一种评估宽带网络Internet服务质量的方法与流程

本发明属于数字通信技术领域，特别地涉及一种评估宽带网络Internet服务质量的方法。

背景技术：
随着因特网Internet高速发展，应用越来越广泛，浏览网页，E-MAIL，FTP，在线视频，语音通信，网络电视，广播等等，再加上日益增加的用户数量，网络负载压力不断增大，对网络质量提出更高的要求。在这种情况下，宽带服务商不能只是提供网络基础设施，同时还要关注宽带网络质量，以便为用户提供更优质的服务。对于普通宽带用户来说，最关心的是Internet服务质量，用户最直观的体验就是打开网页的速率，其实就是访问网页Web的响应时间，时间越短，速率越快，用户越满意。然而影响网络质量的因素有很多，例如web服务器，网络拥塞，病毒攻击等等，而且不同时间段，不同区域，不同用户的网络质量未必完全一样，所以很难通过某种技术手段精确检测网络的质量。但是，如果能够收集宽带用户端网络质量数据，再对这些数据进行量化分析，总结并进而推断网络质量变化情况，只要数据足够多，这种建立在统计学基础上的网络质量测量方法应该能够更真实地反应整个网络质量状况，甚至能够建立出一个反映网络质量变化随机性和不确定性的数学模型，以帮助宽带服务商更加科学地改善宽带设施。

技术实现要素：
为解决上述问题，本发明的目的在于提供一种评估宽带网络Internet服务质量(QualityOfInternetService，简称QOIS)的方法，利用统计学方法评估宽带网络Internet服务质量，需要注意的是，该方法不是用于评估宽带网络本身的质量，而是评估从宽带用户端经过宽带网络到达Internet上某台web服务器整条网络路径的质量(包括用户终端和终端服务器)。通过简单随机抽样法得到的样本数据全部来源于宽带用户计算机同Internet上web服务器之间交互，用户端计算机同宽带网络内部的设备，例如家庭路由器，局域网内的其它计算机，宽带网络内的交换机，认证服务器等等设备之间的交互数据不会作为样本数据。为实现上述目的，本发明的技术方案为：一种评估宽带网络Internet服务质量的方法，包括以下步骤：S10，数据采集器从用户计算机获取反映用户端Internet服务质量QOIS的指标数据，指标数据包括Internet响应时间t，丢包率r，上载速率u和下载速率d，采用简单随机抽样的方法，抽取若干样本并计算其平均值作为最终的结果；S20，数据采集器根据获取的QOIS指标数据分别得到Internet响应分数s1，网络可靠性质量分数s2，Internet上载分数s3和Internet下载分数s4，这四个分数作为计算QOIS分数的参数数据；S30，数据采集器根据所述络Internet响应分数s1，可靠性分数s2，下载分数s3和上载分数s4及其相应的第一权重值w1，第二权重值w2，第三权重值w3和第四权重值w4，计算出QOIS分数Q＝s1*w1+s2*w2+s3*w3+s4*w4，所述用户Internet服务质量分数越高，表示宽带用户获得的QOIS越好，将QOIS分数发送到数据中心，位于数据中心的QOIS分析器根据QOIS分数分析评估宽带用户，不同层次和范围宽带网络QOIS质量及变化情况，并通过数值展示模块展示给相关维护人员。优选地，数据采集器首先对采集时间进行简单随机抽样，将程序从启动到关闭时间段作为一个总体，按照随机性原则，根据策略计算出一个随机时间点作为样本，将此时间点作为数据采集的开始时间，获取Internet响应时间t，丢包率r，上载速率u和下载速率d，每次数据采集完毕，则计算下一个采集数据时间点，这样能够得到多个时间样本，在这些时间样本获取的最终结果平均值表示总体的结果。优选地，数据采集器根据采集策略采集TCP报文获取Internet响应时间并计算Internet响应分数，包括如下步骤：数据采集模块根据随机获取的采集时间开始监视用户计算机同Internet之间交互的TCP报文，利用简单随机抽样法对TCP报文进行抽样，按照随机性原则随机抓取一个用户端计算机向Internet上的web服务器发送的TCP请求报文，记录该时间点t1；继续监视TCP报文，直到收到该TCP报文的回应包，记录该时间点为t2，则该TCP报文的响应时间t＝t2-t1，时间t即作为计算Internet响应时间的一个样本，重复该步骤，收集一组TCP报文响应时间t1，t2...tn，那么该组报文响应时间T＝(t1+t2+...+tn)，则T即代表一段时间内该用户Internet响应时间，Internet响应时间分数s1＝(1/10*T)，在这个公式中，常量10是为了修正最终结果数据，使取值范围在10～1000左右，容易通过图形表示QOIS变化状况。优选地，数据采集器根据采集策略采集TCP报文获取Internet丢包率并计算器可靠性分数，包括：数据采集模块根据随机获取的数据采集时间开始监视用户计算机同Internet之间交互的TCP报文，并记录从用户计算机发往Internet的TCP报文和收到的来自于Internet的TCP报文，总数为p；记录重发的TCP报文个数q1；重复收到的TCP报文q2；丢包率的计算为：丢包率r＝(q1+q2)/p，丢包率r用百分比表示，其取值范围1％～100％，实际上不可能100％，使用丢包率来衡量Internet的可靠性，可靠性分数s2＝1/0.1*r，公式中的0.1是为了修正最终可靠性分数，使得其取值范围同Internet响应时间分数保持一致，从公式可以看出，丢包率越大，可靠性分数越小，Internet可靠性越差，反之则相反，从计算可靠性分数公式中可以分析出可靠性分数范围在10～1000之间。