一种网络质量评价方法、装置和设备与流程

本发明的实施例一般涉及网络管理技术领域，并且更具体地，涉及一种网络质量评价方法、装置和设备。

背景技术

现实生活中，对于网络质量的评价往往缺少客观的打分体系标准，现有方案中最常见的先根据每一个单一指标的数据线性求出单个指标的得分，然后给所有性能指标统一的权重或是人为先验的权重，最后计算网络质量的总分，该方案最大的缺点是加入较多人为先验信息，打分系统无法保证准确客观，而且单指标根据数值线性打分与用户感知情况不符。

技术实现要素：

根据本发明的实施例，提供了一种网络质量评价方案。

在本发明的第一方面，提供了一种网络质量评价方法。该方法包括：

获取网络测试性能数据的统计分布，根据统计分布设定评价指标的锚定范围，并将获取到的网络测试性能数据映射到所述锚定范围内；

将所述锚定范围内的指标数据映射到[-5,5]的区间，并根据sigmoid函数计算指标值；

根据所述指标值与网络性能的相关性，将所述指标值调整为网络质量评价指标值。

进一步地，所述设定评价指标的锚定范围，包括：

设置数据比例阈值，将能够覆盖数据比例阈值的数据范围作为评价指标的锚定范围。

进一步地，所述将所述锚定范围内的指标数据映射到[-5,5]的区间，包括：

其中，x^*为映射后的指标数据，取值在[-5,5]的范围区间内；x为初始的锚定后的指标数据；xmin为锚定范围的边界最小值；xmax为锚定范围的边界最大值。

进一步地，所述根据sigmoid函数计算指标值，包括：

其中，y为映射后的指标数据经过sigmoid函数归一化后的值，x^*为映射后的指标数据。

进一步地，所述根据所述指标值与网络性能的相关性，将所述指标值调整为网络质量评价指标值，包括：

如果所述指标值与网络性能呈正相关，则将所述指标值作为网络质量评价指标值；

如果所述指标值与网络性能呈负相关，则用1减去所述指标值，得到网络质量评价指标值。

在本发明的第二方面，提供了一种网络质量评价装置。该装置包括：

选取模块，用于获取网络测试性能数据的统计分布，根据统计分布设定评价指标的锚定范围，并将获取到的网络测试性能数据映射到所述锚定范围内；

计算模块，用于将所述锚定范围内的指标数据映射到[-5,5]的区间，并根据sigmoid函数计算指标值；

调整模块，用于根据所述指标值与网络性能的相关性，将所述指标值调整为网络质量评价指标值。

在本发明的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如第一方面所述的方法。

在本发明的第四方面，提供了一种网络质量评价方法。该方法包括：

获取网络测试性能数据的统计分布，根据统计分布设定评价指标的锚定范围，并将获取到的网络测试性能数据映射到所述锚定范围内；

将所述锚定范围内的指标数据映射到[-5,5]的区间，并根据sigmoid函数计算指标值；

根据所述指标值与网络性能的相关性，将所述指标值调整为网络质量评价指标值；

通过熵权法计算不同评价指标下的网络质量评价指标值之间的权重，并基于权重将不同评价指标下的网络质量评价指标值进行加权平均，得到网络质量综合评价指标值。

进一步地，所述设定评价指标的锚定范围，包括：

设置数据比例阈值，将能够覆盖数据比例阈值的数据范围作为评价指标的锚定范围。

进一步地，所述将所述锚定范围内的指标数据映射到[-5,5]的区间，包括：

其中，x^*为映射后的指标数据，取值在[-5,5]的范围区间内；x为初始的锚定后的指标数据；xmin为锚定范围的边界最小值；xmax为锚定范围的边界最大值。

进一步地，所述根据sigmoid函数计算指标值，包括：

其中，y为映射后的指标数据经过sigmoid函数归一化后的值，x^*为映射后的指标数据。

进一步地，所述根据所述指标值与网络性能的相关性，将所述指标值调整为网络质量评价指标值，包括：

如果所述指标值与网络性能呈正相关，则将所述指标值作为网络质量评价指标值；

如果所述指标值与网络性能呈负相关，则用1减去所述指标值，得到网络质量评价指标值。

在本发明的第五方面，提供了一种网络质量评价装置。该装置包括：

选取模块，用于获取网络测试性能数据的统计分布，根据统计分布设定评价指标的锚定范围，并将获取到的网络测试性能数据映射到所述锚定范围内；

第一计算模块，用于将所述锚定范围内的指标数据映射到[-5,5]的区间，并根据sigmoid函数计算指标值；

调整模块，用于根据所述指标值与网络性能的相关性，将所述指标值调整为网络质量评价指标值；

第二计算模块，用于通过熵权法计算不同评价指标下的网络质量评价指标值之间的权重，并基于权重将不同评价指标下的网络质量评价指标值进行加权平均，得到网络质量综合评价指标值。

