CN102055613A

CN102055613A - 一种网络质量评价方法

Info

Publication number: CN102055613A
Application number: CN2010105865315A
Authority: CN
Inventors: 周宇; 周红琼; 叶庆卫; 王晓东
Original assignee: Ningbo University
Current assignee: Ningbo University
Priority date: 2010-12-13
Filing date: 2010-12-13
Publication date: 2011-05-11
Anticipated expiration: 2030-12-13
Also published as: CN102055613B

Abstract

本发明公开了一种网络质量评价方法，优点在于服务器中预设的主观和客观神经网络分别利用主观和客观评价数据进行自适应学习，得到主观和客观综合评价数据，然后主观和客观神经网络利用主观和客观综合评价数据进行共振学习，使得主观和客观综合评价数据相互影响，得到主客观综合评价结构，再在客户端利用该主客观综合评价结构获取对当前网络质量的主客观综合评价数据，这种评价方法将用户对网络的感知引入网络质量评价中，避免了单纯考虑网络性能指标情况下缺乏对不同网络应用、不同网络覆盖区的差异性分析，降低了单独地主观或客观评价的不确定性，实现了网络质量的全面、综合评价，提高了评价准确度，为各种网络应用、用户感知提供了有力依据。

Description

一种网络质量评价方法

技术领域

本发明涉及一种网络质量评价技术，尤其是涉及一种网络质量评价方法。

背景技术

随着现代通信的不断进步，以TCP/IP网络为核心的Internet取得了飞速的发展，TCP/IP网络在现代通信中的实际应用已经创造了巨大的经济效益和社会效益。但是目前的IP网络并未完全完善，由于网络规模扩大、网络带宽增加、复杂性不断提高、网络新业务不断出现，因此网络的可靠性、稳定性以及高效性等诸多性能方面的表现也被越来越多的网络使用者和网络管理开发者所关注，人们对互连网络的流量特征、性能特征、网络行为模型缺乏理解和精确描述的问题日益突出。同时，目前人们对于网络较为深入的认识只限于网络测量手段，严重影响了网络未来发展和有效利用，近些年来人们已经从开始的IP网络普及建设，逐渐转变为以未来高级、稳定、可预测、可控的网络作为网络建设的最终目标。IP网络质量分析评价己经成为一个独立并且不可忽视的研究领域，并且从今后实际应用的角度将对网络的完善和优化起到重要的依据。在网络传输中，需要确定网络当前的状态，并且在设计、维护、优化类似的网络时，需要事先对目标网络作性能评价。

然而，目前的研究中尚不存在完善的IP网络质量综合评估方法，在对网络质量的评估基本是建立在各类网络性能指标的评价、分析、综合之上，没有统一的模型标准，并且缺乏对具体网络应用、用户差异性的考虑，不能真实、全面地反映网络质量情况。IETF和ITU - T建立了IP网络性能度量集，但未建立综合评价模型。有的研究以网络性能测量点评估网络，强调网络性能指标集。还有的研究有分类的网络监控和管理指标，但指标非常抽象，缺乏定量分析。另外，一些学者尝试运用模糊评估的方法对IP网络的质量进行评价，但是其网络质量各指标隶属值的确定没有统一、权威的方法。

因此，建立一套可行、科学、实用、可信的网络性能评价方法和体系，用于对网络包括安全性、稳定型、实用型等进行评估，对网络性能进行评价，以便为用户提供具有较高可信度的网络服务，为网络维护、优化提供支持和依据，就成为了一件非常有意义的事情。

发明内容

本发明所要解决的技术问题是提供一种安全、稳定、可靠，且评价准确度高的网络质量评价方法。

本发明解决上述技术问题所采用的技术方案为：一种网络质量评价方法，其特征在于包括以下步骤：

①采集网络用户对网络质量进行评价的主观评价数据，并直接同步测量反映网络质量的性能指标，将测得的性能指标作为客观评价数据；

②对主观评价数据和客观评价数据分别进行预处理，得到标准化的主观评价数据和标准化的客观评价数据，然后将标准化的主观评价数据和标准化的客观评价数据存储于服务器的数据库中；

③执行主观神经网络和客观神经网络的训练过程：将标准化的主观评价数据作为服务器中预设的主观神经网络的训练样本，将标准化的客观评价数据作为服务器中预设的客观神经网络的训练样本，主观神经网络利用标准化的主观评价数据进行自适应学习，不断调整主观神经网络的网络结构直至其稳定为止，得到主观综合评价数据，客观神经网络利用标准化的客观评价数据进行自适应学习，不断调整客观神经网络的网络结构直至其稳定为止，得到客观综合评价数据；

④执行主观神经网络和客观神经网络的共振学习，动态融合过程：主观神经网络和客观神经网络自适应学习结束后，主观神经网络和客观神经网络分别利用主观综合评价数据和客观综合评价数据进行主观神经网络和客观神经网络的共振学习，不断调整主观神经网络和客观神经网络的网络结构，以充分融合主观综合评价数据和客观综合评价数据，得到主客观综合评价结构；

