ETC节能减排效益测算方法和装置与流程

本发明涉及交通运输技术领域，特别涉及一种etc节能减排效益测算方法和装置。

背景技术：

etc全称为公路电子不停车收费(electronictollcollection)，应用先进的技术手段，自动完成电子收费交易，实现在不停车条件下自动收取通行费。

2015年高速公路etc实现全国联网，全国29省实现etc互联互通，便利了etc车主用户。全国etc联网以来，全国etc联网运营工作在基础设施、用户总量、联网交易、用户服务、社会效益取得了巨大成绩，有效推动运输行业“降本增效”。截至2018年2月底，全网etc用户总量达到6291万。

etc车道有效缓解了高速的拥堵，尤其是经过收费站的车辆的拥堵。相应地，etc的互联互通还起到了节能减排的效果，但是，目前，由于车辆在etc收费站处于的工况状态比较复杂，而且车型众多，对于etc车道节能减排效益的测算一直没有给出行之有效的方法，这是一个有待解决的问题，在一定程度上也影响了收费站etc车道的规划和布局。

技术实现要素：

有鉴于此，本发明的目的在于提供一种etc节能减排效益测算方法和装置，以解决现有技术中存在的一个或更多个问题。

本发明的技术方案如下：

根据本发明的一个方面，提供一种etc节能减排效益测算方法，该方法包括以下步骤：

利用etc单车节能减排测算模型计算单一车型的etc单车节能减排量；

基于单一车型的etc单车节能减排量计算收费站在不同交通流情景下平均单车的节能减排量，并基于平均单车的节能减排量计算etc收费站的节能减排量；以及

基于各etc收费站的节能减排量以及各交通流情境对应的收费站数据计算区域节能减排量；

其中，所述etc单车节能减排测算模型包括如下公式：

δsv＝emtc-eetc；

其中，emtc表示车辆通过mtc收费时的能耗排放量；eetc表示车辆通过etc车道时的能耗排放量；并且，emtc和eetc均是基于当前车型、从当前车型的车辆进入etc收费站到驶出etc收费站期间不同工况阶段下的排放因子信息和不同工况阶段下的行驶状态信息获得的。

优选地，所述当前车型的车辆进入etc收费站到驶出etc收费站期间不同工况阶段下的排放因子信息是基于利用测试数据建立的排放模型得到的；

车辆通过mtc车道和车辆通过etc车道时，在每种工况下的能耗排放量均满足以下公式：

其中，n表示车辆在当前工况下的时间；vi表示车辆在第i秒的速度；qv表示车辆在速度vi下的能耗排放因子。其中，基于机动车在不同速度下的能耗排放数据分析结论，当1≤vi＜0时，可认为与vi＝1时能耗排放相同，即，1≤vi＜0时，按照vi＝1的情形来基于如上公式计算能耗排放。

优选地，emtc和eetc分别满足如下公式：

emtc＝em减速+em加速+em收费+em排队；

eetc＝ee减速+ee加速+ee收费+ee排队；

其中，em减速表示车辆通过mtc收费时，减速工况的能耗排放量；em加速表示车辆通过mtc收费时，加速工况的能耗排放量；em收费表示车辆通过mtc收费时，收费工况的能耗排放量；em排队表示车辆通过mtc收费时，排队工况的能耗排放量；ee减速表示车辆通过etc收费时，减速工况的能耗排放量；ee加速表示车辆通过etc收费时，加速工况的能耗排放量；ee收费表示车辆通过etc收费时，收费服务工况的能耗排放量；ee排队表示车辆通过etc收费时，排队工况的能耗排放量。

优选地，所述排放模型包括基于车辆车型中都的座位数、排量、排放标准在内的参数，进行排放因子库匹配，从排放因子库中选择排放因子。

优选地，所述计算etc收费站的节能减排量的步骤包括：利用排队论的模型来测算车辆的排队长度，基于车辆排队长短，计算收费站中etc车辆和mtc车辆的总能耗排放量，并由此计算收费站的节能减排量。

