CN116304988A - 一种基于数据融合的情景感知多指标质量管理系统及方法 - Google Patents
一种基于数据融合的情景感知多指标质量管理系统及方法 Download PDFInfo
- Publication number
- CN116304988A CN116304988A CN202310332016.1A CN202310332016A CN116304988A CN 116304988 A CN116304988 A CN 116304988A CN 202310332016 A CN202310332016 A CN 202310332016A CN 116304988 A CN116304988 A CN 116304988A
- Authority
- CN
- China
- Prior art keywords
- qos
- scene information
- subjective
- unit
- objective
- 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.)
- Pending
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种基于数据融合的情景感知多指标质量管理系统,包括采集设备质量管理模块、情景信息质量管理模块、服务质量管理模块、用户体验质量管理模块和驱动决策质量管理模块;所述采集设备质量管理模块、情景信息质量管理模块、服务质量管理模块和驱动决策质量管理模块形成闭环连接,所述服务质量管理模块、驱动决策质量管理模块分别、用户体验质量管理模块交互连接。本发明采用一种基于数据融合的情景感知多指标质量管理系统及方法,实现了多个系统质量指标的自适应调整和交互,综合衡量情景感知系统的质量水平,利用不同指标之间相互制约的关系,实现系统在缺少真实用户反馈条件下的自适应调节和优化。
Description
技术领域
本发明涉及情景感知技术领域,尤其是涉及一种基于数据融合的情景感知多指标质量管理系统及方法。
背景技术
作为普适计算的核心应用之一,情景感知系统强调透明化的服务,能够主动实时地感知所服务实体的相关情景信息,并对其进行融合、推理和决策后向用户提供合适的服务以满足用户或系统需求。情景感知技术已广泛应用于智慧家庭、智慧医疗和智慧城市等场景,实现了从感知智能到认知智能的转化,极大地提升了用户的体验。
随着情景感知技术的发展,不同的情景感知系统框架变得丰富起来,为不同系统建立普适性较强的质量评估体系也成为必然趋势。已有研究学者面向情景感知系统提出了不同的系统质量指标,如采集设备质量(Quality of Device,QoD)、情景信息质量(Qualityof Context,QoC)、服务质量(Quality of Service,QoS)和用户体验质量(Quality ofExperience,QoE)等,各类质量指标从采集设备到用户体验等不同方面衡量系统质量,虽然侧重点不同,但是彼此之间有着密切的联系。将不同类别的质量指标进行融合得到综合质量指标并应用于情景感知系统,这方面的研究取得了良好的效果。
但是,随着系统智能化程度越来越高,接入的设备也越来越多,而系统需要越来越少的用户主动介入,因此偏向用户侧的系统质量管理方式不再完全适用。某个系统的使用者也可能是下一级模块或系统,因此需要考虑系统与系统之间的反馈及关联,并建立系统驱动和决策端的质量指标。其次,情景感知系统的各质量指标尚未充分发挥自身以及各指标之间相互协作的作用,缺乏统一的管理机制,无法充分发挥各质量指标除评估之外的作用,需要从信息的获取到系统的驱动执行建立多个指标的交互管理,使系统可以自适应地优化。因此,如何进一步建立从感知端到决策端的各个质量管理指标之间的交互,设计一个多指标的情景感知系统质量管理体系是目前亟待解决的研究问题。
发明内容
本发明的目的是提供一种基于数据融合的情景感知多指标质量管理系统,实现了多个系统质量指标的自适应调整和交互,通过多个质量指标的交互管理综合衡量情景感知系统的质量水平,同时利用不同指标之间相互制约的关系,实现系统在缺少真实用户反馈条件下的自适应调节和优化。本发明的另一个目的是提供一种基于数据融合的情景感知多指标质量管理系统的工作方法。
为实现上述目的,本发明提供了一种基于数据融合的情景感知多指标质量管理系统,包括采集设备质量管理模块、情景信息质量管理模块、服务质量管理模块、用户体验质量管理模块和驱动决策质量管理模块;
所述采集设备质量管理模块、情景信息质量管理模块、服务质量管理模块和驱动决策质量管理模块形成闭环连接,所述情景信息质量管理模块和用户体验质量管理模块连接,所述服务质量管理模块、驱动决策质量管理模块分别与用户体验质量管理模块交互连接;
所述服务质量管理模块包括依次连接的基于知识图谱服务推荐单元、主观QoS获取单元、客观QoS获取单元、QoS融合排序择优单元和主客观阈值筛选单元,所述主客观阈值筛选单元包括主观QoS阈值和客观QoS阈值;
所述用户体验质量管理模块包括用户及系统反馈单元、主观QoE获取单元和客观QoE获取单元。
优选的,所述采集设备质量管理模块包括依次连接的感知设备信息配置单元、QoD参数获取单元和低级情景信息获取单元;
所述感知设备信息配置单元用于实时接受反馈信息并对感知设备的信息配置进行调整;
所述QoD参数获取单元用于获取物理传感器的QoD参数;
