CN107705037B - 一种面向上下文信息处理的QoX质量体系系统及其工作方法 - Google Patents
一种面向上下文信息处理的QoX质量体系系统及其工作方法 Download PDFInfo
- Publication number
- CN107705037B CN107705037B CN201711021778.0A CN201711021778A CN107705037B CN 107705037 B CN107705037 B CN 107705037B CN 201711021778 A CN201711021778 A CN 201711021778A CN 107705037 B CN107705037 B CN 107705037B
- Authority
- CN
- China
- Prior art keywords
- unit
- qoc
- context information
- quality
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
Abstract
本发明涉及一种面向上下文信息处理的QoX质量体系系统及其工作方法,包括采集设备质量模块、上下文信息质量模块、服务质量模块以及用户体验质量模块,服务质量模块计算出系统服务的QoS参数,并产生相应的调整信息输送至采集设备质量模块,采集设备质量模块根据调整信息,选择符合系统需求的采集设备,用户体验质量模块获取用户对整个应用服务的QoE指标,并产生反馈信息,发送到上下文信息质量模块,上下文信息模块根据反馈信息,调整预设QoC值,形成闭环的自适应调节。本发明将QoX定义为一种融合QoD、QoC、QoS和QoE的层次化综合质量指标,用于表达目标系统的整体质量水平,衡量系统性能的优劣。
Description
技术领域
本发明涉及一种面向上下文信息处理的QoX质量体系系统及其工作方法,属于普适计算中上下文感知的技术领域。
背景技术
上下文感知系统是以人为中心的计算系统,该计算系统能够主动感知实体周围的上下文信息及其变化,基于对上下文感知环境的管理和对上下文信息的处理,为实体间的互操作提供支持,进而向用户提供与当前上下文相关的服务,提高用户体验质量(QoE,Quality of Experience)。如今,上下文感知技术在数字家庭、智慧医疗等领域已经得到了初步应用,相比传统的计算模式,极大地提升了用户体验。
随着对上下文感知相关关键技术研究的深入,现有的上下文感知系统架构虽已逐步完善,但仍缺乏系统性的评价指标。已有研究学者针对上下文感知服务,提出了上下文信息质量(QoC,Quality of Context)、采集设备质量(QoD,Quality of Device)以及服务质量(QoS,Quality of Service)的基本概念,重点阐述了QoC的指标及其作用。之后,这些质量指标被广泛应用于上下文信息的处理中,并取得了很好的处理效果。
然而,现有的这些质量指标相对孤立、缺乏系统性,不能实现全局的最优,从而导致系统所提供的服务不能满足用户需求,最终影响用户的体验效果。目前已有研究学者论述了QoC、QoS和QoD之间的关系,但其并未提及QoE,然而在上下文感知系统中,QoE才是最高指标,代表了用户的体验效果,QoE与其他指标之间缺乏联系,将直接影响用户需求是否能被满足,能否有一个好的用户体验质量;之后,也有学者提出QoE与QoS和用户状态有关,然而没有研究它们与QoC、QoD之间的关系,使得系统采集层、信息处理层与应用层之间出现缝隙,导致系统做出错误的决策,用户体验质量下降。因此,如何利用各项质量指标之间的关系,设计一个综合性的应用于上下文信息处理的质量体系,是上下文感知领域进一步研究的一大挑战。
发明内容
针对现有技术的不足,本发明提供了一种面向上下文信息处理的QoX质量体系系统。
本发明还公开了上述系统的工作方法。
上下文感知系统以人为中心,旨在向用户提供个性化、智能化的服务,QoX质量指标的加入,能够更好地实现这一目标。在QoX质量体系中,QoD、QoC、QoS以及QoE分别表达采集设备质量的好坏、上下文信息处理的水平、提供服务的质量等级以及用户体验效果,它们之间存在着相互制约的关系,因而可以实现自适应调节的功能。本发明以用户体验QoE为上层评价指标,通过与其他质量指标的制约关系,实现整个体系的不断调整优化,最终向用户提供使其满意的服务。
本发明将QoX定义为一种融合QoD、QoC、QoS和QoE的层次化综合质量指标,用于表达目标系统的整体质量水平,衡量系统性能的优劣。
本发明的技术方案为:
一种面向上下文信息处理的QoX质量体系系统,包括:采集设备质量模块(QoD)、上下文信息质量模块(QoC)、服务质量模块(QoS)以及用户体验质量模块(QoE);
所述采集设备质量模块、所述上下文信息质量模块及所述服务质量模块依次连接,所述用户体验质量模块包括所述服务质量模块,所述服务质量模块连接所述采集设备质量模块,所述用户体验质量模块连接所述上下文信息质量模块;
所述采集设备质量模块用于从采集设备配置文件中获取QoD参数,所述QoD参数是指用于描述采集设备质量的参数,以及根据调整信息选择符合系统需求的采集设备,所述调整信息是指所述服务质量模块获取的QoS参数值,用于选择合适的QoD参数;所述QoS参数值是指描述系统服务性能的参数,包括系统响应时间、延迟和成本;所述上下文信息质量模块用于上下文信息QoC指标值的计算、不确定性的处理以及根据所述用户体验质量模块的反馈信息形成闭环的自适应调节;所述QoC指标是指用于描述上下文信息质量的指标,包括完整性、可信度、精确性和更新度;所述不确定性的处理是指对上下文信息做不一致、不完备和不精确处理;所述反馈信息是指所述用户体验质量模块获取的QoE指标值,用于调整预设QoC指标值;所述QoE指标值是指用于表达用户对应用服务满意程度的用户评分指标;所述服务质量模块用于计算系统服务的QoS参数值,并产生相应的调整信息发送至所述采集设备质量模块;所述用户体验质量模块用于获取用户对整个应用服务的QoE指标值,并产生反馈信息,发送到所述上下文信息质量模块。
