确定地铁末班车在换乘站的衔接关系的优化方法及系统

摘要

本发明公开了一种确定地铁末班车在换乘站的衔接关系的优化方法及系统，其中方法包括：对于每个换乘站，以分方向的站台为顶点，以衔接关系为边，以换乘客流量为边的权值，构造换乘站衔接关系网络；将不同换乘站衔接关系网络中的节点，按列车上下行运行方向进行连接，将所有的换乘站衔接关系网络连接成一个整体，获得地铁末班车换乘衔接网络；利用遗传算法求解所述地铁末班车换乘衔接网络中的最大无环子图，以获取保留换乘边；根据获得的保留换乘边确定每个换乘站内末班车的衔接关系。本发明能够正确反映两线路间有多个换乘节点，且能够快速解决大规模网络运营的地铁系统中各线路末班车衔接问题，可广泛应用于地铁规划领域。

说明书

技术领域

本发明涉及地铁规划领域，尤其涉及一种确定地铁末班车在换乘站的衔接关系的优化方法及系统。

背景技术

近年，随着城市轨道交通的飞速发展，城市轨道交通网络中各线路末班车乘客的换乘协调问题越来越受到大家的关注。一般来说，由于城市轨道交通网络上各条线路的运营时间有一定差异，在末班车时段，乘客通过城市轨道交通网络出行的可达性会因为各线路逐步结束运营而出现变动，而且无论怎样确定各换乘站末班车的推算顺序及衔接关系，总会有部分乘客因赶不上换乘线路的末班车而无法依靠城市轨道交通完成出行。因此，如何通过调整城市轨道交通各线路末班车在换乘站的衔接关系，将最终赶不上换乘线路列车的乘客人数最小化，该问题尚有待研究和解决。

发明内容

为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于提供一种确定地铁末班车在换乘站的衔接关系的优化方法及系统。

本发明所采用的技术方案是：

一种确定地铁末班车在换乘站的衔接关系的优化方法，包括以下步骤：

获取地铁交通系统的基础数据；

对于每个换乘站，以分方向的站台为顶点，以衔接关系为边，以换乘客流量为边的权值，构造换乘站衔接关系网络；

将不同换乘站衔接关系网络中的节点，按列车上下行运行方向进行连接，将所有的换乘站衔接关系网络连接成一个整体，获得地铁末班车换乘衔接网络；

利用遗传算法求解所述地铁末班车换乘衔接网络中的最大无环子图，以获取保留换乘边；

根据获得的保留换乘边确定每个换乘站内末班车的衔接关系。

进一步地，所述基础数据包括路网拓扑结构、路网中各线路在末班车时段各换乘车站的换乘客流量表。

进一步地，所述对于每个换乘站，以分方向的站台为顶点，以衔接关系为边，以换乘客流量为边的权值，构造换乘站衔接关系网络，包括：

将换乘站每个方向的站台转化为一个顶点；

分析顶点之间的换乘衔接关系，将客流在顶点之间的换乘流向用有向边进行表示；

统计末班车时段各线路的客流量，根据末班车时段各地铁线路的列车开行班次，按客流平均分配原则计算末班车各个方向的换乘客流量大小，并将所述换乘客流量大小作为换乘站衔接关系网络中有向边的权重。

进一步地，所述利用遗传算法求解所述地铁末班车换乘衔接网络中的最大无环子图，以获取保留换乘边，包括：

A1、对顶点集V中的顶点按列车边形成的链进行分组，并对每个分组进行编号；

A2、将所有顶点进行随机排序后，用顶点所在的分组的组号进行替换，并以替换后形成的组号排序作为遗传算法中染色体的DNA编码；

A3、重复pop_size次步骤A2，得到由pop_size条染色体组成的种群；

A4、计算当前种群中每一条染色体的目标值；

A5、记录当前种群中目标值最大的染色体；

A6、根据目标值对pop_size条染色体进行排列，并根据预设的评价函数计算每条染色体在交叉环节的被选择概率；

A7、根据所述被选择概率对全部染色体进行pop_size次选择，将选出的染色体进行两两配对，对每对染色体利用OX交叉原则生成后代染色体；

A8、对后代染色体进行变异操作；

A9、循环执行M次步骤A4-A8，M为遗传代数；

A10、比较种群在M代的遗传中每一代记录下来的染色体的目标值大小，取其中最大目标值对应的染色体为最终染色体，并对最终染色体进行解码，从而得到地铁末班车换乘衔接网络中的最大无环子图，根据最大无环子图中的保留换乘边，确定地铁列车在各换乘站的衔接关系。

