本發(fā)明涉及車聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種數(shù)據(jù)管理方法及裝置。

背景技術(shù)：

隨著全球定位系統(tǒng)(Global Positioning System，簡(jiǎn)稱GPS)、智能手機(jī)等的廣泛使用，以位置數(shù)據(jù)為核心的時(shí)空數(shù)據(jù)大量產(chǎn)生。車聯(lián)網(wǎng)作為物聯(lián)網(wǎng)的重要應(yīng)用，近幾年也取得了突飛猛進(jìn)的發(fā)展。車聯(lián)網(wǎng)等應(yīng)用通過(guò)實(shí)時(shí)采集、存儲(chǔ)、分析汽車的時(shí)空大數(shù)據(jù)，可以獲得良好的經(jīng)濟(jì)、社會(huì)收益。目前，車聯(lián)網(wǎng)接入的車輛規(guī)模越來(lái)越大，存儲(chǔ)的軌跡數(shù)據(jù)越來(lái)越多，查詢也越來(lái)越復(fù)雜，系統(tǒng)在實(shí)時(shí)存儲(chǔ)、查詢軌跡數(shù)據(jù)面臨著嚴(yán)峻挑戰(zhàn)。

在存儲(chǔ)方面，軌跡數(shù)據(jù)具有數(shù)據(jù)量大、軌跡重復(fù)的特點(diǎn)。軌跡數(shù)據(jù)一般以軌跡點(diǎn)元組PT表示，PT表示為：<longitude，latitude，t>，其中l(wèi)ongitude表示經(jīng)度，latitude表示緯度，t為時(shí)間戳。經(jīng)過(guò)同條道路、路徑的軌跡會(huì)存在著大量的重復(fù)軌跡點(diǎn)。特別是在道路網(wǎng)絡(luò)中，一輛車的行駛軌跡本身會(huì)存在著重復(fù)(與歷史軌跡對(duì)比)，大量汽車軌跡間就存在著更多的重復(fù)，系統(tǒng)一般以PT的形式存軌跡儲(chǔ)數(shù)據(jù)，行駛過(guò)相同道路、路線的車輛，會(huì)存儲(chǔ)大量相同的軌跡點(diǎn)，從而在存儲(chǔ)上有大量冗余。

因此，如何利用道路網(wǎng)絡(luò)、歷史軌跡信息，減少軌跡數(shù)據(jù)的存儲(chǔ)容量和加快軌跡的查詢速度是車聯(lián)網(wǎng)等時(shí)空數(shù)據(jù)系統(tǒng)中亟需解決的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供一種數(shù)據(jù)管理方法及裝置，以克服現(xiàn)有技術(shù)中軌跡存儲(chǔ)冗余、查詢速度慢的問(wèn)題。

第一方面，本發(fā)明提供一種數(shù)據(jù)管理方法，包括：

通過(guò)地圖匹配方法將原始軌跡點(diǎn)匹配到道路網(wǎng)絡(luò)中，獲取地圖匹配后的軌跡集合；

根據(jù)訓(xùn)練數(shù)據(jù)確定不同的道路類型對(duì)應(yīng)的最小支持度和最小路段數(shù)量；

根據(jù)所述軌跡集合建立軌跡樹，并建立以所述軌跡樹中的各個(gè)節(jié)點(diǎn)為起點(diǎn)的軌跡子樹；所述軌跡樹和所述軌跡子樹包括：至少一個(gè)節(jié)點(diǎn)；所述各個(gè)節(jié)點(diǎn)為所述道路網(wǎng)絡(luò)中的交叉路口；

根據(jù)所述軌跡子樹，確定經(jīng)過(guò)所述各個(gè)節(jié)點(diǎn)滿足所述最小支持度和最小路段數(shù)量的軌跡模式；

將各個(gè)節(jié)點(diǎn)的軌跡模式進(jìn)行去冗余處理，生成新的軌跡模式，并存儲(chǔ)。

第二方面，本發(fā)明提供一種數(shù)據(jù)管理裝置，包括：

獲取模塊，用于通過(guò)地圖匹配方法將原始軌跡點(diǎn)匹配到道路網(wǎng)絡(luò)中，獲取地圖匹配后的軌跡集合；

確定模塊，用于根據(jù)訓(xùn)練數(shù)據(jù)確定不同的道路類型對(duì)應(yīng)的最小支持度和最小路段數(shù)量；

建立模塊，用于根據(jù)所述軌跡集合建立軌跡樹，并建立以所述軌跡樹中的各個(gè)節(jié)點(diǎn)為起點(diǎn)的軌跡子樹；所述軌跡樹和所述軌跡子樹包括：至少一個(gè)節(jié)點(diǎn)；所述各個(gè)節(jié)點(diǎn)為所述道路網(wǎng)絡(luò)中的交叉路口；

所述確定模塊，還用于根據(jù)所述軌跡子樹，確定經(jīng)過(guò)所述各個(gè)節(jié)點(diǎn)滿足所述最小支持度和最小路段數(shù)量的軌跡模式；

處理模塊，用于將各個(gè)節(jié)點(diǎn)的軌跡模式進(jìn)行去冗余處理，生成新的軌跡模式；

存儲(chǔ)模塊，用于存儲(chǔ)所述新的軌跡模式。

本發(fā)明數(shù)據(jù)管理方法及裝置，通過(guò)地圖匹配方法將原始軌跡點(diǎn)匹配到道路網(wǎng)絡(luò)中，獲取地圖匹配后的軌跡集合；根據(jù)訓(xùn)練數(shù)據(jù)確定不同的道路類型對(duì)應(yīng)的最小支持度和最小路段數(shù)量；根據(jù)所述軌跡集合建立軌跡樹，并建立以所述軌跡樹中的各個(gè)節(jié)點(diǎn)為起點(diǎn)的軌跡子樹；所述軌跡樹和所述軌跡子樹包括：至少一個(gè)節(jié)點(diǎn)；所述各個(gè)節(jié)點(diǎn)為所述道路網(wǎng)絡(luò)中的交叉路口；進(jìn)一步的，根據(jù)所述軌跡子樹，確定經(jīng)過(guò)所述各個(gè)節(jié)點(diǎn)滿足所述最小支持度和最小路段數(shù)量的軌跡模式；將各個(gè)節(jié)點(diǎn)的軌跡模式進(jìn)行去冗余處理，生成新的軌跡模式，并存儲(chǔ)，上述方法使用道路網(wǎng)絡(luò)和歷史軌跡，抽取出以道路網(wǎng)絡(luò)為基礎(chǔ)的軌跡模式然后，通過(guò)對(duì)軌跡模式的組合優(yōu)化，實(shí)現(xiàn)以軌跡模式為基礎(chǔ)的存儲(chǔ)。最終，達(dá)到減少軌跡數(shù)據(jù)存儲(chǔ)冗余，同時(shí)也能夠?qū)崿F(xiàn)加快軌跡查詢速度的目的。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為道路網(wǎng)絡(luò)中軌跡示意圖；

