得到防洪隐患等级集；

[0038] S25、根据所述防洪隐患等级集对预设的初始工作计划中的各个工区工作计划进行优先级更新，得到防洪工作计划。

[0039] 具体地，所述工区检查结果集中的各个工区检查结果对应所述汛前检查结果中每个工区对应的检查结果，所述工区养护数据集中的各个工区历史维护数据对应一个工区日常养护时的检查结果，可以从预设的养护数据库中获取所述工区检查结果集对应的工区养护数据集。

[0040] 详细地，所述差异匹配是指所述工区养护数据集和所述工区检查结果中的各个对应的工区养护数据和工区检查结果，计算出工区检查结果中各项数值与对应的工区养护数据之间的差值，将差值作为工区差异数据汇集成工区差异数据集。

[0041] 具体地，所述防洪隐患分析是指利用预设的大数据平台中预先训练的隐患分析模型进行分析，所述隐患分析模型是输入为工区差异数据、输出为防洪隐患等级的神经网络模型。

[0042] 详细地，所述防洪隐患等级集中的各个防洪隐患等级是用于衡量一个工区存在防洪隐患的可能性等级，所述初始工作计划中包含多个工区工作计划，所述工区工作计划是指针对单个工区的防护地段的防汛优先级以及防汛措施配置相关的工作计划，所述优先级更新是指根据所述防洪隐患等级的大小对所述初始工作计划中各个工区的防洪的优先级进行更新。

[0043] 本发明实施例中，通过向各个工区发送汛前检查工单并获取汛前检查结果，能够实现汛前的数据整理以及高效地汛情监控，提高汛情响应效率，通过生成防洪工作计划，能够结合工区的实时反馈数据实现初级的防洪处置，提高针对重点区域的防洪能力。

[0044] S2、向各个工区发送所述防洪工作计划，获取针对所述防洪工作计划所返回的实时防洪监测数据。

[0045] 具体地，所述实时防洪监测数据是指各个工区按照所述防洪工作计划对各个工区进行防洪监测得到的数据，所述实时防洪监控数据是有物联网平台对铁路的设施、设备以及环境进行采集得到的数据，所述防洪工作计划同时也发送至中心大屏、指挥中心、车站分中心、工区作业终端、现场指挥终端和现场协同终端。

[0046] 详细地，所述实时防洪监测数据包括各个工区的监测数据，所述监测数据包括由雨量传感器采集的降雨量数据，由温度传感器采集的环境气温，由湿度传感器采集的环境湿度，由水位传感器采集的水位数据，由流速传感器采集的水流流速，由摄像设备对边坡以及护坡进行拍摄采集的边坡图片等。

[0047] 本发明实施例中，通过获取实时防洪监测数据，能够实现针对铁路洪水的实时数据监测，实现防洪的数字化，提高了防洪信息的传播效率，从而提升了防洪处置的效率。

[0048] S3、对所述防洪监测数据进行洪灾识别以及灾害预警，得到洪灾预警工单，向各个工区发送所述洪灾预警工单，获取针对所述洪灾预警工单所返回的应急洪灾数据。

[0049] 详细地，所述洪灾预警工单是指针对可能出现或即将出现洪灾的区域进行灾害预警的工单，所述洪灾预警工单中包括针对特定类型以及等级的洪灾的不同预警方案。

[0050] 本发明实施例中，所述对所述防洪监测数据进行洪灾识别以及灾害预警，得到洪灾预警工单，包括：按照所述工区将所述防洪监测数据拆分成工区监测数据集；从所述工区监测数据集中提取出工区边坡图集，对所述工区边坡图集进行塌方识别，得到塌方数据集；从所述工区监测数据集中提取出洪水环境参数集，对所述洪水环境参数集进行数据向量化操作，得到洪灾环境特征集；根据所述洪灾环境特征集和所述塌方数据集生成洪灾监测特征集；对所述洪灾监测特征集进行灾害识别，得到洪灾数据集；根据所述洪灾数据集进行洪灾预警，得到洪灾预警工单。

[0051] 详细地，所述工区监测数据集中的各个工区监测数据对应所述防洪监测数据中一个工区对应的监测数据，所述工区边坡图集中的各个工区边坡图片对应所述防洪监测数据中一个工区的边坡、护坡的拍摄图片。

