一种小网眼聚集区道路选取方法

摘要

本发明公开了一种小网眼聚集区道路选取方法，应用于地理制图技术领域，通过同时考虑小网眼的边缘特征和网眼密度来重新定义起算网眼，并将起算网眼从一个小网眼变为一对相邻的小网眼，解决了起算网眼位于小网眼聚集区域的中间，则网眼消除的结果很难控制，并且很容易改变原始路网的空间分布结构的问题；同时，孤段消除基于stroke连接顺序，为了避免一些遗留stroke造成的空间结构损失。本发明对路网中聚集性小网眼区域进行合理的选取，从而保证该区域道路综合后的完整性和连通性。

权利要求

1.一种小网眼聚集区道路选取方法，其特征在于，具体步骤如下：S1：根据原始路网数据识别小网眼聚集区，并将这些小网眼聚集区放入待处理候选集；

S2：任选一个小网眼聚集区；

S3：根据所述小网眼聚集区确定起算网眼对；

S4：删除所述起算网眼对的共享弧段，识别所述共享弧段所在的道路stroke，并按stroke连接方向顺次识别以所述stroke的弧段为共享弧段的网眼对，同时删除这所述共享弧段，完成对应网眼对的道路剔除，并标记新生成的网眼；

S5：在不考虑S4中新生成的网眼的前提下，在小网眼聚集区中识别新的起算网眼对；

S6：重复执行S4-S5，直到无法找到新的起算网眼对，完成该轮路网选择；

S7：计算该轮路网选择后新生成网眼的密度，重新识别此聚集区的小网眼；

S8：重复S3-S7直至所有新生成的网眼密度均小于网眼密度阈值，执行S11，否则，判断聚集区内仅存两个邻接小网眼，是执行S9，否则，判断邻接小网眼个数，仅一个，执行S10；大于2个，执行S3；

S9：删除两个所述邻接小网眼的共享弧段，并计算其网眼密度，若其大于网眼密度阈值，则执行S10；若其小于网眼密度阈值，则执行S12；

S10：依据网眼消除算法对此孤立小网眼进行道路剔除；

S11：此聚集区的道路选取结束；

S12：重复S2-S11，直至候选集中所有小网眼聚集区的道路选取；

其中，所述S3：根据节点弧多边形拓扑，计算两个小网眼之间的邻接关系，判断彼此相邻；同时，根据小网眼的拓扑结构提取每个聚集区域的边界，并将其作为硬约束；

同时考虑小网眼的边缘特征和网眼密度来定义起算网眼，将位于聚集区边缘且网眼密度之和最小的两个邻接小网眼作为起算网眼对。

2.根据权利要求1所述的一种小网眼聚集区道路选取 方法，其特征在于，所述S1中具体步骤如下：为原始路网数据构造节点-弧段-多边形拓扑，拓扑多边形对应的封闭区域即为网眼；

计算路网中每个网眼的密度，并利用样图统计法确定网眼密度阈值，并将网眼密度超过该阈值的网眼为小网眼，同时构建道路Stroke；

遍历全部路网小网眼，识别小网眼聚集区，即邻接小网眼数量≥2个的道路区域；并将所述小网眼聚集区放入待处理候选集。

3.根据权利要求2所述的一种小网眼聚集区道路选取 方法，其特征在于，所述网眼密度阈值计算方法比较道路网前后两个比例尺的网眼密度分布曲线，取曲线明显不同的分裂节点的相应值作为密度阈值。

说明书

一种小网眼聚集区道路选取方法

技术领域

[0001] 本发明涉及地理制图技术领域，更具体的说是涉及一种小网眼聚集区道路选取方法。

背景技术

[0002] 地图上的道路网是对真实地理世界道路网络连通与分布情况的客观构建，是地图的骨架要素。通常，道路网等级繁多、关系复杂、成网络状，因此，如何良好的实现道路网多尺度连续表达一直是难点问题。道路网通过各路段相互连接并形成一系列网眼，在进行多尺度连续表达时，需要对路网的网眼进行科学的消除，从而确保多尺度表达时，既能够保持道路本身的连通性和完整性，又能够准确反映道路的空间形状和路网密度特征。