进一步地，所述计算当前种群中每一条染色体的目标值，包括：

将按列车边形成的链进行分组的顶点，按“列车接续边”的方向进行组内排序，再将每组顶点按组号及组内顺序，从左至右顺次替换染色体中的数字；

以顶点排列顺序为标准，对地铁末班车换乘衔接网络中的所有换乘边逐个进行验证，若在该排序中，换乘边的起点在换乘边终点的左侧，则保留该换乘边，否则，删去该换乘边；再将所有保留下来的换乘边的权值加总，作为染色体的目标值。

进一步地，所述评价函数的表达式如下：

eval(Z

其中，θ为0-1之间的小数，i为染色体Z

本发明所采用的另一技术方案是：

一种确定地铁末班车在换乘站的衔接关系的优化系统，包括：

数据获取模块，用于获取地铁交通系统的基础数据；

网络构建模块，用于对于每个换乘站，以分方向的站台为顶点，以衔接关系为边，以换乘客流量为边的权值，构造换乘站衔接关系网络；

换乘连接模块，用于将不同换乘站衔接关系网络中的节点，按列车上下行运行方向进行连接，将所有的换乘站衔接关系网络连接成一个整体，获得地铁末班车换乘衔接网络；

换乘求解模块，用于利用遗传算法求解所述地铁末班车换乘衔接网络中的最大无环子图，以获取保留换乘边；

结果呈现模块，用于根据获得的保留换乘边确定每个换乘站内末班车的衔接关系。

本发明所采用的另一技术方案是：

一种确定地铁末班车在换乘站的衔接关系的优化系统，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上所述方法。

本发明的有益效果是：本发明通过构建地铁末班车换乘衔接网络，能够正确反映两线路间有多个换乘节点；另外，采用利用遗传算法，能够快速解决大规模网络运营的地铁系统中各线路末班车衔接问题。

附图说明

为了更清楚地说明本发明实施例或者现有技术中的技术方案，下面对本发明实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员而言，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。

图1是本发明实施例中换乘站a的换乘衔接网络示意；

图2是本发明实施例中列车边示意图；

图3是本发明实施例中示例线网及对应的换乘衔接关系网络示意图；

图4是本发明实施例中线网的一个有向无环子图；

图5是本发明实施例中确定地铁各线路末班车在换乘站的衔接关系的优化方法的流程图；

图6是本发明实施例中示例城市轨道交通网络示意图；

图7是本发明实施例中转化后的地铁末班车换乘衔接网络示意图；

图8是本发明实施例中遗传算法种群收敛图；

图9是本发明实施例中一种确定地铁末班车在换乘站的衔接关系的优化方法的流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

术语解释：

有向无环图：无回路的有向图。

拓扑排序：对一个有向无环图进行拓扑排序，是将该无环图中所有顶点排成一个线性序列，使得图中任意一对顶点u和v，若边∈E(G)，则u在线性序列中出现在v之前(也即u在v的左边)。

换乘站衔接关系：换乘站衔接关系是指不同线路的末班车在同一个换乘站的到站先后顺序，其中先到站的末班车上的换乘乘客可以顺利通过站内走行换乘至后到站的末班车上，称之为衔接。

相邻换乘站：指在同一线路中，中间再无其他换乘站的两个换乘站。

换乘边：换乘站内部的换乘客流衔接有向边。

列车边：代表同一线路不同换乘站之间由列车运行方向所决定的乘客流向。

OX交叉原则：本发明中所采用的一种遗传算法的交叉方法，例如有两父代染色体A和B，随机选择一个匹配区域：

A＝1-2|3-1-2-4|3-4，

B＝2-4|1-1-2-4|3-3。

将A的匹配区域加到B的前面，B的匹配区域加到A的前面，得到：

A′＝1-1-2-4|1-2-3-1-2-4-3-4，

B′＝3-1-2-4|2-4-1-1-2-4-3-3。

然后在A′和B′中自匹配区域后依次删除与匹配区域中相同的基因片段，得到最终的两个子串：

A″＝1-1-2-4-3-2-3-4，

B″＝3-1-2-4-1-2-4-3。

分方向站台：指对应着线路列车的站台部分，例如广州地铁3号线五山站(岛式站台)，其实际是广州地铁3号线上下行两个分方向站台拼合在一起而成，其中一个分方向站台负责上行方向(五山→番禺广场方向)的乘客候车，另一个分方向站台负责下行方向(五山→天河客运站)的乘客候车。

现有关于各线路末班车在换乘站的衔接关系的技术，存有以下缺点：1、对于线路末班车的衔接关系处理得较为简单，随着地铁网络规模的扩大，两条地铁线路有不止一个换乘站的情形在目前各个城市的地铁网络中并不鲜见，但现有的技术基本都将这样的多个换乘站的换乘关系视为一个换乘关系，这样的处理无法精确描述最终衔接关系对客流量的影响，据此做出的优化方案的优化程度也就值得商榷。2、利用模型算法解决地铁末班车衔接问题的方法在面对大规模地铁网络时，方法得运行时间一般都会较长，无法满足实际应用得实时性要求。因此，本发明的目的在于提供一种能够正确反映两线路间有多个换乘节点这一拓扑结构且能够快速解决大规模网络运营的地铁系统中各线路末班车衔接问题的方法。

如图9所示，本实施例提供一种确定地铁末班车在换乘站的衔接关系的优化方法，包括以下步骤：

S1、获取地铁交通系统的基础数据。

通过实地调研或数据收集，得到地铁交通系统的基础数据，该数据包括：路网拓扑结构、路网中各线路在末班车时段各换乘车站的换乘客流量表。

S2、对于每个换乘站，以分方向的站台为顶点，以衔接关系为边，以换乘客流量为边的权值，构造换乘站衔接关系网络。

步骤S2具体包括步骤S21-S23：

S21、将换乘站每个方向的站台转化为一个顶点。

以某两线换乘站为例，假设车站a是两条地铁线m和n的换乘站，则该车站可转化为4个顶点：

S22、分析顶点之间的换乘衔接关系，将客流在这些顶点之间的换乘流向用有向边表示出来。

步骤S21中示例的4个顶点之间一共8条有向边(称之为“换乘边”)，分别为：

S23、统计末班车时段各线路的客流量，根据末班车时段各地铁线路的列车开行班次，按客流平均分配原则计算末班车各个方向的换乘客流量大小，并将此作为换乘站衔接关系网络中有向边的权重。

S3、将不同换乘站衔接关系网络中的节点，按列车上下行运行方向进行连接，将所有的换乘站衔接关系网络连接成一个整体，获得地铁末班车换乘衔接网络。

以某条地铁线路m的两个相邻换乘站a和b为例，显然这两个换乘站关于线路m的站台顶点为

S4、利用遗传算法求解所述地铁末班车换乘衔接网络中的最大无环子图，以及获取保留换乘边。

步骤S4具体包括步骤S41-S410：

S41、对顶点集V中的顶点按列车边形成的链进行分组，并从1开始给每个分组一个组号；

S42、将所有顶点进行随机排序后再用其所在的分组的组号进行替换，并以此作为遗传算法中染色体的DNA编码；

S43、重复S42步骤pop_size次，得到由pop_size条染色体组成的种群；

S44、计算当前种群中每一条染色体的目标值：以染色体中顶点的排列顺序为标准对地铁末班车换乘衔接网络中的所有换乘边逐个进行验证，若在该染色体中，换乘边的起点在换乘边终点的左侧，则保留该换乘边，最后将所有保留的换乘边的权值加总，和即该染色体的目标值；

S45、记录当前种群中目标值最大的染色体；

S46、将所有pop_size条染色体按目标值由大到小的顺序进行排列，并根据评价函数eval(Z

S47、以步骤S46中计算出的被选择概率对全部染色体进行pop_size次选择，将选出的染色体进行两两配对，然后对每对染色体利用OX交叉原则生成后代染色体；

S48、按1‰～1％的概率对S4.6中生成的后代染色体进行变异操作；

S49、循环S44～S48的步骤M次，M为遗传代数。在一些实施例中，M取100以上的值。

S410、比较种群在M代的遗传中每一代记录下来的染色体的目标值大小，取其中的最大值染色体为最终染色体，并对该染色体进行解码，得到最终地铁列车在各换乘站的衔接关系：以染色体中顶点的排列顺序为标准对地铁末班车换乘衔接网络中的所有换乘边逐个进行验证，若在该染色体中，换乘边的起点在换乘边终点的左侧，则保留该换乘边。

S5、根据获得的保留换乘边确定每个换乘站内末班车的衔接关系。

以下通过符合以及具体实施例对上述方法进行详细解释说明。

(1)关于车站换乘网络构建的说明

如图1所示，图1中车站a是两条地铁线m和n的换乘站，则该车站可转化为4个顶点：

(2)关于列车边的说明

参见图2，图2(a)为线路m中的两个换乘站a和b，上行方向末班车到达a站的时间一定早于b站，下行方向末班车到达b站的时间一定早于a站，这一列车运行带来的乘客位流向关系可由4个节点和它们之间的2条有向边(列车边)如图2(b)所示。

