一、分布网络计费研究（论文文献综述）
李阳阳[1]（2021）在《高性能网络中基于动态定价的带宽调度算法研究》文中提出随着信息技术的飞速发展,传统产业和新兴互联网经济的深度融合过程中产生了海量数据。存储技术及计算技术的发展,直接推动了大数据产业的发展壮大。数据量的急剧增长,催生了云计算和数据中心在全球范围内的普及。连接远程数据中心之间的骨干网上的数据传输任务十分繁重。云运营商用昂贵的高带宽链路为各种用户提供大数据传输服务。如何通过提供高质量的服务来赚取可观的利润是运营商所关注的核心问题。科学合理的定价机制是保障运营的重要环节。目前各大云服务商的收费方式都采用相对简单的按不同区域、不同时间段定价方式,如亚马逊、谷歌。而且无法保障用户的传输请求在截止期限前完成。这种相对简单的定价方式无法适应用户对不同传输服务等级的需求,对用户和运营商来说都有缺憾。本文研究数据中心之间高性能骨干网中,探索一种动态定价策略为批量用户大数据传输请求提供适当服务优先级选择,并据此优先级为不同用户请求分配路径带宽资源。在用户效用（传输数据总价值-传输数据总价格）最大化的前提下,使作为优化目标的网络效用（传输数据总价值-传输数据总成本）最大化。本文主要研究以下几个方面的内容:（1）对用户请求接口模块设计。当用户请求到达时,运营商将根据网络的当前状态和请求信息,生成一份带宽价格表p（·）和可用带宽容量上限bι。价格表中p（bi）是保证在截止日期前传输带宽bi对应的价格。bι是运营商保证在截止日期之前可以路由的最大带宽容量。每个链路在每个时隙有相应的价格,价格表p（·）首先沿着最小价格路径路由,直到路径饱和,然后寻找下一个最小价格路径,每条路径可用带宽都相应地定价,以此类推。由于每条可用路径的价格只会增加,所以带宽价格表p（·）是一个非减少的、凸的分段线性函数。（2）对每个链路的每个时隙进行动态定价。记录链路利用率在0.1-0.8连续变化的改变后的新链路利用率—上一时隙链路价格数据对,采用最小二乘非线性拟合方法对上述数据进行拟合,得出真实运行状态的链路利用率—价格函数模型。每当收集到链路利用率有效变化（链路利用率在0.1-0.8范围内）的连续组变化一定次数后的新链路利用率—上一时隙链路价格数据对后,对链路利用率—价格函数进行更新,维护链路利用率-价格多项式函数的准确性。在得到链路利用率—价格多项式函数后,每个链路当前的价格由该非线性拟合函数使用当前链路利用率计算得出。对于链路利用率超过0.8的作为预留给高优先级请求的带宽,链路价格设为0.8链路利用率对应价格的2倍。（3）对本文的动态定价调度算法以及按区域定价的调度算法进行仿真实验。使用50-500个请求的10种不同数量的请求来测试两种定价调度方式所能获得的网络效率。除此之外,也对运营商利润、请求的完成率、网络利用率、敏感性进行分析。
王小海[2]（2021）在《X公司在线计费系统项目风险管理研究》文中研究说明随着经济社会的进一步发展,信息技术发展迅猛,为其他各个行业提供了支撑与平台,信息产业在整个经济和社会发展中的作用不可忽视。互联网经济对电信网络特别是移动网络提出了更高的支撑要求,在线计费系统应运而生,以适应新形势下的发展需要和满足广大用户的需求。而IT系统的不断迭代,也给运营企业带来巨大的风险管控压力,这种压力也进一步促进了国内外对IT项目的风险管理研究。某电信运营企业X公司计划于2017年上线在线计费系统。该项目执行步骤多、施工周期长、迁移数据量大,面临较多的风险。因此X公司在线计费系统建设项目的风险管理成为了该项目管理的重要组成部分。如何在常见的IT系统项目风险管理模型和常用的工具中找到对X公司在线计费系统建设项目的风险管理方法,这是本文要重点探讨的内容。本文基于项目风险管理的相关理论,结合信息系统建设项目的特点进行风险管理研究,主要从风险识别、风险评价、风险应对三个方面进行研究。首先结合在线计费系统的项目特点、风险特点和风险来源,通过文献研究和专家问卷以及头脑风暴法、德尔菲法等工具分别识别出市场、技术、采购、进度、人力资源等5类18个风险;进而利用风险概率-影响矩阵进行定性分析,对识别出的风险分出高中低三类风险,再利用层次分析法进行定量分析,对风险进行排序;最后根据风险分析结果从风险回避、风险减轻、风险转移和接受风险等角度对市场、技术、进度、采购、人力等风险提出应对策略和应对措施。通过上述步骤,本文为X公司在线计费系统建设项目的具体实施提供了可借鉴的风险管理方案。
张玺君[3]（2021）在《面向城市交通流的数据修复与短时交通流预测方法研究》文中认为城市交通流具有非线性、自组织性、时空性、随机时变性、周期相似性等特性,致使短时交通流预测技术复杂、难度大。本文以城市交通流特性分析为基础,基于信号分析与处理、神经网络、深度学习、机器学习、数据挖掘、遗传算法等技术,对面向城市交通流的数据修复与短时交通流预测展开了研究,并最终应用到出租车共乘线路推荐方面。因此,如何根据城市交通流的特性选用预测性能良好的模型,完成短时交通流量预测是非常重要的一项研究课题。具体来说,本文的贡献体现在四个方面:1.针对城市交通流的周期相似性、非线性、波动性、时空相关性和混沌特性,分析了交通流的动态波动过程。利用数据质量评测标准对数据集总体质量进行了分析,就存在不完整、短期缺失和异常等问题数据集,在现有预处理技术的研究基础上,利用长短期记忆网络（Long Short-Term Memory,LSTM）具有良好的预测精度、适合处理时间序列、消除梯度消失的优势,通过对LSTM网络结构中的记忆门改进的基础上,提出了一种基于R-LSTM的数据预处理修复模型。该模型分析了在不同缺失率、不同采样间隔下的数据修复性能。实验结果表明,该模型的数据修复性能比其他常见的六种参考模型好,它更适合处理中长期前后有依赖性的时间序列,修复问题数据的精确度可以达到97%以上。2.从交通流时空特性出发,分析了不同采样间隔交通流数据采集的时空复杂度,研究了相邻站点探测器之间的时间相关性和空间相关性,为研究基于深度学习的短时交通流预测提供理论基础。为了分析交通流时间序列中隐含的混沌特性,相空间重构的延迟时间τ用C-C算法求出,嵌入维数m用G-P算法求出,用基于小样本数据方法来计算最大Lyapunov指数,最终可以判断交通流时间序列是否具有混沌性。将一维交通流时间序列通过相空间重构变为多维的交通流时间序列,结合门控循环单元（Gate Recurrent Unit,GRU）高效的计算效率,提出基于相空间重构门控循环单元（Phase Space Reconstruction-Gate Recurrent Unit,PSR-GRU）的短时交通流预测模型。通过分析5分钟、10分钟和15分钟采样间隔下该模型的预测性能,得到该模型比其他参考模型的预测精度高,能够捕捉到交通流高峰时刻前后波动趋势。实验结果表明,该预测模型在5分钟采样间隔下的预测准确率达到95%以上,在10分钟采样间隔下的预测准确率达到97%以上,在15分钟采样间隔下的预测准确率达到94%以上。3.针对交通流时间序列的线性和非线性特征,分析了交通流参数间的三相图变化过程。利用交通流变化的天相似性,将交通流数据划分为工作日和非工作日,确定交通流从线性到非线性变化的时间索引号,利用分段预测思想,寻找各段最优预测模型。本文提出了一种SARIMA-LSTM-XGBOOST的组合预测模型,利用SARIMA来预测交通流线性部分,利用LSTM-XGBOOST组合模型预测交通流的非线性部分。该组合模型经不同采样间隔交通流数据集、空间相关性较强的上下游探测器数据集和出租车速度数据集测试,实验结果表明,其预测精度比其他参考文献中所提模型提高了6%左右,可以实现复杂环境下高精度预测。4.精确的预测结果可以为线路推荐提供依据,然而现有的共乘模式没有体现出司机与乘客共同受益的问题。为了提高出租车的搭载率和减小主干道拥堵,利用百度地图进行站点映射,选用基于区域划分的聚类算法分析出租车轨迹数据中乘客上下车比较集中的站点。以乘客出行费用减少幅度与司机收益增加幅度之差最小作为目标函数,结合基于拥堵等级判断的共乘最短路径选择方法,提出了一种基于改进遗传算法的出租车共乘模式。采用动态请求的方式对乘客的共乘过程及共乘费用进行了对比分析。实验结果表明,该共乘模式可以优化出租车的行驶线路,提高出租车的行驶效率,平衡司机和乘客之间的收支。论文主要解决了缺失值和异常值的高精度修复问题,就不同采样间隔下的交通流时间序列特性进行了详细分析,提出了针对不同特征的短时交通流预测方法,这在某种程度上解决了复杂多变环境下城市交通流短时预测的难题。另外,利用出租车轨迹数据特征,结合交通流预测结果,划分了路网拥堵等级,从提高搭载率和减小主干道交通拥堵出发,提出基于多目标的共乘模式和共乘计价策略,从而为城市交通流特性分析及应用研究提供理论依据及参考价值。
