面向应用的物联网网络性能评价方法
【专利摘要】本发明涉及一种面向应用的物联网网络性能评价方法，该方法克服了物联网的异构性，在应用层对物联网网络性能进行分析评价，有助于网络管理员或者用户及时准确了解网络运行状况，为网络管理人员改善网络性能提供决策依据。与传统的网络性能评价方法相比，本发明将定性和定量的网络性能评价方法结合了起来，提供了对于网络性能感性和理性的认识；本发明首次将网络性能分为四个级别，从好到差，依次为：蓝色级别，黄色级别，橙色级别，红色级别；本发明提出了一个新的网络性能评价指标：累积网络性能评价值。
【专利说明】面向应用的物联网网络性能评价方法
【技术领域】
[0001]本发明属于网络性能分析评价领域，特别涉及一种面向应用的物联网网络性能评价方法。
【背景技术】
[0002]对网络性能进行科学合理的评价，有助于网络管理员或者用户及时准确了解网络运行状况，为网络管理人员改善网络性能提供决策依据。由于需求的不同，网络性能的评价方法也多种多样。
[0003]网络性能的评价方法分为定性和定量两种。
[0004]定性的评价方法，是指通过观测网络运行状况，或者简单地测量一下网络运行状况的指标，根据用户感受度和网络性能评价分析人员的主观经验来对网络的总体运行状况给出一个粗略的、不太准确的评价。
[0005]与定性的评价方法相比，定量的评价方法评价过程更加科学，评价的结果也更加准确。定量的评价方法主要包括四种方法:测量法，数学分析法，软件模拟法，综合法。
[0006]测量法:通过测量网络运行状态的指标，根据网络性能评价分析人员的以往经验，经合已经测量出来的指标，来对网络性能给出一个简单的评价。
[0007]数学分析法:在网络拓扑和网络通信协议确定的情况下，分析了网络参数指标对网络性能的影响，用网络参数指标和数学公式来表达网络性能。数学公式，反映了网络各个参数指标与网络性能之间的关系。
[0008]软件模拟法:又叫蒙特卡洛法，通过建立模型的方法，模拟出在真实环境中需要很长时间或者其它很苛刻的条件下出现的网络状况，然后，观测网络在这种情况下的运行状况，对网络性能做出评价。
[0009]综合法:在实际进行网络性能评价的时候，往往将以上几种方法结合起来使用，以期达到更好更理想的评价结果。
[0010]定性的评价方法能让人对网络性能有一个初步的、感性的认识，但并不准确；定量的评价方法往往是基于数学方法的，得出的评价结果往往是基于数值的，虽然相对准确，但是并不能给人感性的认识，而且过程复杂。
【发明内容】
[0011]本发明的目的在于提供一种面向应用的物联网网络性能评价方法，解决了现有技术存在的上述问题。针对物联网底层的异构性，设计了一种面向应用的物联网网络性能评价方法，有助于网络管理员或者用户及时准确了解网络运行状况，为网络管理人员改善网络性能提供决策依据。本发明将定性和定量的评价方法结合起来，将对网络性能感性的认识和理性的认识结合了起来，而且过程相对简单。
[0012]本发明的上述目的通过以下技术方案实现:
[0013]面向应用的物联网网络性能评价方法，将定性评价方法和定量评价方法结合了起来，包含以下步骤:
[0014](a)选取评价属性，确定主要评价属性和次要评价属性；
[0015]( b )测量评价值，确定阈值和权重；
[0016](c)定性分析评价，确定网络性能级别；
[0017](d)评价属性值归一化；
[0018](e)定量分析评价，计算网络性能评价值和累积网络性能评价值；
[0019](f)根据分析评价结果，优化网络配置，改善网络性能。
[0020]所述的步骤(C)中定性分析评价模型，根据网络主要评价属性和次要评价属性所处水平，将网络性能分为四个级别，从好到差，依次为:蓝色级别，黄色级别，橙色级别，红色级别；每一个级别的定义如下，
[0021]蓝色级别:所有主要网络评价属性满足阈值要求，所有次要网络评价属性满足阈值要求；
[0022]黄色级别:所有主要网络评价属性满足阈值要求，至少有一个次要网络评价属性不满足阈值要求；