⑤服务器将主客观综合评价结构传输给各个客户端；

⑥采集客户端的网络用户对网络质量进行评价的主观评价数据，并直接同步测量反映网络质量的性能指标，将测得的性能指标作为客观评价数据；

⑦对主观评价数据和客观评价数据分别进行预处理，得到标准化的主观评价数据和标准化的客观评价数据；

⑧将标准化的主观评价数据和标准化的客观评价数据分别输入到主客观综合评价结构中，获取对当前网络质量的主客观综合评价数据。

所述的主观评价数据为通过不同的网络用户对网络质量进行实时打分，由网络用户的主观感觉对网络质量的优劣做出的评定，评定的结果直接反映网络用户对网络质量的满意程度。

所述的客观评价数据为通过专业设备或方法直接测量得到的用于反映网络质量的各项性能指标的数字化表示。

所述的对主观评价数据进行预处理，得到标准化的主观评价数据的具体过程为：将以百分制分数表示的主观评价数据直接归一化到（0,1）区间内，得到标准化的主观评价数据。

所述的对客观评价数据进行预处理，得到标准化的客观评价数据的方式有两类：第一类，利用韦伯——费西纳定律将客观评价数据转化为用户的主观感觉量，记为S，S=K×log（I）+C，其中，K为一常数，表示感知系数，I为客观评价数据，C表示积分常数；再将用户的主观感觉量S作为标准化的客观评价数据；第二类，利用归一化函数y=kx+b的数学模型对客观评价数据进行预处理，得到标准化的客观评价数据y，其中，x表示客观评价数据，k和b均为常数。

所述的主观神经网络和所述的客观神经网络均为BP神经网络。

与现有技术相比，本发明的优点在于服务器中预设的主观神经网络和客观神经网络分别利用主观评价数据和客观评价数据进行自适应学习，不断调整自身的网络结构，分别得到主观综合评价数据和客观综合评价数据，然后主观神经网络和客观神经网络通过利用主观综合评价数据和客观综合评价数据进行共振学习，使得主观综合评价数据和客观综合评价数据相互影响，动态平衡，充分融合网络用户感知的主观评价和性能指标测量的客观评价，得到主客观综合评价结构，再在客户端利用该主客观综合评价结构获取对当前网络质量的主客观综合评价数据，这种评价方法将用户对网络的感知引入网络质量评价中，避免了单纯考虑网络性能指标情况下缺乏对不同网络应用、不同网络覆盖区的差异性分析，有效降低了单独地主观评价或客观评价的不确定性，实现了网络质量的全面、综合评价，提高了评价准确度，为各种网络应用、用户感知提供了有力依据，且安全、稳定、可靠。

附图说明

图1为本发明的网络质量评价方法的流程示意图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

本发明提出的一种网络质量评价方法，其流程如图1所示，其主要包括以下步骤：

①采集网络用户对网络质量进行评价的主观评价数据，并直接同步测量反映网络质量的性能指标，将测得的性能指标作为客观评价数据。

②对主观评价数据和客观评价数据分别进行预处理，得到标准化的主观评价数据和标准化的客观评价数据，然后将标准化的主观评价数据和标准化的客观评价数据存储于服务器的数据库中。

③执行主观神经网络和客观神经网络的训练过程：将标准化的主观评价数据作为服务器中预设的主观神经网络的训练样本，将标准化的客观评价数据作为服务器中预设的客观神经网络的训练样本，主观神经网络利用标准化的主观评价数据进行自适应学习，不断调整主观神经网络的网络结构直至其稳定为止，得到主观综合评价数据，客观神经网络利用标准化的客观评价数据进行自适应学习，不断调整客观神经网络的网络结构直至其稳定为止，得到客观综合评价数据。在此，主观神经网络和客观神经网络均为BP神经网络。

④执行主观神经网络和客观神经网络的共振学习，动态融合过程：主观神经网络和客观神经网络自适应学习结束后，主观神经网络和客观神经网络分别利用主观综合评价数据和客观综合评价数据进行主观神经网络和客观神经网络的共振学习，不断调整主观神经网络和客观神经网络的网络结构，以充分融合主观综合评价数据和客观综合评价数据，得到主客观综合评价结构。

⑤服务器将主客观综合评价结构传输给各个客户端。

⑥采集客户端的网络用户对网络质量进行评价的主观评价数据，并直接同步测量反映网络质量的性能指标，将测得的性能指标作为客观评价数据。

⑦对主观评价数据和客观评价数据分别进行预处理，得到标准化的主观评价数据和标准化的客观评价数据。

在此具体实施例中，主观评价数据为通过不同的网络用户对网络质量进行实时打分，由网络用户的主观感觉对网络质量的优劣做出的评定，评定的结果直接反映网络用户对网络质量的满意程度；客观评价数据为通过专业设备或方法（如Ping、泊松采样测量工具Posip，traceroute、T-raceroute等）直接测量得到的用于反映网络质量的各项性能指标的数字化表示，网络质量的性能指标主要有连通性、吞吐量、带宽、包转发率、信道利用率、信道容量、带宽利用率、包损失、包损失率、传输延时、延时抖动等，根据不同的网络应用特点，性能指标可有不同的组合方式。