所述低级情景信息获取单元用于使用符合系统要求的智能设备采集数据,避免采集无用的情景信息,直观地量化各智能感知设备与当前处理需求的匹配程度,节约存储空间和计算资源,并将获取的低级情景信息传输至情景信息质量管理模块进一步处理。
优选的,所述情景信息质量管理模块包括依次连接的情景信息预处理单元、情景信息存储库单元、QoC参数加权融合单元、基于QoC的情景信息不确定性消除单元和高级情景信息获取单元;
所述情景信息预处理单元用于将同构的情景信息进行标准化处理,将异构的情景信息进行分类处理,将原始情景信息和预处理之后的情景信息传输至所述情景信息存储库单元;
所述情景信息存储库单元用于存储原始和预处理之后的情景信息;
所述QoC参数加权融合单元用于计算情景信息的每一类QoC参数值,并根据系统和用户需求设置对应的参数权重进行加权融合;
所述基于QoC的情景信息不确定性消除单元用于处理情景信息的不完备性、不精确性和不一致性;
高级情景信息获取单元用于对不确定性消除后的低级情景信息进行建模、推理和融合得到高级情景信息,为服务推荐提供必要的信息支撑。
优选的,所述基于知识图谱服务推荐单元用于根据高级情景信息和对所需的服务发出请求;
所述主观QoS获取单元用于根据从用户期望和偏好统计来确定主观的QoS参数以及对应权重,涉及用户偏好的QoS参数依据用户偏好确定权重,没有涉及用户偏好的QoS参数按照默认权重进行处理,主观QoS参数是可选参数;
所述客观QoS获取单元用于获取满足所需服务的客观QoS参数以及对应的权重,客观QoS参数是必选参数;
所述QoS融合排序择优单元用于根据主客观QoS权重分类融合分别得到主客观QoS值,按照高低顺序排序;
所述主客观阈值筛选单元用于计算主客观QoS阈值,对系统推荐的服务进行筛选,所述主观QoS阈值根据用户主观偏好确定,无法获取用户偏好反馈信息时,主观QoS阈值与客观QoS阈值保持一致。
优选的,驱动决策质量管理模块包括决策优化单元、驱动控制单元和决策自适应感知单元,所述决策自适应感知单元包括主观决策感知子单元、客观决策感知子单元和质量指标自适应调整子单元;
所述决策优化单元和驱动控制单元依次连接,所述主观决策感知子单元和客观决策感知子单元均与质量指标自适应调整子单元连接;
所述决策优化单元用于根据执行器信息和环境信息判断服务符合预期的程度,对经过主观QoS阈值和客观QoS阈值筛选之后的服务进一步优化,适应实际执行器的运行需求;
所述驱动控制单元用于直接控制服务于环境、系统和客户的执行器,避免直接服务用户和环境的实体执行器产生不必要的响应或动作,依据可自我调节的故障检测和校准机制对实体或虚拟终端进行稳定的控制和管理,将反映决策执行水平的信息提供给客观QoE获取单元,增加没有真实用户反馈时的反馈信息;
所述决策自适应感知单元用于自动感知当前系统决策的执行情况;
所述主观决策感知子单元用于统计来自用户反馈和纠正的决策执行情况以及级联系统反馈的决策执行情况,主观决策感知子单元是可选项;
所述客观决策感知子单元用于主动感知决策执行对实体的影响是否符合预期,客观决策感知子单元是必选项;
所述质量指标自适应调整子单元用于根据系统各层次质量指标的交互性能和决策执行情况对系统进行自适应的调整操作,将需要调整的QoD、QoC信息发送给感知设备信息配置单元,所包含的对应的信息会在不同模块被逐层提取并用于调整各模块质量指标。
优选的,所述用户及系统反馈单元连接主观QoE获取单元;
所述主观QoE获取单元用于捕捉用户主动提供的QoE,将主观QoE信息发送至主观QoS获取单元,共同协助确定主观QoS参数以及对应的权重;
所述客观QoE获取单元用于融合综合QoC参数、QoS参数和决策执行情况对客观QoE进行预测,将结果发送至客观QoS获取单元,用于质量指标自适应调整和对服务进行优化。
上述的一种基于数据融合的情景感知多指标质量管理系统的工作方法,包括如下步骤:
步骤S01:感知设备信息配置,根据情景感知系统的具体应用要求对智能感知设备进行相关配置信息的预设及调整;
步骤S02:QoD参数获取,获取当前场景下处于可应用状态下的智能感知设备的QoD参数;
步骤S03:低级情景信息获取,选取QoD参数满足系统要求的智能感知设备进行情景信息的采集;
步骤S04:情景信息预处理,将采集到的情景信息进行分类预处理,对于同构的情景信息,数据格式统一为预设的标准格式;对于异构的数据,提取有效的信息重新组合为统一的数据格式且允许缺省值存在,对于简单的数据和场景,通常预处理为布尔数据;
步骤S05:情景信息存储,将采集到的原始情景信息、预处理之后的情景信息和系统预设参数阈值信息存储至数据库;
步骤S06:QoC参数获取,计算所获取情景信息的质量,包括可靠性、更新度、正确性、情景信息相关性参数;
步骤S07:QoC参数加权融合,对QoC参数分析信息源的性质,匹配合适的QoC参数,对QoC参数进行智能融合得到情景信息综合质量;
步骤S08:基于QoC的情景信息不确定性消除,利用加权融合后的QoC参数情景信息做不一致性、不完整性和不精确性消除处理;
步骤S09:高级情景信息获取,对不确定性消除后的情景信息进一步处理,通过推理融合方法对高质量的情景信息进行融合,推理融合方法采用D-S证据论、贝叶斯方法;
步骤S10:知识图谱服务推荐,根据获取的高级情景信息,利用基于知识图谱的推荐系统算法对当前所需服务发出请求;
步骤S11:主观QoS获取,根据用户偏好和主观QoE得到主观QoS,涉及用户偏好的QoS参数依据用户确定QoS参数权重,没有涉及用户偏好的QoS参数按照默认权重进行处理;
