具体实施方式

下面，随后将参考附图讨论本发明，其中，相同的参考标号被提供给具有相同或相似功能的元件，使得其描述是可相互适用且可互换的。在讨论本发明的实施方式之前，将讨论自学习算法的背景。

本发明的实施方式从使用铺路机控制沿着铺路区域分布的铺路材料的质量的方法和使用铺路机检测沿着铺路区域分布的铺路材料的质量的设备开始(如由EP 3456880A1所公开的，道路施工机械领域中的质量控制系统，例如，沥青铺路机械，基于在机械或工具(整平板)正后方的诸如沥青或柏油的新铺设材料的温度测量)。实施方式提供了基于人工智能/自学习算法的学习模式。为了在操作和显示单元的软件中实时解析热数据，需要将热数据图案存储在操作和显示单元的存储器中，以将其与当前所测量的温度分布进行比较。这些比较数据可以通过人工智能/自学习算法生成，从而使得能够确定或添加新的热数据图案(描述热分离的根本原因的新的热分布布局)的。可选地可能的是，机械操作员或铺路工作人员或铺路专家必须验证由系统做出的决定。

在图1a中，示意性地示出了道路修整机10，例如，沥青铺路机。由地面120上的箭头F示出了道路修整机10的行进方向。为了将铺路材料分布在地面120上并且形成路面50，机械10包括附接至机械10的后端的整平板15。

此外，机械10包括位于其后端的温度测量单元20，该温度测量单元20例如可以是热分布相机或沥青温度扫描仪。可选的气象站40也布置在温度测量单元20的区域中，该气象站40示例性地确定道路修整机10的区域中的风速和环境温度。温度测量单元20通过外边缘111和112测量横向上(即，横向于道路修整机10的行进方向)受限的道路宽度B上的新铺设的路面50的表面110的温度。因此，测量值被记录在示意性示出并且优选地但不必横向于和/或沿着道路修整机10的行进方向相等距离d布置的测量点100处。

根据测量单元20的精确实现方式，测量点100可以被布置为记录具有二维的温度分布或仅可以被布置为横向于行进方向F，使得在沿着行进方向F行进期间记录并且由沿着行进方向F的多次测量组成具有二维的热分布。

图1a的道路修整机10可以包括电连接至温度测量单元20的操作和显示单元30，该操作和显示单元30至少包括用于执行分析的CPU。如图1a所示，操作和显示单元30可以安装在铺路机的控制平台附近。但是也可以将操作和显示单元30安装在机械的任何其他点，例如并且优选地安装在整平板15处，使得铺路工作人员可以容易地观看显示屏。操作和显示单元30与移动计算机相当并且至少包括微控制器、一个或多个存储器单元(RAM、ROM、闪存…)以及一个或多个输入和输出装置，例如触摸显示屏。如图2所示，操作和显示单元30在输出装置(显示屏)上以图形示图示出了新铺设的路面50的表面110的测量温度分布。图4至图9示出并且稍后更详细地描述该图形示图的示例。

机械操作员或铺路工作人员(未示出)能够在操作和显示单元30的显示屏上看到新铺路的道路50的测量温度分布。图2示出了操作和显示单元30的前侧201的示例。在中间区域中是显示屏202，优选地是触摸显示屏。显示屏202左侧、右侧以及下方是多个输入键205。在显示屏202的中间区域，图形示出了测量温度分布204。在温度分布204的上方、右侧以及下方示出了一些符号203。一些符号203示出了当前铺路过程的数据或信息，例如，2m/min的铺路机速度、1m/min的风速、41％的湿度等。

对于操作员或铺路工作人员来说，单元30所示的信息是非常有用的，其中，必须连续监测该信息。为了提高可靠性，当存在用于解释热图案的规则时，可以执行铺路质量的自动控制。将参考图1b讨论该方法。

图1b示出了铺路区域47的示意图，铺路材料15已经使用沿着行进方向F行进的铺路机沿着该铺路区域47分布。如关于图1a所讨论的，使用热分布相机或沥青温度扫描仪分析新铺设的道路50的表面110。用于确定热分布的装置捕获区域47的至少一部分，该部分由参考标号49标记。在布置多个测量点100的部分49中，针对每个测量点，可获得相应的温度值。