圖2為本發(fā)明實(shí)施例的系統(tǒng)組件示意圖；

圖3為本發(fā)明數(shù)據(jù)管理方法一實(shí)施例的流程示意圖；

圖4為本發(fā)明數(shù)據(jù)管理方法一實(shí)施例的地圖匹配示意圖；

圖5為空間線-線關(guān)系示意圖；

圖6為軌跡模式示意圖；

圖7為道路類型分布示意圖；

圖8為軌跡長(zhǎng)度分布示意圖；

圖9為本發(fā)明實(shí)施例中軌跡模式挖掘過(guò)程示意圖；

圖10為本發(fā)明實(shí)施例中軌跡模式組合優(yōu)化示意圖；

圖11為本發(fā)明基于軌跡模式關(guān)系的自適應(yīng)算法和一般頻繁算法挖掘的軌跡模式道路覆蓋率隨最小支持度和最小路段數(shù)量變化的示意圖；

圖12為本發(fā)明基于軌跡模式關(guān)系的自適應(yīng)算法和一般頻繁算法挖掘的軌跡模式鄰接關(guān)系比率隨最小支持度和最小路段數(shù)量變化的示意圖；

圖13為本發(fā)明基于軌跡模式關(guān)系的自適應(yīng)算法和一般頻繁算法挖掘的軌跡模式包含關(guān)系比率隨最小支持度和最小路段數(shù)量變化的示意圖；

圖14為本發(fā)明基于軌跡模式關(guān)系的自適應(yīng)算法和一般頻繁算法挖掘的去冗余率隨最小支持度和最小路段數(shù)量變化的示意圖；

圖15為路徑查詢的查詢時(shí)間比率示意圖；

圖16為本發(fā)明數(shù)據(jù)管理裝置一實(shí)施例的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

車聯(lián)網(wǎng)作為物聯(lián)網(wǎng)的重要應(yīng)用，近幾年取得了突飛猛進(jìn)的發(fā)展。計(jì)算技術(shù)的發(fā)展使得位置數(shù)據(jù)的采集頻率不斷提高，采集的數(shù)據(jù)量成爆發(fā)式增長(zhǎng)。眾多車載終端對(duì)位置數(shù)據(jù)的采集和上傳時(shí)間已由分鐘級(jí)提升至秒級(jí)，一個(gè)由上萬(wàn)輛車組成的車聯(lián)網(wǎng)系統(tǒng)，每天面臨著上億個(gè)軌跡點(diǎn)的存儲(chǔ)壓力。車聯(lián)網(wǎng)作為典型的時(shí)空大數(shù)據(jù)應(yīng)用，軌跡查詢也主要集中在道路網(wǎng)絡(luò)中，面臨著大量實(shí)時(shí)位置、軌跡路徑等多樣化查詢的挑戰(zhàn)。隨著車輛規(guī)模的持續(xù)增長(zhǎng)，軌跡存儲(chǔ)和查詢面臨越來(lái)越大的壓力。

一般情況下，軌跡數(shù)據(jù)管理系統(tǒng)對(duì)軌跡點(diǎn)采用軌跡點(diǎn)元組PT的形式進(jìn)行存儲(chǔ)。例如PT表示為：<longitude，latitude，t>，其中l(wèi)ongitude表示經(jīng)度，latitude表示緯度，t為時(shí)間戳。所有的存儲(chǔ)、查詢也都圍繞著PT進(jìn)行。軌跡點(diǎn)元組可以靈活、方便地表示軌跡，但也存在著GPS采樣誤差帶來(lái)的數(shù)據(jù)不準(zhǔn)確、大量數(shù)據(jù)的空間復(fù)雜性等問(wèn)題。同時(shí)，在車聯(lián)網(wǎng)系統(tǒng)中，更存在著存儲(chǔ)冗余、查詢效率低的問(wèn)題。

軌跡T＝<PT₁,PT₂…PT_n>，n是軌跡中PT的數(shù)目。一條車輛軌跡T是一個(gè)PT的時(shí)間有序序列。

而且道路網(wǎng)絡(luò)也被用來(lái)表示軌跡，一個(gè)軌跡點(diǎn)經(jīng)過(guò)地圖匹配(將車輛軌跡T與地圖中道路網(wǎng)絡(luò)RN匹配的過(guò)程)，轉(zhuǎn)化為地圖匹配點(diǎn)。即MMP＝<rid,dis,t>，表示一個(gè)PT點(diǎn)經(jīng)地圖匹配算法匹配到道路網(wǎng)絡(luò)RN中的一個(gè)道路段RS，其中，rid表示匹配的道路段RS的標(biāo)識(shí)id，dis表示道路段中對(duì)應(yīng)的匹配點(diǎn)到道路段起點(diǎn)的距離，t表示時(shí)間戳。行駛過(guò)相同道路的軌跡就包括重復(fù)的道路，以MMP的形式表示，系統(tǒng)在存儲(chǔ)上存在冗余。

其中，道路網(wǎng)絡(luò)RN＝G(V,E)，道路網(wǎng)絡(luò)是一個(gè)有向圖，其中，V表示頂點(diǎn)GP的集合，E表示道路R的集合。