步骤S12:客观QoS获取,通过当前服务以及客观QoE计算QoS参数值;
步骤S13:QoS融合排序择优,对主客观QoS,给予不同的权重,得到综合QoS分数并对符合条件的服务进行等级划分排序;主观权重根据用户偏好和模糊AHP方法确定,客观权重采用信息熵的方法确定,当主观权重为λ,客观权重为1-λ,主观QoS值为WO,客观QoS值为WS时,综合QoS值为λ×WO+(1-λ)×WS;
步骤S14:QoS主客观阈值获取,根据用户偏好以及QoE对QoS阈值进行设置,主观阈值通过用户所需要的服务水平进行设置,对步骤S13中排序的服务挑选符合用户要求又节省计算和存储资源的服务,客观阈值根据系统预设的通用阈值进行设置,当无法获取主观QoS阈值时,使其和客观QoS阈值保持一致;
步骤S15:判断QoS是否超出阈值,将获取服务的QoS与步骤S14设置的阈值比较,若没有超出阈值,在阈值内选择分数最高的服务,否则阈值外即使存在较高的分数的服务,不予考虑,重新进入步骤S10;
步骤S16:服务可用性和一致性获取,根据步骤S15提供的服务,结合驱动控制单元获取服务的可用性和一致性,进一步优化服务,加强服务的可靠性和有效性,提升系统判决正确率;
步骤S17:驱动控制,依据可自我调节的故障检测和校准机制对实体或虚拟终端进行稳定的控制和管理,反映执行器执行决策情况的信息提供给客观QoE获取单元;
步骤S18:用户及系统反馈获取,获取用户的真实反馈,此处与预测的客观QoE有根本的区别,同时获取来自级联系统的反馈信息并存储;
步骤S19:判断反馈是否来自用户,判断步骤S18的反馈是否来自真实用户,如果来自真实用户,进入步骤S21,反之进入步骤S22;
步骤S20:客观QoE获取,结合QoC参数、驱动控制反馈数据以及当前服务的QoS参数值计算客观QoE,结果反馈到步骤S12客观QoS获取单元;
步骤S21:主观QoE获取,捕捉用户主动提供的QoE,结果反馈到步骤S11主观QoS获取单元;
步骤S22:QoME获取,计算来自系统而非用户的机器体验质量;
步骤S23:主观决策感知,根据级联系统的QoME获取当前执行器执行决策符合预期的程度;
步骤S24:客观决策感知,根据执行单元自适应判断执行器执行决策符合预期的程度并反馈给质量指标自适应调整单元;
步骤S25:质量指标自适应调整,根据系统各层次质量指标的交互性能和决策执行情况对系统进行自适应的调整操作。
本发明所述的一种基于数据融合的情景感知多指标质量管理系统及方法的优点和积极效果是:
1、能够主动感知情景信息,实时监测环境状态变化,通过对情景信息的处理,主动地为用户提供合适的服务。
2、能够利用各管理模块之间的关系不断调整优化系统性能,能够实现对应用程序或感知设备配置的自适应调整。
3、利用QoD、QoC、QoS、QoAD以及QoE多个指标对情景感知系统质量进行管理,减少计算资源的同时提高了系统的容错率和决策的正确率,使系统具有高效性。
4、针对缺少用户反馈的应用场景,增加了驱动决策质量管理模块,一方面可以进一步优化系统服务,另一方面可以加强与下一级系统的反馈,使得当没有真实的用户反馈或者较少时,也可以保持较高的系统质量。
5、从用户和系统角度计算QoS,通过设置自适应的QoS阈值,使系统提供的服务在保证满足用户需求的同时,更加合理和有效并且可以减少资源的消耗。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明一种基于数据融合的情景感知多指标质量管理系统的结构框架图;
图2为本发明一种基于数据融合的情景感知多指标质量管理系统的组成及连接关系图;
图3为本发明一种基于数据融合的情景感知多指标质量管理系统的工作流程示意图。
具体实施方式
以下通过附图和实施例对本发明的技术方案作进一步说明。
除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
实施例1
一种基于数据融合的情景感知多指标质量管理系统,如图1所示,包括采集设备质量管理模块、情景信息质量管理模块、服务质量管理模块、用户体验质量管理模块和驱动决策质量管理模块。
采集设备质量管理模块、情景信息质量管理模块、服务质量管理模块和驱动决策质量管理模块形成闭环连接,情景信息质量管理模块和用户体验质量管理模块连接,服务质量管理模块和驱动决策质量管理模块分别和所述用户体验质量管理模块交互连接。
采集设备质量管理模块用于管理及调整感知设备的信息配置,获取感知设备的相关QoD参数,根据来自驱动决策质量管理模块的反馈信息选择符合要求的感知设备,并将采集的低级情景信息发送到情景信息质量管理模块,QoD参数是指描述采集设备质量的参数,低级情景信息是指直接来源于传感器或用户预设的简单情景信息。
情景信息质量管理模块用于计算QoC参数并据此消除情景信息的不确定性,通过融合推理后得到高级情景信息,并将高级情景信息发送到服务质量管理模块进行服务推荐,QoC参数是指用于描述情景信息质量的参数,主要包括更新度、可靠性、正确性和完整性等,情景信息的不确定性是指信息之间的不精确性、不一致性和不完备性,高级情景信息是指由低级情景信息融合推理得到的可以反映实体状态的信息。
服务质量管理模块用于根据融合推理的得到的高级情景信息进行智能推荐相关服务,在计算推荐服务或服务组合的QoS参数后,根据QoS参数值筛选合适的服务,同时推送到驱动决策质量管理模块,QoS参数值是指描述系统服务性能的参数,主要包括响应时间、丢包率和成本等。
