QoE Optimization Through In-Network

QoE Optimization Through In-Network Quality Adaptation for HTTP Adaptive Streaming
Niels Bouten∗, Jeroen Famaey∗, Steven Latr´ e∗, Rafael Huysegems†, Bart De Vleeschauwer†, Werner Van Leekwijck† and Filip De Turck∗ ∗Ghent University - IBBT - IBCN - Department of Information Technology Gaston Crommenlaan 8/201, B-9050 Gent, Belgium, e-mail: niels.bouten@intec.ugent.be †Alcatel-Lucent Bell Labs, Copernicuslaan 50, B-2018 Antwerpen, Belgium
Abstract—HTTP Adaptive Streaming (HAS) is becoming the de-facto standard for adaptive streaming solutions. In HAS, video content is split into segments and encoded into multiple qualities, such that the quality of a video can be dynamically adapted during the HTTP download process. This has given rise to intelligent video players that strive to maximize Quality of Experience (QoE) by adapting the displayed quality based on the user’s available bandwidth and device characteristics. HAS-based techniques have been widely used in Over-the-Top (OTT) video services. Recently, academia and industry have started investigating the merits of HAS in managed IPTV scenarios. However, the adoption of HAS in a managed environment is complicated by the fact that the quality adaptation component is controlled solely by the end-user. This prevents the service provider from offering any type of QoE guarantees to its subscribers. Moreover, as every user independently makes decisions, this approach does not support coordinated management and global optimization. These shortcomings can be overcome by introducing additional intelligence into the provider’s network, which allows overriding the client’s decisions. In this paper we investigate how such intelligence can be introduced into a managed multimedia access network. More speciﬁcally, we present an in-network video rate adaptation algorithm that maximizes the provider’s revenue and offered QoE. Furthermore, the synergy between our proposed solution and HAS-enabled video clients is evaluated.
I. INTRODUCTION The consumption of multimedia services over the Internet has recently witnessed an important evolution. The increase in popularity of Over-the-Top (OTT) video services has led to the adoption of HTTP-based streaming technologies. This shift in technologies was mainly induced by the advantages offered by streaming over HTTP: the reuse of caching infrastructure, the reliable transmission and the compatibility with ﬁrewalls. Initially, HTTP-based video protocols required downloading the complete video before it could be played. Afterwards, progressive download techniques using buffers to store a few seconds of video in advance allowed playback to start after only a fraction of the video was downloaded. However, when congestion in the network varies, these techniques are not able to cope with buffer starvation, leading to frame freezes and stuttered playback. The third evolution in HTTP-based streaming techniques tackles these shortcomings by splitting the content in small segments that are encoded at multiple quality rates. This allows intelligent video clients to adapt
the downloaded qualities to the current network state, such as network throughput and delay. These HTTP Adaptive Streaming (HAS) techniques are now becoming the de-facto standard for adaptive streaming solutions.
Recently, academia and industry have started investigating the merits of adopting HAS in managed IPTV scenarios. However, the revenue opportunities that HAS-services offer to network and service providers come with important new management challenges. The adoption of HAS in a managed environment is complicated by the fact that the quality adaptation component is fully controlled by the end-user. This prevents providers from offering any type of Quality of Experience (QoE) guarantees to their subscribers. Moreover, as every user independently adjusts its quality, there is no support for coordinated management and global optimization. When a provider thus offers different subscription levels (i.e., Diamond, Gold, Silver, Bronze, Free), there is no possibility to enforce management policies related to the user’s subscription terms. We therefore propose to overcome these shortcomings by introducing additional intelligence in the provider’s network. This allows the provider to inﬂuence the client’s decisions and manage the offered QoE.
The contributions of this paper are three-fold. First, we implemented a simulator for HAS-based video delivery based on NS-3. Second, a Linear Programming (LP) model is deﬁned to enforce different management policies for maximizing the provider’s revenue and offered QoE. Third, we present extensive simulation results to evaluate the approach by demonstrating the impact of the in-network management on obtained revenue and QoE. Furthermore we compare these results with HAS-enabled clients and evaluate the synergy between the proposed approach and these clients.
