技术领域
[0001] 本发明涉及景区管理技术领域，更具体地说，本发明涉及景区人流量预测方法、系统、设备终端及其储存介质。
相关背景技术
[0002] 在旺季高峰期，游客往往会像“流体”一样在景区内流动，当某个功能区域出现拥挤时，游客会自然地向周边区域扩散以缓解拥堵；而当某一区域相对空闲时，又会吸引游客自发地聚集；现有景区的人流监测与预测方法通常注重单一数据源或静态测算，难以及时捕捉这种游客在不同区域间动态迁移、拥挤扩散与重新凝聚的过程，无法为景区管理提供对游客自组织迁移规律的准确刻画。
[0003] 现有技术中缺乏对景区各区域间游客自发扩散与凝聚规律的综合分析，当高峰期出现拥挤时，往往无法有效预测游客的流动趋势，这样会导致景区管理对瞬时人流变化的应对手段滞后。
具体实施方式
[0018] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
[0019] 实施例1：图1给出了本发明景区人流量预测方法，其包括如下步骤：S1：采集多源游客行为数据，并对多源游客行为数据进行预处理。
[0020] S2：依据群体行为原理和地理信息系统数据，构建景区各功能区域的节点关系模型。
[0021] S3：基于节点关系模型和多源游客行为数据计算各功能区域的游客拥挤度参数，结合时间维度和空间维度生成功能区域的动态分布参数。
[0022] S4：将历史人流量数据与实时监测数据进行比对分析，构建功能区域间的游客流动传播矩阵，并通过回归算法对功能区域间的迁移权重进行动态优化和更新。
[0023] S5：基于更新后的游客流动传播矩阵结合功能区域的动态分布参数，对未来不同时段的景区人流量进行预测，生成功能区域内的时段性人流分布数据。
[0024] S6：基于功能区域内的时段性人流分布数据对功能区域内的游客密度进行分析，标记潜在人流高风险区域。
[0025] 采集多源游客行为数据，并对多源游客行为数据进行预处理，包括：多源游客行为数据包括视频监控设备采集的图像数据、游客智能终端的定位数据以及门票销售系统的历史交易数据：
在景区内布置多台视频监控设备，每台设备设置不同的拍摄角度和区域覆盖范
围。视频监控设备连续记录景区内游客的动态行为图像数据，并通过有线或无线网络将采集的图像数据传输至数据处理服务器。图像数据包含游客的实时位置、动态轨迹及拥挤程度的视觉信息。
[0026] 游客智能终端包括具备GPS定位功能的智能手机或便携式设备。通过游客安装的景区导航应用程序，实时采集游客的地理位置数据。采集的定位数据以经纬度的形式记录，并附带时间戳信息，上传至景区的中央数据处理平台。
[0027] 在景区的电子门票系统中记录每位游客的入园时间、购票类别以及入园口位置。通过数据接口定期导出历史交易数据并存储在结构化数据库中，以供后续分析和处理。
[0028] 对多源游客行为数据进行预处理：对多源游客行为数据中的异常值进行识别和剔除：
在预处理阶段，对采集的图像数据、定位数据和历史交易数据进行全面检查，识别数据中的异常值。例如：对图像数据，识别因监控设备遮挡或天气条件（如雨雾影响）造成的图像模糊或丢失；对定位数据，识别经纬度偏离合理范围（如超出景区地理边界）的数据点；
对历史交易数据，检查购票信息的完整性，例如是否存在重复记录或无效记录。
[0029] 异常值通过自动化算法剔除，例如采用基于历史分布的离群点检测模型，或通过规则定义异常范围后进行批量剔除。
[0030] 对多源游客行为数据中的噪声进行过滤以消除无关信息：对多源数据中存在的噪声进行过滤处理；例如：对图像数据，采用卷积神经网络（CNN）算法对画面中非游客目标（如动物、景区设备）进行分离和过滤，仅保留与游客行为相关的关键图像信息；对定位数据，使用卡尔曼滤波算法校正定位轨迹中的抖动现象，消除由弱信号或干扰造成的误差；对历史交易数据，清洗无关字段（如支付方式、营销信息等），仅保留与时间、位置及购票类别相关的数据。
[0031] 对多源游客行为数据的时间戳进行同步以确保不同来源数据的时序一致性：为保证视频监控数据、定位数据和交易数据的时间戳一致性，采用全局时间同步服务器对数据进行统一时间标定：
将视频监控数据的帧时间戳对齐至秒级，对定位数据的时间戳按毫秒级精度进行校准，确保连续性，对历史交易数据，以购票和入园时间为基准时间点，补全缺失的时间信息。
[0032] 对多源游客行为数据进行标准化处理以统一数据的格式和范围：对三种来源的数据进行标准化处理，包括但不限于：图像数据统一为分辨率
1080p、帧率30fps的格式；定位数据采用统一的WGS84地理坐标系表示，并将时间戳转换为UTC标准时间格式；历史交易数据转换为结构化数据表格式，字段统一命名为“入园时间”、“购票类别”、“入园口位置”等。 此外，对数值数据进行归一化处理，将定位数据中的经纬度值和时间戳值调整为[0, 1]范围，便于后续分析算法的输入。
[0033] 依据群体行为原理和地理信息系统数据，构建景区各功能区域的节点关系模型，包括：获取景区的地理信息系统数据，地理信息系统数据包括功能区域的地理边界信
息、通行路径信息及景区内重要地标位置数据：
通过景区管理系统接口，调用并下载地理信息系统数据，包括以下三类：
功能区域的地理边界信息：由多边形顶点组成的坐标数据，顶点坐标采用WGS84地理坐标系表示，每个功能区域的边界由一组闭合的多边形顶点坐标定义，示例：景区内某功能区域边界由（经度1, 纬度1），（经度2, 纬度2），（经度3, 纬度3）……构成。
[0034] 通行路径信息：景区内的通行路径以路径起点和终点的坐标表示，包含路径长度和路径方向，示例：某路径起点为（经度A, 纬度A），终点为（经度B, 纬度B），路径长度为500米，方向为单向。
[0035] 重要地标位置数据：包括景区入口、出口、主要景点及服务设施的经纬度坐标，每个地标记录其功能类型（如入口、洗手间、核心景点等）。
[0036] 对获取的地理信息系统数据进行以下处理：逐条验证每组坐标数据的完整性，例如确保边界多边形数据闭合，通行路径数据具有起点和终点坐标，地标数据具有有效的功能标识；检测超出景区边界的坐标点并剔除，例如边界点不符合景区地理范围的多边形数据；将所有地理数据统一为WGS84坐标系，路径长度统一为以米为单位的数值，时间信息转换为UTC时间格式。
[0037] 基于地理信息系统数据将景区划分为多个功能区域，功能区域通过通行路径进行连接，记录功能区域之间的邻接关系和路径属性：根据地理边界信息，将景区划分为多个功能区域，每个功能区域的范围由闭合的多边形顶点坐标定义；根据通行路径信息，判断功能区域之间是否存在邻接关系，相邻区域通过通行路径连接；标记每个功能区域的出入口位置，并记录其类别信息（如主入口、次入口、景点入口等）。
[0038] 路径长度：通过计算起点和终点的直线距离获取路径长度，并加权考虑地形因素（如坡度）。
[0039] 通行容量：根据路径宽度和地形条件，设定每条路径单位时间内的最大通行游客数量，单位为人/分钟。
[0040] 通行方向：根据景区管理规则，标记路径为单向或双向通行。
[0041] 对核心景点区域、交通枢纽区域等特殊区域进行标记，并记录其类别信息；计算每个功能区域的面积，并存储面积数据作为节点属性之一。
[0042] 依据群体行为原理构建功能区域的节点关系模型，节点关系模型包括以下内容：将每个功能区域定义为节点关系模型中的一个节点；将功能区域之间的通行路径定义为连接节点的边，边的属性包括路径长度、通行容量及拥堵系数；记录每个功能区域的地理边界、出入口位置及可通行方向：
每个功能区域定义为节点，节点的属性包括以下内容：地理边界：以多边形坐标表示的闭合边界；面积：通过地理边界多边形面积计算公式得到的区域面积；出入口位置：记录功能区域边界上的出入口坐标，按功能类别分类（如主入口和出口）；通行方向：区域出入口的方向属性，包括单向或双向。
[0043] 功能区域之间的通行路径定义为连接节点的边，边的属性包括：路径长度：单位为米；通行容量：单位时间内的最大游客通过数量（人/分钟）；拥堵系数：根据历史数据或实时监测数据计算的路径当前拥堵状态值（如0 1之间的浮点数，0表示畅通，1表示完全拥堵）。~
[0044] 建立包含节点和边的图结构，记录每个节点的邻接边信息；对每条边建立关联表，关联起点节点和终点节点，以及边的属性数据（如路径长度、通行容量、拥堵系数等）；通过拓扑算法验证图结构的连通性，确保所有功能区域之间的通行路径在模型中得到完整表示。
[0045] 基于节点关系模型和多源游客行为数据计算各功能区域的游客拥挤度参数，结合时间维度和空间维度生成功能区域的动态分布参数，包括：计算功能区域的实时游客密度，实时游客密度为功能区域内当前游客数量与功能区域面积的比值：
从节点关系模型中提取功能区域的地理边界和面积数据；从实时监控设备采集功能区域内的当前游客数量，实时更新游客分布信息。
[0046] 根据功能区域内的当前游客数量和功能区域的面积，计算实时游客密度，实时游客密度为功能区域内当前游客数量与功能区域面积的比值。
[0047] 实时游客密度以每平方米人数（人/㎡）为单位，作为功能区域拥挤程度的基础指标。
[0048] 通过分析游客在功能区域内的轨迹数据，计算游客在功能区域的平均停留时长：从多源游客行为数据中提取游客的轨迹数据，包括游客进入功能区域的时间戳和离开功能区域的时间戳。
[0049] 对每位游客，计算进入和离开时间的时间差，作为个人停留时长；对功能区域内所有游客的个人停留时长求平均值，得到功能区域的平均停留时长。
[0050] 按时间段划分游客数据，生成各功能区域在不同时段的游客数量分布：从实时游客数据中提取功能区域内每分钟的游客数量，结合历史数据进行分析。
[0051] 将游客数据按时间段（如分钟、小时）进行分组，统计每个时间段内的游客数量变化，生成时间维度分布参数。例如，时间维度分布参数={时间段1：游客数量，时间段2：游客数量，...}。
[0052] 基于功能区域之间的邻接关系和路径属性，计算功能区域与相邻区域之间的游客流动比例：从节点关系模型中提取功能区域的邻接关系和路径属性，包括路径长度、通行容量和通行方向；
从游客轨迹数据中统计游客从一个功能区域流动到相邻功能区域的数量。
[0053] 对于每个功能区域，计算游客流动比例，游客流动比例为流出至相邻区域的游客数量与当前功能区域内的游客总数量的比值。
[0054] 根据通行路径的邻接关系和方向性，对所有邻接区域的流动比例进行归一化处理，确保总比例为1。
[0055] 基于功能区域的实时游客密度、游客流动比例及平均停留时长，综合计算得到动态分布参数：将实时游客密度、游客流动比例及平均停留时长进行无量纲化处理，将实时游客密度、游客流动比例及平均停留时长分别赋予权重系数，将实时游客密度、游客流动比例的倒数及平均停留时长分别与其对应的权重系数相乘后进行相加，得到动态分布参数。
[0056] 其中，实时游客密度、游客流动比例及平均停留时长的权重系数均大于0，其设置依据功能区域的实际管理需求和拥挤风险评估的重要性。在具体设置时，通常根据历史数据和专家经验确定各参数对拥挤和安全风险的影响程度。例如，实时游客密度直接反映区域内的拥挤状态，因此权重系数通常较高；游客流动比例表征区域之间的流动性，其取倒数后与拥挤风险呈正相关，因此权重次之；平均停留时长影响游客在区域内的滞留时间，对于评估长期拥挤风险具有重要作用，权重适中。权重系数的具体取值可以通过历史数据拟合或多目标优化算法进行调优，以满足实际场景需求。
[0057] 动态分布参数越大，说明功能区域的实时游客密度较高、游客流动比例较低（取倒数后较高）或平均停留时长较长，综合反映功能区域内的拥挤和滞留程度较严重，可能导致区域内拥挤风险和安全隐患的增加，如通行不畅、疏散困难等。这种情况需要采取干预措施，例如引导游客流向相邻区域或限制进入人数。动态分布参数越小，说明功能区域内的实时游客密度较低、游客流动比例较高（取倒数后较低）或平均停留时长较短，表明区域内游客分布相对均匀，流动性较好，拥挤和安全风险较低。此时区域处于较为安全和舒适的状态，可以维持现有管理策略，无需额外干预。
[0058] 将历史人流量数据与实时监测数据进行比对分析，构建功能区域间的游客流动传播矩阵，并通过回归算法对功能区域间的迁移权重进行动态优化和更新，包括：获取功能区域的历史人流量数据与实时监测数据，按时间段和功能区域比对游客数量及流动变化：
通过景区管理数据库提取历史人流量数据：功能区域的历史游客数量，按时间段记录；功能区域之间的历史游客流动数量，按时间段记录游客的流动路径及人数。
[0059] 通过景区的视频监控系统、游客定位设备获取实时监测数据：当前功能区域的游客数量；单位时间内从功能区域进入或离开的游客路径及人数。
[0060] 将历史人流量数据与实时监测数据进行比对分析，以时间段和功能区域为单位计算游客数量和流动变化趋势。分析游客流动是否符合历史趋势，并记录偏差量。
[0061] 基于实时监测数据统计功能区域之间的游客流动人数，并结合历史人流量数据计算游客流动比例：根据实时监测数据，统计每个功能区域在单位时间内进入、离开和流向其他功能区域的游客人数。
[0062] 通过历史人流量数据和实时监测数据计算功能区域之间的游客流动比例，计算公式为： ；其中， 表示从功能区域 流向功能区域 的游客流动比例； 表示从功能区域 流向功能区域 的游客人数； 表示功能区域 的总游客人数，包括停留和流出的游客数量；表示游客流动的起始功能区域编号，具体指游客从哪个功能区域出发；表示游客流动的目标功能区域编号，具体指游客流动的目的地功能区域。
[0063] 将计算得到的游客流动比例按功能区域和时间段存储至数据库，用于后续传播矩阵的构建。
[0064] 根据功能区域之间的邻接关系与游客流动比例构建游客流动传播矩阵，游客流动传播矩阵中的元素表示相邻功能区域间的游客流动关系：提取功能区域之间的邻接关系，包括路径的通行方向和容量信息，作为游客流动传播矩阵的拓扑基础。
[0065] 根据邻接关系和游客流动比例，构建游客流动传播矩阵，游客流动传播矩阵的计算公式为： ；其中， 表示游客流动传播矩阵，为功能区域的总数量， 表示从功能区域 流向功能区域 的游客流动比例。
[0066] 将构建完成的游客流动传播矩阵存储至数据库，游客流动传播矩阵的每个元素代表功能区域之间的游客流动关系。
[0067] 基于游客流动传播矩阵，利用回归算法计算功能区域间的迁移权重，并根据实时监测数据动态优化权重，优化目标为迁移权重的预测误差最小化：基于游客流动传播矩阵和游客流动比例，初步计算功能区域之间的迁移权重，权重计算公式为： ；其中， 表示从功能区域 流向功能区域 的迁移权重；
表示功能区域 到功能区域 的路径容量； 表示传播矩阵中对应的游客流动比例。
[0068] 利用回归算法优化迁移权重，优化目标为预测权重与实际权重之间的误差最小化，目标函数定义为： ；其中， 表示基于游客流动传播矩阵和回归算法预测的迁移权重， 表示根据实时监测数据计算的实际迁移权重。
[0069] 根据优化结果，实时更新迁移权重，将更新后的迁移权重存储至数据库，供后续预测步骤使用；将比对分析、传播矩阵和优化后的迁移权重结果按时间段和功能区域记录至数据库，确保后续步骤可追溯。
[0070] 可以生成功能区域间的游客流动可视化图表，并提供迁移权重的实时更新接口，以支持景区管理决策。
[0071] 基于更新后的游客流动传播矩阵结合功能区域的动态分布参数，对未来不同时段的景区人流量进行预测，生成功能区域内的时段性人流分布数据，包括：基于更新后的游客流动传播矩阵构建预测模型，预测模型以功能区域之间的游客流动关系为输入变量，以功能区域未来时段的游客数量为输出变量：
从数据库中提取更新后的游客流动传播矩阵，游客流动传播矩阵的每个元素表示功能区域之间的游客流动比例；提取功能区域的动态分布参数，该参数通过综合加权处理反映功能区域当前的实时游客密度、游客流动比例和平均停留时长。
[0072] 定义预测模型，模型以功能区域之间的游客流动关系为输入变量，以功能区域未来不同时段的游客数量为输出变量。
[0073] 输入变量包括：功能区域的游客流动传播矩阵中各区域之间的流动比例；功能区域的动态分布参数，作为区域内部状态特征。
[0074] 输出变量包括：功能区域未来不同时段的游客数量。
[0075] 预测模型的核心关系定义为： ；其中， 表示功能区域 在时间段 的预测游客数量， 表示从功能区域 流向功能区域 的游客流动比例，表示功能区域 在时间段 的游客数量， 表示功能区域 的动态分布参数，在表示当前的时间段（具体指当前所分析的时间点或时间区间）。
[0076] 其中，这里的动态分布参数可以看作为加权因子，反映功能区域 的综合状态，包括实时游客密度、游客流动比例和平均停留时长的影响。作为加权因子，动态分布参数调节游客流动比例，提高或降低从功能区域 流向功能区域 的游客数量，以更真实地反映功能区域对流动关系的实际影响。
[0077] 通过上述预测模型的核心关系的公式，预测模型能够综合考虑功能区域之间的游客流动关系和动态分布参数对游客数量的影响。
[0078] 将功能区域的历史人流量数据与实时监测数据作为时间序列数据输入预测模型，同时输入功能区域的动态分布参数和游客流动传播矩阵：从数据库中提取功能区域的历史人流量数据和实时监测数据，并将其作为时间序列数据输入预测模型。
[0079] 历史人流量数据：包括功能区域在过去不同时段的游客数量、流动路径和流动比例；实时监测数据：包括功能区域的当前游客数量和进入、离开的流动趋势。
[0080] 对时间序列数据进行统一处理，确保数据格式一致性。具体包括：对历史人流量数据和实时监测数据按时间段对齐，统一时间步长；进行缺失值填充，以线性插值或时间序列模型估算缺失数据。
[0081] 将时间序列数据按功能区域和时间段进行分组，将每个功能区域的游客数量作为输入变量的一部分，与游客流动传播矩阵和动态分布参数共同输入预测模型。
[0082] 通过预测模型计算未来不同时段的功能区域人流量数据，包括各功能区域的未来游客数量及流动趋势：通过预测模型依次计算功能区域在未来不同时段的游客数量，计算过程为递归形式： ；其中， 表示功能区域 在未来第 个时间段的预测
游客数量， 表示功能区域 在前一时间段的游客数量，表示预测的时间步长。
[0083] 通过逐时间段递归计算，生成功能区域未来多个时间段的游客数量。
[0084] 根据功能区域的游客数量变化趋势，结合传播矩阵中的流动比例计算每个功能区域的流动趋势。
[0085] 将预测得到的功能区域人流量数据按时间段记录为时段性人流分布数据：将预测得到的功能区域人流量数据按时间段进行整理，记录每个功能区域在不同时间段的游客数量。数据格式为：
功能区域编号：唯一标识功能区域；
时间段：预测的时间点或时间区间；
预测游客数量：功能区域在对应时间段的预测游客数量。
[0086] 将上述时段性人流分布数据存储至数据库，确保能够按功能区域或时间段进行查询。
[0087] 基于功能区域内的时段性人流分布数据对功能区域内的游客密度进行分析，标记潜在人流高风险区域，包括：根据功能区域的面积和时段性人流分布数据，计算功能区域内的游客密度：
功能区域内的游客密度公式为： ；其中， 表示功能区域 在时间段 的
游客密度； 表示功能区域 在时间段 的游客数量； 表示功能区域 的面积。
[0088] 对每个功能区域的所有时间段依次计算游客密度，将计算结果存储为以下格式：功能区域编号：唯一标识功能区域；时间段：对应的时间点或时间区间；游客密度：功能区域在该时间段内的游客密度。
[0089] 依据景区管理需求设定功能区域的高风险游客密度阈值，将计算得到的功能区域的游客密度与高风险密度阈值进行比对，将功能区域的游客密度大于高风险密度阈值的功能区域标记为潜在人流高风险区域：结合景区的安全管理标准及历史数据，设定功能区域的高风险游客密度阈值，记录为 。高风险游客密度阈值可根据景区特性（如功能区域面积、游客活动特性）动态调整。
[0090] 若 ，则标记该功能区域标记为潜在人流高风险区域。
[0091] 若 ，则该功能区域不标记为潜在人流高风险区域。
[0092] 将标记为潜在人流高风险的功能区域信息记录至数据库，基于标记数据生成高风险区域的分布图，包括每个功能区域的游客密度与高风险标记状态。分布图以热力图形式显示。
[0093] 实施例2：本发明实施例2与实施例1的区别在于，本实施例是对景区人流量预测系统进行介绍。
[0094] 图2给出了本发明景区人流量预测系统的结构示意图，景区人流量预测系统，包括多源数据处理模块、功能区域建模模块、动态参数生成模块、传播矩阵优化模块、未来人流预测模块以及风险区域标记模块。
[0095] 多源数据处理模块：采集多源游客行为数据，并对多源游客行为数据进行预处理。
[0096] 功能区域建模模块：依据群体行为原理和地理信息系统数据，构建景区各功能区域的节点关系模型。
[0097] 动态参数生成模块：基于节点关系模型和多源游客行为数据计算各功能区域的游客拥挤度参数，结合时间维度和空间维度生成功能区域的动态分布参数。
[0098] 传播矩阵优化模块：将历史人流量数据与实时监测数据进行比对分析，构建功能区域间的游客流动传播矩阵，并通过回归算法对功能区域间的迁移权重进行动态优化和更新。
[0099] 未来人流预测模块：基于更新后的游客流动传播矩阵结合功能区域的动态分布参数，对未来不同时段的景区人流量进行预测，生成功能区域内的时段性人流分布数据。
[0100] 风险区域标记模块：基于功能区域内的时段性人流分布数据对功能区域内的游客密度进行分析，标记潜在人流高风险区域。
[0101] 实施例3：一种设备终端，设备终端包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，程序或指令被处理器执行时实现景区人流量预测方法。
[0102] 实施例4：一种计算机可读存储介质，计算机可读存储介质上存储程序或指令，程序或指令被处理器执行时实现景区人流量预测方法。
[0103] 上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
[0104] 上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络，或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD），或者半导体介质。半导体介质可以是固态硬盘。
[0105] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
[0106] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0107] 在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其他的形式。
[0108] 所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，既可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0109] 另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
[0110] 所述功能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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read‑only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
[0111] 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揭露的技术范围内，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。因此，本申请的保护范围应以权利要求书的保护范围为准。
[0112] 最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