驱动决策质量管理模块用于进一步优化系统推荐的服务,直接作用于实体或虚拟的执行器,感知执行器执行决策后的正确性和符合预期程度。根据用户及系统反馈进行质量指标的自适应更新及调整,并发送到采集设备质量管理模块,实体执行器指通过电、磁等驱动,可使物体或环境发生实际变化的器件,虚拟执行器指网络服务等。
用户体验质量管理模块用于获取用户及系统的反馈和用户的偏好统计等信息,评估和计算QoE指标值并发送给服务质量管理模块和驱动决策质量管理模块。
采集设备质量管理模块包括依次连接的感知设备信息配置单元、QoD参数获取单元和低级情景信息获取单元。
感知设备信息配置单元用于实时接受反馈信息并对感知设备的信息配置进行调整。
QoD参数获取单元用于获取物理传感器的QoD参数,包括传感器精度、采样频率、测量最大有效距离、使用寿命等,获取虚拟传感器的数学模型精度等。
低级情景信息获取单元用于使用符合系统要求的智能设备采集数据,避免采集无用的情景信息,直观地量化各智能感知设备与当前处理需求的匹配程度,节约存储空间和计算资源,并将获取的低级情景信息传输至情景信息质量管理模块进一步处理。
情景信息质量管理模块包括依次连接的情景信息预处理单元、情景信息存储库单元、QoC参数加权融合单元、基于QoC的情景信息不确定性消除单元和高级情景信息获取单元。
情景信息预处理单元用于将同构的情景信息进行标准化处理,将异构的情景信息进行分类处理,将原始情景信息和预处理之后的情景信息传输至所述情景信息存储库单元。
QoC参数加权融合单元用于计算情景信息的每一类QoC参数值,包括更新度、可靠性、正确性等,并根据系统和用户需求设置对应的参数权重进行加权融合;例如当系统对实时性要求特别高时,更新度的权重优先。
情景信息存储库单元用于存储原始和预处理之后的情景信息。
基于QoC的情景信息不确定性消除单元用于处理情景信息的不完备性、不精确性和不一致性。
高级情景信息获取单元用于对不确定性消除后的低级情景信息进行建模、推理和融合得到高级情景信息,为服务推荐提供必要的信息支撑。
服务质量管理模块包括依次连接的基于知识图谱服务推荐单元、主观QoS获取单元、客观QoS获取单元、QoS融合排序择优单元和主客观阈值筛选单元。
基于知识图谱服务推荐单元用于根据高级情景信息和对所需的服务发出请求。
主观QoS获取单元用于根据从用户期望和偏好统计来确定主观的QoS参数以及对应权重,涉及用户偏好的QoS参数依据用户偏好确定权重,没有涉及用户偏好的QoS参数按照默认权重进行处理,主观QoS参数是可选参数。
客观QoS获取单元用于获取满足所需服务的客观QoS参数以及对应的权重,默认的客观QoS参数包括系统响应时间、延迟和成本等,客观QoS参数是必选参数。
QoS融合排序择优单元用于根据主客观QoS权重分类融合分别得到主客观QoS值,按照高低顺序排序,主观QoS和客观QoS融合可以采用模糊层次分析法(AnalyticHierarchy Process,AHP)。
主客观阈值筛选单元用于计算主客观QoS阈值,对系统推荐的服务进行筛选,包括主观QoS阈值和客观QoS阈值,主观QoS阈值根据用户主观偏好确定,不同的时间、不同的用户都会影响主观QoS阈值的确定,无法获取用户偏好等反馈信息时,主观QoS阈值与客观QoS保持一致。
驱动决策质量管理模块包括决策优化单元、驱动控制单元和决策自适应感知单元,决策自适应感知单元包括主观决策感知子单元、客观决策感知子单元和质量指标自适应调整子单元。
决策优化单元和驱动控制单元依次连接,主观决策感知子单元和客观决策感知子单元均与质量指标自适应调整子单元连接。
决策优化单元用于根据执行器信息和环境信息判断服务符合预期的程度,对经过主观QoS阈值和客观QoS阈值筛选之后的服务进一步优化,适应实际执行器的运行需求。
驱动控制单元用于直接控制服务于环境、系统和客户的执行器,避免直接服务用户和环境的实体执行器产生不必要的响应或动作,依据可自我调节的故障检测和校准机制对实体或虚拟终端进行稳定的控制和管理,将反应决策执行水平的信息提供给客观QoE获取单元,增加没有真实用户反馈时的反馈信息。
决策自适应感知单元用于自动感知当前系统决策的执行情况。
主观决策感知子单元用于统计来自用户反馈和纠正的决策执行情况以及级联系统反馈的决策执行情况,主观决策感知子单元是可选项。
客观决策感知子单元用于主动感知决策执行对实体的影响是否符合预期,客观决策感知子单元是必选项。
质量指标自适应调整子单元用于根据系统各层次质量指标的交互性能和决策执行情况对系统进行自适应的调整操作,将需要调整的QoD、QoC信息发送给感知设备信息配置单元,所包含的对应的信息会在不同模块被逐层提取并用于调整各模块质量指标。
用户体验质量管理模块包括用户及系统反馈单元、主观QoE获取单元和客观QoE获取单元。
用户及系统反馈单元连接主观QoE获取单元。
用户及系统反馈单元用于记录用户期望、偏好统计等,同时获取级联系统的机器体验质量(Quality of Machine Experience,QoME),QoME本质上衡量的是机器对最终用户QoE的影响,反馈的信息提供给主观决策感知子单元用于评估决策执行水平。
主观QoE获取单元用于捕捉用户主动提供的主观QoE,将主观QoE信息发送至主观QoS获取单元,共同确定主观QoS参数以及对应的权重。
客观QoE获取单元用于融合综合QoC参数、QoS参数和决策执行情况对客观QoE进行预测,将结果发送至客观QoS获取单元,用于质量指标自适应调整和对服务进行优化。
实施例2