优选地，数据采集器根据随机获取的数据采集时间测试下载速率d和上载速率u，并计算其分数，当前宽带网络提供的带宽范围大多在2M～10M，从理论上来说，下载速率d的范围大多在256K/s～1.25M/s，根据宽带服务商提供的数据，大多数用户带宽其实都是2M或4M，实际应用数据表明，测试获取的下载速率范围大多在500K/s～1000K/s之间，而上载速率明显要低于下载速率，获取的上载速率范围大多在100k/s～500k/s之间，这样，下载速率d和上载速率u的数值范围同Internet响应分数和可靠性分数差不多，因此，这里直接使用d和u的数值(单位k/s)作为下载分数s3和上载分数s4。优选地，根据所述相关数据计算QOIS分数，作为评估QOIS的依据，包括如下步骤：根据所述指标数据Internet响应时间t，丢包率r，下载速率d和上载速率u可以分别计算出Internet响应分数s1，可靠性分数s2，下载分数s3和上载分数s4，作为计算QOIS分数的参数，还需要分别确定s1，s2，s3和s4的权重w1，w2，w3和w4，根据所述获取Internet响应分数s1和可靠性分数s2可以看出，这两个数据全部来自于用户端计算机同Internet之间的交互，而且样本TCP报文是随机采集的，来源于不通过的Internet终端服务器，因此这两个数据更能反映QOIS整体状况，因此s1和s2的权重值w1和w2最大，根据实际获取试验数据，当w1和w2值为2时最为合理，既容易从数值变化中看出s1和s2的重要性，QOIS分数变化受这两个值的变化影响较大，也不会导致QOIS的数值很大，从而容易从图形上看出QOIS的变化状况，数据采集程序获取下载速率d和上载速率u时，是通过测速服务器获取的，这两个数据相对而言变化不大，基本上来说都是理想情况下的数据，也就是说终端服务器总是尽最大努力满足用户计算机的请求，但实际上，Internet上的大多数提供下载或上载服务器终端服务器都会限制d和u的值，因此这里获取的d和u并不能表示整体Internet上终端服务下载速率和上载速率，而更多地表示从用户端到Internet整条网络路径向用户端发送数据或接收用户端数据的能力，但这种能力的确也影响QOIS，但是并不全面，因此在计算QOIS分数时，根据d和u的值计算出的下载分数s3和上载分数s4的值所占的权重w3和w4值较小，根据实际应用中测试的数据，当w3和w4值为1时比较合理，这样既能表示出d和u对最终QOIS分数有影响，也能限制其影响力，而且不会导致QOIS分数值很大，从而容易从图形中看出QOIS变化情况，最终获取的用户端QOIS分数计算公式为：Q＝s1*w1+s2*w2+s3*w3+s*w4＝2s1+2s2+s3+s4。优选地，进一步包括以下步骤，S40，获取不同接入层网络段QOIS分数，包括：根据用户注册信息获取用户位置信息，选取接入相同接入层网络设备的用户，获取这些用户的QOIS分数，这些用户QOIS分数平均值即为该接入层网络段QOIS分数，作为评估该接入层网络段QOIS及其变化情况的依据。优选地，进一步包括以下步骤，S50，获取汇聚层网络段QOIS分数，包括：选择接入相同汇聚层网络设备的所有接入层网络段QOIS分数，求其平均值，即为该汇聚层网络QOIS分数，作为评估该汇聚层网络QOIS及其变化情况的依据。优选地，进一步包括以下步骤，S60，获取核心层宽带网络段QOIS分数，包括：选择接入相同核心层设备的所有汇聚层网络段QOIS分数，其平均值即为该核心层网络段QOIS分数，作为评估该核心层网络段QOIS及其变化情况的依据。优选地，进一步包括以下步骤，S70，对不同范围宽带网络Internet服务质量进行纵向和横向比较，利用图/表展现网络质量变化情况，包括：1)横向比较所述位于同一接入层网络内不同用户在同一时间QOIS分数及其变化情况；2)横向比较所述位于同一汇聚层网络内不同接入层网络段在同一时间QOIS分数及其变化情况；3)横向比较所述位于同一核心层网络内不同汇聚层网络段在同一时间QOIS分数及其变化情况；4)横向比较所述不同核心层网络段在同一时间QOIS分数及其变化情况；5)纵向比较同一用户QOIS在不同时间段内质量变化情况；6)纵向比较同一接入层网络QOIS在不同时间段内质量变化情况；7)纵向比较同一汇聚层网络QOIS在不同时间段内质量变化情况；8)纵向比较同一核心层网络QOIS在不同时间段内质量变化情况；9)分析整个宽带网络QOIS变化情况。与现有技术相比，本发明的有益效果如下：(1)通过采用统计学的方式进行Internet网络响应时间，丢包率，上载速率和下载速率的采集，并通过参数加权求和的方式计算Internet服务质量分数进而评估Internet服务质量，可提高网络服务质量评价的准确性和可靠性；(2)所抽取的评估Internet服务质量的样本全部来自于用户计算机同Internet之间的交互，样本全部来源于实际应用中，提高了网络服务质量评价的真实可靠性；(3)在采集时设置采集时间为随机的，即使对同一个宽带用户来说，采集样本的时间几平每次都不同，能够覆盖大多数情况，同时通过不同的宽带用户的数据采集，因此得到的样本数据几乎能够覆盖所有的情况。