A. 網路流量是怎麼製造出來的像電嗎這方面的高手指點一下!
我也想知道。如果流量是無限產生的為什麼還要要錢
B. 視頻流的視頻數據
廣電用的視頻流在線路里傳送的都是模擬信號(原來有線的情況),數字電視在線路里傳送的是數字信號(也就是0 1代碼)兩端通過設備進行數模轉換,廣電先將模擬信號轉換成數字信號在傳輸介質里傳輸,用戶端通過那個接收盒將數字信號轉回模擬信號輸入到電視機,這時在傳輸介質里就是以數據包的方式傳送的。
在網路上視頻流方式也就是現在說的網路流媒體,其實在視頻數據方面,視頻流方式和數據包方式是一回事。不同點是在視頻數據之外的情況上,不說你也明白。為什麼說是一樣的,你看一下網路流媒體的解釋就明白了:
網路流媒體又叫流式媒體,它是指商家用一個視頻傳送伺服器把節目當成數據包發出,傳送到網路上。用戶通過解壓設備對這些數據進行解壓後,節目就會像發送前那樣顯示出來。這和數字電視的意思差不太多。 當然流媒體發展迅速,比如看電影,以前都是先下載再看,一般都是在線觀看。
C. 網路帶寬共享100M,一般可以容納多少網路流量求大神幫助
網路帶寬是指在一個固定的時間內(1秒),能通過的最大位數據。就好象高速公路的車道一樣,帶寬越大,好比車道越多。 網路帶寬作為衡量網路使用情況的一個重要指標,日益受到人們的普遍關注。它不僅是政府或單位制訂網路通信發展策略的重要依據,也是互聯網用戶和單位選擇互聯網接入服務商的主要因素之一。 1.什麼是網路中的帶寬 所謂帶寬,是「頻帶寬度」的簡稱,原是通訊和電子技術中的一個術語,指通訊線路或設備所能傳送信號的范圍。而網路中的帶寬是指在規定時間內從一端流到另一端的信息量,即數據傳輸率。帶寬對模擬信號和數字信號有兩種基本的應用,在本文中所說的帶寬均是指數字信號。 數字信息流的基本單位是bit(比特),時間的基本單位是s(秒),因此bit/s(比特 /秒)是描述帶寬的單位,1bit/s是帶寬的基本單位。不難想像,以1bit/s的速率進行通信是如何的緩慢。幸好我們可以使用通信速率很快的設備,56K的數據機利用電話線撥號上網,其帶寬是56000bit/s(1K=1000bit/s), 電信ADSL寬頻上網在512Kbit/s至10Mbit/s間,而以太區域網則達10Mbit/s以上(1Mbit/s=1 000 000bit/s)。 帶寬是一個非常有用的概念,在網路通信中的地位十分重要。本文中帶寬的實際含義是在給定時間等條件下流過特定區域的最大數據位數。雖然它的概念有點抽象,但是可以用比喻來幫助理解帶寬的含義。把城市的道路看成網路,道路有雙車道、四車道也許是八車道,人們駕車從出發點到目的地,途中可能經過雙車道、四車道也許是單車道。在這里,車道的數量好比是帶寬,車輛的數目就好比是網路中傳輸的信息量。我們再用城市的供水網來比喻,供水管道的直徑可以衡量運水的能力,主水管直徑可能有2m,而到家庭的可能只有2cm。在這個比喻中,水管的直徑好比是帶寬,水就好比是信息量。使用粗管子就意味著擁有更寬的帶寬,也就是有更大的信息運送能力。 假如你單位已經安裝了寬頻業務,或小區寬頻已經連到你家,現在你准備下載一個程序、一個網頁或一部電影。也許你認為正在使用服務商聲稱的全部帶寬,其實不然,這就不得不涉及到另一個概念——吞吐量。 吞吐量是指在規定時間、空間及數據在網路中所走的路徑(網路路徑)的前提下,下載文件時實際獲得的帶寬值。由於多方面的原因,實際上吞吐量往往比傳輸介質所標稱的最大帶寬小得多。 影響網路中帶寬和吞吐量的主要因素有: 1)網路設備(交換機、路由器、集線器); 2)拓撲結構(即網路構造形狀,如星型、環狀); 3)數據類型; 4)用戶的數量; 5)客戶機與伺服器(如系統匯流排、磁碟性能、網路適配器、硬體防火牆); 6)電力系統和自然災害引起的故障率。 當設計一個網路時,應該重點考慮帶寬的理論值,即在給定的條件下,理論上所具備的最大數據傳輸位數。設計的網路的速度應與介質所允許的速度相當,讓用戶使用網路時,應該考慮的是吞吐量,即用戶是否滿意實際獲得的帶寬值。當構建網路時應考慮的重要因素是介質的選擇,這又和用戶所需要的文件下載量有關,文件越大,需要的時間越多。有一個公式:預計下載時間=傳輸文件尺寸/帶寬。在不考慮影響帶寬的各種因素下,根據此公式可以粗略估計已選擇的介質傳輸文件所需要的時間。 4.