在本发明的第六方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如第四方面所述的方法。

应当理解，发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。

本发明结合sigmoid函数，利用网络质量评价指标值对单个评价指标下的网络质量进行评价，并利用熵权法将多个网络性能指标评价进行融合，解决了网络性能指标的感知与数据分布不均衡的问题，以及在多个性能指标存在时的客观赋权问题，能够充分利用网络测试性能数据信息，准确客观的对网络质量进行评价，并且评价贴合用户感知。

附图说明

结合附图并参考以下详细说明，本发明各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了根据本发明的实施例的网络质量评价方法的流程图；

图2示出了根据本发明的实施例的downloadspeed数据的统计分布图；

图3示出了根据本发明的另一实施例的网络质量评价方法的流程图；

图4示出了根据本发明的实施例的网络质量评价装置的方框图；

图5示出了根据本发明的另一实施例的网络质量评价装置的方框图；

图6示出了能够实施本发明的实施例的示例性电子设备的方框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本发明保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A 和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

通过采集系统我们可以获取到网络测试性能数据，对于单一指标的网络性能数据，通常有两种特点，一是单向性，即数据更大或者更小意味着更好或者更坏，数据的好坏程度是单方向的，二是感知与指标的不均衡性，通常一个指标情况很好或很差时，即使指标数据值差别较大，用户感知情况无明显区别，例如网络延迟高于200ms时感知普遍较差，500ms和200ms感知情况都会很差，感知区分程度不明显，但是在20-200ms之间，感知情况随数值变化会较为明显。为了针对这样一种情况，让打分符合用户的感知，我们会采用sigmoid函数这样的s型函数来拟合打分，该函数是单调函数，且符合感知在好坏两端随数值变化区别不明显的特征，适合用于这样的场景。

图1示出了本发明实施例的网络质量评价方法的流程图。

该方法包括：

S100、获取网络测试性能数据的统计分布，根据统计分布设定评价指标的锚定范围，并将获取到的网络测试性能数据映射到所述锚定范围内。

作为本发明的一种实施例，如图2所示，为downloadspeed数据的统计分布图。其中横坐标为下载速度，单位为Mb/s；纵坐标为数据的分布占比；图中两条虚线代表设定的锚定范围边界；直方图代表数据占比，折线描绘趋势。所述锚定范围为能够覆盖绝大部分数据的范围，例如图2中取[0,15]为 downloadspeed数据的统计分布的锚定范围，且能够覆盖95％的数据范围。超出所述评价指标的锚定范围的指标数据都默认取范围的边界，例如横坐标大于15的数据，都默认取横坐标为15。

S200、将所述锚定范围内的指标数据映射到[-5,5]的区间，并根据sigmoid 函数计算指标值。

将S100中选取的锚定范围归一化为[-5,5]的区间内，即利用归一化公式将S100中选取到的锚定范围内的指标数据映射成[-5,5]的对应数据，包括：

其中，x^*为映射后的指标数据，取值在[-5,5]的范围区间内；x为初始的锚定后的指标数据；xmin为锚定范围的边界最小值；xmax为锚定范围的边界最大值。

将指标数据归一化主要是为了数据映射，方便下一步利用sigmoid的计算能将计算出来的值的范围限制在[0,1]之间。

在将x值调整为[-5,5]的范围区间内后，还需要对应调整y值。

进一步地，根据sigmoid函数计算指标值，包括：

其中，y为映射后的指标数据经过sigmoid函数归一化后的值，0≤y≤1； x^*为映射后的指标数据。

通过sigmoid函数将指标数据转化为[0,1]范围内的分数，为后续评价网络质量提供数据基础。

S300、根据所述指标值与网络性能的相关性，将所述指标值调整为网络质量评价指标值。

所述指标值与网络性能的相关性包括正相关和负相关。

正相关，是指自变量增长，因变量也跟着增长，即两个变量变动方向相同，一个变量由大到小或由小到大变化时，另一个变量亦由大到小或由小到大变化。

负相关，是指自变量增长，因变量反而降低，即两个变量变动方向相同，一个变量由大到小或由小到大变化时，另一个变量反而有小到大或由大到小变化。

如果所述指标值与网络性能呈正相关，则指标值即可提现出网络质量，将指标值作为网络质量评价指标值；例如，指标值1为0.737，指标值2为 0.836，则能够评价出指标值2对应的网络质量优于指标值1对应的网络质量。