[0023]橙色级别:至少有一个主要网络评价属性不满足阈值要求，所有次要网络评价属性满足阈值要求；
[0024]红色级别:至少有一个主要网络评价属性不满足阈值要求，至少有一个次要网络评价属性不满足阈值要求。`
[0025]所述的步骤(e)中定量分析评价模型，计算出网络性能评价值和累积网络性能评价值；
[0026]有时间段分隔如下:[tl, t2, t3,..., ti, tj, tk,...tn],时间可以等长分隔，也可
以非等长分隔。
[0027][ti, tj]时间段内的网络性能评价值计算方法如下，
[0028]V (ti, tj) =wl*vl+w2*v2+…+wk*vk+...+wn*vn 公式 3
[0029]其中，V (ti, tj)表示[ti, tj]时间段内的网络性能评价值，Wk表示评价属性k的权重，vk表示评价属性k归一化后的值；
[0030]如果以ti时刻为起始时刻，则tk时刻的累积网络性能评价值计算方法如下，
[0031]LV(ti, tk) =wi j*V(ti, tj)+wjk*V(tj, tk)公式 4
[0032]其中，L V (ti，tk)表示tk时刻的累积网络性能评价值，補=Wjk =
这里wij表示[ti, tj]占总时间[ti, tk]的比重。
[0033]所述的步骤(d)是将评价属性值分为向上型属性和向下型属性，向上型属性，评价属性值越大，表征网络在此方面的性能越好；向下型属性，评价属性值越小，表征网络在此方面的性能越好；二者计算方法如下，
[0034]向上型属性和向下型属性的归一化方法不同，向上型属性的归一化方法如下，
[0035]Vi = 公式 I
[0036]其中，AVi表示向上型评价属性i的属性值，Ti表示向上型评价属性i的阈值，vi表不归一化后i的值。[0037]向下型属性的归一化方法，
[0038]Vi =公式 2
[0039]其中，AVi表示向下型评价属性i的属性值，Ti表示向下型评价属性i的阈值，Vi表不归一化后i的值；
[0040]对于超出阈值范围的评价属性值，可认为该评价属性没有意义，归一化后的数值为O。
[0041]本发明的有益效果在于:与传统的网络性能评价方法相比，本发明将定性和定量的网络性能评价方法结合了起来，提供了对于网络性能感性和理性的认识；本发明首次将网络性能分为四个级别，从好到差，依次为:蓝色级别，黄色级别，橙色级别，红色级别；本发明提出了一个新的网络性能评价指标:累积网络性能评价值。
【专利附图】
【附图说明】
[0042]此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实例及其说明用于解释本发明，并不构成对本发明的不当限定。
[0043]图1为物联网的异构性示意图；
[0044]图2为网络性能级别示意图；
[0045]图3为面向应用的物联网网络性能评价模型流程图。
【具体实施方式】
[0046]下面结合附图进一步说明本发明的详细内容及其【具体实施方式】。
[0047]参见图1至图3所示，本发明的面向应用的物联网网络性能评价方法，包含以下步骤:
[0048]( I)选取评价属性，确定主要评价属性和次要评价属性；
[0049](2)测量评价值,确定阈值和权重；
[0050](3)定性分析评价，确定网络性能级别；
[0051](4)评价属性值归一化；
[0052](5)定量分析评价，计算网络性能评价值和累积网络性能评价值；
[0053](6)根据分析评价结果，优化网络配置，改善网络性能。
[0054]本发明的面向应用的物联网网络性能评价方法，将定性评价方法和定量评价方法结合了起来。
[0055]上述步骤(3 )定性分析评价模型:
[0056]主要网络评价属性:与网络主要业务相关的评价属性，各个网络因主要功能不同，主要网络评价属性也各异。如在实时性网络中，时延、时延抖动就应该列为主要网络评价属性。
[0057]次要网络评价属性:与网络主要业务相关性不大，但有助于改善网络性能的评价属性，各个网络的次要网络评价属性不尽相同。在物联网中，数据包的重复率就是一个次要网络评价属性。