彼此相邻布置并且具有可比较的温度(即，预定范围内(即，在170摄氏度至190摄氏度之间)的温度值)的测量点可以被分组到公共区。

此处，示例性地示出了第一区51a和第二区51b。第一区51a垂直于行进方向F，即相对于路面15横向布置，其中，区51b沿着行进方向F布置。区51a和51b两者通常被具有预定范围之外的温度值的多个测量点包围。可选地，两个区可以彼此相邻布置，使得在预定范围之外的仅几个测量点或几乎没有测量点布置在两个区之间。通常，应当注意，每个区51a和51b由局部点与周围环境之间的温度偏差形成。

区51a和51b沿着其布置的取向给出了温度变化的原因的良好提示。不同原因的另一指标是温度偏差本身。此处，可以执行多种方法。例如，可以分析区(例如，51a)与周围环境之间的温度偏差。根据另一方法，可以检测两个区51a和51b之间的温度偏差。可选地或另外，可以将一个区内(例如，区51a内)的平均温度的一个区内的温度与部分49的最低或最高温度值进行比较。

关于每个区51a和51b，应注意，通常对应区51a和51b内的温度偏差最大为30％或20％，或者根据优选实施方式至少10％，其中，该百分比是指距区51a和51b内的平均温度的±。

上述用于控制铺路质量的自动方法包括确定对应区51a和/或51b并且分析第一区的取向的步骤。基于取向并且根据进一步的示例，结合温度偏差，可以针对相应部分49执行指示(具体地，误差指示等)的分配。

从贯穿相应图案类型或误差类型(类型A-类型E)的这种分配开始，可以向操作员输出帮助他改进最近情形的指令。可以通过使用显示单元30或移动装置来执行输出指令的步骤。

下面，将关于图4至图9讨论不同的温度分布，其中，每个温度分布可以被分配给相应的图案指示或误差指示。图4至图9分别示出了新的路面道路50、新铺设的路面50在道路宽度B上的表面110的若干不同的测量温度分布，由此所示图形中的不同阴影线代表根据图3的阴影线温度梯度中所示的不同温度。其他温度梯度(例如，颜色梯度，如彩虹温度颜色梯度或铁温度颜色梯度)是已知的，例如，参见图2中的参考标号206。

在图3中并且还在图4至图9中，用较近的阴影线标记热温度，用较轻的阴影线标记冷温度，其中，热温度是指约356华氏度(约180摄氏度)的温度，冷温度是指约203华氏度(约95摄氏度)的温度。

距离B'和方向F'(仅在图4中示出但适用于所有的图4至图9)对应于新铺设的路面50的道路宽度B和道路修整机10的行进方向F(参见图1a)。图4至图9详细地示出了在铺路过程期间可能发生的不同的热分离问题。在下文中，更详细地描述了测量的温度分布、热分离问题、其根本原因以及可能的解决方案。

以下描述的一些部分涉及所谓的堆料铺路。在这种铺路机中，热铺路材料不直接倾卸到铺路机料斗中。相反，该热铺路材料作为堆料直接放置在铺路机前面的道路上。这种堆料铺路机提供装载输送机，该装载输送机拾起铺路材料并将其装载到料斗中。此后，铺路材料通过第二输送机移动到横向螺旋输送器和整平板前面的位置，以与具有料斗的铺路机器同样的一般方式直接从自卸车接收热沥青铺路材料。

图4示出了类型A的图案指示或误差指示的典型温度分布。此处，热变化水平示出了最小至中等的负载末端分离，其通常被视为沥青物质中较粗糙的位置，并且将具有高空气空隙，使得沥青更容易由于氧化、湿气渗透或者导致破裂和坑洞而引起的早期损坏的影响。

变化温度区段(例如，图4的行401至404)横向于道路修整机10的行进方向F、F'具有不同的温度偏差(热变化水平)。如该示例中可以看出的，整体温度偏差被限制到约50华氏度(约28摄氏度)。

