CN111327473B

CN111327473B - 网络调控方法、装置、网络调控系统及电子设备

Info

Publication number: CN111327473B
Application number: CN202010121416.4A
Authority: CN
Inventors: 侯琛
Original assignee: Tencent Technology Shenzhen Co Ltd
Current assignee: Tencent Technology Shenzhen Co Ltd
Priority date: 2020-02-26
Filing date: 2020-02-26
Publication date: 2021-03-19
Anticipated expiration: 2040-02-26
Also published as: CN111327473A

Abstract

本公开提供了网络调控方法、装置，应用于网络调控系统，涉及网络调控领域。网络调控系统包含多个不可分割网络和网络信道，不可分割网络为网络结构及输出信息不能被分割的网络；方法包括：获取与各不可分割网络对应的节点信息，并获取各节点信息的最大公约数；基于各节点信息和最大公约数确定与各不可分割网络对应的第一整系数；获取网络信道所支持的最大节点信息，根据最大公约数、最大节点信息和第一整系数确定与各不可分割网络对应的第二整系数；根据各不可分割网络的输出信息和与各不可分割网络对应的第二整系数获取目标信息。本公开能够获取信息量最大且内嵌每个不可分割网络的信息的网络信息，保障了信息的完整性，提高了目标信息的精准度。

Description

网络调控方法、装置、网络调控系统及电子设备

技术领域

本公开涉及网络调控技术领域，具体而言，涉及一种应用于网络调控系统的网络调控方法、网络调控装置、网络调控系统、计算机存储介质及电子设备。

背景技术

当网络系统中存在多个网络时，为了获取精准的计算结果，通常需要对网络系统中的每个网络进行调控。

目前，对网络系统进行调控时，是根据网络信道所能支持的信道容量动态调控每一个网络的信息接入量，例如只启用两个网络而关闭其它所有网络，并调控启用的网络的信息接入量，直到满足网络信道所能支持的通信量。但是该方法没有具体的技术支撑，并且所提取的信息既可能没有内嵌每一个网络的网络信息又可能不具有最大信息量，这样会导致网络系统无法根据每一个网络的输出信息获得精准的计算结果。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的实施例提供了一种网络调控方法、网络调控装置、网络调控系统、计算机存储介质及电子设备，进而至少在一定程度上可以提高计算结果的精准度。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的一个方面，提供了一种网络调控方法，应用于网络调控系统，所述网络调控系统包含多个不可分割网络和网络信道，其中所述不可分割网络为网络结构及网络输出信息不能被分割的网络；所述方法包括：获取与各所述不可分割网络对应的节点信息，并获取各所述节点信息的最大公约数；基于各所述节点信息和所述最大公约数确定与各所述不可分割网络对应的第一整系数；获取所述网络信道所支持的最大节点信息，根据所述最大公约数、所述最大节点信息和所述第一整系数确定与各所述不可分割网络对应的第二整系数；根据各所述不可分割网络的输出信息和与各所述不可分割网络对应的第二整系数获取目标信息。

根据本公开实施例的一个方面，提供了一种网络调控装置，应用于网络调控系统，所述网络调控系统包含多个不可分割网络和网络信道，其中所述不可分割网络为网络结构及网络输出信息不能被分割的网络；所述装置包括：信息获取模块，用于获取与各所述不可分割网络对应的节点信息，并获取各所述节点信息的最大公约数；第一整系数确定模块，用于基于各所述节点信息和所述最大公约数确定与各所述不可分割网络对应的第一整系数；第二整系数确定模块，用于获取所述网络信道所支持的最大节点信息，根据所述最大公约数、所述最大节点信息和所述第一整系数确定与各所述不可分割网络对应的第二整系数；目标信息获取模块，用于根据各所述不可分割网络的输出信息和与各所述不可分割网络对应的第二整系数获取目标信息。

在本公开的一些实施例中，基于前述方案，所述第一整系数确定模块配置为：将与各所述不可分割网络对应的所述节点信息和所述第一整系数相乘，以形成多个计算因子；将所述最大公约数作为所述多个计算因子相加并取模的结果值，以获取与各所述不可分割网络对应的第一整系数。

在本公开的一些实施例中，基于前述方案，所述第二整系数确定模块包括：第一确定单元，用于当所述最大公约数等于所述最大节点信息时，将与各所述不可分割网络对应的第一整系数作为与各所述不可分割网络对应的第二整系数；第二确定单元，用于当所述最大公约数小于所述最大节点信息时，对与各所述不可分割网络对应的第一整系数进行修正，以获取与各所述不可分割网络对应的第二整系数。

在本公开的一些实施例中，基于前述方案，所述第二单元包括：比例获取单元，用于将所述最大节点信息与所述最大公约数相除以获取比例值；第三确定单元，用于根据所述比例值和与各所述不可分割网络对应的第一整系数确定与各所述不可分割网络对应的第二整系数。

在本公开的一些实施例中，基于前述方案，所述第三确定单元配置为：判断所述比例值是否为整数；当所述比例值为整数时，将所述比例值与与各所述不可分割网络对应的第一整系数相乘，以获取与各所述不可分割网络对应的第二整系数；当所述比例值为非整数时，对所述比例值向下取整以获取整比例值，并将所述整比例值与与各所述不可分割网络对应的第一整系数相乘，以获取与各所述不可分割网络对应的第二整系数。

在本公开的一些实施例中，所述网络调控系统还包括加法器和多个乘法器，所述乘法器的数量与所述不可分割网络的数量相同；基于前述方案，所述目标信息获取模块包括：第一处理信息获取单元，用于将各所述不可分割网络的输出信息和与各所述不可分割网络对应的第二整系数输入至所述乘法器，以获取多个第一处理信息；第二处理信息获取单元，用于将各所述第一处理信息输入至所述加法器，以获取第二处理信息；目标信息确定单元，用于通过所述网络信道将所述第二处理信息传输至信息处理设备，以使所述信息处理设备根据所述第二处理信息获取所述目标信息。