再者，计算样本容量和采集时间长短也不是凭空计算的，而是通过试验得到的数据，保证能够最大程度地反映真实情况；(4)通过以上方法，运行时间越长，样本数据越多，评估越准确，直至接近最真实的情况。附图说明图1为本发明一实施例的评估宽带网络Internet服务质量的方法的步骤流程图；图2为图1中所示方法的部署系统结构图；图3为本发明又一实施例的评估宽带网络Internet服务质量的方法的步骤流程图；图4为图3中所示方法的部署系统的宽带网络树状逻辑结构图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。参考图1，所示为本发明一实施例的评估宽带网络Internet服务质量的方法，其包括以下步骤：S10，数据采集器从用户计算机获取反映用户端Internet服务质量(QOIS)的指标数据，包括Internet网络响应时间t，丢包率r，下载速率d和上载速率u。数据采集器首先会对时间进行抽样，随机抽取一段时间来采集四个指标数据。具体数据采集过程中分为以下步骤，S101，数据采集时间抽样定义如下：将程序从启动到关闭这段时间作为一个总体，按照随机性原则，数据采集器根据数据采集策略计算出一个随机时间点，将该时间点作为数据采集的开始时间，之后开始监视用户计算机同Internet之间交互的报文。因为不同时间段采集的Internet服务质量参数可能有差别，例如在网络使用高峰时间下载速率和下载速率可能要比空闲时间慢，通过采用以上方法对采集时间进行定义，对于同一个用户选择的采集数据开始时间每次都不相同，这样只要采集的次数足够多或者用户数量足够大，能够覆盖的时间段越全面，最终结果越准确。S102，采集数据时，Internet响应时间和丢包率来源于用户计算机同位于Internet上的web服务器之间交互的TCP报文。TCP是面向连接的协议，每一个TCP报文都有一个响应报文，如果丢包会重发，所以通过该报文可以获取响应时间和丢包率。获取Internet相应时间。数据采集程序按照简单随机抽样的方法，随机抓取一个用户计算机向Internet上web服务器发送的TCP请求报文，记录该时间点t1；继续监视TCP报文，直到收到该TCP报文的回应包，记录该时间点t2，则该TCP报文的响应时间t＝t2-t1，时间t作为计算Internet响应时间的一个样本。需要注意的是，这里的“Internet响应时间”都是Internet上web服务器的响应时间。宽带用户计算机同web服务器交互过程中，web服务器也有可能会向用户计算机发送一些TCP请求报文，用户计算机同样也会发出响应报文，但这个响应时间不作为样本。这是因为用户关心web服务器响应速度，但web服务器并不关心用户计算机响应速度，换句话说，用户计算机响应速度不会影响整个Internet服务质量，最多只是影响该用户的体验。对于超时和丢包的TCP报文，永远也不会收到它们的响应报文，这种情况下可以说它们的响应时间是无限大的，这样的报文不作为样本数据。因为一旦发生这种情况，可能会重发报文，如果说重发报文正常，则最后一次请求报文响应时间作为样本；如果不正常，那么意味着这个TCP连接已经断开，它已经不会影响Internet服务的质量。S103，按照随机性原则随机抓取n个这样的报文，这样能够得到n个响应时间t1，t2...tn，样本数量n并不是一个固定值，而是一个动态数据，数据采集策略定义一个区间，该区间经过试验得到，每次采集数据器会计算出一个位于该区间内的值，该值作为样本量。将Internet响应时间样本数据的平均值作为该用户Internet响应时间：T＝(t1+t2+...+tn)/n其中，t1，t2...tn表示n个Internet响应时间样本。S104，获取丢包率。从S101计算出采集时间开始，监视并记录发往Internet的TCP报文和收到的来自于Internet的TCP报文，总数为p；记录重发的TCP报文个数q1；重复收到的TCP报文q2；直到结束也没有收到响应的TCP报文个数q3。总数p并非固定，它是一个位于一个区间的随机值，每次获取丢包率都会计算一次，该区间通过实验所得到的数据。q1是用户计算机重发TCP报文的个数，q2是Internet上的web服务器重发TCP报文的个数。导致报文重发未必是因为丢包，超时，校验错误，远程设备或服务器的要求等等都可能导致重发报文，不过这不重要，因为它们都会影响Internet服务的质量。丢包率的计算公式为：丢包率＝(q1+q2)/p。不过，需要注意的是，为了统计q2的个数，实际监视的时间比预定的时间要略长，这是为了等待监视到的TCP报文的响应包，一旦等待时间超过数据采集策略规定的值时，未收到回应包的TCP报文个数即为q2。在统计重发报文时，同一个报文可能会重发多次，每重发一次，都认为发生了一次丢包，也就是q1或q2的值增加1。需要注意的是，TCP是一个连接协议，统计丢包率时采集的样本报文都是成功建立TCP连接交互的报文，所以从理论上来说，发出的报文都能收到回应报文，如果收不到，可能意味着该TCP连接断开，也可能意味着路径上的某个设备出问题，但无论什么原因，这会导致收不到回应报文，所以此时会导致一个错误，不应该因为这样的报文影响Internet的质量。