The remainder of this article is structured as follows. Section II provides an overview of relevant work in the area of management of HTTP Adaptive Streaming. In Section III we provide the general problem deﬁnition for the in-network management of quality adaptation. Section IV describes the speciﬁc management policies that were used during the evaluation. In Section V the simulation framework and the rate adaptation algorithms are evaluated. Finally, Section VI summarizes the main ﬁndings and contributions of this article.978-3-901882-48-7 c 2012 IFIP
336978-3-901882-48-7 c 2012 IFIP
II. RELATED WORK
The recent advent of video consumption over the Internet has led to the development of several protocols that allow dynamic adaptation of the quality rate of a HTTP-based video session. Some of the major players have introduced their own protocols, server and client software such as Microsoft’s Silverlight Smooth Streaming [1], Apple’s HTTP Live Streaming [2], Adobe’s HTTP Dynamic Streaming [3] and MPEG’s standardized Dynamic Adaptive Streaming over HTTP (DASH) [4]. Although differences exist between these implementations they are all based on the same basic principles: a video is split up into several segments which are encoded at different quality rates, the intelligent video clients then dynamically adapt the quality, based on metrics such as average throughput, delay and jitter. The drawback of this approach is off course that all QoE control lays in the hands of the clients which strive to maximize their individual QoE. From the provider’s perspective however, other factors such as minimization of costs and prioritisation of users with higher subscription levels are of equal importance. Current HAS approaches do not support intervention in the quality assignment process which is fully dominated by the clients. The approach presented in this paper focuses on global optimization of QoE offered to the clients subject to the costs incurred by violating the user’s terms or the utility experienced by the user. This off course requires the presence of a managed network. Recently, the standardization of the extension to the widely used video coding standard H.264/AVC called Scalable Video Coding (SVC) [5] has led to an increased adoption of this encoding scheme. This also induced the adoption of SVC in HAS by the development of new client heuristics using the speciﬁc properties of SVC such as the incremental characteristics of these videos [6]. The proposed approach adapts the buffer-ﬁlling strategy based on the measurement of network characteristics such as throughput, delay and jitter, but does not allow global optimization of QoE. In our approach we do not enable buffering by the client heuristic in order to abstract from buffering inﬂuences. Instead we use a weighted moving average of download statistics to predict future throughput [7]. Begen et al. argue that the use of adaptive streaming is an important driver for OTT video services and identify some future research directions such as tackling the scalability bottleneck when clients access services concurrently and the necessity for providers to introduce intelligent network elements to improve the performance of offered video services [8]. In contrast to cable TV and IPTV services offered by service providers, running over managed networks with multicast transport and QoS-support, HTTP Adaptive Streaming technologies are mostly unmanaged services running over besteffort networks. In [9] we proposed shifting part of the HAS delivery process to the managed network and exploiting the multicast support to tackle scalability issues in a Live TV setting. In [10] an overview of interesting use cases for applying
SVC in a network environment are presented, among which the graceful degradation of videos when the network load increases. The authors argue the need for Media Aware Network Elements (MANEs), capable of adjusting the SVC stream based on a set of policies speciﬁed by the network provider. In [11] a prototype of an intermediary adaptation node is proposed, where the media gateway estimates the available bandwidth on the client link and extracts the supported SVCstreams. Our approach focusses on application layer measures, not only using network parameters such as throughput but also considering the service level of each client, allowing to provide a managed streaming service. Network optimizations for SVCstreaming have been applied on lower layers as well. In [12] and [13] the use of SVC has been optimized for wireless networks. The focus lays on quality adaptation while achieving the highest possible QoS levels in terms of packet loss and delay. We focus on enforcing a speciﬁc policy deﬁned by the provider that allows differentiation between the provided service of different subscription levels. In order to perform the provider’s global optimization, we deﬁne several management policies based on the utility experienced by the user and the costs incurred by violating their subscriptions’ terms

QoE Optimization Through In-Network Quality Adaptation for HTTP Adaptive Streaming
Niels Bouten∗, Jeroen Famaey∗, Steven Latr´ e∗, Rafael Huysegems†, Bart De Vleeschauwer†, Werner Van Leekwijck† and Filip De Turck∗ ∗Ghent University - IBBT - IBCN - Department of Information Technology Gaston Crommenlaan 8/201, B-9050 Gent, Belgium, e-mail: niels.bouten@intec.ugent.be †Alcatel-Lucent Bell Labs, Copernicuslaan 50, B-2018 Antwerpen, Belgium
Abstract—HTTP Adaptive Streaming (HAS) is becoming the de-facto standard for adaptive streaming solutions. In HAS, video content is split into segments and encoded into multiple qualities, such that the quality of a video can be dynamically adapted during the HTTP download process. This has given rise to intelligent video players that strive to maximize Quality of Experience (QoE) by adapting the displayed quality based on the user’s available bandwidth and device characteristics. HAS-based techniques have been widely used in Over-the-Top (OTT) video services. Recently, academia and industry have started investigating the merits of HAS in managed IPTV scenarios. However, the adoption of HAS in a managed environment is complicated by the fact that the quality adaptation component is controlled solely by the end-user. This prevents the service provider from offering any type of QoE guarantees to its subscribers. Moreover, as every user independently makes decisions, this approach does not support coordinated management and global optimization. These shortcomings can be overcome by introducing additional intelligence into the provider’s network, which allows overriding the client’s decisions. In this paper we investigate how such intelligence can be introduced into a managed multimedia access network. More speciﬁcally, we present an in-network video rate adaptation algorithm that maximizes the provider’s revenue and offered QoE. Furthermore, the synergy between our proposed solution and HAS-enabled video clients is evaluated.
I. INTRODUCTION The consumption of multimedia services over the Internet has recently witnessed an important evolution. The increase in popularity of Over-the-Top (OTT) video services has led to the adoption of HTTP-based streaming technologies. This shift in technologies was mainly induced by the advantages offered by streaming over HTTP: the reuse of caching infrastructure, the reliable transmission and the compatibility with ﬁrewalls. Initially, HTTP-based video protocols required downloading the complete video before it could be played. Afterwards, progressive download techniques using buffers to store a few seconds of video in advance allowed playback to start after only a fraction of the video was downloaded. However, when congestion in the network varies, these techniques are not able to cope with buffer starvation, leading to frame freezes and stuttered playback. The third evolution in HTTP-based streaming techniques tackles these shortcomings by splitting the content in small segments that are encoded at multiple quality rates. This allows intelligent video clients to adapt
the downloaded qualities to the current network state, such as network throughput and delay. These HTTP Adaptive Streaming (HAS) techniques are now becoming the de-facto standard for adaptive streaming solutions.
