专利名称：确定服务趋势的方法
技术领域：
本发明涉及网络监视方法，尤其涉及确定电信网络中服务趋势的方法。
背景技术：
BMC Software的″Patrol Dashboard″产品使用了网络监视方法，这种网络监视方法测量不同时间的网络带宽并且根据关于测量结果的函数确定带宽趋势。
专利申请WO 01/80492公开了用于电信网络的服务质量指标监视技术。然而这种监视技术基于主观指标而不是趋势计算。因此，不能确定所监视的指标的未来变化。
按照网络服务提供商和用户达成的服务等级协议(SLAB)，服务提供商负责提供具有规定故障等级的网络服务。网络服务可以包括声音或图片的实时传送。目前尚没有精确预报网络服务故障的工具。
发明内容
于是需要一种解决此问题的方法。
因此本发明提出了确定通信网络服务趋势的方法，该方法包括的步骤有-选择两个或更多代表网络服务和即时变化的网络参数；-两次或更多次测量和/或计算网络参数数值；-两次或更多次根据关于所述测量和/或计算的参数数值的函数确定服务指标的数值；和-根据关于所述确定的指标数值的函数确定指标的趋势。
在一个实现中，该方法还包括根据关于指标趋势的函数确定服务指标越过设定阈值的时间的后续步骤。
在另一个实现中，从包括以下服务的分组中选择网络服务语音；可视电话；电话；多媒体；视频点播；专用虚拟网络；实时数据；交互式数据；和数据流服务。
在另一个实现中，该方法还包括通过测量和/或计算的网络参数的线性回归来确定指标平面的步骤。
在另一个实现中，确定服务趋势包含将参数数值与预定阈值相比较。
确定服务趋势还可以包括-确定网络参数趋势；和-比较参数趋势和预定阈值。
在一个实现中，通过神经网络确定指标趋势。
在另一个实现中，该方法还包括训练步骤，在该步骤中神经网络确定服务趋势和服务参数数值之间的关联规则。
在另一个实现中，训练步骤包括将训练库(training base)插入神经网络中，训练库提供与服务参数数值相关的服务趋势数值。
在另一个实现中，神经网络是多层网络。
该方法还可以包括根据关于所确定的网络服务趋势的函数计算财政损失的数学期望的步骤。
在一个实现中，该方法还包括确定在指定时间提供网络服务的容量的步骤。
本发明还提供网络和/或服务管理系统，其特征在于使用上述方法。
于是，本发明通过与上述专利申请WO 01/80492不同的方式指示出所测量指标的趋势。该趋势可以表明指标是否可能越过定义的阈值，甚至确定其越过阈值的时间。在本发明的一个实现中，也可以为估测的阈值越过时间确定可靠性准则。
通过阅读下面参照附图以举例方式对本发明的实现进行的描述，可以理解本发明的其它特性和优点，其中-图1示出了根据本发明确定网络服务趋势的方法的简化例子的算法；-图2示出了确定网络服务趋势的方法的第一实现；-图3示出了本发明的第二实现的简化算法；而-图4示出了本发明的第三实现中使用的神经网络。
具体实施例方式
本发明提出了确定服务趋势的方法。为此，选择代表服务的各种网络参数，之后根据关于那些参数的函数确定网络服务趋势。
图1示出了本发明确定服务趋势的方法的一个例子的简化算法。在方法的第一步骤中，选择代表网络服务的多个网络传输参数。在第二步骤中，测量或计算选择的参数在指定时间的数值。在第三步骤中，测量或计算选择的参数在另一个时间的数值。在第四步骤中，根据测量的参数确定以后的服务趋势。根据关于不同网络服务的函数测量的各种参数如下所述。趋势确定的例子也如下所述。
可以根据测量和/或计算的数据定义服务指标等级。不同时间的指标数值可用于确定服务趋势。根据参数测量推断的一或多个趋势也可以被用来定义指标。在指定时间，也可以通过不同时间的不同参数的数值定义指标。
通过这种方式，可以为预先观察而确定也被称为服务等级规格(SLS)的若干网络参数，以便确定服务等级。这些参数尤其包含分组损耗；分组间时间延迟；抖动或稳定性；带宽；带宽稳定性；和通信方向。因此可以使用已经根据测量结果计算或推断的参数。例如在确定网络服务指标时可以计算和使用带宽稳定性参数。这种参数允许确定网络服务的可靠性。也可以使用推断的参数，例如先前确定的参数趋势。
服务等级可以涉及任何类型的网络服务。然而可以强调以下服务语音传送服务；电话服务；可视电话服务；多媒体传送服务；视频点播服务；白板(whiteboard)应用服务；虚拟专用网服务；实时数据传送服务；和交互式数据传送服务。这些服务尤其可以被用于符合网际协议(IP)的传输服务。