[0003] 道路网是各比例尺地图中的一种主要基础设施要素。为了获得连续的多尺度空间表示，道路网经常需要进行地图综合，而综合的关键核心在于如何进行合理的道路选取，从而保留重要道路、消除次要道路，同时保持道路本身的空间特征和网络结构，以及道路的基本的语义、拓扑和几何特性。

[0004] 在这些约束条件下，如何有效保持路网的空间分布结构是一个难点，因此，国内外学者近年来对路网的结构选择开展了大量的研究。如胡云岗等人提出基于路网网眼密度的道路选取方法，将网眼密度超过阈值的所有小网眼按顺序删除，并将每个小网眼中重要性最小的路段删除，结果能够有效地反映路网的整体特性和不同区域的局部密度变化，因此常被用于完成密集道路区域的路网选取。李志林等人研究表明，该方法对于跨越一个或两个网眼的路段选取的效果最好，吴伟、Touya等将基于网眼的方法应用到城市道路选择中，也取得了良好的效果。然而，现有方法对于地图上占绝大多数的孤立小网眼的道路区域较为适用，但在住宅小区或大型厂区中还存在一些聚集的小网眼，利用现有的基于网眼的道路选取方法会破坏这一类区域的道路典型空间特征。虽然聚集性的小网眼区域在地图上的数量较少，但对其进行不合理的选取仍会在一定程度上影响道路选取的整体质量。

[0005] 因此，如何提供一种对路网中聚集性小网眼区域进行合理的选取，从而保证该区域道路综合后的完整性和连通性的小网眼聚集区道路选取方法是本领域技术人员亟需解决的问题。

发明内容

[0006] 有鉴于此，本发明提供了一种小网眼聚集区道路选取方法，对路网中聚集性小网眼区域进行合理的选取，从而保证该区域道路综合后的完整性和连通性。

[0007] 为了实现上述目的，本发明采用如下技术方案：

[0008] 一种小网眼聚集区道路选取方法，其特征在于，具体步骤如下：

[0009] S1：根据原始路网数据识别小网眼聚集区，并将这些小网眼聚集区放入待处理候选集；

[0010] S2：任选一个小网眼聚集区；

[0011] S3：根据所述小网眼聚集区确定起算网眼对；

[0012] S4：删除所述起算网眼对的共享弧段，识别所述共享弧段所在的道路stroke，并按stroke连接方向顺次识别以所述stroke的弧段为共享弧段的网眼对，同时删除这所述共享弧段，完成对应网眼对的道路剔除，并标记新生成的网眼；

[0013] S5：在不考虑S4中新生成的网眼的前提下，在小网眼聚集区中识别新的起算网眼对；

[0014] S6：重复执行S4-S5，直到无法找到新的起算网眼对，完成该轮路网选择；

[0015] S7：计算该轮路网选择后新生成网眼的密度，重新识别此聚集区的小网眼；

[0016] S8：重复S3-S7直至所有新生成的网眼密度均小于网眼密度阈值，执行S11，否则，判断聚集区内仅存两个邻接小网眼，是执行S9，否则，判断邻接小网眼个数，仅一个，执行S10；大于2个，执行S3；

[0017] S9：删除两个所述邻接小网眼的共享弧段，并计算其网眼密度，若其大于网眼密度阈值，则执行S10；若其小于网眼密度阈值，则执行S12；

[0018] S10：依据网眼消除算法对此孤立小网眼进行道路剔除；

[0019] S11：此聚集区的道路选取结束；

[0020] S12：重复S2-S11，直至候选集中所有小网眼聚集区的道路选取。

[0021] 优选的，在上述的一种小网眼聚集区道路选择方法中，所述S1中具体步骤如下：

[0022] 为原始路网数据构造节点-弧段-多边形拓扑，拓扑多边形对应的封闭区域即为网眼；

[0023] 计算路网中每个网眼的密度，并利用样图统计法确定网眼密度阈值，并将网眼密度超过该阈值的网眼为小网眼，同时构建道路Stroke；

[0024] 遍历全部路网小网眼，识别小网眼聚集区，即邻接小网眼数量≥2个的道路区域；并将所述小网眼聚集区放入待处理候选集。

[0025] 优选的，在上述的一种小网眼聚集区道路选择方法中，所述S3中，根据节点弧多边形拓扑，计算两个小网眼之间的邻接关系，判断彼此相邻；同时，根据小网眼的拓扑结构提取每个聚集区域的边界，并将其作为硬约束；