一种基于数据融合的情景感知多指标质量管理系统的工作方法,如图3所示,以智能家居系统为例,系统通过Wi-Fi、蓝牙、声音传感器和电脑活动来获取用户位置信息,智能调节不同房间内空调和灯光等。具体步骤包括:
步骤S01:感知设备信息配置
感知设备信息配置单元根据情景感知系统的具体应用要求对智能感知设备进行相关配置信息的预设及调整。
步骤S02:QoD参数获取
QoD参数获取单元获取当前场景下处于可应用状态下的智能感知设备的QoD参数。主要获取两个QoD参数:精度和采样间隔。
步骤S03:低级情景信息获取
低级情景信息获取单元选取QoD参数满足系统要求的智能感知设备进行情景信息的采集,采集的原始情景信息均为位置信息。
步骤S04:情景信息预处理
情景信息预处理单元将采集到的情景信息进行分类预处理,对于同构的情景信息,数据格式统一为预设的标准格式;对于异构的数据,提取有效的信息重新组合为统一的数据格式且允许缺省值存在;对于简单的数据和场景,通常预处理为布尔数据。将数据进行二值化处理,处在规定的地点中则为“1”,否则为“0”。
步骤S05:情景信息存储
情景信息存储单元将采集到的原始情景信息、预处理之后的情景信息和系统预设参数阈值等信息存储至数据库。
步骤S06:QoC参数获取
QoC参数获取单元计算所获取情景信息的质量,包括可靠性、更新度、正确性、情景信息相关性等参数。采用可靠性、更新度和正确性三个参数。
步骤S07:QoC参数加权融合
QoC参数加权融合单元对QoC参数分析信息源的性质,匹配合适的QoC参数,对QoC参数进行智能融合得到情景信息综合质量。
步骤S08:基于QoC的情景信息不确定性消除
基于QoC的情景信息不确定性消除单元利用加权融合后QoC参数情景信息做不一致性、不完整性和不精确性消除处理。采用D-S证据理论处理情景信息不一致性,采用基于概率统计方法处理情景信息不完整性。
步骤S09:高级情景信息获取
高级情景信息获取单元对不确定性消除后的情景信息进一步处理,通过推理融合方法对高质量的情景信息进行融合,推理融合方法采用D-S证据论、贝叶斯方法。
步骤S10:知识图谱服务推荐
知识图谱服务推荐单元根据高级情景信息,利用基于知识图谱的推荐系统算法对当前所需服务(服务组合)发出请求。
步骤S11:主观QoS获取
主观QoS获取单元根据用户偏好和主观QoE得到主观QoS,涉及用户偏好的QoS参数依据用户确定QoS参数权重,没有涉及用户偏好的QoS参数按照默认权重进行处理。主观QoS受用户对灯光空调的手动修改控制影响。
步骤S12:客观QoS获取
客观QoS获取单元通过当前服务以及客观QoE计算QoS参数值。
步骤S13:QoS融合排序择优
QoS融合排序择优单元对主客观QoS,给予不同的权重,得到综合QoS分数并对符合条件的服务(服务组合)进行等级划分排序。主观权重根据用户偏好和模糊AHP方法确定,客观权重采用信息熵的方法确定。
步骤S14:QoS主客观阈值获取
QoS主客观阈值获取单元根据用户偏好以及QoE对QoS阈值进行设置。主观阈值通过用户所需要的服务水平进行设置。客观阈值根据系统预设的通用阈值进行设置,当范围在[0,1]时,通用阈值设置为[0.45,0.85]。
步骤S15:判断QoS是否超出阈值
将获取服务的QoS与步骤S14设置的QoS阈值比较,若没有超出阈值,在阈值内选择分数最高的服务,否则阈值外即使存在较高的分数的服务,不予考虑,重新进入步骤S10。
步骤S16:服务可用性和一致性获取
根据步骤S15提供的服务,结合驱动控制单元获取服务的可用性和一致性,进一步优化服务,加强服务的可靠性和有效性,提升系统判决正确率。
步骤S17:驱动控制
驱动控制单元依据可自我调节的故障检测和校准机制对实体或虚拟终端进行稳定的控制和管理,反映执行器执行决策情况的信息提供给客观QoE获取单元。驱动控制表现为灯光开关和空调温度调整。
步骤S18:用户及系统反馈获取
用户及系统反馈获取单元获取用户的真实反馈,此处与预测的客观QoE有根本的区别,同时获取来自级联系统的反馈信息并存储。
步骤S19:判断反馈是否来自用户
判断步骤S18的反馈是否来自真实用户,如果来自真实用户,进入步骤S21,反之进入步骤S22。
步骤S20:客观QoE获取
客观QoE获取单元结合QoC参数、驱动控制反馈数据以及当前服务的QoS参数值计算客观QoE,结果反馈到步骤S12客观QoS获取单元。
步骤S21:主观QoE获取
主观QoE获取单元捕捉用户主动提供的QoE,结果反馈到步骤S11主观QoS获取单元。
步骤S22:QoME获取
QoME获取单元计算来自系统而非用户的机器体验质量。
步骤S23:主观决策感知
主观决策感知单元根据级联的系统的QoME获取当前执行器执行决策符合预期的程度。
步骤S24:客观决策感知
客观决策感知单元根据执行单元自适应判断当前执行器执行决策符合预期的程度并反馈给质量指标自适应调整单元。
步骤S25:质量指标自适应调整
质量指标自适应调整子单元根据系统各质量指标的交互性能和决策执行情况对系统进行自适应的调整操作。将需要调整的QoD、QoS和QoC等信息发送给感知设备信息配置单元,所包含的对应的信息会在不同模块被逐层提取并用于调整各模块质量指标。包含的QoD指标调整在步骤S01进行,QoS指标调整在步骤S12进行,QoC指标调整在步骤S06进行。若QoE指标用户评分达到0.55分以上,则不对系统质量指标进行调整,若QoE指标用户评分在0.55以下,则需要调整感知设备信息配置单元和情景信息存储单元的相关信息数据。