[0058]根据网络主要评价属性和次要评价属性所处水平，将网络性能分为四个级别，从好到差，依次为:蓝色级别，黄色级别，橙色级别，红色级别。每一个级别的定义如下，
[0059]蓝色级别:所有主要网络评价属性满足阈值要求，所有次要网络评价属性满足阈值要求；
[0060]黄色级别:所有主要网络评价属性满足阈值要求，至少有一个次要网络评价属性不满足阈值要求；
[0061]橙色级别:至少有一个主要网络评价属性不满足阈值要求，所有次要网络评价属性满足阈值要求；
[0062]红色级别:至少有一个主要网络评价属性不满足阈值要求，至少有一个次要网络评价属性不满足阈值要求。
[0063]上述步骤(4)评价属性分类:
[0064]将评价属性值分为向上型属性和向下型属性。向上型属性，评价属性值越大，表征网络在此方面的性能越好；向下型属性，评价属性值越小，表征网络在此方面的性能越好。二者计算方法如下，
[0065]向上型属性和向下型属性的归一化方法不同，向上型属性的归一化方法如下，
【权利要求】
1.一种面向应用的物联网网络性能评价方法，其特征在于:将定性评价方法和定量评价方法结合了起来，包含以下步骤: Ca)选取评价属性，确定主要评价属性和次要评价属性； (b)测量评价值，确定阈值和权重； (C)定性分析评价，确定网络性能级别； Cd)评价属性值归一化； Ce)定量分析评价，计算网络性能评价值和累积网络性能评价值； Cf)根据分析评价结果，优化网络配置，改善网络性能。
2.根据权利要求1所述的面向应用的物联网网络性能评价方法，其特征在于:所述的步骤(C)中定性分析评价模型，根据网络主要评价属性和次要评价属性所处水平，将网络性能分为四个级别，从好到差，依次为:蓝色级别，黄色级别，橙色级别，红色级别；每一个级别的定义如下， 蓝色级别:所有主要网络评价属性满足阈值要求，所有次要网络评价属性满足阈值要求； 黄色级别:所有主要网络评价属性满足阈值要求，至少有一个次要网络评价属性不满足阈值要求； 橙色级别:至少有一个主要网络评价属性不满足阈值要求，所有次要网络评价属性满足阈值要求； 红色级别:至少有一个主要网络评价属性不满足阈值要求，至少有一个次要网络评价属性不满足阈值要求。
3.根据权利要求1所述的面向应用的物联网网络性能评价方法，其特征在于:所述的步骤(e)中定量分析评价模型，计算出网络性能评价值和累积网络性能评价值； 有时间段分隔如下:[tl, t2, t3,..., ti, tj, tk,..., tn],时间可以等长分隔，也可以非等长分隔。 [ti, tj]时间段内的网络性能评价值计算方法如下，
V (ti, t j) =wl*vl+w2*v2+…+wk*vk+...+wn*vn 公式 3 其中，V(ti,tj)表示[ti,tj]时间段内的网络性能评价值，wk表示评价属性k的权重，vk表示评价属性k归一化后的值； 如果以ti时刻为起始时刻，则tk时刻的累积网络性能评价值计算方法如下，
LV(ti, tk) =wi j*V(ti, tj)+wjk*V(tj, tk)式 4 其中，LV(ti, tk)表示tk时刻的累积网络性能评价值，wij =^, wjk = i^，这里wij表示[ti, tj]占总时间[ti, tk]的比重。
4.根据权利要求1所述的面向应用的物联网网络性能评价方法，其特征在于:所述的步骤(d)是将评价属性值分为向上型属性和向下型属性，向上型属性，评价属性值越大，表征网络在此方面的性能越好；向下型属性，评价属性值越小，表征网络在此方面的性能越好；二者计算方法如下， 向上型属性和向下型属性的归一化方法不同，向上型属性的归一化方法如下，
【文档编号】H04L12/24GK103457772SQ201310392238
【公开日】2013年12月18日 申请日期:2013年9月2日 优先权日:2013年9月2日
【发明者】胡亮, 赵阔, 王峰, 燕晓波, 车喜龙, 熊伟晴 申请人:吉林大学