加速收益获取系统及方法
阅读说明：本技术 加速收益获取系统及方法 (Accelerated profit obtaining system and method ) 是由 覃艳君 潘坤 尹海波 于 2019-10-14 设计创作，主要内容包括：本发明公开了一种加速收益获取系统及方法,用以更加直观地体现加速系统的实际加速效果,为加速服务的进一步优化提供着积极的数据支持。所述系统包括：第一获取模块,获取预设应用的第一数据传输特征；第二获取模块,获取所述预设应用使用加速器之后的第二数据传输特征；确定模块,根据所述第一数据传输特征和所述第二数据传输特征,确定所述加速器对所述预设应用产生的加速收益。(The invention discloses an acceleration gain acquisition system and method, which are used for more intuitively reflecting the actual acceleration effect of an acceleration system and providing positive data support for further optimization of acceleration service. The system comprises: the first acquisition module is used for acquiring a first data transmission characteristic of a preset application; the second acquisition module is used for acquiring second data transmission characteristics of the preset application after the accelerator is used; and the determining module is used for determining the acceleration benefit of the accelerator on the preset application according to the first data transmission characteristic and the second data transmission characteristic.)
技术领域
本发明涉及游戏技术领域，特别涉及一种加速收益获取系统及方法。
背景技术
目前，各种手游加速器如迅游手游加速器在为越来越多的手游玩家提供优 质加速服务的同时，其相关的统计分析也为加速服务的进一步优化提供着积极 的数据支持。在提升了手游玩家的游戏感官体验的同时，一些用于体现加速效 果的量化数据在统计分析中起着不可或缺的作用，在此背景下，需要一个相对 准确的数值以更加直观地体现加速系统的实际加速效果，即综合加速提升收益 (PCT)。因而，如何更加智能、准确地计算综合加速提升收益成为亟待解决 的问题。
发明内容
本发明提供一种加速收益获取系统及方法，用以通过获取预设应用的第一 数据传输特征和使用加速器之后的第二数据传输特征，可基于这两项信息智 能、准确的预测出加速器对预设应用产生的加速收益，从而更加直观地体现加 速系统的实际加速效果，为加速服务的进一步优化提供着积极的数据支持。
本发明提供一种加速收益获取系统，包括：
第一获取模块，获取预设应用的第一数据传输特征；
第二获取模块，获取所述预设应用使用加速器之后的第二数据传输特征；
确定模块，根据所述第一数据传输特征和所述第二数据传输特征，确定所 述加速器对所述预设应用产生的加速收益。
在一个实施例中，所述第一获取模块包括：
第一获取子模块，用于获取所述预设应用在未使用所述加速器的基础上初 始的第一数据传输特征；或者
第二获取子模块，用于获取未使用所述加速器的基础上通用的第一数据传 输特征，其中，所述通用的第一数据传输特征由所述初始的第一数据传输特征 预测出。
在一个实施例中，所述初始的第一数据传输特征包括初始的平均延迟时 间、初始的延迟标准差以及初始的掉包率；
所述通用的第一数据传输特征包括通用的平均延迟时间、通用的延迟标准 差以及通用的掉包率；
所述第二数据传输特征包括加速后的平均延迟时间、加速后的延迟标准差 以及加速后的掉包率。
在一个实施例中，所述第二获取子模块包括：
第一计算单元，用于基于所述加速后的掉包率，计算所述通用的掉包率；
第二计算单元，用于基于所述初始的平均延迟时间、所述初始的掉包率以 及所述通用的掉包率计算所述通用的平均延迟时间；
第三计算单元，用于基于所述初始的延迟标准差、所述初始的掉包率以及 所述通用的掉包率计算所述通用的延迟标准差。
在一个实施例中，所述第一计算单元通过以下第一预设公式，计算所述初 始的掉包率；
其中，esLR表示所述初始的掉包率，pLR表示所述加速后的掉包率， isWifiAccel＝1表示所述加速器加速时同时使用WIFI和移动数据网络， isWifilAccel＝0表示所述加速器加速时未同时使用WIFI和移动数据网络；
esAvg表示所述通用的平均延迟时间，esSd表示所述通用的延迟标准差，
所述确定模块还用于通过以下第三预设公式，预测所述加速器对所述预设 应用产生的加速收益，
其中，PCT表示所述加速收益，w为权重值，pAvg表示所述加速后的平均 延迟，pSd表示所述加速后的延迟标准差，k为经验系数。
在一个实施例中，所述确定模块包括：
第三获取子模块，用于根据所述初始的延迟标准差、所述加速后的延迟标 准差、所述初始的平均延迟时间、所述加速后的平均延迟时间以及所述加速后 的掉包率，获取所述加速器对所述预设应用产生的加速收益。
在一个实施例中，所述系统还包括：
打分模块，用于当存在多个加速器时，根据所述多个加速器中各加速器对 所述预设应用产生的加速收益和所述预设应用使用所述各加速器之后的第二 数据传输特征，为所述各加速器打分；
第一确定模块，用于根据所述各加速器的打分数据，确定所述各加速器的 推荐特征，其中，所述推荐特征以下至少一项包括：推荐优先级、推荐方式、 推荐时间；
推荐模块，用于按照所述各加速器的推荐特征为用户进行推荐；
更新模块，用于在为用户推荐所述各加速器后，根据所述用户对所述各加 速器的使用信息，更新所述各加速器的推荐特征。
在一个实施例中，所述系统还包括：
第二确定模块，用于当存在多个加速器时，根据所述多个加速器中各加速 器对所述预设应用产生的加速收益和所述预设应用使用所述各加速器之后的 第二数据传输特征，确定所述各加速器的加速级别；
判断模块，用于判断所述各加速器的加速级别是否达到预设加速级别；
反馈模块，用于当未达到所述预设加速级别时，将所述各加速器的加速级 别反馈给所述各加速器的运营中心，以供所述各加速器的运营中心优化所述各 加速器的各服务链路；
执行模块，用于循环执行上述步骤，直至所述各加速器的加速级别达到所 述预设加速级别。
本发明的另一方面还提供了一种加速收益获取方法，包括：
获取预设应用的第一数据传输特征；
获取所述预设应用使用加速器之后的第二数据传输特征；
根据所述第一数据传输特征和所述第二数据传输特征，获取所述加速器对 所述预设应用产生的加速收益。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明 书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可 通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获 得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发 明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为根据一示例性实施例示出的一种加速收益获取系统的框图。
图2为本发明实施例一中初始的延迟均值的概率分布图。
图3为本发明实施例一中初始的掉包率的概率分布图。
图4为本发明实施例一中初始的延迟标准差的概率分布图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的 优选实施例仅用于说明和解释本发明，并不用于限定本发明。
图1为本发明一实施例中一种加速收益获取系统，如图1所示，该系统 包括：
第一获取模块101，获取预设应用的第一数据传输特征；
第二获取模块102，获取所述预设应用使用加速器之后的第二数据传输特 征；
确定模块103，根据所述第一数据传输特征和所述第二数据传输特征，确 定所述加速器对所述预设应用产生的加速收益(即下表中的PCT)。
通过获取预设应用的第一数据传输特征和使用加速器之后的第二数据传 输特征，可基于这两项信息智能、准确的预测出加速器对预设应用产生的加速 收益，从而更加直观地体现加速系统的实际加速效果，将加速器的作用变为可 视化数据，为加速服务的进一步优化提供着积极的数据支持。
这里包括但不限于预测加速器对所述预设应用产生的加速收益，还可以预 测该加速器对使用该加速器的其他所有应用产生的加速收益。
在一个实施例中，所述第一获取模块包括：
第一获取子模块，用于获取所述预设应用(如某某游戏应用)在未使用所 述加速器的基础上初始的第一数据传输特征，加速器指的是各种游戏加速器； 或者
第二获取子模块，用于获取未使用所述加速器的基础上通用的第一数据传 输特征，其中，所述通用的第一数据传输特征由所述初始的第一数据传输特征 预测出，用于表征所有可使用该加速器的应用(包括预设应用在内)在未使用 该加速器时的数据传输特征。
在一个实施例中，所述初始的第一数据传输特征包括初始的平均延迟时 间、初始的延迟标准差以及初始的掉包率；
所述通用的第一数据传输特征包括通用的平均延迟时间、通用的延迟标准 差以及通用的掉包率；
所述第二数据传输特征包括加速后的平均延迟时间、加速后的延迟标准差 以及加速后的掉包率。
其中，初始的第一数据传输特征是预设应用未使用加速器时的真实的数据 传输特征，而这种传输特征比较局限，仅限于预设应用，无法用于直接计算其 他应用使用该加速器时的加速收益，所以，可利用预设应用未使用加速器时的 真实的数据传输特征预测出通用的未使用加速器时所有应用的数据传输特征 (即预测出所有应用未使用加速器时的数据传输特征)，这样可利用该通用的 第一数据传输特征预测所有应用的使用该加速器时的加速收益，而不限于只能 预测预设应用使用该加速器时的加速收益。
初始的延迟标准差为初始的延迟时间的标准差；加速后的延迟标准差为使 用加速器后的延迟时间的标准差；
加速后的平均延迟时间为使用加速器后的延迟时间的平均值；
加速后的掉包率为使用加速器后的掉包率。掉包率即网络掉包率。
在一个实施例中，所述第二获取子模块包括：
第一计算单元，用于基于所述加速后的掉包率，计算所述通用的掉包率；
第二计算单元，用于基于所述初始的平均延迟时间、所述初始的掉包率以 及所述通用的掉包率计算所述通用的平均延迟时间；
第三计算单元，用于基于所述初始的延迟标准差、所述初始的掉包率以及 所述通用的掉包率计算所述通用的延迟标准差。
由于初始的第一数据传输特征有一定的局限性，因而，可通过使用加速器 产生的加速后的掉包率，计算所述通用的掉包率，然后分别利用使用初始的平 均延迟时间、初始的掉包率、通用的掉包率、初始的延迟标准差，分别预测出 通用的平均延迟时间和通用的延迟标准差，以对该加速器能够对包括该预设应 用在内的所有使用它的应用所能带来的加速收益进行预测。
在一个实施例中，所述第一计算单元通过以下第一预设公式，计算所述初 始的掉包率；
其中，esLR表示所述初始的掉包率，pLR表示所述加速后的掉包率， isWifiAccel＝1表示所述加速器加速时同时使用WIFI和移动数据网络， isWifilAccel＝0表示所述加速器加速时未同时使用WIFI和移动数据网络；
esAvg表示所述通用的平均延迟时间，esSd表示所述通用的延迟标准差， 表示所述初始的平均延迟时间的期望值
所述确定模块还用于通过以下第三预设公式，预测所述加速器对所述预设 应用产生的加速收益，
其中，PCT表示所述加速收益，w为权重值，pAvg表示所述加速后的平均 延迟，pSd表示所述加速后的延迟标准差，k为经验系数。
通过上述第一预设公式、第二预设公式和第三预设公式，可准确预测加速 器能够对包括该预设应用在内的所有使用它的应用所能带来的加速收益进行 预测。
在一个实施例中，所述确定模块包括：
第三获取子模块，用于根据所述初始的延迟标准差、所述加速后的延迟标 准差、所述初始的平均延迟时间、所述加速后的平均延迟时间以及所述加速后 的掉包率，获取所述加速器对所述预设应用产生的加速收益。
通过获取预设应用初始的延迟标准差、初始的平均延迟时间和使用加速器 之后产生的加速后的延迟标准差、加速后的平均延迟时间以及所述加速后的掉 包率，可基于这些信息智能、准确的预测出加速器对预设应用产生的加速收益， 从而更加直观地体现加速系统的实际加速效果，为加速服务的进一步优化提供 着积极的数据支持。
在一个实施例中，所述系统还包括：
打分模块，用于当存在多个加速器时，根据所述多个加速器中各加速器对 所述预设应用产生的加速收益和所述预设应用使用所述各加速器之后的第二 数据传输特征，为所述各加速器打分；
第一确定模块，用于根据所述各加速器的打分数据，确定所述各加速器的 推荐特征，其中，所述推荐特征以下至少一项包括：推荐优先级、推荐方式、 推荐时间；
打分数据越高的加速器加速性能越好，因而，打分数据越高推荐优先级越 高，推荐时间越接近用户玩预设应用的时间，推荐方式越直接越容易让用户发 现。
推荐方式可以是短信、微信、QQ、微博、网站等不同方式。
推荐模块，用于按照所述各加速器的推荐特征为用户进行推荐；
更新模块，用于在为用户推荐所述各加速器后，根据所述用户对所述各加 速器的使用信息，更新所述各加速器的推荐特征，使用信息包括用户是否使用 加速器、对加速器的使用时长、使用次数、是否又将加速器推荐给其他用户、 是否为加速器提出意见等。
根据各加速器对所述预设应用产生的加速收益和所述预设应用使用所述 各加速器之后的第二数据传输特征，可为所述各加速器准确打分，然后根据所 述各加速器的打分数据，确定所述各加速器的推荐特征，具体地，不同的打分 数据对应不同的推荐优先级、推荐方式和推荐时间，以便于根据各加速器的推 荐特征为用户进行智能推荐，然后根据用户对所述各加速器的使用信息，不断 循环更新所述各加速器的推荐特征，以确保各加速器更加准确，既符合其加速 情况又符合用户自身的使用情况。
在一个实施例中，所述系统还包括：
第二确定模块，用于当存在多个加速器时，根据所述多个加速器中各加速 器对所述预设应用产生的加速收益和所述预设应用使用所述各加速器之后的 第二数据传输特征，确定所述各加速器的加速级别；
判断模块，用于判断所述各加速器的加速级别是否达到预设加速级别；
反馈模块，用于当未达到所述预设加速级别时，将所述各加速器的加速级 别反馈给所述各加速器的运营中心，以供所述各加速器的运营中心优化所述各 加速器的各服务链路；
执行模块，用于循环执行上述步骤，直至所述各加速器的加速级别达到所 述预设加速级别。
当存在多个加速器时，可根据所述多个加速器中各加速器对所述预设应用 产生的加速收益和所述预设应用使用所述各加速器之后的第二数据传输特征， 准确确定所述各加速器的加速级别，然后判断各加速器的加速级别是否达到预 设加速级别，当未达到所述预设加速级别时，可将所述各加速器的加速级别反 馈给所述各加速器的运营中心，以供所述各加速器的运营中心优化所述各加速 器的各服务链路，从而不断优化各加速器，使其加速性能不断提成直至各加速 器的加速级别达到所述预设加速级别，从而确保加速器的性能得到更好的优 化。
另一方面，本发明还提供了一种加速收益获取方法，包括：
获取预设应用的第一数据传输特征；
获取所述预设应用使用加速器之后的第二数据传输特征；
根据所述第一数据传输特征和所述第二数据传输特征，确定所述加速器对 所述预设应用产生的加速收益。
下面将进一步详细说明本发明的技术方案：
在迅游手游加速器的数据统计中，游戏加速质量主要取决于游戏过程中的 平均延迟、掉包率及标准差三项数据。所以，综合提升收益(PCT)的数值， 是由游戏加速前后的平均延迟、掉包率及标准差三值计算得出。
以下是几个概念的命名及简称如表2所示：
表2
其中，将延迟的平均值、标准差、掉包率几个项目统称为质量统计项。
综合加速提升收益测算系统结构如下所示：
三、综合提升收益(PCT)的计算方法
1综合提升收益(PCT)的计算方案
PCT数值由代理前(即表2中初始的)及代理后(即表2中加速后的)的 平均延迟、标准差、掉包率三个评估项来测算。
2基于大数据分析的收益估算
当不存在加速前的对比数据时，需要先结合统计数据(这里利用某深度合 作的游戏应用的抽样数据进行统计测算)，利用算法估计一组零收益情况下 的质量统计数据，包括：
掉包率：esLR；延迟均值：esAvg；标准差：esSd；
估计值得出后，得出综合提升收益的计算：
其中，w为延迟均值在均值和标准差二个评估项中的权重值，根据统计经 验，一般取w＝0.5，k为经验系数，由实际数据对比统计得出，这里取k＝0.8。
esAvg及esSd由算法根据esLR测算得出，而零收益状态掉包率的估计值 esLR是由pLR结合样本统计结论得出，esLR的值不小于pLR，所以在上面的 公式当中，esLR不直接参与综合提升收益PCT的计算。
根据统计数据，延迟均值、标准差、及掉包率的概率分布符合正态总体或 类对数正态分布。
当pLR＝0时，esAvg和esSd都可取统计得出的最大概率事件，pLR＞0，根 据算法得出esAvg和esSd(与网络质量即esLR相关)。
表3数据含义及取值
其中零收益掉包率估计值esLR由已知的加速掉包率pLR和估算算得出，在 认可加速节点服务器保证运转正常的协议系下，大概率的情况是pLR＞0则 有esLR＞0，相同的客户端的网络质量下，同时结合统计数据的大概率情况， 近似得出：
现实中，掉包率能够较直观的反应当前设备的网络状态，而延迟均值、标 准差的大小都与网络质量相关，及延迟均值、方差与掉包率有着较强的相关 性。isWifiAccel＝1表示所述加速器的加速机制为加速时同时使用WIFI和移动 数据网络(即2G\3G\4G\5G网络)，isWifilAccel＝0表示所述加速器的加速机制 为加速时未同时使用WIFI和移动数据网络(即加速机制为只使用WIFI网络， 或者只使用移动数据网络)。
以下是该模型的推导论证过程。
2.1网络质量评估
由于延迟均值、标准差和掉包率与当前设备的网络状态相关，所以应根据 网络的波动幅度来动态调整零收益延迟均值和标准差的估计值。
根据统计结论，得出esLR，(详见以上公式)。结合统计结论及实际游戏过 程中的体验，得出大概率事件：当pLR≥10％时，加速无收益，即PCT＝0， 所以此情况下，对于esAvg和esSd的估计，pLR的取值范围是[0,0.1),esLR的 取值范围是[0,1)。
2.2概率分布
以下是从某知名游戏的测速数据中随机抽取的1000组样本进行统计，延 迟均值、标准差及掉包率的概率分布：
其中，图2(延迟均值概率分布)对应的均值、标准差及样本取值范围：
均值：68.49302
标准差：76.04803
图2(掉包率概率分布)的对应的均值、标准差及样本取值范围：
均值：1.628492
标准差：10.04404
图4(延迟标准差概率分布)对应的均值、标准差及样本取值范围
avg:48.13827
sd:151.9806
在每次加速完成后，可从已知数据加速掉包率pLR(包含补包折算)，结合 网络质量评估及实际情况得出零收益状态掉包率的估计值esLR，而esLR与网 络状态相关，且零收益状态延迟均值及标准差的估计值esAvg和esSd也与网络 状态相关，故而认为esAvg和esSd与esLR有一定的关联性。
从各数据的概率分布图中可值，三项数据总体服从类对数正态分布，近似 认为分布曲线相似(由于它们的波动影响因素相同，所以可认为以上概率分 布曲线近似地逼近某种缩放关系)，所以，在得知esLR的情况下，可根据它 们对应的分布曲线的关系，由掉包率的分布曲线映射到延迟均值和标准差的 分布曲线。
由概率分布特性：
2.3概率分布映射关系
设：掉包率的概率分布函数为：f(x)，有
延迟均值的概率分布函数为g(y)，有
延迟标准差的概率分布函数为p(z)，有
对于f(x)和g(y)，n>100的情况下有：
由于y的值域是x的n/100倍，所以在相同概率分布下，如果将x的概率分 布扩大n/100倍，则有：
此时f(x)和g(y)在概率分布坐标系中，横向坐标相同，且变化后的σx也近 似扩大了n/100倍，记为
此时，曲线基本与g(y)拟合，所以得到：
将
同理可得出：
2.4概率分布映射法测算估计值
所以，当根据已知值pLR推算零收益状态下的掉包率估计值esLR后，可根 据概率分布的近似映射关系由esLR计算得出零收益状态下的延迟均值估计 esAvg和标准差估计esSd：
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计 算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结 合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包 含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和 光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产 品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入 式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算 机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一 个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设 备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中 的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使 得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处 理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个 流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本 发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求 及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：基于时空特性相结合的深度学习流量分类方法