因此,本发明采用上述一种基于数据融合的情景感知多指标质量管理系统,实现了多个系统质量指标的自适应调整和交互,通过多个质量指标的交互管理综合衡量情景感知系统的质量水平,同时利用不同指标之间相互制约的关系,实现系统在缺少真实用户反馈条件下的自适应调节和优化。
最后应说明的是:以上实施例仅用以说明本发明的技术方案而非对其进行限制,尽管参照较佳实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对本发明的技术方案进行修改或者等同替换,而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。
Claims (7)
1.一种基于数据融合的情景感知多指标质量管理系统,其特征在于:包括采集设备质量管理模块、情景信息质量管理模块、服务质量管理模块、用户体验质量管理模块和驱动决策质量管理模块;
所述采集设备质量管理模块、情景信息质量管理模块、服务质量管理模块和驱动决策质量管理模块形成闭环连接,所述情景信息质量管理模块和用户体验质量管理模块连接,所述服务质量管理模块、驱动决策质量管理模块分别与用户体验质量管理模块交互连接;
所述服务质量管理模块包括依次连接的基于知识图谱服务推荐单元、主观QoS获取单元、客观QoS获取单元、QoS融合排序择优单元和主客观阈值筛选单元,所述主客观阈值筛选单元包括主观QoS阈值和客观QoS阈值;
所述用户体验质量管理模块包括用户及系统反馈单元、主观QoE获取单元和客观QoE获取单元。
2.根据权利要求1所述的一种基于数据融合的情景感知多指标质量管理系统,其特征在于:所述采集设备质量管理模块包括依次连接的感知设备信息配置单元、QoD参数获取单元和低级情景信息获取单元;
所述感知设备信息配置单元用于实时接受反馈信息并对感知设备的信息配置进行调整;
所述QoD参数获取单元用于获取物理传感器的QoD参数;
所述低级情景信息获取单元用于使用符合系统要求的智能设备采集数据,避免采集无用的情景信息,直观地量化各智能感知设备与当前处理需求的匹配程度,节约存储空间和计算资源,并将获取的低级情景信息传输至情景信息质量管理模块进一步处理。
3.根据权利要求1所述的一种基于数据融合的情景感知多指标质量管理系统,其特征在于:所述情景信息质量管理模块包括依次连接的情景信息预处理单元、情景信息存储库单元、QoC参数加权融合单元、基于QoC的情景信息不确定性消除单元和高级情景信息获取单元;
所述情景信息预处理单元用于将同构的情景信息进行标准化处理,将异构的情景信息进行分类处理,将原始情景信息和预处理之后的情景信息传输至所述情景信息存储库单元;
所述情景信息存储库单元用于存储原始和预处理之后的情景信息;
所述QoC参数加权融合单元用于计算情景信息的每一类QoC参数值,并根据系统和用户需求设置对应的参数权重进行加权融合;
所述基于QoC的情景信息不确定性消除单元用于处理情景信息的不完备性、不精确性和不一致性;
高级情景信息获取单元用于对不确定性消除后的低级情景信息进行建模、推理和融合得到高级情景信息,为服务推荐提供必要的信息支撑。
4.根据权利要求1所述的一种基于数据融合的情景感知多指标质量管理系统,其特征在于:所述基于知识图谱服务推荐单元用于根据高级情景信息和对所需的服务发出请求;
所述主观QoS获取单元用于根据从用户期望和偏好统计来确定主观的QoS参数以及对应权重,涉及用户偏好的QoS参数依据用户偏好确定权重,没有涉及用户偏好的QoS参数按照默认权重进行处理,主观QoS参数是可选参数;
所述客观QoS获取单元用于获取满足所需服务的客观QoS参数以及对应的权重,客观QoS参数是必选参数;
所述QoS融合排序择优单元用于根据主客观QoS权重分类融合分别得到主客观QoS值,按照高低顺序排序;
所述主客观阈值筛选单元用于计算主客观QoS阈值,对系统推荐的服务进行筛选,所述主观QoS阈值根据用户主观偏好确定,无法获取用户偏好反馈信息时,主观QoS阈值与客观QoS阈值保持一致。
5.根据权利要求1所述的一种基于数据融合的情景感知多指标质量管理系统,其特征在于:驱动决策质量管理模块包括决策优化单元、驱动控制单元和决策自适应感知单元,所述决策自适应感知单元包括主观决策感知子单元、客观决策感知子单元和质量指标自适应调整子单元;
所述决策优化单元和驱动控制单元依次连接,所述主观决策感知子单元和客观决策感知子单元均与质量指标自适应调整子单元连接;
所述决策优化单元用于根据执行器信息和环境信息判断服务符合预期的程度,对经过主观QoS阈值和客观QoS阈值筛选之后的服务进一步优化,适应实际执行器的运行需求;
所述驱动控制单元用于直接控制服务于环境、系统和客户的执行器,避免直接服务用户和环境的实体执行器产生不必要的响应或动作,依据可自我调节的故障检测和校准机制对实体或虚拟终端进行稳定的控制和管理,将反映决策执行水平的信息提供给客观QoE获取单元,增加没有真实用户反馈时的反馈信息;
所述决策自适应感知单元用于自动感知当前系统决策的执行情况;
所述主观决策感知子单元用于统计来自用户反馈和纠正的决策执行情况以及级联系统反馈的决策执行情况,主观决策感知子单元是可选项;
所述客观决策感知子单元用于主动感知决策执行对实体的影响是否符合预期,客观决策感知子单元是必选项;
所述质量指标自适应调整子单元用于根据系统各层次质量指标的交互性能和决策执行情况对系统进行自适应的调整操作,将需要调整的QoD、QoC信息发送给感知设备信息配置单元,所包含的对应的信息会在不同模块被逐层提取并用于调整各模块质量指标。