在对网络质量进行主观评价时，由于网络用户群的差异、地区差异以及各种网络业务的差别，网络用户对所使用的网络质量的评价是不尽相同的，网络用户各自关注的网络表现也是不一样的，例如，传输文件的网络用户更关心网络的时延等待时间；看视频的网络用户却关心网络的网络状况，延时是否严重和存在的时延抖动。如何根据地区、应用差异采集主观评价数据是进行主观评价的重要一环。首先，主观评价指标应该是各类网络性能指标的表面现象，应遵循以下原则：1）按地区分大类的时候，指标应当尽可能全面，可包括各种网络现象，如页面打开速度、收发邮件速度、上传下载速度、在线视频、在线游戏等，囊括了各方面的网络应用；不同地区的网络用户群也存在差异，针对现实情况，可在地区大类下设不同网络应用的主观评价指标，这些指标跟网络用户的网络行为密切相关，如果用户是浏览网页、看看新闻，则将侧重于延时等待表现的评价，如果用户在线看电影，则将偏重于延时抖动的评价；2）针对不同的网络的应用，给出不同的主观评价指标供网络用户评分；3）供网络用户评分的主观评价指标应该注重人性化的设计，相互之间尽可能少的交叉。

在此具体实施例中，对主观评价数据进行预处理，得到标准化的主观评价数据的具体过程为：采集到的主观评价数据是以百分制分数表示的，因此将以百分制分数表示的主观评价数据直接归一化到（0,1）区间内，就可得到标准化的主观评价数据。

在此具体实施例中，对客观评价数据进行预处理，得到标准化的客观评价数据的方式有两类：第一类，利用韦伯——费西纳定律将客观评价数据转化为用户的主观感觉量，记为S，S=K×log（I）+C，其中，K为一常数，表示感知系数，I为客观评价数据，C表示积分常数；再将用户的主观感觉量S作为标准化的客观评价数据。

如可以选一个用户基本满意、网络状况良好时刻的客观指标作为参照，例如若选择可用带宽a作为基准，测试中有可用带宽b>a、c<a的数据，则根据韦伯——费西纳定律，△S1=K(lg(b)-lg(a))，△S2=K(lg(a)-lg(c))，据此，可以将b预处理为0.5+△S1，将c预处理为0.5-△S2。在这里，可以将K值取为1，C的取值可以不做要求，因为在预处理部分C将被抵消掉。K值还可以根据不同的客观评价数据使用不同值来实现客观评价数据的拟合。

第二类，利用归一化函数y=kx+b的数学模型对客观评价数据进行预处理，得到标准化的客观评价数据y，其中，x表示客观评价数据，k和b均为常数，在此k和b因网络性能指标的不同而有所不同，因此在实际应用过程中由实际情况而选定。

该类预处理方式运用了一次函数，以包延时为例，若规定延时100ms及以上是0，延迟10ms及以下是1，评价分数随着延时的递增而线性减小，选用y=kx+b的数学模型实现，可得到：100k+b=0，10k+b=1，从而可以得到：k= —1/90，b=10/9，最终确定客观评价的归一化函数为y= -（1/90）x+10/9,（10≦x≦100）。

Claims

1.一种网络质量评价方法，其特征在于包括以下步骤：

⑤服务器将主客观综合评价结构传输给各个客户端；

2.根据权利要求1所述的一种网络质量评价方法，其特征在于所述的主观评价数据为通过不同的网络用户对网络质量进行实时打分，由网络用户的主观感觉对网络质量的优劣做出的评定，评定的结果直接反映网络用户对网络质量的满意程度。

3.根据权利要求2所述的一种网络质量评价方法，其特征在于所述的客观评价数据为通过专业设备或方法直接测量得到的用于反映网络质量的各项性能指标的数字化表示。

4.根据权利要求1至3中任一项所述的一种网络质量评价方法，其特征在于所述的对主观评价数据进行预处理，得到标准化的主观评价数据的具体过程为：将以百分制分数表示的主观评价数据直接归一化到（0,1）区间内，得到标准化的主观评价数据。

5.根据权利要求4所述的一种网络质量评价方法，其特征在于所述的对客观评价数据进行预处理，得到标准化的客观评价数据的方式有两类：第一类，利用韦伯——费西纳定律将客观评价数据转化为用户的主观感觉量，记为S，S=K×log（I）+C，其中，K为一常数，表示感知系数，I为客观评价数据，C表示积分常数；再将用户的主观感觉量S作为标准化的客观评价数据；第二类，利用归一化函数y=kx+b的数学模型对客观评价数据进行预处理，得到标准化的客观评价数据y，其中，x表示客观评价数据，k和b均为常数。

6.根据权利要求5所述的一种网络质量评价方法，其特征在于所述的主观神经网络和所述的客观神经网络均为BP神经网络。