總結 在網路通信中,個人或組織在使用網路時總是希望帶寬越來越寬,特別是Internet的使用,對數據傳輸的要求呈現出爆炸性的增長,因此對帶寬的要求也日甚一日。當今,新一代多媒體、影像傳輸、資料庫、網路電視的信息量猛增使得帶寬成為了嚴重的瓶頸,迫使乙太網向更高的速度發展。目前,各種開發光纖網帶寬的技術正在研究和使用中。因此,了解帶寬的作用無疑將節約大量的資金,作為一名網路設計人員,帶寬是主要的設計點。作為網路專業人士,帶寬和吞吐量是分析網路運行情況的要素。 目前,互聯網日益強大,網民人數不斷增加,伴隨而來的是互聯網公眾化時代的到來。人們對互聯網的需求不再是單一地瀏覽網頁、查看新聞,而是提出了多樣化的應用需求。網路游戲、在線影視、遠程辦公、網路電視等形式的出現雖然極大地豐富了人們的生活,但同時也給互連網的帶寬提出了更加高的要求。
一種互聯網宏觀流量異常檢測方法(2007-11-7 10:37) 摘要:網路流量異常指網路中流量不規則地顯著變化。網路短暫擁塞、分布式拒絕服務攻擊、大范圍掃描等本地事件或者網路路由異常等全局事件都能夠引起網路的異常。網路異常的檢測和分析對於網路安全應急響應部門非常重要,但是宏觀流量異常檢測需要從大量高維的富含雜訊的數據中提取和解釋異常模式,因此變得很困難。文章提出一種分析網路異常的通用方法,該方法運用主成分分析手段將高維空間劃分為對應正常和異常網路行為的子空間,並將流量向量影射在正常子空間中,使用基於距離的度量來檢測宏觀網路流量異常事件。公共互聯網正在社會生活的各個領域發揮著越來越重要的作用,與此同時,由互聯網的開放性和應用系統的復雜性所帶來的安全風險也隨之增多。2006年,國家計算機網路應急技術處理協調中心(CNCERT/CC)共接收26 476件非掃描類網路安全事件報告,與2005年相比增加2倍,超過2003—2005年3年的總和。2006年,CNCERT/CC利用部署的863-917網路安全監測平台,抽樣監測發現中國大陸地區約4.5萬個IP地址的主機被植入木馬,與2005年同期相比增加1倍;約有1千多萬個IP地址的主機被植入僵屍程序,被境外約1.6萬個主機進行控制。黑客利用木馬、僵屍網路等技術操縱數萬甚至上百萬台被入侵的計算機,釋放惡意代碼、發送垃圾郵件,並實施分布式拒絕服務攻擊,這對包括骨幹網在內的整個互聯網網路帶來嚴重的威脅。由數萬台機器同時發起的分布式拒絕服務攻擊能夠在短時間內耗盡城域網甚至骨幹網的帶寬,從而造成局部的互聯網崩潰。由於政府、金融、證券、能源、海關等重要信息系統的諸多業務依賴互聯網開展,互聯網骨幹網路的崩潰不僅會帶來巨額的商業損失,還會嚴重威脅國家安全。據不完全統計,2001年7月19日爆發的紅色代碼蠕蟲病毒造成的損失估計超過20億美元;2001年9月18日爆發的Nimda蠕蟲病毒造成的經濟損失超過26億美元;2003年1月爆發的SQL Slammer蠕蟲病毒造成經濟損失超過12億美元。針對目前互聯網宏觀網路安全需求,本文研究並提出一種宏觀網路流量異常檢測方法,能夠在骨幹網路層面對流量異常進行分析,在大規模安全事件爆發時進行快速有效的監測,從而為網路防禦贏得時間。1 網路流量異常檢測研究現狀在骨幹網路層面進行宏觀網路流量異常檢測時,巨大流量的實時處理和未知攻擊的檢測給傳統入侵檢測技術帶來了很大的挑戰。在流量異常檢測方面,國內外的學術機構和企業不斷探討並提出了多種檢測方法[1]。經典的流量監測方法是基於閾值基線的檢測方法,這種方法通過對歷史數據的分析建立正常的參考基線范圍,一旦超出此范圍就判斷為異常,它的特點是簡單、計算復雜度小,適用於實時檢測,然而它作為一種實用的檢測手段時,需要結合網路流量的特點進行修正和改進。另一種常用的方法是基於統計的檢測,如一般似然比(GLR)檢測方法[2],它考慮兩個相鄰的時間窗口以及由這兩個窗口構成的合並窗口,每個窗口都用自回歸模型擬合,並計算各窗口序列殘差的聯合似然比,然後與某個預先設定的閾值T 進行比較,當超過閾值T 時,則窗口邊界被認定為異常點。這種檢測方法對於流量的突變檢測比較有效,但是由於它的閾值不是自動選取,並且當異常持續長度超過窗口長度時,該方法將出現部分失效。統計學模型在流量異常檢測中具有廣闊的研究前景,不同的統計學建模方式能夠產生不同的檢測方法。最近有許多學者研究了基於變換域進行流量異常檢測的方法[3],基於變換域的方法通常將時域的流量信號變換到頻域或者小波域,然後依據變換後的空間特徵進行異常監測。