GP＝<longitude,latitude>，longitude表示經(jīng)度，latitude表示緯度，GP表示一個(gè)GPS位置。道路段RS＝<rid,GP_start,GP_end,attributes>，其中，rid是道路段的id，GP_start是道路段的起點(diǎn)，GP_end是道路段的終點(diǎn)，attributes是道路段的屬性，如長(zhǎng)度、方向等。一個(gè)道路段是道路中一個(gè)起點(diǎn)到終點(diǎn)的路段。道路R＝<Rid,(RS₁,RS₂…RS_m),attributes>，Rid表示道路的id，RS_i表示道路中的某個(gè)路段，m是該道路包含的路段數(shù)量，attributes是道路的屬性，包括道路的名稱、長(zhǎng)度、方向等。一條道路是一個(gè)RS序列。

圖1為道路網(wǎng)絡(luò)中軌跡示意圖。對(duì)于車輛軌跡這種明顯在道路網(wǎng)絡(luò)中存在空間約束的數(shù)據(jù)，查詢主要集中在道路網(wǎng)絡(luò)上。如果以PT的形式表示軌跡，無(wú)論何種精度的查詢都需要對(duì)原始軌跡點(diǎn)計(jì)算。如圖1所示，圖1中包含道路R1、R2、R3、R4、R5、R6，軌跡T由軌跡點(diǎn)P1，P2…P9等組成，查詢P5的精確位置時(shí)，根據(jù)P5的經(jīng)緯度將其匹配到路段V₁V₄上，之后得到其在V₁V₄上的精確位置。查詢軌跡T的路徑時(shí)，我們需要對(duì)9個(gè)軌跡點(diǎn)全部計(jì)算才能得到。實(shí)際上，我們只需要得到T經(jīng)過(guò)的路段V₇V₄、V₄V₁、V₁V₂、V₂V₃即可，不需要知道每個(gè)軌跡點(diǎn)的精確位置。同時(shí)道路V₇V₄存在多個(gè)軌跡點(diǎn)，更需要對(duì)P1、P2、P3、P4重復(fù)計(jì)算。如果使用PT的形式表示軌跡，每次查詢時(shí)，系統(tǒng)都會(huì)進(jìn)行匹配和重復(fù)計(jì)算，產(chǎn)生查詢效率低的問(wèn)題。

當(dāng)我們使用軌跡點(diǎn)元組PT表示軌跡點(diǎn)時(shí)，無(wú)論是地理數(shù)據(jù)庫(kù)，例如PostGIS；還是分布式數(shù)據(jù)庫(kù)，例如HBase，仍然存在著存儲(chǔ)冗余和查詢效率低的問(wèn)題。PostGIS等地理數(shù)據(jù)庫(kù)通過(guò)增加地理類型、索引、地理查詢函數(shù)等來(lái)實(shí)現(xiàn)地理查詢，其重點(diǎn)主要集中在地理數(shù)據(jù)的處理、優(yōu)化上。HBase等分布式數(shù)據(jù)存儲(chǔ)系統(tǒng)主要在可靠性、擴(kuò)展性、存儲(chǔ)量等方面有著明顯的優(yōu)勢(shì)。以上系統(tǒng)雖然會(huì)在存儲(chǔ)或查詢上做出優(yōu)化，但是以軌跡點(diǎn)元組為基礎(chǔ)，存儲(chǔ)和查詢?nèi)匀淮嬖谏鲜鰡?wèn)題。

通過(guò)上面的分析可以發(fā)現(xiàn)：

首先，車聯(lián)網(wǎng)等大規(guī)模時(shí)空應(yīng)用系統(tǒng)中的軌跡存在著大量重復(fù)，以軌跡點(diǎn)元組的形式表示，存儲(chǔ)存在冗余的問(wèn)題。

其次，車聯(lián)網(wǎng)等大規(guī)模時(shí)空應(yīng)用系統(tǒng)中的軌跡查詢主要集中在道路網(wǎng)絡(luò)上，以軌跡點(diǎn)元組的形式表示軌跡，查詢存在效率低的問(wèn)題。

因此，如何在滿足車聯(lián)網(wǎng)多樣化查詢的要求下，利用道路網(wǎng)絡(luò)和歷史軌跡信息，減少軌跡的存儲(chǔ)冗余，加快軌跡查詢速度是車聯(lián)網(wǎng)等時(shí)空數(shù)據(jù)系統(tǒng)的重要研究?jī)?nèi)容。

因此，本發(fā)明實(shí)施例中的方法針對(duì)上述問(wèn)題進(jìn)行改進(jìn)。

圖2為本發(fā)明實(shí)施例的系統(tǒng)組件示意圖。本發(fā)明實(shí)施例的系統(tǒng)主要包括地圖匹配器(Map Matcher)、軌跡模式挖掘器(Trajectory Pattern Miner)、軌跡優(yōu)化器(Trajectory Optimizer)、查詢器(Querier)等部分。主要組件如圖2所示，地圖匹配器對(duì)原始軌跡T進(jìn)行預(yù)處理，并將其匹配到道路網(wǎng)絡(luò)RN中；軌跡模式挖掘器從大量匹配軌跡MMT集合中挖掘軌跡模式；軌跡優(yōu)化器對(duì)匹配后的軌跡MMT選取合理的軌跡模式進(jìn)行組合，并引用軌跡模式生成新軌跡NT；用戶使用查詢器進(jìn)行常用的軌跡查詢。

圖3為本發(fā)明數(shù)據(jù)管理方法一實(shí)施例的流程示意圖。圖4為本發(fā)明數(shù)據(jù)管理方法一實(shí)施例的地圖匹配示意圖。如圖3所示，本實(shí)施例的方法，包括：

步驟301、通過(guò)地圖匹配方法將原始軌跡點(diǎn)匹配到道路網(wǎng)絡(luò)中，獲取地圖匹配后的軌跡集合；

本步驟中，地圖匹配是軌跡應(yīng)用的基礎(chǔ)，由于GPS設(shè)備的限制、采樣誤差、實(shí)際道路環(huán)境等的制約，原始軌跡點(diǎn)并不一定準(zhǔn)確，這就需要地圖匹配技術(shù)完成原始軌跡點(diǎn)到地圖道路段的匹配。車聯(lián)網(wǎng)系統(tǒng)上傳軌跡點(diǎn)的時(shí)間為秒級(jí)，產(chǎn)生的軌跡密集。同時(shí)，數(shù)據(jù)中還包括車輛速度、駕駛方向等，為精細(xì)化匹配提供了可能。以軌跡點(diǎn)元組表示的歷史軌跡已經(jīng)在系統(tǒng)中存在，我們采用全局匹配的方法。