在本公开的一些实施例中，基于前述方案，当所述第二整系数为正整数时，所述第一处理信息为所述输出信息的增强信息；当所述第二整系数为负整数时，所述第一处理信息为所述输出信息的减弱信息。

在本公开的一些实施例中，基于前述方案，所述节点信息为各所述不可分割网络中的节点数或者各所述不可分割网络的输出信息量；所述最大节点信息是所述网络信道所支持的最大节点数或最大输出信息量。

在本公开的一些实施例中，基于前述方案，所述目标信息确定单元包括：计算单元，用于通过所述信息处理设备中的一个或多个计算模型根据所述第二处理信息进行计算，以获取所述目标信息。

在本公开的一些实施例中，基于前述方案，所述网络调控系统为车联网系统，包含多个车联网；所述第二处理信息为车路信息；所述目标信息为碰撞概率；所述计算模型包括引力场论模型、弹簧势能模型和多普勒效应模型，其中所述引力场论模型用于计算非移动物体与目标车辆发生碰撞的第一概率，所述弹簧势能模型用于计算不会与所述目标车辆发生碰撞但所述目标车辆与其它物体发生碰撞的第二概率，所述多普勒效应模型用于计算所述目标车辆与移动物体发生碰撞的第三概率。

在本公开的一些实施例中，基于前述方案，所述计算单元配置为：将所述车路信息输入至所述引力场论模型以获取第一碰撞强度，将所述第一碰撞强度与标准碰撞强度相除以获取所述第一概率；将所述车路信息输入至所述弹簧势能模型以获取第二碰撞强度，将所述第二碰撞强度与所述标准碰撞强度相除以获取所述第二概率；将所述车路信息和驾驶员风险因子输入至所述多普勒效应模型以获取第三碰撞强度，将所述第三碰撞强度与所述标准碰撞强度相除以获取所述第三概率；将所述第一概率、所述第二概率和所述第三概率相加，以获取所述碰撞概率。

在本公开的一些实施例中，基于前述方案，所述车联网系统中任意两车辆之间的碰撞概率与碰撞概率矩阵中的元素相对应，所述碰撞概率矩阵中的第i行第j列的元素值表示车辆j带给车辆i的碰撞概率，其中i、j为正整数。

根据本公开实施例的一个方面，提供了一种网络调控系统，包括：多个不可分割网络，所述不可分割网络为网络结构及网络输出信息不能被分割的网络；逻辑处理器，所述逻辑处理器包含多个乘法器和一加法器，所述乘法器与所述不可分割网络一一对应且连接，用于根据与所述不可分割网络对应的第二整系数对所述不可分割网络的输出信息进行处理，所述加法器与各所述乘法器连接，用于对所述乘法器输出的信息进行相加处理；网络信道，与所述逻辑处理器连接，用于将所述加法器输出的网络信息传输至信息处理设备；信息处理设备，用于接收所述网络信息，并根据所述网络信息获取目标信息；其中，所述第二整系数是根据所述网络信道所支持的最大节点信息、各所述不可分割网络的节点信息的最大公约数和第一整系数确定的；所述第一整系数是根据各所述不可分割网络的节点信息和所述最大公约数确定的。

根据本公开实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例所述的网络调控方法。

根据本公开实施例的一个方面，提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上述实施例所述的网络调控方法。

在本公开的实施例所提供的技术方案中，首先获取与网络调控系统中各个不可分割网络对应的节点信息，并获取各节点信息的最大公约数；接着基于各不可分割网络的节点信息和最大公约数确定与各不可分割网络对应的第一整系数；然后根据最大公约数、网络信道支持的最大节点信息和第一整系数确定与各不可分割网络对应的第二整系数；最后根据各不可分割网络的输出信息和对应的第二整系数获取目标信息，该目标信息为网络调控系统中的信息处理设备根据接收到的由网络信道传送的网络信息所确定的信息。本公开的技术方案能够获取信息量最大且内嵌每个不可分割网络的信息的网络信息，保障了信息的完整性和可靠性，提高了目标信息的精准度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，还可以根据这些附图获得其他的附图。在附图中：

图1示出了本公开的一个实施例的所应用的网络调控系统的体系构架示意图；

图2示意性示出了根据本公开的一个实施例的网络调控方法的流程示意图；

图3示意性示出了根据本公开的一个实施例的对各不可分割网络对应的第一整系数进行修正的流程示意图；

图4示意性示出了根据本公开的一个实施例的获取第二整系数的流程示意图；

图5示意性示出了根据本公开的一个实施例的网络调控系统的架构图；

图6示意性示出了根据本公开的一个实施例的车联网系统的架构图；

图7示意性示出了根据本公开的一个实施例的碰撞概率矩阵的结构示意图；

图8示意性示出了根据本公开的一个实施例的网络调控装置的框图；

图9示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

图1示出了可以应用本公开实施例的技术方案的示例性系统架构的示意图。

如图1所示，网络调控系统100包括多个不可分割网络101、逻辑处理器102、网络信道103和信息处理设备104，其中，逻辑处理器102包含多个乘法器和一加法器，并且乘法器与不可分割网络一一对应且连接，用于根据与不可分割网络对应的第二整系数对不可分割网络的输出信息进行处理；加法器与各乘法器连接，用于对乘法器输出的信息进行相加处理；网络信道103与逻辑处理器102连接，用于将加法器输出的网络信息传输至信息处理设备104；信息处理设备104用于接收网络信息，并根据网络信息获取目标信息；其中第二整系数是根据网络信道103所支持的最大节点信息、各不可分割网络的节点信息的最大公约数和第一整系数确定的；第一整系数是根据各不可分割网络的节点信息和最大公约数确定的。

在本公开的一个实施例中，不可分割网络101中包括多个节点，节点是对网络设备的抽象表述，可以理解为具备网络通信功能的终端、服务器等，例如在温室中设置有多个传感器用于监测温室中的温度、湿度、光照强度等，并将采集到的信息上传到服务器进行统计计算，那么多个传感器、服务器都可以视为该网络中的节点；信息处理设备104可以是独立的服务器，也可以是由多个服务器组成的服务器集群等，其既可以用于存储信息，例如不可分割网络的节点信息、网络信道的信道容量等等，又可以根据网络信道传送的信息进行计算以获取目标信息，同时还可以进行其它的信息处理，当然信息处理设备104还可以是服务器集群中一个。