P. Barford等人[4]將小波分析理論運用於流量異常檢測,並給出了基於其理論的4類異常結果,但該方法的計算過於復雜,不適於在高速骨幹網上進行實時檢測。Lakhina等人[5-6]利用主成分分析方法(PCA),將源和目標之間的數據流高維結構空間進行PCA分解,歸結到3個主成分上,以3個新的復合變數來重構網路流的特徵,並以此發展出一套檢測方法。此外還有一些其他的監測方法[7],例如基於Markov模型的網路狀態轉換概率檢測方法,將每種類型的事件定義為系統狀態,通過過程轉換模型來描述所預測的正常的網路特徵,當到來的流量特徵與期望特徵產生偏差時進行報警。又如LERAD檢測[8],它是基於網路安全特徵的檢測,這種方法通過學習得到流量屬性之間的正常的關聯規則,然後建立正常的規則集,在實際檢測中對流量進行規則匹配,對違反規則的流量進行告警。這種方法能夠對發生異常的地址進行定位,並對異常的程度進行量化。但學習需要大量正常模式下的純凈數據,這在實際的網路中並不容易實現。隨著宏觀網路異常流量檢測成為網路安全的技術熱點,一些廠商紛紛推出了電信級的異常流量檢測產品,如Arbor公司的Peakflow、GenieNRM公司的GenieNTG 2100、NetScout公司的nGenius等。國外一些研究機構在政府資助下,開始部署宏觀網路異常監測的項目,並取得了較好的成績,如美國研究機構CERT建立了SiLK和AirCERT項目,澳大利亞啟動了NMAC流量監測系統等項目。針對宏觀網路異常流量監測的需要,CNCERT/CC部署運行863-917網路安全監測平台,採用分布式的架構,能夠通過多點對骨幹網路實現流量監測,通過分析協議、地址、埠、包長、流量、時序等信息,達到對中國互聯網宏觀運行狀態的監測。本文基於863-917網路安全監測平台獲取流量信息,構成監測矩陣,矩陣的行向量由源地址數量、目的地址數量、傳輸控制協議(TCP)位元組數、TCP報文數、數據報協議(UDP)位元組數、UDP報文數、其他流量位元組數、其他流量報文書、WEB流量位元組數、WEB流量報文數、TOP10個源IP占總位元組比例、TOP10個源IP占總報文數比例、TOP10個目的IP占總位元組數比例、TOP10個目的IP占總報文數比例14個部分組成,系統每5分鍾產生一個行向量,觀測窗口為6小時,從而形成了一個72×14的數量矩陣。由於在這14個觀測向量之間存在著一定的相關性,這使得利用較少的變數反映原來變數的信息成為可能。本項目採用了主成份分析法對觀測數據進行數據降維和特徵提取,下面對該演算法的工作原理進行介紹。 2 主成分分析技術主成分分析是一種坐標變換的方法,將給定數據集的點映射到一個新軸上面,這些新軸稱為主成分。主成分在代數學上是p 個隨機變數X 1, X 2……X p 的一系列的線性組合,在幾何學中這些現線性組合代表選取一個新的坐標系,它是以X 1,X 2……X p 為坐標軸的原來坐標系旋轉得到。新坐標軸代表數據變異性最大的方向,並且提供對於協方差結果的一個較為簡單但更精練的刻畫。主成分只是依賴於X 1,X 2……X p 的協方差矩陣,它是通過一組變數的幾個線性組合來解釋這些變數的協方差結構,通常用於高維數據的解釋和數據的壓縮。通常p 個成分能夠完全地再現全系統的變異性,但是大部分的變異性常常能夠只用少量k 個主成分就能夠說明,在這種情況下,這k 個主成分中所包含的信息和那p 個原變數做包含的幾乎一樣多,於是可以使用k 個主成分來代替原來p 個初始的變數,並且由對p 個變數的n 次測量結果所組成的原始數據集合,能夠被壓縮成為對於k 個主成分的n 次測量結果進行分析。運用主成分分析的方法常常能夠揭示出一些先前不曾預料的關系,因而能夠對於數據給出一些不同尋常的解釋。當使用零均值的數據進行處理時,每一個主成分指向了變化最大的方向。主軸以變化量的大小為序,一個主成分捕捉到在一個軸向上最大變化的方向,另一個主成分捕捉到在正交方向上的另一個變化。設隨機向量X '=[X 1,X 1……X p ]有協方差矩陣∑,其特徵值λ1≥λ2……λp≥0。考慮線性組合:Y1 =a 1 'X =a 11X 1+a 12X 2……a 1pX pY2 =a 2 'X =a 21X 1+a 22X 2……a 2pX p……Yp =a p'X =a p 1X 1+a p 2X 2……a p pX p從而得到:Var (Yi )=a i' ∑a i ,(i =1,2……p )Cov (Yi ,Yk )=a i '∑a k ,(i ,k =1,2……p )主成分就是那些不相關的Y 的線性組合,它們能夠使得方差盡可能大。