根据本发明优选的,所述采集设备质量模块包括依次连接的传感器单元和传感器QoD参数获取单元;
所述传感器单元是指获取原始信息所需的各种类型传感器,包括物理传感器、虚拟传感器;所述QoD参数包括传感器精度、使用寿命、采样频率和传感器测量的最大距离,所述传感器QoD参数获取单元根据传感器的配置文件获取所述QoD参数。
采用采集设备质量模块,最大的优点在于对每一个传感器都获取了它相对应的QoD参数值,数字化直观地显示出每个传感器的性能,为后续的根据系统预设选择符合系统要求的采集设备打下基础。
根据本发明优选的,所述上下文信息质量模块包括:预设QoC值单元、原始上下文信息单元、QoC指标计算单元、上下文预处理单元、上下文不确定性处理单元、高质量上下文信息单元、处理后的QoC指标单元以及QoC指标库单元;
所述预设QoC值单元、所述原始上下文信息单元、所述QoC指标计算单元、所述上下文预处理单元、所述上下文不确定性处理单元、所述高质量上下文信息单元以及所述处理后的QoC指标单元依次连接,所述预设QoC值单元、所述QoC指标计算单元、所述上下文预处理单元、所述上下文不确定性处理单元以及所述处理后的QoC指标单元分别与所述QoC指标库单元相连;所述原始上下文信息单元连接所述传感器单元;
所述预设QoC值单元用于系统预设QoC指标值,作为上下文预处理单元的阈值;所述原始上下文信息单元用于获取所述传感器单元采集的原始数据;所述QoC指标计算单元用于根据QoC指标计算公式计算出原始上下文信息的完整性、可信度、精确性;所述上下文预处理单元是指根据预设的QoC指标值,删除低于预设的QoC指标值的上下文信息,保留不低于预设值的上下文信息;所述上下文不确定性处理单元将可信度、完整性、精确性指标值分别用于处理上下文不一致、不完整及不精确;所述高质量上下文信息单元用于获取经过所述上下文不确定性处理单元处理后得到的质量比较高的上下文信息,计算出此时的QoC指标值;所述处理后的QoC指标单元是指根据高质量上下文信息计算出的QoC指标值;所述QoC指标库用于存储上下文信息处理过程中的所有QoC指标以及QoC指标值,所述QoC指标值就是指QoC指标实际的数值;如0.9;
上下文信息质量模块的有益效果在于首先采用QoC指标对原始上下文信息做预处理和不确定性处理,提高了上下文信息的质量,为后续的融合推理判决提供高质量的上下文信息,进而提高判决正确率;其次可以根据用户体验质量模块的反馈信息,调整预设QoC值,形成自适应的闭环调节。
根据本发明优选的,所述服务质量模块包括融合推理单元、上下文判决单元和QoS参数计算单元;所述融合推理单元与所述上下文判决单元相连,所述融合推理单元、所述上下文判决单元分别与所述QoS参数计算单元相连;所述融合推理单元连接所述高质量上下文信息单元;
所述融合推理单元采用贝叶斯方法、DS证据论方法对获得的高质量上下文信息做进一步的融合推理;所述上下文判决单元表示根据融合推理结果做出相应的判决;所述QoS参数计算单元计算出所述QoS参数,以及产生调整信息发送到所述传感器QoD参数获取单元,所述传感器QoD参数获取单元根据调整信息选择符合条件的采集设备,即:QoS参数系统响应时间低于阈值时,根据QoD参数采样频率,选择采样频率高的采集设备。
所述服务质量模块的优势在于产生调整信息,输送到所述采集设备质量模块,选出最符合系统要求的采集设备,具有一定的自适应性。
根据本发明优选的,所述用户体验质量模块包括所述服务质量模块、用户单元以及QoE指标获取单元;所述服务质量模块、所述用户单元分别连接所述QoE指标获取单元;
所述服务质量模块用于计算系统服务的QoS参数,并产生相应的调整信息输送到所述传感器QoD参数获取单元;所述用户单元监测用户的心理状态,统计用户的偏好;所述QoE指标获取单元获取用户对应用的评分指标,并产生反馈信息发送到所述处理后的QoC指标单元,所述处理后的QoC指标单元根据反馈信息做出适当的调整,即:用户评分低于阈值时,以所述处理后的QoC指标单元得到的QoC值为参照,增大预设QoC指标值。
用户体验质量模块的有益效果在于通过反馈信息,不断调整上下文信息质量模块,直至达到预设的QoE阈值,即满足用户的需求,进而提高用户满意度。
上述面向上下文信息处理的QoX质量体系系统的工作方法,具体步骤包括:
步骤S01:获取QoD参数
所述传感器QoD参数获取单元,根据传感器配置文件,获取所述QoD参数;
步骤S02:调整采集设备
所述传感器单元,根据QoD参数和调整信息,选择符合条件的采集设备;
步骤S03:初始设置
所述预设QoC值单元预先设置QoC指标值,作为所述上下文预处理单元的阈值;系统根据应用需求设置QoS阈值,以及QoE阈值;
步骤S04:采集原始上下文信息
采用各类传感器获取的原始上下文信息;
步骤S05:计算QoC指标值
所述QoC指标计算单元,根据QoC计算公式,计算原始上下文信息的可信度T、完整性C、精确度A这三个QoC指标值;
步骤S06:上下文信息处理
所述上下文预处理单元根据预先设置的QoC指标值,删除低于该QoC指标值的上下文信息;所述上下文不确定性处理单元根据原始上下文信息的可信度T、完整性C、精确度A对所述上下文预处理单元处理后的上下文信息做不一致、不完整和不精确处理;