[0026] 同时考虑小网眼的边缘特征和网眼密度来定义起算网眼，将位于聚集区边缘且网眼密度之和最小的两个邻接小网眼作为起算网眼对。

[0027] 优选的，在上述的一种小网眼聚集区道路选择方法中，所述网眼密度阈值计算方法比较道路网综合前后两个比例尺(综合前比例尺大于综合后比例尺)的网眼密度分布曲线，取曲线明显不同的分裂节点的相应值作为密度阈值。

[0028] 经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种对路网中聚集性小网眼区域进行合理的选取，从而保证该区域道路综合后的完整性和连通性的小网眼聚集区道路选取方法。本发明通过同时考虑小网眼的边缘特征和网眼密度来重新定义起算网眼，并将起算网眼从一个小网眼变为一对相邻的小网眼，解决了起算网眼位于小网眼聚集区域的中间，则网眼消除的结果很难控制，并且很容易改变原始路网的空间分布结构的问题；同时，孤段消除基于stroke连接顺序，为了避免一些遗留stroke造成的空间结构损失。

附图说明

[0029] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

[0030] 图1是本发明的方法流程图；

[0031] 图2(a)是本发明实施例中定义起算网眼对密度为0.42的网眼的一阶邻域的示意图；

[0032] 图2(b)是本发明实施例中定义起算网眼对密度为0.38的网眼的一阶邻域的示意图；

[0033] 图2(c)为新一轮的起算网眼对的示意图；

[0034] 图3(a)是本发明实施例中为起算网眼对及其共享弧段的stroke示意图；

[0035] 图3(b)为基于stroke连接顺序的消除结果示意图；

[0036] 图3(c)为基于网眼密度方法的消除结果(降序)示意图；

[0037] 图4(a)是本发明实施例中迭代识别起算网眼对及处理示意图一；其中，第一轮中的起算网眼(橙色)和相关stroke(红色)；

[0038] 图4(b)是本发明实施例中迭代识别起算网眼对及处理示意图二，其中，第一轮和新形成网眼的选择结果(橙色)；

[0039] 图4(c)是本发明实施例中迭代识别起算网眼对及处理示意图三，其中，第二轮中的起算网眼对(蓝色)和相关stroke(红色)；

[0040] 图4(d)是本发明实施例中迭代识别起算网眼对及处理示意图四，其为最终选择结果；

[0041] 图5是本发明实施例中试验所采用的数据图；

[0042] 图6是本发明实施例中两种对比方法处理包含2个小网眼的聚集区得到的形状相似性结果曲线图；

[0043] 图7(a)是本发明实施例中包含2个小网眼的聚集区第一种方法对第一个典型区域的处理结果示意图；

[0044] 图7(b)是本发明实施例中包含2个小网眼的聚集区本发明方法对第一个典型区域的处理结果示意图；

[0045] 图7(c)是本发明实施例中包含2个小网眼的聚集区第一种方法对第二个典型区域的处理结果示意图；

[0046] 图7(d)是本发明实施例中包含2个小网眼的聚集区本发明方法对第二个典型区域的处理结果示意图；

[0047] 图8(a)是本发明实施例中两种对比方法处理包含2个以上小网眼的聚集区得到的形状相似性结果示意图；

[0048] 图8(b)是本发明实施例中两种对比方法处理包含2个以上小网眼的聚集区得到的面积变异系数的结果示意图；

[0049] 图9(a)是本发明实施例中包含2个以上小网眼的典型聚集区域的第一种方法对第一个典型区域的处理结果示意图；

[0050] 图9(b)是本发明实施例中包含2个以上小网眼的典型聚集区域的本发明方法对第一个典型区域的处理结果示意图；

[0051] 图9(c)是本发明实施例中包含2个以上小网眼的典型聚集区域的第一种方法对第二个典型区域的处理结果示意图；

[0052] 图9(d)是本发明实施例中包含2个以上小网眼的典型聚集区域的本发明方法对第二个典型区域的处理结果示意图；