张孝国[4]（2019）在《高性能互联网流识别算法研究》文中研究表明随着互联网的飞速发展,网络用户数量急速增加,网络带宽不断增长,各种网络应用层出不穷,网络行为日益复杂,传统的基于报文层次的网络分析在获取流量宏观和微观变化规律方面已经不再适用。近年来,众多以网络流为基本处理单位的网络流分析技术则应运而生,而网络流识别则是网络流分析技术的基础步骤和瓶颈环节,虽然目前已有一定数量的网络流识别策略被广泛地应用于网络安全管理、性能管理、计费管理、流量分类、软件定义网络、流量矩阵估计、负载均衡管理以及复杂网络结构分析等领域,但这些策略在网络流识别效率或精度上仍有一定的提升空间。因此,本论文将以提升网络流识别的精度和效率为目的展开研究,为网络流分析技术提供更加适用的网络流识别算法。本论文围绕网络流识别展开研究,首先以网络流属性为研究对象,基于大量的IP trace数据和互联网流属性,研究对比了同一地域内不同网络中网络流的各属性特征以及不同地域间网络流属性特征的差异和共性,为研究新的网络流识别算法提供依据和参考。然后,基于网络流属性特征,量化分析了网络流超时策略的合理性,并提出了一种保障网络流完整性的超时阈值选择算法,为高精度的网络流识别提供可参考的合理超时阈值。而且在网络流特征的研究中,可以看到单包流不仅大量存在,而且单包流比例较早期研究结果更高,于是围绕单包流识别优化问题展开研究,基于TCP连接的有效性分析和高区分度网络流属性提出了一种TCP单包流快速过滤算法,提升了网络流的整体识别效率。最后,针对TCP网络流,量化了TCP网络流属性对网络流识别的贡献度,基于传输控制协议TCP的严格规范性,使用有限状态自动机原理,提出了一种针对TCP网络流的识别算法,提升了TCP网络流的识别性能。本论文的主要贡献和创新点如下:（1）以网络流属性为研究对象,使用不同地域间的实测IP trace流量数据,基于对其中海量网络流属性特征的提取,研究了网络流各属性特征在时间维度上的变化趋势,并对比分析了不同地域间网络流属性的特征差异和共性。通过对网络流属性特征的研究,一方面能够使相关研究者更加全面地把握当前网络流各属性在时间和地域上的特征,另一方面也为研究更加准确和高效的网络流识别算法提供了有益的数据参考和突破点。在分析网络流属性特征之后,提出了一种基于网络流属性识别能力分析网络流超时策略合理性的方法,并以提升网络流识别精度为研究出发点,提出了一种保障网络流完整性的超时阈值选择算法,旨在从提高网络流识别精度的角度设计一种超时阈值选择算法,然后基于大量的实测IP trace流量数据针对不同的网络流量类型进行了实验,并获取了当前网络环境下能够保障网络流完整性的合理超时阈值经验值。（2）针对单包流的大量存在以及现有网络流识别算法在单包流识别优化方面的不足,深入研究了TCP单包流特性,发现数据包状态、数据包到达间隔和数据包大小与TCP单包流具有高相关性,然后基于高区分度属性提出了TCP单包流的快速过滤算法。该算法效率高并且实现相对简单,可作为网络流识别的前端过滤机制,快速识别出满足识别条件的TCP单包流,由于识别出的单包流不再长时间地占有内存空间和消耗计算资源,从而有效地提升了网络流的识别性能。（3）考虑到TCP流量在网络流量中的主导地位,针对TCP网络流展开研究,首先基于信息熵提出了属性识别度概念,利用属性识别度量化了TCP网络流属性对TCP网络流识别的贡献度,发现了数据包到达间隔的识别度最高,TCP传输控制状态的识别度仅次之,数据包大小虽然也对TCP网络流的识别有一定的贡献,但其识别度却很低,而生存时间、源端口、目的端口、服务类型等属性的识别度则极低,可视为对TCP网络流识别无贡献的属性。鉴于数据包到达间隔和TCP传输控制状态的高识别度以及传输控制协议TCP在其连接建立、数据传输和连接释放过程中的严格规范性,利用有限状态自动机原理构建了TCP双向流自动机,使用TCP双向流自动机识别TCP网络流,提出了基于自动机的TCP网络流识别算法,该算法是针对TCP网络流的专用型识别算法,实验结果表明该算法在综合性能上优于网络流识别的经典算法和现有同类代表性算法。
任德敬[5]（2019）在《基于OpenStack的资源监控和计费系统的设计与实现》文中研究指明随着云计算技术的飞速发展,越来越多的用户选择租用云资源来满足日益增长的业务需求,因此,如何准确实时地检测云环境下的资源数据,提高云服务质量和稳定性,成为云计算提供商需要解决的重要问题。此外,随着云服务的商业化进程不断加快,传统的固定计费方式已不能满足当下差异化的用户需求,对用户的准确计费和有效计费也变得更具有挑战性。因此,本文针对中小型数据中心的实际需求,设计并实现了基于OpenStack的实时监控和动态计费系统。本文基于OpenStack构建工业产品质量数据云服务平台,实现了云环境下的资源采集和可视化,租户的动态计费等功能。首先,设计分布式监控系统的整体架构,基于代理插件技术,完成时序数据的采集、处理、存储和可视化。其次,为了解决传统分布式监控架构中心跳机制的稳定性和可靠性问题,设计了自适应心跳服务机制,实现了监控节点的自动同步与注册维护、分布式系统的高可用性。再次,利用公开监控数据的Restful API接口和简洁的文本表达式实现了自定义的监控指标。最后,针对云服务提供商的固定计费方式的弊端,提出了基于基础设施负载状态和服务质量的动态计费方案,将监控数据作为计费因子,设计了双边SLA协议的折扣模型,为租户提供了折扣规则,保证了双方的利益。本文设计的分布式系统高度松耦合,监控采集插件之间相互独立,实现了采集插件的可插拔式部署,保证了整个系统的稳定性。经实际运营测试,监控系统能正确采集物理机、虚拟机、OpenStack的相关数据并实时可视化,能实现对租户的动态计费,是切实可行的资源监控和计费系统。
