技术领域
[0001] 本申请涉及数据分析技术领域，特别涉及一种旅游公路的分级方法、装置、电子设备、存储介质及计算机程序产品。
相关背景技术
[0002] 近年来，全域旅游的快速发展引发了社会对旅游公路网络规划的广泛关注。目前，我省全域旅游发展还存在一些问题，通过精细化的交通网络分析和多层级旅游公路网络的构建，明确旅游公路的建设需求，进一步提升旅游交通服务能力。为识别出全域旅游交通网络，本发明基于旅游景点和交通节点的数据，采用A Search Algorithm算法进行最短路径分析，并结合GIS(Geographic Information System)空间技术和线密度分析方法，识别出具有高相关性的旅游主通道。通过多层级“快进慢游”旅游公路网络的识别与构建，本发明为规划管理部门提供精准的决策支持，有效提升了旅游公路网络规划的科学性和实用性。
[0003] 传统的旅游公路网识别方法以景区为中心，串联附近的城镇、交通枢纽、高速公路互通等，找出交通源节点至景区的旅游公路，或将主要景区相互串联，找出互联互通旅游公路，在此基础上通过实地调查旅游交通量，判断其旅游功能强弱，最终识别出全省的旅游公路网。然而由于全省旅游资源点及交通源节点数量过多，采用传统方法进行旅游公路的识别工作量巨大，容易出错。
具体实施方式
[0012] 下面结合附图及实施例对本申请再作进一步详细的描述。
[0013] 除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
[0014] 本申请实施例提供了一种旅游公路的分级方法。该SoC系统运行于电子设备中，即执行主体为电子设备，电子设备可以是任意可以执行旅游公路的分级方法的设备，例如，可以是终端设备或者服务器等，本申请对此不做具体限定。如图1所示，该方法包括：步骤101，获取路网数据集合，路网数据集合包括目标区域内多个旅游景点，以及多个交通节点。
[0015] 其中，目标区域可以是按照行政域划分得到。例如，可以将一个省级的区域作为目标区域。目标区域也可以是将设定的区域作为目标区域。例如，可以将一个省级的区域和另一个省级的部分区域作为目标区域。本申请对此不做限制。
[0016] 目标区域内可以包括多个旅游景点，以及与通往各旅游景点相关的多个交通节点。交通节点是指通往旅游景点的交通方式所对应的站点。交通节点包括但不限于机场、高铁站、普铁站、高速公路、汽车客运站（二级以上）。
[0017] 步骤102，基于路网数据集合和预先训练好的分类模型，确定各交通节点和各旅游景点的权重系数等级。
[0018] 其中，预先训练好的分类模型可以是Boosting算法，也可以是其他可以用于进行分类的算法。
[0019] 基于路网数据集合和预先训练好的分类模型，可以确定路网数据集合中各交通节点的权重系数等级，以及各旅游景点的权重系数等级。
[0020] 此处，权重系数等级可以理解为对权重系数设置了相应的等级，如此可以便于预先训练好地分类模型更好地进行数据分类。
[0021] 步骤103，将各交通节点的权重系数等级、各旅游景点的权重系数等级和路网数据集合输入至预设的路径搜索算法中进行处理，生成全域路径数据集合。
[0022] 其中，全域路径数据集合包括目标区域内任意两个旅游景点之间的最短路径。两个旅游景点之间的最短路径可以是综合成本最小的路径，综合成本包括距离成本和时间成本。
[0023] 步骤104，基于全域路径数据集合中的各最短路径，生成多层级的公路网络。
[0024] 此处，公路网络包括目标区域内各条最短路径。多层级是指公路网络中各最短路径具有多个层级。例如，将旅游公路分为承担“快进”功能的旅游干线公路和承担“慢游”功能的旅游集散公路与旅游通景公路。其中，旅游干线公路为高速公路，旅游集散公路为普通国省道，旅游通景公路为农村公路。
[0025] 本申请实施例提供的技术方案，通过获取路网数据集合，基于路网数据集合和预先训练好的分类模型，确定各交通节点和各旅游景点的权重系数等级。将各交通节点的权重系数等级、各旅游景点的权重系数等级和路网数据集合输入至预设的路径搜索算法中进行处理，生成全域路径数据集合。基于全域路径数据集合中的各最短路径，生成多层级的公路网络。通过确定各交通节点和各旅游景点的权重系数等级，结合路网数据集合共同输入至预设的路径搜索算法中进行处理，从而得到目标区域内所有的最短路径，最短路径是指综合成本最小的旅游路径。最后，再对各最短路径进行分层级，得到多层级的公路网络。如此，为目标区域内任意两个旅游景点之间确定综合成本最小的旅游路径，可以使用户出游路线得以优化。并且，基于此得到最短路径之后，再对各最短路径进行分层级，可以提高旅游公路的识别准确度。
