CN108881824A

CN108881824A - 一种视频监控点服务级别的快速识别管理方法及装置

Info

Publication number: CN108881824A
Application number: CN201810597731.7A
Authority: CN
Inventors: 韦栋; 胡少鹏; 郑淑鉴; 熊文华; 易斌; 周沛
Original assignee: Guangzhou Transportion Planning Research Institute
Current assignee: Guangzhou transportation planning and Research Institute Co.,Ltd.
Priority date: 2018-06-11
Filing date: 2018-06-11
Publication date: 2018-11-23
Anticipated expiration: 2038-06-11
Also published as: CN108881824B

Abstract

本发明公开了一种视频监控点服务级别的快速识别管理方法及装置，该方法包括：通过若干个因素之间的影响程度矩阵以及若干个因素对比矩阵的归一化向量来计算出若干个视频监控点分别对应的总排序权向量值；根据总排序权向量值，对若干个视频监控点进行排序，并对排序后的若干个视频监控点进行服务级别划分。该装置包括用于存储程序的存储介质以及用于加载程序以执行所述快速识别管理方法的处理器。通过使用本发明，能够在海量的视频监控点中快速准确区分出视频监控点所属的服务级别，为服务提供商提供关键的决策信息，保证服务提供商能够提供更具针对性、更加符合用户需求的服务。本发明方法及装置可广泛应用于IT服务管理领域中。

Description

一种视频监控点服务级别的快速识别管理方法及装置

技术领域

本发明涉及IT服务管理技术，尤其涉及智慧城市视频监控***运行维护管理中的服务级别管理技术，具体为一种视频监控点服务级别的快速识别管理方法及装置。

背景技术

对于视频监控***，其是智慧城市不可或缺的重要组成部分之一。尤其是一线城市的视频监控点，其数量往往以数百万计，视频监控***的规模越来越大，同时用户对运行维护时效性的要求也越来越高，保证***正常运行的难度也日益增加，因此不少单位引入ITIL(信息技术基础架构库)的管理理念，建立视频监控运行维护管理***，并采用信息化的手段来提高维护效率。然而，作为ITIL核心思想之一的服务级别管理，在视频监控运行维护实践中，并没有得到很好的落实和应用，这样则导致重要的视频监控点没能获得应有服务级别的维护，影响了视频监控***的使用，从而降低了对视频监控***运行维护的有效性以及降低了用户对运行维护服务的满意度。

虽然，目前国内外学者对IT服务管理做了大量的理论与实践研究，但其研究的热点与重点主要是如何规范运行维护的流程，并采用信息化的手段加以实现，而对于视频监控***中基于用户的实际使用情况来识别和定义视频监控点服务级别的理论及实践方法则基本没有，使得视频监控***的运行维护效果未能得到明显改善。因此，设计出一种视频监控点服务级别的快速识别与管理方案具有重大的研究意义与实际应用价值。

发明内容

为了解决上述技术问题，本发明的目的是提供一种视频监控点服务级别的快速识别管理方法及装置。

本发明所采用的第一技术方案为：一种视频监控点服务级别的快速识别管理方法，包括以下步骤：

获取若干个因素之间的影响程度矩阵，其中，所述因素为影响视频监控点服务级别的因素；

根据若干个因素，构建出若干个视频监控点所对应的若干个因素对比矩阵；

计算若干个因素之间的影响程度矩阵所对应的第一归一化向量，以及计算若干个因素对比矩阵分别对应的第二归一化向量；

根据第一归一化向量和第二归一化向量，计算出若干个视频监控点分别对应的总排序权向量值；

根据若干个视频监控点分别对应的总排序权向量值，对若干个视频监控点进行排序；

对排序后的若干个视频监控点进行服务级别划分。

进一步，所述若干个因素之间的影响程度矩阵为通过第一构建步骤而构建得出的矩阵；所述第一构建步骤包括：

根据预设的尺度与影响程度之间的映射关系，求出任意两个因素之间的影响程度对比值；

根据求出的影响程度对比值，构建得到若干个因素之间的影响程度矩阵。

进一步，所述因素包括视频监控点的权重以及视频监控点的操作数据；所述若干个因素对比矩阵包括至少一个视频监控点的权重对比矩阵以及至少一个视频监控点的操作数据对比矩阵。