在匹配預(yù)處理階段，我們根據(jù)前后軌跡點(diǎn)(軌跡點(diǎn)按照時(shí)間排序)的距離、時(shí)間來(lái)進(jìn)行軌跡切分。匹配時(shí)，我們對(duì)每個(gè)軌跡點(diǎn)與候選道路的距離、方向的匹配度和單雙向行駛規(guī)則，獲取該軌跡點(diǎn)對(duì)應(yīng)的候選道路集合。對(duì)多個(gè)候選道路集合組成的候選子圖，搜索出與原始軌跡點(diǎn)的距離最優(yōu)匹配的路徑，形成軌跡集合。同時(shí)，在道路網(wǎng)絡(luò)中搜索前后點(diǎn)的路徑時(shí)，算法對(duì)前后兩個(gè)道路段根據(jù)實(shí)際的道路連通性、駕駛距離、速度進(jìn)行判斷，并不是簡(jiǎn)單地使用最短路徑。經(jīng)過(guò)地圖匹配，原始軌跡T變?yōu)榈貓D匹配軌跡MMT，原始軌跡轉(zhuǎn)化為道路網(wǎng)絡(luò)的表示方法。如圖4所示，對(duì)由軌跡點(diǎn)P_i到P_j組成的軌跡，對(duì)其中的每一個(gè)點(diǎn)，分別得到候選道路集n為某個(gè)道路對(duì)應(yīng)的候選軌跡模式集合的大小，對(duì)由C_i到C_j構(gòu)成的子圖，搜索每一條路徑，得到與原始軌跡點(diǎn)的距離匹配的最優(yōu)路徑。

步驟302、根據(jù)訓(xùn)練數(shù)據(jù)確定不同的道路類型對(duì)應(yīng)的最小支持度和最小路段數(shù)量；

圖5為空間線-線關(guān)系示意圖。軌跡模式和道路網(wǎng)絡(luò)緊密相關(guān)，空間中的線線關(guān)系如圖5所示，主要為相離、相交、疊加、相接、包含、包含于、相等等七種關(guān)系。TP＝<pid,(RS₁,RS₂…RS_p),attributes>。其中，TP中任意一個(gè)RS_i在MMT集合中出現(xiàn)次數(shù)超過(guò)最小支持度(次數(shù))min_sup，TP長(zhǎng)度p超過(guò)最小路段數(shù)量min_len，pid是TP的id，(RS₁,RS₂,…RS_i)是RN中一條有效連通路徑，attributes是軌跡模式的屬性，如大小、長(zhǎng)度、方向等。一個(gè)軌跡模式TP是一個(gè)有效連通的RS序列。由軌跡模式TP定義可知，軌跡模式由道路段組成，軌跡模式間明顯存在著相離、疊加、相接、包含等關(guān)系。在頻繁項(xiàng)的挖掘問(wèn)題中，候選子集是一個(gè)挑戰(zhàn)。一個(gè)項(xiàng)是頻繁的，則它的每個(gè)子集也是頻繁的。因此，一個(gè)軌跡模式的每個(gè)子集也是軌跡模式，我們需要從大量的歷史軌跡中識(shí)別出軌跡模式，在挖掘時(shí)子集會(huì)產(chǎn)生大量的軌跡模式。同時(shí)，不同的道路有不同的交通流量，城市環(huán)路、主干道明顯有更多的軌跡。如果挖掘時(shí)使用較大的min_sup，包含很多道路的軌跡模式會(huì)被忽略；如果使用較小的min_sup，又會(huì)產(chǎn)生大量的軌跡模式。不同軌跡的長(zhǎng)度也不同，不同的min_len也會(huì)產(chǎn)生類似的問(wèn)題。如何全面地挖掘道路網(wǎng)絡(luò)中的軌跡模式，具有重要的意義。

然而，傳統(tǒng)的頻繁模式挖掘算法在挖掘過(guò)程中會(huì)產(chǎn)生大量子集，對(duì)車聯(lián)網(wǎng)這種大量歷史軌跡集的挖掘并不適用。圖6為軌跡模式示意圖。結(jié)合軌跡模式的關(guān)系，我們可以從圖6中得到，圖6中包含道路R1、R2、R3、R4、R5、R6、R7、R8，軌跡模式TP1與TP3、TP4相離，TP4與TP2在道路a疊加，TP2與TP3在交叉路口V₆相接，TP3包含TP4(相同道路b)。在圖中，道路V₁₃V₉包括路段r₁，r₂…r_n，假設(shè)V₁₃V₉為軌跡模式，min_len＝1，我們很容易得到r₁，r₂，…r_n，r₁r₂，r₂r₃，…r_n-1r_n，…，r₁r₂…r_n均為軌跡模式。即r_i…r_j(1<＝i<＝j(luò)<＝n)均是軌跡模式，此時(shí)該道路產(chǎn)生的軌跡模式數(shù)量為如果min_len＝m，則軌跡模式數(shù)量為由于包含關(guān)系，一個(gè)道路段長(zhǎng)度為n的軌跡模式會(huì)產(chǎn)生數(shù)量為n²的子軌跡模式。

在實(shí)際駕駛過(guò)程中，汽車軌跡一般在交叉路口發(fā)生變化，路口能夠很好地反應(yīng)軌跡模式間的關(guān)系，特別是疊加和相接關(guān)系。我們已經(jīng)知道不同的道路有不同的道路流量。例如根據(jù)OpenStreetMap地圖，北京市的道路分為不同的道路類型。實(shí)際上，我們通過(guò)相接關(guān)系可以靈活地使用軌跡模式。例如，將兩個(gè)相接關(guān)系的軌跡模式組合起來(lái)，可以生成新的軌跡模式。我們通過(guò)對(duì)路口進(jìn)行挖掘，可以提取出大量相接關(guān)系的軌跡模式。針對(duì)不同道路的不同交通流量，我們提出結(jié)合道路類型的min_sup自適應(yīng)挖掘方法。