[0052] 具体地，所述洪水环境参数集中的各个洪水环境参数包括对应工区的降雨量数据、环境气温、环境湿度、水位数据以及水流流速等数据，所述洪灾监测特征集中的各个洪灾监测特征包含所述洪灾环境特征集中对应的洪灾环境特征以及所述塌方数据集中的塌方数据。

[0053] 详细地，可以利用大量标注了洪灾类型以及洪灾危害等级的洪灾监测特征训练后的卷积神经网络模型对所述洪灾监测特征集进行灾害识别，得到洪灾数据集，所述洪灾预警是指根据所述洪灾数据集中各个洪灾数据中的洪灾类型以及洪灾危害等级判断对应工区是否发生洪灾，若是，则生成对应的工区预警工单，并将所有的工区预警工单作为洪灾预警工单，其中，所述洪灾类型包括水库决堤、城市洪水以及山洪等，所述洪灾危害等级包括特别重大洪灾、重大洪灾、较大洪灾以及一般洪灾等。

[0054] 具体地，所述对所述工区边坡图集进行塌方识别，得到塌方数据集，包括：对所述工区边坡图集进行滤波除噪，得到除噪边坡图集；对所述除噪边坡图集进行边缘检测以及边缘分割，得到分割边坡图集；从所述分割边坡图集中提取出边坡特征集；对所述边坡特征集进行塌方分类，得到塌方种类集；对所述边坡特征集进行塌方分级，得到塌方严重等级集；根据所述塌方种类集和所述塌方严重等级集生成塌方数据集。

[0055] 详细地，所述滤波除噪的方法可以是高斯滤波或中值滤波等方法，可以利用canny算法进行边缘检测，可以利用区域增长或阈值分割的方法进行边缘分割。

[0056] 具体地，所述边坡特征集中的各个边坡特征对应所述分割边坡图集中各个分割边坡图片的轮廓、边缘长度、面积以及形状等几何特征；粗糙度以及方向性等纹理特征以及颜色分布等颜色特征。

[0057] 详细地，可以利用大量标注了塌方种类以及塌方严重等级的边坡特征训练后的卷积神经网络模型或支持向量机等模型对所述边坡特征集进行塌方分类以及塌方分级，其中，所述塌方种类集中的塌方种类包括崩塌、滑坡、泥石流以及地基沉降等，所述塌方严重等级集中的塌方严重等级包括轻微塌方、中度塌方以及灾难性塌方等。

[0058] 具体地，所述向各个工区发送所述洪灾预警工单是指向各个工区发送所述洪灾预警工单中对应工区的预警工单，所述应急洪灾数据由多个接收到了工区预警工单的工区的应急数据组成，所述应急数据是指各个工区在接收到对应的预警工单后对对应的工区进行应急检查的检查数据，所述检查数据中包括应急铁路设备数据、应急物资数据以及应急人员的能力以及部署位置等数据。

[0059] 本发明实施例中，通过进行洪灾识别以及灾害预警，能够结合人工智能技术实现自动化的洪灾识别以及洪灾预警，提高了防洪预警的效率以及准确率，减少了人员前往事故地探查的危险性，通过获取针对所述洪灾预警工单所返回的应急洪灾数据，能够实现对洪灾状况的实时数据采集，从而提高防洪处置的灵活性。

[0060] S4、根据所述洪灾预警工单以及所述应急洪灾数据生成应急处置预案集。

[0061] 详细地，所述应急处置预案集中的各个应急处置预案是指针对发生了洪灾的各个工区进行应急防洪处置的预案，所述应急处置预案集的内容包括应配置前往现场的具有特定能力的人员数量，工区现场的位置，防洪物资的使用，防洪工事的兴建等。

[0062] 本发明实施例中，参照图3所示，所述根据所述洪灾预警工单以及所述应急洪灾数据生成应急处置预案集，包括：

[0063] S31、按照工区将所述洪灾预警工单拆分成工区预警工单集；

[0064] S32、根据所述工区预警工单集从预设的预警预案库中匹配出预警预案集；

[0065] S33、从所述应急洪灾数据中匹配出所述工区预警工单集对应的应急数据集；

[0066] S34、从所述应急数据集中提取出应急耗材特征集；

[0067] S35、根据所述应急耗材特征集对所述预警预案集进行动态调整，得到应急处置预案集。

[0068] 详细地，所述工区预警工单集各个工区预警工单是针对一个工区的预警工单，所述预警预案库中存在针对不同种类的预警工单的不同的预警预案，所述预警预案是由工作人员预先经由头脑风暴得到的。

