网络视频体验质量的测量、建模与优化方法研究

Streaming video is by far the largest constituent of Internet traffic and shows the explosive growth with the rapid development of Internet, so, the video Quality of Experience (QoE) has become one of the most important issues concerned by users, content providers and network operators. In order to enhance internet video QoE, this study first explores the mechanism of network load transferring and dynamic migrating across heterogeneous links, and designs the method of video QoE bottleneck detection from end to end. Then, we construct a model for describing nonlinear relationship between network characteristics and video QoE based on decision tree method, and use one decision tree to analyze the path affecting video QoE, thus, we can predict video QoE very early in a video session. Next, we mitigate the impact of unintended cross-layer interactions on video QoE by tuning protocol parameters or designing new protocols, and then, we propose a QoE-aware link selection algorithm using multi-objective optimization method for improving the video QoE from end-to-end. On this basis, we will form the theory and methodology for supporting the metrics, modeling and cross-link optimization of video QoE. Our research findings will be of an important value to enhance the video QoE from end-to-end, and will contribute novel ideas and research reference to improve user video experience in worldwide network.

流式视频已成为迄今为止网络流量的最大组成部分，而且随着互联网的快速发展而呈爆炸式增长态势，网络视频体验质量 (Quality of Experience, QoE) 已成为用户、内容提供商及网络运营商共同关注的最重要问题之一。为改进网络视频体验质量，本项目首先探寻网络载荷跨异构链路的传输及动态迁移机制，研究满足端到端的视频QoE测量及瓶颈探测方法；然后，基于决策树方法对网络特性和视频 QoE 之间非线性关系进行建模，分析决策树中影响视频QoE的路径，实现在会话早期预测视频QoE；随后，通过设计新网络协议和调整协议参数降低无意识跨层交互对视频QoE的负面影响；进一步研究面向视频QoE感知的多目标优化链路选择方法，改进端到端的视频体验质量。在此基础上形成支持视频QoE测量、建模与优化的方法体系。本项目的研究对推进端到端的网络视频体验质量具有重要意义，为优化网络视频用户体验提供新思路和研究参考。

当前，网络视频体验质量 (Quality of Experience, QoE) 已成为用户、内容提供商及 网络运营商共同关注的最重要问题之一。本项目属于网络与视频流技术结合的领域。项目组以当前网络视频体验质量为研究对象，以机器学习、动态码率适配及多目标优化方法等为技术手段，试探性地研究适合于网络视频QoE测量、建模与优化方法体系。.本项目研究跨协议与跨链路的网络视频 QoE 测量、建模与优化问题，从视频体验质量测量，建模与优化三个方面展开分析和研究。一是从相对真实的网络环境中获取网络参数，设计客观和主观结合的视频体验质量测量与评价方法，构建可用于量化视频体验质量的决策树模型，有效地测量、量化视频体验质量的数值，预测用户感知的视频体验质量；其次，采用人工智能的方法对网络特性和视频体验质量之间的关系展开分析，分析影响视频体验质量路径，实现在观看视频观的会话早期预测后期视频观看的体验质量；三是面向端到端的视频分发和传输链路，通过优化视频体验质量感知的视频链路选择策略，码率适配技术和博弈论理论等实现全局用户的视频体验质量（QoE）优化，有效改进端到端视频体验质量。同时，建立多源异构模型的视频流实验平台，设计了面向网络、服务器和客户端的集成工具系统原型。.目前，与腾讯视频和湖南省电信公司等单位进行初步对接，根据给定的场景，初步分析腾讯用户行为和Hot Video的生命周期和热度变化规律，相对精准和灵活地给出内容分布和替换策略。同时获取部分湖南电信主干网络运营数据，对电信视频服务进行了初步分析，根据湖南区域内电信网络内热点视频的生命周期和热度变化，进行视频内容更替，更好地节约电信网络带宽和流量，进一步改进视频用户体验质量。此外，期望研究的协议和方法也将适应于 VoIP，音乐流等具有与网络视频类似特性的应用，进一步改进世界范围内网络视频用户的体验质量。.本项目共发表论文13篇。申请专利5项，申请软件著作权1项，核心成员荣获第五届互联网+总决赛金奖一项。培养博士3名，硕士8名。