为了改进所示的情况，存在三种可能的解决方案。如果是堆料铺路，则确保行在放置时重叠。如果是堆料铺路，则确保行放置不在铺路机前面的极端距离处。确保铺路机料斗和/或材料转移车辆(材料进料器)料斗中的堆高度保持一致并且处于可接受的水平。

图5示出了具有严重装载末端热分离的热变化水平，其影响沥青路面混凝土结构的长期耐久性。该图案或误差指示为类型B。

热图案示出了横向于道路修整机10的行进方向F、F'具有高温偏差(热变化水平)的各种温度区段(参见行501至509)。冷温度的小区段在一些行之间(参见510和511)，并且还靠近外边缘(参见512和513)。

可能的解决方案是：如果是堆料铺路，则确保行在放置时重叠。如果是堆料铺路，则确保在铺路机获得材料之前，行未被放置在铺路机前面的一距离处而引起极端冷却。确保铺路机料斗和/或材料转移车辆(材料进料器)料斗未被耗尽并且料斗翼未在负载之间折叠。如果最后倾卸到铺路机料斗中，则确保卡车的适当的多点装载。环境条件可以决定在用于再混合分离材料的操作中需要材料转移车辆(材料进料器)。

关于图6，将讨论类型C的图案或误差。图6的热图像示出了在低铺路速度下由长时间停止和过度整平加热引起的假分离。图6示出了具有各种温度区段的两个不同的区域601和602。在区域601中，存在具有高温度偏差(热变化水平)的若干温度区段。区段603和604处于约140摄氏度至150摄氏度的中间温度范围内。区段605和606处于约170摄氏度至180摄氏度的高温度范围内，并且横向于道路修整机10的行进方向F、F'延伸。区段607和608是在约95摄氏度至105摄氏度的低温度范围内的点。在区域602中，在道路修整机10的行进方向F、F'旁边的高温度范围内主要存在两个温度区段609和610。

可能的解决方案是：最小化停止时间。监测停止时的整平板印面的热图像，并且如果可能的话降低整平板温度。

关于图7，将讨论类型D的图案或误差。图7示出了具有一些热条纹区域的温度分布。图7中的图像包含由于条纹引起的最小变化，但是中等至严重的热条纹可以导致整个垫的连续分离。主要示出了处于中间温度范围内的四个区域701至704，其中，区域705示出了也处于中间温度范围内的道路修整机10的行进方向F、F'旁边的线性区域。线性区域705在702中开始并且在703中结束。此外，由区段706限定的区域示出了在非常高的温度范围(高达180摄氏度)中的中心线区域。

可能的解决方案是：检查侧面处的材料移动，以确定螺旋输送器扩展对于一致流动是否是必要的。如果材料在端门向前移动，则还可以考虑添加主框架扩展。关于中心线条纹检查，以确保反冲踏板处于良好状态。如果反冲踏板处于良好状态，则升高流动门和/或螺旋输送器高度。

图8描述了图案或误差类型E的区域倾斜。图8示出了具有负载到负载分离的路面的热图像。图8示出了具有各种温度区段的三个不同区域801、802和803。区域801和802示出了在中间温度范围和高温度范围内并且横向于道路修整机10的行进方向F、F'的几个主要温度区段804至807。在区域802与803之间存在指示铺路机停止的小边界。区域803示出了与其他两个区域801和802相当的无热变化水平。可能的解决方案是：确保一致的卡车运输操作。确保一致的混合设备操作。

仅为了完整起见，图9图示了示出最小分离至没有分离的温度分布。可以看出，热变化水平始终低于约25华氏度(约14摄氏度)或更低。

如以上所讨论的，例如通过操作和显示单元30(参见图1)或温度测量系统的CPU自动执行温度图案的分析。基于该分析，系统可以使用移动装置输出或者为操作员和工作人员显示指令。该指令可以包括实时每次负载。实时警报可以包括进一步的信息，例如分析的分离的潜在原因和/或给铺路工作人员建议的可能的解决方案。在给出的警报和提供的信息之外，卡车驾驶员和/或沥青混合设备工作人员可以调整、修改或优化沥青生产和运输过程的参数、设置等。这些可以例如改变沥青混合过程的温度或最小化从沥青混合设备到施工现场途中的卡车的数量(以最小化沥青铺路机前面的沥青卡车的等待时间)。