可以选择多个网络参数以便将服务等级定义成关于所涉及的服务或服务分组的函数。可以根据关于参数相对指定服务等级的重要程度的函数对参数进行加权。在确定指定网络服务趋势时，加权指定了最敏感参数所占的比重。下面的表格提供了有关网络服务和网络参数之间的关联和加权的一个例子。
表格中的数值指示各个参数的加权或灵敏度，从针对最小加权的0到针对最大加权的3。
也可以按照服务类别对服务进行分组。3GPP和Tequila项目定义了服务类别和符合所涉及类别的优先选择参数的类别。本发明提出将服务类别与网络参数相关联。下面的表格提供了涉及不同类别的网络参数的加权的一个例子。
在图2示出的第一实现中，通过几何形状，在这个例子通过平面1定义服务等级指标。在定义了三维空间的3个轴上表示测量的参数，例如x轴表示时间，y轴表示参数数值，而z轴表示参数P0、P1和P2。
在这个空间中可以根据参数的数值定义指标平面1。例如，通过在确定趋势之前的指定时间间隔内对参数P0、P1和P2的数值进行线性回归可以获得指标平面。例如，可以使用将两个空间维数中的移动检测转换成估测平面取向问题的空间-时间过滤方法的基本原理(参见Adelson E.H，Bergen J.R.″Spatiotemporal energy models for theperception of motion″，J.Optical Society of America，vol.A2，no.2，pp.284-299，1985和Laplante P.A.，Stoyenko A.D.″Real time imagingtheory，technique and application″，IEEE Press 1996)。平面本身是服务趋势指标。
可以按照各种方式转换空间中表示的参数。于是可以对参数数值应用乘数系数，使得参数数值具有可比较幅度。其趋势通常与其它参数的趋势相反的参数可以被反相。先前定义的加权也可以被用来建立指标平面的等式。例如，可以使用具有先验权重或作为余数函数的权重的加权回归方法。
也可以根据上面定义的平面推断另一个趋势指标。例如，趋势向量4可以被定义成在指标平面中具有坐标(x，y，0)。该向量提供代表服务趋势的简化指标。可以根据平面1推断另一个趋势指标。例如，这个指标可以是指标平面与具有等式Z＝0的参考平面的交线限定的直线段的斜率。
例如，这些趋势指标被用来定义服务演变预报。因此能够确定到越过阈值之前的剩余时间，预定时间周期之后的服务等级，故障之前的服务提供容量，或根据关于生效服务协议的函数的损失数学期望。
可以产生警告预定趋势正被超出的信号，例如可视或听觉信号。具有高斜率的趋势可以被认为相当于网络服务故障的临近，并且这种信号可以允许实现适当的预防性测量。这种趋势确定形式还允许确定网络的短、中和长期演变需求。于是可以修改被用来根据关于预报周期的函数确定趋势的测量持续时间。
首先提供有关越过服务等级阈值的预报的例子。在图2中，可以定义服务阈值几何表面，例如平面2。接着可以在指标平面1和阈值几何表面或平面2之间的交线上确定曲线3。
对于通过沿着z轴从0到N的数值表示的参数，根据其z值为0到N的交线曲线部分可以确定剩余时间。可以使用曲线部分的时间的平均值，或其针对从0到N的z的一个极值。于是，曲线部分的较低时间数值T1可以被用来提供最不利阈值越过假设。
尽管前面将参考几何要素2和指标几何单元1描述成具有平面形式，然而任何适当的几何形状均可用于推断趋势。
服务趋势预报也可以被用来计算财政损失的数学期望。SLA可以规定网络服务提供商必须为用户支付的赔偿。接着可以根据关于SLA的期限和条件的函数确定指定时间的损失。因此可以根据关于针对不同SLA计算的损失期望的函数预报网络服务优先权。
趋势确定也可以被用来确定指定日期的服务提供容量。如果预报服务等级在指定时间具有指定等级，则可以确定该时刻的服务提供容量。因此可以定义在达到饱和服务等级之前投入服务等级协议的容量。
这些服务趋势确定形式也可以和其它确定趋势的方法结合使用，下面提供了一些例子。
如图3所示，确定服务等级趋势的方法的第二实现分析多个网络参数的具体实例以确定趋势。在这种实现中，将各种网络参数与预定阈值逻辑水平相比较。为此可以对参数数值应用布尔准则。接着将预定服务趋势与参数等级的组合相关。这种方法可以包含测量网络参数以及将参数与网络服务趋势关联的预备步骤。这种实现尤其适于根据关于网络公司发现的实际情况的函数检测趋势。在图3的例子中，事先确定参数P0和P1的趋势TP0和TP1。接着这些趋势被用来确定网络服务趋势TS1或TS2。网络参数数值也被用来确定网络服务趋势。确定的趋势可被用于前面描述的预报。于是可以具有预报网络服务违反协议时间的步骤。为了针对具体服务趋势确定服务违反协议时间，考虑到计算服务趋势的时间。