再则，既然是评估QOIS，肯定评估正常情况下质QOIS。所以在计算丢包率时，需要从总数中将这部分报文剔除。另外，为采集丢包率抓取TCP报文时，应该抓取那些已经建立连接的TCP报文，不能抓取握手过程TCP报文，因为握手过程可能失败，这只能说明连接Internet某个服务器没有成功，这种连接或访问web服务器失败发出数据包永远也不会收到回应包，这样的数据包不应该算作丢包.换句话说，只有重发成功的数据包才能作为丢包率的样本.这么做的原因是某台web服务器出现问题不能说明整个Internet都出现问题。S105，数据采集程序根据采集策略计算的时间段获取n个下载/上载速率，取其最大值作为下载/上载速率的样本，这里不采用n个下载/上载速率的平均值作为样本的原因是平均值不能反映从Internet到用户端网络路径(向用户计算机)发送数据的能力。在实际的应用中，下载/上载速率也会受测速服务器和用户计算机软硬件环境的的影响较大，例如当接收或发送缓冲区受限制时，会导致接收或发送速度变慢，从而导致下载/上载速率降低，但这并不能说明网络路径通过数据的能力降低了，因此只有最大的下载/上载速率才更能反映网络路径单位时间内通过数据的能力，而本系统获取的下载/上载速率更多是反映网络路径通过数据的能力，S20，数据采集模块根据获取的QOIS指标数据Internet响应时间t，丢包率r，下载速率d和上载速率u分别得到相应的Internet响应分数s1，网络可靠性质量分数s2，Internet上载分数s3和Internet下载分数s4。Internet响应时间分数s1＝(1/10*t)，在这个公式中，常量10为了修正最终结果数据。经过试验，统计数据表明TCP报文响应时间大多在100ms～10000ms左右，也就是在0.0001秒～0.01秒(1秒＝106毫秒)，所以通过该公式计算出的QOIS分数Q取值范围在10～1000左右，这样很容易通过图形表示QOIS变化状况，也容易通过图形展示数据。可靠性分数s2＝1/0.1*r。丢包率r用百分比表示，其取值范围1％～100％，实际上不可能100％。公式中的0.1是为了修正最终可靠性分数，使得其取值范围同Internet响应时间分数保持一致。从公式可以看出，丢包率越大，可靠性分数越小，Internet可靠性越差，反之则相反。从计算可靠性分数公式中可以分析出可靠性分数范围在10～1000之间，这个范围同Internet响应分数范围相似。下载分数s3等于下载速率d的值(单位k/s)，当前宽带网络提供的带宽范围大多在2M～10M，从理论上来说，下载速率d的范围大多在256K/s～1.25M/s，根据宽带服务商提供的数据，大多数用户带宽其实都是2M或4M。实际应用统计数据表明，测试获取的下载速率范围大多在500K/s～1000K/s之间，可以看出同s1和s2的取值范围是同一个数量级。上载分数s4等于上载速率u的值(单位k/s)。对于宽带网络来说，通常都是非对称的，也就是说下载速率和上载速率不一致，一般都是上载速率远小于下载速率，经过试验，统计数据表明，上载速率范围大多在100k/s～500k/s之间，而且该数据受到用户带宽的影响并不大。从取值范围可以看出，s4的值同s1，s2和s3的值也是同一个数量级。确定Internet响应时间t，丢包率r，下载速率d和上载速率影响QOIS影响程度的大小，量化Internet响应分数s1，可靠性分数s2，下载速率s3和上载速率s4作为参数计算QOIS分数时各自的权重w1，w2，w3和w4。根据所述获取Internet响应分数s1和可靠性分数s2可以看出，这两个数据全部来自于用户端计算机同Internet之间的交互，TCP报文样本数据都是按照简单抽样原则随机采集的，来源于不通过的Internet终端服务器，因此这两个数据更能反映从用户终端到Internet上终端服务器(包括终端)整条网络路径的质量，因此s1和s2的权重值w1和w2最大，根据实际获取试验数据，当w1和w2值为2时最为合理，既容易从数值变化中看出s1和s2的重要性(QOIS分数变化受这两个值的变化影响较大)，也不会导致QOIS的数值很大，从而容易从图形上看出QOIS的变化状况。数据采集程序获取下载速率d和上载速率u时，是通过测速服务器获取的，这两个数据相对而言变化不大，基本上来说都是理想情况下的数据，也就是说终端服务器总是尽最大努力满足用户计算机的请求。但实际上，Internet上的大多数提供下载或上载服务器终端服务器都会限制d和u的值，因此这里获取的d和u并不能表示整体Internet上终端服务下载速率和上载速率，而更多地表示从用户端到Internet整条网络路径向用户端发送数据或接收用户端数据的能力，但这种能力的确也影响QOIS，但是并不全面，因此在计算QOIS分数时，根据d和u的值计算出的下载分数s3和上载分数s4的值所占的权重w3和w4值较小。根据实际应用中统计数据表明，当w3和w4值为1时比较合理，这样既能表示出d和u对最终QOIS分数有影响，也能限制其影响力，而且不会导致QOIS分数值很大，从而容易从图形中看出QOIS变化情况。最终获取的用户端QOIS分数计算公式为：Q＝s1*w1+s2*w2+s3*w3+s*w4＝2s1+2s2+s3+s4所述用户QOIS分数越高，表示宽带用户访问Internet服务质量越好。