挖掘前，我們從車聯(lián)網(wǎng)系統(tǒng)中抽取了部分軌跡作為訓(xùn)練數(shù)據(jù)集合。圖7為道路類型分布示意圖。我們對(duì)北京市的道路網(wǎng)絡(luò)進(jìn)行了統(tǒng)計(jì)，不同道路類型分布如圖7所示。我們統(tǒng)計(jì)了經(jīng)過(guò)不同道路類型的軌跡數(shù)量，挖掘時(shí)以此作為不同類型的道路對(duì)應(yīng)的min_sup的值。圖8為軌跡長(zhǎng)度分布示意圖。同時(shí)，我們統(tǒng)計(jì)了這些軌跡的長(zhǎng)度，軌跡長(zhǎng)度的分布如圖8所示。由于地圖匹配后，絕大多數(shù)的軌跡長(zhǎng)度在100以下，我們?cè)谕诰驎r(shí)設(shè)置了低于100的不同的min_len。

步驟303、根據(jù)所述軌跡集合建立軌跡樹，并建立以所述軌跡樹中的各個(gè)節(jié)點(diǎn)為起點(diǎn)的軌跡子樹；所述軌跡樹和所述軌跡子樹包括：至少一個(gè)節(jié)點(diǎn)；所述各個(gè)節(jié)點(diǎn)為所述道路網(wǎng)絡(luò)中的交叉路口；

其中，在實(shí)際應(yīng)用中，建立以所述軌跡樹中的各個(gè)節(jié)點(diǎn)為起點(diǎn)的軌跡子樹之前，還包括：

根據(jù)所述軌跡集合建立節(jié)點(diǎn)項(xiàng)列表；

相應(yīng)的，建立以所述軌跡樹中的各個(gè)節(jié)點(diǎn)為起點(diǎn)的軌跡子樹，包括：

根據(jù)所述軌跡樹和所述節(jié)點(diǎn)項(xiàng)列表通過(guò)深度優(yōu)先搜索，建立以所述軌跡樹中的各個(gè)節(jié)點(diǎn)為起點(diǎn)的軌跡子樹。

步驟304、根據(jù)所述軌跡子樹，確定經(jīng)過(guò)所述各個(gè)節(jié)點(diǎn)滿足所述最小支持度和最小路段數(shù)量的軌跡模式；

具體的，給定一個(gè)道路網(wǎng)絡(luò)RN，地圖匹配后的歷史軌跡集合Set<MMT>，從Set<MMT>中挖掘出符合最小支持度min_sup和最小路段數(shù)量min_len的軌跡模式集合Set<TP>。

本發(fā)明實(shí)施例的方法中利用了基于軌跡模式關(guān)系的自適應(yīng)軌跡模式挖掘算法，其利用交叉路口作為起始挖掘節(jié)點(diǎn)，對(duì)不同類型的道路采用不同的最小支持度min_sup。首先，對(duì)全部匹配過(guò)的歷史軌跡，構(gòu)建一棵軌跡樹Root和節(jié)點(diǎn)項(xiàng)列表List。其中，Root中的每個(gè)節(jié)點(diǎn)表示某一路口或路段，以及經(jīng)過(guò)該節(jié)點(diǎn)的軌跡數(shù)量。節(jié)點(diǎn)項(xiàng)列表List包括某一路口或路段在軌跡樹中出現(xiàn)的所有位置。然后，利用道路網(wǎng)絡(luò)的交叉路口，根據(jù)節(jié)點(diǎn)項(xiàng)列表List、軌跡樹Root構(gòu)建以該路口為起點(diǎn)的軌跡子樹。之后，根據(jù)每棵軌跡子樹的節(jié)點(diǎn)信息，主要包括經(jīng)過(guò)該節(jié)點(diǎn)的軌跡數(shù)量、道路類型等，動(dòng)態(tài)確定該路口的軌跡模式的min_sup。即根據(jù)預(yù)先確定的不同的道路類型對(duì)應(yīng)的最小支持度和最小路段數(shù)量，確定該路口的軌跡模式的min_sup。最后，統(tǒng)計(jì)經(jīng)過(guò)該節(jié)點(diǎn)，且滿足min_sup、min_len的軌跡作為軌跡模式，并保存該軌跡模式的道路段列表、距離、長(zhǎng)度、方向等信息。上述過(guò)程中根據(jù)每個(gè)交叉路口的軌跡數(shù)量、道路類型，動(dòng)態(tài)調(diào)整軌跡模式的min_sup，并充分利用了軌跡模式的關(guān)系。

圖9為本發(fā)明實(shí)施例中軌跡模式挖掘過(guò)程示意圖。如圖9所示，軌跡樹Root由道路段或路口A、B……I組成，節(jié)點(diǎn)項(xiàng)列表List包含Node列表。對(duì)于圖中路口C，其在Root中3個(gè)位置出現(xiàn)。在生成軌跡樹Root和節(jié)點(diǎn)項(xiàng)列表List后，對(duì)每個(gè)路口創(chuàng)建軌跡子樹。路口C在軌跡子樹中出現(xiàn)了4次，如果min_sup＝2和min_len＝2，我們可以輕易地從圖中得到路徑CF是一個(gè)軌跡模式。

圖10為本發(fā)明實(shí)施例中軌跡模式組合優(yōu)化示意圖。

步驟305、將各個(gè)節(jié)點(diǎn)的軌跡模式進(jìn)行去冗余處理，生成新的軌跡模式，并存儲(chǔ)。

具體地，給定一個(gè)軌跡模式集合Set<TP>，一條地圖匹配軌跡MMT，如何從Set<TP>中選擇合適的軌跡模式來(lái)生成NT，使其滿足如下公式(1)：

其中，對(duì)于某一路段RS_i，TPS_i為其對(duì)應(yīng)的候選軌跡模式集合。為TPS_i中用來(lái)生成NT的軌跡模式，目標(biāo)為使NT中引用的軌跡模式集合的并集最小。