根据另一示例，可以使用网络技术执行指令的输出，使得如果所发生的分离问题是由错误的沥青混合料引起的，则可以将指令给沥青混合设备。

尽管在以上示例中，温度测量单元已经被表征为指向沥青铺路机后面的新铺设的沥青垫的热分布相机或沥青温度扫描仪，但是应注意，如果测量原理使得能够捕获热分布，则其他测量原理(如使用多个传感器)也是可能的。

根据另一实施方式，可以使用所谓的学习模式。这种学习模式(也被称为示教模式)的目的在于向已经可用的数据集添加新的热数据图案(描述热分离的资源的新的热分布)或者生成新的数据集。根据优选实现方式，例如通过使用人工智能或通常自学习算法自动或半自动地执行该学习模式。

下面，参考图10，将讨论对应的方法1000。

图10示出了检测数据集的方法1000，该数据集至少包括第一质量参数(例如，描述误差类型)和第一分析参数(例如，特定热图案或通常使得能够得出关于路面的质量的结论的参数，其中，该分析参数例如在图像/热分布内是可确定的)。

第一质量参数和第一分析参数一起描述了可识别的情况，例如，包括典型误差以及用于识别所述误差的典型参数。第一质量参数或通常一个或多个质量参数可以是关于误差/误差类型的信息或者还可以是测量值，例如，路面的均匀度等。分析参数描述用于表征第一区(例如，点)的参数，在该第一区内可检测到误差。该区被定义为彼此相邻布置并且具有预定范围内(例如，比部分包围第一区的测量点的温度值高至少10％)的所有温度值的测量点。当看到局部分配时，第一区与铺路区域的一部分的第一子部分相对应。第一子部分是确定第一质量参数的区域。两个参数(第一质量参数和第一分析参数)一起形成数据集，基于该数据集使得能够通过使用上述系统评估铺路材料的质量。可以使用包括两个基本步骤1100和1200的方法1000来完成数据集的(半自动/自动)确定。

在步骤1100中，接收分布有铺路材料的铺路区域的一部分的第一热分布。该部分包括第一子部分。假设在所述第一子部分中，存在局部受限的质量情况，例如，存在误差。第一子部分的点的温度值包括在第一热分布中，其中，测量点的第一区被分配给第一子部分。换句话说，第一热分布包括分配给该部分的相应测量点的多个温度值，其中，温度值的选择是指第一区并且属于第一子部分的测量点。当然，除了第一子部分(受关注/要分析的部分)之外，整个部分可以包括可分配到热分布内的其他/第二区的其他/第二子部分。

下一个基本步骤是分析第一热分布。该步骤在图10中由参考标号1200标记。该分析步骤1200包括三个子步骤1210、1220和1230。

在步骤1210中，确定彼此相邻并且具有预定范围内的温度范围的测量点的第一区。该第一区至少部分地被具有预定范围之外的温度的测量点包围，例如形成第二区或连续区域。例如，第一区可以被解释为具有非常高的温度值的点，即，在整个温度分布内的所谓的热点。

在下一个步骤1220中，确定第一区的第一特征分析参数。例如，当与属于第一区周围的测量点的温度值进行比较时，第一区内的温度值的平均温度或者第一区内的温度值的相对温度可以被确定为第一特征分析参数。另外或可选地，第一区的几何形状(例如，相对于第一区的行进方向的取向或第一区的大小或形状)可以被确定为特征分析参数。这些分析参数中的一个或多个用于使得能够识别假设可能发生可比较的可识别的情况/可比较的误差的区。优选地，使用多于一个或所有分析参数详细描述第一区。