步骤S07:获取高质量上下文信息
上下文信息经过预处理、不确定性处理后得到的即为高质量上下文信息,发送至所述高质量上下文信息单元中;
步骤S08:融合推理判决
所述融合推理单元采用DS证据论、贝叶斯方法对高质量上下文信息进行融合;所述上下文判决单元根据所述融合推理单元的融合推理结果,做出进一步的判决;
步骤S09:计算QoS参数
所述QoS参数计算单元计算出系统响应时间参数RT;
步骤S10:判断是否达到QoS阈值
将步骤S09计算出的QoS参数值与预先设置的QoS阈值作比较,若未达到该QoS阈值,则执行步骤S11,若达到,则执行步骤S12;
步骤S11:调整信息
步骤S10发送调整信息到步骤S01,所述调整信息是指根据QoS参数调整QoD参数,进一步选择符合要求的采集设备;
步骤S12:用户状态分析
根据所述用户单元监测的用户心理状态,分析出当前时刻用户的心情;用户评分会受到用户心情的影响,用户心情低落,用户给出的评分会有所降低。
步骤S13:获取QoE指标
所述QoE指标获取单元根据所述服务质量模块产生的判决结果和用户当前心理状态,获得用户对应用的评分指标;
步骤S14:判断是否达到QoE阈值
将步骤S13获取的QoE指标和系统预设的QoE阈值作比较,若获取的QoE指标值小于阈值,则执行步骤S15,否则停止,表明达到了系统要求;
步骤S15:反馈信息
将此刻所述QoE指标获取单元获取的QoE指标值,作为反馈信息,输送到步骤S03,根据所述处理后的QoC指标单元,调整预设QoC值。
根据本发明优选的,计算原始上下文信息的QoC指标可信度T、完整性C、精确度A和更新度U,其计算公式如式(1)—式(4)下:
式(1)—式(4)中,N一致是指一致的上下文信息数目,一致是指若干个传感器对同一个实体测量的数据相同或者不冲突;
N总是指总的上下文信息数目;
N缺失是指缺失的上下文信息数目;
d(s,ε)是指传感器与实体之间的实际距离;实体是指待测量的实际物体;
d最大是指传感器测量的最大距离;
δ是指传感器的精度;
t当前是指上下文信息当前的时间;
t测量是指上下文信息测量的时间;
t有效是指上下文信息有效的时间。
根据本发明优选的,计算系统响应时间参数RT,计算公式如式(5)所示:
RT=t融合+t判决 (5)
式(5)中,t融合是指对高质量上下文信息进行融合的时间,t判决是指做出进一步的判决的时间。
本发明的有益效果为:
1、本发明提出了全新的QoX质量体系,为衡量系统提供了定量的评价指标,能够更加直观地显示出系统性能的优劣;
2、本发明不仅能够利用QoX这一系统级参数对上下文信息做处理,提高其质量,而且能够利用各个质量模块之间的关系达到不断调整优化系统的目标,实现系统的自适应调节;
3、针对不同的应用,通过选择不同的QoX参数以及利用各个质量模块之间的关系,以用户的体验质量为上层评价指标,为用户提供个性化、智能化的服务。
附图说明
图1为本发明面向上下文信息处理的QoX质量体系的结构框架示意图。
图2为本发明面向上下文信息处理的QoX质量体系的组成及连接关系示意图。
图3为本发明面向上下文信息处理的QoX质量体系的工作流程示意图。
具体实施方式
下面结合说明书附图和实施例对本发明作进一步限定,但不限于此。
实施例1
一种面向上下文信息处理的QoX质量体系系统,如图1所示,包括:采集设备质量模块(QoD)、上下文信息质量模块(QoC)、服务质量模块(QoS)以及用户体验质量模块(QoE);
采集设备质量模块、上下文信息质量模块及服务质量模块依次连接,用户体验质量模块包括服务质量模块,服务质量模块连接采集设备质量模块,用户体验质量模块连接上下文信息质量模块;
采集设备质量模块用于从采集设备配置文件中获取QoD参数,QoD参数是指用于描述采集设备质量的参数,以及根据调整信息选择符合系统需求的采集设备,调整信息是指服务质量模块获取的QoS参数值,用于选择合适的QoD参数;QoS参数值是指描述系统服务性能的参数,包括系统响应时间、延迟和成本;上下文信息质量模块用于上下文信息QoC指标值的计算、不确定性的处理以及根据用户体验质量模块的反馈信息形成闭环的自适应调节;QoC指标是指用于描述上下文信息质量的指标,包括完整性、可信度、精确性和更新度;不确定性的处理是指对上下文信息做不一致、不完备和不精确处理;反馈信息是指用户体验质量模块获取的QoE指标值,用于调整预设QoC指标值;QoE指标值是指用于表达用户对应用服务满意程度的用户评分指标;服务质量模块用于计算系统服务的QoS参数值,并产生相应的调整信息发送至采集设备质量模块;用户体验质量模块用于获取用户对整个应用服务的QoE指标值,并产生反馈信息,发送到上下文信息质量模块。
实施例2
根据实施例1所述的一种面向上下文信息处理的QoX质量体系系统,其区别在于,如图2所示,
采集设备质量模块包括依次连接的传感器单元和传感器QoD参数获取单元;
传感器单元是指获取原始信息所需的各种类型传感器,包括物理传感器、虚拟传感器;例如采集位置信息的GPS、蓝牙、WiFi等;QoD参数包括传感器精度、使用寿命、采样频率和传感器测量的最大距离,传感器QoD参数获取单元根据传感器的配置文件获取QoD参数。
采用采集设备质量模块,最大的优点在于对每一个传感器都获取了它相对应的QoD参数值,数字化直观地显示出每个传感器的性能,为后续的根据系统预设选择符合系统要求的采集设备打下基础。
上下文信息质量模块包括:预设QoC值单元、原始上下文信息单元、QoC指标计算单元、上下文预处理单元、上下文不确定性处理单元、高质量上下文信息单元、处理后的QoC指标单元以及QoC指标库单元;