Recently, academia and industry have started investigating the merits of adopting HAS in managed IPTV scenarios. However, the revenue opportunities that HAS-services offer to network and service providers come with important new management challenges. The adoption of HAS in a managed environment is complicated by the fact that the quality adaptation component is fully controlled by the end-user. This prevents providers from offering any type of Quality of Experience (QoE) guarantees to their subscribers. Moreover, as every user independently adjusts its quality, there is no support for coordinated management and global optimization. When a provider thus offers different subscription levels (i.e., Diamond, Gold, Silver, Bronze, Free), there is no possibility to enforce management policies related to the user’s subscription terms. We therefore propose to overcome these shortcomings by introducing additional intelligence in the provider’s network. This allows the provider to inﬂuence the client’s decisions and manage the offered QoE.
The contributions of this paper are three-fold. First, we implemented a simulator for HAS-based video delivery based on NS-3. Second, a Linear Programming (LP) model is deﬁned to enforce different management policies for maximizing the provider’s revenue and offered QoE. Third, we present extensive simulation results to evaluate the approach by demonstrating the impact of the in-network management on obtained revenue and QoE. Furthermore we compare these results with HAS-enabled clients and evaluate the synergy between the proposed approach and these clients.
The remainder of this article is structured as follows. Section II provides an overview of relevant work in the area of management of HTTP Adaptive Streaming. In Section III we provide the general problem deﬁnition for the in-network management of quality adaptation. Section IV describes the speciﬁc management policies that were used during the evaluation. In Section V the simulation framework and the rate adaptation algorithms are evaluated. Finally, Section VI summarizes the main ﬁndings and contributions of this article.978-3-901882-48-7 c  2012 IFIP
336978-3-901882-48-7 c 2012 IFIP
II. RELATED WORK
The recent advent of video consumption over the Internet has led to the development of several protocols that allow dynamic adaptation of the quality rate of a HTTP-based video session. Some of the major players have introduced their own protocols, server and client software such as Microsoft’s Silverlight Smooth Streaming [1], Apple’s HTTP Live Streaming [2], Adobe’s HTTP Dynamic Streaming [3] and MPEG’s standardized Dynamic Adaptive Streaming over HTTP (DASH) [4]. Although differences exist between these implementations they are all based on the same basic principles: a video is split up into several segments which are encoded at different quality rates, the intelligent video clients then dynamically adapt the quality, based on metrics such as average throughput, delay and jitter. The drawback of this approach is off course that all QoE control lays in the hands of the clients which strive to maximize their individual QoE. From the provider’s perspective however, other factors such as minimization of costs and prioritisation of users with higher subscription levels are of equal importance. Current HAS approaches do not support intervention in the quality assignment process which is fully dominated by the clients. The approach presented in this paper focuses on global optimization of QoE offered to the clients subject to the costs incurred by violating the user’s terms or the utility experienced by the user. This off course requires the presence of a managed network. Recently, the standardization of the extension to the widely used video coding standard H.264/AVC called Scalable Video Coding (SVC) [5] has led to an increased adoption of this encoding scheme. This also induced the adoption of SVC in HAS by the development of new client heuristics using the speciﬁc properties of SVC such as the incremental characteristics of these videos [6]. The proposed approach adapts the buffer-ﬁlling strategy based on the measurement of network characteristics such as throughput, delay and jitter, but does not allow global optimization of QoE. In our approach we do not enable buffering by the client heuristic in order to abstract from buffering inﬂuences. Instead we use a weighted moving average of download statistics to predict future throughput [7]. Begen et al. argue that the use of adaptive streaming is an important driver for OTT video services and identify some future research directions such as tackling the scalability bottleneck when clients access services concurrently and the necessity for providers to introduce intelligent network elements to improve the performance of offered video services [8]. In contrast to cable TV and IPTV services offered by service providers, running over managed networks with multicast transport and QoS-support, HTTP Adaptive Streaming technologies are mostly unmanaged services running over besteffort networks. In [9] we proposed shifting part of the HAS delivery process to the managed network and exploiting the multicast support to tackle scalability issues in a Live TV setting. In [10] an overview of interesting use cases for applying
SVC in a network environment are presented, among which the graceful degradation of videos when the network load increases. The authors argue the need for Media Aware Network Elements (MANEs), capable of adjusting the SVC stream based on a set of policies speciﬁed by the network provider. In [11] a prototype of an intermediary adaptation node is proposed, where the media gateway estimates the available bandwidth on the client link and extracts the supported SVCstreams. Our approach focusses on application layer measures, not only using network parameters such as throughput but also considering the service level of each client, allowing to provide a managed streaming service. Network optimizations for SVCstreaming have been applied on lower layers as well. In [12] and [13] the use of SVC has been optimized for wireless networks. The focus lays on quality adaptation while achieving the highest possible QoS levels in terms of packet loss and delay. We focus on enforcing a speciﬁc policy deﬁned by the provider that allows differentiation between the provided service of different subscription levels. In order to perform the provider’s global optimization, we deﬁne several management policies based on the utility experienced by the user and the costs incurred by violating their subscriptions’ terms

0/5000

Từ: -

Sang: -

Kết quả (Việt) 1: [Sao chép]

Sao chép!