在计算一个用户的QOIS分数时，四个指标数据Internet响应时间t，丢包率r，下载速率d和上载速率u应该在一个时间段内获取，例如1个小时内先后获取。然后再计算相应的四个参数Internet响应分数s1，可靠性分数s2，下载分数s3和上载分数s4，最后计算QOIS分数。数据中心收到该用户QOIS分数的时间表示这1个小时内用户的Internet服务质量分数，间隔时间越小，结果越精确。这样做会导致Internet服务质量分数Q的获取时间跟实际有出入，毕竟四个参数获取的时间并不完全一致，是在一个时间段内获取的，根据这四个参数计算出的Q值实际是评估一段时间内用户端Internet质量，不过这并不会影响最终结果，统计学的思想就是用样本估计总体，如果把该时间段看成一个样本，Q值实际上可以当做表示更长时间段内Internet质量分数。在实际应用中，查看某个时间点的Internet服务质量分数毫无意义，因为某个时间点的Internet服务质量分数只是偶发因素，所以应该选取一个较长的时间段，一般以日为单位评估用户Internet服务质量分数。例如一日内取得4个Internet服务质量分数Q，那么该用户当日Internet服务质量分数就是这4个质量分数的平均值，当然也可以选择更长的时间段作为评估单位。数据分析模块通过对大量的用户计算机连接Internet服务质量分数数据进行量化的分析，总结，并利用概率论建立数学模型，可以得到局部或整个宽带网络连接Internet服务质量状况及其随时间变化情况，还可以比较同一时间段内不同部分宽带网络连接Internet服务质量变化情况。如图2所示，应用此方法的系统由部署在宽带用户计算机上的数据采集器和部署在宽带运营商数据中心的数据分析系统组成，前者负责采集数据，后者负责分析数据并建立模型，展示给宽带运营商。数据采集器采集4种数据：Internet响应时间，丢包率，下载速率和上载速率，然后跟据这4个数据分别得到相应的Internet响应分数，可靠性分数，下载分数和上载分数，这4个数据计算QOIS分数的参数，通过加权计算出QOIS分数，该分数作为评估Internet服务质量的依据。数据分析器通过对大量的用户端的QOIS分数数据进行量化的分析，总结，并利用概率论建立数学模型，可以得到局部或整个宽带网络连接Internet服务质量状况及其随时间变化情况，还可以比较同一时间段内不同部分宽带网络连接Internet服务质量变化情况。图4显示了宽带网络树状逻辑结构图。从图中可以看到，宽带用户计算机通过接入层交换机接入宽带网络，接入层交换机连接汇聚层交换机，汇聚层交换机接入宽带运营商核心路交换机，再通过核心路由器接入Internet，这样宽带用户计算机在物理上连接到了Internet。宽带网络结构大多如此，区别在于规模，设备型号等等。从宽带网络树结构图可以看出，宽带用户端可能是一台计算机，也可能是一个局域网，将其当做网络树的叶节点。用户端叶节点的上一级节点是接入层交换机，宽带用户端通过该节点接入宽带网络，接入层网络节点及其用户端叶节点组成一个网络段，称之为接入层网络段，对于宽带网络树结构来说，这是最基础的网络段.接入层网络节点的上一级节点是汇聚层网络节点，从节点开始，经过连接它的接入层网络节点，直到用户端计算机组成一个网络段，成其为汇聚层网络段；汇聚层网络节点的上一级是核心网络层节点，从该节点开始直到用户端节点组成核心成网络段。所有的核心成网络段组成整个宽网络。因此，数据分析模块将各种分析结果展示该宽带运营商，针对不同层次，不同范围内的宽带网络QOIS进行横向和纵向分析，以便从不同角度评估宽带网络OQIS及变化情况，参见图3，所示为本发明又一实施例的评估Internet服务质量的方法的流程图，其在上一实施例的基础上，进一步包括S40-S70，包括以下步骤：S10，数据采集器从用户计算机获取反映用户端Internet服务质量QOIS的指标数据，指标数据包括Internet响应时间t，丢包率r，上载速率u和下载速率d，采用简单随机抽样的方法，抽取若干样本并计算其平均值作为最终的结果；S20，数据采集器根据获取的QOIS指标数据分别得到Internet响应分数s1，网络可靠性质量分数s2，Internet上载分数s3和Internet下载分数s4，这四个分数作为计算QOIS分数的参数数据；S30，数据采集器根据所述络Internet响应分数s1，可靠性分数s2，下载分数s3和上载分数s4及其相应的第一权重值w1，第二权重值w2，第三权重值w3和第四权重值w4，计算出QOIS分数Q＝s1*w1+s2*w2+s3*w3+s4*w4，所述用户Internet服务质量分数越高，表示宽带用户获得的QOIS越好，将QOIS分数发送到数据中心，位于数据中心的QOIS分析器根据QOIS分数分析评估宽带用户，不同层次和范围宽带网络QOIS质量及变化情况，并通过数值展示模块展示给相关维护人员。S40，获取不同层次范围内宽带网络QOIS分数，根据用户注册信息获取用户位置信息，选取接入同一接入层设备的用户，获取这些用户的QOIS分数，求其平均值，即为该接入层网络段QOIS分数，作为评估接入层该网络段QOIS及其变化情况的依据。S50，获取不同汇聚层范围内宽带网络QOIS分数，选择接入相同汇聚层网络设备的所有接入层网络段QOIS分数，求其评价值，即为该汇聚层QOIS分数，作为评估该汇聚层网络段QOIS及其变化情况的依据。