24小时全方位优质医疗环境

移动网络的普及带动了无线媒体服务业的兴起，其中随选多媒体
（Multimedia On-Demand，MOD）服务型态最引人注目。尤其是结合特殊专业服务的多媒体型态（例如：专属家庭医生、在线保全、24小时居家照护、专业法律咨询…等等），可能在将来蔚为一股风气。但在这些应用里面，仍有一些关键因素需要多加注意，例如：人机接口之改良、网络传播技术的改良、服务提供的稳定性以及先进的多媒体压缩技术、多媒体内容的种类需求、制作、互动性与终端能力要求等因素。在本文里面我们将藉由科技的发展来探讨24小时居家医疗照护的概念，相信在不久的未来，这些价值服务将颇具值得深耕的潜力。

医疗照护之需求

慢性疾病是现代人的一项重要健康安全威胁，近年来因为饮食习惯的改变与污染增加，有越来越多人罹患此类疾病。在这些罹病族群中，又以幼儿及老年人的自我照护能力最弱。尤其在未来人口趋向老化的社会里，建立一个符合世界潮流之福利国社会，使这些老年人得以受到24小时安全健康照护已成为许多领域的发烧话题。以美国为例，老年人的家居看护或是物理复健（physical rehabilitation）已成为一股健康照护新型态，但许多家居看护与医疗中心并未采取适当的合作与联系，使的照顾这些病患的管理问题变得复杂。以一个基于世界卫生组织（WHO）所拟定的修正后国际结核病控制计划（National Tuberculosis Control Programme，简称RNTCP）为例子，其重视治疗的直接观察。当这些病患的肺结核检验为阳性时，这些病患会被加以分类，并且医疗诊所应该为其准备治疗卡与识别卡，然后将这些病患一一登记起来。在治疗过程中，这些病人会被要求一个星期要回去治疗中心3次，以接受药物治疗与直接的治疗观察。其并会派员监控整个疗程与药物的反应，并于必要时采取必要的预定行为。例如：病人超过两次未到治疗中心，专员必须到病患家中把他们带来治疗。但如果连专员都不知病患去向，那就会使整个肺结核控制计划（简称TB计划）中断疗程并可能造成TB的散播而危害社会或其它健康者的健康。为使安全健康照护无死角，24小时的远程监控能力之建立实有其必要，且往往需要依靠目前现有的无线运算能力来予以实现。因此，远程监控能力、紧急救护系统与无线系统本身的稳定性遂成为未来全方位健保环境的铁三角。随着无线技术的发展，应用无线射频技术、GPS卫星定位系统、GSM移动通信网路以及地理信息系统（GIS）来建构一个24小时全照护医疗环境已成为可能。尤其是对失忆老人行踪的掌握与一般无自我照顾能力者（例如：幼儿、无能力自我照护者或老年人）之居家看护，其系统整合将有助提升整体医疗质量环境。


一个妥善的24小时医疗环境建置包含4个主要关键系统，分别为：室内、外居家监控系统、远程户外活动监控与位置定位、紧急情况救援系统与系统服务的稳定维持。其整个系统的架构、基本内容与执行可以如图1所示。

一、执行面的训练

执行面的训练，可分成人的训练与系统的训练，在人的训练方面主要工作为需求评估与系统操作方面。前者非常依赖专业医疗人员的照护能力与核评技能，如果能精准执行，将有助于病患安全性的增加并有效节省社会不必要之成本浪费；后者，则需要定期接受系统操作等定期训练，以求系统环节中人的因素可保持在最低错误率上。在系统的训练方面，主要是包含系统的响应能力与问题搜寻。前者对于远程紧急照护通知具有关键影响力，后者则对自我系统修复与潜在需要协助病患之寻找有非常大的帮助，并可进一步避免不幸之事件发生，此方面的技术多倚靠专家系统与知识探勘技术为之。

二、服务具体化

每种服务的需求均有其时代背景，有些会变动得很快，有些则长期有其需求性。将服务需要性纳入“必要性”与“比例原则”观念的考虑，非但符合使用者付费原则亦有助于避免整体医疗资源的不必要浪费。因此系统的服务应该模块化，并建立多层架构，使每一层级的变动对系统均发生最小的影响力并大大提升系统的应用弹性。在此概念之下，中介层（middleware）的实作对此似乎有不错的帮助。

三、架构面

在以往这种24小时全面照护的需求因受限于可用科技与方法，常需耗费过巨致使推行困难。如今国人拜无线科技所赐，使得24小时照护的优质医疗服务遂成为可行。因此在架构面上的主要问题，乃在于怎样找出这些需求群、并因应这些架构需求群，妥适的架构一个符合成本又切合需求的系统并使系统服务不超出可用负担之外。在需求群寻找方面，一方面需要医疗诊所的专业人员审查，二方面可应用家庭成员之主动通报来完成。而在妥适的架构一个符合成本又切合需求的系统并使系统服务不超出可用负担方面，此属较为棘手之问题。在此方面包含前端系统的感知，网络的服务递送稳定度，以及后端系统的丛集化与负载平衡，这些议题我们将于后述。