[0026] 在一个实施例中，如图2所示，获取路网数据集合，包括：步骤201，获取目标路网数据和目标旅游资源数据。
[0027] 其中，目标路网数据是指目标区域内的公路网的目标数据。目标旅游资源数据是指目标区域内的旅游景点的目标数据。
[0028] 步骤202，将目标路网数据和目标旅游资源数据输入至预设的地理信息系统（GIS）模型。
[0029] 步骤203，通过预设的GIS模型对目标路网数据进行几何分析和拓扑构建，生成路网的拓扑结构。
[0030] 步骤204，通过预设的GIS模型对路网的拓扑结构和目标旅游资源数据进行计算分析，获得路网数据集合。
[0031] 此处，通过预设的GIS模型基于路网的拓扑结构对目标旅游资源数据进行计算分析，可以获得路网数据集合。路网数据集合还包括目标区域内，从各个旅游景点行至除旅游景点自身之外的其他各旅游景点的目标旅游路径。目标旅游路径为时间成本最小的旅游路径。
[0032] 在一个实施例中，预设的GIS模型中包括目标阻抗函数，该目标阻抗函数利用路径长度和行驶时间作为主要变量，用于计算从节点i到节点j的最小路径成本。目标阻抗函数的表达式如下：；
其中， 表示节点i到节点j的距离， 表示节点i到节点j的预估
时间， 和 为权重系数。节点i可以是旅游景点和交通节点，节点j也可以是旅游景点和交通节点。
[0033] 路网数据集合包括目标区域内每个旅游景点和其他旅游景点之间的旅游路径。示例性地，A旅游景点（起点节点）和B旅游景点（目的节点）之间可能存在多个旅游路径，以其中一条旅游路径举例说明，沿着前行方向，计算A旅游景点和下一路径节点（S1）之间的距离，S1节点为交通节点时，则基于目标路网数据确定该S1节点的类型和路段，路段具有对应的行车限制速度。根据S1节点的类型、路段以及S1节点和A旅游景点之间的距离，确定A旅游景点到S1节点的行程时长。之后，将S1节点和A旅游景点之间的距离，以及A旅游景点到S1节点的行程时长输入至目标阻抗函数中，可以确定A旅游景点到S1节点之间的路径段的时间成本。对于S1节点和B旅游景点之间的其他节点，两两节点之间，或者节点与B旅游景点之间，均计算对应的行程时长。如此，可以得到该条旅游路径的路径的总时间成本。A旅游景点到B旅游景点之间的其他旅游路径的路径的总时间成本的计算以此类推。
[0034] 在确定A旅游景点和B旅游景点之间的多个旅游路径的路径的总时间成本之后，对各条旅游路径的路径的总时间成本进行比较，将路径的总时间成本最小的旅游路径，确定为A旅游景点和B旅游景点之间的目标旅游路径。此处，路径的总时间成本最小的旅游路径，即前述的时间成本最小的旅游路径。
[0035] 基于与前述相同的方法，在将目标区域内各旅游景点和其他旅游景点之间的至少一条旅游路径进行分析之后，可以得到各旅游景点和其他旅游景点之间的目标旅游路径。
[0036] 在一个实施例中，获取目标路网数据和目标旅游资源数据，包括：获取第一路网数据和第一旅游资源数据；将所述第一路网数据和所述第一旅游资源数据按照预设的格式进行数据转换，获得第二路网数据和第二旅游资源数据；将所述第二路网数据和所述第二旅游资源数据转换为GIS数据，获得所述目标路网数据和所述目标旅游资源数据。
[0037] 其中，第一路网数据是初始的路网数据。第一旅游资源数据是初始的旅游资源数据。第一路网数据和第一旅游资源数据，通常可能来自于不同的数据源，因而在数据格式上五花八门。为了将数据格式进行统一化，可以将第一路网数据和第二路网数据进行格式转换，获得第二路网数据和第二旅游资源数据。可以理解的是，第二路网数据和第二旅游资源数据的格式是标准化的统一的格式，可以保证数据的一致性和兼容性，从而便于后续输入至预设的GIS模型中进行分析和建模。
[0038] 之后，再将第二路网数据和第二旅游资源数据转换为GIS格式的数据，即可获得目标路网数据和所述目标旅游资源数据。将第二路网数据和第二旅游资源数据转换为GIS数据，可以理解为将第二路网数据和第二旅游资源数据的地理坐标系统转换为统一的坐标系统。