S60，获取核心层宽带网络段Internet服务质量分数，选择接入相同核心层网络设备的所有汇聚层网络段QOIS分数，求其评价值，即为该核心层QOIS分数，作为评估该核心层网络段QOIS及其变化情况的依据。S70，对不同范围宽带网络Internet服务质量进行纵向和横向比较，利用曲线图和柱状图展现网络质量变化情况，包括如下步骤：1)纵向比较一个用户QOIS变化情况。采集程序只能在用户启动程序时才会采集相关数据并计算QOIS分数，因此最理想的情况是用户每天24小时开机并访问Internet，如果每小时计算一次QOIS分数，这样可以得到24个QOIS质量分数；将QOIS分数作为Y轴，时间作为X轴，可以绘制出该日用户QOIS随时间变化曲线图。但实际上这几乎不会发生，因为只有极少数用户才会24小时不间断访问Internet，不完全统计数据表明，一般用户平均每日访问Internet时间通常是1～3个小时，这样对于一般用户来说，实际上每日内获取的QOIS分数并不会太多，一般情况下，每日内获取的QOIS分数通常都是1～3个，在这种情况下绘制一天之内QOIS随时间变化曲线图没有多少意义。但对于那些在某日内获取较多QOIS分数(例如10个以上)的用户来说，绘制某一天QOIS随时间变化曲线图比较有实际意义。评估一个宽带用户QOIS变化情况大多情况下应该以一日为单位，每日获取的QOIS分数的平均值作为该日QOIS分数，这样可以选择任意的天数评估其QOIS变化情况，例如选择一周或一月为单位进行评估，绘制QOIS随时间变化曲线图。但该曲线图仍然不够精确，因为用户未必每天都是在固定时间段内访问Internet，有些是在高峰期访问，那么此时QOIS分数明显偏低；有些时候是在低峰期上网，此时QOIS分数明显偏高；这样绘制出的曲线图起伏较大，但这并不能说明是网络不稳定，所以还需要考虑访问Internet密集程度的因素。根据不完全统计数据表明，1:00～7:00网民数量最少；8:00～12:00人数增多，超过1/3的用户在这一时间段访问Internet，9:00左右是高峰期，然后10:00之后开始回落；12:00之后人数开始回升，到15:00达到高峰期，16:00后网民人数开始回落，12:00～16:00人数最多，近40％的用户再这一段时间访问Internet；从16:00开始人数开始下降，19:00后人数开始激增，20:00和21:00左右达到一天的顶峰，此后开始下降，这一时间段内访问Internet的用户超过50％。从统计数据来看，日常生活和作息时间在一定程度上影响着人们使用互联网的时间。因此，根据一天之内访问Internet的密集程度，可以将获取QOIS分数的时间划分为5个时间段：8:00～12:00，12:00～16:00，16:00～19:00，19:00～22:00，22:00～8:00分别计算这5个时间段之内获取的QOIS分数平均值，代表各个时间段内QOIS分数，这样可以绘制任意天数某时间段内QOIS变化情况。例如，将一个月内8:00～12:00内获得过QOIS的日期挑选出来作为样本，然后绘制QOIS随时间变化曲线图，在分别绘制其它时间段内的QOIS随时间变化曲线图，这样就可以评估某用户在一个月内不同时间段内QOIS变化情况，在正常情况下，该曲线起伏不应该很大，否则，就证明终端设备或者网络有问题。根据该步骤所述内容，可以将QOIS分数按照时间段分类，有如下几种：一天内获取的QOIS分数平均值，作为用户该日QOIS分数，称之为用户日QOIS分数。将一天分为24小时，将某日H1:00～H2:00作为一个时间段(H1！＝H2，且H1和H2为0～24的整数)，该段时间获取的所有QOIS分数平均值作为这段时间QOIS分数，称之为用户yyyy/mm/dd/H1～H2QOIS分数。例如2013年5月19日8:00～11:00之间，用户jetyi获取3个QOIS分数，这3个QOIS分数平均值称之为jetyi2013/05/19/8～11QOIS分数。时间段的粒度也可以大于1日，某用户从yyyy/mm/dd开始n天内QOIS分数平均值作为这n天该用户QOIS分数，称之为yyyy/mm/dd起n日内QOIS分数。例如从2013年05月13开始，7天之内日QOIS分数平均值作为这7天内该用户的QOIS分数，称之为2013/05/13起7日内QOIS分数。需要注意的是，n天内未必每天都能获取QOIS分数，可能只有m(m＜n)天获取了QOIS分数，则n天内的QOIS分数应该是m个QOIS分数的平均值。时间段最小粒度不小于一个小时，这是获取QOIS分数的最小间隔时间。虽然从理论上来说，时间段颗粒度最大值没有限制，但在实际应用中，时间段粒度大于1日并没有多少意义。因为获取的QOIS分数同时间密切相关，一个QOIS分数能表示一段时间内的Internet服务质量，时间段越长，结果越不精确。因此在分析不同网络段的QOIS时，时间段粒度总是越小结果越精确，当然最小时间段粒度是有限制的。又因为获取的QOIS分数个数有限，也并不是每个时间段都有的，因此在计算某用户某时间段QOIS分数时，总是要选择一个合适大小的时间段粒度。需要注意的是，在获取不同时间段的QOIS分数进行分析时，应该将没有获得过QOIS分数的时间段排除。