数据驱动的移动视频传输关键技术研究

With the maturity of WiFi and 3G/4G, mobile video has occupied the most Internet traffic. Since the mobile communication environment is complex, the context of watching mobile video appears diversified, and the user behavior of watching mobile video is also variable, these characteristics cause that current technologies of mobile video transmission cannot provide good transmission performance and QoE. On the basis of data analysis and modeling according to the data of real mobile video applications, the data-driven research method and experimental method run through the whole project. Specifically, we study the following research issues: considering statistical regularity of users’ watching mobile video and the popularity of mobile video, study the user behavior prediction method based on machine learning algorithm; regarding the heterogeneous wireless networks, research the transmission strategy in the combined wireless interfaces of WiFi and 3G/4G; study the tradeoff between energy consumption and video quality for heterogeneous mobile devices; research resource allocation and optimization of mobile edge network by analyzing the geographical distribution of users’ mobile video requests; study context-aware mobile video recommendation framework and the evolutionary multi-object optimization based recommendation algorithm. The achievements of this project will solve the performance bottleneck of mobile video transmission and improve QoE of mobile video.

随着WiFi和3G/4G通信技术的普及，移动视频已经成为互联网最主要的传输流量。移动网络通信环境复杂，移动视频观看情境多样化，移动用户访问视频行为多变，这些特征导致现有移动视频传输技术难以提供良好的传输性能和用户体验。本项目以真实移动视频应用数据分析建模为基础，将数据驱动研究和实验方法贯穿项目的研究过程中。项目的主要研究内容包括：考虑用户观看移动视频的统计规律和移动视频流行度，研究基于机器学习算法的用户行为预测方法；针对移动网络的异构性，研究WiFi与3G/4G混合无线接入方式下的视频传输策略；面向异构移动设备，研究移动设备能耗和视频质量的联合优化模型；考虑移动用户请求视频的地理位置分布，研究移动边缘网络资源管理与优化方法；引入情境信息，研究移动视频推荐架构和基于进化多目标优化的推荐算法。本项目的研究成果有助于解决移动视频传输的性能瓶颈，并提高移动用户视频观看体验。

随着WiFi和3G/4G通信技术的普及，移动视频已经成为互联网最主要的传输流量。移动网络通信环境复杂，移动视频观看情境多样化，移动用户访问视频行为多变，这些特征导致现有移动视频传输技术难以提供良好的传输性能和用户体验。本项目以真实移动视频应用数据分析建模为基础，将数据驱动研究和实验方法贯穿项目的研究过程中。项目的主要研究内容包括：考虑用户观看移动视频的统计规律和移动视频流行度，研究基于机器学习算法的用户行为预测方法；针对移动网络的异构性，研究WiFi与3G/4G混合无线接入方式下的视频传输策略；面向异构移动设备，研究移动设备能耗和视频质量的联合优化模型；考虑移动用户请求视频的地理位置分布，研究移动边缘网络资源管理与优化方法；引入情境信息，研究移动视频推荐架构和基于进化多目标优化的推荐算法。本项目的研究成果有助于解决移动视频传输的性能瓶颈，并提高移动用户视频观看体验。