6.根据权利要求1所述的一种基于数据融合的情景感知多指标质量管理系统,其特征在于:所述用户及系统反馈单元连接主观QoE获取单元;
所述主观QoE获取单元用于捕捉用户主动提供的QoE,将主观QoE信息发送至主观QoS获取单元,共同协助确定主观QoS参数以及对应的权重;
所述客观QoE获取单元用于融合综合QoC参数、QoS参数和决策执行情况对客观QoE进行预测,将结果发送至客观QoS获取单元,用于质量指标自适应调整和对服务进行优化。
7.一种如权利要求1-6任一项所述的基于数据融合的情景感知多指标质量管理系统的工作方法,其特征在于,包括如下步骤:
步骤S01:感知设备信息配置,根据情景感知系统的具体应用要求对智能感知设备进行相关配置信息的预设及调整;
步骤S02:QoD参数获取,获取当前场景下处于可应用状态下的智能感知设备的QoD参数;
步骤S03:低级情景信息获取,选取QoD参数满足系统要求的智能感知设备进行情景信息的采集;
步骤S04:情景信息预处理,将采集到的情景信息进行分类预处理,对于同构的情景信息,数据格式统一为预设的标准格式;对于异构的数据,提取有效的信息重新组合为统一的数据格式且允许缺省值存在,对于简单的数据和场景,通常预处理为布尔数据;
步骤S05:情景信息存储,将采集到的原始情景信息、预处理之后的情景信息和系统预设参数阈值信息存储至数据库;
步骤S06:QoC参数获取,计算所获取情景信息的质量,包括可靠性、更新度、正确性、情景信息相关性参数;
步骤S07:QoC参数加权融合,对QoC参数分析信息源的性质,匹配合适的QoC参数,对QoC参数进行智能融合得到情景信息综合质量;
步骤S08:基于QoC的情景信息不确定性消除,利用加权融合后的QoC参数情景信息做不一致性、不完整性和不精确性消除处理;
步骤S09:高级情景信息获取,对不确定性消除后的情景信息进一步处理,通过推理融合方法对高质量的情景信息进行融合,推理融合方法采用D-S证据论、贝叶斯方法;
步骤S10:知识图谱服务推荐,根据获取的高级情景信息,利用基于知识图谱的推荐系统算法对当前所需服务发出请求;
步骤S11:主观QoS获取,根据用户偏好和主观QoE得到主观QoS,涉及用户偏好的QoS参数依据用户确定QoS参数权重,没有涉及用户偏好的QoS参数按照默认权重进行处理;
步骤S12:客观QoS获取,通过当前服务以及客观QoE计算QoS参数值;
步骤S13:QoS融合排序择优,对主客观QoS,给予不同的权重,得到综合QoS分数并对符合条件的服务进行等级划分排序;主观权重根据用户偏好和模糊AHP方法确定,客观权重采用信息熵的方法确定,当主观权重为λ,客观权重为1-λ,主观QoS值为WO,客观QoS值为WS时,综合QoS值为λ×WO+(1-λ)×WS;
步骤S14:QoS主客观阈值获取,根据用户偏好以及QoE对QoS阈值进行设置,主观阈值通过用户所需要的服务水平进行设置,对步骤S13中排序的服务挑选符合用户要求又节省计算和存储资源的服务,客观阈值根据系统预设的通用阈值进行设置,当无法获取主观QoS阈值时,使其和客观QoS阈值保持一致;
步骤S15:判断QoS是否超出阈值,将获取服务的QoS与步骤S14设置的阈值比较,若没有超出阈值,在阈值内选择分数最高的服务,否则阈值外即使存在较高的分数的服务,不予考虑,重新进入步骤S10;
步骤S16:服务可用性和一致性获取,根据步骤S15提供的服务,结合驱动控制单元获取服务的可用性和一致性,进一步优化服务,加强服务的可靠性和有效性,提升系统判决正确率;
步骤S17:驱动控制,依据可自我调节的故障检测和校准机制对实体或虚拟终端进行稳定的控制和管理,反映执行器执行决策情况的信息提供给客观QoE获取单元;
步骤S18:用户及系统反馈获取,获取用户的真实反馈,此处与预测的客观QoE有根本的区别,同时获取来自级联系统的反馈信息并存储;
步骤S19:判断反馈是否来自用户,判断步骤S18的反馈是否来自真实用户,如果来自真实用户,进入步骤S21,反之进入步骤S22;
步骤S20:客观QoE获取,结合QoC参数、驱动控制反馈数据以及当前服务的QoS参数值计算客观QoE,结果反馈到步骤S12客观QoS获取单元;
步骤S21:主观QoE获取,捕捉用户主动提供的QoE,结果反馈到步骤S11主观QoS获取单元;
步骤S22:QoME获取,计算来自系统而非用户的机器体验质量;
步骤S23:主观决策感知,根据级联系统的QoME获取当前执行器执行决策符合预期的程度;
步骤S24:客观决策感知,根据执行单元自适应判断执行器执行决策符合预期的程度并反馈给质量指标自适应调整单元;
步骤S25:质量指标自适应调整,根据系统各层次质量指标的交互性能和决策执行情况对系统进行自适应的调整操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310332016.1A CN116304988A (zh) | 2023-03-31 | 2023-03-31 | 一种基于数据融合的情景感知多指标质量管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310332016.1A CN116304988A (zh) | 2023-03-31 | 2023-03-31 | 一种基于数据融合的情景感知多指标质量管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116304988A true CN116304988A (zh) | 2023-06-23 |
