文献标识码：A
DOI：10.16157/j.issn.0258-7998.2015.09.004
中文引用格式：李彤岩，王培国，张婷. 基于ADC模型的通信网络效能评估方法研究[J].电子技术应用，2015，41(9)：18-20，28
英文引用格式：Li Tongyan，Wang Peiguo，Zhang Ting. Effectiveness evaluation method based on ADC model in communication networks[J].Application of Electronic Technique，2015，41(9)：18-20，28
0 引言
网络的故障情况及可靠性是网络性能的重要衡量指标，也是效能评估系统主要考核的指标[1]。但是现代通信网络的特点是传输速度快、网络规模大、网络复杂性高和异构性，因此使得网络故障管理成为通信网络管理中的一个难题。目前针对网络性能分析和评估的研究并不多，且缺乏有效的评估手段。因此，网络管理的综合化、自动化和智能化成为网络管理未来的发展方向。随着网络的发展和日益复杂化，迫切需要建立与之适应的网络保障体制和效能评估系统。
对网络性能进行评估，传统的方法有层次分析法[2-3]和神经网络方法[4]等。其中，将层次分析法用到栅格化信息网中效果不好，因为影响网络性能的指标参数数量多，指标之间的相互影响不便定量分析，因此建立层次模型会有很大的难度；采用神经网络方法又会造成训练过于复杂，从而导致评估的效率差，不利于针对现代通信网络的特点进行有效的评估。
ADC模型源于美国工业界武器系统效能咨询委员会(WSEIAC)于20世纪60年代中期为美国空军建立的模型，旨在根据武器系统的有效性(可用度) 、可信赖性和能力三大要素评价装备系统。该模型层次清晰, 易于理解和计算, 可以进行变量间关系的分析，是一种较为优秀的效能评估方法, 在诸多领域得到广泛应用[5-8]，但是应用在通信网络领域并不多。相比较传统的评估方法，基于ADC模型的评估方法更能够科学地分析影响网络性能的各个指标，智能分析结果并评估网络的可靠性，最后制定出包含网络运维、检查、服务、安全及设备维修等五类指标体系及考评策略，并对网元的扩充和调整给出合理建议，从而为网络维护和资源优化配置提供了合理有效的依据。
本文根据通信网络的实际特点，设计了基于ADC模型的网络效能评估系统，并且采用了可视化的实现。整个系统结合了专家经验和客观指标值来设计，能够提高评价的科学性和有效性。
1 基于ADC模型的效能评估系统
1.1 ADC模型
ADC评估模型的解析表达式为:
E=A·D·C(1)
式(1)中，E为系统效能；A是可用性行向量，表示系统在任意随机时刻开始执行任务瞬间处于不同状态的概率，表达式为A=(a1，a2，…，an)，其中n为状态数目；D为可信赖矩阵，用于描述处于不同状态的概率；C为能力向量，是系统效能在已知各个状态时系统完成任务的能力度量，是系统性能集中的体现，表达式为C=[c1，c2，…，cn]T，其中矩阵元素ci是装备系统在状态i时的能力。
根据通信网的实际特点，本文提出了如图1所示的基于ADC模型的通信网络效能评估系统，其中模型中的参数A、D、C分别表示可用性行向量、可信赖性矩阵和通信保障能力。
1.2 ADC模型参数定义
1.2.1 可用性行向量A
可用性行向量A是由系统开始处于所有可能状态的概率组成, 一般表达式为：A=[a1，a2]，两种可能状态构成了样本空间。假设通信系统在开始执行任务时状态仅划分为完全正常工作(用数字1表示)和发生故障(用数字 0表示)两种状态，则系统的可用性向量可表示为A，式中a1表示系统在开始执行任务时处于完全正常工作状态的概率(即可用度), a2表示系统在开始执行任务时处于发生部分故障状态的概率(即不可用度1)。根据可靠性理论有：
其中，完全正常的概率，为完全故障的概率。
1.2.2 可信赖性矩阵D
通信安全设备在执行任务中，按正常工作和发生故障两种状态，系统可信赖性矩阵为：
式中dij为i状态转移到j状态的转移概率。
1.2.3 能力矩阵C
能力矩阵C表示系统在各个可用状态下的能力, 是指在已知系统执行任务过程中所处状态条件下达到任务目标的能力向量。作为通信保障系统,其能力主要包括信息处理过程的准确性、安全性及传输的完整性等。通信系统在执行任务过程中只有正常故障状态三种模式，因此能力矩阵C可表示为：
根据某地区的情况，给出了如图2所示的通信保障能力的能力指标确定。
对通信保障能力采用加权合成综合评估模型计算能力向量：
1.3 ADC模型中参数的设计
1.3.1 可用性行向量A
网络运行可分为三种情况：完全正常率、部分故障率、完全故障率。a1为正常运行时间，a2为故障运行时间。根据统计数据分别得到运行时的概率p(a1)、p(a2)，可根据三种状态的统计时长分别除以总时长得到：
1.3.2 可信赖矩阵D
dij为i状态转移到j状态的转移概率，d11为正常情况下的概率，d12为正常情况变成部分故障的概率，d21为部分故障变成正常的修复率，d22为部分故障维持不变的概率。可信赖矩阵D描述为：
其中，表示系统的故障率,t为累计运行时间。
1.3.3 能力矩阵C
为了方便计算，能力矩阵C中大部分取值为0~100%。
1.4 评估过程
效能评估过程的流程图如图3所示。
效能评估部分需要输入各个评估项目的打分情况和参数权值，输出的则是该项目方案当前系统的评估值。根据评估值可以判断系统的运行情况。
2 实验测试
针对某区网络实际情况对评估系统进行了测试，其中效能评估分为输入参数部分和矩阵计算两大部分。效能评估时首先对程序的原始设定进行清空，然后设置可用性行向量A、能力矩阵C各个选项的权值以及可信赖矩阵D，根据A、D、C矩阵计算显示评估结果。计算结果保存需要用到MySql数据库。
评估过程各个参数的设定需要人工进行评分，范围为0~100%，包含了好、中、差三种情况的结果对应值。依据某网络性能的客观指标值设置各参数情况如图4所示。图5为可视化界面，描述了根据图4对矩阵C各参数的配置设定得到的效能评估值。
选取某通信网络的几个重要性能指标，测试在参数取值不同的情况下对通信效能评估值的影响，测试结果如表1所示。
通过理论分析可知道，A和D的取值情况会受到网络故障诊断的影响，通信保障能力C则综合反映了几个性能指标对网络性能的影响程度。通过实验测试结果可以得出，信道抗干扰能力、平均无故障率和通信系统机动性是影响网络性能的三个最主要因素，随着抗干扰能力、平均无故障率、通信系统机动性的增强，网络效能评估值相应提高。实验表明通过对各个参数具体的设定，可以较好地将影响网络性能的因素反映在效能评估模型中。该方法能够比较科学有效地分析、评估通信保障效能。通过ADC模型得出的评估值，可以用来对网络资源进行优化配置，并给管理者提供可靠的决策依据。
3 结束语
本文根据栅格化信息网的特点来构建效能评估模型，解决了性能指标过多而不便于客观科学地评估网络保障效能的问题。对网络保障效能评估系统采用了可视化的实现，解决了传统评估系统操作不方便、不利于应用推广的问题。整个系统结合了专家经验和客观指标值来设计，提高了评价的科学性。栅格化信息网保障效能评估系统是提高网络可靠性，提高信息网保障效能的必然需求。该平台能够对信息网络管理中产生的大量数据进行挖掘和分析，为信息网保障效能提供了科学的依据。
参考文献
[1] 石磊，潘平俊.网络战装备综合效能评估框架[J].现代防御技术，2008，36(4)：1-5.
[2] HAN W T,QI K W.Evaluation on the armed police force transport safety ensuring effectiveness based on the AHP-FUZZY[J].Applied Mechanics and Materials,2012,198：1646-1651.
[3] DONG S S，HJU Y N.The application effectiveness evalua-tion of the educational equipment based on AHP[J].Advanced Materials Research，2012，341：384-389.
[4] ZHU F，LI G，LI Z，et al.A case study of evaluating trafficsignal control systems using computational experiments[J].Intelligent Transportation Systems，IEEE Transactions on，2011，12(4)：1220-1226.
[5] MA L，WANG H，SONG G，et al.Analysis of missile weapon system ADC effectiveness model[J].Journal of NavalAeronautical Engineering Institute，2006(4)：20.
[6] DARBY R R.SEPARATING agency from deeds in immoral neurological Patients：a potential challenge to the ADC model [J].AJOB Neuroscience，2014，5(4)：25-27.
[7] WANG J，ZHOU L，BAI H.Arithmetic of dependability matrixes in the ADC effectiveness evaluation model[J].SystemsEngineering and Electronics，2008(8)：29.
[8] MCCULLOUGH J C，AGARWAL Y，CCHANDRASHEKAR J，et al.Evaluating the effectiveness of model-based power characterization[C].USENIX Annual Technical Conf，2011.