应该理解，图1中的不可分割网络和信息处理设备的数目仅仅是示意性的。根据实际需要，可以具有任意数目的不可分割网络和信息处理设备。不可分割网络101中的终端设备可以是诸如平板电脑、智能手机、摄像头、传感器等设备。

在本公开的一个实施例中，各个不可分割网络101中的节点采集信息，并将所采集的信息通过信息传输网络输出至逻辑处理器102，该逻辑处理器102包括多个乘法器和一个加法器，每个乘法器与一个不可分割网络连接，用于接收不可分割网络的输出信息，并根据第二整系数对输出信息进行处理，以获取多个第一处理信息，该些第一处理信息再经过加法器处理后形成第二处理信息，该第二处理信息包含了每个不可分割网络101的输出信息，并且具有最大的信息量。网络信道103将该第二处理信息传输至信息处理设备104，以使信息处理设备104根据第二处理信息进行计算，获取目标信息。由于不可分割网络的网络结构及网络输出信息不能被分割，因此为了保证获取信息量最大且内嵌每个不可分割网络的输出信息的网络信息，可以根据每个不可分割网络的节点信息确定与其对应的最大公约数，并根据该最大公约数确定第一整系数，进一步地，在网络信道103可支持的最大节点信息的条件下，根据第一整系数、最大节点信息和最大公约数还可以确定第二整系数，并通过该第二整系数对不可分割网络的输出信息进行相应处理。由于第一整系数、第二整系数可以是正整数也可以是负整数，因此乘法器对不可分割网络的输出信息进行处理具体为对输出信息的信息量的增加或缩减。本公开实施例中的网络调控方法能够获取内嵌每个不可分割网络的输出信息的网络信息，并且该网络信息具有最大的信息量，使得信息处理设备可以根据具有最大信息量的网络信息进行误差分析和校正获取完整可靠的网络信息，并通过对网络信息进行统计计算获取精准的计算结果。

在本领域的相关技术中，对网络的调控主要根据网络信道所能支持的最大通信量对每一个网络的信息接入量进行动态调控，但是在调控的时候可能无法获取内嵌每一个网络的输出信息的网络信息，同时也无法保证获取的信息量最大，因而，在缺少某个或某些网络的输出信息的情况下，就无法获得精准的结果，并且在信息量很小的情况下，若某些信息存在缺失或者噪音，那么也无法根据获取的信息获得精准的结果。

针对相关技术中存在的问题，本公开实施例提供了一种应用于网络调控系统的网络调控方法，该方法是基于云技术的，云技术(Cloud technology)基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的系统后盾支撑，只能通过云计算来实现。

云计算(cloud computing)是一种计算模式，它将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。

作为云计算的基础能力提供商，会建立云计算资源池(简称云平台，一般称为IaaS(Infrastructure as a Service，基础设施即服务)平台，在资源池中部署多种类型的虚拟资源，供外部客户选择使用。云计算资源池中主要包括：计算设备(为虚拟化机器，包含操作系统)、存储设备、网络设备。

按照逻辑功能划分,在IaaS(Infrastructure as a Service，基础设施即服务)层上可以部署PaaS(Platform as a Service,平台即服务)层，PaaS层之上再部署SaaS(Software as a Service,软件即服务)层，也可以直接将SaaS部署在IaaS上。PaaS为软件运行的平台，如数据库、web容器等。SaaS为各式各样的业务软件，如web门户网站、短信群发器等。一般来说，SaaS和PaaS相对于IaaS是上层。

云处理通常应用于大数据领域，大数据(Big data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着云时代的来临，大数据也吸引了越来越多的关注，大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

本公开实施例首先提供了一种网络调控方法，应用于网络调控系统，该网络调控系统包括多个不可分割网络和网络信道，如图1中所示的不可分割网络101和网络信道103，其中，不可分割网络为网络结构及网络输出信息不能被分割的网络。图2示意性示出了根据本公开的一个实施例的网络调控方法的流程图，参照图2所示，该网络调控方法至少包括步骤S210至步骤S240，详细介绍如下：

在步骤S210中，获取与各所述不可分割网络对应的节点信息，并获取各所述节点信息的最大公约数。

在本公开的一个实施例中，不可分割网络是指网络结构及网络的输出信息不能被分割的网络，是指能够实现获取数据并将数据输出的一个网络整体，不能够被分割成多个部分单独使用，例如通过传感器监测温室内的温度、湿度、光照强度等参数，那么传感器和温室、温室参数就构成了一个不可分割网络，因为我们不能通过传感器只获取温室内任意一部分空间的参数。

在本公开的一个实施例中，为了获取内嵌有网络调控系统中每个不可分割网络的输出信息的网络信息，可以获取与各个不可分割网络对应的节点信息，该节点信息可以是各不可分割网络中的节点数，也可以是各不可分割网络对应的输出信息量。值得注意的是，在本公开实施例中，各个节点的平均可传输信息量是固定的，不考虑由于外界因素所导致的信息量的变化。由于节点的平均可传输信息量是固定的，因此不可分割网络对应的输出信息量与其中所包含的节点数成正相关关系，因此既可以根据不可分割网络中的节点数确定用于调整信息量的整系数，也可以根据不可分割网络的输出信息量确定用于调整信息量的整系数。

在本公开的一个实施例中，在获取与各个不可分割网络对应的节点信息后，可以计算多个节点信息的最大公约数，然后根据最大公约数计算与各个不可分割网络对应的整系数。由于根据最大公约数计算与各个节点信息对应的系数时，能够保证在所有解中存在整数解，而整系数可以保证不用对不可分割网络的网络结构或输出信息进行分割，因此在本公开实施例中采用最大公约数计算整系数。另外，虽然采用最小公倍数也可以保证所有的解中存在整数解，但是采用根据最小公倍数确定的整系数所得到信息量存在超过网络信道的信道容量的问题，因此本公开实施例中根据最大公约数计算整系数。