建构优质服务环境之基本要件

无线多媒体的应用能力长久以来均受到客户端与传送网络的严格限制，但随着无线频宽的增大，各系统厂商可利用无线网络平台推出自己的特定服务，来巩固客户群、深耕其经营内容并与客户产生更多互动。这些特定服务包含：专人电话秘书、多媒体互动信息、在线电影院以及快速的网络存取服务…等等。对移动用户而言，这种多媒体服务的吸引力远较一般传统应用（例如：文字简讯）要更强，如果在其它因素方面亦能改善，无线多媒体时代的来临指日可待。但是要使用这些多样化的媒体型态，其非依靠一个友善的操作接口来完成不可。此外，手持装置的耗电能力亦是重要的主要应用障碍，在许多情况下，移动装置都依靠电池作为主要供电来源，但是长时间使用其它服务时，因不时使用手持装置资源以及长时间点亮TFT屏幕，致使电池电力的消耗特别快，导致在有紧急情况时反而无法使用通信功能，此亦为许多人所顾虑而不愿接受移动运算服务的主因。为解决此问题，除开发序电力更久的电池、降低耗电功率外，另一种利用太阳能作为辅助电力的方法亦被尝试使用。在一般日光下，手持装置可利用电池维持稳定电力供应外，同时亦可利用太阳能储蓄电力。当此方法被真正实作在装置上时，将有助于大家利用手持装置使用无线多媒体服务的意愿。综归以上因素，要缔造更优质的无线媒体服务环境，其中所须具备的一些关键因素概举如图2。

图2中的实线部分因素，乃较为重要且具有急迫性的关键因素，由图2中我们可以发现其可概略分成4大类别。虚线部分乃是其它一些次要因子，这些因子的备全将可以使整个服务环境迈向更好的境界。

群组通信技术的倚重

信息的保持与信息之发送在不同领域有不同的重要性，其中医疗信息的服务方面，其容许误差将变得更小。目前虽然已经有些医院利用建立专线的方是进行远距手术，但要将这些服务扩展到无线环境以满足24小时可在任何时间与地点提供服务的要求恐非易事。这涉及到系统同时处理这些大量要求的能力、以及网络传送的质量问题，最后则涉及到如何在维持一定的服务质量内使用更少的频宽，在陆续谈论这些问题之前，我们先从传递方式谈起。

一、广播与群播协议的应用与差异

利用无线网络传送技术，使用者可以随时随地将要求与服务结合于一机。换句话书，使用者只要使用无线网络环境，并对远程服务器发出服务要求，此要求便应可传达到服务器中并为其所处理。处理结果在直接经由无线网络传回给使用者，达到真正的随意运算的目的。不过此看似简单的服务类型若要普及，却必须先克服数种障碍因子，除了使用者接口之外，以服务价格、服务质量与维持、处理时需…等因素是最为大家所关心的焦点。使用者接口影响到移动用户使用无线通信服务的便利性，服务价格、服务质量与维持却是影响人们使用无线网络服务的主要意愿。以目前一般群组通信的方式而言，其可概分成两种不同方式。一种称为广播是通信系统（broadcasting systems）：另一种称为群播式的通信系统（multicasting systems），这两种通信系统各有其应用上的优势与缺点。运用的原则上，如果群组的成员密度比较稀疏且成员的移动属性低时，群播的通信方式会运作很不错；相反的，在成员的密度高且移动性大时，使用广播方式会是不错的选择。广播的方式提供了许多优点，除了不须要像群播协议一样，需要维持一定的递送网络架构之外，还因为其在网络架构中，因为存有多个重复广播器（rebroadcasters），所以无形中也形成了一个递送冗余性而强化了广播传递信息的可靠度。使得广播系统在高度成员移动性的情况下，依旧可以维持很好的信息强固性保证。因为这些因素，使的广播系统目前人在高移动性环境及群组通信里面，仍属一种重要的通信方法。不过广播方式并非全无缺点，事实上其在应用上仍有其限制所在。例如在广播方式中，系统不会管接收信号者是何人。因此广播内容便失去数据的保密性，并且造成太多冗余数据地流窜，故广播方式在某些应用脚本里面并不具应用适格性。在广播（broadcasting）的方法里，W. Peng及X.C. Xu等人（2000）所提议之SBA（Scalable Broadcast Algorithm）方法识破具吸引人的方案。因为在一般常用的简单广播方法里面，其常使用“洪流策略（flooding policy）”作为广播方式，但是这种方式容易造成冗余信息的流窜以及大量不必要的重复广播。为解决此问题，Peng及Xu提出了一种称为SBA的改良式广播协议，其可以有效减少重复广播次数以及降低冗余信息所造成之广播风暴，相关研究可参考W. Peng及X.C. Xu（2000）提议之SBA（Scalable Broadcast Algorithm）方法，在此不多冗述。不过在商业应用上，许多多媒体服务通常不会使用广播的方式作为媒体传送方法。一方面是要落实使用者付费原则，其次乃顾及数据隐私方面的议题。因此为了使移动用户MOD服务能提早实现，一个传统作法便是利用点对点式的单播传送（unicast transmission）方式为之。但此种方式面对用户群较小时，还可以勉强应付。一旦用户群变大时，其频宽的需求便很惊人（即使在有线网络环境中，频宽需求亦是严重的成本负担），进而影响客户可享用之服务质量。这是因为单播的媒体传送方式，会因为网络流量的增加而消耗其它网络资源，因此在应用上颇受限制而无法适用于大型商业服务。最近几年国、内外均积极找寻可以降低传送成本之方法，其中群播技术便是其中一项重要讨论方案，而其相关研究可参照S. H. G. Chan及S. H. I. Yeung （2003）、N. L. S. Fonseca及R. A. Facanha （2002）或是G. Boggia、P. Camarda以及L. Mazzeo等人（2005）的研究。