例如，2013/5/13日某用户并没有获取QOIS分数，然后分析2013/5/12～2013/5/18日这7天之内用户QOIS变化情况，在绘制曲线图时，2013/5/13不应该作为X轴上的点，也就是说2013/5/12后面那个坐标点是2013/5/14。这样看起来按日期划分时X轴上坐标点距离并不均匀，不过这没有关系，因为该曲线图是为了显示一段时间内QOIS的变化情况，如果用户某些时间没有访问Internet，也就不用考虑QOIS变化了，X轴上的坐标点距离是否均匀并不影响最终分析结果。2)横向比较不同用户在同一时间段内Internet服务质量(QOIS)。单个用户QOIS随时间变化曲线图只能反映该用户的QOIS在一段时间内的变化状况，并不能判断该用户端的QOIS在某段时间是否正常，最多的只能知道某些时候QOIS分数高，某些时候QOIS分数低，但问题是QOIS分数高低并不能说明网络或终端有问题，例如访问Internet高峰期，QOIS分数明显偏低，但这并不意味着网络或者用户终端有问题。因此，在判断某段时间QOIS分数是否正常时，还需要参照数据，这可以通过比较在同一时间内多个用户的QOIS分数实现。选择同一日某时间段内(例如8:00～12:00)获得过QOIS分数的多个用户作为样本，以他们的QOIS分数为Y轴，以用户名称为X轴，绘制曲线图，可以得到当日这些用户QOIS变化曲线图。如果这些用户的QOIS比较稳定，那么曲线图起伏不会太大；否则，QOIS分数偏低或者曲线图起伏较大的用户终端或网络可能有问题。也可以绘制柱状图，通过条纹的高低判断这些用户QOIS情况。事实上采集数据程序获取QOIS的时间随机的，可以说任意时间段(大于1小时)内都有数据，只是这些数据可能属于不同的用户，因此在划分时间段时，粒度大小可以自由设定。比如可以将某日8:00～10:00获取QOIS分数的用户作为样本，然后绘制曲线图或柱状图进行比较。但最小粒度不能小于1小时，这是获取QOIS最小间隔时间。如果考虑到带宽因素，仅仅比较随机用户相同时间段的QOIS分数也不能说明问题，因为用户申请的带宽未必相同，带宽越高QOIS分数越高；反之则越低。所以在选择样本用户时，应该选择哪些申请相同带宽的用户。另外，选择用户时应该选择那些连接相同接入层设备的用户，这样可以使这些用户终端接入的网络环境最为相似，至少从接入层到Internet这一端网络环境完全相同，这样引起QOIS变化的因素可以减少到最小，有利于排查故障。将步骤1)绘制的某个用户的QOIS随时间变化曲线图和步骤2)绘制的多个用户QOIS相同时间段内变化曲线图相结合就能分析出哪些用户的QOIS稳定正常，哪些用户的QOIS波动较大，哪些用户的QOIS长期偏低，可以有针对性地排查问题，排除故障。3)纵向比较接入层网络段Internet服务质量(QOIS)变化情况。同一接入层网络所有用户某日QOIS分数平均值即为当日接入层网络QOIS分数。在实际应用中，如果用户较多，也可以按照简单随机抽样原则，随机抽取部分用户代表总体情况。也可以按照时间段选择样本，例如选择8:00～12:00获得过QOIS分数的用户作为样本，这些用户8:00～12:00的QOIS分数平均值即为该接入层网络段当日8:00～12:00的QOIS分数。时间段的起止时间和粒度大小可以任意设定，但应该遵循一个基本原即按照访问Internet密集程度来设定，粒度大小不应该低于1小时，这是获取QOIS分数的最小间隔时间。事实上时间段的粒度也可以大于1日，例如获取3天内接入层网络QOIS分数，不过这样的分数并不精确，在实际应用没有太大意义。选择任意的天数评估接入层网络段QOIS变化情况，例如选择一周或一月为单位进行评估，将每日QOIS分数作为Y轴，日期作为X轴，绘制接入层网络段日QOIS分数随时间变化曲线图，可以看出这一段时间该接入层网络QOIS变化情况；也可以按照同样的方法绘制柱状图。还可以进一步进行更精确的分析，将每日某时间段(如8:00～12:00)获取的接入层网络段QOIS分数作为Y轴，以日期作为X轴，绘制一个月内(可以选择任意天数)每日该段时间(8:00～12:00)接入层网络QOIS变化曲线图或者柱状图，这样的分析结果更精确。还可以根据用户访问Internet密集程度划分时间段，计算这些时间段QOIS分数并绘制变化曲线图，可以分析出Internet访问高峰期，底峰期及一般情况下QOIS的变化情况。接入层网络QOIS分数结果取决于所选样本用户的QOIS分数，用户QOIS分数受其申请带宽的影响，采用简单抽样法抽取样本时，误差可能较大，例如抽取的4M带宽用户过多，但事实上2M带宽的用户更多，实际上应该抽取更多2M带宽的用户作为样本，这样的结果跟实际情况差距可能比较大。为了使得结果更精确，可以采用分层按比例抽样法。分层按比例抽样法适用于总体不均质，而且可以被分为几个子总体，且子总体之间差距较大，每一子总体在总体中的比例比较清楚。将同一个接入层网络用户作为总体，相同带宽用户作为子总体，从用户注册信息可以知道每个用户申请的带宽，可以说子总体所占总体的比例清楚，因此适用于分层按比例抽样法。先计算机出子总体(相同带宽用户)占总体(所有用户)的比例，按照该比例从子总体中抽取子样本用户，然后将子样本用户汇总，然后再计算接入层网络各种类型QOIS分数，绘制QOIS曲线变化图或柱状图，这种抽样方法所得到的的样本更精确，更能真实地反映接入层网络QOIS变化情况。4)横向比较不同接入层网络段Internet服务质量(QOIS)变化情况。纵向比较接入层网络段QOIS变化状况，仅能分析出该接入层网络段QOIS随时间变化情况，无法知道在某个时间段内该接入层网络段的QOIS是否正常，因为缺少参照数据。虽然看起来某个时间段QOIS分数偏低，也不能说明网络有问题，可能这就是正常情况，例如Internet访问高峰期会导致QOIS分数偏低。这种情况下需要比较多个接入层网络QOIS变化情况。选择多个连接到同一个汇聚层设备的接入层网络在某个时间段内的QOIS分数作为Y轴，接入层网络编号作为X轴，绘制曲线图或柱状图，获取QOIS分数时所选时间段可以是一日，或者更小粒度(例如8:00～10:00)。从图中可以看出哪些接入层网络QOIS分数明显偏低，或者起伏较大，再对这些接入层网络进行进一步分析，找到引起QOIS分数变化较大的样本用户，再对这些用户QOIS进行分析，最终可以排查到出问题的用户；如果所有曲线图明显偏低或起伏较大，很可能是接入层网络设备或者更上层(汇聚层)网络设备出现问题。5)纵向比较汇聚层网络段Internet服务质量(QOIS)变化情况。连接同一个汇聚层网络设备的所有接入层网络在某时间段内QOIS分数平均值作为汇聚层网络段该时间段内QOIS分数，以该分数作为Y后，时间作为X轴，数字展示模块可绘制该汇聚层网络段QOIS分数随时间变化曲线图或者柱状图。对于汇聚层设备来说，连接的接入层网络设备个数毕竟有限，因此可以选择所有连接它的接入层网络QOIS分数作为样本。汇聚层网络QOIS分数同样可以按照时间段划分，可以获取日QOIS分数，一日内某段时间QOIS分数，或者数天内QOIS分数，绘制相应的曲线图或柱状图，观察QOIS变化情况。如果QOIS随时间曲线变化图出现较大的起伏或者从某时间点之后QOIS分数长期处于一个低位水平，有可能是某些网络设备出现问题，可以通过步骤4)分析接入层网络，查看是否为下级网络的问题。6)横向比较汇聚层网络段Internet服务质量(QOIS)变化情况。步骤5)只能看出汇聚层网络QOIS随时间变化情况，缺乏参照数据的情况下很难了解QOIS具体情况，也不利于排查问题，可以选择不同汇聚层相同类型QOIS分数进行比较。按照时间段获取汇聚层网络段QOIS分数，所有接入层某种类型(按时间段分类)的QOIS分数平均值即为汇聚层网络段相应类型QOIS分数，最常用的是日QOIS分数或者一日内某时间段QOIS分数，然后选择同一个时间段，将其QOIS分数作为Y轴，汇聚层网络编号作为X轴，绘制曲线图或柱状图。比较这些曲线图，如果所有曲线图起伏都很大或分数明显偏低，很可能是上层(核心层)的问题；否则，则很可能是这部分汇聚层网络设备问题或者更下层网络设备问题，可以对下层网络继续分析。7)纵向比较核心层网络段Internet服务质量(QOIS)变化情况。连接同一个核心层网络设备的所有汇聚层网络在某时间段内QOIS分数平均值作为汇聚层网络段该时间段内QOIS分数，以该分数作为Y后，时间作为X轴，数字展示模块可绘制该核心层网络段QOIS分数随时间变化曲线图或者柱状图。按照时间段粒度大小也可以将核心层网络段QOIS分数分为日QOIS分数，一日内某段时间QOIS分数，或者数天内QOIS分数，绘制相应的曲线图或柱状图，观察QOIS变化情况，如果曲线图起伏较大或者从某时间点之后QOIS分数长时间偏低，可以通过分析下级网络排查问题。8)横向比较核心层网络段Internet服务质量(QOIS)变化情况步骤7)只能看出核心层网络QOIS随时间变化情况，缺乏参照数据的情况下很难了解QOIS具体情况，也不利于排查问题，可以选择不同核心层相同类型QOIS分数进行比较。按照时间段获取核心层网络QOIS分数，所有汇聚层网络相应类型的QOIS分数平均值即为核心层该类型QOIS分数，最常用的是日QOIS分数或者一日内某时间段QOIS分数，然后选择同一个时间段，将其QOIS分数作为Y轴，核心层网络编号作为X轴，绘制曲线图或柱状图。比较这些曲线图，如果所有曲线图起伏都很大或分数明显偏低，这可能是正常情况，例如Internet不稳定或者Internet访问量较大，也有可能是Internet本身的问题；如果核心路交换机通过同一个中心路由器连接到Internet，则还可以查看是否中心路由器是否稳定；若只有部分曲线起伏较大或者分数明显偏低，则很可能是下层网络的问题，可以对下层网络进行分析。9)分析整个宽带网络Internet服务质量(QOIS)变化情况。所有核心层网络某时间段QOIS分数平均值作为整个宽带网络OQIS分数，同样绘制宽带网络QOIS分数随时间变化曲线图或柱状图。如果曲线图起伏较大，说明可能整个宽带网络QOIS不稳定。也可以将一日划分n(n＜＝24)个时间段，分别获取这n个时间段内的QOIS分数作为Y轴，时间段作为X轴，绘制QOIS变化曲线图，QOIS分数偏低的点说明是Internet访问密集程度越高；反之则越低。将一个月内(也可以是任意天数)每日某个时间段的QOIS分数作为Y轴，日期作为X轴，绘制曲线图或柱状图，可以看出本月内每天某个时间段QOIS变化情况，分数偏低的点说明访问Internet密集程度越高。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。