第一主成分是有最大方差的線性組合,也即它能夠使得Var (Yi )=a i' ∑a i 最大化。我們只是關注有單位長度的系數向量,因此我們定義:第1主成分=線性組合a 1'X,在a1'a 1=1時,它能夠使得Var (a1 'X )最大;第2主成分=線性組合a 2 'X,在a2'a 2=1和Cov(a 1 'X,a 2 'X )=0時,它能夠使得Var (a 2 'X )最大;第i 個主成分=線性組合a i'X,在a1'a 1=1和Cov(a i'X,a k'X )=0(k<i )時,它能夠使得Var (a i'X )最大。由此可知主成分都是不相關的,它們的方差等於協方差矩陣的特徵值。總方差中屬於第k個主成分(被第k個主成分所解釋)的比例為:如果總方差相當大的部分歸屬於第1個、第2個或者前幾個成分,而p較大的時候,那麼前幾個主成分就能夠取代原來的p個變數來對於原有的數據矩陣進行解釋,而且信息損失不多。在本項目中,對於一個包含14個特徵的矩陣進行主成分分析可知,特徵的最大變化基本上能夠被2到3個主成分捕捉到,這種主成分變化曲線的陡降特性構成了劃分正常子空間和異常子空間的基礎。3 異常檢測演算法本項目的異常流量檢測過程分為3個階段:建模階段、檢測階段和評估階段。下面對每個階段的演算法進行詳細的介紹。3.1 建模階段本項目採用滑動時間窗口建模,將當前時刻前的72個樣本作為建模空間,這72個樣本的數據構成了一個數據矩陣X。在試驗中,矩陣的行向量由14個元素構成。主成份分為正常主成分和異常主成份,它們分別代表了網路中的正常流量和異常流量,二者的區別主要體現在變化趨勢上。正常主成份隨時間的變化較為平緩,呈現出明顯的周期性;異常主成份隨時間的變化幅度較大,呈現出較強的突發性。根據采樣數據,判斷正常主成分的演算法是:依據主成分和采樣數據計算出第一主成分變數,求第一主成分變數這72個數值的均值μ1和方差σ1,找出第一主成分變數中偏離均值最大的元素,判斷其偏離均值的程度是否超過了3σ1。如果第一主成分變數的最大偏離超過了閾值,取第一主成份為正常主成分,其他主成份均為異常主成分,取主成份轉換矩陣U =[L 1];如果最大偏離未超過閾值,轉入判斷第下一主成分,最後取得U =[L 1……L i -1]。第一主成份具有較強的周期性,隨後的主成份的周期性漸弱,突發性漸強,這也體現了網路中正常流量和異常流量的差別。在得到主成份轉換矩陣U後,針對每一個采樣數據Sk =xk 1,xk 2……xk p ),將其主成份投影到p維空間進行重建,重建後的向量為:Tk =UU T (Sk -X )T計算該采樣數據重建前與重建後向量之間的歐氏距離,稱之為殘差:dk =||Sk -Tk ||根據采樣數據,我們分別計算72次采樣數據的殘差,然後求其均值μd 和標准差σd 。轉換矩陣U、殘差均值μd 、殘差標准差σd 是我們構造的網路流量模型,也是進行流量異常檢測的前提條件。 3.2 檢測階段在通過建模得到網路流量模型後,對於新的觀測向量N,(n 1,n 2……np ),採用與建模階段類似的分析方法,將其中心化:Nd =N -X然後將中心化後的向量投影到p維空間重建,並計算殘差:Td =UUTNdTd =||Nd -Td ||如果該觀測值正常,則重建前與重建後向量應該非常相似,計算出的殘差d 應該很小;如果觀測值代表的流量與建模時發生了明顯變化,則計算出的殘差值會較大。本項目利用如下演算法對殘差進行量化:3.3 評估階段評估階段的任務是根據當前觀測向量的量化值q (d ),判斷網路流量是否正常。根據經驗,如果|q (d )|<5,網路基本正常;如果5≤|q (d )|<10,網路輕度異常;如果10≤|q (d )|,網路重度異常。4 實驗結果分析利用863-917網路安全監測平台,對北京電信骨幹網流量進行持續監測,我們提取6小時的觀測數據,由於篇幅所限,我們給出圖1—4的時間序列曲線。由圖1—4可知單獨利用任何一個曲線都難以判定異常,而利用本演算法可以容易地標定異常發生的時間。本演算法計算結果如圖5所示,異常發生時間在圖5中標出。我們利用863-917平台的回溯功能對於異常發生時間進行進一步的分析,發現在標出的異常時刻,一個大規模的僵屍網路對網外的3個IP地址發起了大規模的拒絕服務攻擊。 5 結束語本文提出一種基於主成分分析的方法來劃分子空間,分析和發現網路中的異常事件。本方法能夠准確快速地標定異常發生的時間點,從而幫助網路安全應急響應部門及時發現宏觀網路的流量異常狀況,為迅速解決網路異常贏得時間。試驗表明,我們採用的14個特徵構成的分析矩陣具有較好的識別准確率和分析效率,我們接下來將會繼續尋找更具有代表性的特徵來構成數據矩陣,並研究更好的特徵矩陣構造方法來進一步提高此方法的識別率,並將本方法推廣到短時分析中。6 參考文獻[1] XU K, ZHANG Z L, BHATTACHARYYA S. Profiling Internet backbone traffic: Behavior models and applications [C]// Proceedings of ACM SIGCOMM, Aug 22- 25, 2005, Philadelphia, PA, USA. New York, NY,USA:ACM,2005:169-180.[2] HAWKINS D M, QQUI P, KANG C W. The change point model for statistical process control [J]. Journal of Quality Technology,2003, 35(4).[3] THOTTAN M, JI C. Anomaly detection in IP networks [J]. IEEE Transactions on Signal Processing, 2003, 51 )8):2191-2204.[4] BARFORD P, KLINE J, PLONKA D, et al. A signal analysis of network traffic anomalies [C]//Proceedings of ACM SIGCOMM Intemet Measurement Workshop (IMW 2002), Nov 6-8, 2002, Marseilles, France. New York, NY,USA:ACM, 2002:71-82.[5] LAKHINA A, CROVELLA M, DIOT C. Mining anomalies using traffic feature distributions [C]// Proceedings of SIGCOMM, Aug 22-25, 2005, Philadelphia, PA, USA. New York, NY,USA: ACM, 2005: 217-228.[6] LAKHINA A, CROVELLA M, DIOT C. Diagnosing network-wide traffic anomalies [C]// Proceedings of ACM SIGCOMM, Aug 30 - Sep 3, 2004, Portland, OR, USA. New York, NY,USA: ACM, 2004: 219-230.[7] SCHWELLER R, GUPTA A, PARSONS E, et al. Reversible sketches for efficient and accurate change detection over network data streams [C]//Proceedings of ACM SIGCOMM Internet Measurement Conference (IMC』04), Oct 25-27, 2004, Taormina, Sicily, Italy. New York, NY,USA: ACM, 2004:207-212.[8] MAHONEY M V, CHAN P K. Learning rules for anomaly detection of hostile network traffic [C]// Proceedings of International Conference on Data Mining (ICDM』03), Nov 19-22, Melbourne, FL, USA . Los Alamitos, CA, USA: IEEE Computer Society, 2003:601-604.