在本公开的一个实施例中，在一个已知的网络调控系统中，其所包含的每个不可分割网络的节点信息是已知的，其可存储于云端、数据服务器等存储介质中，需要时从该存储介质中直接获取即可。在本公开的实施例中，可以将网络调控系统中包含的不可分割网络的数量记为n个，各个不可分割网络的节点数分别记为m₁、m₂、…、m_n，通过对m₁、m₂、…、m_n求取最大公约数可以获得最大公约数，记为g，其中，n、m₁、m₂、…、m_n、g均为正整数。

在步骤S220中，基于各所述节点信息和所述最大公约数确定与各所述不可分割网络对应的第一整系数。

在本公开的一个实施例中，为了保证最终获取的网络信息中包含每一个不可分割网络的输出信息，并且不超过网络信道的信道容量，可以根据每个不可分割网络的节点信息和最大公约数确定与每个不可分割网络对应的第一整系数。由于网络调控系统中的各个网络为不可分割网络，因此与不可分割网络对应的系数必须保证为整数，例如当与一不可分割网络对应的系数为1.5时，那就意味着需要将该网络分割，否则得不到1.5个网络中的0.5个，但是网络为不可分割网络，无法进一步地分割，这样就不能保证能够得到信息量最大的网络信息。

在本公开的一个实施例中，在根据各节点信息和最大公约数确定与各不可分割网络对应的第一整系数时，首先可以将与各不可分割网络对应的节点信息和第一整系数相乘，以形成多个计算因子，然后将最大公约数作为多个计算因子相加的结果值，由于与各不可分割网络对应的节点信息和最大公约数已知，因此可以求解获得第一整系数。上述计算流程对应公式(1)，具体如下所示：

x₁m₁+x₂m₂+…+x_nm_n＝g (1)

其中，x₁、x₂、…、x_n是分别与各个不可分割网络对应的第一整系数，m₁、m₂、…、m_n是各个不可分割网络的节点信息，x₁m₁、x₂m₂、…、x_nm_n为计算因子，g为最大公约数。

在本公开的一个实施例中，根据公式(1)可以得到多组解，其中包含整数解和非整数解，若存在多组整数解，则可以从中任选一组作为第一整系数。第一整系数可以是正整数，也可以是负整数，只要保证公式(1)成立即可。

在步骤S230中，获取所述网络信道所支持的最大节点信息，根据所述最大公约数、所述最大节点信息和所述第一整系数确定与各所述不可分割网络对应的第二整系数。

在本公开的一个实施例中，为了获取信息量最大且内嵌每个不可分割网络的输出信息的网络信息，需要根据网络信道所支持的最大节点信息、根据各个节点信息确定的最大公约数和第一整系数确定能够获得最大信息量的与各个不可分割网络对应的第二整系数。具体来说，按照与最大公约数对应的第一整系数选出的节点信息按照公式(1)中的组合输出的信息是既包含各不可分割网络的输出信息且等效节点数量最多的等效节点组合单元，该等效节点是一个虚拟节点，进一步地，根据网络信道所支持的最大节点信息、最大公约数和第一整系数所确定的第二整系数是在网络信息所能支持的最大节点信息的条件下可支持的等效节点组合单元的最大数量，也就是说，根据第二整系数对各不可分割网络的输出信息进行处理，能够获取信息量最大且内嵌各不可分割网络的输出信息的网络信息。

在本公开的一个实施例中，网络信道所支持的最大节点信息是可获取的，该最大节点信息也可以存储于云端、数据服务器等存储介质中，需要时直接从存储介质中获取即可。当然还可以通过其它方式获取最大节点信息，比如通过测试的方式获取。最大节点信息可以是最大节点数或者最大输出信息量，当最大节点信息为最大节点数时，网络信道的信道容量和节点的平均可传送信息量固定且已知，根据信道容量和平均可传送信息量可以确定网络信道所支持的最大节点数；当最大节点信息为最大输出信息量时，根据信道容量和节点的平均可传送信息量可以确定网络信息所支持的最大输出信息量。

在本公开的一个实施例中，最大公约数可能等于最大节点信息，也可能小于最大节点信息。当最大节点信息等于最大公约数时，可以将与各不可分割网络对应的第一整系数作为与各不可分割网络对应的第二整系数；当最大公约数小于最大节点信息时，可以通过对各不可分割网络对应的第一整系数进行修正，以获取与各不可分割网络对应的第二整系数。图3示出了对各不可分割网络对应的第一整系数进行修正的流程示意图，如图3所示，在步骤S301中，将最大节点信息与最大公约数相除以获取比例值；在步骤S302中，根据比例值和与各不可分割网络对应的第一整系数确定与各不可分割网络对应的第二整系数。但是比例值不一定都是整数，若为非整数时，则无法获取整系数，因而需要对比例值进行进一步地判断和处理，图4示出了获取第二整系数的流程示意图，如图4所示，在步骤S401中，判断步骤S301获取的比例值是否为整数；在步骤S402中，当比例值为整数时，将比例值与与各不可分割网络对应的第一整系数相乘，以获取与各不可分割网络对应的第二整系数；在步骤S403中，当比例值为非整数时，对比例值向下取整以获取整比例值，并将整比例值与与各不可分割网络对应的第一整系数相乘，以获取与各不可分割网络对应的第二整系数。

在本公开的一个实施例中，记对第一整系数x₁、x₂、…、x_n进行修正后所获取的第二整系数为y₁、y₂、…、y_n，其中

由于第一整系数可正可负，因而第二整系数也可正可负，其中，正负仅影响输出信息在传输过程中的相位，而根据第二整系数对输出信息进行处理后的信息的信息量则只与第二整系数的绝对数值相关，因此当

时，能够提取出信息量最大的网络信息，并且该网络信息中内嵌有每一个不可分割网络的输出信息。当然，y₁、y₂、……、y_n还可以取其它值，通过调节第二整系数能够提高调控的自由度，避免了调控的盲目性，但是根据其它取值的第二整系数仅能得到内嵌每一个不可分割网络的输出信息的网络信息，而无法得到信息量最大的网络信息。