另一个实现尤其适于确定网络服务趋势，其中测量或计算的参数的演变是非线性的。在这个实现中，神经网络被用来确定网络服务趋势。图4示出了在本发明的环境中使用的神经网络的例子。使用多层神经网络10，即具有一或多个输入层5、隐藏的中间层9和输出层11。例如具有N个输入神经元的输入层5，具有2N+1个神经元的隐藏层9和具有用户选择的若干输出的输出层11。
网络参数的数值6和/或那些参数的趋势7被提供到输入神经元5。参数SLS的阈值8也可以被提供到输入神经元5。接着在隐藏层9中处理在输入上提供的数值6、7和8。输出层接着提供若干个已定义的信号12。信号12可以指示不同的越过，例如可以提供以下警告信号趋势越过阈值警告信号；服务违反协议之前剩余时间越过阈值警告信号；或任何其他警告网络公司服务发生变化的适当警告信号。
神经网络的使用可以包括多个步骤。例如，在第一时间段根据实验结果形成训练库。训练库包括作为输入神经元状态的函数的多个输出神经元状态。在训练步骤期间，训练库被集成到神经网络中。训练步骤包括使用训练规则确定神经网络的神经连接的权重。可以使用差错梯度后向传播规则。这个方法是本领域已知的，并且包括对神经元之间的链接加权以及循环校正加权。于是将通过测试加权获得的结果与先前在训练库中固定的结果进行比较。当涉及输出神经元的差错低于预定阈值时，中断循环过程。已经有这样的神经网络软件，例如Stuttgart神经网络模拟器。也可以通过集成电路的形式实现神经网络。本领域技术人员知道如何根据关于被监视网络服务的复杂度的函数选择适当的隐藏层数量。
就一或多个参数而言，使用神经网络对差错或不确定性具有更强的承受或抵抗力，并且还允许观察非线性或循环行为。
这里通过示例性和非限制性的例子提供了举例描述的实现，并且本发明不局限于这里提供的详细内容，而是可以在所附权利要求限定的范围内对其进行修改。
权利要求
1.确定通信网络服务趋势的方法，包括的步骤有-选择代表网络服务和即时变化的两个或更多网络参数(P0，P1，P2)；-两次或更多次测量和/或计算网络参数数值；-两次或更多次根据关于所述测量和/或计算的参数数值的函数确定服务指标(1，4)的数值；和-根据关于所述确定的指标数值的函数确定指标的趋势。
2.如权利要求1所述的方法，其特征在于还包括根据关于指标趋势的函数确定服务指标越过设定阈值(2)的时间(T1，T2)的后续步骤。
3.如权利要求1或2所述的方法，其特征在于从以下服务分组中选择网络服务语音；可视电话；电话；多媒体；视频点播；专用虚拟网络；实时数据；交互式数据；和数据流服务。
4.如前面任何一个权利要求所述的方法，其特征在于还包括通过测量和/或计算的网络参数的线性回归来确定指标平面(1)的步骤。
5.如权利要求1-3中任何一个所述的方法，其特征在于确定服务趋势包含将参数数值与预定阈值相比较。
6.如权利要求5所述的方法，其特征在于确定服务趋势还包括-确定网络参数趋势，和-比较参数趋势和预定阈值。
7.如权利要求1-3中任何一个所述的方法，其特征在于通过神经网络(10)确定指标趋势。
8.如权利要求7所述的方法，其特征在于还包括训练步骤，在该步骤中神经网络确定服务趋势和服务参数数值之间的关联规则。
9.如权利要求8所述的方法，其特征在于训练步骤包括将训练库插入神经网络中，训练库提供与服务参数数值相关的服务趋势数值。
10.如权利要求9所述的方法，其特征在于神经网络是多层网络。
11.如前面任何一个权利要求所述的方法，其特征在于还包括根据关于所确定的网络服务趋势的函数计算财政损失的数学期望的步骤。
12.如前面任何一个权利要求所述的方法，其特征在于还包括确定在指定时间提供网络服务的容量的步骤。
13.一种网络和/或服务管理系统，其特征在于使用如前面任何一个权利要求所述的方法。
全文摘要
本发明提出了确定通信网络服务趋势的方法。因此本发明选择代表网络服务和即时变化的两个或更多网络参数(P
文档编号H04L12/14GK1423457SQ02154849
公开日2003年6月11日 申请日期2002年12月2日 优先权日2001年12月3日
发明者艾玛纽尔·玛瑞莱, 史蒂芬·贝特格－伯拉泽佩兹, 奥利弗·玛蒂诺特 申请人:阿尔卡塔尔公司