对于与第一热分布内的第一区相对应的子部分，在步骤1220中确定质量参数，例如，均匀度或误差类型。根据实施方式，可以手动地(即，由操作员)确定该质量参数。可能的变体是手动测量例如分离的均匀度或视觉检查。该步骤1220的结果是将相应的第一分析参数或相应的分析参数的第一集合分配给相应的质量参数。

在步骤1230中，分析参数和质量参数的组合被存储在例如本地或服务器上。

根据实施方式，针对多个可比较的情况重复这些步骤1100和1200是有利地。例如，如果在不同的子部分处发现相同的质量参数，例如相同的误差类型(参见步骤1330)，则自运行算法可以发现分析参数内的相似性，以便训练其自身来确定相关误差类型。例如，如果确定属于相同误差类型的相应区具有相同的取向，则可以以该取向指示相应误差类型的方式训练算法。可选地，可以考虑点内的温度值之间的温度偏差或与点之外的平均温度相比的点的平均温度之间的温度偏差。例如，当点温度与周围环境的偏差大于10度并且当取向相对于行进方向具有某个角度(例如，90°)时，算法可以发现通常发生属于相应误差类型的相应误差。如果每当发现相应的误差时可以确定这两个分析参数，则可以通过使用该方法推导出多个分析参数中的所述两个分析参数是相关的，并且哪个相应的阈值指示存在某种情况。由于存在多个可能的分析参数，并且可以通过使用训练数据来训练单个参数或单个参数的组合相对于误差类型的相关性。参数可以是组中的一个或多个：

·第一区相对于行进方向的取向；

·第一区内的温度值的平均温度；

·当与属于该第一区周围的测量点的温度值进行比较时，第一区内的温度值的相对温度；

·第一区的大小；

·第一区内的温度偏差；

·第一区的图案的形状；

·存在与该部分的第二子部分相对应的测量点的第二区；

·与该部分的另一子部分相对应的测量点的另一区；

·第一区至第二区或第一区至另一区的距离；以及

·第一区至第二区或第一区至另一区的相对位置。

应当注意，针对不同的误差类型，不同的分析参数可以是相关的。

总之，优选地针对将可比较的误差类型映射到分析参数的不同情况重复两个步骤1100和1200，以便找出哪些分析参数和所述分析参数的哪个值指示相应的情况/误差。此外，优选地针对将不同的误差类型映射到分析参数的不同情况重复两个步骤1100和1200，以便找出哪些分析参数指示不同的情况/误差。这些误差类型或通常质量参数与一个或多个分析参数一起形成所谓的训练数据，使得能够训练算法。

根据进一步的实施方式，可以将针对相应情况的数据集存储为一种解决方案，如要改变的铺路机参数以便避免所确定的误差。

从确定分析参数的该中心过程开始，使得能够得到关于路面的质量(驾驶方向、点的取向、不同区之间的温度差)的结论。可以如下增强该过程。一般而言，上述方法1000使得能够从温度分布或另一种图像(例如，路面的彩色图像)中提取分析参数。这些是不常见或不期望的参数。在诊断阶段期间，可以确定质量参数和任选地潜在测量。在实施该测量之后，路面的图像改变，例如变得均匀。因此，相应的分析参数将低于相应的阈值，并且路面的质量在规范内。该过程可以描述如下：

-确定或使用分析参数；

-分析图像，例如，关于分析参数的热记录；

-执行诊断以确定路面的质量问题，即确定质量参数；

-提供关于潜在测量的消息以解决质量问题；

-实施测量；

-作为实施的结果，改变相应的分析参数；

-接收新图像并再次分析分析参数。

分析参数的确定或分析参数的验证针对通过人工智能执行的分析是重要的。

其背景独立于分析参数，可以使用相应地训练的人工智能图像识别算法来分析图像并提取诊断。在这种情况下，训练数据集仅包括使得能够执行诊断的图像和相应的质量参数。该过程被称为“标记”并且可以由人类支持，例如，通过选择应该执行标记所基于的分析参数。在缺少人类支持的情况下，可能发生不同质量情况之间的差异是误导性的。例如，被训练用于在哈士奇和狼的图像之间执行区分的人工智能算法可以基于错误的参数，例如背景，因为哈士奇通常被记录在冬季景观中。当由人工智能算法自动确定这种错误的参数时，大多数决策可以是正确的，但是放在了完全错误的参数中，因为这种算法无法区分哈士奇和狼，而更多的是区分冬季景观中的动物或另一景观中的动物。因此，根据实施方式，预先选择分析参数。