冯张潇[6]（2017）在《大数据传输网络中的资源优化分配机制》文中研究表明随着数据的爆炸式增长,数据驱动的科学计算促使未来科学研究朝着第四范式演进——基于大数据的数据密集型科学研究。大数据处理与分析能够提供更好的决策,因此引起了学术界和工业界的研究兴趣。与此同时,数据密集型应用产生的海量数据需要通过网络传输至全球各地数据中心,进行数据的计算、分析,才能实现有效的知识发现。随着大数据应用的发展,网络将扮演越来越重要的角色,为大数据互连提供基本保障。然而,现有的网络并不能够很好地满足大数据传输的需求。有限的网络资源使得在传输大数据的同时,往往会影响传统服务的正常运行。由于网络容量的提升受限于成本、能耗等因素,优化网络资源的分配方式是实现大数据传输的一个重要研究方向。同时大数据时代的网络流量也展现出了新的特征,利用这些新的流量特征将成为研究大数据网络中资源优化分配机制的一个有效途径。目前,国内外许多研究提出了在大数据传输网络中的资源分配机制,然而在这个领域中还面临这许多问题与挑战亟待解决:1)分组交换网络的带宽利用率低,高峰时期网络拥塞度高而在低谷时期网络空闲,大象流应用占据了大部分带宽而老鼠流应用只能获得很小的带宽并且传输延时高;2)混合交换网络的结构设计和流量调度策略是基于固定网络容量的交换平面,而实现光电混合数据中心网络整体最优必须结合流量的特征合理地分配不同交换平面获得的资源量,同时还应满足各个交换平面的网络性能要求。因此,针对以上大数据传输网络中的资源分配问题与挑战,本文的主要研究内容如下:1.研究在分组交换网络中大小流共存时的网络资源优化分配方法。针对分组交换网络带宽分配不合理、老鼠流传输时间长等问题,本文提出了一个资源优化分配的方法利用了大象流应用延时容忍的特性和流量昼夜变化规律,在高峰时刻减少大象流应用对带宽的占用,提高延时敏感的老鼠流应用使用网络的体验。通过部署一个基于流数的拥塞计费策略,对所有用户传输单位数据收取的费用正比于该用户使用的流数,使得对价格敏感且对延时容忍的用户主动避免带宽竞争以降低传输费用。这个方法还有很好的性质使得所有用户都可以实现自身整体效用的最大化并且网络容量可以被最有效的利用。同时运营商在网络运行时只需要公布一个稳定的价格指数,因此部署这个计费策略只需要非常小的集中控制。本文中阐述了计费策略的网络模型、假设,计费系统运行过程、带宽分配的方法和用户更新策略。通过数据公式推导研究了基于流数的计费策略在用户同步更新和异步更新时的性质并通过仿真实验进行证明,还通过仿真结果讨论了基于流数的计费策略对网络拥塞度的控制和对高峰时刻带宽分配的影响。2.研究在混合交换网络中大小流分离传输时,网络资源在不同交换平面间分配的问题。由于在混合交换网络中缺乏能够系统、完整的分析资源分配问题的方法,本文提出了一个混合交换网络资源分配的通用框架。通过应用这个框架可以找到一个资源分配的可行区间,在这个可行区间中包含所有同时满足所有交换平面网络性能要求的资源分配方案。同时,这个框架还能缓解大数据时代网络传输高成本、高能耗的困境:可以找到在不同优化目标下的最优资源分配方案,例如最小化网络设备的成本、能耗。本文应用资源分配框架分别对单拥塞点混合交换网络和数据中心混合交换网络建模并分析资源分配问题。根据数值结果还研究了流大小分布、电路重构延时、网络性能要求和其他网络参数对混合交换网络资源分配的影响,还研究了流达到率随时间变化时满足网络性能要求所需的最小资源总量与流达到率百分位数之间的关系。数值结果显示在一个高突发率的网络中,只需略降低一些需要满足的流到达率百分位数就可以节约大量的资源。
张宏[7]（2013）在《网络用户时间偏好及时变计费机制研究》文中研究说明网络技术的进步和移动互联网的兴起使得人们在任何时间、任何地点使用网络服务成为可能,一方面移动网络流量呈爆炸式增长,另一方面用户使用网络的时间偏好在运营商网络流量中表现得更加明显；运营商网络因此面临空前的扩容压力。同时,新兴互联网业务的爆炸式增长开始侵蚀运营商的传统话音和短消息收入。如何提高运营商的收益,维持其对网络扩张的持续投入从而保证网络的健康发展成为网络管理者和网络运营商共同面临的问题。本文以用户的网络行为模型为基础给出了用户时间偏好的模型表述,推导出将运营商网络收益最大化的计费机制,以及该计费机制将如何的影响网络的社会效用。本文首先介绍了和网络计费相关的基础背景,包括计费的基本模型、多业务计费方法以及定价模型。然后,借鉴前人的研究成果建立了用户网络行为模型以及用户时间偏好模型。接着,以用户行为模型为基础给出了将运营商网络收益最大化计费机制,它可以根据网络用户的时间偏好来确定最优的网络价格,给运营商带来最大网络收益。通过分析可知,运营商网络收益在最优价格附近变化并不明显,这说明在用户网络行为类似的时间段内采用统一费率对网络收益的影响是有限的。为了提高上述计费机制的可行性,本文还给出了在网络收益损失和计费机制复杂度间进行折中的半时变计费机制以及评估其给运营商带来收益损失的方法。在该方案中,运营商可以根据不同的用户时间偏好和网络收益损失容忍度选择合适的分时段计费策略。最后,本文对在网络用户时间偏好影响下计费机制进行建模,并分析了在该模型下纳什均衡的存在性。在运营商将网络收益最大化时,本文还分析了运营商了解全部用户偏好信息和了解部分用户偏好信息对网络社会效益所造成的影响。通过分析可知,在知道全部用户偏好信息时,运营商在将网络收益最大化的同时也将网络的社会效益最大化了；而若运营商只知道部分用户时间偏好信息时,网络收益最大化将造成部分网络社会效用的损失。在网络效用高的用户占多数时,网络收益最大化时的网络社会效用将不小于最大网络社会效用的2/3。此时,关心网络社会效用的网络管理者可以放宽对运营商提高其网络收益行为的限制。
杨金凤[8]（2011）在《基于博弈的下一代网络计费研究》文中认为下一代网络的计费直接关系到各网络运营商、网络内容提供商以及用户的经济利益,科学先进的计费系统也是电信网络运营商提供优质网络服务的重要保障。本文研究分析了现有几种计费模型,并在此基础上提出了一种计费策略,使之能体现用户、网络运营商、网络内容提供商三方的公平性,即利用博弈论来解决下一代网络的计费模型和资源分配问题。（1）研究讨论了基于流量统计的网络计费系统的设计实现,分析了现有多种主要网络计费模式的原理和应用场合,分析和比较了这些计费方式的优缺点。分析了基于内容计费系统的体系结构和组成模块的功能与交互流程,阐述了其优点,并给出了基于内容计费系统的架构实现。研究了基于QoS的下一代网络的计费系统,给出了计费的模型、具体的实现方案和相应的实现算法。实验和仿真分析表明,我们提出的计费方案不仅计费准确公平合理,而且克服了其他计费方案存在的不足。（2）介绍了博弈论的基础知识,讨论了基于博弈论的域间组播计费模型。我们利用博弈论的思想,尊重网络中各个参与者的目的和利益,使网络的自组织特性得以充分发挥,有利于网络中“生态链”的长期、稳定和健康的发展,具有很好的实用性。从不同参与者的角度讨论了IP组播的三种典型的服务模型及其相应的可实施的计费策略,详细分析了每种模型所对应的应用场景、解决方案以及提出算法的复杂性等。（3）我们提出下一代网络资源分配的问题模型,为保证用户公平性,把用户公平性加到目标函数中,构成了自适应资源分配问题的目标函数,使提出的问题得以合理解决。结果显示,基于合作博弈论的方法有效地解决了多用户OFDM系统中的自适应资源分配问题,实现系统的传输速率最大化的同时也保证了用户之间的公平性,为通信系统中自适应资源分配问题的解决提供了新的方法。
李振军[9]（2010）在《电信宽带IP业务QoE研究》文中研究指明宽带IP网络是现今电信运营商广泛采用的一种网络接入,是人们接入Internet的主要手段之一。对于运营商而言,有效地整合固网与移动网业务、制定合理的价格策略,才能在激烈的竞争中占得先机。要做到这些,不仅需要在技术上提升网络性能,更重要的是通过提升服务来挖掘宽带业务的潜力。最直接反映宽带网络性能的指标就是服务质量（QoS）,电信级IP运营网络的QoS测量是一个庞大而复杂的研究课题,很多领域仍有待挖掘。QoS的研究是通过测量手段取得网络的性能和参数,对网络的一阶和二阶流量统计、端到端的QoS指标分析及性能估计等,为电信运营商提供实时或者阶段性的性能监控工具。为运营商进行网络诊断,如发现网络瓶颈节点或链路等,有效配置资源;为网络规划、改造升级、及时解决性能问题提供参考和依据。QoS固然重要,但人们逐渐发现最终衡量电信宽带IP网络和业务品质的标准在于用户的体验质量（Quality of Experience ,QoE）。QoE本质上就是更加关注用户使用业务的感受,目的是实现以用户为中心的管理。相比之下,QoS仅关注于网络性能层面,以实现性能为中心的管理作为目的。从QoS上升到QoE说明管理中心的一个飞跃。简而言之,QoS的关键在于如何从网络性能的角度上来评价业务,QoE则强调如何从用户服务的角度上来分析业务,将业务看作一个整体并考虑影响业务性能的各个方面,QoS在这个意义上是QoE的一个子集。因此对QoE的深入研究使得用户获得期望中的体验质量是确保电信盈利的关键,也是下一代互联网业务发展中需要的研究课题。在本论文中,将在探讨如何测量、发现、评价电信宽带IP业务的QoS的基础上,通过AHP算法、用户满意度线性方程模型等数学、统计学方法寻求量化宽带IP业务用户QoE的途径,并提出一种基于宽带IP业务QoE的运营商计费策略模式。本论文的主要内容和创新成果如下:（1）在深入分析网络性能和QoS测量技术的基础上,对端到端QoS测量的关键技术、网络拓扑结构发现、网络时延分布推测等进行研究。提出了一种通过对测量数据无量纲化的方法,对多个QoS评价参数进行综合分析。实验结果表明,该方法可以有效地评估目标路径与网络的运行状况。（2）定义了一种电信宽带IP业务QoE指标评价模式,建立QoE参数与QoS参数之间的映射关系,形成宽带IP业务QoE等级评价三层模型,通过AHP算法与线性加权法,提出了一种对QoE等级进行量化的方法。通过对VoIP业务QoE指标计算实例描述,该方法能够有效地反映用户体验质量,并能够估算当前网络的性能可否承载某种宽带IP业务。（3）以用户满意度指数模型为基础量化宽带IP用户的QoE,并将反映网络性能的QoS参数纳入用户QoE评价体系,是重点要讨论的问题与创新之处。在分析用户满意度评价模型的基础上,使用线性结构方程搭建宽带用户QoE评价模型。然后设计算法,使用SAS软件分析各参数值并验证模型的拟合性,通过电信用户最为常用的ADSL业务QoE的计算实例,证明评价模型能够真实反映用户的感受。（4）最后提出了基于QoE的宽带IP业务计费策略模型与算法,以用户的感受好坏为计费依据。基于QoE的计费策略优越于传统以使用资源用量、时间为基础的计费策略,主要表现在使用户获得平均最大化利益的同时,运营商也获得了比传统计费策略模式更多的收益;同时通过对价格的控制,使得网络资源更为合理的分配,运行质量得到了可靠保证。
黄海[10]（2009）在《实时内容计费的关键技术研究》文中指出移动网络与互联网世界的结合引起了移动通信领域一场前所未有的业务变革。纷繁多变的业务,不断扩展的价值链以及众多富有竞争力的商业模式都向移动计费系统提出了新的挑战。传统的包月制以及基于时长或流量的粗放式计费已经无法满足移动互联网对数据增值业务的计费需要,人们开始逐渐寻求基于内容价值的精细计费模式,内容计费已经成为3G和下一代网络支撑系统研究中的热点。论文对于内容计费的研究主要集中在内容计费的架构和实时计费关键技术的实现两个部分。对于第一个部分的研究,在已有标准规范的基础之上提出了新的基于策略和计费控制的体系结构；对于第二个部分的研究,分别从基于内容的区分服务、基于内容的负载均衡和多业务共享账户计费三个方面提出了相应的策略和算法,以此解决实时计费系统在内容计费架构下的技术实现问题,并对算法进行了实验验证和性能分析。论文对上述研究进行了详细描述,所取得的主要创新工作归纳如下：（一）针对内容计费的架构研究,在3GPP规范的UMTS（Universal Mobile Telecommunications System）计费架构和IMS（IP Multimedia Subsystem）网络的FBC（Flow Based Charging）架构基础之上,提出了一种增强型基于策略和计费控制（ePCC, enhanced Policy and Charging Control）的内容计费架构。ePCC架构模型拓展了FBC仅支持承载层的策略控制范围,将计费策略控制延伸到了网络的所有层次,并考虑了在线计费和离线计费系统在数据模型上的融合,使得智能数据采集、计费关联、基于价值的计费、融合计费、价值链利益分配等内容计费功能得到了全面的支持。同时,详细描述了新的内容计费架构下实时计费系统的一种设计方式。：二)针对实时内容计费中基于内容的区分服务研究,将各种网元发送给在线计费系统（OCS,Online Charging System）的计费请求,按照不同的请求内容划分成不同类别的队列,并将Internet中的比例时延区分（PDD, Proportional Delay Differentiation）模型应用到了OCS服务器,目标是保证不同类别请求的平均系统响应时延到达预定的比值,从而实现基于内容的相对区分服务。针对PDD模型提出了一种基于系统队列长度和到达率的概率调度（PSQLAR, Probabilistic scheduling based on System Queue Length and Arrival Rate）算法,算法的基本思想是利用系统队列的长度、请求的到达率以及预先分配的时延区分参数作为调度的优先级依据,在调度时采用概率的方式选取需要服务的队列请求。实验结果表明,在考虑服务时延的情况下,PSQLAR性能总是优于一些传统的PDD调度算法,当请求服务时延增加和彼此差别很大时,性能优势相对更大,并且有效地满足了内容计费环境下提出的六点QoS（Quality of Service）要求。（三）针对实时内容计费中基于内容的负载均衡研究,将不同内容的计费请求划分成不同的类别,并将不同类别请求所产生的负载差异性作为负载均衡策略重点考虑的因素,在此基础之上提出了一种最小公倍数能力（LCMC, Least Common Multiple Capacity）负载均衡算法。算法考虑了实时计费集群系统中各个服务器处理能力的差异,各个服务器当前的负载,并特别考虑了不同内容的请求产生的负载差异,采用概率的方式进行请求分发。实验结果表明,在高集群异构性和高请求负载异构性的系统中,LCMC能明显优于一些传统的负载均衡算法,能很好地满足内容计费架构中实时计费集群系统独有的特征。（四）针对实时内容计费中的多业务共享账户计费问题,重点研究同一个账户为同时发生的不同内容的计费请求分配资源的合理性和有效性。提出了一种基于服务质量的资源预留、回收和再分配（3R, resource Reservation, Reclamation, and Redistribution based on QoS）算法,算法在3GPP标准规范的资源预留基础之上,引入了资源回收和再分配流程,并能够根据业务的QoS变化,动态调节这些流程。仿真实验对平均接纳请求数、平均完成请求数以及平均单位请求交互次数三个性能指标进行了检验,其结果表明：在正常QoS水平下,3R算法性能均优于同类型的其它算法；在低QoS水平下,3R算法性能优势更加明显。
二、分布网络计费研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、分布网络计费研究（论文提纲范文）
（1）高性能网络中基于动态定价的带宽调度算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 高性能网络带宽定价调度的研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外网络运营商的服务定价情况调查 |
| 1.2.2 网络传输技术的研究现状 |
| 1.3 研究内容 |
| 1.4 论文组织结构与章节安排 |
| 第二章 高性能网络概述和定价调度的介绍和分析 |
| 2.1 高性能网络概述 |
| 2.1.1 SDN架构 |
| 2.1.2 基于SDN的高性能网络的基本架构 |
| 2.1.3 典型的高性能网络ESnet |
| 2.2 网络定价调度的介绍与分析 |
| 2.2.1 现有固定价格调度算法的缺陷 |
| 2.2.2 动态定价调度算法的必要性 |
| 2.3 本章小结 |
| 第三章 模型参数设置和动态定价调度复杂度分析 |
| 3.1 高性能网络的模型参数设置 |
| 3.1.1 网络数学模型 |
| 3.1.2 用户请求模型 |
| 3.1.3 传输成本模型 |
| 3.1.4 链路价格计算模型 |
| 3.1.5 传输路径定价模型 |
| 3.1.6 调度调整模型 |
| 3.1.7 算法优化目标 |
| 3.2 动态定价调度算法的问题定义和复杂度分析 |
| 3.2.1 不同类型请求的带宽调度的问题定义 |
| 3.2.2 复杂度分析 |
| 3.3 本章小结 |
| 第四章 高性能网络定价带宽调度算法设计与分析 |
| 4.1 用户请求接口模块 |
| 4.2 调度调整模块 |
| 4.2.1 优化目标公式化 |
| 4.2.2 非凸成本的转化 |
| 4.3 链路价格计算模块 |
| 4.3.1 最小二乘法非线性多项式拟合 |
| 4.3.2 链路利用率——价格公式更新算法 |
| 4.4 基于动态定价带宽调度算法的设计与分析 |
| 4.5 本章小结 |
| 第五章 算法仿真及性能评价 |
| 5.1 仿真实验环境 |
| 5.1.1 基于在线动态定价调度算法的实验设置 |
| 5.1.2 基于按区域定价的调度算法的实验设置 |
| 5.2 动态定价调度算法和基于区域的固定价格调度算法的性能分析 |
| 5.2.1 网络效率性能分析 |
| 5.2.2 两种调度算法的利润分析 |
| 5.2.3 请求成功率对比分析 |
| 5.2.4 第90 百分位利用率分别对应的网络链路占比 |
| 5.2.5 不同成本下的网络传输效率对比 |
| 5.3 本章小节 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的科研成果 |
| 致谢 |
（2）X公司在线计费系统项目风险管理研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 课题研究的内容与方法 |
| 1.2.1 研究内容 |
| 1.2.2 论文结构 |
| 1.2.3 研究方法 |
| 1.2.4 论文创新点 |
| 1.3 国内外研究现状 |
| 1.3.1 关于风险管理理论的发展 |
| 1.3.2 风险分析相关理论研究 |
| 1.3.3 风险管理过程理论研究 |
| 第二章 相关理论 |
| 2.1 项目风险的定义与特点 |
| 2.2 项目风险管理的定义 |
| 2.3 项目风险管理的意义 |
| 2.4 项目风险管理的流程 |
| 2.4.1 风险管理规划 |
| 2.4.2 风险识别 |
| 2.4.3 风险分析 |
| 2.4.4 风险应对规划 |
| 2.4.5 风险监控 |
| 2.5 本章小结 |
| 第三章 X公司在线计费系统项目风险管理现状 |
| 3.1 X公司项目建设的管理模式 |
| 3.2 X公司在线计费系统建设项目综述 |
| 3.2.1 项目简介 |
| 3.2.2 项目必要性 |
| 3.2.3 项目组织保障 |
| 3.2.4 项目特点 |
| 3.3 X公司OCS建设项目风险的特点 |
| 3.4 X公司OCS建设项目风险的来源 |
| 3.5 X公司OCS建设项目风险管理的必要性 |
| 3.6 本章小结 |
| 第四章 X公司在线计费系统项目风险识别 |
| 4.1 OCS建设项目风险识别的方法 |
| 4.2 构建风险指标体系的原则和思路 |
| 4.2.1 构建指标体系的原则 |
| 4.2.2 构建指标体系的思路 |
| 4.3 构建OCS建设项目风险指标体系 |
| 4.3.1 建立指标基础与文献研究法的应用 |
| 4.3.2 确定初选指标和头脑风暴法的应用 |
| 4.3.3 确定指标体系和专家问卷法的应用 |
| 4.4 本章小结 |
| 第五章 X公司在线计费系统项目风险评价 |
| 5.1 OCS建设项目的定性风险分析 |
| 5.2 OCS建设项目的定量风险分析和层次分析法的应用 |
| 5.2.1 层次分析法的模型结构与步骤 |
| 5.2.2 基于层次分析法的OCS建设项目定量风险分析 |
| 5.2.3 定性分析与定量分析结果差异的处理 |
| 5.3 本章小结 |
| 第六章 X公司在线计费系统项目风险应对 |
| 6.1 风险应对策略 |
| 6.2 进度风险的应对措施 |
| 6.3 人力资源风险的应对措施 |
| 6.4 技术风险的应对措施 |
| 6.5 市场风险的应对措施 |
| 6.6 采购风险的应对措施 |
| 6.7 本章小结 |
| 第七章 结论与展望 |
| 7.1 本文结论 |
| 7.2 存在的问题及展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（3）面向城市交通流的数据修复与短时交通流预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语说明 |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 交通流数据预处理技术研究 |
| 1.2.2 交通流短时预测技术研究 |
| 1.2.3 共乘线路推荐技术研究现状 |
| 1.3 论文的研究内容及方法 |
| 1.4 论文的组织结构与安排 |
| 第2章 城市交通流数据特性分析 |
| 2.1 引言 |
| 2.2 城市交通流数据的表征 |
| 2.2.1 交通流三要素 |
| 2.2.2 交通流三相理论 |
| 2.2.3 实验数据说明 |
| 2.3 城市交通流的特性分析 |
| 2.3.1 自组织性 |
| 2.3.2 不确定性 |
| 2.3.3 非线性特性 |
| 2.3.4 周期性 |
| 2.3.5 随机时变性 |
| 2.3.6 时空特性 |
| 2.4 城市交通流时空变化特性分析 |
| 2.4.1 城市交通流时间变化特征分析 |
| 2.4.2 城市交通流空间变化特性分析 |
| 2.4.3 不同采样间隔下的城市交通流时空复杂度测算 |
| 2.5 城市交通流混沌特性识别 |
| 2.5.1 常见的识别方法 |
| 2.5.2 最大Lyapunov指数法 |
| 2.6 本章小结 |
| 第3章 基于R-LSTM的交通流数据预处理方法 |
| 3.1 引言 |
| 3.2 交通流数据的识别方法 |
| 3.2.1 缺失数据的识别 |
| 3.2.2 异常数据的识别 |
| 3.3 常见的数据预处理技术 |
| 3.3.1 移动平均法 |
| 3.3.2 指数平滑法 |
| 3.3.3 差分指数平滑法 |
| 3.3.4 历史趋势法 |
| 3.3.5 重复数据与数据标准化处理 |
| 3.4 基于R-LSTM的数据修复方法 |
| 3.4.1 LSTM模型概述 |
| 3.4.2 基于改进LSTM的数据修复方法(R-LSTM) |
| 3.5 实验结果与分析 |
| 3.5.1 实验数据质量评测分析 |
| 3.5.2 数据预处理方法 |
| 3.5.3 实验环境及评价指标 |
| 3.5.4 修复结果及性能分析 |
| 3.6 本章小结 |
| 第4章 基于相空间重构理论的短时交通流预测 |
| 4.1 引言 |
| 4.2 基于相空间重构的交通流时间序列特性分析 |
| 4.2.1 相空间重构的基本原理 |
| 4.2.2 交通流时间序列相空间重构过程 |
| 4.2.3 相空间重构的参数估计算法 |
| 4.2.4 相重构条件下交通流时间序列网络构建 |
| 4.3 基于相空间重构的GRU短时交通流预测 |
| 4.3.1 GRU模型结构 |
| 4.3.2 GRU前向传播过程 |
| 4.3.3 GRU反向传播过程 |
| 4.4 实验结果与分析 |
| 4.4.1 相空间重构各参数估计 |
| 4.4.2 不同采样间隔的交通流混沌特性判断 |
| 4.4.3 基于PSR-GRU的短时交通流预测实验 |
| 4.5 本章小结 |
| 第5章 基于深度学习的短时交通流组合预测模型 |
| 5.1 引言 |
| 5.2 相关模型 |
| 5.2.1 线性模型 |
| 5.2.2 非线性回归模型 |
| 5.3 基于深度学习的组合模型建模过程 |
| 5.3.1 SARIMA建模流程 |
| 5.3.2 LSTM-XGBOOST组合模型建模过程 |
| 5.3.3 SARIMA-LSTM-XGBOOST组合模型 |
| 5.4 实验结果与分析 |
| 5.4.1 评价标准 |
| 5.4.2 数据集说明 |
| 5.4.3 模型参数设定 |
| 5.4.4 结果分析 |
| 5.5 本章小结 |
| 第6章 基于道路拥堵等级的出租车共乘模式 |
| 6.1 引言 |
| 6.2 共乘模式建模过程 |
| 6.2.1 出租车共乘模式建模 |
| 6.2.2 基于区域划分的聚类算法 |
| 6.2.3 改进遗传算法设计 |
| 6.3 共乘定价建模过程 |
| 6.3.1 模型构建 |
| 6.3.2 基于拥堵等级的R-Floyd算法 |
| 6.3.3 计费算法 |
| 6.4 实验结果与分析 |
| 6.4.1 数据来源 |
| 6.4.2 共乘线路推荐分析 |
| 6.4.3 共乘模式下计费分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 论文创新点 |
| 7.3 研究工作展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间发表的学术论文 |
| 附录 B 攻读学位期间主持/参与的科研项目 |
（4）高性能互联网流识别算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 网络发展现状 |
| 1.1.2 流量分析面临的挑战 |
| 1.1.3 网络流及其应用 |
| 1.2 网络流识别研究现状及意义 |
| 1.2.1 研究现状 |
| 1.2.2 研究意义 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 论文组织结构 |
| 第二章 网络流特征与超时阈值选择算法 |
| 2.1 网络流测度选择 |
| 2.1.1 引言 |
| 2.1.2 网络流测度选择 |
| 2.2 网络流特征分析对比 |
| 2.2.1 校园网流特征对比研究 |
| 2.2.2 中美互联网流特征对比研究 |
| 2.3 基于网络流完整性的超时阈值选择算法 |
| 2.3.1 相关工作 |
| 2.3.2 超时策略合理性分析 |
| 2.3.3 基于网络流完整性的超时阈值选择算法设计 |
| 2.3.4 基于网络流完整性的超时阈值选择算法分析 |
| 2.3.5 基于网络流完整性的超时阈值选择算法评价 |
| 2.4 本章小结 |
| 第三章 TCP单包流快速过滤策略研究 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 TCP单包流特征分析 |
| 3.4 TCP单包流快速过滤策略 |
| 3.4.1 工作原理 |
| 3.4.2 核心算法 |
| 3.5 策略性能分析与对比 |
| 3.5.1 代价分析与对比 |
| 3.5.2 精度分析与对比 |
| 3.6 本章小结 |
| 第四章 TCP流快速识别策略研究 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 TCP流识别属性选择 |
| 4.3.1 属性识别度 |
| 4.3.2 属性选择 |
| 4.4 基于自动机的TCP流识别算法 |
| 4.4.1 TCP双向流自动机 |
| 4.4.2 TFIA算法 |
| 4.5 算法性能评估 |
| 4.5.1 算法代价分析与对比 |
| 4.5.2 算法精度分析与对比 |
| 4.6 本章小结 |
| 第五章 结论 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（5）基于OpenStack的资源监控和计费系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 监控研究现状 |
| 1.2.2 计费研究现状 |
| 1.3 研究内容与创新 |
| 1.4 论文框架 |
| 第二章 云计算相关技术介绍 |
| 2.1 开源云计算平台 |
| 2.1.1 OpenStack |
| 2.1.2 Eucalyptus |
| 2.1.3 CloudStack |
| 2.2 监控技术 |
| 2.2.1 监控系统要求 |
| 2.2.2 分布式监控架构 |
| 2.3 服务等级协议 |
| 2.4 本章小结 |
| 第三章 实时监控系统的设计和实现 |
| 3.1 需求分析 |
| 3.1.1 结构需求分析 |
| 3.1.2 业务需求分析 |
| 3.1.3 功能性需求分析 |
| 3.2 系统总体设计 |
| 3.3 数据采集层的设计和实现 |
| 3.3.1 设计架构 |
| 3.3.2 运行流程 |
| 3.3.3 与控制端交互方式 |
| 3.3.4 性能数据采集的实现 |
| 3.3.5 OpenStack数据采集的实现 |
| 3.4 数据服务层的设计和实现 |
| 3.4.1 设计架构 |
| 3.4.2 数据处理和存储 |
| 3.4.3 数据传递 |
| 3.5 自适应心跳服务机制的设计和实现 |
| 3.6 Web可视化层的设计和实现 |
| 3.7 本章小结 |
| 第四章 计费系统的设计和实现 |
| 4.1 需求分析 |
| 4.2 计费方案设计 |
| 4.2.1 计费因子介绍 |
| 4.2.2 动态计费模型 |
| 4.2.3 双边SLA协议的折扣模型 |
| 4.3 计费系统总体设计 |
| 4.3.1 计费模块设计 |
| 4.3.2 数据库设计 |
| 4.4 计费系统实现 |
| 4.4.1 计费和定价服务 |
| 4.4.2 账单服务 |
| 4.5 本章小结 |
| 第五章 部署和测试 |
| 5.1 OpenStack云平台的安装和部署 |
| 5.2 监控和计费系统的安装和部署 |
| 5.3 系统测试 |
| 5.3.1 系统测试目的 |
| 5.3.2 功能性测试 |
| 5.3.3 性能测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 读研期间取得的研究成果 |
（6）大数据传输网络中的资源优化分配机制（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 大数据时代的数据传输网 |
| 1.1.1 大数据时代的流量特征 |
| 1.1.2 大数据时代网络传输的挑战 |
| 1.1.3 大数据时代的网络资源分配方法 |
| 1.2 相关研究工作和挑战 |
| 1.2.1 分组交换网络中使用计费策略的资源分配机制 |
| 1.2.2 混合交换网络及其资源分配机制 |
| 1.2.3 混合交换数据中心网络与资源分配问题 |
| 1.2.4 流量分类方法 |
| 1.3 本文的主要研究内容与创新点 |
| 1.4 本文的结构安排 |
| 第二章 分组交换网络中基于流数计费的资源优化分配机制 |
| 2.1 研究背景 |
| 2.2 使用基于流数计费策略实现资源优化分配 |
| 2.2.1 网络模型和假设 |
| 2.2.2 基于流数计费系统的运行过程与概述 |
| 2.2.3 资源优化分配机制 |
| 2.3 资源优化分配机制的性质 |
| 2.3.1 用户同步更新时的性质 |
| 2.3.2 用户异步更新时的性质 |
| 2.4 仿真结果及讨论 |
| 2.4.1 网络资源的最优化配置 |
| 2.4.2 平均价格与总流数呈线性关系 |
| 2.4.3 通过价格指数调控网络拥塞度 |
| 2.4.4 高峰时刻的带宽优化分配 |
| 2.5 计费间隔长度和时间间隙长度的讨论 |
| 2.6 本章小结 |
| 第三章 混合交换网络中的资源分配框架 |
| 3.1 研究背景 |
| 3.2 混合交换系统中的资源分配问题 |
| 3.3 混合交换系统中的资源分配方法：BLOC框架 |
| 3.3.1 BLOC框架的系统模型. |
| 3.3.2 BLOC框架的讨论. |
| 3.4 应用BLOC框架分析一个具体混合交换网络中的资源分配问题 |
| 3.4.1 阻塞率曲线的建模 |
| 3.4.2 丢包率曲线的建模 |
| 3.4.3 BLOC框架的建立 |
| 3.5 数值结果与讨论 |
| 3.5.1 流大小分布对资源分配的影响 |
| 3.5.2 电路重构延时对资源分配的影响 |
| 3.5.3 网络性能要求对资源分配的影响 |
| 3.5.4 RED队列参数对资源分配的影响 |
| 3.5.5 流量负载对资源分配的影响 |
| 3.5.6 可行区间中的数据包传输延时 |
| 3.5.7 不同队列管理机制对资源分配框架的影响 |
| 3.6 本章小结 |
| 第四章 混合交换数据中心网络的资源优化分配机制 |
| 4.1 研究背景 |
| 4.2 光电混合数据中心网络模型与资源分配问题的定义 |
| 4.2.1 网络模型 |
| 4.2.2 资源分配问题的定义 |
| 4.3 光电混合数据中心网络成本模型 |
| 4.3.1 无波长复用结构的成本模型 |
| 4.3.2 波长复用至一组结构的成本模型 |
| 4.3.3 波长复用至多组结构的成本模型 |
| 4.3.4 不同电路交换网络结构的费用比较 |
| 4.4 光电混合数据中心网络性能模型 |
| 4.4.1 电分组交换平面流完成时间模型 |
| 4.4.2 光电路交换平面阻塞率模型 |
| 4.5 应用BLOC框架分析资源分配问题 |
| 4.6 数值结果与讨论 |
| 4.6.1 网络性能要求对资源分配的影响 |
| 4.6.2 流达到率对资源分配的影响 |
| 4.6.3 总资源量对资源分配的影响 |
| 4.6.4 最优资源分配方案 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 附录A 缩略语表 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的项目 |
| 攻读学位期间申请的专利 |
| 致谢 |
（7）网络用户时间偏好及时变计费机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究方法和内容安排 |
| 第2章 网络计费模式概述 |
| 2.1 网络计费模型 |
| 2.1.1 包月制计费 |
| 2.1.2 按流量计费 |
| 2.1.3 拥塞计费 |
| 2.2 多业务计费 |
| 2.2.1 尽力而为的业务 |
| 2.2.2 QoS保障的业务 |
| 2.3 定价模型 |
| 2.3.1 系统优化模型 |
| 2.3.2 策略优化模型 |
| 2.4 本章小结 |
| 第3章 基于用户时间偏好的计费机制 |
| 3.1 用户时间偏好建模 |
| 3.1.1 用户净效用 |
| 3.1.2 网络用户时间偏好 |
| 3.2 时变计费机制优化 |
| 3.2.1 运营商网络收益分析 |
| 3.2.2 按流量计费机制的收益损失 |
| 3.2.3 半时变计费机制的收益损失 |
| 3.2.4 用户偏好对网络收益的影响 |
| 3.3 仿真分析 |
| 3.4 本章小结 |
| 第4章 计费机制网络社会效益分析 |
| 4.1 博弈论模型及纳什均衡 |
| 4.1.1 博弈论模型 |
| 4.1.2 纳什均衡和无序代价 |
| 4.2 运营商网络收益最大化 |
| 4.3 分析示例 |
| 4.4 本章小结 |
| 结论 |
| 致谢 |
| 附录 |
| 参考文献 |
| 攻读硕士学位期间完成与发表的论文、着作及科研成果 |
（8）基于博弈的下一代网络计费研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 下一代网络概述 |
| 1.2 下一代网络的特征 |
| 1.3 下一代网络架构和关键技术 |
| 1.4 下一代网络的体系框架 |
| 第二章 下一代网络计费系统的研究分析 |
| 2.1 下一代网络计费架构和计费方式 |
| 2.2 基于流量统计的网络计费系统的设计实现 |
| 2.2.1 流量信息采集模块和数据流测量的架构 |
| 2.2.2 数据业务的计费架构和计费系统的实现 |
| 2.3 基于内容的下一代网络计费系统 |
| 2.3.1 现有计费系统存在的问题和基于内容计费的优点 |
| 2.3.2 建立下一代网络中的内容计费系统 |
| 2.4 基于QoS的下一代网络计费系统 |
| 2.4.1 QoS的计费模型分析 |
| 2.4.2 基于QoS计费方案设计 |
| 2.4.3 基于QoS下一代网络计费方案设计 |
| 2.4.4 计费网关内部结构设计 |
| 2.4.5 基于QoS的计费系统仿真试验和结果 |
| 2.5 本章小结 |
| 第三章 基于博弈论的计费模型研究 |
| 3.1 博弈论概述 |
| 3.1.1 博弈机制的分类方式 |
| 3.1.2 纳什均衡 |
| 3.2 代价分担机制 |
| 3.3 组播网络模型的分析 |
| 3.4 模型分析 |
| 3.4.1 ICP-USER 模型 |
| 3.4.2 ICP-ISP模型 |
| 3.4.3 ICP-ISP-USER 模型 |
| 第四章 基于合作博弈论的下一代网络资源自适应分配 |
| 4.1 引言 |
| 4.2 合作博弈 |
| 4.3 资源分配系统模型 |
| 4.4 实验仿真结果及分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（9）电信宽带IP业务QoE研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 电信宽带IP 业务种类及特点 |
| 1.3 宽带业务QoS 研究的现状及意义 |
| 1.3.1 宽带IP QoS 的相关概念 |
| 1.3.2 宽带IP QoS 研究现状 |
| 1.3.3 宽带业务QoS 研究的意义 |
| 1.4 宽带业务 QoE 研究的现状及意义 |
| 1.4.1 QoE 与QoS 的关系 |
| 1.4.2 宽带IP 业务QoE 的研究现状 |
| 1.5 论文创新点及其内容安排 |
| 第二章 宽带IP 业务 QoS 测量研究 |
| 2.1 IP QoS 的参数 |
| 2.1.1 IETF 定义的QoS 参数 |
| 2.1.2 电信宽带IP 业务的QoS 参数 |
| 2.2 网络拓扑结构发现研究 |
| 2.2.1 基于内部节点协作的拓扑发现 |
| 2.2.2 基于端到端测量的拓扑发现 |
| 2.3 端到端网络时延研究 |
| 2.3.1 网络模型及需求分析 |
| 2.3.2 程序结构分析 |
| 2.3.3 数据包格式及发送流程 |
| 2.3.4 协议字段及描述 |
| 2.3.5 时延分析算法 |
| 2.3.6 计算及实例分析 |
| 2.4 一种基于无量纲化的IP 网络QoS 评价方法 |
| 2.4.1 指标无量纲化方法分析 |
| 2.4.2 参与测量的指标定义 |
| 2.4.3 测量方法分析 |
| 2.4.4 试验测试及结果分析 |
| 2.5 本章小结 |
| 第三章 宽带IP 业务QoE 评价方法研究 |
| 3.1 宽带业务QoE 指标与参数定义 |
| 3.1.1 电信宽带IP 业务的QoE 等级与参数 |
| 3.1.2 QoE 参数与QoS 参数的映射关系 |
| 3.2 QoE 评价算法介绍 |
| 3.2.1 AHP 算法介绍 |
| 3.2.2 QoE 参数权重分析 |
| 3.2.3 宽带业务QoE 计算方法 |
| 3.3 VoIP 业务QoE 计算实例 |
| 3.3.1 VoIP 业务简介 |
| 3.3.2 VoIP 业务QoE/QoS 参数定义 |
| 3.3.3 VoIP 业务QoE 计算 |
| 3.3.4 宽带QoE 层次体系与映射关系的应用 |
| 3.4 本章小结 |
| 第四章 一种基于用户满意度指数的QoE 评价模型 |
| 4.1 用户满意度模型概述 |
| 4.1.1 用户满意度模型基本指标定义及关系 |
| 4.1.2 线性结构方程模型简介 |
| 4.2 宽带业务下基于QoS 的用户QoE 评价体系 |
| 4.2.1 面向电信运营商的QoE 评价考虑因素 |
| 4.2.2 宽带业务下用户的QoE 评价体系建模与数学化 |
| 4.3 宽带业务QoE 模型参数估计算法 |
| 4.3.1 SAS 统计分析软件简介 |
| 4.3.2 算法实现 |
| 4.4 QoE 模型参数计算及检验 |
| 4.5 单个ADSL 用户QoE 估算 |
| 4.6 本章小结 |
| 第五章 宽带IP 业务基于QoE 的计费研究 |
| 5.1 网络计费模式现状 |
| 5.1.1 基于时间的计费 |
| 5.1.2 基于流量的计费 |
| 5.1.3 基于QoS 计费模式 |
| 5.2 基于QoE 的宽带IP 业务的计费策略研究 |
| 5.2.1 基于QoE 的计费模式 |
| 5.2.2 基于QoE 的计费策略 |
| 5.3 基于服务体验的多QoE 参数联合计费策略研究 |
| 5.3.1 不同宽带业务QoE 参数的可替代性 |
| 5.3.2 多个QoE 参数下联合最优价格算法描述 |
| 5.4 本章小结 |
| 总结与展望 |
| 1 全文总结 |
| 2 进一步研究展望 |
| 参考文献 |
| 附录 英文缩略词 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
（10）实时内容计费的关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 内容计费的研究背景 |
| 1.2.1 数据增值业务的发展 |
| 1.2.2 内容服务价值链的延伸 |
| 1.2.3 以用户为中心的理念 |
| 1.3 内容计费的定义和研究内容 |
| 1.3.1 内容计费的定义 |
| 1.3.2 内容计费的研究内容 |
| 1.4 内容计费的关键技术 |
| 1.4.1 数据流分析 |
| 1.4.2 实时计费 |
| 1.4.3 基于内容的区分服务 |
| 1.4.4 基于内容的负载均衡 |
| 1.4.5 多业务共享账户 |
| 1.5 本文主要工作 |
| 1.6 论文结构 |
| 参考文献 |
| 第2章 内容计费架构的研究 |
| 2.1 引言 |
| 2.2 计费架构的发展 |
| 2.2.1 传统语音业务的计费 |
| 2.2.2 智能网的计费 |
| 2.2.3 3G网络的计费 |
| 2.2.4 IMS网络的计费 |
| 2.3 内容计费架构的设计思路 |
| 2.4 增强型基于策略和计费控制的内容计费架构 |
| 2.4.1 计费架构逻辑模型 |
| 2.4.2 计费交互流程 |
| 2.4.3 ePCC架构对内容计费的支持 |
| 2.5 实时内容计费平台的设计 |
| 2.5.1 系统架构 |
| 2.5.2 软件结构 |
| 2.5.3 物理组网 |
| 2.5.4 关键技术问题 |
| 2.6 小结 |
| 参考文献 |
| 第3章 基于内容的区分服务研究 |
| 3.1 引言 |
| 3.2 OCS的区分服务逻辑模型 |
| 3.3 PDD算法的研究工作 |
| 3.4 内容计费架构下的区分服务要求 |
| 3.5 PSQLAR调度算法 |
| 3.5.1 算法描述 |
| 3.5.2 算法说明 |
| 3.6 实验分析 |
| 3.6.1 算法测试环境 |
| 3.6.2 实验性能分析 |
| 3.7 小结 |
| 参考文献 |
| 第4章 基于内容的负载均衡研究 |
| 4.1 引言 |
| 4.2 负载均衡相关工作 |
| 4.3 OCS集群的特征 |
| 4.4 OCS的负载均衡模型 |
| 4.5 OCS集群的异构性参数 |
| 4.6 LCMC负载均衡算法 |
| 4.6.1 负载参数 |
| 4.6.2 算法描述 |
| 4.7 实验及分析 |
| 4.7.1 测试环境和参数配置 |
| 4.7.2 性能指标 |
| 4.7.3 性能分析 |
| 4.8 小结 |
| 参考文献 |
| 第5章 多业务共享账户计费研究 |
| 5.1 引言 |
| 5.2 3G/IMS业务的在线计费流程 |
| 5.3 相关工作 |
| 5.4 3R算法 |
| 5.4.1 算法结构和流程 |
| 5.4.2 算法描述 |
| 5.4.3 算法复杂度分析 |
| 5.5 实验分析 |
| 5.5.1 仿真评验设置 |
| 5.5.2 性能评价指标 |
| 5.5.3 仿真结果分析 |
| 5.6 小结 |
| 参考文献 |
| 结束语 |
| 攻读博士学位期间录用或发表的论文 |
| 攻读博士学位期间申请的专利 |
| 致谢 |
四、分布网络计费研究（论文参考文献）
- [1]高性能网络中基于动态定价的带宽调度算法研究[D]. 李阳阳. 西北大学, 2021(12)
- [2]X公司在线计费系统项目风险管理研究[D]. 王小海. 电子科技大学, 2021(01)
- [3]面向城市交通流的数据修复与短时交通流预测方法研究[D]. 张玺君. 兰州理工大学, 2021(01)
- [4]高性能互联网流识别算法研究[D]. 张孝国. 东南大学, 2019(12)
- [5]基于OpenStack的资源监控和计费系统的设计与实现[D]. 任德敬. 安徽工业大学, 2019(02)
- [6]大数据传输网络中的资源优化分配机制[D]. 冯张潇. 上海交通大学, 2017(08)
- [7]网络用户时间偏好及时变计费机制研究[D]. 张宏. 西南交通大学, 2013(11)
- [8]基于博弈的下一代网络计费研究[D]. 杨金凤. 中国石油大学, 2011(11)
- [9]电信宽带IP业务QoE研究[D]. 李振军. 华南理工大学, 2010(12)
- [10]实时内容计费的关键技术研究[D]. 黄海. 北京邮电大学, 2009(05)