优选地，基于如下公式计算节能减排量：

其中，δsg表示收费站节能减排效益；

δsvj表示某种类型收费站在当前交通流情境下，平均单车的节能减排效益；

j表示交通流情景类型，所述交通流情景类型包括以下4种情景类型：

车流量小，etc车道不排队，mtc车道不排队；

mtc车道流量饱和，etc车道不排队，mtc车道排队

mtc、etc车道流量均饱和，etc车道排队，mtc车道排队；以及

mtc车道排队量堵住整个收费广场，etc车道不排队，mtc车道排队。

优选地，有排队情况时，排队工况对应的单车平均排放量满足：em排队＝车辆单次排队油耗/排放量*排队车辆数lq；lq满足：

式中，lq为平均排队车辆数；p0表示人工收费车道没有车辆的概率；λ表示平均来车强度；μ表示单条车道的平均服务率；c表示收费车道数。

优选地，基于如下公式计算区域节能减排量：

其中：

δsgi表示处于i情景下的收费站的节能减排量；

ni表示处于i情景下的收费站的数量。

根据本发明的另一方面，提供一种etc节能减排效益测算装置，该装置包括处理器和存储器，所述存储器用于存储计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该系统实现如前所述方法的步骤。

根据本发明的另一方面，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前所述方法的步骤。

本发明的方法和系统能够基于微观的etc车辆的节能减排测算效益进行中观的收费站etc节能减排测算，并基于收费站的节能减排测算效益计算更广的宏观区域的etc节能减排测算，本发明的方法不仅有效，而且高效、精度较高，对于实现更科学的节能减排有重要意义。

本领域技术人员应当理解的是，能够用本发明实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。

并且，应当理解，前述大体的描述和后续详尽的描述均为示例性说明和解释，并不应当用作对本发明所要求保护内容的限制。

附图说明

参考随附的附图，本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明，其中：

图1为本发明实施例中etc节能减排测算模型示意图；

图2为本发明实施例中etc节能减排效益测算方法的流程示意图；

图3为本发明实施例中通过大数据拟合分析得到的某车型车辆在4种工况状态下的关键参数示意图；

图4为本发明实施例中etc车辆节能减排测算模型示意图；

图5为本发明实施例中将收费站中站点类型、交通流情景、4种工况状态进行交叉组合，得出32种细化情景的示意图；

图6为本发明实施例中etc收费站节能减排测算模型示意图；

图7为本发明实施例中区域etc节能减排测算模型示意图；

图8为本发明实施例中测算区域etc节能减排时基于交通流情境测算节能减排的示意图。

具体实施方式

为了使本发明的技术方案更加清楚、明白，下面将参照附图并结合具体实施例对本发明进行详细描述。虽然附图中显示了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。

在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大的其他细节。

在下文中，将参考附图描述本发明的实施例。在附图中，相同的附图标记代表相同或类似的部件，或者相同或类似的步骤。

在本发明实施例中，为了科学评估etc车辆的节能减排效益，本发明提出了基于大数据和微观工况的宏、中、微观综合测算模型。并且，本发明实施例的测算模型是在4种情景各自对应的4种工况情况下进行宏、中、微观多层次的综合效益测算。其中，4种工况例如分别表示：减速、加速、收费服务、排队这4种工况。这4种工况的划分仅为示例，还可以基于情况进行更为精细的划分。

图1为根据本发明实施例中etc节能减排测算模型示意图。如图1所示，在微观层，建立etc车辆节能减排测算模型，即δsv。主要目的是通过精细化测算不同工况分布下的车辆排放量，来对比etc车辆和mtc车辆的节能减排效果。