进一步，所述视频监控点的权重对比矩阵为通过第二构建步骤而构建得出的矩阵；所述第二构建步骤包括：

根据预设的尺度与视频监控点重要程度之间的映射关系，求出任意两个视频监控点的权重之间的重要程度值；

根据求出的重要程度值，构建得到视频监控点的权重对比矩阵。

进一步，所述视频监控点的操作数据对比矩阵为通过第三构建步骤而构建得出的矩阵；所述第三构建步骤包括：

获取若干个视频监控点的操作数据；

对若干个视频监控点的操作数据进行折算处理后，从而构建得出若干个视频监控点的操作数据初始矩阵；

根据预设的尺度范围，对操作数据初始矩阵进行标准化处理后，得到视频监控点的操作数据对比矩阵。

进一步，所述视频监控点的操作数据包括视频监控点的调用频次、巡控时长和/或录像拷贝次数。

进一步，所述计算若干个因素之间的影响程度矩阵所对应的第一归一化向量，以及计算若干个因素对比矩阵分别对应的第二归一化向量这一步骤之前设有第一检验步骤；所述第一检验步骤包括：

对若干个因素之间的影响程度矩阵以及若干个因素对比矩阵进行一致性检验。

进一步，所述根据若干个视频监控点分别对应的总排序权向量值，对若干个视频监控点进行排序这一步骤之前设有第二检验步骤；所述第二检验步骤包括：

对若干个视频监控点对应的总排序权向量值进行一致性检验。

进一步，所述对排序后的若干个视频监控点进行服务级别划分这一步骤，其具体包括：

采用等差数列的计算方式来对排序后的若干个视频监控点进行服务级别划分；

其中，最高优先级的服务级别包含的视频监控点的个数最少；一个服务级别对应至少一个运维策略。

本发明所采用的第二技术方案为：一种视频监控点服务级别的快速识别管理装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述一种视频监控点服务级别的快速识别管理方法。

本发明方法和装置的有益效果是：本发明在确定所需的所述因素后，能通过若干个因素之间的影响程度矩阵以及若干个因素对比矩阵的归一化向量，来计算出若干个视频监控点分别对应的总排序权向量值，接着，根据若干个视频监控点分别对应的总排序权向量值，对若干个视频监控点进行排序，并对排序后的若干个视频监控点进行服务级别划分，可见，本发明能结合实际需要，快速有效地对海量的视频监控点区分出不同的服务级别，为服务提供商提供关键的决策信息，从而保证服务提供商能够提供更具针对性、更加符合用户需求的服务，具体的社会经济效益包括有：1、能大大地提高现有的运维服务效率、准确性和针对性，节省大量的人力资源成本，同时提高行业的服务管理水平，更好地满足用户需求；2、能大范围推广应用到其它交通设施管理中，有利于这些设施的快速维护和满足用户的需求，兼容适用性高。

附图说明

图1是本发明一种视频监控点服务级别的快速识别管理方法的步骤流程图；

图2是若干个视频监控点的第一具体实施例服务级别示意图；

图3是若干个视频监控点的第二具体实施例服务级别示意图；

图4是本发明一种视频监控点服务级别的快速识别管理装置的结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

实施例1

本发明实施例提供了一种视频监控点服务级别的快速识别管理方法，如图1和图2所示，包括以下步骤：

S101、获取若干个因素之间的影响程度矩阵，其中，所述因素为影响视频监控点服务级别的因素，即为影响因素。

具体地，所述步骤S101优选包括：

S1011、确定出影响视频监控点服务级别的因素；

在本实施例中，根据实际的监控设施管理需求，优选确定采用如下因素作为影响视频监控点服务级别的因素：因素1、视频监控点的权重A1；因素2、视频监控点的调用频次A2；因素3、视频监控点被调用后的巡控时长A3；因素4、视频监控点的录像拷贝次数A4；其中，因素2～因素4属于视频监控点的操作数据；

S1012、构建若干个因素之间的影响程度矩阵；在本实施例中，具体构建出上述因素1～因素4这4个因素之间的影响程度矩阵；

具体地，首先需要明确各因素对服务级别的影响程度：在本实施例中，采用比较矩阵的方式来表示影响程度，形成一个对比矩阵A＝(a_ij)_p×p(p为因素的个数，在本实施例中，p为4，即A＝(a_ij)_4×4)，A即为所述的若干个因素之间的影响程度矩阵；其中，矩阵中a_ij表示为第i个影响因素A_i相对于第j个影响因素A_j的比较结果；所述比较结果优选采用1-5的尺度来表示，各尺度数据的具体意义可如下表1所示：