预设QoC值单元、原始上下文信息单元、QoC指标计算单元、上下文预处理单元、上下文不确定性处理单元、高质量上下文信息单元以及处理后的QoC指标单元依次连接,预设QoC值单元、QoC指标计算单元、上下文预处理单元、上下文不确定性处理单元以及处理后的QoC指标单元分别与QoC指标库单元相连;原始上下文信息单元连接传感器单元;
预设QoC值单元用于系统预设QoC指标值,作为上下文预处理单元的阈值;原始上下文信息单元用于获取所述传感器单元采集的原始数据;QoC指标计算单元用于根据QoC指标计算公式计算出原始上下文信息的完整性、可信度、精确性;上下文预处理单元是指根据预设的QoC指标值,删除低于预设的QoC指标值的上下文信息,保留不低于预设值的上下文信息;例如,旅游景点推荐场景中,位置的更新度要求较高,若预设更新度为0.6,那么低于0.6的上下文信息没有较高价值,将被删去;上下文不确定性处理单元将可信度、完整性、精确性指标值分别用于处理上下文不一致、不完整及不精确;高质量上下文信息单元用于获取经过上下文不确定性处理单元处理后得到的质量比较高的上下文信息,计算出此时的QoC指标值;处理后的QoC指标单元是指根据高质量上下文信息计算出的QoC指标值;QoC指标库用于存储上下文信息处理过程中的所有QoC指标以及QoC指标值;QoC指标值就是指QoC指标实际的数值;如0.9;
上下文信息质量模块的有益效果在于首先采用QoC指标对原始上下文信息做预处理和不确定性处理,提高了上下文信息的质量,为后续的融合推理判决提供高质量的上下文信息,进而提高判决正确率;其次可以根据用户体验质量模块的反馈信息,调整预设QoC值,形成自适应的闭环调节。
服务质量模块包括融合推理单元、上下文判决单元和QoS参数计算单元;融合推理单元与上下文判决单元相连,融合推理单元、上下文判决单元分别与QoS参数计算单元相连;融合推理单元连接所述高质量上下文信息单元;
融合推理单元采用贝叶斯方法、DS证据论方法对获得的高质量上下文信息做进一步的融合推理;上下文判决单元表示根据融合推理结果做出相应的判决;QoS参数计算单元计算出QoS参数,以及产生调整信息发送到传感器QoD参数获取单元,传感器QoD参数获取单元根据调整信息选择符合条件的采集设备,即:QoS参数系统响应时间低于阈值时,根据QoD参数采样频率,选择采样频率高的采集设备。例如,当系统响应时间低于阈值,就需要调整QoD参数传感器的采样间隔,选择采样间隔小的传感器。
服务质量模块的优势在于产生调整信息,输送到采集设备质量模块,选出最符合系统要求的采集设备,具有一定的自适应性。
用户体验质量模块包括所述服务质量模块、用户单元以及QoE指标获取单元;服务质量模块、用户单元分别连接QoE指标获取单元;
服务质量模块用于计算系统服务的QoS参数,并产生相应的调整信息输送到传感器QoD参数获取单元;用户单元监测用户的心理状态,统计用户的偏好;QoE指标获取单元获取用户对应用的评分指标,并产生反馈信息发送到处理后的QoC指标单元,处理后的QoC指标单元根据反馈信息做出适当的调整,即:用户评分低于阈值时,以处理后的QoC指标单元得到的QoC值为参照,增大预设QoC指标值。
用户体验质量模块的有益效果在于通过反馈信息,不断调整上下文信息质量模块,直至达到预设的QoE阈值,即满足用户的需求,进而提高用户满意度。
实施例3
实施例2所述的面向上下文信息处理的QoX质量体系系统的工作方法,如图3所示,以智慧旅游系统为例,在智慧旅游系统中,用户到达一个未知地点时,传感器单元包括3个传感器S1、S2、S3获取用户的位置信息,经过处理后,给出附近旅游景点推荐,用户对整个系统服务给出评分。具体步骤包括:
步骤S01:获取QoD参数
传感器QoD参数获取单元,根据传感器配置文件,获取QoD参数;在该实施例中主要获取两个QoD参数:精度和采样间隔;传感器S1、S2和S3的精度分别为0.94、0.90、0.88,采样间隔分别为5s、10s和15s;
步骤S02:调整采集设备
传感器单元根据QoD参数和调整信息,选择符合条件的采集设备;
步骤S03:初始设置
预设QoC值单元预先设置QoC指标值,作为上下文预处理单元的阈值;系统根据应用需求设置QoS阈值,以及QoE阈值;在该实施例中,预设QoC指标值更新度为0.6,QoS阈值即响应时间为20s,QoE阈值即指标用户评分为4.5分(5分制);
步骤S04:采集原始上下文信息
采用各类传感器获取的原始上下文信息;在该实施例中,传感器S1、S2、S3采集的原始上下文信息均为位置信息;
步骤S05:计算QoC指标值
QoC指标计算单元,根据QoC计算公式,计算原始上下文信息的可信度T、完整性C、精确度A和更新度U这四个QoC指标值;计算公式如式(1)—式(4)下:
式(1)—式(4)中,N一致是指一致的上下文信息数目,一致是指若干个传感器对同一个实体测量的数据相同或者不冲突;
N总是指总的上下文信息数目;
N缺失是指缺失的上下文信息数目;
d(s,ε)是指传感器与实体之间的实际距离;实体是指待测量的实际物体;
d最大是指传感器测量的最大距离;
δ是指传感器的精度;
t当前是指上下文信息当前的时间;
t测量是指上下文信息测量的时间;
t有效是指上下文信息有效的时间。
此例中,需根据公式(1)计算出可信度T,根据公式(4)计算出更新度U;
步骤S06:上下文信息处理
上下文预处理单元根据预先设置的QoC指标值,删除低于该QoC指标值的上下文信息;上下文不确定性处理单元根据原始上下文信息的可信度T、完整性C、精确度A对上下文预处理单元处理后的上下文信息做不一致、不完整和不精确处理;
在该实施例中,系统根据步骤S05计算出的更新度和可信度,分别对上下文信息做预处理和不一致处理,将更新度低于0.6的信息删去;
步骤S07:获取高质量上下文信息