关于要输出到铺路工作人员的所提出的测量/指令，应当注意，根据实施方式，可以证明这些测量的有效性。例如，可以确定在实施测量之后拍摄的相应图像的相同质量参数，以证明所采取的动作是否成功。根据实施方式，可以将关于相应分析参数的信息输出至例如执行算法的训练的中央单元，以便评估所提出的测量。根据另一实施方式，可以监测工程机械/路面的改变的参数，并与分析参数一起并且可选地与质量参数一起反馈至训练算法，以便监测在哪种情况下哪些参数导致哪种结果。如此实施的系统可以连续地学习新问题点的确定，并连续地改进所选解决方案的有效性(例如，改变机器参数)。

方法1000可以优选地通过形成人工智能的神经回路来完成。此处，针对每种情况(点)确定的多个分析参数被用作神经回路的输入参数，其中，基于与可比较的质量参数相关的相应分析参数的相关性来确定节点。图11a和图11b示出了基于人工智能的计算单元的这种黑匣子。

图11a示出了例如从连接到红外相机1420(一般温度传感器)的接口1410接收至少第一热分布IR的计算单元1400。温度分布可以是用于包括至少第一子部分的路面的相应部分的红外图像IR。该第一子部分与例如由操作员分析的温度分析并行。基于该分析，生成质量参数QP并将其转发到计算单元1400。这两个参数IR和QP是输入参数。这些输入参数IR₁、IR₂、IR₃、IR_n和QP₁、QP₂、QP₃和QP_n优选地被接收用于多种情形，例如，多个子部分或部分。这些部分可以使用通过使用相同或不同的铺路机的相同的铺路区域或不同的铺路区域来确定。

基于至少一对参数IR₁/OQ₁或IR₂/OQ₂或IR₃/OQ₃，生成彼此分配的相应数据集。假设QP₁和QP1₃描述了可比较的质量参数，例如相同的误差类型，则可以确定分析参数之间的相似性，即IR₁与IR₃之间的相似性。每对IR₁和QP₁以及IR₃和QP₃形成相应的数据集，例如，数据集情形1和数据集情形1'。两个数据集都可以用于描述相应的误差类型。通过具有多个这种数据集，可以确定所有分析参数和相应的阈值/阈值(大于120度或在115度至130度的范围内)范围中的相关分析参数。多个数据集“sit.1”提高了相应情况的确定效率和确定精度。当然，根据实施方式，可以确定不同的情况，例如，属于不同的质量参数。此处，数据集IR₂和QP₂产生描述不同情况的数据集，此处是情形2(数据集“sit.2”)。

应注意，数据集sit.2和数据集sit.1'用阴影线标记，因为根据基本实现方式分析多对ER_n和QP_n仅为可选的。

图11b示出了计算单元1400的另一配置。该计算单元接收相同的输入参数IR和OP，以确定它们相应的数据集。然而，根据图11b的实施方式的计算单元1400进一步使得能够接收决策参数作为学习数据的一部分。该决策参数可以是例如通过使用不同的传感器确定的参数。例如，该决策参数可以取决于铺路机的操作参数或铺路机的配置。例如，屏幕的宽度或铺路材料的温度可能会产生影响。该决策参数可以用作输入参数或可以用于适配节点，例如，要组合的节点的数量或分析参数。

根据实施方式，通过使用训练数据确定的确定算法具有多个决策层。例如，在第一决策层中，可以确定检测区是否具有取向。在下一个决策中，可以确定取向是垂直于还是平行于行进方向。在下一个决策层内，可以确定该区是热区还是冷区。通过使用这些决策，可以将情况清楚地分配给质量参数。然而，其他分析参数或另一顺序可以具有相同的结果。自学习算法使得能够找出哪个参数和哪个顺序导致高确定效率和精度。其背景是相应决策的顺序可能会产生影响；例如，导致平行于行进方向的分离点的误差可以具有低温度水平或中等温度水平的温度值。沿着行进方向从一端到另一端的温度由于沿着行进方向的点内不同位置的冷却持续时间不同而不同。因此，沿着行进方向的纵向点的确定可以使绝对温度值的一些分析例如过时。因此，首先确定取向(即，第一决策层中的一个)可能是有益的。通过使用多个训练数据，可以找出相应分析参数之间的交叉引用。优选地，这通过使得能够使用大数据(大量训练数据)的益处的人工智能方法来完成。

尽管已经在设备的上下文中描述了一些方面，但是清楚的是，这些方面还表示对应方法的描述，其中，框或装置与方法步骤或方法步骤的特征相对应。类似地，在方法步骤的上下文中描述的方面还表示对应设备的对应框或项目或特征的描述。一些或所有方法步骤可以通过(或使用)硬件设备(例如像微处理器、可编程计算机或电子电路)来执行。在一些实施方式中，一些一个或多个最重要的方法步骤可以由这样的设备来执行。

根据某些实施要求，本发明的实施方式可以以硬件或软件实施。可以使用数字存储介质(例如，软盘、DVD、蓝光、CD、ROM、PROM、EPROM、EEPROM或闪存)执行该实现方式，数字存储介质具有存储在其上的电子可读控制信号，该电子可读控制信号与可编程计算机系统协作(或能够协作)从而使得执行相应方法。因此，数字存储介质可以是计算机可读的。

根据本发明的一些实施方式包括具有电子可读控制信号的数据载体，该电子可读控制信号能够与可编程计算机系统协作，从而使得执行本文所述的方法之一。

通常，本发明的实施方式可以被实现为具有程序代码的计算机程序产品，当计算机程序产品在计算机上运行时，程序代码可操作用于执行这些方法之一。程序代码可以例如存储在机器可读载体上。

其他实施方式包括存储在机器可读载体上的用于执行本文所述的方法之一的计算机程序。

换句话说，本发明的方法的实施方式因此是具有程序代码的计算机程序，当计算机程序在计算机上运行时，程序代码用于执行本文所述的方法之一。

因此，本发明方法的进一步实施方式是数据载体(或数字存储介质，或计算机可读介质)，其包括记录在其上的用于执行本文所述的方法之一的计算机程序。数据载体、数字存储介质或记录介质通常是有形的和/或非过渡性的。

因此，本发明方法的进一步实施方式是表示用于执行本文所述的方法之一的计算机程序的数据流或信号序列。数据流或信号序列可以例如被配置为经由数据通信连接(例如，经由因特网)进行传送。

进一步的实施方式包括处理装置，例如，计算机或可编程逻辑装置，该处理装置被配置为或被适配为执行本文所述的方法之一。

进一步的实施方式包括其上安装有用于执行本文所述的方法之一的计算机程序的计算机。

根据本发明的进一步的实施方式包括被配置为将用于执行本文所述的方法之一的计算机程序传送(例如，电子地或光学地)到接收器的设备或系统。接收器可以例如是计算机、移动装置、存储装置等。该设备或系统可以例如包括用于将计算机程序传送至接收器的文件服务器。

在一些实施方式中，可编程逻辑装置(例如，现场可编程门阵列)可以用于执行本文所述的方法的一些或所有功能。在一些实施方式中，现场可编程门阵列可以与微处理器协作以便执行本文所述的方法之一。通常，这些方法优选地由任何硬件设备来执行。

上述实施方式仅用于说明本发明的原理。应理解，本文所述的布置和细节的修改和变化对于本领域的其他技术人员将是显而易见的。因此，其目的仅由随后的专利权利要求的范围限制，而不由通过本文实施方式的描述和解释呈现的具体细节限制。