[0039] 在一个实施例中，获取第一路网数据和第一旅游资源数据之后，还包括对第一路网数据和第一旅游资源数据进行数据清洗。数据清洗包括格式及坐标转换、拓扑处理、属性完善。
[0040] 在一个实施例中，将所述第二路网数据和所述第二旅游资源数据转换为GIS数据之后，还包括对第二路网数据和所述第二旅游资源数据进行拓扑处理，修复可能存在的拓扑错误，如断线、交叉点错误、不连续段等。以及，检查并完善属性数据，填充缺失的属性信息，保证每个公路段和节点的属性数据完整并准确反映实际情况。
[0041] 在一个实施例中，将所述第一路网数据和所述第一旅游资源数据按照预设的格式进行数据转换，获得第二路网数据和第二旅游资源数据。
[0042] 此处，第一路网数据包括目标区域内与旅游景点相关的所有交通节点的数据。第一路网数据可以包括机场、高铁站、普铁站、高速公路和汽车客运站等的标识信息、类别信息、位置数据以及路段数据。类别信息可以用于指示交通节点的类型，例如类型是区别机场、高铁站、普铁站、高速公路或汽车客运站。第一路网数据中的位置数据可以包括经度、纬度和海拔。路段数据包括路段长度、道路等级和行车限制速度。行车限制速度是预先设计的各种交通道路对应的交通工具的最大限度的运行速度。第一旅游资源数据包括目标区域内所有旅游景点的标识信息、位置数据以及等级信息。等级信息可以用于指示旅游景点的等级。旅游景点的等级可以包括全省A级景区、国家级红色旅游经典景区、国省级特色小镇、全国乡村旅游重点村、国家级历史文化名镇、名村等。
[0043] 在一个实施例中，基于所述路网数据集合和预先训练好的分类模型，确定各交通节点和各旅游景点的权重系数等级，包括：获取各所述旅游景点的第一权重系数以及各所述交通节点的第二权重系数；将所述路网数据集合、各所述第一权重系数和各所述第二权重系数输入至所述预先训练好的分类模型中，获得各所述旅游景点的权重系数等级，以及各所述交通节点的权重系数等级。
[0044] 具体地，在获得各旅游景点的第一权重系数和各交通节点的第二权重系数之后，可以输入至Boosting算法中，获得各旅游景点的权重系数等级和各交通节点的权重系数等级。
[0045] 示例性的，可以将路网数据集合、各旅游景点的第一权重系数和各交通节点的第二权重系数划分为训练集和验证集，比例设置为80：20。
[0046] Boosting算法中集成模型的输出为：；
其中， 是第m次迭代的预测值， 是前一次迭代的预测值， 是
第m个基学习器， 是对应的学习率。
[0047] 使用构建的训练集，训练Boosting模型。在每次迭代中，模型通过最小化损失函数来优化权重。最小化损失函数 为：；
其中，N为训练样本数。
[0048] 通过负梯度来更新模型，更新公式为：；
其中， 是第m次迭代的伪残差。
[0049] 模型性能评估，使用均方误差来评估模型的性能。均方误差 如下：；
其中， 是真实值， 是模型预测值。可以使用预先训练好的Boosting模型对全省的旅游景点和交通节点进行权重等级计算，从而得到各个旅游景点和各个交通节点的权重等级 。该函数表示 表示节点重要性权重，其取值为 取最大
值的时候，对应的 的值。节点重要性权重即表示节点的重要程度的权重系数。如此，可知，第一权重系数是表示旅游景点的重要程度的权重系数，第二权重系数是表示交通节点的重要程度的权重系数。
[0050] 在一个实施例中，获取各所述旅游景点的第一权重系数，包括：获取各所述旅游景点的年度游客量；基于所述路网的拓扑结构确定各所述旅游景点的第一交通连接度；将各所述旅游景点的年度游客量、等级和第一交通连接度输入至预设的第一权重算法中进行处理，获得各所述旅游景点的第一权重系数。
[0051] 此处，年度游客量可以是旅游景点的年均游客量。第一交通连接度表征旅游景点的交通便利程度。例如旅游景点周围的交通工具种类越丰富、以及数量较多，则表明该旅游景点的交通便利程度越高。旅游景点的等级即旅游景点的景区的等级。
[0052] 预设的第一权重算法可以是：；
其中， 表示该旅游景点的年度游客量， 表示该旅游景点的景区等级，
表示该旅游景点的交通连接性， 表示权重系数， 表示该旅游
景点的第一权重系数。
[0053] 具体地，将各旅游景点的年度游客量、旅游景点的等级和第一交通连接度输入至预设的第一权重算法中进行计算处理，可以获得各旅游景点的第一权重系数。