Family
ID=86799580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310332016.1A Pending CN116304988A (zh) | 2023-03-31 | 2023-03-31 | 一种基于数据融合的情景感知多指标质量管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116304988A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740525A (zh) * | 2023-08-16 | 2023-09-12 | 南京迅集科技有限公司 | 基于数据融合的智能制造质量管理方法 |
-
2023
- 2023-03-31 CN CN202310332016.1A patent/CN116304988A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740525A (zh) * | 2023-08-16 | 2023-09-12 | 南京迅集科技有限公司 | 基于数据融合的智能制造质量管理方法 |
CN116740525B (zh) * | 2023-08-16 | 2023-10-31 | 南京迅集科技有限公司 | 基于数据融合的智能制造质量管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11451622B1 (en) | Multi-tier resource and load orchestration | |
CN115860684B (zh) | 一种基于数字孪生的管理系统 | |
US20230010046A1 (en) | Fog node scheduling method and apparatus, computer device, and storage medium | |
CN116304988A (zh) | 一种基于数据融合的情景感知多指标质量管理系统及方法 | |
US10200272B1 (en) | Dynamic availability-based wireless data transmission | |
WO2021036832A1 (zh) | 网络摄像机、视频监控系统及方法 | |
CN115086378B (zh) | 基于云平台的智能物联网监控系统及方法 | |
WO2022124276A1 (ja) | 室内空気品質予測方法、及び室内空気品質検出システム | |
US20230396690A1 (en) | Configuration of event data communication in computer networks | |
EP3903156B1 (en) | Method and system for controlling a process in a process plant | |
CN112910798B (zh) | 一种流量自动调度方法、系统、设备及存储介质 | |
CN117221088A (zh) | 一种计算机网络强度检测系统及装置 | |
CN108875030B (zh) | 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 | |
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 | |
CN106054630A (zh) | 一种基于云任务调度的智能家居控制系统 | |
EP3295567B1 (en) | Pattern-based data collection for a distributed stream data processing system | |
Namjoonia et al. | Fast reinforcement learning algorithms for joint adaptive source coding and transmission control in IoT devices with renewable energy storage | |
CN116016591A (zh) | 一种用于数字孪生的数据采集方法及系统 | |
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 | |
US20230034061A1 (en) | Method for managing proper operation of base station and system applying the method | |
CN117792991B (zh) | 一种路由器链路自动切换方法及多链路由器 | |
CN117527479B (zh) | 软总线组网连接方法、装置、设备及存储介质 | |
WO2024103875A1 (zh) | 意图的处理方法、装置、存储介质及电子装置 | |
WO2024066720A1 (zh) | 指标阈值的确定方法、装置、存储介质及电子装置 | |
CN113625603B (zh) | 基于大数据的安防监控管理系统及管理方法 |
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 |