如果所述指标值与网络性能呈负相关，此时指标值与网络质量成相反趋势，需要用1减去所述指标值，得到对应的网络质量评价指标值。例如，指标值1为0.737，其对应的网络质量评价指标值为0.263；指标值2为0.836，其对应的网络质量评价指标值为0.164；从两个网络质量评价指标值可以比较出指标值1对应的网络质量优于指标值2对应的网络质量。

作为本发明的一种实施例，采集30万条http测试数据，数据中为 downloadspeed指标，根据该指标数据的统计分布，将锚定范围设定在[0,15]，将采集到的测试数据都映射到该锚定范围内。

对于1条downloadspeed数值是11.5615的数据，第一步映射在[-5,5]后的值为2.7075，通过sigmoid函数转化为分数后，分值为0.9375，为单条数据该指标的分数。

本实施例中，结合sigmoid函数，利用网络质量评价指标值对单个评价指标下的网络质量进行评价，解决了网络性能指标的感知与数据分布不均衡的问题，能够充分利用网络测试性能数据信息，准确客观的对网络质量进行评价，并且评价贴合用户感知。

上述S100～S300结合sigmoid函数，利用网络质量评价指标值实现了对单个评价指标下的网络质量进行评价，解决了网络性能指标的感知与数据分布不均衡的问题。然而，当存在若干个单一指标同时对整体网络情况进行评价时，就需要将每个单一指标合并得到一个多指标的综合评价。故，在得到了每一个单一指标的评价后，通过熵权法来计算出每个指标的权重，再根据不同指标的权重关系，得到权重后的综合评价。

图3所示出了本发明实施例的网络质量评价方法的流程图。

该方法包括：

S100、获取网络测试性能数据的统计分布，根据统计分布设定评价指标的锚定范围，并将获取到到网络测试性能数据映射到所述锚定范围内。

作为本发明的一种实施例，如图2所示，为downloadspeed数据的统计分布图。其中横坐标为下载速度，单位为mb/s；纵坐标为数据的分布占比；图中两条虚线代表设定的锚定范围边界；直方图代表数据占比，折线描绘趋势。所述锚定范围为能够覆盖绝大部分数据的范围，例如图2中取[0,15]为 downloadspeed数据的统计分布的锚定范围，且能够覆盖95％的数据范围。超出所述评价指标的锚定范围的指标数据都默认取范围的边界，例如横坐标大于15的数据，都默认取横坐标为15。

S200、将所述锚定范围内的指标数据映射到[-5,5]的区间，并根据sigmoid 函数计算指标值。

将S100中选取的锚定范围归一化为[-5,5]的区间内，即利用归一化公式将S100中选取到的锚定范围内的指标数据映射成[-5,5]的对应数据，包括：

其中，x^*为映射后的指标数据，取值在[-5,5]的范围区间内；x为初始的锚定后的指标数据；xmin为锚定范围的边界最小值；xmax为锚定范围的边界最大值。

将指标数据归一化主要是为了数据映射，方便下一步利用sigmoid的计算能将计算出来的值的范围限制在[0,1]之间。

在将x值调整为[-5,5]的范围区间内后，还需要对应调整y值。

进一步地，根据sigmoid函数计算指标值，包括：

其中，y为映射后的指标数据经过sigmoid函数归一化后的值，0≤y≤1； x^*为映射后的指标数据。

通过sigmoid函数将指标数据转化为[0,1]范围内的分数，为后续评价网络质量提供数据基础。

S300、根据所述指标值与网络性能的相关性，将所述指标值调整为网络质量评价指标值。

所述指标值与网络性能的相关性包括正相关和负相关。

正相关，是指自变量增长，因变量也跟着增长，即两个变量变动方向相同，一个变量由大到小或由小到大变化时，另一个变量亦由大到小或由小到大变化。

负相关，是指自变量增长，因变量反而降低，即两个变量变动方向相同，一个变量由大到小或由小到大变化时，另一个变量反而有小到大或由大到小变化。

如果所述指标值与网络性能呈正相关，则指标值即可提现出网络质量，将指标值作为网络质量评价指标值；例如，指标值1为0.737，指标值2为0.836，则能够评价出指标值2对应的网络质量优于指标值1对应的网络质量。

如果所述指标值与网络性能呈负相关，此时指标值与网络质量成相反趋势，需要用1减去所述指标值，得到对应的网络质量评价指标值。例如，指标值1为0.737，其对应的网络质量评价指标值为0.263；指标值2为0.836，其对应的网络质量评价指标值为0.164；从两个网络质量评价指标值可以比较出指标值1对应的网络质量优于指标值2对应的网络质量。

作为本发明的一种实施例，采集30万条http测试数据，数据中为 downloadspeed指标，根据该指标数据的统计分布，将锚定范围设定在[0,15]，将采集到的测试数据都映射到该锚定范围内。

对于1条downloadspeed数值是11.5615的数据，第一步映射在[-5,5]后的值为2.7075，通过sigmoid函数转化为分数后，分值为0.9375，为单条数据该指标的分数。

本实施例中，结合sigmoid函数，利用网络质量评价指标值对单个评价指标下的网络质量进行评价，解决了网络性能指标的感知与数据分布不均衡的问题，能够充分利用网络测试性能数据信息，准确客观的对网络质量进行评价，并且评价贴合用户感知。

S400、通过熵权法计算不同评价指标下的网络质量评价指标值之间的权重，并基于权重将不同评价指标下的网络质量评价指标值进行加权平均，得到网络质量综合评价指标值。

熵权法是一种客观赋权方法，根据指标变异性的大小来决定指标的客观权重。熵权法用熵值判断某个指标的离散程度，熵值越小，指标的离散程度越大，该指标对综合评价的影响，即权重就越大。所有单一指标的得分计算出来后,通过熵权法计算不同指标间的权重关系，得到权重后将所有指标的得分加权平均得到总得分，总得分在[0,1]范围内，1为最好，0为最差。

作为本发明的一种实施例，获取到50万条网络http的测试数据，其中包含downloadspeed,firstdelay,dnsdelay三个性能指标。首先我们根据数据统计分布，将三个指标到合理范围限定在[0,15]，[0,6000]，[0,100]中。根据S100～ S300的过程分别对三个指标数据进行评价，得出对应的网络质量评价指标值。通过熵权法计算出的3个指标的权重分别是0.2515，0.3543和0.3941。对于一条downloadspeed为0.077，firstdelay为732，dnsdelay为8的数据，最终通过权重计算后得到的网络质量综合评价指标值为0.737。对于另一条 downloadspeed为20.084，firstdelay为630，dnsdelay为8的数据，最终通过权重计算后得到的网络质量综合评价指标值为0.987。

本实施例中，结合sigmoid函数，利用网络质量评价指标值对单个评价指标下的网络质量进行评价，并利用熵权法将多个网络性能指标评价进行融合，解决了网络性能指标的感知与数据分布不均衡的问题，以及在多个性能指标存在时的客观赋权问题，能够充分利用网络测试性能数据信息，准确客观的对网络质量进行评价，并且评价贴合用户感知。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。

如图4所示，第一装置400，用于实现S100～S300的方法，包括：

选取模块410，用于获取网络测试性能数据的统计分布，根据统计分布设定评价指标的锚定范围，并将获取到的网络测试性能数据映射到所述锚定范围内。

计算模块420，用于将所述锚定范围内的指标数据映射到[-5,5]的区间，并根据sigmoid函数计算指标值。

调整模块430，用于根据所述指标值与网络性能的相关性，将所述指标值调整为网络质量评价指标值。

如图5所示，第二装置500，用于实现S100～S400包括：

选取模块510，用于获取网络测试性能数据的统计分布，根据统计分布设定评价指标的锚定范围，并将获取到的网络测试性能数据映射到所述锚定范围内。

第一计算模块520，用于将所述锚定范围内的指标数据映射到[-5,5]的区间，并根据sigmoid函数计算指标值。

调整模块530，用于根据所述指标值与网络性能的相关性，将所述指标值调整为网络质量评价指标值。

第二计算模块540，用于通过熵权法计算不同评价指标下的网络质量评价指标值之间的权重，并基于权重将不同评价指标下的网络质量评价指标值进行加权平均，得到网络质量综合评价指标值。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

如图6所示，设备包括中央处理单元(CPU)，其可以根据存储在只读存储器(ROM)中的计算机程序指令或者从存储单元加载到随机访问存储器(RAM)中的计算机程序指令，来执行各种适当的动作和处理。在RAM中，还可以存储设备操作所需的各种程序和数据。CPU、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。

设备中的多个部件连接至I/O接口，包括：输入单元，例如键盘、鼠标等；输出单元，例如各种类型的显示器、扬声器等；存储单元，例如磁盘、光盘等；以及通信单元，例如网卡、调制解调器、无线通信收发机等。通信单元允许设备通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理单元执行上文所描述的各个方法和处理，例如方法S100～S300和/或 S100～S400。例如，在一些实施例中，方法S100～S300和/或S100～S400可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元。在一些实施例中，计算机程序的部分或者全部可以经由ROM和/或通信单元而被载入和/或安装到设备上。当计算机程序加载到RAM并由CPU执行时，可以执行上文描述的方法S100～S300和/或S100～S400的一个或多个步骤。备选地，在其他实施例中，CPU可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法S100～S300和/或S100～S400。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。

用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器 (CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。