[0054] 在一个实施例中，所述获取各所述交通节点的第二权重系数，包括：获取各所述交通节点的日均客流量；基于所述路网的拓扑结构确定各所述交通节点的第二交通连接度；将各所述交通节点的日均客流量、类型和第二交通连接度输入至预设的第二权重算法中进行处理，获得各所述交通节点的第二权重系数。
[0055] 此处，日均客流量是指交通节点每日平均的客流量，可以基于近一年或者其他预设时长内的总客流量进行平均计算得到。第二交通连接度表征交通节点的交通便利程度。例如，交通节点周围的交通工具种类越丰富、以及数量较多，则表明该交通节点的交通便利程度越高。交通节点的类型，如机场、高铁站、普铁站、景区等。每种类型可以赋予不同的权重值。
[0056] 预设的第二权重算法可以是：；
其中， 表示该交通节点的日均客流量， 表示交通节点的类型，
表示该节点的交通连接性， 表示权重系数， 表示交通节点的
第二权重系数。
[0057] 具体地，将各交通节点的日均客流量、交通节点的类型和第二交通连接度输入至预设的第二权重算法中进行处理，获得各交通节点的第二权重系数。
[0058] 在一个实施例中，获取各所述旅游景点的第一权重系数以及各所述交通节点的第二权重系数之前，还包括对路网数据集合中的数据进行标准化处理。标准化计算公式如下：；
其中， 为原始特征值， 为特征的均值， 为特征的标准差。
[0059] 在一个实施例中，将目标阻抗函数、预设的第一权重算法和预设的第二权重算法结合，构建得到综合权重系数计算函数。综合权重系数计算函数，可以用于路径规划中的边权值计算。
[0060] 综合权重系数计算函数为：；
该公式表示在选择路径时，更倾向于通过综合权重更大的节点。
[0061] 将所述路网数据集合、各所述交通节点的权重系数等级和各所述旅游景点的权重系数等级输入至所述预设的路径搜索算法中，确定任意两个旅游景点之间的最短路径的算法处理过程如下：初始化A 算法，设置起始节点S和目标节点T，创建开集和闭集，初始时开集包含起始节点S和相邻节点，闭集为空，起始节点的累计成本 ，设置启发式函数
，用于估计节点j到目标节点T的最小成本， 是节点j到目标节点T的欧
几里得距离。
[0062] 从开集中选择具有最小总估值 的节点j进行拓展，然后将节点j从开集中移除，加入闭集中，对于节点j的每个邻接节点k，计算从j到k的移动成本，，如果邻接节点k不在开集中，将其加入开集，如果邻接节点k不在闭集
中，或通过节点j到达k的路径成本更低，则更新k的成本并设置k的父节点为j，，重复以上步骤，直到目标节点T被找到或开集节点全部计算。
[0063] 或者，也可以理解为获取节点i与各个相邻节点j的综合权重系数；获取各所述相邻节点j与目的节点T之间的欧几里得距离；基于各所述综合权重系数、各所述欧几里得距离输入至预设的估值算法中进行计算，获得各所述相邻节点的成本估计值；对成本估计值最小的相邻节点j进行拓展，直至所述目的节点T被找到或确定开集中节点均已计算。预设的估值算法就，即前述的最小总估值函数。
[0064] 最后，根据计算得出的最短路径，从目标节点T反向追踪到起始节点S，重构完整路径并保存。生成的路径包含节点顺序、路径总长度、行驶时间以及综合权重值。对不同起始节点和目标节点的路径进行多次计算，汇总所有高相关性旅游景点间的最短路径，可以得到全域路径数据集合。
[0065] 在一个实施例中，所述基于所述全域路径数据集合中的各所述最短路径，生成多层级的公路网络，包括：获取所述全域路径数据集合中的各条最短路径的路径权重；获取所述全域路径数据集合中的各条最短路径的路段的单位权重密度；将各所述最短路径的路径单位长度上的权重密度映射到所述路网的拓扑结构中，获得所述多层级的公路网络。
[0066] 具体地，计算全域路径数据集合中各条最短路径的路径权重，路径权重是指最短路径的总权重，对应的路径权重的计算公式为：；
其中，n为最短路径上的节点数量， 表示第一权重系数或第二权重系数，
表示路径权重。
[0067] 之后，再计算各条最短路径的路段的单位权重密度，对应的路段的单位权重密度的计算公式为：；
其中， 是最短路径的总长度， 为路径权重， 为路段的单位权重密
度。最短路径包括至少一个路段，在包括多个路段的情况下，该最短路径的路段的单位权重密度，是指该最短路径多个路段的权重密度的平均值。
[0068] 在一个实施例中，可以将线密度分析结果与公路网络进行空间连接，将计算得到的路径线密度结果映射到实际的公路网络段上，使得每段公路都能继承其对应的路径权重密度，并采用公式 将路径的权重密度 赋值到公路网络的对应路段上，如果一段公路与多个路径重叠，则累加其权重密度。公式 具体如下：；