上下文信息经过预处理、不确定性处理后得到的即为高质量上下文信息,发送至所述高质量上下文信息单元中;
步骤S08:融合推理判决
融合推理单元采用DS证据论、贝叶斯方法对高质量上下文信息进行融合;上下文判决单元根据融合推理单元的融合推理结果,做出进一步的判决;
步骤S09:计算QoS参数
QoS参数计算单元计算出系统响应时间参数RT;计算公式如式(5)所示:
RT=t融合+t判决 (5)
式(5)中,t融合是指对高质量上下文信息进行融合的时间,t判决是指做出进一步的判决的时间。
步骤S10:判断是否达到QoS阈值
将步骤S09计算出的QoS参数值与预先设置的QoS阈值作比较,若未达到该QoS阈值,则执行步骤S11,若达到,则执行步骤S12;
步骤S11:调整信息
步骤S10发送调整信息到步骤S01,调整信息是指根据QoS参数调整QoD参数,进一步选择符合要求的采集设备;在该实施例中,假设计算出的QoS值为25s,大于20s,不符合要求,则发送调整信息到步骤S01,选择采样间隔小的采集设备;
步骤S12:用户状态分析
根据用户单元监测的用户心理状态,分析出当前时刻用户的心情;用户评分会受到用户心情的影响,用户心情低落,用户给出的评分会有所降低。
步骤S13:获取QoE指标
QoE指标获取单元根据所述服务质量模块产生的判决结果和用户当前心理状态,获得用户对应用的评分指标;
步骤S14:判断是否达到QoE阈值
将步骤S13获取的QoE指标和系统预设的QoE阈值作比较,若获取的QoE指标值小于阈值,则执行步骤S15,否则停止,表明达到了系统要求;
在该实施例中,QoE指标阈值为4.5分,将上一步获取的用户评分和4.5分进行比较,若小于,则转到步骤S15,否则结束,表明此时系统性能优,无需再调整;
步骤S15:反馈信息
将此刻QoE指标获取单元获取的QoE指标值,作为反馈信息,输送到步骤S03,根据处理后的QoC指标单元,调整预设QoC值。
在该实施例中,假设获取的用户评分为4.4分,小于4.5分,将其作为反馈信息,发送到步骤S03,表明此时需要提高预设的QoC值。
在该实施例中,以QoE指标用户评分达到4.5分及以上为最高要求,当用户评分小于4.5分时,系统先检查QoS指标,调整QoD参数,选择达到系统需求的采集设备,然后在根据QoE反馈信息,调整QoC预设值,进而对上下文信息做进一步处理,提高其质量,形成一个闭环的自适应调节,最终向用户提供其满意的旅游景点。
Claims (8)
1.一种面向上下文信息处理的QoX质量体系系统,其特征在于,包括:采集设备质量模块、上下文信息质量模块、服务质量模块以及用户体验质量模块;QoX定义为一种融合QoD、QoC、QoS和QoE的层次化综合质量指标,用于表达目标系统的整体质量水平,衡量系统性能的优劣;
所述采集设备质量模块、所述上下文信息质量模块及所述服务质量模块依次连接,所述用户体验质量模块包括所述服务质量模块,所述服务质量模块连接所述采集设备质量模块,所述用户体验质量模块连接所述上下文信息质量模块;
所述采集设备质量模块用于从采集设备配置文件中获取QoD参数,所述QoD参数是指用于描述采集设备质量的参数,以及根据调整信息选择符合系统需求的采集设备,所述调整信息是指所述服务质量模块获取的QoS参数值,用于选择合适的QoD参数;所述QoS参数值是指描述系统服务性能的参数,包括系统响应时间、延迟和成本;所述上下文信息质量模块用于上下文信息QoC指标值的计算、不确定性的处理以及根据所述用户体验质量模块的反馈信息形成闭环的自适应调节;所述QoC指标是指用于描述上下文信息质量的指标,包括完整性、可信度、精确性和更新度;所述不确定性的处理是指对上下文信息做不一致、不完备和不精确处理;所述反馈信息是指所述用户体验质量模块获取的QoE指标值,用于调整预设QoC指标值;所述QoE指标值是指用于表达用户对应用服务满意程度的用户评分指标;所述服务质量模块用于计算系统服务的QoS参数值,并产生相应的调整信息发送至所述采集设备质量模块;所述用户体验质量模块用于获取用户对整个应用服务的QoE指标值,并产生反馈信息,发送到所述上下文信息质量模块。
2.根据权利要求1所述的一种面向上下文信息处理的QoX质量体系系统,其特征在于,所述采集设备质量模块包括依次连接的传感器单元和传感器QoD参数获取单元;
所述传感器单元是指获取原始信息所需的各种类型传感器,包括物理传感器、虚拟传感器;所述QoD参数包括传感器精度、使用寿命、采样频率和传感器测量的最大距离,所述传感器QoD参数获取单元根据传感器的配置文件获取所述QoD参数。
3.根据权利要求2所述的一种面向上下文信息处理的QoX质量体系系统,其特征在于,所述上下文信息质量模块包括:预设QoC值单元、原始上下文信息单元、QoC指标计算单元、上下文预处理单元、上下文不确定性处理单元、高质量上下文信息单元、处理后的QoC指标单元以及QoC指标库单元;
所述预设QoC值单元、所述原始上下文信息单元、所述QoC指标计算单元、所述上下文预处理单元、所述上下文不确定性处理单元、所述高质量上下文信息单元以及所述处理后的QoC指标单元依次连接,所述预设QoC值单元、所述QoC指标计算单元、所述上下文预处理单元、所述上下文不确定性处理单元以及所述处理后的QoC指标单元分别与所述QoC指标库单元相连;