[0069] 具体地，所述应急数据集中的各个应急数据是指各个工区在接收到对应的预警工单后对对应的工区进行应急检查的检查数据，所述检查数据中包括应急铁路设备数据、应急物资数据以及应急人员的能力以及部署位置等数据。

[0070] 详细地，所述应急耗材特征集中的各个应急耗材特征对应是所述应急数据集中一个应急数据的物资消耗的特征，可以利用长短时序神经网络结合应急数据对应的汛前检查结果中的汛前应急物资数据计算出应急耗材特征，所述汛前应急物资数据通过数据同步数据库的方式生成了应急物资盘点电子日历，并以电子日历的形式形象地对应急物资的变化关系进行了展示，其中，所述汛前应急物资数据中对应的数据库具备当前在册所有应急物资数据管理能力，包含物资名称、品类、编码、入库时间、库存管理单位、盘点周期、用途、专业、所在仓库、管理单位、消耗单位、消耗用途、出库时间等。

[0071] 具体地，可以利用训练后的神经网络模型根据所述应急耗材特征集对所述预警预案集进行动态调整，得到应急处置预案集，其中，所述神经网络模型的输入为应急耗材特征以及对应的预警预案，输出是人工评定的调整后的预警预案。

[0072] 本发明实施例中，通过根据所述洪灾预警工单以及所述应急洪灾数据生成应急处置预案集，能够通过人工智能自学习的方式提出对当前预案进行动态调整，从而实现辅助预案与实际情况的动态循环调整，提高防洪期间物资规划的效率。

[0073] S5、根据所述应急处置预案集和所述应急洪灾数据对各个工区进行人员匹配以及防洪调度。

[0074] 本发明实施例中，所述根据所述应急处置预案集和所述应急洪灾数据对各个工区进行人员匹配以及防洪调度，包括：逐个选取所述应急处置预案集中的应急处置预案作为目标处置预案，将所述应急洪灾数据中所述目标处置预案对应工区的应急数据作为目标应急数据；分别从所述目标处置预案中提取出处置人员需求以及应急处置位置；分别从所述目标应急数据中提取出应急人员数据以及应急人员位置；根据所述处置人员需求对所述应急人员数据进行能力匹配，得到应急处置人员；从所述应急人员位置中匹配出所述应急处置人员对应的处置人员位置；根据所述应急处置位置和所述处置人员位置对所述应急处置人员进行路径规划，得到应急调度路径；根据所述应急调度路径对所述应急处置人员进行防洪调度。

[0075] 详细地，所述处置人员需求是指所述目标处置预案中配置的需要前往现场的应急人员的数量以及应急人员的能力，所述应急处置位置是指所述目标处置预案中需要进行防洪的工区现场的具体位置。

[0076] 具体地，所述应急人员数据是指所述目标应急数据中对应的工区所部署的应急人员相关数据，所述应急人员数据具备对当前在册应急响应人员及应急联防单位数据管理能力，包括人员基础信息、人员关键能力、人员处突经验，联防单位基本信息、联防单位配属位置、联防单位这则范围、联防单位处突能力、联防单位处突经验等信息，所述应急人员位置是指所述应急人员数据对应的应急人员的部署位置。

[0077] 详细地，可以利用关系图谱对接的方式进行能力匹配，所述路径规划是指确定出与所述处置人员位置最近的上道口位置，并规划出从所述上道口位置到达所述应急处置位置的路径。

[0078] 本发明实施例中，通过根据所述应急处置预案集和所述应急洪灾数据对各个工区进行人员匹配以及防洪调度，能够实现匹配到个人的防洪调度，并节约了调度的时间，提高了防洪处置的效率。

[0079] 实施例二

[0080] 在上述实施例的基础上，为了更加清楚地了解本公开，参照图4所示，下面通过一个第二实施例进一步解释本公开实施例一在需要更加准确地进行防洪灾害识别时的情况。

[0081] S41、向各个工区发送汛前检查工单，获取针对所述汛前检查工单所返回的汛前检查结果，根据所述汛前检查结果将预设的初始工作计划更新成防洪工作计划。

[0082] S42、向各个工区发送所述防洪工作计划，获取针对所述防洪工作计划所返回的实时防洪监测数据。

[0083] S43、对所述防洪监测数据进行精确洪灾识别以及灾害预警，得到洪灾预警工单，向各个工区发送所述洪灾预警工单，获取针对所述洪灾预警工单所返回的应急洪灾数据。