軌跡模式TP＝<pid,(RS₁,RS₂…RS_p),attributes>。其中，TP中任意一個(gè)RS_i在MMT集合中出現(xiàn)次數(shù)超過(guò)最小支持度(次數(shù))min_sup，TP長(zhǎng)度p超過(guò)最小路段數(shù)量min_len，pid是TP的id，(RS₁,RS₂,…RS_i)是RN中一條有效連通路徑，attributes是軌跡模式的屬性，如大小、長(zhǎng)度、方向等。一個(gè)軌跡模式TP是一個(gè)有效連通的RS序列。

軌跡模式元組TPT＝<pid,(<dis₁,t₁>,<dis₂,t₂>,…<dis_q,t_q>)>，其中，pid為軌跡模式id，dis表示某個(gè)軌跡點(diǎn)距離軌跡模式起點(diǎn)的距離，t表示時(shí)間戳。軌跡模式元組是一個(gè)包含軌跡模式的距離、時(shí)間戳序列。軌跡模式元組是基于軌跡模式的軌跡表示。

新軌跡NT＝<TPT₁,TPT₂,MMP_i…TPT_r>，r為NT中TPT的數(shù)目。新軌跡是一個(gè)TPT的序列，其通過(guò)引用軌跡模式來(lái)表示軌跡。

在RN中，一個(gè)路段可能屬于多個(gè)TP，MMT中的一個(gè)MMP可以使用多個(gè)TP來(lái)表示，使用不同的TP對(duì)去冗余有不同的效果。由于軌跡模式不能覆蓋全部道路，部分路段可能不屬于任何軌跡模式。我們希望盡可能多地使用軌跡模式來(lái)表示軌跡，同時(shí)，希望使用軌跡模式來(lái)達(dá)到最好的去冗余率，此時(shí)，引用的軌跡模式的總數(shù)量要盡可能地少，如公式(1)所示。對(duì)于某條MMT＝<MMP₁,MMP₂,…MMP_j>，MMP_i中路段對(duì)應(yīng)的軌跡模式集合為組合優(yōu)化過(guò)程如圖10所示，此時(shí)，選出最優(yōu)的組合需要遍歷TPS₁到TPS_j等元素構(gòu)成的子圖，問(wèn)題的時(shí)間復(fù)雜度為O(m^j)。車聯(lián)網(wǎng)系統(tǒng)中數(shù)據(jù)采集頻率為秒級(jí)，一條軌跡包含許多軌跡點(diǎn)，使用上述方法顯然不能滿足需求。軌跡組合優(yōu)化算法需要在短時(shí)間內(nèi)選出較優(yōu)的軌跡模式。

根據(jù)以上的分析，我們需要對(duì)軌跡模式進(jìn)行組合優(yōu)化來(lái)獲得新軌跡。為了取得最優(yōu)的效果，我們需要遍歷多個(gè)軌跡模式集合構(gòu)成的子圖，找到最優(yōu)方案的時(shí)間代價(jià)太大。本發(fā)明實(shí)施例中提出軌跡模式局部最長(zhǎng)匹配的近似解算法。算法對(duì)MMT中的每一個(gè)MMP，查找MMP所屬的道路段對(duì)應(yīng)的所有軌跡模式currentCandidate；然后，與上一路段(相鄰路段)的候選軌跡模式求交集；持續(xù)進(jìn)行該過(guò)程直至交集為空。最后，選出任意一個(gè)軌跡模式，得到局部最長(zhǎng)匹配的軌跡模式，并將其添加到結(jié)果集中。根據(jù)上述算法，我們只引用局部最長(zhǎng)匹配的軌跡模式，可以大大減少候選軌跡模式的數(shù)量。兩個(gè)相鄰匹配軌跡點(diǎn)的軌跡模式交集的時(shí)間復(fù)雜度為O(m²)，算法的整體時(shí)間復(fù)雜度為O(m²n)。與現(xiàn)有的算法相比，本發(fā)明實(shí)施例算法的效率明顯更高，適用于車聯(lián)網(wǎng)的應(yīng)用場(chǎng)景。

本實(shí)施例的方法，通過(guò)地圖匹配方法將原始軌跡點(diǎn)匹配到道路網(wǎng)絡(luò)中，獲取地圖匹配后的軌跡集合；根據(jù)訓(xùn)練數(shù)據(jù)確定不同的道路類型對(duì)應(yīng)的最小支持度和最小路段數(shù)量；根據(jù)所述軌跡集合建立軌跡樹，并建立以所述軌跡樹中的各個(gè)節(jié)點(diǎn)為起點(diǎn)的軌跡子樹；所述軌跡樹和所述軌跡子樹包括：至少一個(gè)節(jié)點(diǎn)；所述各個(gè)節(jié)點(diǎn)為所述道路網(wǎng)絡(luò)中的交叉路口；進(jìn)一步的，根據(jù)所述軌跡子樹，確定經(jīng)過(guò)所述各個(gè)節(jié)點(diǎn)滿足所述最小支持度和最小路段數(shù)量的軌跡模式；將各個(gè)節(jié)點(diǎn)的軌跡模式進(jìn)行去冗余處理，生成新的軌跡模式，并存儲(chǔ)，上述方法使用道路網(wǎng)絡(luò)和歷史軌跡，抽取出以道路網(wǎng)絡(luò)為基礎(chǔ)的軌跡模式，然后通過(guò)對(duì)軌跡模式的組合優(yōu)化，實(shí)現(xiàn)以軌跡模式為基礎(chǔ)的存儲(chǔ)。最終，達(dá)到減少軌跡數(shù)據(jù)存儲(chǔ)冗余，同時(shí)也能夠?qū)崿F(xiàn)加快軌跡查詢速度的目的。

在上述實(shí)施例的基礎(chǔ)上，本實(shí)施例中，軌跡模式挖掘的代碼實(shí)現(xiàn)如下：

軌跡模式挖掘算法偽代碼如Algorithm 1所示。算法使用歷史匹配軌跡集合Set<MMT>和道路網(wǎng)絡(luò)RN作為輸入，軌跡模式集合Set<TP>作為輸出。算法第4行表示將地圖匹配后的軌跡加入到軌跡樹Root中，第8行表示自適應(yīng)地確定每個(gè)路口的min_sup和min_len，第9行表示創(chuàng)建該路口的軌跡子樹，第10行根據(jù)min_sup、min_len從軌跡子樹nodeTrie中查找符合的子軌跡作為軌跡模式，第11行表示將挖掘到的軌跡模式加入到軌跡模式集合中。