所述预设QoC值单元用于系统预设QoC指标值,作为上下文预处理单元的阈值;所述原始上下文信息单元用于获取所述传感器单元采集的原始数据;所述QoC指标计算单元用于根据QoC指标计算公式计算出原始上下文信息的完整性、可信度、精确性;所述上下文预处理单元是指根据预设的QoC指标值,删除低于预设的QoC指标值的上下文信息,保留不低于预设值的上下文信息;所述上下文不确定性处理单元将可信度、完整性、精确性指标值分别用于处理上下文不一致、不完整及不精确;所述高质量上下文信息单元用于获取经过所述上下文不确定性处理单元处理后得到的质量比较高的上下文信息;所述处理后的QoC指标单元是指根据高质量上下文信息计算出的QoC指标值;所述QoC指标库用于存储上下文信息处理过程中的所有QoC指标以及QoC指标值,所述QoC指标值就是指QoC指标实际的数值。
4.根据权利要求3所述的一种面向上下文信息处理的QoX质量体系系统,其特征在于,所述服务质量模块包括融合推理单元、上下文判决单元和QoS参数计算单元;所述融合推理单元与所述上下文判决单元相连,所述融合推理单元、所述上下文判决单元分别与所述QoS参数计算单元相连;
所述融合推理单元采用贝叶斯方法、DS证据论方法对获得的高质量上下文信息做进一步的融合推理;所述上下文判决单元表示根据融合推理结果做出相应的判决;所述QoS参数计算单元计算出所述QoS参数,以及产生调整信息发送到所述传感器QoD参数获取单元,所述传感器QoD参数获取单元根据调整信息选择符合条件的采集设备,即:QoS参数系统响应时间低于阈值时,根据QoD参数采样频率,选择采样频率高的采集设备。
5.根据权利要求4所述的一种面向上下文信息处理的QoX质量体系系统,其特征在于,所述用户体验质量模块包括所述服务质量模块、用户单元以及QoE指标获取单元;所述服务质量模块、所述用户单元分别连接所述QoE指标获取单元;
所述服务质量模块用于计算系统服务的QoS参数,并产生相应的调整信息输送到所述传感器QoD参数获取单元;所述用户单元监测用户的心理状态,统计用户的偏好;所述QoE指标获取单元获取用户对应用的评分指标,并产生反馈信息发送到所述处理后的QoC指标单元,所述处理后的QoC指标单元根据反馈信息做出适当的调整,即:用户评分低于阈值时,以所述处理后的QoC指标单元得到的QoC值为参照,增大预设QoC指标值。
6.权利要求5所述的所述的一种面向上下文信息处理的QoX质量体系系统的工作方法,其特征在于,包括步骤如下:
步骤S01:获取QoD参数
所述传感器QoD参数获取单元,根据传感器配置文件,获取所述QoD参数;
步骤S02:调整采集设备
所述传感器单元,根据QoD参数和调整信息,选择符合条件的采集设备;
步骤S03:初始设置
所述预设QoC值单元预先设置QoC指标值,作为所述上下文预处理单元的阈值;系统根据应用需求设置QoS阈值,以及QoE阈值;
步骤S04:采集原始上下文信息
采用各类传感器获取的原始上下文信息;
步骤S05:计算QoC指标值
所述QoC指标计算单元,根据QoC计算公式,计算原始上下文信息的可信度T、完整性C、精确性A这三个QoC指标值;
步骤S06:上下文信息处理
所述上下文预处理单元根据预先设置的QoC指标值,删除低于该QoC指标值的上下文信息;所述上下文不确定性处理单元根据原始上下文信息的可信度T、完整性C、精确性A对所述上下文预处理单元处理后的上下文信息做不一致、不完整和不精确处理;
步骤S07:获取高质量上下文信息
上下文信息经过预处理、不确定性处理后得到的即为高质量上下文信息,发送至所述高质量上下文信息单元中;
步骤S08:融合推理判决
所述融合推理单元采用DS证据论、贝叶斯方法对高质量上下文信息进行融合;所述上下文判决单元根据所述融合推理单元的融合推理结果,做出进一步的判决;
步骤S09:计算QoS参数
所述QoS参数计算单元计算出系统响应时间参数RT;
步骤S10:判断是否达到QoS阈值
将步骤S09计算出的QoS参数值与预先设置的QoS阈值作比较,若未达到该QoS阈值,则执行步骤S11,若达到,则执行步骤S12;
步骤S11:调整信息
步骤S10发送调整信息到步骤S01,所述调整信息是指根据QoS参数调整QoD参数,进一步选择符合要求的采集设备;
步骤S12:用户状态分析
根据所述用户单元监测的用户心理状态,分析出当前时刻用户的心情;
步骤S13:获取QoE指标
所述QoE指标获取单元根据所述服务质量模块产生的判决结果和用户当前心理状态,获得用户对应用的评分指标;
步骤S14:判断是否达到QoE阈值
将步骤S13获取的QoE指标和系统预设的QoE阈值作比较,若获取的QoE指标值小于阈值,则执行步骤S15,否则停止,表明达到了系统要求;
步骤S15:反馈信息
将此刻所述QoE指标获取单元获取的QoE指标值,作为反馈信息,输送到步骤S03,根据所述处理后的QoC指标单元,调整预设QoC值。
7.根据权利要求6所述的一种面向上下文信息处理的QoX质量体系系统的工作方法,其特征在于,计算原始上下文信息的QoC指标可信度T、完整性C、精确性A和更新度U,其计算公式如式(1)—式(4)下:
式(1)—式(4)中,N一致是指一致的上下文信息数目,一致是指若干个传感器对同一个实体测量的数据相同或者不冲突;
N总是指总的上下文信息数目;
N缺失是指缺失的上下文信息数目;
d(s,ε)是指传感器与实体之间的实际距离;实体是指待测量的实际物体;
d最大是指传感器测量的最大距离;
δ是指传感器的精度;
t当前是指上下文信息当前的时间;
t测量是指上下文信息测量的时间;
t有效是指上下文信息有效的时间。
8.根据权利要求6或7所述的一种面向上下文信息处理的QoX质量体系系统的工作方法,其特征在于,计算系统响应时间参数RT,计算公式如式(5)所示:
RT=t融合+t判决(5)