[0053] 图9(e)是本发明实施例中包含2个以上小网眼的典型聚集区域的第一种方法对第三个典型区域的处理结果示意图；

[0054] 图9(f)是本发明实施例中包含2个以上小网眼的典型聚集区域的本发明方法对第三个典型区域的处理结果示意图。

具体实施方式

[0055] 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、完整地描述，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。

[0056] 如图1所示，本发明实施例提供了一种小网眼聚集区道路选取方法，包括如下步骤：

[0057] S1：根据原始路网数据识别小网眼聚集区，并将这些小网眼聚集区放入待处理候选集；

[0058] S101、为原始路网数据构造节点-弧段-多边形拓扑，拓扑多边形对应的封闭区域即为网眼；

[0059] S102、计算路网中每个网眼的密度，并利用样图统计法确定网眼密度阈值，并将网眼密度超过该阈值的网眼定义为小网眼；

[0060] S103、遍历全部路网小网眼，识别小网眼聚集区，即邻接小网眼数量≥2个的道路区域，将这些聚集区放入待处理候选集；

[0061] S2：任选一个小网眼聚集区；

[0062] S3：根据所述小网眼聚集区确定起算网眼对；

[0063] S4：删除所述起算网眼对的共享弧段，识别所述共享弧段所在的道路stroke，并按stroke连接方向顺次识别以所述stroke的弧段为共享弧段的网眼对，同时删除这所述共享弧段，完成对应网眼对的道路剔除，并标记新生成的网眼；

[0064] S5：在不考虑S4中新生成的网眼的前提下，在小网眼聚集区中识别新的起算网眼对；

[0065] S6：重复执行S4-S5，直到无法找到新的起算网眼对，完成该轮路网选择；

[0066] S7：计算该轮路网选择后新生成网眼的密度，重新识别此聚集区的小网眼；

[0067] S8：重复S3-S7直至所有新生成的网眼密度均小于网眼密度阈值，执行S11，否则，判断聚集区内仅存两个邻接小网眼，是执行S9，否则，判断邻接小网眼个数，仅一个，执行S10；大于2个，执行S3；

[0068] S9：删除两个所述邻接小网眼的共享弧段，并计算其网眼密度，若其大于网眼密度阈值，则执行S10；若其小于网眼密度阈值，则执行S12；

[0069] S10：依据已有的网眼消除算法对此孤立小网眼进行道路剔除；

[0070] S11：此聚集区的道路选取结束；

[0071] S12：重复S2-S11，直至候选集中所有小网眼聚集区的道路选取。

[0072] 进一步，在步骤S102中，网眼密度阈值计算方法，是比较道路网综合前后两个比例尺的网眼密度分布曲线，取曲线明显不同的分裂节点的相应值作为密度阈值，如0.016m/m2被认为是用于从1:10000转换为1:50000城市道路网的网眼密度阈值。其中，网眼密度大于阈值的网眼被定义为小网眼。

[0073] 进一步，在步骤S103中，根据相邻小网眼数，将路网划分为三类区域：1)存在2个或更多相邻小网眼的小网眼聚集区域；2)小网眼的隔离区域，其中只有一个小网眼，没有相邻的小网眼；3)没有小网眼的其他区域。

[0074] 进一步，根据节点弧多边形拓扑，计算两个小网眼之间的邻接关系。如果两个小网眼(即多边形)共享一个公共弧段，则认为它们彼此相邻。同时，根据小网眼的拓扑结构提取每个聚集区域的边界，并将其作为硬约束，即直接保留边界，在消除过程中不消除边界。

[0075] 如图2所示，本实施例针对步骤S3中起算网眼对的选择。

[0076] 对于常用的基于网眼的方法，选择网眼密度最大的小网眼作为初始网眼。如果起算网眼位于小网眼聚集区域的中间，则网眼消除的结果很难控制，并且很容易改变原始路网的空间分布结构。因此，本发明实施例通过同时考虑小网眼的边缘特征和网眼密度来重新定义起算网眼，并将起算网眼从一个小网眼变为一对相邻的小网眼。