表1

尺度	含义
		1	第i个影响因素与第j个因素的影响相同
2	第i个影响因素比第j个因素的影响稍强
		3	第i个影响因素比第j个因素的影响强
4	第i个影响因素比第j个因素的影响较强
		5	第i个影响因素比第j个因素的影响明显强

其中，矩阵A主对角线及以上的比较结果，即i≤j时，矩阵A中的比较结果直接利用上述表1来进行确定；而矩阵A主对角线以下的比较结果，即i>j时，并且所有的a_ij均大于0，此处，i＝1、2、3、4，j＝1、2、3、4；可见，对于所述若干个因素之间的影响程度矩阵，其具体构建步骤(即第一构建步骤)优选包括有：

根据预设的尺度与影响程度之间的映射关系(即上述映射关系表1)，求出任意两个因素之间的影响程度对比值；其中，所述影响程度具体为对视频监控点服务级别的影响程度；

优选地，对于上述1-5的尺度，其还能按照实际情况进行进一步细化，例如，还可设置尺度分别为1.2、1.3、1.4、1.5等，以及它们分别对应的影响程度情况。

S102、根据若干个因素，构建出若干个视频监控点所对应的若干个因素对比矩阵。

在本实施例中，所述因素的类别个数为4，因此，则构建出4个因素对比矩阵。具体构建步骤如下所示。

①、因素1：视频监控点的权重A1；即构建视频监控点的权重对比矩阵。

在本实施例中，采用比较矩阵的方式来表示各个视频监控点的重要性(即权重)；设交通视频监控点的总个数为n，则可以形成视频监控点的权重对比矩阵：B1＝(b1_ij)_n×n；

其中，b1_ij表示第i个视频监控点与第j个视频监控点之间的重要程度对比结果，如第i个视频监控点比第j个视频监控点的重要程度高、稍高、明显强等，或者重要程度相同，同样，在本实施例中，采用1-5的尺度来表示；具体地，若b1_ij>1时，表示第i个视频监控点比第j个视频监控点重要，若b1_ij＝1时，表示第i个视频监控点与第j个视频监控点同等重要，若b1_ij<1时，表示第i个视频监控点比第j个视频监控点不重要，用1-5的倒数来表示，与上述矩阵A的构建规则类似。可见，对于视频监控点的权重对比矩阵，其构建步骤(即第二构建步骤)优选包括：

②、因素2～4：视频监控点的调用频次A2、视频监控点被调用后的巡控时长A3、视频监控点的录像拷贝次数A4；即构建视频监控点的调用频次对比矩阵B2、巡控时长对比矩阵B3、录像拷贝次数对比矩阵B4，也就是说，构建视频监控点的操作数据对比矩阵。

具体地，一般在视频监控***中，记录有每个用户对视频监控的调用记录，包括调用的监控点位、巡控时长等；此外，***也会记录了拷贝视频监控的相关记录。

基于上述的记录情况，则可以形成视频监控点的调用频次、巡控时长和录像拷贝次数的对比矩阵B2＝(b2_ij)_n×n、B3＝(b3_ij)_n×n、B4＝(b4_ij)_n×n。由于操作数据的类别个数并不仅为3个，其也可为2个、4个、6个等，因此，对于视频监控点的操作数据对比矩阵，其表达式可为：Bq＝(bq_ij)_n×n，Bq表示为第q个操作数据类型所对应的操作数据对比矩阵。

a.对于矩阵B2，其具体构建步骤如下所示：

首先，获取n个视频监控点的调用频次；

然后，对n个视频监控点的调用频次进行折算处理后，从而构建得出n个视频监控点的调用频次初始矩阵；

具体地，在统计周期里，获取得到的n个视频监控点的调用频次分别为{x′₁,x′₂,…x′_i…x′_n}，x′_n为第n个视频监控点的调用频次，而所述折算处理所采用的计算公式为：

可见，所述调用频次初始矩阵B2'中的元素其中，i＝1、2、3、……、n，j＝1、2、3、……、n；

接着，根据预设的尺度范围，对操作数据初始矩阵进行标准化处理后，得到视频监控点的操作数据对比矩阵；

具体地，根据1-5的尺度(即预设的尺度范围为1-5)，对矩阵B2'进行标准化处理后，得到视频监控点的调用频次对比矩阵B2；具体地，所述标准化处理所采用的计算公式包括有：

对于矩阵B2的主对角线及以上的元素，其数值计算公式为：

其中，min{b2_ij′}表示为B2'中数值为最小的元素数值，max{b2_ij′}表示为B2'中数值为最大的元素数值；此外，对于上述公式中的“5”，其为最大尺度值，若最大尺度值为8(或其它数值)时，上述公式中的“5”则相应进行修改；

对于矩阵B2的主对角线以下的元素，其数值计算公式为：

依此，便可建立得到B2＝(b2_ij)_n×n的矩阵，其中，b2_ij数值越大代表第i个视频监控点的调用频次要比第j个视频监控点的调用频次越多。

b.对于矩阵B3，其具体构建步骤如下所示：

首先，获取n个视频监控点的巡控时长；

然后，对n个视频监控点的巡控时长进行折算处理后，从而构建得出n个视频监控点的巡控时长初始矩阵；

具体地，在统计周期里，获取得到的n个视频监控点的巡控时长分别为{y′₁,y′₂,…y′_i…y′_n}，y′为第n个视频监控点的巡控时长，而所述折算处理所采用的计算公式为：

可见，所述巡控时长初始矩阵B3'中的元素其中，i＝1、2、3、……、n，j＝1、2、3、……、n；

具体地，根据1-5的尺度(即预设的尺度范围为1-5)，对矩阵B3'进行标准化处理后，得到视频监控点的巡控时长对比矩阵B3；具体地，所述标准化处理所采用的计算公式包括有：

对于矩阵B3的主对角线及以上的元素，其数值计算公式为：

其中，min{b3_ij′}表示为B3'中数值为最小的元素数值，max{b3_ij′}表示为B3'中数值为最大的元素数值；此外，对于上述公式中的“5”，其为最大尺度值，若最大尺度值为8(或其它数值)时，上述公式中的“5”则相应进行修改；

对于矩阵B3的主对角线以下的元素，其数值计算公式为：

依此，便可建立得到B3＝(b3_ij)_n×n的矩阵，其中，b3_ij数值越大代表第i个视频监控点的巡控时长要比第j个视频监控点的巡控时长越长。

c.对于矩阵B4，其具体构建步骤如下所示：

首先，获取n个视频监控点的录像拷贝次数，即视频监控点被拷贝录像的次数；

然后，对n个视频监控点的录像拷贝次数进行折算处理后，从而构建得出n个视频监控点的录像拷贝次数初始矩阵；

具体地，在统计周期里，获取得到的n个视频监控点的录像拷贝次数分别为{z′₁,z′₂,…z′_i…z′_n}，z′_n为第n个视频监控点的录像拷贝次数，而所述折算处理所采用的计算公式为：

可见，所述录像拷贝次数初始矩阵B4'中的元素其中，i＝1、2、3、……、n，j＝1、2、3、……、n；

具体地，根据1-5的尺度(即预设的尺度范围为1-5)，对矩阵B4'进行标准化处理后，得到视频监控点的录像拷贝次数对比矩阵B4；具体地，所述标准化处理所采用的计算公式包括有：

对于矩阵B4的主对角线及以上的元素，其数值计算公式为：

其中，min{b4_ij′}表示为B4'中数值为最小的元素数值，max{b4_ij′}表示为B4'中数值为最大的元素数值；此外，对于上述公式中的“5”，其为最大尺度值，若最大尺度值为8(或其它数值)时，上述公式中的“5”则相应进行修改；

对于矩阵B4的主对角线以下的元素，其数值计算公式为：

依此，便可建立得到B4＝(b4_ij)_n×n的矩阵，其中，b4_ij数值越大代表第i个视频监控点的录像拷贝次数要比第j个视频监控点的录像拷贝次数多。

综上所述，所述视频监控点的操作数据对比矩阵为通过第三构建步骤而构建得出的矩阵；所述第三构建步骤包括：

S1021、获取若干个视频监控点的操作数据；

S1022、对若干个视频监控点的操作数据进行折算处理后，从而构建得出若干个视频监控点的操作数据初始矩阵；

优选地，所述折算处理所采用的计算公式为：

其中，所述i＝1、2、3、……、n，j＝1、2、3、……、n；n为视频监控点的总个数；bq_ij′为第q个操作数据类型所对应的操作数据初始矩阵中第i行第j列的数据值；m'_i为第i个视频监控点的操作数据，m'_j为第j个视频监控点的操作数据；

S1023、根据预设的尺度范围，对操作数据初始矩阵进行标准化处理后，得到视频监控点的操作数据对比矩阵Bq；

具体地，所述步骤S1023优选为：根据1-h的尺度，对操作数据初始矩阵进行标准化处理后，得到视频监控点的操作数据对比矩阵；其中，所述标准化处理所采用的计算公式包括有：

对于矩阵Bq的主对角线及以上的元素，其数值计算公式为：

其中，bq_ij表示为第q个操作数据类型所对应的操作数据对比矩阵中第i行第j列的数据值，min{bq_ij′}表示为Bq'(第q个操作数据类型所对应的操作数据初始矩阵)中数值为最小的元素数值，max{bq_ij′}表示为Bq'中数值为最大的元素数值，h为最大尺度值；

对于矩阵Bq的主对角线以下的元素，其数值计算公式为：

依次，便可建立得到Bq＝(bq_ij)_n×n的矩阵。

S103、第一检验步骤：对若干个因素之间的影响程度矩阵A以及若干个因素对比矩阵B1～B4进行一致性检验。

具体地，为了保证上述5个矩阵中对比结果的一致性，则需要对5个矩阵进行一致性检验，若矩阵不通过一致性检验，则需要调整矩阵并再次进行一致性检验，直到检验通过为止；

对于所述步骤103，其优选包括：

首先，构建一致性检验指标：

式中，n1为矩阵的对角线元素个数之和，即为矩阵的特征根之和；λ为矩阵的最大特征值。

其次，构建一致检验比率：

式中，RI为随机一致性指标，可以通过矩阵理论查询获得不同的矩阵对角线元素之和n1所对应的随机一致性指标，如以下表2所示：

表2

n1	2	3	4	5	6	7	8
								RI	0	0.58	0.9	1.12	1.24	1.32	1.41

接着，利用上述一致检验比率公式来分别计算出若干个因素之间的影响程度矩阵以及若干个因素对比矩阵的一致检验比率；

当计算出的一致检验比率CR<0.1时，则认为对应的矩阵的不一致程度在容许范围之内，此时，则可利用其归一化特征向量作为权向量，反之，则需要重新构造对比矩阵；

具体地，分别对A、B1、B2、B3、B4五个比较矩阵分别进行一致性检验，若A、B1不通过时，则对A、B1重新调整直到通过为止；若B2、B3、B4不通过时，则是计算上存在问题，需要检查纠正直到通过为止。

S104、计算若干个因素之间的影响程度矩阵所对应的第一归一化向量，以及计算若干个因素对比矩阵分别对应的第二归一化向量。

具体地，当若干个因素之间的影响程度矩阵、以及若干个因素对比矩阵均通过一致性检验后，可以同时获得矩阵的最大特征值λ所对应的特征向量{ω₁,ω₂…ω_i…ω_n}，利用下式可以对该特征向量进行归一化处理：

经过归一化处理后，可以得到新的归一化向量{w₁,w₂…w_i…w_n}。

在此，分别计算A、B1、B2、B3、B4这五个对比矩阵所对应的归一化向量值，分别为：{w_a1,w_a2,w_a3,w_a4}、{w₁₁,w₁₂…w_1n}、{w₂₁,w₂₂…w_2n}、{w₃₁,w₃₂…w_3n}、{w₄₁,w₄₂…w_4n}。

可见，对于所述步骤S104，其具体优选包括以下步骤：

S1041、获取得到若干个因素之间的影响程度矩阵的最大特征值所对应的第一特征向量矩阵；

获取得到若干个因素对比矩阵的最大特征值所对应的第二特征向量矩阵；

S1042、对第一特征向量矩阵和第二特征向量矩阵分别进行归一化处理，从而得到第一归一化向量矩阵和第二归一化向量矩阵；其中，所述归一化处理所采用的计算公式如下所示：

式中，ω_i表示为特征向量矩阵中第i个特征向量值，表示为特征向量矩阵中所有特征向量值之和；w_i表示为对ω_i进行归一化处理后所得到的数值；此处所述的特征向量矩阵包括了第一、第二特征向量矩阵。

S105、根据第一归一化向量和第二归一化向量，计算出若干个视频监控点分别对应的总排序权向量值。

具体地，所述视频监控点对应的总排序权向量值，其计算公式如下所示：

式中，b_j表示为第j个视频监控点对应的总排序权向量值；p表示为因素的类型个数，本实施例中，p为4；w_ai表示为矩阵A所对应的归一化向量矩阵中第i个元素；w_ij表示为第i个因素对比矩阵所对应的归一化向量矩阵中第j个元素。

S106、对若干个视频监控点对应的总排序权向量值进行一致性检验。

具体地，在计算出各个视频监控点对应的总排序权向量值之后，需要对若干个视频监控点对应的总排序权向量值进行一致性检验；对于若干个视频监控点对应的总排序权向量值，其一致性指标CI'公式如下所示：

式中，CI_i为第i个因素对比矩阵所对应的一致性检验指标；在本实施例中，p为4，那么CI₁表示为第1个因素对比矩阵B1所对应的一致性检验指标；CI₂表示为第2个因素对比矩阵B2所对应的一致性检验指标；CI₃表示为第3个因素对比矩阵B3所对应的一致性检验指标；CI₄表示为第4个因素对比矩阵所对应的一致性检验指标；

对于若干个视频监控点对应的总排序权向量值，其一致性比率为：

式中，RI'为随机一致性指标，与上述RI相同；

当利用上述一致性比率公式来计算出的总排序权向量值所对应的一致性比率CR'<0.1时，则表示可按照总排序权向量值所表示的结果来进行决策，反之，则需要重新考虑构建因素对比矩阵。

最终得到的若干个视频监控点对应的总排序权向量值为{b₁,b₂…b_n}，b_j代表第j个视频监控点对应的总排序权向量值，而此向量值表示的则是优先服务系数，b_j值越大，代表该视频监控点的服务优先级别越高。

S107、根据若干个视频监控点分别对应的总排序权向量值，对若干个视频监控点进行排序。

具体地，根据若干个视频监控点分别对应的总排序权向量值，按照权向量值由大到小的顺序，对若干个视频监控点进行排序。

S108、对排序后的若干个视频监控点进行服务级别划分。

具体地，如图3所示，对n个视频监控点采用分k层管理的模式，其中，第一层是最优先的级别，即第一层为优先级最高，如此类推，第k层则是优先级最低的一层，即第k层为优先级最低；根据实际的人力、财力投入情况，设处于第一层并进行最优先处理的视频监控点的数量为C₁，而下一层的视频监控点的数量与上一层的视频监控点的数量之间的差值固定，即k层中每一层的视频监控点的数量形成了等差数列；而在本实施例中，所述等差数列的公差为：

那么，第i层的视频监控点的数量为：

C_i＝C₁+(i-1)×d

式中，i＝1、2、3、……、k；一层对应一服务级别；

可见，所述步骤S108优选包括：

S1081、采用等差数列的计算方式来对排序后的若干个视频监控点进行服务级别划分；

具体地，所述等差数列的计算公式为：

C_i＝C₁+(i-1)×d

其中，最高优先级的服务级别包含的视频监控点的个数最少；一个服务级别对应至少一个运维策略；

而通过上述等差数列公式来设定每一层的视频监控点的数量之后，按照排列顺序，从前至后依次将对应数量的视频监控点划分至对应的层级中，即对应的服务级别中，以实现n个视频监控点的服务级别划分，达到视频监控点所处的服务级别的快速识别；

而且，在确定本统计周期内各个视频监控点所属的服务管理层级(即服务级别)后，便可按照该服务级别所对应的维护保障策略和服务方案，来对属于该服务级别的视频监控点进行对应的运维操作；其中，不同服务级别的维护保障策略和对应的服务方案，其是根据实际情况来确定的。

在日常的服务管理工作中，需要定期运算上述过程来重新确定识别出各个监控点位的服务级别情况，而当高级别的监控点位出现故障时，则应优先考虑修复该监控点位，以满足实际的工作需求。

实施例2

本发明实施例还提供了一种视频监控点服务级别的快速识别管理方法，包括以下步骤：

S201、获取若干个因素之间的影响程度矩阵，其中，所述因素为影响视频监控点服务级别的因素，即为影响因素。

具体地，所述步骤S201优选包括：

S2011、确定出影响视频监控点服务级别的因素；

在本实施例中，根据实际的交通设施管理需求，确定采用3个因素，分别为视频监控点的权重A1、视频监控点的调用频次A2、视频监控点被调用后的巡控时长A3；

S2012、构建若干个因素之间的影响程度矩阵；

具体地，采用1～5的尺度对三个因素进行比较，如下表3所示。

表3

对比	点位权重A1	调用频次A2	巡控时长A3
				点位权重A1	1	3/2	2
调用频次A2	2/3	1	2
				巡控时长A3	1/2	1/2	1

根据上述表3可得，这3个因素之间的影响程度矩阵A具体如下：

S202、根据若干个因素，构建出若干个视频监控点所对应的若干个因素对比矩阵。

具体地，在本实施例中，有6个视频监控点，分别为b₁、b₂、b₃、b₄、b₅、b₆，根据各个监控点所处的位置重要性，即权重，构建视频监控点的权重对比矩阵B₁，B₁如下所示：

而对于因素2和3，即A2和A3，构建它们的对比矩阵B₂和B₃，则具体如下所示：

首先，从视频监控***中获得的操作记录如下表4所示：

表4视频监控***操作记录(部分)

由上表可以统计得到，在统计周期里，这6个视频监控点的调用频次分别为{32,10,18,29,5,22}，由此可获得对比矩阵B₂，具体如下：

同样，由上表可以统计得到，在统计周期里，这6个视频监控点的巡控总时长分别为{2291,430,3395,7237,1119,4668}，由此可获得对比矩阵B₃，如下：

至此，构成四个对比矩阵A、B₁、B₂、B₃。

S203、第一检验步骤：对若干个因素之间的影响程度矩阵A以及若干个因素对比矩阵B₁～B₃进行一致性检验。

具体地，通过计算，A矩阵的最大特征值λ＝3.0183，n1＝3，则：

而通过查表2得到对应的RI＝0.58，则：

由于CR_A<0.1，故矩阵A通过一致性检验；

同理，对B₁、B₂、B₃矩阵进行一致性检验，结果如下表5所示：

表5

	B₁	B₂	B₃
				λ	6.427	6.0098	6.1999
n1	6	6	6
				CI	0.0854	0.002	0.04
RI	1.24	1.24	1.24
				CR	0.0689	0.0016	0.0322
一致性检验结果	通过	通过	通过

可见，B₁、B₂、B₃均通过一致性检。

S204、计算若干个因素之间的影响程度矩阵所对应的第一归一化向量，以及计算若干个因素对比矩阵分别对应的第二归一化向量。

具体地，计算矩阵A、B₁、B₂、B₃的归一化向量，具体为：

A矩阵的最大特征值对应的向量为{0.751,0.5731,0.328}，而归一化向量为w_A＝{0.4546,0.3469,0.1985}；

B₁矩阵的最大特征值对应的向量为{0.6648,0.633,0.1346,0.2193,0.2575,0.1577}，而归一化向量为w_B1＝{0.3216,0.3063,0.0651,0.1061,0.1246,0.0763}；

B₂矩阵的最大特征值对应的向量为{0.535,0.1948,0.3475,0.5630,0.1186,0.4733}，而归一化向量为w_B2＝{0.2397,0.0873,0.1557,0.2522,0.0531,0.2120}；

B₃矩阵的最大特征值对应的向量为{0.1630,0.0951,0.3038,0.5705,0.2464,0.6970}，而归一化向量为w_B3＝{0.0785,0.0458,0.1464,0.2748,0.1187,0.3358}。

S205、根据第一归一化向量和第二归一化向量，计算出若干个视频监控点分别对应的总排序权向量值。

具体地，结合上述四个矩阵的归一化向量，计算6个视频监控点的总排序权向量，具体如下表6所示：

表6

可得，6个视频监控点的总排序权向量{0.2449，0.1786，0.1127，0.1903，0.0986，0.1749}。

S206、对若干个视频监控点对应的总排序权向量值进行一致性检验。

具体地，基于上述获得的6个视频监控点的总排序权向量，计算得出其CI'＝0.0474，CR'＝0.0383<0.1，因此总排序权向量通过一致性检验，此总排序可行。

S207、根据若干个视频监控点分别对应的总排序权向量值，对若干个视频监控点进行排序。

具体地，基于上述6个视频监控点的总排序权向量，服务级别由高到低分别为b1、b4、b2、b6、b3、b5。

S208、对排序后的若干个视频监控点进行服务级别划分。

具体地，在本实施例中，设6个视频监控点分3层管理，其中，第一层的视频监控点的数量为1个，而计算得到的公差为1，则第二层的视频监控点的数量为2个、第三层的视频监控点的数量为3个。由此可得，监控点b1属于优先级别最高的第一层，b4、b2属于次优先级别的第二层，b6、b3、b5属于优先级最低的第三层，根据实际的情况进一步管理的策略和服务方案。

基于上述内容可得，本发明所具有的优点包括有：

1、将IT中的服务级别管理引入到交通设施管理中，有利于指导交通设施的维护管理计划，避免了交通维护的盲目和无计划维修；

2、通过统计视频监控点被调用的次数、巡控的时长、拷贝录像的次数等操作记录，并结合视频监控点的重要性，从而可动态、定量化衡量确定出在各个周期里监控点所处的服务级别，改变了传统定性判定监控点服务级别的方法，更符合现有的用户实际需求，并且具有准确度、实时性、灵活性高；

3、能根据交通运维单位的实际需求，定义不同的服务层级的设施管理点位，使得交通设施运维管理更合理、实效；

4、能大大地提高现有的运维服务效率，节省大量的人力资源成本，同时提高行业的服务管理水平，更好地满足用户需求；

5、能大范围推广应用到其它交通设施管理，有利于这些设施的快速维护和满足用户的需求，适用兼容性高。

实施例3

本发明实施例提供了一种视频监控点服务级别的快速识别管理装置，如图4所示，包括：

至少一个处理器301；

至少一个存储器302，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器301执行，使得所述至少一个处理器301实现所述一种视频监控点服务级别的快速识别管理方法。

上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims

1.一种视频监控点服务级别的快速识别管理方法，其特征在于，包括以下步骤：

对排序后的若干个视频监控点进行服务级别划分。

2.根据权利要求1所述一种视频监控点服务级别的快速识别管理方法，其特征在于，所述若干个因素之间的影响程度矩阵为通过第一构建步骤而构建得出的矩阵；所述第一构建步骤包括：

3.根据权利要求1或2所述一种视频监控点服务级别的快速识别管理方法，其特征在于，所述因素包括视频监控点的权重以及视频监控点的操作数据；所述若干个因素对比矩阵包括至少一个视频监控点的权重对比矩阵以及至少一个视频监控点的操作数据对比矩阵。

4.根据权利要求3所述一种视频监控点服务级别的快速识别管理方法，其特征在于，所述视频监控点的权重对比矩阵为通过第二构建步骤而构建得出的矩阵；所述第二构建步骤包括：

5.根据权利要求3所述一种视频监控点服务级别的快速识别管理方法，其特征在于，所述视频监控点的操作数据对比矩阵为通过第三构建步骤而构建得出的矩阵；所述第三构建步骤包括：

获取若干个视频监控点的操作数据；

6.根据权利要求3所述一种视频监控点服务级别的快速识别管理方法，其特征在于，所述视频监控点的操作数据包括视频监控点的调用频次、巡控时长和/或录像拷贝次数。

7.根据权利要求1或2所述一种视频监控点服务级别的快速识别管理方法，其特征在于，所述计算若干个因素之间的影响程度矩阵所对应的第一归一化向量，以及计算若干个因素对比矩阵分别对应的第二归一化向量这一步骤之前设有第一检验步骤；所述第一检验步骤包括：

8.根据权利要求1或2所述一种视频监控点服务级别的快速识别管理方法，其特征在于，所述根据若干个视频监控点分别对应的总排序权向量值，对若干个视频监控点进行排序这一步骤之前设有第二检验步骤；所述第二检验步骤包括：

9.根据权利要求1或2所述一种视频监控点服务级别的快速识别管理方法，其特征在于，所述对排序后的若干个视频监控点进行服务级别划分这一步骤，其具体包括：

10.一种视频监控点服务级别的快速识别管理装置，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-9任一项所述一种视频监控点服务级别的快速识别管理方法。