式(5)中,t融合是指对高质量上下文信息进行融合的时间,t判决是指做出进一步的判决的时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711021778.0A CN107705037B (zh) | 2017-10-26 | 2017-10-26 | 一种面向上下文信息处理的QoX质量体系系统及其工作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711021778.0A CN107705037B (zh) | 2017-10-26 | 2017-10-26 | 一种面向上下文信息处理的QoX质量体系系统及其工作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107705037A CN107705037A (zh) | 2018-02-16 |
CN107705037B true CN107705037B (zh) | 2021-03-19 |
Family
ID=61182490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711021778.0A Active CN107705037B (zh) | 2017-10-26 | 2017-10-26 | 一种面向上下文信息处理的QoX质量体系系统及其工作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107705037B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846481B (zh) * | 2018-06-25 | 2021-08-27 | 山东大学 | 一种基于QoX自适应管理的情景信息不确定性消除系统及其工作方法 |
CN108875030B (zh) * | 2018-06-25 | 2021-05-18 | 山东大学 | 一种基于层次化综合质量指标QoX的上下文不确定性消除系统及其工作方法 |
CN110825720B (zh) * | 2019-10-30 | 2023-05-16 | 齐鲁工业大学 | 一种可提高上下文质量的本体建模方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694629A (zh) * | 2009-10-23 | 2010-04-14 | 北京邮电大学 | 一种基于本体的上下文感知应用平台及其工作方法 |
CN101707559A (zh) * | 2009-10-30 | 2010-05-12 | 北京邮电大学 | 一种诊断和定量保障端到端服务质量的系统和方法 |
CN101783754A (zh) * | 2010-02-23 | 2010-07-21 | 浪潮通信信息系统有限公司 | 一种互联网业务客户感知QoE的测量方法 |
WO2014071974A1 (en) * | 2012-11-08 | 2014-05-15 | Nokia Solutions And Networks Oy | Mechanism for controlling a mobile communication with assured communication quality |
CN104838692A (zh) * | 2012-10-12 | 2015-08-12 | 诺基亚通信公司 | 用于单独地控制用户设备以便优化体验质量(qoe)的方法和设备 |
CN103246819B (zh) * | 2013-05-20 | 2016-10-05 | 山东大学 | 一种面向普适计算的不一致性上下文消除系统和方法 |
US9641411B1 (en) * | 2013-12-12 | 2017-05-02 | Google Inc. | Estimating latent demand with user prioritization |
CN106658559A (zh) * | 2016-11-10 | 2017-05-10 | 中国电子科技集团公司第二十八研究所 | 一种基于上下文预测的移动服务质量保持方法 |
CN106650941A (zh) * | 2016-12-30 | 2017-05-10 | 山东大学 | 一种基于可靠性管理的不确定性消除情景感知系统及其工作方法 |
CN107210926A (zh) * | 2014-12-10 | 2017-09-26 | 诺基亚通信公司 | 通信中的体验质量实施 |
-
2017
- 2017-10-26 CN CN201711021778.0A patent/CN107705037B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694629A (zh) * | 2009-10-23 | 2010-04-14 | 北京邮电大学 | 一种基于本体的上下文感知应用平台及其工作方法 |
CN101707559A (zh) * | 2009-10-30 | 2010-05-12 | 北京邮电大学 | 一种诊断和定量保障端到端服务质量的系统和方法 |
CN101783754A (zh) * | 2010-02-23 | 2010-07-21 | 浪潮通信信息系统有限公司 | 一种互联网业务客户感知QoE的测量方法 |
CN104838692A (zh) * | 2012-10-12 | 2015-08-12 | 诺基亚通信公司 | 用于单独地控制用户设备以便优化体验质量(qoe)的方法和设备 |
WO2014071974A1 (en) * | 2012-11-08 | 2014-05-15 | Nokia Solutions And Networks Oy | Mechanism for controlling a mobile communication with assured communication quality |