[0077] 本发明实施例将网眼消除的起算网眼重新定义为两个相邻的网眼，其网眼密度之和最大，且位于聚集区域的最外层。本发明实施例引入小网眼的一阶邻域进行起算网眼。对于一个小网眼，一阶邻域由与其共享公共线段或节点的邻域小网眼形成。显然，位于边界的小网眼在一阶邻域中的小网眼数最少。

[0078] 如图2(a)所示，对于密度为0.42(蓝色)的网眼，一阶邻域是密度为0.40、0.38和0.28(粉色)的网眼，一阶邻域中的小网眼数为3。类似地，在图2(b)中，对于密度为0.38(蓝色)的网眼，一阶邻域包括密度为0.42、0.40、0.28、0.26和0.34(粉色)的网眼，并且数字为
5。因此，密度为0.42的网眼比密度为0.38的网眼更靠近网络边缘。此外，由密度为0.42和
0.40(橙色)的网眼形成的小网眼对具有最大的总网眼密度，并选择这些网眼作为起算网眼，如图2(c)所示。

[0079] 如图3所示，本实施例针对步骤S4中弧段消除进行解释。

[0080] 对于S3中的起算网眼，标记网眼之间的共享弧段。然后，识别共享弧段所在的stroke，并确定共享该stroke中其他弧段的其他网眼对。该方法使用的弧段消除过程是stroke连接顺序。这种方法的优点是可以避免一些遗留stroke造成的空间结构损失。如图3(a)所示，将密度为0.42和0.40(橙色)的网眼定义为起算网眼对，并标记其共享弧段所在的stroke。在该stroke中共享其他路段的其他网眼对按顺序消除，消除结果如图3(b)所示。图3(c)显示了胡云岗等提出的基于按降序考虑网眼密度的消除结果，能看出，小网眼的原始空间结构被破坏。

[0081] 如图4所示，在不考虑步骤S6中获得的新形成的网眼的情况下，识别新的起算网眼对。如图4(a)所示，橙色相邻的两个小网眼是第一轮的起算网眼对，新形成的网眼(图4(b)中的橙色)将不参与第二轮的起算网眼的识别。因此，如图4(c)所示，蓝色显示的两个相邻的小网眼是第二轮的起算网眼，最终选择结果如图4(d)所示。

[0082] 如图5-图9所示，为本实施中为了验证本发明所述方法的可靠性和优越性进行的试验。

[0083] 图5为试验采用的数据，为江苏省某地区1:10000地形图中的原始道路数据，数据的空间范围为23.91×18.67km2，综合目标比例尺为1:50000。网眼密度阈值按1:50000的比例设置为0.016m/m2。

[0084] 试验区内共1782个网眼，其中小网眼471个，非小网眼1311个。471个小网眼的详细分类如表1所示。其中，23.77％的小网眼是孤立的小网眼，其余的小网眼形成64个聚集区域。因此，实验区的小网眼具有明显的聚集特性。在小网眼的聚集区域中，最小的小网眼数为2，这说明需要相邻的两个小网眼形成一个聚集区域，最大的聚集区域由47个小网眼组成。

[0085] 表1试验区小网眼的详细分类

[0086]

[0087] 为了验证本发明方法的效果，采用两种方式进行对比试验：一是胡云岗提出的基于网眼的方法进行所有网眼处理，二是首先采用胡云岗基于网眼的方法来处理孤立小网眼，用本发明提出的方法来处理聚集性网眼。对于112个孤立的小网眼，由于两种对比方法均为基于网眼的消除方法，因此结果相同。本实施例主要对于聚集性网眼的消除进行说明。

[0088] 对于由2个小网眼组成的32个聚集区域，两种对比方法产生了10个具有相同结果的区域，占所有聚集区域的31.25％；而选择结果相差较大的区域数为22个，占所有聚集区域的68.75％。利用形状相似性(SS)对选择结果进行定量评价。形状相似性公式如下：

[0089]

[0090] 其中，n表示与聚集区域相关的网眼总数，i是第i个小网眼，BAreai表示在进行选择之前的第i个小网眼的面积，AAreai表示在进行选择之后包含原始第i个小网眼的网眼面积。显然，当SS值为1时，选择结果前后的道路网眼形状相似性是最优的。

[0091] 通过计算，两种对比方法得到的SS结果如图6所示。其中，具有相同选择结果的10个聚集区域的SS值均为1，并且这些网眼的形状特征没有改变。然而，其余22个聚集区的SS值存在显著差异。如第一个包含2个小网眼的聚集区，采用第一种方法，SS的最小值为0.01，这意味着该区域的两个小网眼中的一个(或两个)合并为一个非常大的邻接网眼，并且原始小网眼的面积发生了巨大的变化。而第二种方法(本发明方法)对应的SS值均为1，这表明两个小网眼可以形成一个网眼密度满足阈值的新网眼。其他21个聚集区也出现了类似情况。可见，本发明方法对路网空间结构的影响较小，且能较好地保留局部特征。

[0092] 图7展示了其中具有相同选择结果和不同结果的两个典型聚集区域，采用两种对比方法得到的结果。从图7(a)和图7(b)可以看出，对于第一个典型区域，两种不同方法的选择结果是相同的，小网眼中最不重要的部分是公共部分a。然而，如图7(c)和图7(d)所示，网眼中最不重要的部分并不总是公共部分a，因此，两种方法对第二个典型区域产生不同的选择结果。相交于第一种方法，本发明方法产生的选择结果更好地保持了小网眼的紧凑结构，并保持了路段b所在道路stroke的连通性。

[0093] 对于由2个以上小网眼组成的32个聚集区域，采用形状相似性(SS)和面积变异系数(CVA)对选择结果进行定量评价。CVA的公式如下：

[0094]

[0095] 其中，σarea表示聚集区域中小网眼面积的标准差，μarea是聚集区域中小网眼的平均面积。CVA用于衡量聚集区域中网眼的均匀性。CVA值越小，面积分布越均匀。图8为每个聚集区域中两种方法的SS和CVA。

[0096] 如图8(a)所示，通过第一种方法获得的32个聚集区域的SS值的范围为[0.03，0.78]，这表明所有小网眼的面积都有不同程度的变化。相比之下，用本发明方法得到的这些聚集区域的SS值均为1，并且边界约束保证了原始聚集区域的空间结构一般不会改变。如图8(b)所示，与原始聚集区的CVA值相比，本发明方法得到的27个聚集区的CVA值有所下降，而第一种方法得到的26个聚集区域的值增加，表明本发明方法结果的密度分布比第一种方法更均匀。

[0097] 图9展示了由2个以上小网眼组成的32个聚集区域种，选择的网眼数最少(3)、中值(8)和最大(47)的三个典型聚集区域，采用两种对比方法得到的结果。可以发现：图9(a)和(b)中，对于第一个典型区域(小网眼数最少)，第一种方法根据路段的低重要度消除了路段a、b、c，很大程度上改变了该区域路网的空间结构。相比之下，本发明方法考虑了边界约束，消除了孤立的道路strokea和d，选择结果更好地反映了道路网络结构；图9(c)和(d)中，对于第二个典型区域(小网眼数中等)，第一种方法消除了位于4个不同stroke中的路段a、b、c、d、h和g，结果较差。相比之下，本发明方法采用弧段顺次识别消除算法，仅消除了聚集区域内的两个道路stroke(一个由段a和b形成，另一个由段e、f和g形成)，得到的结果更为合理；图9(e)和(f)中，对于第三个典型区域(小网眼数最大)，与第一种方法相比，本发明方法能更好地保持网眼分布密度。这两种方法的选择结果在S1、S2、S3三条道路stroke所在区域有明显差异，其中，S1的保存对分布密度的均匀性有重要影响，保存strokeS3也可以得到清晰的轮廓。此外，本发明方法也完全保留了strokeS2，更好的反映了道路连通性。

[0098] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

[0099] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。