在中观层面，建立etc收费站节能减排测算模型，即δsg。主要目的是通过大量数据拟合，基于交易次数和m/m/c排队论模型在考虑etc车道数、测算排放车辆数的基础上，将站点类型、4种交通流情景、4种工况状态进行交叉组合，得出32种细化情景。其中站点类型可包括以下2种类型：主线站和匝道站。交通流情景例如可包括以下情景：情景①：车流量小，etc车道不排队，mtc车道不排队；情景②：mtc车道流量饱和，etc车道不排队，mtc车道排队；情景③：mtc、etc车道流量均饱和，etc车道排队，mtc车道排队；以及情景④：mtc车道排队量堵住整个收费广场，etc车道不排队，mtc车道排队。通过测算每种细化情景下的etc、mtc的平均速度、服务时间和排队车辆数，以此来测算etc车辆和mtc车辆的总能耗排放量，并分析收费站的节能减排效果。本发明的收费站测算模型具有“多情景、高频度、高精度”的特点。

在宏观层面，建立区域节能减排测算模型。在计算资源充足的情况下，可采用中观模型对收费站逐个测算再汇总的形式。但考虑到计算资源不足的阶段，可建立区域etc节能减排测算模型，即δsr。考虑区域内的收费站数量、类型(主线站或匝道站)、平均流量、车辆结构，通过平均流量匹配交通流情景及排放强度的关联关系，进而建立基于交通流情景的区域测算模型。

图2所示为本发明实施例中etc节能减排效益测算方法的流程示意图，如图2所示，该方法包括以下步骤：

步骤s110，利用etc单车节能减排测算模型计算单一车型的etc单车节能减排量。

后面将详述单车节能减排测算模型(或称车辆节能减排测算模型)，该模型主要是通过精细化测算不同工况分布下的车辆排放量，来获得通过etc的车辆相对于通过mtc的车辆的节能减排效果。

步骤s120，基于单一车型的etc单车节能减排量计算收费站在不同交通流情景下平均单车的节能减排量，并基于平均单车的节能减排量计算etc收费站的节能减排量。

由于单车测算模型比较微观、在测算过程中需要掌握车辆通过收费站的实时工况数据，根据经过收费站内某类站点的所有单车的节能减排测算数据，原理上通过求和可以计算etc收费站的节能减排量，但在实际收费站级测算中，不可能获得所有车辆的实时工况信息。因此，建立中观层面的收费站节能减排测算模型，基于建立的etc收费站节能减排测算模型来测算etc收费站的节能减排量，主要是通过大量数据拟合工况信息，并结合流量数据，测算收费站节能减排情况。

步骤s130，基于各etc收费站的节能减排量以及各交通流情境对应的收费站数据计算区域节能减排量。

基于各etc收费站的节能减排量以及各交通流情境对应的收费站数据利用本发明的区域etc节能减排测算模型计算区域节能减排量。

下面分别描述etc车辆节能减排测算模型、etc收费站节能减排测算模型和区域节能减排测算模型。

一、etc车辆节能减排测算模型

为了科学测算etc车辆节能减排效果，本发明实施例将车辆通过收费站的行程划分为减速、排队、收费、加速4种工况状态或阶段，通过区域(如北京市)交通领域节能减排统计与监测平台的社会车、旅游车、省际车的实时能耗监测数据，进行大数据拟合与分析，得出了4种工况状态下的平均速度、行驶时间等关键参数，如图3所示。

图4为本发明实施例中etc车辆节能减排测算模型示意图。如图4所示，结合etc结算数据(即高速公路收费联网结算数据)可获取车辆的车型信息；基于平台监测数据可以得到车辆微观工况(如减速、排队、收费、加速等)和平均速度、运行时间等信息；基于预先采集的对不同车辆的测试数据，可建立车辆排放因子库并对排放因子库中的数据进行校核，车辆排放因子库中各种不同车型、排量、速度和排放标准的车辆可对应有各自的排放因子。车辆排放因子库可存储在用于执行etc车辆节能减排测算的计算机的本地存储器或远程存储器中。排放因子库中的排放因子可以是基于车辆车型中的座位数、排量、排放标准等参数并与实际测试数据进行拟合而得到，但本发明并不限于此。

在本发明实施例中，基于结算数据中得到的车辆车型和基于平台监测数据得到的车辆平均速度等测试参数，可以进行车辆排放因子的匹配，即基于车辆车型和速度等参数从与建立的排放因子库中找到相匹配的排放因子，以基于排放因子和微观工况计算车辆通过mtc收费和etc收费时的车辆节能减排量，从而得到emtc-eetc。

目前我国etc只按照车辆的车型进行区分，因此排放因子库中排放因子的匹配可仅基于车辆车型中的车型及速度等关键参数进行。

在本发明实施例中，如图4所示，基于如下公式来计算单一车型的etc单车节能减排量，实现微观层面的etc车辆节能减排测算：

δsv＝emtc-eetc

该公式中，emtc表示车辆通过mtc车道时的能耗排放量；eetc表示车辆通过etc车道时的能耗排放量；emtc和eetc均是基于当前车型、从当前车型的车辆进入mtc/etc收费站到驶出mtc/etc收费站期间不同工况阶段下的排放因子信息和不同工况阶段下的行驶状态信息获得的。

更具体地，emtc和eetc分别满足如下公式(排放模型)：

emtc＝em减速+em加速+em收费+em排队；

eetc＝ee减速+ee加速+ee收费+ee排队；

车辆通过mtc车道和车辆通过etc车道时，在4种工况中每种工况下的能耗排放量可利用以下公式来计算：

其中，n表示车辆在当前工况下的时间；vi表示车辆在第i秒的速度；qv表示车辆在速度vi下的能耗排放因子。其中，基于机动车在不同速度下的能耗排放数据分析结论，当1≤vi＜0时，可认为与vi＝1时能耗排放相同，即，1≤vi＜0时，按照vi＝1的情形来基于如上公式计算能耗排放。更具体地，若将不同工况下的能耗排放量分开表示，则可分别表示为：

(1)车辆通过mtc收费时，减速工况的能耗排放量：

其中，nm减速为mtc车道减速时间，vmi减速为车辆第i秒的速度；qve减速为车辆在速度vmi减速下的能耗排放因子。

(2)车辆通过mtc收费时，加速工况的能耗排放量：

其中，nm加速为mtc车道加速时间,vmi加速为车辆第i秒的速度；qvm加速为车辆在速度vmi加速下的能耗排放因子。

(3)车辆通过mtc收费时，收费服务工况的能耗排放量：

表示，其中nm收费为mtc车道收费服务的时间，vmi收费为车辆第i秒的速度；qvm收费为车辆在速度vmi收费下的能耗排放因子。

(4)车辆通过mtc收费时，排队工况的能耗排放量：

其中，nm排队为mtc车道排队时间，vmi排队为车辆第i秒的速度；qvm排队为车辆在速度vmi排队下的能耗排放因子。

(5)车辆通过etc收费时，减速工况的能耗排放量：

其中，ne减速为etc车道减速时间，vei减速为车辆第i秒的速度；qve减速为车辆在速度vei减速下的能耗排放因子。

(6)车辆通过etc收费时，加速工况的能耗排放量：

其中，ne加速为etc车道加速时间，vei加速为车辆第i秒的速度；qve加速为车辆在速度vm6i下的能耗排放因子。

(7)车辆通过etc收费时，收费服务工况的能耗排放量：

其中，ne收费为etc车道收费服务时间，vei收费为车辆第i秒的速度；qve收费为车辆在速度vei收费下的能耗排放因子。

(8)车辆通过etc收费时，排队工况的能耗排放量：

其中，ne排队为etc车道加速时间，vei排队为车辆第i秒的速度；qve排队为车辆在速度vei排队下的能耗排放因子。

如上可计算出微观层面etc车辆的节能减排量。另选实施例中，也可以利用每工况的时间、平均速度和对应的能耗排放因子来计算每种工况下的能耗。

二、etc收费站节能减排测算模型

etc收费站的节能减排测算，需要在如上“一”中描述的单车测算模型的基础上，考虑车辆的排队车辆数。

为了实现中观层面针对收费站的节能减排精细化测算，本发明实施例建立了具备“多情景、高频度、高精度”特点的etc收费站节能减排测算模型。

本发明在etc车辆节能减排测算模型的基础上，引入了排队论的模型(m/m/c排队论模型)，来测算车辆的排队长度。以此来测算etc车辆和mtc车辆的总能耗排放量，并分析收费站的节能减排效果。