CN103246819B (zh) * | 2013-05-20 | 2016-10-05 | 山东大学 | 一种面向普适计算的不一致性上下文消除系统和方法 |
US9641411B1 (en) * | 2013-12-12 | 2017-05-02 | Google Inc. | Estimating latent demand with user prioritization |
CN107210926A (zh) * | 2014-12-10 | 2017-09-26 | 诺基亚通信公司 | 通信中的体验质量实施 |
CN106658559A (zh) * | 2016-11-10 | 2017-05-10 | 中国电子科技集团公司第二十八研究所 | 一种基于上下文预测的移动服务质量保持方法 |
CN106650941A (zh) * | 2016-12-30 | 2017-05-10 | 山东大学 | 一种基于可靠性管理的不确定性消除情景感知系统及其工作方法 |
Non-Patent Citations (1)
Title |
---|
"A cloud platform for QoE evaluation: QoXcloud";E. Saiz, E. Ibarrola, L. Cristobo and I. Taboada;《Proceedings of the 2014 ITU kaleidoscope academic conference: Living in a converged world - Impossible without standards?》;20140721;241-247 * |
Also Published As
Publication number | Publication date |
---|---|
CN107705037A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107705037B (zh) | 一种面向上下文信息处理的QoX质量体系系统及其工作方法 | |
US10153955B2 (en) | Network selection using current and historical measurements | |
CN108279383B (zh) | 电池寿命预测方法、电池数据服务器及电池数据处理系统 | |
US10235568B2 (en) | Indoor semantic map updating method and system based on semantic information extraction | |
CN111198808B (zh) | 预测性能指标的方法、装置、存储介质及电子设备 | |
CN108846481B (zh) | 一种基于QoX自适应管理的情景信息不确定性消除系统及其工作方法 | |
WO2018120962A1 (zh) | 一种基于可靠性管理的不确定性消除情景感知系统及其工作方法 | |
CN103326904A (zh) | 一种基于多参数认知的快速网络拓扑推断方法 | |
US20200053514A1 (en) | Collaborative geo-positioning of electronic devices | |
CN113449207A (zh) | 电子设备定位的方法、装置、服务器、系统以及存储介质 | |
CN106202113B (zh) | 应用于组队运动的信息提供方法和装置 | |
CN105848104B (zh) | 基于区域的人员流动状态监测方法及装置 | |
CN106445973B (zh) | 搜索引擎的监控方法和装置 | |
CN106940720B (zh) | 基于健康物联网的多源信息处理方法和系统 | |
US9736704B1 (en) | Providing an overlay network using multiple underlying networks | |
CN108234995B (zh) | 一种视频质量评测的方法及测试服务器 | |
JP2012073149A (ja) | 航跡表示装置 | |
CN115544120A (zh) | 多传感器的事件生成系统、方法、电子设备及存储介质 | |
CN114662816A (zh) | 面向上下文感知系统的多层级质量指标管理系统及方法 | |
JP2016048529A (ja) | 携帯端末を所持したユーザの滞在判定が可能な装置、プログラム及び方法 | |
CN104683144B (zh) | 一种基于马尔可夫模型的物联网设备依赖度评价方法 | |
Elkateb et al. | Online Monitoring-Based Prediction Model of Knitting Machine Productivity | |
CN104486414A (zh) | 网络数据展示方法及装置 | |
Amichi et al. | Revealing an inherently limiting factor in human mobility prediction | |
Klein et al. | Time locality: A novel parameter for quality of context |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |