铁路数据网网络质量评价方法、装置、设备及存储介质与流程

1.本技术涉及互联网通信的技术领域，尤其是涉及一种铁路数据网网络质量评价方法、装置、设备及存储介质。


背景技术：

2.随着电子计算机在铁路运营管理业务中的广泛应用，数据通信技术在铁路业务的应用得到迅速发展。为适应铁路运营管理业务的特点，许多国家都建立了专用于铁路的铁路数据网。
3.在铁路数据网中，网络质量的评价尤为重要。网络质量不仅影响着铁路数据网应用分析的准确性和有效性，而且会直接影响铁路数据网的安全可靠运行。因此，合理的网络质量评价技术能够有效的体现铁路数据网的运行状况。
4.当前在对网络质量进行评价时，由于网络质量的评判指标多种多样，每个评价指标之间存在数据的差异性，且每个指标对网络质量的评定影响也不同，但使用的指标权重是统一的，因此现有得到评价方法忽略了评价指标之间的差异性，从而影响网络质量评价的准确性。


技术实现要素：

5.为了提高铁路数据网网络质量评价的准确性，本技术提供一种铁路数据网网络质量评价方法、装置、设备及存储介质。
6.第一方面，本技术提供一种铁路数据网网络质量评价方法，采用如下的技术方案：一种铁路数据网网络质量评价方法，包括：基于多个铁路网络评价指标之间的重要程度构建判断矩阵，其中，所述判断矩阵中的元素用于表征所述多个铁路网络评价指标两两比较的结果；基于所述判断矩阵计算每个所述铁路网络评价指标的第一权重；获取指标数据抽取规则，基于所述指标数据抽取规则对每个月的每个所述铁路网络评价指标的指标数据进行抽取，基于抽取结果构建评价矩阵；基于所述评价矩阵计算每个所述铁路网络评价指标的第二权重；基于所述第一权重和所述第二权重计算组合权重；基于所述评价矩阵和所述组合权重生成网络质量评价。
7.通过采用上述技术方案，根据铁路网络评价指标的元素计算每个类型的铁路网络评价指标的第一权重，根据铁路网络评价指标的指标数据计算每个类型的铁路网络评价指标的第二权重，通过两个权重计算最终的组合权重评价最终的网络质量，全面考虑了对个评价指标之间的差异性，从而提高网络质量评价的准确性。
8.可选的，所述基于所述判断矩阵计算每个所述铁路网络评价指标的第一权重包括：计算所述判断矩阵的每一列所述元素的列和，计算所述每一列所述元素的列和和所述判断矩阵的每一个所述元素的元素数据，基于所述元素数据生成元素数据矩阵；
计算所述元素数据矩阵的每一行所述元素数据的行和，基于所述行和计算每个所述铁路网络评价指标的第一权重。
9.可选的，所述获取指标数据抽取规则，基于所述指标数据抽取规则对每个月的每个所述铁路网络评价指标的指标数据进行抽取，基于抽取结果构建评价矩阵包括：获取每个月的每个所述铁路网络评价指标的指标数据，将每个月的每个所述铁路网络评价指标的指标数据按照所述指标数据抽取规则进行抽取并清洗；将清洗后的铁路网络评价指标的指标数据按照预设排列规则进行排序，构建指标数据矩阵；对所述指标数据矩阵进行标准化处理生成评价矩阵。
10.可选的，所述基于所述评价矩阵计算每个所述铁路网络评价指标的第二权重包括：计算所述评价矩阵中每个所述指标数据的比重，基于所述比重生成比重矩阵；计算所述比重矩阵中每个所述铁路网络评价指标的指标数据的熵值，基于所述每个所述铁路网络评价指标的指标数据的熵值计算每个所述铁路网络评价指标的第二权重。
11.可选的，所述基于所述第一权重和所述第二权重计算组合权重包括：获取所述第一权重中和所述第二权重中相同类型的所述铁路网络评价指标的第一权重值和第二权重值；获取组合权重计算规则，基于所述第一权重值、所述第二权重值和所述组合权重计算规则计算每个所述铁路网络评价指标的组合权重。
12.可选的，所述基于所述评价矩阵和所述组合权重生成网络质量评价包括：将所述评价矩阵中的每个所述铁路网络评价指标的指标数据做极大化处理，生成正向化评价矩阵；将所述正向化评价矩阵中的每个所述铁路网络评价指标的指标数据做标准化处理，生成标准化评价矩阵；基于所述组合权重表计算所述标准化评价矩阵中每个月的所述铁路网络评价指标的指标数据的网络质量评价。
13.通过采用上述技术方案，将全部类型的指标数据进行极大化处理，可以将不同指标类型的指标数据全部转换成统一指标类型的指标数据，从而可以集合不同指标类型的指标数据对网络质量进行评价，提高评价类型的丰富度，从而进一步提高网络质量评价的准确性，并且最终的网络质量评价表根据月份进行排列，从而可以清晰的查看各个月份之间的差异，从而更好的反应出不同月份的网络质量之间的差距，便于提前对下一年网路质量差的月份进行预警，从而使工作人员对该月份的网络质量进行加强处理。
14.可选的，所述基于所述组合权重表计算所述标准化评价矩阵中每个月的所述铁路网络评价指标的指标数据的网络质量评价包括：获取每个所述铁路网络评价指标的指标数据的最大值和最小值，基于所述组合权重、所述最大值和所述最小值计算每个月的每个所述铁路网络评价指标的指标数据与所述最大值和所述最小值的距离；基于所述最大值的距离和所述最小值的距离计算每个月的每个所述铁路网络评价指标的指标数据的得分；将所述每个月的每个所述铁路网络评价指标的指标数据的得分进行归一化处理，生成网络质量评价。
15.第二方面，本技术提供一种铁路数据网网络质量评价装置，采用如下的技术方案：一种铁路数据网网络质量评价装置，包括：判断矩阵建立模块，用于基于多个铁路网络评价指标之间的重要程度构建判断矩阵，其中，所述判断矩阵中的元素用于表征所述多个铁路网络评价指标两两比较的结果；第一权重生成模块，用于基于所述判断矩阵计算每个所述铁路网络评价指标的第一权重；评价矩阵建立模块，用于获取指标数据抽取规则，基于所述指标数据抽取规则对每个月的每个所述铁路网络评价指标的指标数据进行抽取，基于抽取结果构建评价矩阵；第二权重生成模块，用于基于所述评价矩阵计算每个所述铁路网络评价指标的第二权重；组合权重生成模块，用于基于所述第一权重和所述第二权重计算组合权重；质量评价生成模块，用于基于所述评价矩阵和所述组合权重生成网络质量评价。
16.通过采用上述技术方案，根据铁路网络评价指标的元素计算每个类型的铁路网络评价指标的第一权重，根据铁路网络评价指标的指标数据计算每个类型的铁路网络评价指标的第二权重，通过两个权重计算最终的组合权重评价最终的网络质量，全面考虑了对个评价指标之间的差异性，从而提高网络质量评价的准确性。
17.第三方面，本技术提供一种电子设备，采用如下的技术方案：一种电子设备，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行第一方面任一项所述的铁路数据网网络质量评价方法的计算机程序。
18.第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：一种计算机可读存储介质，存储有能够被处理器加载并执行第一方面任一项所述的铁路数据网网络质量评价方法的计算机程序。
附图说明
19.图1是本技术实施例提供的一种铁路数据网网络质量评价方法的流程示意图。
20.图2是本技术实施例提供的一种铁路数据网网络质量评价装置的结构框图。
21.图3是本技术实施例提供的电子设备的结构框图。
具体实施方式
22.以下结合附图对本技术作进一步详细说明。
23.图1为本技术实施例提供的一种铁路数据网网络质量评价方法的流程示意图。
24.如图1所示，该方法主要流程描述如下(步骤s101～s106)：步骤s101，基于多个铁路网络评价指标之间的重要程度构建判断矩阵，其中，判断矩阵中的元素用于表征多个铁路网络评价指标两两比较的结果；在本实施例中，铁路网络评价指标包括ip路径异常、ip流量异常、数据网络拥塞危险度、时延、丢包率和时延变化，通过上述六个指标对网络质量进行评价。
25.指标打分表如下：表1指标打分表标度含义1表示两个因素相比，具有同样重要性
3表示两个因素相比，一个因素比另一个因素稍微重要5表示两个因素相比，一个因素比另一个因素明显重要7表示两个因素相比，一个因素比另一个因素强烈重要9表示两个因素相比，一个因素比另一个因素极端重要2,4,6,8上述两相邻判断的中值倒数因素i于j比较判断aij，则因素j与i比较的判断aji＝1/aij在进行评价时，获取铁路网络评价指标的指标打分表和铁路局专家基于打分表对全部类型的铁路网络评价指标进行打分的元素，基于打分表和元素构建判断矩阵，其中，元素为两个铁路网络评价指标之间重要程度的评判值。
26.元素表如下：表2元素表基于元素表构建判断矩阵如下：在判断矩阵构建结束后使用ci、ri和cr计算判断矩阵的一致性。
27.步骤s102，基于判断矩阵计算每个铁路网络评价指标的第一权重；针对步骤s102，在计算时使用ahp算法计算判断矩阵中每个铁路网络评价指标的第一权重，首先计算判断矩阵的每一列元素的列和，计算每一列元素的列和和判断矩阵的每一个元素的元素数据，基于元素数据生成元素数据矩阵；计算元素数据矩阵的每一行元素数据的行和，基于行和计算每个铁路网络评价指标的第一权重，将每个铁路网络评价指标的第一权重进行汇总，生成第一权重表。
28.元素数据矩阵如下：
元素矩阵中的每个元素数据为每个元素与当前列的列和的比值，在计算计算当前列中每一个元素与当前列和的比值时，得到的比值位数不一，并且存在循环小数，因此，为了保持数据的一致性，选取每个小数的小数点后四位作为当前元素的比值，用于构建元素数据矩阵，计算元素数据矩阵中每一行的行和，每一行的行和与指标数据的数据个数的比值为当前行对应的铁路网络评价指标类型的第一权重，元素数据矩阵中每列和每行对应的铁路网络评价指标名称与元素表一致，将每个铁路网络评价指标的第一权重进行汇总，生成第一权重表。
29.第一权重表如下：表3第一权重表铁路网络评价指标名称第一权重ip路径异常0.1111ip流量异常0.0734数据网络拥塞危险度0.5515时延0.0609丢包率0.1577时延变化0.0455步骤s103，获取指标数据抽取规则，基于指标数据抽取规则对每个月的每个铁路网络评价指标的指标数据进行抽取，基于抽取结果构建评价矩阵；针对步骤s103，获取每个月的每个铁路网络评价指标的指标数据，将每个月的每个铁路网络评价指标的指标数据按照指标数据抽取规则进行抽取并清洗；将清洗后的铁路网络评价指标的指标数据按照预设排列规则进行排序，构建指标数据矩阵；对指标数据矩阵进行标准化处理生成评价矩阵。
30.在本实施例中，获取全年中每个月的每个铁路网络评价指标的指标数据，将每个铁路网络评价指标的指标数据按照预设排列规则进行排列，并按照预设抽取规则在每个月份中抽取一个数据作为当前类型铁路网络评价指标的当前月份的指标数据。预设抽取规则可以为设置固定抽取数值，即固定抽取每个月份的铁路网络评价指标的指标数据中的第n个指标数据作为当前月份的当前类型铁路网络评价指标的指标数据，或者设置随机数，每次进行抽取时，不同月份、不同类型铁路网络评价指标抽取的到指标数据各部相同，还可以设置为固定的累积算法，每次抽取时在上次抽取的基础上通过累积算法计算本次抽取的指标数据位于当前月份当前类型铁路网络评价指标的指标数据中的位置。需要说明的是，预设抽取规则包括但不限于上述规则，在此不做进一步举例说明。
31.预设排列规则可以为按照月份的大小升序排列，也可以为按照月份的大小降序排列，或者随机排列。但是每个类型的指标数据的排序顺序需要保持一致，即若选择按照月份的大小生序排列，所有每个铁路网络评价指标的指标数据必须全部按照月份的大小升序排列，根据排列好的指标数据生成指标数据表。
32.指标数据表如下：表4指标数据表根据上述指标数据表建立元素数据矩阵，元素数据矩阵如下：对元素数据矩阵进行标准化处理生成评价矩阵，标准化是为了利用标准化公式将不同量纲的数据同量纲化，其中，标准化公式包括：或其中，x
′
ij
为矩阵c中第i行第j列对应的指标数据，min(xj)为矩阵c中j第列的最小值，max(xj)为矩阵c中第j列的最大值，。
33.在本实施例中，若指标数据为正向指标，则选用第一个公式，若指标数据为负向指标，则选用第二个公式。
34.标数据矩阵标准化之后的评价矩阵如下：
步骤s104，基于评价矩阵计算每个铁路网络评价指标的第二权重；针对步骤s104，计算评价矩阵中每个指标数据的比重，基于比重生成比重矩阵；计算比重矩阵中每个铁路网络评价指标的指标数据的熵值，基于每个铁路网络评价指标的指标数据的熵值计算每个铁路网络评价指标的第二权重，将每个铁路网络评价指标的第二权重进行汇总，生成第二权重表。
35.在本实施例中，根据熵权法中的比重计算公式，计算评价矩阵中每个指标数据的比重。其中，比重计算公式为：其中，x
′
ij
为评价矩阵r中第i行第j列对应的指标数据，m为评价矩阵行数，i为月份i＝1，
……
，n，j为指标数据类型j＝1，
……
，m。
36.在计算完评价矩阵中的每个指标数据的比重之后，根据比重结果计算每个铁路网络评价指标的指标数据的熵值，其中，熵值的计算公式为：其中，k为常数，m为判断矩阵行数，i为月份i＝1，
……
，n，j为指标数据类型j＝1，
……
，m。
37.在计算完每个铁路网络评价指标的指标数据的熵值之后，根据熵值计算每个铁路网络评价指标的指标数据的权重，即第二权重，其中，第二权重的计算公式为：其中，ej为第j个指标数据的熵值，j为指标数据类型j＝1，
……
，m。
38.根据每个铁路网络评价指标的指标数据的第二权重，生成第二权重表，第二权重表如下：表5第二权重表铁路网络评价指标名称第二权重ip路径异常0.1979ip流量异常0.1637数据网络拥塞危险度0.1560
时延0.1348丢包率0.1970时延变化0.1505步骤s105，基于第一权重和第二权重计算组合权重；针对步骤s105，获取第一权重中和第二权重中相同类型的铁路网络评价指标的第一权重值和第二权重值；获取组合权重计算规则，基于第一权重值、第二权重值和组合权重计算规则计算每个铁路网络评价指标的组合权重。
39.分别获取第一权重表中铁路网络评价指标的第一权重和第二权重表中与第一权重的铁路网络评价指标类型一致的第二权重，根据组合权重计算规则计算每个铁路网络评价指标的第一权重和第二权重的值，将值作为组合权重；基于每个铁路网络评价指标的组合权重生成组合权重表。
40.在本实施例中，组合权重计算规则为第一权重和第二权重在组合权重中的占比，第一权重和第二权重在组合权重中的占比需要根据实际需求设置，在计算过程中，技术人员根据当前情况中第一权重和第二权重对当前评价的重要性自行设定，若技术人员未进行设定，为使评价结果更加准确和公平，将自动将第一权重和第二权重的占比设置为百分之五十，即取平均值。
41.例如，分别计算每个铁路网络评价指标的第一权重和第二权重的均值，将每个类型的铁路网络评价指标的第一权重和第二权重的均值作为当前类型的铁路网络评价指标的组合权重。其中，每个铁路网络评价指标的第一权重和第二权重的占比的计算公式为：ωj＝ω
aj
×
a％+ω
ej
×
b％，其中，ω
aj
为使用ahp方法计算得到的第j个指标的第一权重，ω
ej
为使用ewm方法计算得到的第j个指标的第二权重，a％为第一权重的占比，b％为第二权重的占比，j为指标数据类型j＝1，
……
，m。
42.组合权重表如下：表6第二权重表铁路网络评价指标名称组合权重ip路径异常0.1545数据网络拥塞危险度0.3538时延0.0979ip流量异常0.1186丢包率0.1774时延变化0.0980步骤s106，基于评价矩阵和组合权重生成网络质量评价。
43.在本实施例中，使用topsis信息集结法，计算铁路网络评价指标的最终排名。
44.针对步骤s106，将评价矩阵中的每个铁路网络评价指标的指标数据做极大化处理，生成正向化评价矩阵；将正向化评价矩阵中的每个铁路网络评价指标的指标数据做标准化处理，生成标准化评价矩阵；基于组合权重表计算标准化评价矩阵中每个月的铁路网络评价指标的指标数据的网络质量评价。
45.在本实施例中，由于铁路网络评价指标的类型存在差异，需要将每个铁路网络评价指标进行极大化处理，从而使不同类型的铁路网络评价指标的指标数据统一成为相同类
型的指标数据。
46.正向化评价矩阵如下：在将评价矩阵进行正向化处理之后，将正向化评价矩阵中的指标数据根据标准化公式做标准化处理，生成标准化评价矩阵不同维度上的指标单位不一样，对评价对象的影响程度就不一样，通过标准化处理，使不同指标具有相同的尺度，最终得到的是服从标准正态分布的指标数据。其中，标准化公式为：其中，χ
ij
为正向化评价矩阵中第i行第j列的指标数据，i为月份i＝1，
……
，n，j为指标数据类型j＝1，
……
，m。
47.标准化评价矩阵如下：
48.具体的，获取每个铁路网络评价指标的指标数据的最大值和最小值，基于组合权重、最大值和最小值计算每个月的每个铁路网络评价指标的指标数据与最大值和最小值的距离；基于最大值的距离和最小值的距离计算每个月的每个铁路网络评价指标的指标数据的得分；将每个月的每个铁路网络评价指标的指标数据的得分进行归一化处理，生成网络质量评价。
49.在本实施例中，获取全部月份中每个铁路网络评价指标的指标数据的最大值和最小值，根据最大值距离公式计算出每个月份的铁路网络评价指标的指标数据与最大值的距离，根据最小值距离公式计算出每个月份的铁路网络评价指标的指标数据与最小值的距离，根据铁路网络评价指标的指标数据与最大值的距离、指标数据与最小值的距离和得分公式计算出每个月份的铁路网络评价指标的指标数据的得分，再将每个月份的铁路网络评价指标的指标数据的得分进行归一化处理，得到当前月份最终的网络质量评价，将全部月份的网络质量评价进行汇总，生成网络质量评价表。
50.最大值距离公式为：其中，i为月份i＝1，
……
，n，j为指标数据类型j＝1，
……
，m，ωj为第j个指标数据类型的组合权重，为第j个指标数据类型的最大值，z
ij
为标准化评价矩阵中第i行第j列的指标数据。
51.最小值距离公式为：其中，i为月份i＝1，
……
，n，j为指标数据类型j＝1，
……
，m，ωj为第j个指标数据类型的组合权重，为第j个指标数据类型的最小值，z
ij
为标准化评价矩阵中第i行第j列的指标数据。
52.得分公式为：其中，i为月份i＝1，
……
，n，为第i个月份的指标数据与最小值的距离，为第i个月份的指标数据与最大值的距离。
53.根据上述得分公式计算所得的得分，建立得分结果表，得分结果表如下：表7得分结果表表7得分结果表由上述得分结果表可知，0《si《1,指标数据与最小值之间的距离越大，即代表指标数据与最大值之间的距离越小，则si值越大，得分越高。
54.计算出所有月份的得分即si值之后，对所有月份的得分使用归一化公式进行归一化处理将得到网络质量评价，汇总全部月份的网络质量评价，生成网络质量评价表。
55.归一化公式为：
其中，i为月份i＝1，
……
，n，si为第i个月份的得分。
56.网络质量评价表如下：表8网络质量评价表月份网络质量评价一月0.111699二月0.082002三月0.080513四月0.060796五月0.020602六月0.061064七月0.062795八月0.061424九月0.108502十月0.090825十一月0.128161十二月0.131618在本实施例中，使用ahp计算铁路网络评价指标的主观权重即第一权重，使用ewm熵权法计算铁路网络评价指标的客观权重即第二权重，将客观权重与主观权重相结合得到组合权重，使得组合权重更精确，使用topsis结合组合权重以及各铁路网络评价指标的指标数据计算全年的网络质量评价，计算过程由下而上逐层计算，从而使结果更加准确并且可观，增加网络质量评价结果的说服力。
57.在本实施例中，最终的网络质量评价表根据预设排列规则进行按照月份进行排列，可以直观的看到一年中每个月份之间铁路数据网网络质量的差距，从而预测下一年可能出现铁路数据网网络质量差的月份，并提前进行标记和预警，并且制定相应的解决策略，在进入下一年的铁路数据网网络质量差的月份之前提前进行网络质量加强处理，从而减小网络质量差影响铁路数据网网络的可能性，从而进一步保证铁路数据网网络的高质量运行。
58.图2为申请实施例提供的一种铁路数据网网络质量评价装置200的结构框图。
59.如图2所示，铁路数据网网络质量评价装置200主要包括：判断矩阵建立模块201，用于基于多个铁路网络评价指标之间的重要程度构建判断矩阵，其中，判断矩阵中的元素用于表征多个铁路网络评价指标两两比较的结果；第一权重生成模块202，用于基于判断矩阵计算每个铁路网络评价指标的第一权重；评价矩阵建立模块203，用于获取指标数据抽取规则，基于指标数据抽取规则对每个月的每个铁路网络评价指标的指标数据进行抽取，基于抽取结果构建评价矩阵；第二权重生成模块204，用于基于评价矩阵计算每个铁路网络评价指标的第二权重；
组合权重生成模块205，用于基于第一权重和第二权重计算组合权重；质量评价生成模块206，用于基于评价矩阵和组合权重生成网络质量评价。
60.作为本实施例的一种可选实施方式，第一权重生成模块202具体用于计算判断矩阵的每一列元素的列和，计算每一列元素的列和和判断矩阵的每一个元素的元素数据，基于元素数据生成元素数据矩阵；计算元素数据矩阵的每一行元素数据的行和，基于行和计算每个铁路网络评价指标的第一权重。
61.作为本实施例的一种可选实施方式，评价矩阵建立模块203具体用于获取每个月的每个铁路网络评价指标的指标数据，将每个月的每个铁路网络评价指标的指标数据按照指标数据抽取规则进行抽取并清洗；将清洗后的铁路网络评价指标的指标数据按照预设排列规则进行排序，构建指标数据矩阵；对指标数据矩阵进行标准化处理生成评价矩阵。
62.作为本实施例的一种可选实施方式，第二权重生成模块204具体用于计算评价矩阵中每个指标数据的比重，基于比重生成比重矩阵；计算比重矩阵中每个铁路网络评价指标的指标数据的熵值，基于每个铁路网络评价指标的指标数据的熵值计算每个铁路网络评价指标的第二权重。
63.作为本实施例的一种可选实施方式，组合权重生成模块205具体用于获取第一权重中和第二权重中相同类型的铁路网络评价指标的第一权重值和第二权重值；获取组合权重计算规则，基于第一权重值、第二权重值和组合权重计算规则计算每个铁路网络评价指标的组合权重。
64.作为本实施例的一种可选实施方式，质量评价生成模块206包括：矩阵生成模块，用于将评价矩阵中的每个铁路网络评价指标的指标数据做极大化处理，生成正向化评价矩阵；标准处理模块，用于将正向化评价矩阵中的每个铁路网络评价指标的指标数据做标准化处理，生成标准化评价矩阵；得分处理模块，用于基于组合权重表计算标准化评价矩阵中每个月的铁路网络评价指标的指标数据的网络质量评价。
65.在本可选实施例中，得分处理模块具体用于获取每个铁路网络评价指标的指标数据的最大值和最小值，基于组合权重、最大值和最小值计算每个月的每个铁路网络评价指标的指标数据与最大值和最小值的距离；基于最大值的距离和最小值的距离计算每个月的每个铁路网络评价指标的指标数据的得分；将每个月的每个铁路网络评价指标的指标数据的得分进行归一化处理，生成网络质量评价。
66.在一个例子中，以上任一装置中的模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个专用集成电路(application specific integratedcircuit，asic)，或，一个或多个数字信号处理器(digital signal processor，dsp)，或，一个或者多个现场可编程门阵列(field programmable gate array，fpga)，或这些集成电路形式中至少两种的组合。
67.再如，当装置中的模块可以通过处理元件调度程序的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，cpu)或其它可以调用程序的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，soc)的形式实现。
68.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，上述描述的装置和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。
69.图3为本技术实施例提供的电子设备300的结构框图。
70.如图3所示，电子设备300包括处理器301和存储器302，还可以进一步包括信息输入/信息输出(i/o)接口303、通信组件304中的一种或多种以及通信总线305。
71.其中，处理器301用于控制电子设备300的整体操作，以完成上述的铁路数据网网络质量评价方法的全部或部分步骤；存储器302用于存储各种类型的数据以支持在电子设备300的操作，这些数据例如可以包括用于在该电子设备300上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器302可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，sram)、电可擦除可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、可擦除可编程只读存储器(erasable programmable read-only memory，eprom)、可编程只读存储器(programmable read-only memory，prom)、只读存储器(read-only memory，rom)、磁存储器、快闪存储器、磁盘或光盘中的一种或多种。
72.i/o接口303为处理器301和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件304用于电子设备300与其他设备之间进行有线或无线通信。无线通信，例如wi-fi，蓝牙，近场通信(near field communication，简称nfc)，2g、3g或4g，或它们中的一种或几种的组合，因此相应的该通信组件104可以包括：wi-fi部件，蓝牙部件，nfc部件。
73.电子设备300可以被一个或多个应用专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digital signal processor，简称dsp)、数字信号处理设备(digital signal processing device，简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例给出的铁路数据网网络质量评价方法。
74.通信总线305可包括一通路，在上述组件之间传送信息。通信总线305可以是pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。通信总线305可以分为地址总线、数据总线、控制总线等。
75.电子设备300可以包括但不限于移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端，还可以为服务器等。
76.本技术还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的铁路数据网网络质量评价方法的步骤。
77.该计算机可读存储介质可以包括：u盘、移动硬盘、只读存储器(r ead-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
78.术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的
其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
79.以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。