在本公开的一个实施例中，如上述实施例所述，节点信息可以是节点数或者输出信息量，以节点数为例，假设一网络调控系统中有三个不可分割网络，每个不可分割网络中的节点数分别为10、15、20个，对应的最大公约数为5，基于各不可分割网络的节点数和最大公约数能够获取第一整系数，分别为1、1、-1。同时，网络调控系统中的网络信道对应的最大节点数为30个，那么能够获得第二整系数，分别为6、6、-6，也就是说根据该第二整系数的取值能够得到信息量最大且包含三个不可分割网络的输出信息的网络信息。当节点信息为输出信息量时，计算方法与上述实例的方法相同，在此不再赘述。

在步骤S240中，根据各所述不可分割网络的输出信息和与各所述不可分割网络对应的第二整系数获取目标信息。

在本公开的一个实施例中，获取与各不可分割网络对应的第二整系数后，可以将该第二整系数作用于相应地不可分割网络的输出信息上，以对输出信息进行增强或减弱。具体地，可以通过逻辑处理器102根据第二整系数对各不可分割网络的输出信息进行处理。

在本公开的一个实施例中，逻辑处理器102包括多个乘法器和一个加法器，乘法器的数量与不可分割网络的数量相同。图5示出了网络调控系统的架构图，如图5所示，网络调控系统中包括n个不可分割网络501-1、501-2、……、501-n，对应每个不可分割网络设置有一个乘法器502-1、502-2、……、502-n，网络调控系统中还包括加法器503、网络信道504和信息处理设备505。在确定与各不可分割网络对应的第二整系数y₁、y₂、……、y_n后，可以将其分别发送至对应的乘法器中，乘法器在接收到不可分割网络501-i的输出信息M_i和对应的第二整系数y_i后，根据第二整系数y_i对输出信息M_i进行增强或减弱以获取第一处理信息，当第二整系数为正整数时，该第一处理信息即为不可分割网络的输出信息的增强信息，当第二整系数为负整数时，该第一处理信息即为不可分割网络的输出信息的减弱信息，其中，i为不超过n的正整数；接着n个第一处理信息被传输至加法器503，通过加法器对n个第一处理信息进行相加处理，以获取第二处理信息，该第二处理信息即为信息量最大且内嵌每个不可分割网络的输出信息的网络信息，但其信息量不超过网络信道504的最大通信量；最后第二处理信息通过网络信道504传输至信息处理设备505，使得信息处理设备505根据该第二处理信息可以获取目标信息。

在本公开的一个实施例中，由于第一处理信息中包含各不可分割网络的输出信息，相应地，信息处理设备505接收到的第二处理信息中必然包含各不可分割网络的输出信息，而且可能有多组相同的输出信息。由于信息在以数字形式传输的过程中，可能存在丢失、改变的情况，那么信息处理设备在接收到信息量最大且包含各不可分割网络的输出信息的第二处理信息后，可以基于第二处理信息进行误差分析和校正，以获取完整的信息，提高了信息的可靠性。进一步地，信息处理设备中根据实际地应用需要，可以设置一个或多个计算模型，该计算模型可以根据经过误差分析和校正的第二处理信息进行计算，以获取目标信息。该目标信息与网络调控系统地实际应用相关，例如第二处理信息为根据温室中传感器采集的信息所形成的处理信息，那么该目标信息可以是光照强度的调整值、温度的调整值，等等；又如第二处理信息为通过路侧装置采集的路面参数和车辆参数，那么该目标信息可以是任意两辆车的碰撞概率，等等。

本公开实施例中的网络调控方法可以应用到任意的包含多个不可分割网络的网络调控系统中，例如可以应用到车联网系统、区域内的物联网系统、传感器网络系统、5G基站网络系统等领域。

以车联网系统为例，车联网通过新一代信息通信技术，实现车与云平台、车与车、车与路、车与人、车内等全方位网络链接，主要实现了“三网融合”，即将车内网、车际网和车载移动互联网进行融合。车联网是利用传感技术感知车辆的状态信息，并借助无线通信网络与现代智能信息处理技术实现交通的智能化管理，以及交通信息服务的智能决策和车辆的智能化控制。接下来，以通过车联网系统根据车路信息确定任意两辆车之间的碰撞概率为例，对本公开实施例进行详细说明。

在本公开的一个实施例中，车联网系统中包含多个车联网，每个车联网包含路侧单元、该路侧单元监测的车辆和路段，路侧单元中包含摄像头，该摄像头例如可以是AI摄像头，通过AI摄像头可以对所监测的车辆或路段进行拍摄，并对拍摄得到的图像进行分析计算，以获取车辆信息和路面信息，其中车辆信息具体可以包括车辆相对速度、车辆行驶方向、车辆类型等，路面信息具体可以包括地表粘度、弯度、能见度和道路类型等。为了精准获取任意两辆车之间的碰撞概率，就需要获取每个车联网中的车路信息，该车路信息的信息量还要尽可能大，进而可以保证车路协同系统服务器根据所获取的车路信息计算得到任意两辆车之间的碰撞概率。

在本公开的一个实施例中，图6示出了车联网系统的系统架构图，如图6所示，车联网系统中包含三个车联网：车辆网601、车联网602和车联网603，乘法器604-606，加法器607、网络信道608和车路协同系统服务器609。其中，车联网1中的节点数为A，车联网2中的节点数为B，车联网3中的节点数为C，根据节点数A、B、C可以确定最大公约数为D，基于节点数和最大公约数以及公式(1)能够确定与车联网601-603分别对应的第一整系数x₁、x₂和x₃；同时获取网络信道608的信道容量E，根据信道容量、最大公约数D和第一整系数能够确定第二整系数y₁、y₂、y₃，具体地，