其中， 为公路段的最终权重，M为与该公路段有重叠的路径数量， 是公
路段的总长度， 为路径k的权重密度， 为路径k与该公路段的重叠长度。
[0069] 在一个实施例中，根据赋予公路网络的权重，确定多层级旅游公路网络的分级标准，将旅游公路分为承担“快进”功能的旅游干线公路和承担“慢游”功能的旅游集散公路与旅游通景公路，旅游干线公路为高速公路，旅游集散公路为普通国省道，旅游通景公路为农村公路。应用分级标准将所有公路段划分为不同的层级，形成“快进”主干道和“慢游”支路网络。
[0070] 本申请通过获取目标区域内的所有旅游景点和交通节点的数据集，构建包含节点重要性权重和路网阻抗函数的综合权重模型，利用A 算法计算旅游景点间的最短路径。将生成的旅游路径集与公路网络进行空间连接，结合路径权重密度对公路网络进行线密度分析，将公路网络划分为多个层级的“快进慢游”旅游公路网络。
[0071] 为了实现本申请实施例的方法，本申请实施例还提供一种旅游公路的分级装置，该旅游公路的分级装置与上述旅游公路的分级方法对应，上述旅游公路的分级方法实施例中的各步骤也完全适用于本旅游公路的分级装置实施例。
[0072] 如图3所示，该旅游公路的分级装置400包括：数据获取模块401，用于获取路网数据集合，所述路网数据集合包括目标区域内多个旅游景点，以及多个交通节点；
权重等级确定模块402，用于基于所述路网数据集合和预先训练好的分类模型，确定各交通节点和各旅游景点的权重系数等级；
数据集合生成模块403，用于将各所述交通节点的权重系数等级、各所述旅游景点的权重系数等级和所述路网数据集合输入至预设的路径搜索算法中进行处理，生成全域路径数据集合，所述全域路径数据集合包括所述目标区域内任意两个旅游景点之间的最短路径，所述最短路径是综合成本最小的旅游路径；
公路网生成模块404，用于基于所述全域路径数据集合中的各所述最短路径，生成多层级的公路网络。
[0073] 需要说明的是：上述实施例提供的旅游公路的分级装置在进行旅游公路的分级时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的旅游公路的分级装置与旅游公路的分级方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0074] 基于上述程序模块的硬件实现，且为了实现本申请实施例的方法，本申请实施例还提供一种电子设备。图4仅仅示出了该电子设备的示例性结构而非全部结构，根据需要可以实施图4示出的部分结构或全部结构。
[0075] 如图4所示，本申请实施例提供的电子设备500包括：至少一个处理器501、存储器502、用户接口503和至少一个网络接口504。电子设备500中的各个组件通过总线系统505耦合在一起。可以理解，总线系统505用于实现这些组件之间的连接通信。总线系统505除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图4中将各种总线都标为总线系统505。其中，用户接口503可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。本申请实施例中的存储器502用于存储各种类型的数据以支持电子设备的操作。这些数据的示例包括：用于在电子设备上操作的任何计算机程序。
[0076] 本申请实施例揭示的旅游公路的分级方法可以应用于处理器501中，或者由处理器501实现。处理器501可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，旅游公路的分级方法的各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器501可以是通用处理器、数字信号处理器（DSP，Digital Signal Processor），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。处理器501可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器502，处理器501读取存储器502中的信息，结合其硬件完成本申请实施例提供的旅游公路的分级方法的步骤。
[0077] 在示例性实施例中，电子设备可以被一个或多个应用专用集成电路（ASIC，Application Specific Integrated Circuit）、DSP、可编程逻辑器件（PLD，Programmable Logic Device）、复杂可编程逻辑器件（CPLD，Complex Programmable Logic Device）、现场可编程逻辑门阵列（FPGA，Field Programmable Gate Array）、通用处理器、控制器、微控制器（MCU，Micro Controller Unit）、微处理器（Microprocessor）、或者其他电子元件实现，用于执行前述方法。
[0078] 可以理解，存储器502可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器（ROM，Read Only Memory）、可编程只读存储器（PROM，Programmable Read‑Only Memory）、可擦除可编程只读存储器（EPROM，Erasable Programmable Read‑Only Memory）、电可擦除可编程只读存储器（EEPROM，Electrically Erasable Programmable Read‑Only Memory）、磁性随机存取存储器（FRAM，ferromagnetic random access memory）、快闪存储器（Flash Memory）、磁表面存储器、光盘、或只读光盘（CD‑ROM，Compact Disc Read‑Only Memory）；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器（RAM，Random Access Memory），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器（SRAM，Static Random Access Memory）、同步静态随机存取存储器（SSRAM，Synchronous Static Random Access Memory）、动态随机存取存储器（DRAM，Dynamic Random Access Memory）、同步动态随机存取存储器（SDRAM，Synchronous Dynamic Random Access Memory）、双倍数据速率同步动态随机存取存储器（DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory）、增强型同步动态随机存取存储器（ESDRAM，Enhanced Synchronous Dynamic Random Access Memory）、同步连接动态随机存取存储器（SLDRAM，Sync Link Dynamic Random Access Memory）、直接内存总线随机存取存储器（DRRAM，Direct Rambus Random Access Memory）。本申请实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
[0079] 在示例性实施例中，本申请实施例还提供了一种计算机存储介质，具体可以是计算机可读存储介质，例如包括存储计算机程序的存储器502，上述计算机程序可由电子设备的处理器501执行，以完成本申请实施例方法所述的步骤。计算机可读存储介质可以是ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD‑ROM等存储器。
[0080] 本申请实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
[0081] 需要说明的是：“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。
[0082] 另外，本申请实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
[0083] 以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请披露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。