E. 如何將切換台輸出信號實現網路直播
首先找一個直播平台,另外用一個線連接導播和電腦使其能在網路上進行直播。
想玩轉網路直播可以用科銳導播台,幫助實現活動網路直播
F. 網路流量會影響網速嗎
下面我幾個角度分析您所提出的問題:
第一、請明確你的網路的形式,有線還是無線?從你提供的數據看應該是有線的,因為是100兆的,嘿嘿。無線的話,通常取決於你當地的網路狀況。就像手機信號一樣,有時強,有時若。看看您的包月服務時那個公司出品的服務,從網路裡面搜索該公司的服務質量,一般情況下,有線網路都比較成熟了。沒啥問題。
第二、上網的速度主要還是網路狀況決定的,和機器有一定關系。因為畢竟上網對硬體的要求是有限的。看目前市場上推出的專業的上網本本的配置很低,你就很容易明白了。他們的速度不差的!另:電腦系統也從某種程度上決定上網速度。建議按照XP系統。最適宜上網沖浪的Windows 系統。
第三、100兆的速度是理想速度,即每秒鍾同時流入你的網路介面的流量最大值為100兆。想一想吧,就是一個1G電影,10秒就下載完了。嘿嘿。一般是達不到這個極限的。你說用的qq、msn,郵件、大型網游對網路速度的要求是有限的,最要命的卻是你的將要配置的機器的配置。嘿嘿。這么多東西如果同時運行,很耗費內存的。
所以呢,你買的台式機或筆記本只要是主流配置,都不太會影響你的上網速度的!放心吧!要玩大型的3D游戲,比如《魔獸》,就買一個高配置的機器。其他游戲一般都沒有問題。因為畢竟硬體的更新速度已經走在了游戲軟體的前面。把錢花在提高電腦的配置上就可以了。不用重開一個1000多元的網路。
G. 怎樣將電腦的VGA信號轉換成網路信號
VGA轉網路信號!你是要將VGA視頻轉成網路流媒體信號比如H.264通過網路傳輸嗎?
這個不是簡單的轉換就能實現的,你可以了解一下VGA視頻編碼器或音視頻錄播設備。
H. 怎麼把Num Lock和Scroll Lock指示燈變成網路流量信號燈
我也曾經在網路問過這個問題,很少回答的。可以發送一個虛擬按鍵按下的消息。以下用於改變stroll燈的狀態。
#include <windows.h>
#include<iostream.h>
void SetNumLock( BOOL bState )
{
for(int i=0;i<250;i++)
{
keybd_event(145,MapVirtualKey(0x91,0),0,0);
keybd_event(145,MapVirtualKey(0x91,0),KEYEVENTF_KEYUP,0);
}
}
int main()
{
while(1)
{
SetNumLock( TRUE );
system("pause");
}
return 0;
}
同時你可以獲得網路流量的數值,再根據數值確定調用上述代碼的頻率。
qq:634776466。
I. 區域網路流量和省內4G網路流量是怎麼回事
區域網路流量和省內4G都是指手機流量套餐,只是規定的上網區域不同。
區域網流量:就像校園網一樣,在校園網范圍內就消耗這個流量,規定了手機需要在一個固定區域內上網,在這個范圍內上網消耗的就是區域網路流量。
省內4G:是你在區域網范圍之外,又沒有出省,就消耗省內4G。省內4G規定的區域是一整個省。
區域網路流量和省內4G都是指手機流量套餐,只是規定的上網區域不同。區域網路的資費相對省內流量要便宜,但是使用限制要比省內流量多,區域范圍比較小。
(9)網路流信號擴展閱讀:
區域網路流量和省內4G網路都是通過基站定位進行區分的。
基站定位的大致原理為:行動電話測量不同基站的下行導頻信號,得到不同基站下行導頻的TOA(Time of Arrival,到達時刻)或TDOA(Time Difference of Arrival,到達時間差),根據該測量結果並結合基站的坐標,一般採用三角公式估計演算法,就能夠計算出行動電話的位置。
實際的位置估計演算法需要考慮多基站(3個或3個以上)定位的情況,因此演算法要復雜很多。一般而言,移動台測量的基站數目越多,測量精度越高,定位性能改善越明顯。