该第二整系数可以保证车路协同系统服务器609能够获取信息量最大且内嵌三个车联网601-603的输出信息的网络信息。接着车联网601的输出信息和对应的第二整系数y₁传输至乘法器604，车联网602的输出信息和对应的第二整系数y₂传输至乘法器605，车联网603的输出信息和对应的第二整系数y₃传输至乘法器606，通过乘法器604-606根据第二整系数对车联网的输出信息进行增强或减弱，以获取与车联网601-603分别对应的第一处理信息F、G、H。然后第一处理信息F、G、H传送至加法器607，通过加法器607对第一处理信息F、G、H进行相加处理，以获取信息量最大且内嵌车联网601-603的输出信息的第二处理信息M，该第二处理信息M通过网络信道608传输至车路协同系统服务器609，以使车路协同系统服务器609根据第二处理信息M获得车联网系统中任意两辆车之间的碰撞概率。

在本公开的一个实施例中，第二处理信息M中包含了车联网601、602、603输出的车路信息，车路协同系统服务器609首先根据信息量最大的第二处理信息M进行信息的误差分析和校正，以获取完整的车路信息，接着通过一个或多个计算模型对获取的完整的车路信息进行计算，可以获取车联网系统中任意两辆车之间的碰撞概率。

在本公开的一个实施例中，车路协同系统服务器609中设置有引力场论模型、弹簧势能模型和多普勒效应模型，具体地，引力场论模型用于根据车路信息计算非移动物体与目标车辆发生碰撞的第一概率，弹簧势能模型用于根据车路信息计算不会与目标车辆发生碰撞但目标车辆与其它物体发生碰撞的第二概率，多普勒效应模型用于根据车路信息和驾驶员风险因子计算目标车辆与移动物体发生碰撞的第三概率，其中驾驶员风险因子是根据已发生交通事故中驾驶员的年龄等条件及发生事故的概率统计得到的。在计算第一概率、第二概率和第三概率时，可以将车路信息输入至引力场论模型以获取第一碰撞强度，接着将第一碰撞强度与标准碰撞强度相除以获取该第一概率；同样的，将车路信息输入至弹簧势能模型以获取第二碰撞强度，接着将第二碰撞强度与标准碰撞强度相除以获取该第二概率；将车路信息和驾驶员风险因子输入至多普勒效应模型以获取第三碰撞强度，将第三碰撞强度与标准碰撞强度相除以获取该第三概率。进一步地，将第一概率、第二概率和第三概率相加即可获取目标车辆与其它车辆之间的碰撞概率。其中，标准碰撞强度是根据已有的交通车辆处于碰撞临界点时的值统计获得的，并且不同的道路情况，标准碰撞强度也不同。

在本公开的一个实施例中，车路协同系统服务器609根据第二处理信息获取车联网系统中任意两辆汽车之间的碰撞概率后，可以将碰撞概率以矩阵的形式存储，矩阵中第i行第j列的元素值表示车辆j带给车辆i的碰撞概率，图7示出了碰撞概率矩阵的结构示意图，如图7所示，碰撞概率矩阵大小为8×8，其中第1行第2列的元素0.79表示车辆2带给车辆1的碰撞概率是0.79，第2行第3列的元素0.79表示车辆3带给车辆2的碰撞概率是0.79，第3行第4列的元素0.79表示车辆4带给车辆3的碰撞概率是0.79，第4行第5列的元素0.79表示车辆5带给车辆4的碰撞概率是0.79，其它元素含义类似。

本公开实施例中的网络调控方法通过基于各个不可分割网络的节点信息的最大公约数以及网络调控系统中网络信息的信道容量确定与各个不可分割网络对应的整系数，通过乘法器根据该整系数对各不可分割网络的输出信息进行增强或减弱，接着通过加法器对增强或减弱后的信息进行整合，以获得信息量最大且内嵌每个不可分割网络的输出信息的网络信息，网络调控系统中的信息处理设备根据该网络信息能够进行误差分析和校正，获取完整的信息，并进一步根据获取的完整信息计算得到目标信息。本公开实施例中的网络调控方法基于各不可分割网络的节点信息的最大公约数能够得到信息量最大且内嵌每个不可分割网络的输出信息的网络信息，提高了信息的可靠性和完整性，进一步提高了目标信息的精准度；另外，本公开实施例中的网络调控方法能使调控有的放矢，没有盲目性。

以下介绍本公开的装置实施例，可以用于执行本公开上述实施例中的网络调控方法。对于本公开装置实施例中未披露的细节，请参照本公开上述的网络调控方法。

图8示意性示出了根据本公开的一个实施例的网络调控装置的框图，网络调控装置可以是运行于电子设备中的一个计算机程序(包括程序代码)，例如该网络调控装置为一个应用软件；该装置可以用于执行本申请实施例提供的方法中的相应步骤。

参照图8所示，根据本公开的一个实施例的网络调控装置800，应用于网络调控系统，网络调控系统包含多个不可分割网络和网络信道，其中不可分割网络为网络结构及网络输出信息不能被分割的网络；网络调控装置800包括：信息获取模块801、第一整系数确定模块802、第二整系数确定模块803和目标信息获取模块804。

具体地，信息获取模块801，用于获取与各所述不可分割网络对应的节点信息，并获取各所述节点信息的最大公约数；第一整系数确定模块802，用于基于各所述节点信息和所述最大公约数确定与各所述不可分割网络对应的第一整系数；第二整系数确定模块803，用于获取所述网络信道所支持的最大节点信息，根据所述最大公约数、所述最大节点信息和所述第一整系数确定与各所述不可分割网络对应的第二整系数；目标信息获取模块804，用于根据各所述不可分割网络的输出信息和与各所述不可分割网络对应的第二整系数获取目标信息。

在本公开的一个实施例中，所述第一整系数确定模块802配置为：将与各所述不可分割网络对应的所述节点信息和所述第一整系数相乘，以形成多个计算因子；将所述最大公约数作为所述多个计算因子相加并取模的结果值，以获取与各所述不可分割网络对应的第一整系数。

在本公开的一个实施例中，所述第二整系数确定模块803包括：第一确定单元，用于当所述最大公约数等于所述最大节点信息时，将与各所述不可分割网络对应的第一整系数作为与各所述不可分割网络对应的第二整系数；第二确定单元，用于当所述最大公约数小于所述最大节点信息时，对与各所述不可分割网络对应的第一整系数进行修正，以获取与各所述不可分割网络对应的第二整系数。