[0084] 详细地，所述洪灾预警工单是指针对可能出现或即将出现洪灾的区域进行灾害预警的工单，所述洪灾预警工单中包括针对特定类型以及等级的洪灾的不同预警方案。

[0085] 本发明实施例中，所述对所述防洪监测数据进行精确洪灾识别以及灾害预警，得到洪灾预警工单，包括：按照所述工区将所述防洪监测数据拆分成工区监测数据集；从所述工区监测数据集中提取出洪水环境参数集，对所述洪水环境参数集进行数据向量化操作，得到洪灾环境特征集；从所述工区监测数据集中提取出工区边坡图集，根据所述红洪灾环境特征集对所述工区边坡图集进行塌方识别，得到塌方数据集；根据所述洪灾环境特征集和所述塌方数据集生成洪灾监测特征集；对所述洪灾监测特征集进行灾害识别，得到洪灾数据集；根据所述洪灾数据集进行洪灾预警，得到洪灾预警工单。

[0086] 详细地，所述工区监测数据集中的各个工区监测数据对应所述防洪监测数据中一个工区对应的监测数据，所述工区边坡图集中的各个工区边坡图片对应所述防洪监测数据中一个工区的边坡、护坡的拍摄图片。

[0087] 具体地，所述洪水环境参数集中的各个洪水环境参数包括对应工区的降雨量数据、环境气温、环境湿度、水位数据以及水流流速等数据，所述洪灾监测特征集中的各个洪灾监测特征包含所述洪灾环境特征集中对应的洪灾环境特征以及所述塌方数据集中的塌方数据。

[0088] 详细地，可以利用大量标注了洪灾类型以及洪灾危害等级的洪灾监测特征训练后的卷积神经网络模型对所述洪灾监测特征集进行灾害识别，得到洪灾数据集，所述洪灾预警是指根据所述洪灾数据集中各个洪灾数据中的洪灾类型以及洪灾危害等级判断对应工区是否发生洪灾，若是，则生成对应的工区预警工单，并将所有的工区预警工单作为洪灾预警工单，其中，所述洪灾类型包括水库决堤、城市洪水以及山洪等，所述洪灾危害等级包括特别重大洪灾、重大洪灾、较大洪灾以及一般洪灾等。

[0089] 具体地，所述根据所述红洪灾环境特征集对所述工区边坡图集进行塌方识别，得到塌方数据集，包括：对所述工区边坡图集进行滤波除噪，得到除噪边坡图集；对所述除噪边坡图集进行边缘检测以及边缘分割，得到分割边坡图集；从所述分割边坡图集中提取出边坡图像集；从所述洪灾环境特征集中提取出边坡地质特征集；根据所述边坡图像特征集和所述边坡地质特征集生成边坡特征集；对所述边坡特征集进行塌方分类，得到塌方种类集；对所述边坡特征集进行塌方分级，得到塌方严重等级集；根据所述塌方种类集和所述塌方严重等级集生成塌方数据集。

[0090] 详细地，所述滤波除噪的方法可以是高斯滤波或中值滤波等方法，可以利用canny算法进行边缘检测，可以利用区域增长或阈值分割的方法进行边缘分割。

[0091] 具体地，所述边坡图像特征集中的各个边坡特征对应所述分割边坡图集中各个分割边坡图片的轮廓、边缘长度、面积以及形状等几何特征；粗糙度以及方向性等纹理特征以及颜色分布等颜色特征，所述边坡地质特征集是指所述洪灾环境特征集中的土壤湿度、地基沉降速度等地质特征。

[0092] 详细地，可以利用大量标注了塌方种类以及塌方严重等级的边坡特征训练后的卷积神经网络模型或支持向量机等模型对所述边坡特征集进行塌方分类以及塌方分级，其中，所述塌方种类集中的塌方种类包括崩塌、滑坡、泥石流以及地基沉降等，所述塌方严重等级集中的塌方严重等级包括轻微塌方、中度塌方以及灾难性塌方等。

[0093] 具体地，所述向各个工区发送所述洪灾预警工单是指向各个工区发送所述洪灾预警工单中对应工区的预警工单，所述应急洪灾数据由多个接收到了工区预警工单的工区的应急数据组成，所述应急数据是指各个工区在接收到对应的预警工单后对对应的工区进行应急检查的检查数据，所述检查数据中包括应急铁路设备数据、应急物资数据以及应急人员的能力以及部署位置等数据。