QoE tối ưu hóa thông qua chất lượng trong mạng lưới thích ứng cho HTTP Streaming thích nghiNiels Bouten∗, Jeroen Famaey∗, Steven Latr´ e∗, Rafael Huysegems†, Bart De Vleeschauwer†, Werner Van Leekwijck† và Filip De Turck∗ ∗Ghent đại học - IBBT - IBCN - vùng của thông tin công nghệ Gaston Crommenlaan 8/201, B-9050 Gent, Bỉ, e-mail: niels.bouten@intec.ugent.be phòng thí nghiệm Bell †Alcatel-Lucent, Copernicuslaan 50, B-2018 Antwerpen, BỉTrừu tượng-HTTP Adaptive Streaming (HAS) đang trở thành de-facto tiêu chuẩn cho thích nghi giải pháp trực tuyến. Ở HAS, nội dung video phân chia thành các phân đoạn và mã hóa thành nhiều chất lượng tốt nhất, sao cho chất lượng của một đoạn video có thể được tự động điều chỉnh trong quá trình tải về HTTP. Điều này đã được tăng lên thông minh phát video phấn đấu để tối đa hóa chất lượng kinh nghiệm (QoE) bằng cách điều chỉnh chất lượng hiển thị dựa trên băng thông có sẵn của người dùng và đặc điểm thiết bị. HAS dựa trên kỹ thuật đã được sử dụng rộng rãi trong dịch vụ video Over-the-Top (OTT). Gần đây, học viện và ngành công nghiệp đã bắt đầu điều tra thành tích của HAS trong quản lý IPTV kịch bản. Tuy nhiên, áp dụng đã vào một môi trường được quản lý phức tạp bởi thực tế rằng các thành phần thích ứng chất lượng quản lý chỉ bởi người dùng cuối. Điều này ngăn cản các nhà cung cấp dịch vụ cung cấp cho bất kỳ loại QoE đảm bảo cho thuê bao của nó. Hơn nữa, như mọi người sử dụng một cách độc lập ra quyết định, cách tiếp cận này không hỗ trợ phối hợp quản lý và tối ưu hóa toàn cầu. Những thiếu sót có thể được khắc phục bằng cách giới thiệu tình báo bổ sung vào mạng của nhà cung cấp, cho phép thay thế quyết định của khách hàng. Trong bài này, chúng tôi điều tra làm thế nào thông minh như vậy có thể được nạp vào một mạng lưới quản lý truy cập đa phương tiện. Thêm speciﬁcally, chúng tôi trình bày một giải thuật thích ứng tỷ lệ video trong mạng có tối đa hóa doanh thu của nhà cung cấp và cung cấp QoE. Hơn nữa, sức mạnh tổng hợp giữa chúng tôi đề xuất các giải pháp và đã kích hoạt khách hàng video được đánh giá.I. giới thiệu việc tiêu thụ của các dịch vụ đa phương tiện trên Internet gần đây đã chứng kiến một sự phát triển quan trọng. Sự gia tăng phổ biến của dịch vụ video Over-the-Top (OTT) đã dẫn đến việc áp dụng HTTP dựa trên công nghệ trực tuyến. Sự thay đổi trong công nghệ được chủ yếu gây ra bởi những lợi thế được cung cấp bởi dòng dữ liệu trên HTTP: tái sử dụng bộ nhớ đệm cơ sở hạ tầng, truyền dẫn đáng tin cậy và khả năng tương thích với ﬁrewalls. Ban đầu, HTTP dựa trên giao thức video yêu cầu tải về video đầy đủ trước khi nó có thể được chơi. Sau đó, tải về tiến bộ kỹ thuật bằng cách sử dụng bộ đệm để lưu trữ một vài giây của video trước cho phép phát lại để bắt đầu sau khi chỉ một phần nhỏ của video được tải về. Tuy nhiên, khi các tắc nghẽn trong mạng khác nhau, các kỹ thuật này là không thể đối phó với nạn đói đệm, dẫn đến khung đóng băng và stuttered phát lại. Sự tiến triển thứ ba trong HTTP dựa trên kỹ thuật trực tuyến bóng những thiếu sót thông qua việc tách nội dung trong các phân đoạn nhỏ được mã hóa mức chất lượng nhiều. Điều này cho phép khách hàng video thông minh để thích ứng vớinhững phẩm chất tải về trạng thái hiện tại của mạng, chẳng hạn như thông qua mạng và sự chậm trễ. Các kỹ thuật này HTTP Adaptive Streaming (HAS) bây giờ đang trở thành de-facto tiêu chuẩn cho thích nghi giải pháp trực tuyến.Gần đây, học viện và ngành công nghiệp đã bắt đầu điều tra những thành tích của đã chọn