另外，如果在无线网络中仍使用单播的服务模式，显然无法达到降低成本、增加获利之目的。要解决此问题可分成三个不同部分，一种是针对网络传送模式的改变，另一种是针对多媒体压缩技术的改善。在传送模式的改变下，许多研究者改建议以群播方式作为媒体服务的传送方法。这是为了避免单播传送所可能带来的资源消耗问题，目前这种无线网络服务的“群播模式（multicasting mode）”的概念正被广泛讨论中。因为在群播方法里，其可利用单一数据串流来提供具有相同要求之多个不同使用者所要的服务，因此其在无线网络的应用上颇具潜力。正因此故2003年时，3GPP便致力于群播服务在无线网络应用上的标准化（其称为MBMS）工作。藉由MBMS，其将可在3G移动网络里支持群播能力，并可藉由手持装置之数字视频广播传送系统的标准化，使群播服务亦可适用在手持装置之上（其称为DVB-H标准）。

另外，藉由无线群播网络与广播网络之交互使用，将可使随意服务之成本效益降到可接受范围。在此混合系统里面，3G网络可被用来提供返回（return）频道之用，以收集使用者对服务的要求（requests）；而在有效的服务递送方面，则可藉由DVB网络系统利用群播或是广播的方式提供使用者所要的服务。不过现在有个问题，就是在实务上为了维护无线网络应用质量，我们常常会针对服务主机建立平行服务能力与引入负载平衡机制，而此部分与前二者一样亦是目前许多无线应用里面所被关注的重点。不过这种负在平衡与服务冗余性的能力，对群播服务所带来的减量网流是否会发生部分抵销现像是值得关注的，也就是说，质量的最佳性所应设置的丛集主机数，届时将与群播网络所能提供的减流能力势必发生拮抗作用。此外，在群播技术里，其虽具有在大规模使用群时明显降低频宽使用需求的能力，但是许多人的问题乃在于如何跨出第一步的问题，也就是要如何建置该群播环境与管理上的问题。换言之，使用群播技术并非是现有网络架构可胜任的，它需要组构另一套群播网络基础建设（即是建立群播骨干（MBone））并发展各种群播管理技术。因此在技术熟悉度上，群播技术比单播技术要显更为复杂。不过目前的群组通信（group communications）协议离普世标准还有一段距离，此外，许多现行的协议也通常有其应用的特定限制，或其情境往往是为了某些特定脚本为前提，这些预设立场使得此类策略在应用上并无法满足所有环境条件。在移动ad hoc网络里，群组通信方式是其沟通的基本模式之一。正因为群组通信有其大群组通信上的便利性，所以群组通信并不只被用在ad hoc网络，其同样也被应用在其它需要使用通信传播的领域。

虽然广播与群播是两种常被使用的群组通信标准，但其间具有非常不同的优点与架构上的差异。其中最重要的两点，在于通信群的特异性与通信架构的特异性。使用广播方法，其接受群并无选择余地，只要在同一网络中的各群体成员，均会收到广播相关信息，因此广播方式不具通信群之特异性。此外，广播方式利用的策略多为洪流策略（flooding policy），因此其不须为了广播而创建特殊的通信架构。反观群播系统，其通信群往往非指整个全部网络用户，其局限在网络中某一特定用户群而已（我们称其为网络“次集合（subset）”）。其它非属次集合成员者，并不会收到群播信息。此外因为网络组成架构具有动态性（时有成员加入，亦时有成员离开），此致使一些群播策略在某时、某地可能会有较佳的应用效能，但是亦可能在其它条件下又无法显示其优势。

其次，在通信架构的维持上，为使群播信息可以顺利到达有效成员，群播协议会创建一个特殊的数据散播架构（data disseminating structure），其中最常见的微树状结构（tree structure）与网眼结构（mesh structure）。不过因为典型的群播协议标准并未能放诸四海皆准，换句话说，并非每一种群播协议均可适用在各种网络环境。某些群播研究均设定了其应用的特殊脚本，并造成不合理的成本分配（通常使理论成本比实际成本偏低）。许多企业未能明察其中信息递送结构（delivery structure）的差异，贸然投入后的下场便是以亏损严重收场。因为就一般而言，要控制和维护这些群播架构，须要很庞大的控制信号（control messages）在所有组成的成员节点之间穿梭，且其所需要的路由架构与现有网络路由器也不太相同。尤其在成员具有高移动性环境下，其建立的群播架构很容易因此而完全失效，故为使群播架构运作完全，其必须时常定期发送控制信号出去。

二、群播的服务递送模式

虽然目前有许多概念性的工作对无线网络中的群播式MOD服务提供了有效率的运作方法，但可惜的是，这些研究的焦点多放在其特定的网络条件架构下，只有很少数的算法可直接适用随意服务之上。换句话说，此领域的研究仍属尚待开发的阶段。在各种有线环境中的通信研究里，其已发展出各种方法可在群播式的MOD下有效的递送服务。此类方法的运作概念，在于远程服务器于递送服务到客户端之前，会先汇集一些客户要求（可能按时（timeout-based）或按量（size-based）的方式），然后将这些具有相同要求的客户视为同一服务群组，并对此群组送出一份单一群播服务的数据串流（data stream）。因此，这种群播式的MOD服务，亦被称为“群组式随意多媒体服务（group-based Multimedia On-Demand，GMOD）”，更深入的有关此方面研究报告，可以参考2006年L. Hunag等人的相关研究。正因为群播式的MOD在伺服端递送服务之前，远程的客户端必须等待一段服务器资料搜集阶段（即是搜集相关用户的媒体要求）。因此这种群播式的随选媒体服务最为人诟病之处乃在于客户端使用服务时，往往需要等待一段时间。且依据每个客户端的终端设定不同，客户端的有效等待时间亦有差异。换句话说，在远程服务器开始递送服务时，并不一定保证每个客户端届时还能有效接受服务。因此这将使厂商失去一些获利机会以及造成客户丧失对该厂商所能提供服务能力之质量信赖。为解决此延迟问题，H. J. Kim及Y. Zhu （1998）与Chan等人（2001、2003）提出另一种称为“批处理（batching）”的方法。Kim、Zhu及Chan等人所提出的这种策略也就是一般所谓的“传统策略”，在其策略中其可以分成两种基本策略与两种混合策略。前者所谓基本策略乃指“按时（timeout-based）”或“按量（size-based）”的批处理方法；后者乃指利益结合批处理与遗失结合批处理方法。这种按时批处理（timeout-based batching）或按量批处理（size-based batching）方法，亦是目前无线网络中为人所熟知的两种批处理策略。在Chan及Wong等人的方法里面，比较重要的是其有两个基本假设。首先是假设网络资源是没有限制的；其次，其亦假设使用者使用服务不存在偏差行为。因此其方法在一些资源有限或是存有恶意使用者环境的情况下，便无法全部适用。

许多后来的发展策略均已此两个基本方法作为基础而来，例如：2001年时Chan所提议的利益结合批次方法（combined-for-profit batching）以及遗失结合批次方法（combined-for-loss batching）均属之。在Chan及Wong的分析模型中，其乃属于按时批次策略的效能评估方法之延伸。这些传统方法的更详细介绍可以参考1998年Kim等人的研究及2001年Chan的相关研究，或者亦可参考较新的L. Huang（2006）等人之研究。除Kim、Zhu及Chan等人的方法之外，另外尚有K. A. Hua等人（1998）提出的“分片（patching）”方法，以及1996年时L. Golubchik等人所提议的“小猪回笼（piggybacking）”方法可供参考。不过根据Fonseca及Boggia等人的看法，以上这些方法均具有互补性并可结合成一种新的混合策略（hybrid strategy）以改善效率。虽然在这些被提议的方法里面，以批处理（batching）的方法运算效率较高，并可避免其它资源的浪费，因此许多研究者均以此方法作为一个改良基础，但其亦非并无缺点，例如：在按时的批次方法里面，每个使用者必须等上一个批次周期时间才能看到其所要求的媒体内容。在此周期时间是个随机变量，其和使用者放弃函数有关，也就是说，如果因等待时间过长致使此内容无法被显示，则使用者往往会放弃此服务。因此如何取得最大使用者量（即不要求取得全部使用者量）与系统资源最佳化之间的平衡点是一个重要的思考问题。另外，如果在批处理之后，如果已经没有多余的群播通道可供使用，那客户端的要求就会暂时被阻断而无法使用服务。一个批处理的系统概图可如图3。

在图3中，伺服端的多媒体内容被使用的频率并不相同，在此可分成热门的内容与冷门的内容（或称罕用的内容），而传送所要求媒体所需要之频宽计算必须依据热门与冷门之间的频宽需求（即是媒体选中率与到达率）按比例计算。让我们假设一个系统可以提供的多媒体内容为{1,2,3,…,M}，其中1,2,3,…,M表示媒体的型态种类。例如：视频、音乐、文字、图片…等等。每一种媒体内容均有不同的特点与存续时间。假设某一媒体之到达率（arrival rate）以表示，其中m=1,2,3,…,M；而以表示该媒体m被使用者选中的机率，则使用者收到该媒体m的机率可表示为。一旦系统收到使用者要求某一特定内容时，系统便开始计算批次时间，并在此时间内收集其它具有相同要求的使用者数据，以最佳化系统资源的使用分配。在此我们假设两个批次参数T及S分别表示按时或按量批次策略，以调整批处理的间隔。使用者的相同媒体要求都会被放在批次队列（batching queue）中被同时处理。为这种批次方法需要使用者等待一段批次周期（batching period，即是等待周期），以使系统有足够时间建立服务架构与搜集使用者要求数据。因此使用者对这些等待周期的耐受度各不相同，有些使用者会在服务开始提供之前便已放弃使用。在批处理完成之后于服务递送前，系统必须再次检查批次队列内有效的使用者要求，因为一些仍留在批次队列中的使用者要求，有些会因为使用者无法等待服务建立时间而已不存在，这些不存在的要求必须移除。让我们假设某单位时间内，媒体内容m所剩余的使用者要求量为，此要求量便是所谓的媒体m之真正通透量。计算方式为媒体m之要求数平均批次大小（）与两个媒体m之间的连续拷贝递送时间之平均间隔（）的比值，即是，其中与可以参考Chan的计算方式。在开始传送服务时，系统会送出一个资源要求（resource request），以作为内容m要传送给批次队列中所有使用者要求时，所需具备之资源使用要求。对一个在无线蜂巢中含有全部群播通道之群播资源池（multicast resource pool）而言，此资源要求乃是整合其它资源之全部要求（即是要求总额）。

确认病患照顾确实性－维持服务质量的必要性

服务质量的维护可以分成两个层面来看，一个是站在病患的角度而言，另一个是站在伺服端的角色来看。无线网络的服务质量维持是让服务可被接受的基本要件，但因为在无线网络中其终端设备的资源有限加上无线网络频宽的考虑，要执行多媒体之应用颇有多种限制存在。这些限制主要有3个，分别为运算复杂度、储存成本与传送成本。而截至目前为止，要同时解决此3个问题并非易事。主要原因在于，要节省储存成本与传送成本，势必要提升多媒体本身的压缩效能，但要提升压缩效能就会增加运算复杂度，真是进退维谷。换言之，虽然好的媒体压缩技术不但可以减少每个多媒体区段（multimedia session）的使频宽量，亦可以减少媒体储存需求以降低储存成本，同时亦降低前面两者的实作困难度与缓解需求的急迫性。但其缺点是，好的压缩技术往往涉及较繁重的运算成本，此条件又不一定能为所有终端设备所满足。例如ITU-T提出的H.264/AVC SP版本，其运算复杂度因为太高，许多无线装置在实作上仍有其力有未逮之处，因此许多厂商的一个作法是以VC-1 CODEC暂时做为无线应用上的解决方案。由此观之综合前面所述，此三部分对于提升更精致的无线网络服务质量具有举足轻重之地位。因此如果要提供客户端负载的服务质量，往往需要降低运算复杂度（尤其是对实时多媒体应用而言），才可能使播放器播放更为顺畅。如果站在伺服端的角度来看，要维护无线网络服务的稳定性，采平行处理以及负载平衡机制是一项颇为吸引人的方式。利用丛集式（cluster-based）主机服务群，所提供的服务冗余性，可以保持提供用户某种服务的能力（或质量）的维持，此将有助于避免不必要的医疗纠纷，目前许多商业应用均已朝向此方面前进。