(3)关于本发明中遗传算法编码的说明

参见图3，图3(b)为图3(a)所示线网的地铁末班车换乘衔接网络，在该网络中，列车链共4条

(4)关于本发明中遗传算法解码的说明

如图4所示，在对染色体进行解码时，只需先将每组顶点按“列车接续边”的方向进行组内排序，再将每组顶点按组号及组内顺序，从左至右顺次替换染色体中的数字即可。例如解码染色体“1-2-3-1-2-4-3-4”时：左边第1位上的基因片段“1”，是“1”在这个染色体中第1次出现，即替换为组1中的第1个顶点；第2位上的基因片段“2”，是“2”在这个染色体中第1次出现，即替换为组2中的第1个顶点；第3位上的基因片段“3”，是“3”在这个染色体中第1次出现，即替换为组3中的第1个顶点；第4位上的基因片段“1”，是“1”在这个染色体中第2次出现，即替换为组1中的第2个顶点；剩下的编码均按此规则进行替换，也即该染色体可替换为

(5)本文方法的具体流程示意

如图5所示，图5为本实施例方法的流程示意图，以下结合一城市轨道做进一步解释说明。

图6为一城市轨道交通线网图例，一共4条线路，其中L

根据客流统计数据，在该地铁网络的末班车运行时段，列车与列车之间换乘客流的数据如下表1—6所示。

表1 a站的换乘客流流量

表2 b站的换乘客流流量

表3 c站的换乘客流流量

表4 d站的换乘客流流量

表5 e站的换乘客流流量

表6 g站的换乘客流流量

利用上述提出的方法，可将该地铁网络转化为换乘衔接网络，结果如如图7所示。图7中的26个顶点共组成8条列车链，具体如表7所示。

表7列车链

种群规模为100，进化160代，交叉概率取0.95，评价函数中参数θ取0.02，为避免种群早熟，变异概率线性变化，在开始时取0.0001，160代时取0.1。运行10次，10次求解中种群的收敛情况如图8所示，其中的最好结果为2143。这里需要说明的是，如果利用随机游走算法游走10 000 000步的话，最好结果为1558，即便在文中构造的初始种群的基础上再利用随机游走算法游走10 000 000步，得到的最好结果也仅为2108，这说明本方法有较好的优化效果；而从种群收敛情况来看，算法进化30-60代种群即开始保持稳定，这说明提出的方法具有良好的鲁棒性。

以上的10次计算中，最优染色体为“5-8-1-5-3-3-7-8-3-1-4-1-5-1-6-4-1-6-4-2-2-2-2-7-2-6”，对其进行解码，可得到对应的顶点排序为：

将该排序解码后，即可得到的最终各换乘站点保留的换乘衔接关系如表8所示。

表8线网各换乘站的末班车衔接关系表

表8中的衔接关系即为按所提出的方法计算得到的优化换乘衔接关系，在此基础上，依据各线路列车运行的相关参数，即可逐步对全网络各线路的末班车时刻表进行决策。

综上所述，本发明方法相对于现有技术，具有如下优点及有益效果：

(1)、本发明能够更清晰描述地铁线路之间的换乘关系，特别是针对目前我国各个城市已发展得足够复杂的地铁网络来说，能够为其各条线路收班时间的决策提供更为精确的技术建议。

(2)、本发明方法中的优化方案是在有向图前提下取得，这样会比该技术将有向图转化为无向图后再求无环子图在数学原理上要更优越。

(3)、本发明采用的编码方式运用与遗传算法时，寻优速度较快，能够应对大规模地铁网络的实际运营需要。

本实施例还提供一种确定地铁末班车在换乘站的衔接关系的优化系统，包括：

数据获取模块，用于获取地铁交通系统的基础数据；

网络构建模块，用于对于每个换乘站，以分方向的站台为顶点，以衔接关系为边，以换乘客流量为边的权值，构造换乘站衔接关系网络；

换乘连接模块，用于将不同换乘站衔接关系网络中的节点，按列车上下行运行方向进行连接，将所有的换乘站衔接关系网络连接成一个整体，获得地铁末班车换乘衔接网络；

换乘求解模块，用于利用遗传算法求解所述地铁末班车换乘衔接网络中的最大无环子图，以获取保留换乘边；

结果呈现模块，用于根据获得的保留换乘边确定每个换乘站内末班车的衔接关系。

本实施例的一种确定地铁末班车在换乘站的衔接关系的优化系统，可执行本发明方法实施例所提供的一种确定地铁末班车在换乘站的衔接关系的优化方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

本实施例还提供一种确定地铁末班车在换乘站的衔接关系的优化系统，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现图9所示方法。

本实施例的一种确定地铁末班车在换乘站的衔接关系的优化系统，可执行本发明方法实施例所提供的一种确定地铁末班车在换乘站的衔接关系的优化方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

本申请实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图9所示的方法。

在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。

此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。

所述功能如果以软件功能单元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，本发明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)执行本发明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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。