[0094] 本发明实施例中，通过进行洪灾识别以及灾害预警，能够结合人工智能技术实现自动化的洪灾识别以及洪灾预警，提高了防洪预警的效率以及准确率，减少了人员前往事故地探查的危险性，通过获取针对所述洪灾预警工单所返回的应急洪灾数据，能够实现对洪灾状况的实时数据采集，从而提高防洪处置的灵活性。

[0095] S44、根据所述洪灾预警工单以及所述应急洪灾数据生成应急处置预案集。

[0096] S45、根据所述应急处置预案集和所述应急洪灾数据对各个工区进行人员匹配以及防洪调度。

[0097] 实施例三

[0098] 在上述实施例的基础上，图5为本公开实施例提供的一种重载铁路防洪处置系统的功能模块图。如图5所示，一种重载铁路防洪处置系统，包括：

[0099] 本实施例所述的重载铁路防洪处置系统500可以安装于电子设备中。根据实现的功能，所述重载铁路防洪处置系统500可以包括汛前检查模块501、防洪监控模块502、洪灾预警模块503、预案分配模块504及防洪调度模块505。本公开所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

[0100] 在本实施例中，关于各模块/单元的功能如下：

[0101] 所述汛前检查模块501，用于向各个工区发送汛前检查工单，获取针对所述汛前检查工单所返回的汛前检查结果，根据所述汛前检查结果将预设的初始工作计划更新成防洪工作计划；

[0102] 所述防洪监控模块502，用于向各个工区发送所述防洪工作计划，获取针对所述防洪工作计划所返回的实时防洪监测数据；

[0103] 所述洪灾预警模块503，用于对所述防洪监测数据进行洪灾识别以及灾害预警，得到洪灾预警工单，向各个工区发送所述洪灾预警工单，获取针对所述洪灾预警工单所返回的应急洪灾数据；

[0104] 所述预案分配模块504，用于根据所述洪灾预警工单以及所述应急洪灾数据生成应急处置预案集；

[0105] 所述防洪调度模块505，用于根据所述应急处置预案集和所述应急洪灾数据对各个工区进行人员匹配以及防洪调度。

[0106] 详细地，本公开实施例中所述重载铁路防洪处置系统500中所述的各模块在使用时采用如实施例一所述的重载铁路防洪处置方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

[0107] 实施例四

[0108] 在上述实施例的基础上，本实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现上述实施例所述方法的步骤。

[0109] 本实施例的一些实施方式中，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现上述实施例所述方法的步骤。

[0110] 本实施例的一些实施方式中，提供一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序被处理器执行时实现上述实施例所述方法的步骤。

[0111] 处理器可以包括但不限于例如一个或者多个处理器或者或微处理器等。每一处理器可以是专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例中的方法。

[0112] 计算机可读存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，计算机可读存储介质可以包括但不限于例如，随机存取存储器(RAM)、只读存储器(ROM)、快闪存储器、EPROM存储器、EEPROM存储器、寄存器、计算机存储介质(例如硬碟、软碟、固态硬盘、可移动碟、CD‑ROM、DVD‑ROM、蓝光盘等)。

[0113] 计算机可读存储介质还可以存储至少一个计算机可执行程序/指令，计算机可执行程序/指令例如是计算机可读指令。计算机可读存储介质包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。计算机可读存储介质例如可以包括只读存储器(ROM)、硬盘、闪存等。例如，非暂时性计算机可读存储介质可以连接于诸如计算机等的计算设备，接着，在计算设备运行计算机可读存储介质上存储的计算机可读指令的情况下，可以进行如上描述的各个方法。

[0114] 除此之外，该计算机设备还可以包括(但不限于)数据总线、输入/输出(I/O)总线，显示器以及输入/输出设备(例如，键盘、鼠标、扬声器等)等。

[0115] 处理器可以通过I/O总线经由有线或无线网络与外部设备通信。

[0116] 在一个实施方式中，该至少一个计算机可执行指令也可以被编译为或组成一种软件产品/计算机程序产品，其中一个或多个计算机可执行指令被处理器运行时执行本技术所描述的实施例中的各个功能和/或方法的步骤。

[0117] 在本公开所提供的实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，上述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

[0118] 需要说明的是，在本公开中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

[0119] 虽然本公开所揭露的实施方式如上，但上述的内容只是为了便于理解本公开而采用的实施方式，并非用以限定本公开。任何本公开所属技术领域内的技术人员，在不脱离本公开所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本公开的专利保护范围，仍须以所附的权利要求书所界定的范围为准。