一、服务质量的量化技术-服务等级同意书（SLA）

递送实时多媒体服务与一般数据下载服务的最大差异，在于时间的耐受性与质量的最低接受度，此问题在无线网络的应用上尤其明显。目前许多多媒体服务的递送，大多以时间耐受性为主要考虑，对于质量问题似乎并不太注重，好似大家都有认知的默契，认为无线网络只能做到如此，所以没啥好苛求的。但随着应用的需求量增大，除了要求时间延迟需少于一定限制之内以外，还要求要提供用户一定的的服务质量。至于服务质量的等级，则依据使用者付费原则，由用户与系统商订立契约表示，此即是服务质量同意契约书（service level agreement contract），简称SLA。一旦服务质量契约书订立之后，系统服务厂商即须依契约来履行服务等级质量保证义务，而客户则需支付对价，此乃天经地义之事，任一方有可归责于己之事由而不能依债之本旨履行其义务时，便可能须负担债务不履行责任。在此，使用者端的部分因为主要是支付价金，所以比较容易解决，比较有问题的部分在于系统服务商的部分。在目前的工业应用里，QoS的需求常被归为SLA问题。直至今日，人们对SLA并没有一个标准定义之存在。也就是说，目前SLA的规范语言定义仍处于研发阶段，例如：J. SKene及D. Lamanna等人（2004）的研究里，其称之为“SLAng”。大致上而言，SLA是规范服务厂商与消费间的服务质量有对价关系，因此往往是一种描述集合，常以契约型态存在。此描述集合可以和QoS感知cluster一起嵌入到它所处的应用程序里面。为了方便处理，SLA的契约型态与一般法律文件有些差异，SLA常以XML格式存在以方便与AP结合在一起。在一个SLA XML档里面，它有两个区段组成，一个称为用户责任区段（client responsibilities session），另一个称为服务器责任区段（server responsibilities session）。在此两区段内分别定义了AP用户与AP 服务器的相关权限与法律上义务。所谓用户义务（client obligations）所指的包含服务使用的单一性（不得将密码与账号与他人分享）、单位时间内联机数目限制…等等；而所谓服务器责任（servers responsibilities）部分，通常包含AP运作的保证、QoS等级的维护、传送障碍的排除…等要件。这些服务器责任种类可利用QoS来作为分类依据，亦可以用AP响应时间作为分类方式，此乃依据商业模式而略有差异。

二、质量感知系统之建置

系统商要如何能侦测使用者端的接收服务质量是合乎SLA规范的？此乃颇令人伤脑筋的问题。为了解决这些问题，许多研究者提出了多种QoS的感测方法，这些QoS感知方法最好还能与现行系统兼容，而不必作太多改变，例如：G. Lodi与F. Panzieri等人于2007年提出一种应用服务器（application server，AP server）的QoS感知（QoS-aware）的丛集架构。在他们的设计架构里，其把QoS感知能力实作在中层间（middleware）里。利用middleware架构可以协助动态资源管理与AP服务器对于丛集资源的动态分配。换句话说，在他们提议的方法里面其将SLA与AP server 整合在一起，使AP server具有QoS感知能力并支持AP服务器动态架构及负载平衡。不过QoS感知的AP服务器并不容易，其有两个因素需要仔细考虑，一种为AP服务器种类的选择（例如：J2EE、Dot NET或是CORBA组件模型（CORBA component model，CCM）…等AP服务器技术），因为不同的AP可能会有不同的QoS需求（例如：画面质量、时间延迟、响应时间限制…等等），这些需求一般可被概括归类为服务等级同意契约（service level agreements，SLA），该契约以明文的方式保障消费者与厂商所应履行的义务。为使AP设计者拥有更多掌控能力，以及相关应用程序具有更大可用性，不过目前的A服务器几乎都有提供丛集能力与负载平衡（load balancing）；另一种为资源的消耗情形，在AP服务器所提供的服务里（例如：web服务），其可由高度的加载变异性加以特征化，以作为规划他们的SLA有关资源使用量的参考。

在许多情况下，为了确认伺服端提供的服务质量不会违反SLA规定，通常一般会以AP服务器可能需要的资源之最坏状况来作为资源分配依据，并应用RO策略（resource overprovision policy，ROP），以静态的方式将资源配置给AP使用。此策略虽不会使资源使用最佳化，但可达到次要可接受程度。不过因为此策略乃基于worst-case情形，故在当时执行情况（run-time）有可能会有很多以分配之资源可能未被使用，而浪费了可用资源。因此如果对要达到SLA所可能使用的系统资源有更精确的评估，就越能帮助我们降低资源使用上的浪费。基于上述之建置观察，一个对QoS感知性好的伺服端架构应具备监测能力（即是监控服务）、动态架构能力以及适当的负载平衡能力。监控服务是信息提供的重要方式之一，尤其是对QoS感知的丛集架构而言。利用监控的方式，至少我们可以得到丛集成员的变动情形，以及不同丛集之间的效能分布，并且也可以知道hosting SLA是否有失效或未达到的情形。不过因为监控服务，通常是定期确认的方式，来确认丛集成员之架构变化。此外监控服务也负责监控数据，例如丛集的反应时间，SLA的达成度…等等。以侦测丛集递送的服务是否合乎QoS的等级要求。在监控服务中，其具有许多参数可供设定，这些参数可被用来追踪丛集的动态行为；而为了能反应当时流量特征与服务存取模式，动态架构要能重新架构当时最适合的服务系统丛集架构。此处所谓一个好的丛集架构，应包含利用最少的资源节点（resource nodes）去建立一个符合SLA的质量架构，使其服务可达到hosting SLA之要求。负载平衡是丛集服务器一个重要特色，其通常被实作在middleware层，以平衡来自客户端的HTTP要求。负载平衡的一个条件，主要在维护hosting SLA能被满足，以减少nodes过载的情形，并可避免服务处于不可用状态。因此一个丛集服务器的负载平衡主要具备有几个重要特色，分别为：自标的node接收响应、取得每一客户端之HTTP要求、提供触发要求客户的响应、选择标的node可用的负载平衡策略…等等。以G. Lodi等人的middleware架构而言，其便是采用是一种可动态重新架构的概念，其依据监控程序所给予的数据适当的调整丛集系统的负载平衡。图4显示了一个Lodi等人提议的的middleware架构概图。

Lodi等人的middleware架构乃以JBOSS实作为主，他们之所以选择JBOSS的原因之一，主要是因为其含有许多通信、交易、安全…等等middleware服务的集合，这些服务利用JMX（Java Management eXtension）的微核心来完成彼此间的互动。且在JMX里，其也定义了一般的软件总线（software bus），以方便Java开发者容易整合各种组件（例如：plug-ins、modules…等等），这些组件通常会被宣告为MBean（Managed Bean）的型态并被加载JBOSS中。最后大量的JBOSS AP服务器执行体（instances）可以被丛集化成一个局部网络，和其它丛集一样，一个JBOSS丛集亦由许nodes组成，在此每一个node都是JBOSS的AP服务器执行体。每个丛集node的IP位置可以是经由DHCP server动态分配，亦可指定静态IP位置。前者，整个丛集架构中需加入DHCP服务器的考虑，后者则省去DHCP服务器的参与。其系统概图如图5。
在许多简化的设计里面，通常采用的是静态IP（static IP）作为node的IP位置，不过这种简化设计脚本对于高移动性的无限网络群组将有适用上的限制。在图五的架构中，其显示了丛集内每一个nodes之间的合作情形，包含复制的configuration service、监控服务以及负载平衡，其每个实作均可以MBean的方式整合到JBOSS AP服务器内。在此丛集中只有一个node会负责SLA之强化、监控与负载平衡，其它nodes则属备位状态。负责现行SLA的node我们称为master node，其它称为slave nodes。Slave nodes通常只会在master node挂点后，才会启动并接任原master node的工作。为防止Matser node本身挂点后无法执行监控功能而使系统停摆，因此master node的监控功能乃由slave nodes中的监控程序为之。一旦侦测到master node挂点，其便利用JBOSS内建之群播通信方式（JGroup机制）来通知其它nodes，并由configuration service依据每个node中所具有的独特ID值（例如：静态I位置）为主或以决策算法为之，在这些slave nodes中选出其中一个node作为master node继续工作。不过有设计过middleware的人员便知道，其架构的设计并不容易，这中间有许多问题需要被解决与沟通，这些问题包含：最佳化资源的使用率、SLA内QoS的满足性以及软件架构的最大可移植性…等等。为了更精确定位这些问题，我们须对分布式应用中的QoS需求架构的设计有更深入的了解，例如：run-time的资源监控服务之评估，以及一些回馈控制机制理论（feedback control theory）。此外为了处理丛集环境之特征化、高度变异性及不可预测加载条件之情形，我们也会须要一套动态的负载平衡机制。这些负载平衡允许我们对客户端的要求，在cluster服务器之间作适当分配，以避免服务器因无法承受大量用户要求而出现过载（overloading）情况。
不管是站在病患（使用者）角度或是伺服端角度来看，整体服务质量的体现是最重要的一项成果。因此在QoS的应用里，我们所关心的焦点主要有两个，一个是资源使用量，另一个为医护经营成本的抑制。在此两大方针里，其中资源使用的要求以及服务需求性，最好还要能依据run-time的实际情况而可动态改变，以符合应用程序（AP）之QoS要求又节省资源。在一些企业应用里面，分布式的组件技术是达成此目的的最重要方法，在其中比较重要的又以Dot NET技术以及J2EE技术是目前最广被使用的。以一个J2EE-based的应用程序其主要可分成4个组成构造，分别是managed components、namely、srevlets及EJB（Enterprise Java Beans），其分别位于servlet container以及EJB container中，而这些container就是这些应用程序的run-time环境。在多数的J2EE商业套件里面或开放原始码（open-source） AP服务器中，亦有提供丛集化能力。在此所谓的丛集化能力和数据分析里面的丛集技术有些不同，其乃指一种架构性的机制（architecture mechanism），其经由负载平衡与复制性（replication），可被用于改良通透性与分布式AP的可用性。站在J2EE的观点来看，一个丛集（cluster）可能由多个AP服务器执行体（instances）组成，在一个丛集化的环境里，container是分布式的，每一节点（即是AP服务器的执行单元）只会run他们其中一个instance。在目前的J2EE服务器里面，丛集化的支持乃以服务的形式来提供，一般而言，该服务需要initial cluster架构为一个含有固定的AP服务器instances集合，在尖峰时段的负载或是服务器出现失效时，允许操作者利用手动的方式重新架构cluster的执行体集合架构，使其可以动态改变提供服务的主机群组。例如：导入新的服务执行体（service instance），或取代失效的执行体，不过目前的丛集支持不含应用层之QoS需求保证机制。事实上，为了对付变异性及不可预测的加载，以防止应有的QoS要求失效，在目前的丛集设计里面，其大多需要使用“过量供应（over provision）”策略。此策略会需要设置冗余装置，其优点是可以有效保持服务的可用性，但其缺点便是装置的闲置。

三、医疗监控服务位居要角

监控服务程序在此有两个关键角色，一个是监控病患的活动与情况，并适时做出响应评估；另一个角色是必须要监控后端系统对该种服务持续提供的可用性（例如：必须监控系统的运作，以防系统已经当机，但医护人员却不知，进而造成病患严重伤亡）。因为监控服务会提供必要的信息给架构服务（Configuration service），使其提供符合SLA的服务内容给客户端。此外监控服务应该要能计算（或预测资源使用）并更新监控参数，以确定cluster的运作条件接近所要求的SLA。由此可知，监控服务可以说是SLA客户责任的第一线监视器。但如果客户端传送的服务要求超过服务器允许的数量，客户端就会违反SLA。在这种情形里，因为责任不属于clusters端，所以并无重新架构丛集之必要。但站在AP的立场，其应用程序应产生例外控制（exception control）来处理这种情形。其次，监控服务主要是监控伺服端的SLA服务器责任，如果它侦测到cluster的SLA违反速率趋向有可能无法满足所要的SLA时，它就应该触发configuration service来重新架构cluster。在此情形之下，Configuration service利用加入新的nodes以满足SLA之限制，不过SLA的这些限制，乃为一种参数设定，可再经由AP检查程序（AP benchmarking）或是AP模型化过程（AP modeling）来取得。Configuration service对于服务质量的维持与节省使用成本具有关键性的贡献，其可经由加入一个或是多个nodes来扩大其丛集规模与能力。当有新的node加入时，configuration service会重新架构cluster，并会一点时间来处理短暂的过渡架构现象，或是经由一次加入多个nodes的方式来一次更新所有事件。如果监控程序侦测到目前cluster架构对于所有加载客户要求均游刃有余之时，监控程序便会触发configuration service来重新架构cluster以移除不必要之nodes，以节省系统资源的耗费。不过，这种方式比较使人有疑问的是，在重新架构cluster时其所花费的过度时间是否可被忍受，或者其处理成本效益是否明显优于所节省的使用资源（换句话说，其利益交换之间是否符合比例原则）。如果未能有明显差异，那时间上的迟误所造成的后遗症是否会影响病患之SLA维护，以及用户群对企业服务之反应时间上的整体感官，此个问题仍有待观察。

视频压缩技术之选择

对一些需要使用到远程视频的应用来说，视频压缩标准（video compression standard）的选择是一个很重要的因子，此对24小时居家医疗照护系统而言更是如此。无线装置因为运算能力有限，一般太复杂的视频压缩算法无法直接使用在这些装置之上，例如：H.264/AVC因为其采用的为小波转换（wavelet transformation）方法，故在运算复杂度上仍令许多手持装置无法负荷。因此视频数据的储存，视频会议、视频广播乃甚至是P2P的影像电话…等等，这些应用领域均与视频压缩效能有重要关联。目前最为大众所熟知的视频算法有MPEG-1、MPEG-2、MPEG-4、H.263、H.264/AVC、VC-1…等等，其中在MPEG-1及MPEG-2里，画面（frames）被区分为3种不同画面，分别为I、B及P画面。在这3种画面里面，只有I画面（或称关键画面）可以被施以空间压缩技术。其它画面，例如P画面，则利用I画面插补而来；而B画面则利用I画面或P画面，以区块移动补偿（block motion compensation）加以插补而来。利用这些插补技术，可以移除P及B画面之时序冗余性，在此在压缩方面，我们多以I画面为主要探讨重点。一般I画面的压缩方法，目前使用最广的是内建在JPEG内之DCT转换法。但近几年之研究发现wavelet方法的效能可能超过DCT法，并可提供更低的影像失真，使其在非常低的位速率（bit rate）下亦能有不错的视觉质量表现，故许多新的视频压缩方法纷纷以wavelet作为其压缩核心方法（例如：JPEG 2000或是H.264/AVC）。为了更增进压缩效能，在2006年时O. Alatas及O. Javed等人利用探讨数据的时空规律性（spatiotemporal regularity）来改善Wavelet video coding的压缩效率。此所谓规律性的概念，来自于一连串的影像会产生一个时空体积（spatiotemporal volume），此体积沿着像素变异最少的方向，便称为其规律性方向，在此方向上，其能量熵（entropy）是最小的。Wavelet转换方法之所以可以产生较高的压缩比，乃因为其利用分解正规化数据后，以少数重要系数来表示，而达到较高的压缩率。wavelet吸引人之处，在于其所能提供之延展性与编码效能。在2005年时，E. L. Pennel及Mallat更进一步依据wavelet-basis理论而提出新的影像压缩基础建设（framework），在其工作内容中，其利用对影像几何之探索以寻求达到更高压缩效率的方法。

换句话说，一个影像片段的几何，可以利用2-D向量场来逼近，此向量场即称为“几何流（geometric flow）”。此几何流显示了各种片段的正规变异的局部方向。因此，利用wavelet-based方法来沿着此方向对影像片段进行压缩，将比沿着固定方向压缩的传统wavelet basis压缩法要具有更高的压缩效能。目前wavelet技术不只应用在影像压缩技术上，其在视频压缩方面亦展现了重要的应用性。从1988年G. Karlesson及M. Vetterli将wavelet技术应用在视频编码（video coding）时起，目前这种wavelet技术已成为下一代视频编码标准的核心技术。开发视频的压缩技术远比单一影像的压缩技术要更具挑战性，在近几年来的研究趋势里面，许多学者已注意到视频影像的空间与维度在压缩领域所可能扮演的角色关系 ，换句话说，压缩的思考概念以慢慢注意到影像水平与垂直数据特征。例如在Karlesson及Vetterli的提议里，其便把视频画面序列先分割成画面群组（group of frames，GOF），然后这些GOF在沿着时序、水平及垂直方向加以分解数据，以探求更好的压缩数据方法。不过在当时他们这种分解方法并不会考虑数据中的方向规律性问题。

换句话说在GOF的全域移动上，其实序方向上已有制式的定义存在，以定义其规律性的3-D路径方向，这些路径会顺着移动方向一直延伸。不过如果遇到混有局部和全域移动的情况时，其情况就会比较复杂，因为在此情形之下不同的移动型态会造成规律的多向性。要模型化这种规律性的方法之一，便是去计算每一个移动以发觉GOF可能的规律性方向所在。一个影像序列的规律性方向，主要和影像的移动内容（motion content）与其空间结构（spatial structure）有关。Alatas及Javed等人的方法和一般方法不同之处，乃在于其处理GOF时，其并不以画面堆栈（frame stack）的观点来看，而是改采3-D向量场（vector field）的方法，此方法他们称为时空正规流法（spatiotemporal regularity flow，SPREF）。在这种方法里面，其采用spline法来逼近规律化方向。由于其精简了Spline的表示，其所须要的储存成本也相对较低，进而达到提升压缩率之效果。一旦SPREF的方向已知时，他们便可被转换成数据被正规化之实际路线。沿着此路径方向将数据分解，并再利用wavelet basis的特别类型加以改善，此wavelet basis便称为3-D orthonormal bandelet basis。在Alatas及Javed等人的研究结果里，SPREF-based的视频压缩方法，不但可移除时序冗余性（temporal redundancy），同时也可以补偿空间的冗余性（spatial redundancy）。在其时实验结果看来，某些标准的视频片段如果采用SPREF-based压缩法会比其它传统的wavelet-based压缩法要更具压缩效能。但令人质疑的一点，为何只有某些视频片段会有较高的压缩效能而非全部视频片段均适用？颇耐人寻味。不过方向适应性分解技术（沿着移动方向来压缩数据）经过一些实验证明，其比传统的wavelet分解法（例如：1999年D. Marpe及H. L. Cycon提议的方法）要更具效益。如果视频编码中有使用移动补偿（MC）技术时，为使视频序列能顺利被重建，其移动信息也要一并被编码起来。因此，在须使用移动补偿的算法中其移动模型（motion model）是很重要的，因为它将直接影像到视频压缩的位速率（如同压缩参数的影响）。在较早的MC wavelet coding研究中（例如：2002年的J. Ohm及1995年的D. Taubman等人或是1999年之Marpe及Cycon等人之研究），其所考虑的只有相机的镜头摇晃移动（pan motion），以及在进行wavelet分解前，先进行一个简单的影像注册（image registration）而已。在Marp及Cycon的方法里，其使用重迭区块移动补偿（overlapping block motion compensation），此方法比起一般的标准区块移动评估技术要具有更少的块状化效应（blocking effect）。

2001年时，S. Han及C. Podilchuk则提议了一种利用马可夫随机场（Markov random field）加以模型化的密集移动场方法（dense motion field），以达到更精确的移动评估。不过因为移动场的密度会影响到bit rate，所以其常被使用在有损压缩（lossy compression）里面用以编码移动信息。到了2004年的时候，A. Secker及D. Taubman利用了可变性三角网眼（deformable triangular mesh）技术来更精确模型化移动之情形。在其方法里，一旦网眼节点（mesh node）的移动向量已知，他们就可以被用来插补任何位置的移动。不过该模型有个问题，那就是在计算整个GOF的规律性时，只用到一对参考画面，此可能使规律性的探索有失精确，导致画面不够流畅的问题。其次此策略所存在之另一个缺点是，其网眼模型中的节点数是被固定的，因此当移动比较复杂时，便无法再增加节点以获得更精确之计算。另一种将移动模型化的方法称为区块移动模型（block motion model），此模型尝试利用指定单一流向向量（flow vector）给影像区块的方式，来移除移动信息的冗余性。不过当邻近区块具有高度相似性时，其冗余性的移除便显的非常困难。上述问题的解决方案，在于要真实评估GOF时空的规律性方向，并且可以同步将所有画面（frames）进行分析，然此解决方案已又是另一个问题。

生活无线化是一种未来的趋势，在可容忍的电磁波条件下，这种趋势的前进方向至少目前不会改变，未来其规范亦可能纳入立法的考虑（例如：人工生殖法之修订便是一例）。借着无线通信的推波助澜，各种专业服务产业也逐渐兴起，尤其是在线医院、在线法庭、在线维修、在线购物以及在线咨询…等服务业在未来颇具发展趋势。但多媒体服务环境的打造并不是件容易的事，尤其是服务稳定度的要求比一般有线网络环境要更高。因此如何增进使用无线服务的便利性与服务的稳定性，将成为无线随选媒体得否被接受的主因。就如同几年前一些研究者热衷的穿戴式计算机一样，究竟是未来主流或仅沦为一时噱头，我们不妨静待其变。