在本公开的一个实施例中，所述第二单元包括：比例获取单元，用于将所述最大节点信息与所述最大公约数相除以获取比例值；第三确定单元，用于根据所述比例值和与各所述不可分割网络对应的第一整系数确定与各所述不可分割网络对应的第二整系数。

在本公开的一个实施例中，所述第三确定单元配置为：判断所述比例值是否为整数；当所述比例值为整数时，将所述比例值与与各所述不可分割网络对应的第一整系数相乘，以获取与各所述不可分割网络对应的第二整系数；当所述比例值为非整数时，对所述比例值向下取整以获取整比例值，并将所述整比例值与与各所述不可分割网络对应的第一整系数相乘，以获取与各所述不可分割网络对应的第二整系数。

在本公开的一个实施例中，所述网络调控系统还包括加法器和多个乘法器，所述乘法器的数量与所述不可分割网络的数量相同；所述目标信息获取模块804包括：第一处理信息获取单元，用于将各所述不可分割网络的输出信息和与各所述不可分割网络对应的第二整系数输入至所述乘法器，以获取多个第一处理信息；第二处理信息获取单元，用于将各所述第一处理信息输入至所述加法器，以获取第二处理信息；目标信息确定单元，用于通过所述网络信道将所述第二处理信息传输至信息处理设备，以使所述信息处理设备根据所述第二处理信息获取所述目标信息。

在本公开的一个实施例中，当所述第二整系数为正整数时，所述第一处理信息为所述输出信息的增强信息；当所述第二整系数为负整数时，所述第一处理信息为所述输出信息的减弱信息。

在本公开的一个实施例中，所述节点信息为各所述不可分割网络中的节点数或者各所述不可分割网络的输出信息量；所述最大节点信息是所述网络信道所支持的最大节点数或最大输出信息量。

在本公开的一个实施例中，所述目标信息确定单元包括：计算单元，用于通过所述信息处理设备中的一个或多个计算模型根据所述第二处理信息进行计算，以获取所述目标信息。

在本公开的一个实施例中，所述网络调控系统为车联网系统，包含多个车联网；所述第二处理信息为车路信息；所述目标信息为碰撞概率；所述计算模型包括引力场论模型、弹簧势能模型和多普勒效应模型，其中所述引力场论模型用于计算非移动物体与目标车辆发生碰撞的第一概率，所述弹簧势能模型用于计算不会与所述目标车辆发生碰撞但所述目标车辆与其它物体发生碰撞的第二概率，所述多普勒效应模型用于计算所述目标车辆与移动物体发生碰撞的第三概率。

在本公开的一个实施例中，所述计算单元配置为：将所述车路信息输入至所述引力场论模型以获取第一碰撞强度，将所述第一碰撞强度与标准碰撞强度相除以获取所述第一概率；将所述车路信息输入至所述弹簧势能模型以获取第二碰撞强度，将所述第二碰撞强度与所述标准碰撞强度相除以获取所述第二概率；将所述车路信息和驾驶员风险因子输入至所述多普勒效应模型以获取第三碰撞强度，将所述第三碰撞强度与所述标准碰撞强度相除以获取所述第三概率；将所述第一概率、所述第二概率和所述第三概率相加，以获取所述碰撞概率。

在本公开的一个实施例中，所述车联网系统中任意两车辆之间的碰撞概率与碰撞概率矩阵中的元素相对应，所述碰撞概率矩阵中的第i行第j列的元素值表示车辆j带给车辆i的碰撞概率，其中i、j为正整数。

需要说明的是，图9示出的电子设备的计算机系统900仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图9所示，计算机系统900包括中央处理单元(Central Processing Unit，CPU)901，其可以根据存储在只读存储器(Read-Only Memory，ROM)902中的程序或者从存储部分908加载到随机访问存储器(Random Access Memory，RAM)903中的程序而执行各种适当的动作和处理，实现上述实施例中所述的图像标注方法。在RAM 903中，还存储有系统操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(Input/Output，I/O)接口905也连接至总线904。

以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。

特别地，根据本公开的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时，执行本公开的系统中限定的各种功能。作为示例，该计算机程序可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行，分布在多个地点且通过通信网络互连的多个计算设备可以组成区块链系统。

需要说明的是，本公开实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的网络调控装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims

1.一种网络调控方法，其特征在于，应用于网络调控系统，所述网络调控系统包含多个不可分割网络和网络信道，其中所述不可分割网络为网络结构及网络输出信息不能被分割的网络；所述方法包括：