更具体地，本申请基于交易数据和m/m/c排队论模型，将2种站点类型(主线站、匝道站)、4种交通流情景(情景①、情景②、情景③、情景④)、4种工况状态(减速、加速、服务、排队)进行交叉组合，得出32种细化情景，如图5所示。通过测算每种细化情景下的etc、mtc的平均速度、服务时间和排队车辆数，以此来测算etc车辆和mtc车辆的总能耗排放量，并分析收费站的节能减排效果。其中基于每种工况的平均速度和服务时间，可以测算单车平均的节能减排量δsvj。计算单一车型的etc单车节能减排量之后，便可基于单一车型的etc单车节能减排量、etc收费站的车辆数、收费站内的站点类型(包括主线站、匝道站等)、交通流情境和车辆工况状态计算etc收费站的节能减排量。

在构建etc收费站节能减排测算模型的过程中，由于各收费站减速、加速、收费服务这三种状态下工况差异不大，可通过大数据拟合设定平均速度、服务时间等参数(下表2中“√”部分)。但排队工况的能耗排放量随着排队车辆数的不同而差异显著，因此本发明中，单一车型在同一类型的收费站、同一情景下，排队一次产生的油耗和排放量是大致固定的，因此在本级模型中，应用高速公路的联网结算数据，应用排队论，获取各收费站分小时的排队长度，从而推算车辆在排队状态下的能耗排放情况(下表中“o”部分)。

表2.节能减排测算模型中的情景

图6为本发明实施例中etc收费站节能减排测算模型示意图。图6中，结算数据即高速公路收费联网结算数据，可包括收费站类型及分类车道数、收费站分时段进出站流量表(如平均流量/小时)、客货车用户量、交易数据等，交易数据中可包括车型信息、交易量信息等，本模型中会用到每个收费站的etc车道和mtc车道数、每小时交易数据等。

平台监测数据可包括车牌、gps时间、瞬时油耗、纬度、经度、速度、链路编号及链路等级等信息，本模型应用平台监测数据可获得32种典型情景的工况关键参数，包括各种收费站、各种情景、各种状态下的平均速度、运行时间等。可基于平台监测数据协助从排放因子库获取排放因子数据。基于32种典型情景中4种工况状态对应的每种工况状态的车辆平均速度和运行时间等信息，结合单车辆的排放模型，可以计算出某种类型的收费站在当前交通流情景下平均单车的节能减排效益δsvj，其中，j表示交通流情景类型，j的取值为从1到4，分别表示图5中的情景①至情景④。

收费站处用摄像头等设备采集的视频数据可用于校核车站的实时排队次数及排队长度。

预先采集的对不同车辆的测试数据可对排放因子库中的数据进行校核。

本发明实施例中，可基于如下公式来计算收费站的etc车道节能减排效益δsg：

其中，δsg表示收费站节能减排效益；

δsvj表示某种类型的收费站在当前交通流情景下平均单车的节能减排效益；

qj为通过etc收费的交易量；

γj为修正系数，表示情景的占比情况。

j表示交通流情景类型，j的取值为从1到4，分别表示图5中的情景①至情景④。

下面说明δsvj的计算。

当交易量较小，无排队情况时，δsvj＝emtc-eetc＝(em减速+em加速+em服务)-(ee减速+ee加速+ee服务)，公式中各参数均可由大数据拟合给出给定值。

当交易量较大，有排队情况时，排队状态的排放量均应考虑实际车流量，em排队＝车辆单次排队油耗/排放量*排队车辆数lq。

以m/m/c排队论模型(即单队、并列的多服务台的排队论模型)为基础计算etc系统未实施条件下mtc系统中的平均等待车辆数(或称平均排队车辆数)lq为：

式中，lq为平均排队车辆数，单位为“辆”；p0表示人工收费车道没有车辆的概率；λ表示平均来车强度，本实施例中为每小时来车辆数，单位为“辆/h”；μ表示单条车道的平均服务率，本实施例中为单位时间内服务车辆数，单位为“辆/h”；c表示收费车道数。输入参数p0、λ、μ、c，可得到输出lq。

上述可知，基于etc收费站节能减排测算模型可计算出etc收费站的节能减排效果。

三、区域etc节能减排测算模型

本发明实施例中基于各etc收费站的节能减排量以及各交通流情境对应的收费站数据计算区域节能减排量。在宏观层，在计算资源充足的情况下，可采用中观模型对收费站逐个测算再汇总的形式。但考虑到计算资源不足的阶段，可建立区域etc节能减排测算模型，即δsr。但考虑通过区域的收费站数量、类型、平均流量、车辆结构，通过平均流量匹配交通流情景及排放强度的关联关系，进而建立基于交通流情景的区域测算模型。也可用于新建站点或既有站开通etc的效果预测和分析。

针对区域etc节能减排效果测算，以宏观测算为主。图7为本发明实施例中区域etc节能减排测算模型示意图。图8为本发明实施例中测算区域etc节能减排时基于交通流情境测算节能减排的示意图。如图7和图8所示，通过分析收费站数量、通过的交通流量及车辆类型构成，可以将收费站的运行工况归类为4种交通流情景之一。在此基础上，可以匡算该情境下的收费站的节能减排效果。

具体地，可基于如下公式来计算区域etc节能减排效益δsr：

其中：

δsgi为处于i情景下的收费站的节能减排量；ni为处于i情景下的收费站的数量，b为情景数，在一实施例中，b对应图5中所示的4种情景①至④。

通过本发明的如上方法和模型，能够基于微观的etc车辆的节能减排测算效益进行中观的收费站etc节能减排测算，并基于收费站的节能减排测算效益计算更广的宏观区域的etc节能减排测算，基于精确的微观、中观和宏观的etc节能减排测算结果，交通部门才能够进行更加科学的收费站etc车道的规划和布局。本发明的方法不仅有效，而且高效、精度较高，对于实现更科学的节能减排有重要意义。

与前述方法相应地，本发明还提供一种etc节能减排效益测算装置，该装置包括处理器和存储器，所述存储器用于存储计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该系统实现如前所述方法的步骤。

在本公开的一些实施例中，etc节能减排效益测算装置可以包括收发单元，该收发单元可包括接收器和发送器，处理器、存储器、接收器和发送器可通过总线系统连接，处理器可控制收发单元收发监测数据等。

作为一种实现方式，本发明中接收器和发送器的功能可以考虑通过收发电路或者收发的专用芯片来实现，处理器可以考虑通过专用处理芯片、处理电路或通用芯片实现。

作为另一种实现方式，可以将实现处理器，接收器和发送器功能的程序代码存储在存储器中，通用处理器通过执行存储器中的代码来实现处理器，接收器和发送器的功能。

本公开还涉及存储介质，其上可以存储有计算机程序代码，当程序代码被执行时可以实现本发明的方法的各种实施例，该存储介质可以是有形存储介质，诸如光盘、u盘、软盘、硬盘等。

本领域普通技术人员应该可以明白，结合本文中所公开的实施方式描述的各示例性的组成部分、系统和方法，能够以硬件、软件或者二者的结合来实现。具体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发明的范围。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

本发明中，针对一个实施方式描述和/或例示的特征，可以在一个或更多个其它实施方式中以相同方式或以类似方式使用，和/或与其他实施方式的特征相结合或代替其他实施方式的特征。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。