在上述實(shí)施例的基礎(chǔ)上，本實(shí)施例中，步驟305中將各個(gè)節(jié)點(diǎn)的軌跡模式進(jìn)行去冗余處理，生成新的軌跡模式，包括：

步驟a、對(duì)軌跡集合中每一條地圖匹配軌跡MMT中的每一個(gè)地圖匹配點(diǎn)MMP，查找所述MMP所屬的道路段對(duì)應(yīng)的所有軌跡模式，獲取第一候選軌跡模式集合，與相鄰道路段的第二候選軌跡模式集合求交集；

步驟b、重復(fù)執(zhí)行步驟a，直至所述交集為空；將第二候選軌跡模式集合中的任意一個(gè)軌跡模式作為局部最長(zhǎng)匹配的軌跡模式。

去冗余處理的代碼實(shí)現(xiàn)如下：

在上述實(shí)施例的基礎(chǔ)上，本實(shí)施例中的方法，還包括如下步驟：

對(duì)包含至少一個(gè)軌跡點(diǎn)的軌跡進(jìn)行查詢，獲取所述軌跡經(jīng)過(guò)的道路段以及所述軌跡的距離。

具體的，本實(shí)施例中是基于軌跡模式的軌跡查詢。其中，通過(guò)引用軌跡模式生成的新軌跡模式已經(jīng)減少了數(shù)據(jù)項(xiàng)的數(shù)目，實(shí)現(xiàn)了去冗余的效果。軌跡查詢操作直接引用軌跡模式對(duì)距離進(jìn)行計(jì)算。以路徑path查詢?yōu)槔?，path查詢是對(duì)軌跡經(jīng)過(guò)的道路列表和距離的查詢。如圖1中的軌跡T，包含P₁至P₉等9個(gè)軌跡點(diǎn)，假設(shè)longitude、latitude為double類型，t為int類型，存儲(chǔ)double類型需要8bytes，int類型為4bytes，存儲(chǔ)軌跡T需要180bytes。使用軌跡模式表示后，假設(shè)pid、t為int類型，dis為double類型，存儲(chǔ)新軌跡NT只需要112bytes。查詢軌跡T經(jīng)過(guò)的路徑時(shí)，根據(jù)新軌跡NT包含的V₇V₄、V₄V₁、V₁V₂、V₂V₃等路段信息，軌跡起始距離dis₁、dis₉，可以直接得到該軌跡模式這兩個(gè)距離內(nèi)的路徑。其他常用查詢操作過(guò)程類似，均使用軌跡模式和距離信息。

通過(guò)對(duì)本發(fā)明實(shí)施例方法的實(shí)際測(cè)試，本發(fā)明可以有效減少約38％的軌跡存儲(chǔ)冗余，加快約40％的軌跡查詢速度。整體上說(shuō)，第一，本發(fā)明實(shí)現(xiàn)了道路網(wǎng)絡(luò)中基于軌跡模式關(guān)系的自適應(yīng)挖掘方法，并實(shí)現(xiàn)了軌跡模式的組合優(yōu)化方法，減少了軌跡的存儲(chǔ)冗余，節(jié)約存儲(chǔ)空間。第二，本發(fā)明實(shí)現(xiàn)了基于軌跡模式的查詢，加快查詢速度。

下面對(duì)上述實(shí)施例進(jìn)行仿真測(cè)試，仿真結(jié)果如下：

圖11為本發(fā)明基于軌跡模式關(guān)系的自適應(yīng)算法和一般頻繁算法挖掘的軌跡模式道路覆蓋率隨最小支持度和最小路段數(shù)量變化的示意圖。

道路覆蓋率RC＝NRS’/NRS，NRS’為TP集合中的道路段數(shù)目，NRS為RN中的道路段數(shù)目。

從圖11中可以看出，兩種算法的道路覆蓋率RC隨最小路段數(shù)量的增大而減小。本發(fā)明方法的道路覆蓋率RC高于一般頻繁算法。

圖12為本發(fā)明基于軌跡模式關(guān)系的自適應(yīng)算法和一般頻繁算法挖掘的軌跡模式鄰接關(guān)系比率隨最小支持度和最小路段數(shù)量變化的示意圖。

圖13為本發(fā)明基于軌跡模式關(guān)系的自適應(yīng)算法和一般頻繁算法挖掘的軌跡模式包含關(guān)系比率隨最小支持度和最小路段數(shù)量變化的示意圖。

從圖12、圖13中可以看出，兩種算法挖掘的鄰接、包含關(guān)系的比率隨最小路段數(shù)量的增大而增大。在最小路段數(shù)量相同的情況下，本發(fā)明方法的鄰接關(guān)系高于一般頻繁算法，包含關(guān)系卻低于一般頻繁算法。通過(guò)本實(shí)驗(yàn)可以看出，本發(fā)明方法的道路覆蓋率最高，而且，產(chǎn)生了較少包含關(guān)系的軌跡模式。

軌跡存儲(chǔ)去冗余的效果：

以PT表示軌跡點(diǎn)，PT＝<longitude,latitude,t>，假設(shè)longitude、latitude為double類型，t為int類型，存儲(chǔ)double類型占用8bytes，存儲(chǔ)int類型占用4bytes，存儲(chǔ)一個(gè)軌跡點(diǎn)元組占用20bytes。以MMP表示地圖匹配點(diǎn)，MMP＝<rid,dis,t>，假設(shè)rid、t為int類型，dis為double類型，存儲(chǔ)匹配后的地圖匹配點(diǎn)占用16bytes。以TPT表示新軌跡模式元組，假設(shè)pid、t為int類型，dis為double類型。以MMP代替PT，無(wú)損去冗余率CR為(n為軌跡點(diǎn)個(gè)數(shù)，16n為用MMP表示軌跡的存儲(chǔ)空間，20n為用PT表示軌跡的存儲(chǔ)空間)。用NT代替PT，無(wú)損去冗余率CR為(n為軌跡點(diǎn)個(gè)數(shù)，m為軌跡模式的個(gè)數(shù)，其中，1＝<m<＝n，4m+12n為以NT表示軌跡的存儲(chǔ)空間，20n為以PT表示軌跡的存儲(chǔ)空間)。根據(jù)m的取值范圍，無(wú)損壓縮率在20％～40％之間。當(dāng)然，存儲(chǔ)軌跡模式集合也需要一部分空間，使用自適應(yīng)算法，在min_len＝10時(shí)，軌跡模式的數(shù)量為12萬(wàn)多個(gè)，占用約137MB的存儲(chǔ)空間，在大量的軌跡面前，軌跡模式集合所占的空間可以接受。

圖14為本發(fā)明基于軌跡模式關(guān)系的自適應(yīng)算法和一般頻繁算法挖掘的去冗余率隨最小支持度和最小路段數(shù)量變化的示意圖。

去冗余率CR＝1-T’/T，T為原始軌跡的存儲(chǔ)空間，T’為去冗余后的軌跡存儲(chǔ)空間。

從圖14中可以看到，經(jīng)過(guò)組合優(yōu)化算法，軌跡在本發(fā)明方法、一般頻繁項(xiàng)挖掘算法中的去冗余率可以達(dá)到38％，接近于40％的理論極限值，取得了很好的效果。

軌跡查詢的效果

圖15為路徑查詢的查詢時(shí)間比率示意圖。

查詢時(shí)間比率QTR＝QTP/QLL，QTP是本發(fā)明方法基于軌跡模式的查詢時(shí)間，QLL是現(xiàn)有的基于軌跡點(diǎn)元組的查詢時(shí)間。

我們分別對(duì)軌跡點(diǎn)元組、基于軌跡模式的軌跡進(jìn)行了path查詢對(duì)比實(shí)驗(yàn)。從圖15中可以看到，對(duì)于絕大多數(shù)軌跡，基于軌跡模式的path查詢時(shí)間是基于軌跡點(diǎn)元組的60％，查詢效率要高40％。

圖16為本發(fā)明數(shù)據(jù)管理裝置一實(shí)施例的結(jié)構(gòu)示意圖。如圖16所示，本實(shí)施例的數(shù)據(jù)管理裝置，包括：

獲取模塊，用于通過(guò)地圖匹配方法將原始軌跡點(diǎn)匹配到道路網(wǎng)絡(luò)中，獲取地圖匹配后的軌跡集合；

確定模塊，用于根據(jù)訓(xùn)練數(shù)據(jù)確定不同的道路類型對(duì)應(yīng)的最小支持度和最小路段數(shù)量；

建立模塊，用于根據(jù)所述軌跡集合建立軌跡樹，并建立以所述軌跡樹中的各個(gè)節(jié)點(diǎn)為起點(diǎn)的軌跡子樹；所述軌跡樹和所述軌跡子樹包括：至少一個(gè)節(jié)點(diǎn)；所述各個(gè)節(jié)點(diǎn)為所述道路網(wǎng)絡(luò)中的交叉路口；

所述確定模塊，還用于根據(jù)所述軌跡子樹，確定經(jīng)過(guò)所述各個(gè)節(jié)點(diǎn)滿足所述最小支持度和最小路段數(shù)量的軌跡模式；

處理模塊，用于將各個(gè)節(jié)點(diǎn)的軌跡模式進(jìn)行去冗余處理，生成新的軌跡模式；

存儲(chǔ)模塊，用于存儲(chǔ)所述新的軌跡模式。

可選地，作為一種可實(shí)施的方式，所述獲取模塊，具體用于：

獲取所述原始軌跡點(diǎn)對(duì)應(yīng)的候選道路集合；

對(duì)多個(gè)候選道路集合組成的候選子圖，搜索出與所述原始軌跡點(diǎn)的距離最優(yōu)匹配的軌跡集合。

可選地，作為一種可實(shí)施的方式，所述處理模塊，具體用于執(zhí)行如下步驟：

步驟a、對(duì)軌跡集合中每一條地圖匹配軌跡MMT中的每一個(gè)地圖匹配點(diǎn)MMP，查找所述MMP所屬的道路段對(duì)應(yīng)的所有軌跡模式，獲取第一候選軌跡模式集合，與相鄰道路段的第二候選軌跡模式集合求交集；

步驟b、重復(fù)執(zhí)行步驟a，直至所述交集為空；將第二候選軌跡模式集合中的任意一個(gè)軌跡模式作為局部最長(zhǎng)匹配的軌跡模式。

可選地，作為一種可實(shí)施的方式，還包括：

查詢模塊，用于對(duì)包含至少一個(gè)軌跡點(diǎn)的軌跡進(jìn)行查詢，獲取所述軌跡經(jīng)過(guò)的道路段以及所述軌跡的距離。

可選地，作為一種可實(shí)施的方式，所述軌跡樹和所述軌跡子樹中包括各個(gè)節(jié)點(diǎn)的節(jié)點(diǎn)信息，所述節(jié)點(diǎn)信息包括：經(jīng)過(guò)所述節(jié)點(diǎn)的軌跡數(shù)量、道路類型。

可選地，作為一種可實(shí)施的方式，建立模塊，還用于：

根據(jù)所述軌跡集合建立節(jié)點(diǎn)項(xiàng)列表；

相應(yīng)的，建立模塊，具體用于：

根據(jù)所述軌跡樹和所述節(jié)點(diǎn)項(xiàng)列表通過(guò)深度優(yōu)先搜索，建立以所述軌跡樹中的各個(gè)節(jié)點(diǎn)為起點(diǎn)的軌跡子樹。

本實(shí)施例的裝置，可以用于執(zhí)行上述方法實(shí)施例的技術(shù)方案，其實(shí)現(xiàn)原理和技術(shù)效果類似，此處不再贅述。

本領(lǐng)域普通技術(shù)人員可以理解：實(shí)現(xiàn)上述方法實(shí)施例的全部或部分步驟可以通過(guò)程序指令相關(guān)的硬件來(lái)完成，前述的程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，執(zhí)行包括上述方法實(shí)施例的步驟；而前述的存儲(chǔ)介質(zhì)包括：ROM、RAM、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。

最后應(yīng)說(shuō)明的是：以上各實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述各實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍。