智能终端平台化（精选8篇）
智能终端平台化 篇1
摘要：在忽略产品间共性约束的条件下,参数化产品族整体性能的优化实际上等价于产品族内系列产品的独立优化。基于参数化产品族优化问题的复杂性,提出了一种基于拥挤距离排序的多目标多约束遗传算法(CDSMOGA),并将其用于求解无公用平台下的产品族优化问题。通用电动机产品族设计实例的仿真试验结果表明,CDSMOGA所得产品族优化设计方案整体性能显著优于被比较方案,验证了该方法的有效性和可行性。
关键词：大批量定制,参数化产品族,多目标优化,遗传算法,拥挤距离排序
0 引言
在大规模定制环境下,为了以较低的成本快速提供满足客户要求的个性化产品,可采用基于平台的产品族设计方式来提供满足客户需求的产品。产品族设计根据设计过程不同分为自上向下和自下向上两种方法[1]。前种设计方法一般用于新产品的系列开发,后一种方法主要是在已有产品的基础上,对其进行再设计、再重整或重构,进行产品族的设计与开发。
参数化产品族设计最早由Hernandez等[2]提出,随后以Simpson 及其合作伙伴为代表的学者[3,4]对参数化产品族设计做了大量的研究工作,并对模块化产品平台规划方法与参数化方法作了明确区别。此外,Simpson[5]还提出了相容决策支持问题(compromise decision support problem,CDSP),并将其用于求解参数化产品族优化问题。在实际应用中,CDSP本身所存在的局限性导致这类方法的应用受到限制。遗传算法因具有全局寻优能力强、易于实现的特点,近年来开始被应用于求解产品族多目标优化设计问题[6,7,8,9,10]。Kumar等[4]提出了市场驱动的参数化产品族设计方法,该方法在产品族染色体表达中引入市场需求因素,使用进化算法系统地考虑产品多样性对市场划分策略和平台通用性带来的影响。吴庆鸣等[11]研究了产品模型建模方法和参数传递结构,提出了适合复杂产品变型设计的参数传递规则,确定了模型参数之间的相互影响关系。Chen等[12]提出并开发了一种改进的具有两层染色体结构的遗传算法,并将其用于解决基于多平台的产品族设计问题。此外,Chen等[13]还提出了基于染色体的双层表达方式,使用遗传算法和变量聚类进行多平台产品族的规划,建立了多平台通用性指数模型,实现了产品平台通用性和实例产品性能的权衡优化。李中凯等[14]基于多平台产品族设计空间的二维染色体表达方式,提出了混合协同进化的产品族优化设计方法,此外,他们还提出了基于敏感度分析和模糊聚类的产品族优化再设计方法[15],以合理规划多平台常量的共享,并通过建立平台非通用性指数以定量评价产品族方案的通用程度。
上述方法大多建立在平台变量已知的基础上,即由设计者预先指定平台变量,因而未解决平台选择的问题。此外,鉴于产品组合优化设计的复杂性,上述文献主要采用两阶段的优化设计方法以降低产品族设计的复杂性。第一阶段的主要任务是确定所有设计变量中,哪些变量适于作为平台变量,哪些变量适于作为个性化设计变量;第二阶段的主要任务是在平台变量已知的情况下,确定平台变量和个性化设计变量的取值。第一阶段成功与否的前提在于是否有一族独立优化的产品作为规划基础。
笔者在放松系列产品间共性约束的条件下,根据客户的个性化需求,开发出满足要求的参数化产品族。首先给出参数化产品族优化问题的数学模型,然后提出基于拥挤距离排序的多目标多约束遗传算法(crowding distance sorting multi-objective genetic algorithm,CDSMOGA),并将其用于求解无公用平台下的产品族优化问题,最后,采用通用电动机产品族仿真试验验证所提算法的有效性。
1 参数化产品族优化问题描述
在不考虑产品族内产品间的共性问题时,产品族优化等价于产品族内系列产品个体的独立优化,即所有产品个体的最优可视为产品族整体性能的最优。本文在这个假定下进行研究。
数学上,一个参数化产品族可通过一组代表产品主要部件技术特征的设计变量来表示:
x=(x1,x2,…,xw) (1)
xj=(x1j,x2j,…,xm j)T
式中,x为关于产品族的参数描述;xj为产品族中第j个设计变量,j=1,2,…,w;w为所有设计变量的数目;xi j为产品族中第i个产品个体在第j个设计变量上的可能取值,i=1,2,…,m;m为产品族中含有的产品变体总数。
综上所述,参数化产品族优化问题的多目标优化模型如下:
min F(x)=(f1(x),f2(x),…,fk(x)) (2)
s.t. Hd(x)=0 d=1,2,…,s (3)
Gu(x)≥0 u=1,2,…,t (4)
xLi j≤xi j≤xUi j (5)
式(2)为待求解的优化目标函数;minF(x)表示在满足问题约束条件下对向量F(x)中的所有分量(子目标函数)求极小值;在优化时,各个子目标函数间可存在竞争关系,优化的结果是一个帕累托最优集。fk(x)为产品族的第k个性能评价指标(子目标函数),如成本、质量、效率等。为了子目标函数表示的统一性,所有子目标函数均转化为求极小值来处理。Hd(x)=0表示产品族需满足的第d个等式约束。Gu(x)≥0表示产品族需满足的第u个不等式约束。xLi j、xUi j分别为设计变量xi j取值的下限和上限。
2 基于拥挤距离排序的多目标多约束遗传算法
根据参数化产品族优化问题的特征,本文提出一种基于拥挤距离排序的多目标多约束遗传算法,并将其用于求解相关的参数化产品族优化问题。基于拥挤距离排序的多目标多约束遗传算法的一般流程如图1所示。
2.1染色体编码与种群初始化
在CDSMOGA中,每条染色体分别对应于参数化产品族优化设计问题解空间中的一个解;染色体采用实数编码的方式,每个基因座代表一个对应的设计变量值。在初始化种群时,第k(k=1,2,…,M)个染色体的第l(l=1,2,…,w)个基因的基因值u(k,l)按下式赋值:
u(k,l)=minvl+r(maxvl-minvl) (6)
式中,M为种群规模;minvl、maxvl分别表示变量vl在其取值范围中的最小值和最大值;r为区间[0,1]内的随机数。
2.2解码
由于研究对象是一个多目标多约束问题,因此,对解码而言,需要解决两个问题:适应度函数的设计问题和约束的处理问题。
2.2.1 适应度函数
适应度函数采用“非占优排序+拥挤距离”的设计方法来选取[6]。该方法包括两个过程:首先对种群进行非占优排序;然后分别计算种群中处于相同帕累托前沿的每一个体的拥挤距离,并将前沿等级和拥挤距离指派给相应个体。
(1)非占优排序。
对种群中的所有个体进行两两比较,占优的个体相对其他个体而言,具有更低的非劣级别;互不占优的个体,具有相同的非劣级别,如图2所示。图2中,f1为第1个目标函数值,f2为第2个目标函数值,下同。
(2)拥挤距离。
在多目标优化问题求解中,为了保证搜索结果能够收敛到帕累托最优解集,需要评估被挑选参与遗传操作的种群中各染色体与其他相邻染色体的紧密程度。染色体与其他染色体的紧密程度越高,遗传操作越容易陷入早熟;染色体与其他染色体的紧密程度越低,遗传操作的结果越容易收敛到最优解集。本文采用拥挤距离来评估染色体与其他染色体的紧密程度。拥挤距离越大,表明该染色体与其他染色体的紧密程度越低,反之亦然。
拥挤距离的计算方法如下:假设存在m个目标函数f1(X),f2(X),…,fm(X),X=(X1,X2,…,Xn)T,则第i个染色体的拥挤距离表示为
(7)
式中,d (Xi)为染色体Xi的拥挤距离;fj(Xi+1)、fj(Xi-1)分别为对所有染色体在第j个目标函数值上从小到大排序后,第i+1个和第i-1个染色体对应的目标函数值;maxfj(X)、minfj(X)分别为所有染色体在第j个目标函数值上所能取到的最大值和最小值。
图3所示为2个目标的约束优化问题,则第i个染色体的拥挤距离为Δf1(X)+Δf2(X)。
拥挤距离比较算子的计算方法如下:在遗传操作过程中,拥挤距离比较算子用于评估个体适应度函数值的大小。
定义1 染色体Xi存在两个属性:非占优等级r(Xi)、拥挤距离d(Xi)。对于任意两个染色体Xi和Xj,当且仅当
(r(Xi)<r(Xj))∨((r(Xi)=r(Xj))∧
(d(Xi)≥d(Xj))
时,染色体Xi的适应度值大于染色体Xj的适应度值。
定义1表明,对于种群中的任意两个染色体,在进化操作中,算法更愿意选择具有较低非占优等级的个体。若这两个染色体的非占优等级相同,则算法更愿意挑选拥挤距离大的染色体。
2.2.2 约束处理
在约束优化问题上,常采用的方法是罚函数法。但使用罚函数法存在诸多弊端,如罚系数的选取过于主观且需要经过多次调试、惩罚过重易于使程序陷入早熟、惩罚过轻有可能使程序搜索速度过慢或陷入随机搜索等。
(1)等式约束的处理。假设存在一个等式约束hj(X)=bj,则可做如下处理:
(8)
式(8)中,将等式约束转化为大致等价的两个具有统一格式的不等式约束。其中,容忍度δ是一个较小的正数。这样处理的目的在于,等式约束过于严格,而对等式约束适当地放松将更有利于遗传算法快速找到可行解。
(2)约束违反量矩阵。
假设约束优化问题中存在q个不等式约束gi(X)≥ai和r个等式约束hj(X)=bj,则在对等式约束进行形如式(8)方法的转换后,问题中的约束总量s=q+2r。设向量Ci=(ci1,ci2,…,ci s)为第i个染色体(解Xi)分别相对于s个约束的违反量,其中
(9)
式中,ci k为第i个染色体相对于第k个约束的违反量。
约束违反量的取值存在4种类型:①如果第i个染色体对应的解满足第k个约束,则说明该解相对于第k个约束的约束违反量为零;②如果第i个染色体对应的解不满足形如gk(X)≥ak的约束,则说明该解相对于第k个约束的约束违反量为ak-gk(X);③如果第i个染色体对应的解不满足形如hk(X)≥bk-δ的约束,则其约束违反量为bk-δ-hk(X);④如果第i个染色体对应的解不满足形如-hk(X)≥-bk-δ的约束,则其约束违反量为-bk-δ+hk(X)。
(3)约束违反量比较。
相对于无约束的多目标优化问题,有约束的多目标优化问题在度量解的优劣时,存在较大的差异。
定义2 假设存在两个不可行解Xi和Xj,分别令解Xi和Xj的约束违反量向量为Ci=(ci1,ci2,…,cis)和Cj=(cj1,cj2,…,cj s)。则解Xi的非占优等级低于解Xj的非占有等级的条件是当且仅当式(10)成立:
(Ci≠Cj)∧((ci1≤cj1)∧
(ci2≤cj2)∧…∧(cis≤cjs)) (10)
式(10)表示对于两个不可行解,约束违反量向量中的每一分量均不大于另一解的约束违反量向量中相应分量的不可行解,具有更低的非占优等级;否则,这两个不可行解处于同一非占优等级。
定义3 假设存在处于同一等级的两个不可行解Xi和Xj,解Xi优于解Xj的条件是当且仅当解Xi的拥挤距离大于解Xj的拥挤距离。
至此,在多目标的约束优化问题环境下,我们可以定义两个不同解的优劣情况。当存在下述条件之一时,解Xi优于解Xj:①当解Xi和解Xj都是可行解时,解Xi的非占优等级比解Xj低;②当解Xi和解Xj都是可行解且具有相同的非占优等级时,解Xi的拥挤距离大于解Xj的拥挤距离;③当解Xi和解Xj都是不可行解时,解Xi的非占优等级比解Xj低;④当解Xi和解Xj都是不可行解且具有相同的非占优等级时,解Xi的拥挤距离大于解Xj的拥挤距离。
2.3复制与选择
适应度值定义为个体非占优等级和拥挤距离的函数,交配池定义为所有被挑选出可能参与后续遗传操作的染色体集合。交配池的规模为原始种群规模的1/2。
在复制与选择过程中,本文采用两轮联赛选择的传统遗传操作方法:①挑选出两个不同的染色体;②比较这两个染色体适应度值的大小,在适应度值大小的比较过程中,先比较染色体的非占优等级,在非占优等级相同的情况下再比较各染色体的拥挤距离;③挑选出具有较大适应度值的染色体,并放入交配池中,直到交配池的规模符合要求为止。
2.4染色体重组
染色体重组过程主要包括两个阶段:染色体的交叉阶段和染色体的变异阶段。
2.4.1 交叉
在染色体的交叉阶段,本算法采用常用于实数编码的模拟二进制交叉算子(SBX)[6]:
(11)
(12)
(13)
式中,ci,k为第i(i=1,2)个子个体的第k个基因座对应的变量值;pi,k为第i个父个体的第k个基因座对应的变量值;βk为服从概率分布的随机数,βk≥0;ηc为交叉算子的分布指数;u为取值在0与1之间均匀分布的随机数。
2.4.2 变异
本算法采用多项式变异方法[6]对染色体进行变异:
ci,k=pi,k+(pUi,k-pLi,k)δki=1,2,…,M (14)
(15)
式中,pUi,k、pLi,k分别为第i个父染色体中第k个基因对应变量的上限值和下限值;rk为在0与1之间均匀分布的抽样随机数;ηm为变异分布指数。
若变量的取值为整数,则本算法对相应变量进行遗传操作后,对非整数的变量进行取整,使取整后的值在相应变量的取值范围之内。
2.5种群替换策略
CDSMOGA中,种群替换的策略描述如下(图4):
(1)设在第t代种群替换前,父种群Rt的规模为M,子种群Qt的规模为N(N<M),合并父子种群Rt∪Qt。
(2)剔除合并后种群Rt∪Qt中重复的个体,得到一个新的临时种群Lt,其规模为M+N′。
(3)对临时种群调用非占优等级排序算子进行排序:①当前i个非占优等级所包含的种群个体规模大小恰好为M时,调用种群压缩算子。保留临时种群Lt中的前i个非占优等级所包含的种群个体,剔除Lt中其余的个体,并将结果复制给种群Rt+1。②当前i个非占优等级所包含的种群个体规模小于M,而前i+1个非占优等级所包含的种群个体规模大于M时,调用拥挤距离排序算子。对第i+1个非占优等级所包含的个体进行拥挤距离计算并排序。设前i个非占优等级所包含的种群个体规模为M1,调用种群压缩算子,将临时种群Lt中前i个非占优等级所包含的种群个体和第i+1个非占优等级中拥挤距离排序后的前M-M1个个体复制给种群Rt+1。
2.6解的输出
CDSMOGA中,帕累托最优集处于第1个非占优等级。帕累托最优集中的解互不占优,为了使对解的评价标准统一化和客观化,根据模糊集合理论的有关方法,设计出一个指标来对帕累托最优集中的所有解进行评价,并根据评价的结果对帕累托最优集中的解进行排序,同时根据该指标挑选出最满意解。
假设存在一个多目标多约束的优化问题,该问题的优化目标为k个,即f1(X),f2(X),…,fk(X)。又假设对该问题的寻优结果中,处于第1个非占优等级的解有m个,即s1,s2,…,sm。
在此,定义成员函数μi j的值为处于第i个解si的第j个目标函数值fi j所占的权重:
(16)
式中,minfi(X)、maxfi(X)分别为所有解在第i个优化目标上的最小值和最大值。
每个解在各目标上所占的比重被求得之后,便可以求出各个解在所有目标上所占的综合比重。定义占优函数μi为第i个解在所有目标上所占的综合比重:
根据式(17)可计算出在第1个非占优等级中所有解的占优函数值μi。占优函数值μi越大,表明对其评价的级别越高,在客观上用户对此解更满意。根据各个解的占优函数值,通过程序按从大到小的顺序进行降序排列,并将占优函数值最大的解作为最满意解进行输出。当然,用户也可以将排序的结果作为自己选优的参考。
3 实例仿真与对比分析
为了保持仿真实例使用的连贯性,以及与其他方法进行对比以验证所提出方法的有效性,文中采用了本研究领域内为各学者所反复引用的经典案例——通用电动机产品族的设计[1,2,3,4,5,9,10,12,13,16]。
3.1通用电动机产品族的数学模型
目标问题是设计由10个通用电动机产品个体组成的产品族。每个通用电动机产品个体分别满足不同的设计约束和性能要求。具体而言,在通用电动机产品族优化问题中,需分别确定与每个通用电动机产品个体相关的8个设计参数,并使之分别满足不同的扭矩以及其他的性能要求(如质量m(kg)、效率η、功率P(W)、磁通密度H)。各通用电动机的目标扭矩T={0.05,0.1,0.125,0.15,0.2,0.3,0.35,0.4,0.5}N·m。在满足功率P和磁通密度H约束的条件下,质量m越小、效率η越大则产品族设计方案越好。通用电动机的产品数学模型如下。
求解:Xi=(Nc,i,Ns,i,Awf,i,Awa,i,r0,i,ti,Ii,Li)
目标:min yi=fi(Xi)=[fi1(Xi)=mi(Xi);fi2(Xi)=1-ηi(Xi)]
约束:Ti(Xi)={0.05,0.1,0.125,0.15,0.2,0.3,0.35,0.4,0.5}N·m
Pi(Xi)=300W,Hi(Xi)<5000A/cm,mi(Xi)≤2.0kg,ηi(Xi)≥15%,r0,i> ti+lgap
定义域:100≤Nc,i≤1500,1≤Ns,i≤500,0.01≤Awf,i≤1.0mm2,0.01mm2≤Awa,i≤1.0mm2,1cm≤r0,i≤10cm,0.5cm≤ti≤12cm,0.1A≤Ii≤6.0A,0.057cm≤Li≤5.18cm,Ut=115V,lgap=0.7mm
i=1,2,…,10
其中,Xi为第i个通用电动机的8个待求解变量;Nc,i、Ns,i、Awf,i、Awa,i、r0,i、ti、Ii、Li分别为第i个通用电动机转子线圈匝数、磁场中磁极的线圈匝数、磁极线圈的横截面积、转子线圈的横截面积、定子外径、定子厚度、电流和堆栈长度;mi、ηi、Ti、Pi、Hi、lgap分别为第i个通用电动机的质量、效率、扭矩、功率、磁通密度和气隙长度。
在本例中,参数的详细含义见文献[2,5,16],问题模型的输入是每个通用电动机的设计变量的取值范围,输出的是每个通用电动机产品的设计变量和性能指标,如功率Pi、扭矩Ti、质量mi和效率ηi等的求解值。
3.2试验仿真与算法性能分析
在无公用平台的通用电动机产品族优化设计上,采用本文所提出的CDSMOGA进行求解。在求解产品族中的产品个体时,分别调用CDSMOGA 10次,求解出10个优化后的通用电动机产品个体。由于每个通用电动机产品个体的求解过程相似,因此,该算法在本例中的具体应用时,均采用统一的参数输入值。
3.2.1 CDSMOGA参数设置
在参数的设置上,本文没有从数学的角度对参数的取值进行数学分析,而是采用试验的方式,通过反复多次的试运行与尝试,最终确定本算法所采用的运行参数。初始种群规模M=150,迭代次数G=1000,交叉算子的分布指数ηc=20,变异算子的分布指数ηm=20。
3.2.2 适应度函数的设定
CDSMOGA中,适应度值是种群个体非占优等级和拥挤距离的函数。在本例模型中,对于每个通用电动机产品变体,分别存在6个约束(2个等式约束、4个不等式约束)。为了便于对约束进行统一处理,等式约束按前述的方法进行处理。
以扭矩为Ti的通用电动机产品变体i为例,在算法设计上,对约束的处理如下(为表达简洁,式(18)～式(23)均省略单位):
(18)
(19)
(20)
(21)
(22)
(23)
式(1)～式(23)中,cs(s=1,2,…,6)为通用电动机产品变体对6个约束的约束违反量的大小。其中,容忍度δ1和δ2设定为一个较小的常数。在计算不可行解的非占优等级时,分别以6个约束的约束违反量的最小值为目标进行多目标优化,并计算出不可行解集中各个个体的非占优等级。不可行解的拥挤距离的计算方法与可行解的计算方法相似。
3.2.3 输入输出参数设置
输入的参数包括初始种群规模M、迭代次数G、交叉算子的分布指数ηc、变异算子的分布指数ηm以及通用电动机产品族中8个变量的取值范围。输出参数包括每一个通用电动机产品个体i最终种群中,模糊选优后最优个体的变量值Nc,i、Ns,i、Aw f,i、Awa,i、r0,i、ti、Ii、Li以及扭矩Ti、功率Pi、质量mi、效率ηi、磁通密度Hi和r0,i-ti-lgap的值,以及质量最小和效率最大个体的变量值。另外,还输出每一个通用电动机产品个体i优化后的帕累托最优集。
3.3求解结果
采用CDSMOGA对10个通用电动机产品个体组成的产品族进行优化。仿真求解的运行环境是Windows Vista Business,Inter Core2 Duo CPU T7100 1.80GHz,内存为1024MB,编程语言为MATLAB 7.1。求解结果如表1和图5～图14所示。
表1分别列出了每个通用电动机产品在质量最优、效率最优和综合效果最优时的求解结果。综合效果最优结果以调用模糊优选算子计算最终种群中,占优函数值最大为评价标准。从表1中所示结果可以看出,与质量最优(产品质量最小)、效率最优(效率最大)和综合效果最优相对应的个体均处于同一非占优等级。在分别优化10个通用电动机产品时,相应的帕累托优化集所形成的图形如图5～图14所示。从图5～图14中所示结果可以初步得出,本文所提的算法在优化该通用电机产品族时,效果较好,性能较为平稳。
3.4试验结果对比分析
为了进一步比较CDSMOGA算法的有效性,下面将该算法与文献[5,16]中的算法计算结果进行对比(表2)。
从求解结果的非占优性角度而言,对于每个通用电动机产品的优化结果,根据表2可知,CDSMOGA所得出的求解结果显著优于文献[5,16]对应个体的求解结果,表明该算法所得出的解集结果更好,体现了CDSMOGA性能的相对优越性。另外,从效率和质量的总体优化结果对比发现:本文的求解结果在通用电动机产品族的效率性能指标上,相对文献[5,16]的结果,总体上提高了5.51%;在质量性能指标上,相对文献[5,16]的结果,总体上降低了28.87%。综合上述比较可得出,本文所提算法具有良好的相对寻优性能。同时可以得出,本文所求得的无公用平台通用电动机产品族的优化结果,明显优于文献[5,16]的结果。
4 结语
在忽略产品间共性的约束条件下,参数化产品族整体性能的优化实际上等价于产品族内系列产品的独立优化。本文对无公用平台下的产品族优化问题进行了建模分析,提出了一种基于拥挤距离排序的多目标多约束遗传算法,用于求解无公用平台下的产品族优化问题。CDSMOGA在染色体个体适应度的计算上,根据个体非占优值和拥挤距离的大小来计算染色体个体的适应度值,并采用模拟二进制交叉算子、多项式变异方法、新颖的多约束处理方法以及精英保留策略,提高了算法运算的效率。最后结合国内外文献中广泛采用的通用电动机产品族的经典案例,建立了通用电动机产品族的数学优化模型,应用本文提出的算法进行了求解。该方法与文献中其他方法得到的设计方案的比较,证明了本文方法求解参数化产品族优化问题的有效性,表明本文方法所获得的产品族设计方案整体性能更优。
环信：平台化 大愿景 篇2
自2014年6月上线以来，短短几个月环信实现了快速的发展。截止2014年12月初，注册环信的App客户已经有13763家，是即时通讯云行业中相同时间App注册客户量最大的平台，同时环信的SDK覆盖用户数也远超1亿。
环信提供的即时通讯云服务是为开发者提供类似微信的社交和沟通能力，如单聊、群聊、发语音、发图片、发位置、实时音频、实时视频等，让App内置聊天功能和以前网页中嵌入分享功能一样简单。据介绍，环信典型客户包括海豚浏览器、汽车之家车友会、百合相亲、宝宝树、蜻蜓FM、节操精选等App，目前行业覆盖垂直社交、移动医疗、移动教育、生活服务、手机游戏、智能硬件、移动金融等11大领域。
“此次A+轮投资环信的红杉资本，看重环信的是其在即时通讯云领域的领先优势，以及未来的发展空间。”刘俊彦表示，“环信即时通讯云的功能完善、产品成熟、服务稳定，这正是环信受到投资人和客户青睐的原因。”
即时通讯云市场是新兴的技术驱动的长尾市场，业务移动化、云计算基础服务普及化、以及App社交化正逐渐形成新的技术浪潮，按研究机构预估未来大部分的App都将实现内置IM功能的社交化，这也给即时通讯云服务快速发展带来了广阔的空间。同时，Gartner的数据显示，到2017年35%的客服请求将都发生在移动设备上。这个移动设备的概念，不仅限于手机、平板、笔记本电脑，而是包括所有能够实现人机交互的智能设备。因此，未来人们需要更高效且具有良好体验的信息交互服务，更需要基于即时通讯云的平台级企业提供服务。
目前，环信也正是在向平台级公司发展。据悉，在刚刚过去的2014年年底，环信发布了《4X100开源计划》，依托15年保障经验和即时通讯云业务优势，为产业界带来拥有100亿美元共赢市场机会的移动客服开放平台，服务100万开发者的开源社区，落地全国100场活动的开发者俱乐部，引入100家合作伙伴的开源生态体系，以此推动中国即时通讯云行业和产业链进入开源平台时代。
刘俊彦表示，环信的融资将主要用于后续研发和云服务运维。环信的愿景是为所有的App提供沟通和社交能力，这样一个市场规模将远远大于目前任何一个已知的社交平台，包括微信。“当前环信已经服务了1.3万多家APP，SDK覆盖的注册用户已经过亿。按照现在环信的发展速度，我们相信，环信平台上的注册用户和同时在线用户将在两年内超过微信。环信将为平台上的所有APP提供更先进的社交沟通技术和更好的服务。”
智能终端平台化 篇3
如今, 固定地点登录办公系统的工作模式限制了工作人员工作的灵活性, 影响了政府和企业的办公效率。因此大家迫切希望能够随时随地通过手持终端进行办公。
本文提出了基于Xpath的智能终端移动化办公统实现, 该系统实现了办公信息以无线方式进行流转, 从而实现比传统模式更加便捷、灵活、高效的办公方式。
2、相关移动化技术研究
通过研究相关资料, 我们发现在办公系统移动化方面大家主要关注如何将现有的网页变得更小以适合不同屏幕的手机进行访问。大家主要采取表现层接入方式并通过页面解析的方式来实现办公移动化。
考虑到政府和企业所使用的办公系统页面相对固定, 为了快速实现办公系统的移动化, 本文提出通过使用HTMLCleaner将HTML文档建立成一棵DOM树[1], 然后通过使用Xpath规则从Dom树中直接获取到关键信息点[2,3]。通过大量的测试验证, 该方法是一种高效, 通用, 可靠的办公系统移动化实现方法。
3、WEB页面关键内容提取算法
3.1 页面预处理
现在的WEB开发中网页都采用了大量的注释、脚本、样式表等无关信息。过去网页设计过程中基本上采用TABLE进行设计, 现在的网页设计过程中大量地采用了DIV标签进行设计。因此, 在进行页面关键信息提取之前利用HTMLClear将不规则的网页进行解析从而转化为具有形成标准格式的Dom树。从而可以通过使用Xpath规则来提取页面的关键内容。
3.2 Xpath关键内容提取算法
按照3.1所描述的页面预处理过程利用HTMLClear[7]构造出一棵DOM树, 如图1所示, 其中的关键内容是需要通过表达式获取的。该页面的Xpath路径表达式获取关键内容的路径规则Rule为:
关键内容1=/BODY/TABLE/TD/A;
关键内容2=/BODY/DIV;
由于办公页面框架固定, 当网页内容发生变化时利用事先定义Xpath路径表达式都会获取到相应的内容信息。因此, 针对每个特定的页面都可以建立相应的页面提取规则集合。
4、系统实现
4.1 系统架构
基于本文提出的算法, 为了证明该算法的可行性, 我们实现了基于Xpath的办公移动化应用系统并在iphone手机上进行展示。图2展示了系统的总体架构。
4.2 系统提取网页的实例
从图3来看, 本文提出的算法可以很好的将OA的关键内容进行提取, 并在手机上进行展现。
5、结语
本文针对移动化办公应用的需要, 通过对OA系统的特定页面利用Xpath规则对进行关键内容提取。通过实验结果表明该方法切实可行。
参考文献
[1]王琦, 唐世伟, 杨冬青, 王腾蛟.基于DOM的网页主题信息自动提取.计算机研究与发展, 2004.
[2]刘艳敏, 刘飚, 封化民, 宋国森, 方勇.Web页面主题信息抽取研究与实现.计算机工程与应用, 2006.
智能终端平台化 篇4
“越小越好”, 正成为全球无线运营商和IT企业对终端需求的新理念。市场上正充斥着日益纤薄的新型终端:以at&t发布的小得出奇的惠普Veer4G终端、三星Galaxy Tab、苹果iPad2为代表, 全球ICT主流的玩家正掀起激烈的终端轻薄化大战。然而, 这些公司可能都被加拿大女王大学人类媒体实验室的一个研究小组击败了:他们发明了全球第一个互动式纸质智能手机, 并被形象地称为“可以弯曲的i Phone”。
比i Pad和Galaxy更“酷”
在这所位于加拿大安大略省Kingston地区的大学中, 人类媒体实验室的研究人员采用E-Ink (电子墨水) 技术发明了他们自称为PaperPhone (纸质手机) 的新手机。这款设备的对角线长度为9.5厘米, 它的所有电子器件都被封装在一张纤薄的柔韧性E-Ink屏幕里。
其灰色的屏幕质地看上去就像亚马逊的Kindle电子书, 但与Kindle不同, 它除了支持电子阅读, 还可以打语音电话、播放音乐、存储文件和照片, 并有地图导航等功能。
与Galaxy和iPad不同, 这款塑料设备不采用按键或触摸屏控制, 而是通过不同的弯曲来响应指令:通过弯曲设备的边角, 或向前、向后转动右侧边缘, 可以驱动不同的操作。当然, 用户也可以使用触写笔在屏幕上自如地手写文字。采用这一技术更大尺寸的终端可以用于办公环境, 取代目前广泛使用的打印机、纸张和墨盒等传统设备和材料。
但是, 由于该款设备采用电子墨水显示技术, 所以不要奢望它具有逼真的图像效果、快速的显示刷新, 以及播放电影、玩游戏等功能。
“无纸化办公时代到来了, ”该款设备的牵头研制者人类媒体实验室主任Roel Vertegaal表示, “任何东西都可以数字化的形式存放其中, 你可以用这台智能化的电脑取代办公桌上的纸张和繁杂资料, 它对纸面化办公人员而言是最大的解脱。”
除了它的轻薄设计和强大能力, 纸质手机还有一项突破性功能:当用户不进行互动使用时, 它不耗费一点电能。
2011年5月10日, Vertegaal与美国亚利桑那州立大学Motivational Environments课题组的研究员Byron Lahey和Win Burleson合作, 将这一设备带到了在温哥华举行的计算机人机交互大会上, 广受追捧, 引起轰动。
未来五年到十年可量产
当然, 纸质手机仍处于研发初期阶段, 但它为我们的移动通信世界打开了一扇通向未来的天窗。如能实现量产, 它无疑将大大提升我们的办公效率和使用体验。
设计者Vertegaal表示, 随着技术的演进和相关零器件的成本走低, 能够播放视频、高清晰处理效果的彩色显示屏将能植入该设备, 一些触屏控制功能也将慢慢引入其中。他也承认, 该设备从实验室阶段走向精细化的规模应用, 至少需要5到10年的时间, 但他坚称, 他的研究小组正处于颠覆传统技术和使用规则的旅途上。
“正如我们所知, 它将成为计算机的替代品, 而且将改变一切。”Vertegaal说, 目前, 其原型机价位在7000美元左右, 未来几年将有更加便宜的大众产品问世。
采用这一技术的终端仍十分昂贵, 但它也带来一些延伸应用——消费者和企业可以转而使用各种不同尺寸的电子纸张, 包括可以覆盖整张桌面的显示屏, 把它铺在桌面上, 或者放入书包。
“我们正试图寻找一些办公室中没有消失, 或者由于某种原因不会消失的纸张, 从中获取灵感, 导入新的应用。”Vertegaal说, “你可以使用一张电子纸张进行PDF文档显示, 也可以将几张堆叠在一起使用, 你可以进行手写、注释、阅读、交流等一切操作, 它就是你的一台便携式计算机。如果你想把它带走, 没关系, 像一般的纸一样卷起来, 插入你的口袋就行。”
最终, 在采用这一技术的手机实现量产以前, 这款设备正朝着可以自如折叠的方向努力。Vertegaal说, 你可以随身携带着巨大的显示屏到处游走展示, 然后, 把他精巧地折叠后放入自己的衬衫口袋。
其最大挑战在于, 屏幕折叠后能否保证不破损?Vertegaal告诉PC Mag记者, 这一问题可以通过工程技术加以解决。
记者观察
PaperPhone的现实意义和未来价值
Roel Vertegaal的发明再一次告诉我们:创新永无止境, 人类对先进科技的突破和满足时刻伴随着对现实的反思、改进乃至超越;尽管“可以折叠的iPhone”从实验室走入量产仍然需要5～10年的漫长岁月, 但它的现实意义在于, 一种突破性应用从诞生之日起, 就可以依托于我们的想象力和实际需求, 延展到多个现实领域。
PaperPhone也正是如此, 它吸引我们, 首先因为它是一款不同寻常的Phone, 但是它别出心裁的Paper功能:电子存储、超大尺寸、可以折叠等等, 对于目前无纸化办公、节能增效、绿色消费的时代需求, 显示了更大的实用价值。
智能终端平台化 篇5
据悉, 来自移动设备的Google地图搜索量已经超过来自PC的, LBS也在我国开始流行。而人们在智能手机应用中寻求更多客户端应用这一习惯的形成, 也给LBS的商业定位带来了更多机会。
不仅如此, 由于用户规模决定应用发展潜力, 基于移动互联网的高速发展, LBS这一移动互联网的典型服务模式将在移动互联网市场发挥更大的商业价值。
增强产品与用户需求互补性
早在2010年9月, 街旁网便在为中国市场推出的HTC手机上预装推出, 同年11月, 人人网发布“人人报到”业务, 仅仅6天之后, 百度便整合资源推出了百度身边, 同月内, 盛大将旗下游玩网更名为“切客网”, 确定LBS为其未来发展方向。而今年, 新浪又与捷步士联合推出了基于位置服务及社区互动的LBS产品——“微领地”, 并与新浪微博进行了融合。随后, 网易、腾讯等巨头也纷纷介入其中, 分别推出网易八方和腾讯手机QQ地图等产品。
随着各大互联网巨头的加入, LBS的发展也更加趋于平台化。据易观国际预测, 今后LBS将结合SNS、微博、团购、支付等技术, 向手机电子商务平台方向演进。在如今电子支付和团购的高速发展下, 其地域聚集性和交易时效性特点日益突出, 如何在特定地点和时间内将特定用户引导到交易中是移动互联网时代电子商务服务的难点, 而LBS恰恰能解决“交易在哪里、交易潜在用户群在哪里、如何聚集用户群”等关键问题。这就增强了LBS与电子商务在产品层面和用户需求层面的互补性。
此前, 据CNZZ (由国际著名风险投资商IDG投资的网络技术服务公司) 人士估计, 至2011年中期, LBS在我国的服务商的数量将增至170~200家左右, 并以餐饮、娱乐、服务行业为主, 而这一数量还会随着用户规模的扩大而快速增长。
解决盈利模式落地问题
“除了平台化外, API化和专业化也是LBS今后发展的方向。”易观国际分析师表示。
值得关注的是, 以开放API方式发展, LBS将成为所有移动互联网应用的一个基础服务功能。就其优势而言, 一是可以降低技术门槛, 在B2C市场之外, 快速聚集B2B用户群;二是在微博、IM、游戏等主流手机应用已陆续实现了基于API的“签到”、“我的位置共享”等标注服务功能后, 因位置服务的引入, 上述手机应用将更具真实感、本地性和用户体验粘性。
除此之外, 基于车载导航、关爱服务、位置监控等细分市场的专业性开拓也是L B S今后发展趋势之一。对此, 易观国际分析师解释到, 因需求的差异化, 在车载导航、关爱服务、位置监控等领域, 其市场细分趋势十分明显。今后车载导航将融合Telematics技术, 向智能交通系统演进, 位置监控则面向交通、物流、安保、医疗等行业部门, 实现定位监控、调度管理等需求。
事实上, 企业无论选择侧重于哪个方向的发展, 都需要LBS产业链各环节, 特别是应用服务提供商在积累原始用户规模的同时, 认真尝试赢利模式的落地。只有这样, LBS才能从单纯的“基于位置的服务 (Location Based Service) ”进化成为“位置商业服务 (Location Business Service) ”。
记者观察
LBS巨大商机引来国际厂商
如今, 酝酿巨大商机的LBS领域不光被国内企业看好, 还吸引了众多国际厂商的目光。
2011年7月11日, 新西兰频率控制产品专业制造商Rakon公司宣布在成都开设新厂, 面对LBS等相关定位业务的大好前景, 该公司计划在华投入3500万美元用于相关模块的生产。
据悉, Rakon公司总部位于新西兰奥克兰市, 2010年实现总收入1.89亿新西兰元, 其中55%来自于亚洲市场。其产品主要应用于以下四个重点领域:定位服务 (GPS和个人导航) 、电信领域 (无线通信基础设施) 、移动通信 (智能手机) 、高可靠性领域 (航天、航空、军事和公共安全领域) 。就业务范围而言, 该公司约90%至95%的产品出口至全球50个国家, 其中对美国、英国和中国市场的销量尤为巨大。此外, 该公司的专业技术和市场份额均处于全球较领先地位, 其中GPS的全球市场份额达50%以上。
Rakon公司首席执行官布兰特·罗宾逊介绍到:“Rakon是世界上首家研制出0.5ppm温补晶体振荡器 (TCXO) 的公司, 这项技术为行业建立了新的价格及性能标准, 使得GPS广泛应用在手机等消费类电子领域成为可能。”
智能终端云服务平台安全框架研究 篇6
随着云计算技术的发展和智能终端的普及,为智能终端提供云服务成为云计算重要的应用之一。
智能终端(例如智能手机)的普及使信息的传递和共享更加便捷,但也使智能终端用户在使用互联网过程中的信息更容易被窃取和篡改。由于无线通信的数据在空中传播,数据的安全保护难度更大,智能终端数据的安全包括数据的机密性、完整性、可靠性,除此之外,安全服务还必须提供身份识别框架和接入控制框架、完成用户的鉴别授权等内容。
应用云服务过程中,个人信息的安全性(包括完整性、机密性等)能否得到保障,已成为制约智能终端用户应用云服务的关键因素之一。因此,提出智能终端云服务平台的安全框架、采取合适的安全策略保证数据的安全显得非常迫切。
2 智能终端云服务平台安全框架
本文结合当前智能终端云服务平台面临的四类安全风险,结合云计算平台的分层思想进行了安全架构设计,具体设计如图1所示。
2.1 终端统一认证及授权
提供一系列全面的认证、授权控制工具,对数据的访问和使用进行全方位多层次的许可、控制和管理,防止非法终端接入及限制合法终端对未授权资源的访问,实现的功能包括用户注册、用户登录、用户授权、用户审计等。
2.2 通信安全
智能终端云服务平台通信安全的主要措施主要为网络隔离。可以使用VLAN、VPN、HTTPS/SSL等技术保证网络的安全性和隔离性,提高数据传输的安全性。同时,采用业界成熟的TLS协议实现通信加密,保证智能终端与云服务平台之间传输数据的机密性及完整性。
2.3 应用隔离与限制
考虑到云服务平台会部署多个应用,为防止应用间的相互攻击及非法资源获取,项目借助轻量级虚拟化技术,构建以虚拟容器为执行单位的相对孤立的环境。各应用在虚拟容器内部执行请求的具体内容,使得各虚拟容器间的应用程序之间互不感知;不同虚拟容器间的应用只能通过平台提供的消息总线进行通信,最大程度地保证了应用程序的安全性。
此外,为避免各应用过分占用资源导致系统资源枯竭的状况,项目将进一步引入基于容器的资源限制机制,从而确保应用程序的可用性与安全性。
在实现中,系统将提供4个维度的隔离与限制:CPU、内存、磁盘、网络带宽。
2.4 数据加密
为保证数据存储安全,云服务平台采用安全API机制来防止对用户数据的非法窃取。当Saa S层应用需要对数据库及文件系统进行读取时,会首先调用安全API,调用Paa S层的数据加/解密插件;数据加/解密插件依据约定的密钥对从数据库中读取的数据解密处理后,将结果返回给安全API并转发给Saa S层应用作后续处理。
与此类似,当Saa S层应用需要进行数据存储时,需要调用安全API由数据加/解密插件完成加密处理后,方可保存至数据库或文件系统。
3 结束语
智能终端云服务平台的安全框架分别从终端安全、通道安全和应用安全和数据安全进行安全控制,可以有效地保证智能终端与平台之间数据的安全,达到了智能终端云服务平台的安全策略要求。但是仅从技术角度出发探索解决智能终端云服务平台的安全问题是不够的,需要信息安全学术界、产业界以及政府相关部门的共同努力才能实现。
摘要：论文面向信息安全领域,针对当前智能终端云服务平台面临的四类安全风险,结合云计算平台的分层思想进行了平台安全框架设计。该框架的实现可有效保证了智能终端服务平台中的数据安全,提高了企业的竞争力。
关键词：智能终端,云服务平台,安全框架
参考文献
[1]潘娟.史德年等移动互联网形势下智能终端安全研究[J].移动通信,2012.
[2]孙松儿.云计算环境下的安全建设思路[J].信息安全与技术,2010.
[3]刘超.基于云计算的物流服务平台的安全研究[J].电脑知识与技术,2012.
[4]俞华峰.基于云计算的物流信息平台的构建[J].科技信息,2010.
[5]韩韦.云计算安全隐患及其对策分析[J].信息安全与技术,2013(05).
警惕智能电视的“空壳化”现象 篇7
一个不争的事实是, 继手机智能化普及以后, 电视智能化进程明显加快。2012年2月以来, 国内主要彩电制造企业先后发布超过30个系列的智能电视新品, 并不断升级更新。然而, 在市场热闹的背后是智能电视的功能使用率低。中国电子商会消费电子调查办公室一项调研数据显示, 2012年智能电视销量已经突破800万台。有预测认为, 到2015年年底, 预计智能电视的销售保有量将达1.5亿台, 市场空间巨大。但与产品占有率提高不同步的是, 目前智能电视的接通率偏低, 平均激活率只有27.5%。根据多家市场调研公司合作的调查显示, 真正的智能电视活跃用户比例还不到10%。
近年来, 从3D电视到智能电视、云电视, 再到4k电视, 电视的功能越来越齐全, 品种越来越丰富, 然而消费者却感到云里雾里, 众多的新功能成了摆设。如何提升用户对智能电视的使用率, 成为2013年所有彩电厂商需要面临的共同难题。
真正好的功能, 不是靠某个人的聪明能够想像出来的, 它需要广大用户的认可。对彩电厂商而言, 应当注重消费者的体验感受, 将彩电业的竞争从技术升级过渡到用户体验。然而, 真正做好用户体验并非易事。
自从智能电视发展开始, 提升用户体验就成为众多厂商的目标, 然而从当前的现况来看, 效果并未达到预期。一些家电行业的专家也忧虑地表示:智能电视的发展应注重用户体验的提升, 没有适合消费者需求的应用和功能, 智能电视将是个空壳。
电力行业精益化IT支撑平台 篇8
随着坚强智能电网的全面建成和全球能源互联网概念的提出, 信息通信技术已渗入发电、输电、变电、配电、用电、调度各环节, 成为电网的核心中枢神经网, 全面支撑送端电网的安全稳定运行。
随着信息数据共享融合工作的不断推进和电力大数据时代的到来, 信息系统间的耦合度和关联度越来越高;通信网作为电力生产的支撑网络也随着大电网建设, 分布范围越来越广, 网络结构越来越复杂, 而通信调度主要通过不同产品的网管系统对不同厂家的设备和通道的运行状态进行实时监控, 无法从整体对通信网运行状态进行监控和告警管理。运维人员需花费大量的时间和精力进行检修风险评估分析, 且稍有疏忽将会导致电网运行风险;而且, 人员增长严重滞后于信息通信系统的增长速度, 远远无法满足运维工作的需要。
为解决海量信息通信建设运维任务与信息通信运维技术人员缺乏的矛盾, 提高信息通信系统建设质量、运维水平, 实现资源优化配置信息通信系统建设、运维无缝对接和项目全过程闭环管控, 需要研究设计电力行业精益化IT支撑平台, 通过数据构建、数据采集配置和数据关联分析, 实现信息通信系统运行状态监控、检修风险预警、资源动态拓扑展现等功能, 大幅提高运维效率和系统运行可靠性。
平台研究技术路线
平台技术框架
平台研究遵循三条主线展开:一是基础资源层构建, 以信息化工程建设数据、信息通信资源配置数据、配置关联关系数据为核心;二是数据采集与配置, 横向贯通平台建设、建转运、运维三个环节的资源配置数据, 纵向通过各类网管系统采集运行状态数据, 并对数据进行分类处理;三是数据相关性分析, 基于资源配置数据和状态数据进行可靠性、预评估、告警和故障等分析。
平台通过生产经营管理系统来构建、管控信息通信项目建设数据;通过IT运维资源管理系统来构建信息资源配置数据、管控资源配置关系属性、动态创建信息网络拓扑关系, 同时对信息系统检修过程展开预评估;通过通信资源管理系统, 构建通信资源配置数据、管控通信资源配置关系属性、动态创建信息网络拓扑关系, 并贯通通信网管, 采集通信系统运行状态数据、分析运行状态趋势。平台提供统一的数据源检索、采集工具, 实现数据共享。
资源配置框架
电力信息网络系统以设备资源为主体, 以各种关联关系为线索, 构建了承载电力业务的信息通信网络, 但是, 信息和通信类资源分类多、属性差异较大、关联关系复杂, 因此必须构建一种可配置的资源描述数据结构, 并且可以表达多种连接关系的关联关系结构。
以配置项的各类属性值来承载信息通信资源的数据信息, 以配置项关联关系描述信息通信资源之间的多维业务关系, 实现系统资源的可配置化, 将基于系统资源的管控转化为基于配置项和关联关系的操作, 从而提供统一数据模型是平台实现数据共享、采集和分析的基础。
在资源配置模型中, 以工程建设资源、信息配置资源、通信配置资源为配置单元层级, 纵向梳理各级配置属性。在各层级内, 以系统内配置单元的逻辑关系为线索, 建立关联关系。结合ETL技术基于多维数据源采集配置数据, 根据配置项属性构建配置资源仓库。
在信息资源管理环节, 以应用系统“端到端”的完整服务提供为线索, 以应用、数据库、主机、存储、网络设备等关键系统设备为配置单元层级, 纵向梳理各级配置子项。在各层级内, 以系统内配置单元的逻辑关系为线索, 横向梳理配置子项间关联关系, 实现针对所有信息系统各项配置资源的“基线化管理”。
在通信资源管理环节, 主要对各类通信资源的属性信息、连接信息、动静态资源关联关系和各层资源关联关系进行维护和管理, 实现通信网络各种通信资源数据的规范、常态管理, 包括空间基础信息、配线信息、光缆信息、传输设备及逻辑信息、数据网设备及逻辑信息、支撑网设备及逻辑信息、接入网设备及逻辑信息、业务网设备及逻辑信息、辅助设备信息、通信电源的维护管理。
数据分析框架
精益化IT支撑平台的重要功能是为信息通信系统的稳定运行提供服务, 因此基于运行状态的可靠性分析和检修操作的可行性分析是关键应用。
针对信息通信系统的建设费用、运维成本、运行时长、运行状态、故障次数、检修次数, 通过资源配置模型、配置资源仓库、运行状态数据仓库, 采用数据挖掘聚类算法来计算可靠性指标。
系统检修是对信息通信系统稳定运行带来较大影响的操作, 由于系统关系复杂性、承载的业务重要性等因素, 国家电网公司对检修计划和检修方案都有严格的要求, 在规定的时间窗口完成的检修操作做出了明确的规定, 检修方案必须经过严格评审通过才能执行。因此, 通过模拟演练检修操作步骤, 对检修方案的影响范围和可行性进行关联分析, 实现检修预评估工作, 是数据关联分析的关键技术。
平台体系架构设计
平台系统架构
电力行业精益化IT支撑平台, 面向大规模IT建设、复杂关联关系的信息通信系统的建设、建转运和运维管控, 通过配置资源共享、数据关联性分析, 实现建设领域的生产经营管理系统、建转运和运维领域的IT运维资源管理系统和通信资源管理系统进行集成创新。
平台通过数据采集和系统集成接口两种方式, 实现电网企业信息通信系统的数据源集成, 包括业务系统日志、网络运行状态、系统监控、通信网管等数据资源;通过生产经营管理、IT运维管理、通信资源管理三个子系统, 实现信息通信项目建设资源、信息系统配置和运行资源、通信系统配置和运行资源的全过程管控;通过分布式信息资源访问方法, 实现平台范围内多维数据源的共享访问, 通过分类信息检索方法实现数据资源的自定义分类检索, 提高访问和检索效率。
多源数据检索
精益化IT支撑平台面向建设、建转运、运维三个环节, 管控项目过程数据、信息资源数据、通信资源数据三个领域的资源, 平台要对三个数据源进行数据访问和分类, 构建主题数据仓库, 为此, 设计一种基于web service的分布式信息资源访问方法, 用以实现分布异构信息资源的访问。通过为用户提供查询接口和返回查询结果的信息资源访问代理, 在注册中心对用户发起的查询请求进行Web Service服务发现, 与绑定的Web Service服务代理以及对用户查询请求进行数据解析的信息资源集成代理实现。其流程如下图5 所示。
平台管理的数据涉及支撑电网运行管理的所有信息通信建设和资源数据, 涉及数据量大、关联关系复杂, 因此, 设计基于分类的快速信息检索方法, 通过对信息资源进行分类, 缩小检索范围, 从而实现在某一类别内进行检索时, 能够提高信息检索的准确率。该方法用于对合同、项目信息, 以及信息、通信资源的分类, 从而按照配置项属性构建分类数据集, 实现各类资源的快速检索。
实现与展望
电力行业精益化IT支撑平台实现了信息通信系统建设、建转运、运维全过程管控, 提高运维效率和系统运行可靠性, 全面支撑送端电网稳定运行, 促进电力生产中枢神经网的健康、稳定运行。平台的建设和应用, 使得电网信息通信运维人员的人均运维资产能力从100 万元提升至500 万元的水平;提高工作准确性, 减少运维工作量, 系统巡检工作量由原来每次2h缩减到现在30min。图6为信息系统资源配置关系和通信网络智能检修应用场景。