網(wǎng)絡視頻服務中用戶體驗質量預測研究.pdf

1、隨著互聯(lián)網(wǎng)技術以及視頻多媒體技術的不斷發(fā)展，網(wǎng)絡視頻作為一種重要的休閑娛樂方式，受到了人們的一致追捧。思科公布的互聯(lián)網(wǎng)預測報告顯示:2015年網(wǎng)絡視頻流量占全部互聯(lián)網(wǎng)流量的70％，預計到2020年所有消費的網(wǎng)絡流量中的視頻流量將占到82％，其中移動視頻數(shù)據(jù)流量將占總網(wǎng)絡流量的50％。如此龐大的視頻數(shù)據(jù)流量對當前的視頻服務，特別是移動端視頻服務，帶來了極大的挑戰(zhàn)。與此同時，視頻用戶對視頻觀看質量也提出了更高層次的要求:高視頻分辨率、低啟動

2、時延、低緩沖率，追求更高的用戶體驗質量(Quality of Experience，QoE)。因此，研究如何精準預測網(wǎng)絡視頻服務中的用戶體驗質量，近而提升視頻用戶體驗質量，具有很大的理論價值和商業(yè)應用價值。現(xiàn)有的關于用戶體驗質量的研究工作中，大多是研究視頻用戶觀看行為以及視頻質量影響因素，或者提出一些復雜的控制平臺系統(tǒng)來優(yōu)化網(wǎng)絡視頻資源傳輸效率，或者研究復雜的視頻編碼，來提升用戶體驗質量。本文擬運用機器學習算法，構建簡單、易部署的基于用

3、戶終端的QoE模型，提升用戶體驗質量。
　　本文的具體貢獻主要有如下四個方面。
　　(1)詳細分析了PPTV視頻用戶接入日志數(shù)據(jù)集，發(fā)現(xiàn):1）起始緩沖時長比緩沖總時長更需要針對性的優(yōu)化;2）緩沖次數(shù)與用戶有效觀看時間比的相關性最大。在此基礎上設計了一種高性能的基于隨機森林算法的QoE映射模型，在預測用戶體驗質量不好時的F1值達到0.77，并且起始緩沖時長和緩沖次數(shù)對模型預測效果的影響較大。
　　(2)開發(fā)了一整套適用于

4、LTE網(wǎng)絡環(huán)境下DASH視頻質量研究的實驗平臺。具體說來，在阿里云服務器上搭建了DASH視頻服務器，并部署了MongoDB數(shù)據(jù)庫用于測量數(shù)據(jù)的持久化存儲;開發(fā)了Android app應用用于采集LTE網(wǎng)絡質量參數(shù)，修改dash.js客戶端源碼來采集DASH視頻客戶端播放信息。
　　(3)通過對實驗測量數(shù)據(jù)的研究分析發(fā)現(xiàn):1）當緩沖區(qū)長度低于0.5秒鐘時，視頻將會出現(xiàn)卡頓;2)當前LTE網(wǎng)絡下的DASH視頻用戶體驗質量的主要問題在于