获取与各所述不可分割网络对应的节点信息，并获取各所述节点信息的最大公约数，所述节点信息为各所述不可分割网络中的节点数或各所述不可分割网络对应的输出信息量；

基于各所述节点信息和所述最大公约数确定与各所述不可分割网络对应的第一整系数；

获取所述网络信道所支持的最大节点信息，根据所述最大公约数、所述最大节点信息和所述第一整系数确定与各所述不可分割网络对应的第二整系数；

根据各所述不可分割网络的输出信息和与各所述不可分割网络对应的第二整系数获取目标信息。

2.根据权利要求1所述的网络调控方法，其特征在于，所述基于各所述节点信息和所述最大公约数确定与各所述不可分割网络对应的第一整系数，包括：

将与各所述不可分割网络对应的所述节点信息和所述第一整系数相乘，以形成多个计算因子；

将所述最大公约数作为所述多个计算因子相加的结果值，以获取与各所述不可分割网络对应的第一整系数。

3.根据权利要求1或2所述的网络调控方法，其特征在于，所述根据所述最大公约数、所述最大节点信息和所述第一整系数确定与各所述不可分割网络对应的第二整系数，包括：

当所述最大公约数等于所述最大节点信息时，将与各所述不可分割网络对应的第一整系数作为与各所述不可分割网络对应的第二整系数；

当所述最大公约数小于所述最大节点信息时，对与各所述不可分割网络对应的第一整系数进行修正，以获取与各所述不可分割网络对应的第二整系数。

4.根据权利要求3所述的网络调控方法，其特征在于，所述对与各所述不可分割网络对应的第一整系数进行修正，以获取与各所述不可分割网络对应的第二整系数，包括：

将所述最大节点信息与所述最大公约数相除以获取比例值；

根据所述比例值和与各所述不可分割网络对应的第一整系数确定与各所述不可分割网络对应的第二整系数。

5.根据权利要求4所述的网络调控方法，其特征在于，所述根据所述比例值和与各所述不可分割网络对应的第一整系数确定与各所述不可分割网络对应的第二整系数，包括：

判断所述比例值是否为整数；

当所述比例值为整数时，将所述比例值与与各所述不可分割网络对应的第一整系数相乘，以获取与各所述不可分割网络对应的第二整系数；

当所述比例值为非整数时，对所述比例值向下取整以获取整比例值，并将所述整比例值与与各所述不可分割网络对应的第一整系数相乘，以获取与各所述不可分割网络对应的第二整系数。

6.根据权利要求1所述的网络调控方法，其特征在于，所述网络调控系统还包括加法器和多个乘法器，所述乘法器的数量与所述不可分割网络的数量相同；

所述根据各所述不可分割网络的输出信息和与各所述不可分割网络对应的第二整系数获取目标信息，包括：

将各所述不可分割网络的输出信息和与各所述不可分割网络对应的第二整系数输入至所述乘法器，以获取多个第一处理信息；

将各所述第一处理信息输入至所述加法器，以获取第二处理信息；

通过所述网络信道将所述第二处理信息传输至信息处理设备，以使所述信息处理设备根据所述第二处理信息获取所述目标信息。

7.根据权利要求6所述的网络调控方法，其特征在于，当所述第二整系数为正整数时，所述第一处理信息为所述输出信息的增强信息；当所述第二整系数为负整数时，所述第一处理信息为所述输出信息的减弱信息。

8.根据权利要求1所述的网络调控方法，其特征在于，所述节点信息为各所述不可分割网络中的节点数或者各所述不可分割网络的输出信息量；所述最大节点信息是所述网络信道所支持的最大节点数或最大输出信息量。

9.根据权利要求6所述的网络调控方法，其特征在于，所述通过所述网络信道将所述第二处理信息传输至信息处理设备，以使所述信息处理设备根据所述第二处理信息获取所述目标信息，包括：

通过所述信息处理设备中的一个或多个计算模型根据所述第二处理信息进行计算，以获取所述目标信息。

10.根据权利要求9所述的网络调控方法，其特征在于，所述网络调控系统为车联网系统，包含多个车联网；所述第二处理信息为车路信息；所述目标信息为碰撞概率；所述计算模型包括引力场论模型、弹簧势能模型和多普勒效应模型，其中所述引力场论模型用于计算非移动物体与目标车辆发生碰撞的第一概率，所述弹簧势能模型用于计算不会与所述目标车辆发生碰撞但所述目标车辆与其它物体发生碰撞的第二概率，所述多普勒效应模型用于计算所述目标车辆与移动物体发生碰撞的第三概率。

11.根据权利要求10所述的网络调控方法，其特征在于，所述通过所述信息处理设备中的一个或多个计算模型根据所述第二处理信息进行计算，以获取所述目标信息，包括：

将所述车路信息输入至所述引力场论模型以获取第一碰撞强度，将所述第一碰撞强度与标准碰撞强度相除以获取所述第一概率；

将所述车路信息输入至所述弹簧势能模型以获取第二碰撞强度，将所述第二碰撞强度与所述标准碰撞强度相除以获取所述第二概率；

将所述车路信息和驾驶员风险因子输入至所述多普勒效应模型以获取第三碰撞强度，将所述第三碰撞强度与所述标准碰撞强度相除以获取所述第三概率；

将所述第一概率、所述第二概率和所述第三概率相加，以获取所述碰撞概率。

12.根据权利要求10所述的网络调控方法，其特征在于，所述车联网系统中任意两车辆之间的碰撞概率与碰撞概率矩阵中的元素相对应，所述碰撞概率矩阵中的第i行第j列的元素值表示车辆j带给车辆i的碰撞概率，其中i、j为正整数。

13.一种网络调控装置，其特征在于，应用于网络调控系统，所述网络调控系统包含多个不可分割网络和网络信道，其中所述不可分割网络为网络结构及网络输出信息不能被分割的网络；所述装置包括：

信息获取模块，用于获取与各所述不可分割网络对应的节点信息，并获取各所述节点信息的最大公约数，所述节点信息为各所述不可分割网络中的节点数或各所述不可分割网络对应的输出信息量；

第一整系数确定模块，用于基于各所述节点信息和所述最大公约数确定与各所述不可分割网络对应的第一整系数；

第二整系数确定模块，用于获取所述网络信道所支持的最大节点信息，根据所述最大公约数、所述最大节点信息和所述第一整系数确定与各所述不可分割网络对应的第二整系数；

目标信息获取模块，用于根据各所述不可分割网络的输出信息和与各所述不可分割网络对应的第二整系数获取目标信息。

14.一种网络调控系统，其特征在于，包括：

多个不可分割网络，所述不可分割网络为网络结构及网络输出信息不能被分割的网络；

逻辑处理器，所述逻辑处理器包含多个乘法器和一加法器，所述乘法器与所述不可分割网络一一对应且连接，用于根据与所述不可分割网络对应的第二整系数对所述不可分割网络的输出信息进行处理，所述加法器与各所述乘法器连接，用于对所述乘法器输出的信息进行相加处理；

网络信道，与所述逻辑处理器连接，用于将所述加法器输出的网络信息传输至信息处理设备；

信息处理设备，用于接收所述网络信息，并根据所述网络信息获取目标信息；

其中，所述第二整系数是根据所述网络信道所支持的最大节点信息、各所述不可分割网络的节点信息的最大公约数和第一整系数确定的；所述第一整系数是根据各所述不可分割网络的节点信息和所述最大公约数确定的，所述节点信息为各所述不可分割网络中的节点数或各所述不可分割网络对应的输出信息量。

15.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1至12中任一项所述的网络调控方法。