trong quản lý IPTV kịch bản. Tuy nhiên, những cơ hội doanh thu dịch vụ đã cung cấp cho các nhà cung cấp mạng và dịch vụ đi kèm với những thách thức quan trọng quản lý mới. Áp dụng đã vào một môi trường được quản lý phức tạp bởi thực tế rằng các thành phần thích ứng chất lượng hoàn toàn được kiểm soát bởi người dùng cuối cùng. Điều này ngăn cản nhà cung cấp cung cấp cho bất kỳ loại chất lượng kinh nghiệm (QoE) đảm bảo cho thuê bao của họ. Hơn nữa, như mọi người sử dụng một cách độc lập điều chỉnh chất lượng của nó, có là không hỗ trợ phối hợp quản lý và tối ưu hóa toàn cầu. Khi một nhà cung cấp do đó cung cấp mức độ khác nhau đăng ký (tức là, kim cương, vàng, bạc, đồng, tự do), có không có khả năng để thực thi chính sách quản lý liên quan đến từ đăng ký của người dùng. Chúng tôi do đó đề xuất để khắc phục những thiếu sót bằng việc giới thiệu thêm tình báo trong các nhà cung cấp mạng. Điều này cho phép các nhà cung cấp để inﬂuence quyết định của khách hàng và quản lý QoE được cung cấp.Sự đóng góp của giấy này là three-fold. Trước tiên, chúng tôi thực hiện một mô phỏng dựa trên HAS video giao dựa trên NS-3. Thứ hai, một mô hình lập trình tuyến tính (LP) là deﬁned để thực thi chính sách quản lý khác nhau để tối đa hóa doanh thu của nhà cung cấp và cung cấp QoE. Thứ ba, chúng tôi trình bày kết quả mở rộng mô phỏng để đánh giá phương pháp tiếp cận bởi hiện mức độ tác động của việc quản lý trong mạng trên thu được doanh thu và QoE. Hơn nữa, chúng tôi so sánh các kết quả với khách hàng đã kích hoạt và đánh giá sức mạnh tổng hợp giữa các phương pháp được đề xuất và các khách hàng.Phần còn lại của bài viết này có cấu trúc như sau. Phần II cung cấp một tổng quan về các công việc có liên quan trong lĩnh vực quản lý của HTTP Streaming thích nghi. Trong phần III, chúng tôi cung cấp deﬁnition vấn đề chung cho việc quản lý trong mạng lưới thích ứng chất lượng. Phần IV mô tả các chính sách quản lý speciﬁc được sử dụng trong việc đánh giá. Trong phần V khuôn khổ mô phỏng và các thuật toán tỷ lệ thích ứng được đánh giá. Cuối cùng, Phần VI tóm tắt chính ﬁndings và đóng góp của này IFIP article.978-3-901882-48-7 c 2012336978-3-901882-48-7 c 2012 IFIPII. LIÊN QUAN ĐẾN CÔNG VIỆCSự xuất hiện tại các tiêu thụ video qua Internet đã dẫn đến sự phát triển của một số giao thức cho phép năng động thích ứng của mức chất lượng của một HTTP dựa trên video phiên. Một số các cầu thủ lớn đã giới thiệu giao thức riêng của họ, máy chủ và khách hàng phần mềm chẳng hạn như Microsoft Silverlight mịn Streaming [1], của Apple HTTP Live Streaming [2], của Adobe năng động HTTP Streaming [3] và MPEG của tiêu chuẩn hóa năng động thích nghi Streaming trên HTTP (DASH) [4]. Mặc dù sự khác biệt tồn tại giữa những triển khai họ được tất cả dựa trên cùng một nguyên tắc cơ bản: một đoạn video được chia ra thành nhiều phân đoạn được mã hóa mức chất lượng khác nhau, các khách hàng thông minh video sau đó tự động điều chỉnh chất lượng, dựa trên số liệu chẳng hạn như thông lượng trung bình, sự chậm trễ và jitter. Nhược điểm của phương pháp này là off khóa học tất cả QoE kiểm soát đẻ trong tay của các khách hàng mà phấn đấu để tối đa hóa QoE cá nhân của họ. Từ khía cạnh của nhà cung cấp Tuy nhiên, các yếu tố khác chẳng hạn như giảm thiểu chi phí và ưu của người dùng đăng ký cấp cao hơn là bằng nhau quan trọng. Hiện tại đã cách tiếp cận không hỗ trợ sự can thiệp trong quá trình phân công chất lượng mà là hoàn toàn bị chi phối bởi các khách hàng. Các phương pháp trình bày trong bài báo này tập trung vào tối ưu hóa toàn cầu của QoE được cung cấp cho khách hàng tùy thuộc vào chi phí phát sinh do vi phạm điều khoản của người dùng hoặc các tiện ích kinh nghiệm của người dùng. Điều này giảm giá khóa học đòi hỏi sự hiện diện của một mạng được quản trị. Gần đây, các tiêu chuẩn của phần mở rộng để sử dụng rộng rãi video mã hóa tiêu chuẩn H.264/AVC được gọi là Scalable Video Coding (SVC) [5] đã dẫn đến một nhận con nuôi gia tăng của chương trình mã hóa này. Điều này cũng gây ra việc nhận con nuôi của SVC ở HAS bởi sự phát triển của chẩn đoán khách hàng mới bằng cách sử dụng các thuộc tính speciﬁc của SVC chẳng hạn như đặc điểm gia tăng của các video [6]. Cách tiếp cận được đề nghị điều chỉnh bộ đệm-ﬁlling chiến lược dựa trên đo lường của mạng đặc điểm như băng thông, chậm trễ và jitter, nhưng không cho phép tối ưu hóa toàn cầu của QoE. Trong cách tiếp cận của chúng tôi chúng tôi không cho phép đệm bằng heuristic khách hàng để tóm tắt từ đệm inﬂuences. Thay vào đó, chúng tôi sử dụng một di chuyển trung bình trọng tải về thống kê để dự đoán trong tương lai thông qua [7]. Begen et al. tranh luận rằng việc sử dụng thích nghi trực tuyến là một trình điều khiển quan trọng cho các dịch vụ video OTT và xác định một số hướng dẫn nghiên cứu trong tương lai chẳng hạn như việc giải quyết các nút cổ chai khả năng mở rộng khi khách hàng truy cập vào dịch vụ đồng thời và sự cần thiết cho nhà cung cấp để giới thiệu các yếu tố thông minh mạng để cải thiện hiệu suất cung cấp dịch vụ video [8]. Ngược lại với truyền hình cáp và dịch vụ IPTV được cung cấp bởi nhà cung cấp dịch vụ, chạy trên mạng được quản lý với phát đa hướng giao thông và QoS – hỗ trợ, HTTP Streaming thích nghi công nghệ là chủ yếu là không được quản lý Dịch vụ chạy trên mạng besteffort. [9] chúng tôi đề xuất chuyển một phần của quá trình giao hàng đã để các quản lý mạng và khai thác hỗ trợ multicast để giải quyết vấn đề khả năng mở rộng trong một khung cảnh truyền hình trực tiếp. [10] Tổng quan thú vị sử dụng trường hợp cho việc áp dụngSVC trong một môi trường mạng được trình bày, trong đó sự xuống cấp duyên dáng của video khi tải mạng tăng. Các tác giả cho sự cần thiết cho các phương tiện truyền thông nhận thức mạng yếu tố (MANEs), có khả năng điều chỉnh dòng SVC dựa trên một tập hợp các chính sách speciﬁed của các nhà cung cấp mạng. Trong [11] một nguyên mẫu của một nút trung gian thích ứng được đề xuất, nơi cổng truyền thông ước tính băng thông có sẵn vào liên kết khách hàng và chất chiết xuất từ SVCstreams được hỗ trợ. Cách tiếp cận của chúng tôi tập về ứng dụng lớp các biện pháp, không chỉ bằng cách sử dụng tham số mạng như thông lượng nhưng cũng xem xét mức độ dịch vụ của mỗi khách hàng, cho phép cung cấp một dịch vụ trực tuyến được quản lý. Tối ưu hóa mạng cho SVCstreaming đã được áp dụng trên lớp thấp hơn là tốt. Tại [12] và [13] việc sử dụng của SVC đã được tối ưu hóa cho mạng không dây. Trọng tâm đẻ trên chất lượng thích ứng trong khi đạt được các cấp độ cao nhất có thể QoS trong điều khoản của gói mất và sự chậm trễ. Chúng tôi tập trung vào thực thi một chính sách speciﬁc deﬁned bởi các nhà cung cấp cho phép sự khác biệt giữa dịch vụ được cung cấp độ đăng ký khác nhau. Để thực hiện tối ưu hóa toàn cầu của nhà cung cấp, chúng tôi deﬁne một số chính sách quản lý dựa trên các tiện ích kinh nghiệm của người sử dụng và các chi phí phát sinh do vi phạm điều khoản của mục đăng ký

đang được dịch, vui lòng đợi..

Kết quả (Việt) 2:[Sao chép]

Sao chép!

QoE Optimization Qua Trong Mạng lưới chất lượng thích ứng cho HTTP streaming thích ứng
Niels Bouten *, Jeroen Famaey *, Steven Latr' e *, Rafael Huysegems †, Bart De Vleeschauwer †, Werner Văn Leekwijck † và Filip De Turck * * Đại học Ghent - IBBT - IBCN - Cục Công nghệ thông tin Gaston Crommenlaan 8/201, B-9050 Gent, Bỉ, e-mail: niels.bouten@intec.ugent.be † Alcatel-Lucent Bell Labs, Copernicuslaan 50, B-2018 Antwerpen, Bỉ
Abstract- HTTP streaming thích ứng (HAS) đang trở thành tiêu chuẩn de-facto cho các giải pháp trực tuyến thích ứng. Trong HAS, nội dung video được chia thành các phân đoạn và mã hóa thành nhiều phẩm chất, như vậy mà chất lượng của một video có thể được tự động điều chỉnh trong quá trình tải HTTP. Điều này đã làm tăng cầu thủ thông minh video mà phấn đấu để tối đa hóa chất lượng kinh nghiệm (QoE) bằng cách thích ứng chất lượng hiển thị dựa trên băng thông có sẵn và thiết bị đặc điểm của người sử dụng. Kỹ thuật đã được sử dụng rộng rãi trong Over-the-Top (OTT) dịch vụ video ĐÃ dựa trên. Gần đây, học viện và ngành công nghiệp đã bắt đầu điều tra các giá trị của HAS trong kịch bản IPTV quản lý. Tuy nhiên, việc áp dụng HAS trong một môi trường được quản lý rất phức tạp bởi thực tế là các yếu tố thích ứng chất lượng được kiểm soát hoàn toàn bởi người dùng cuối. Điều này ngăn cản các nhà cung cấp dịch vụ từ cung cấp bất kỳ loại QoE bảo lãnh cho các thuê bao của mình. Hơn nữa, như mọi người sử dụng độc lập đưa ra quyết định, phương pháp này không hỗ trợ phối hợp quản lý và tối ưu hóa toàn cầu. Những thiếu sót có thể được khắc phục bằng cách giới thiệu tình báo bổ sung vào mạng của nhà cung cấp, cho phép trọng quyết định của khách hàng. Trong bài báo này chúng tôi điều tra như thế nào như trí thông minh có thể được giới thiệu vào một mạng truy cập đa phương tiện quản lý. More fi Speci biệt, chúng tôi trình bày một tỷ lệ hình thuật toán thích ứng trong mạng lưới nhằm tối đa hóa doanh thu của nhà cung cấp và cung cấp QoE. Hơn nữa, sức mạnh tổng hợp giữa các giải pháp đề xuất và ĐÃ cho phép khách hàng video của chúng tôi được đánh giá.
I. GIỚI THIỆU Việc tiêu thụ các dịch vụ đa phương tiện trên Internet gần đây đã chứng kiến một sự tiến hóa quan trọng. Sự gia tăng phổ biến của Over-the-Top (OTT) các dịch vụ video đã dẫn đến việc áp dụng các công nghệ trực tuyến dựa trên HTTP. Sự thay đổi trong công nghệ này chủ yếu được gây ra bởi những lợi thế được cung cấp bởi streaming qua HTTP: tái sử dụng các cơ sở hạ tầng bộ nhớ đệm, việc truyền tải đáng tin cậy và khả năng tương thích với rewalls fi. Ban đầu, các giao thức HTTP phim dựa trên yêu cầu tải về các video hoàn chỉnh trước khi nó có thể được chơi. Sau đó, các kỹ thuật tiến bộ bằng cách sử dụng tải bộ đệm để lưu trữ một vài giây của video playback trước được bắt đầu sau khi chỉ một phần nhỏ của video đã được tải về. Tuy nhiên, khi tắc nghẽn trong mạng thay đổi, những kỹ thuật này là không thể đối phó với nạn đói đệm, dẫn đến khung đóng băng và nói lắp bắp phát lại. Sự phát triển thứ ba trong HTTP dựa trên kỹ thuật trực tuyến đã khắc phục những thiếu sót này bằng cách tách các nội dung trong các phân đoạn nhỏ mà được mã hóa ở nhiều mức chất lượng. Điều này cho phép các khách hàng thông minh video để thích ứng với
những phẩm chất để tải về trạng thái mạng hiện nay, chẳng hạn như thông lượng mạng và chậm trễ. Những HTTP streaming thích ứng (HAS) kỹ thuật đang trở thành tiêu chuẩn de-facto cho các giải pháp trực tuyến thích ứng.
Gần đây, học viện và ngành công nghiệp đã bắt đầu điều tra các giá trị của việc áp dụng trong các tình huống ĐÃ IPTV quản lý. Tuy nhiên, các cơ hội doanh thu mà HAS-dịch vụ cung cấp cho mạng lưới và cung cấp dịch vụ đi kèm với những thách thức quản lý mới quan trọng. Việc áp dụng HAS trong một môi trường được quản lý rất phức tạp bởi thực tế là các yếu tố thích ứng chất lượng được kiểm soát hoàn toàn bởi người dùng cuối. Điều này ngăn cản các nhà cung cấp từ cung cấp bất kỳ loại chất lượng kinh nghiệm (QoE) đảm bảo cho các thuê bao của họ. Hơn nữa, khi mỗi người sử dụng một cách độc lập điều chỉnh chất lượng của nó, không có hỗ trợ cho phối hợp quản lý và tối ưu hóa toàn cầu. Khi một nhà cung cấp do đó cung cấp các mức thuê bao khác nhau (ví dụ, kim cương, vàng, bạc, đồng, miễn phí), không có khả năng để thực thi các chính sách quản lý liên quan đến các điều khoản thuê bao của người dùng. Do đó chúng tôi đề xuất để khắc phục những thiếu sót này bằng cách giới thiệu tình báo bổ sung trong mạng của nhà cung cấp. Điều này cho phép các nhà cung cấp để trong fl ảnh hướng quyết định của khách hàng và quản lý các QoE cung cấp.
Những đóng góp của bài báo này là ba lần. Đầu tiên, chúng tôi thực hiện một mô phỏng để phân phối video HAS dựa trên dựa trên NS-3. Thứ hai, một (LP) mô hình Lập trình tuyến tính là de fi ned để thực thi các chính sách quản lý khác nhau để tối đa hóa doanh thu của nhà cung cấp và cung cấp QoE. Thứ ba, chúng tôi trình bày kết quả mô phỏng mở rộng để đánh giá phương pháp tiếp cận bằng cách chứng minh tác động của quản lý trong mạng lưới trên doanh thu và QoE thu được. Hơn nữa chúng tôi so sánh các kết quả với HAS-kích hoạt khách hàng và đánh giá sự phối hợp giữa các phương pháp đề xuất và các khách hàng.
Phần còn lại của bài viết này được cấu trúc như sau. Phần II cung cấp một cái nhìn tổng quan về công việc có liên quan trong lĩnh vực quản lý của HTTP thích ứng Streaming. Trong Phần III chúng tôi cung cấp nói chung trong định nghĩa vấn đề fi de cho việc quản lý trong mạng lưới của sự thích ứng chất lượng. Phần IV mô tả các chính sách quản lý fi c Speci đã được sử dụng trong quá trình đánh giá. Trong Phần V khuôn khổ mô phỏng và các thuật toán ứng tốc độ được đánh giá. Cuối cùng, mục VI tóm tắt các ndings fi chính và đóng góp của article.978-3-901882-48-7 này c? 2012 IFIP
336978-3-901882-48-7 c? 2012 IFIP
II. CÔNG TÁC LIÊN QUAN
Sự xuất hiện gần đây của tiêu thụ video qua Internet đã dẫn đến sự phát triển của một số giao thức cho phép thích ứng năng động của tỷ giá chất lượng của một buổi học ghi hình dựa trên HTTP. Một số trong những cầu thủ lớn đã giới thiệu giao thức riêng, máy chủ của họ và phần mềm máy khách như Silverlight Mịn streaming của Microsoft [1], HTTP của Apple Live Streaming [2], HTTP động streaming của Adobe [3] và chuẩn hóa năng động thích ứng streaming MPEG của trên HTTP (DASH ) [4]. Mặc dù sự khác biệt tồn tại giữa những hiện thực họ đều dựa trên các nguyên tắc cơ bản giống nhau: một video được chia thành nhiều phân đoạn này được mã hóa ở mức chất lượng khác nhau, các khách hàng thông minh video sau đó tự động điều chỉnh chất lượng, dựa trên các số liệu như thông lượng trung bình, sự chậm trễ và jitter. Nhược điểm của phương pháp này là tắt khóa học mà tất cả các kiểm soát QoE đặt trong tay của các khách hàng mà phấn đấu để tối đa hóa cá nhân QoE của họ. Từ quan điểm của nhà cung cấp Tuy nhiên, các yếu tố khác như giảm thiểu chi phí và ưu tiên của người dùng với mức thuê bao cao hơn là quan trọng như nhau. HAS hiện phương pháp không can thiệp hỗ trợ trong quá trình chuyển nhượng chất lượng mà là hoàn toàn bị chi phối bởi các khách hàng. Phương pháp trình bày trong bài viết này tập trung vào việc tối ưu hóa toàn cầu của QoE được cung cấp cho khách hàng chịu các chi phí phát sinh do vi phạm điều khoản của người sử dụng hoặc các tiện ích kinh nghiệm của người sử dụng. Đây tắt khóa học đòi hỏi sự hiện diện của một mạng quản lý. Gần đây, các tiêu chuẩn của các phần mở rộng của video được sử dụng rộng rãi mã hóa tiêu chuẩn H.264 / AVC gọi Scalable Video Coding (SVC) [5] đã dẫn đến việc áp dụng tăng của chương trình mã hóa này. Điều này cũng gây ra việc nhận con nuôi của SVC trong HAS bởi sự phát triển của công nghệ tự động khách hàng mới bằng cách sử dụng các thuộc tính fi c Speci của SVC như các đặc điểm gia tăng của các [6] video. Các phương pháp tiếp cận đề xuất điều chỉnh chiến lược fi lling buffer- dựa trên đo các đặc tính mạng như thông lượng, sự chậm trễ và jitter, nhưng không cho phép tối ưu hóa toàn cầu của QoE. Trong cách tiếp cận của chúng tôi, chúng tôi không cho phép đệm bằng heuristic khách hàng để trừu tượng từ đệm trong uences fl. Thay vào đó, chúng tôi sử dụng một chuyển động bình quân gia quyền của số liệu thống kê tải về để dự đoán tương lai thông [7]. Begen et al. lập luận rằng việc sử dụng adaptive streaming là một động lực quan trọng cho dịch vụ video OTT và xác định một số hướng nghiên cứu trong tương lai chẳng hạn như việc giải quyết các nút cổ chai khả năng mở rộng khi khách hàng truy cập các dịch vụ đồng thời và sự cần thiết cho các nhà cung cấp để giới thiệu các phần tử mạng thông minh để cải thiện hiệu suất của các dịch vụ video [8]. Ngược lại với truyền hình cáp và dịch vụ IPTV được cung cấp bởi các nhà cung cấp dịch vụ, chạy trên mạng được quản lý với giao thông multicast và QoS hỗ trợ, HTTP streaming thích ứng công nghệ là dịch vụ chủ yếu được quản lý chạy trên besteffort mạng. Trong [9], chúng tôi đề nghị chuyển một phần của HAS quá trình giao hàng cho các mạng được quản lý và khai thác sự hỗ trợ multicast để giải quyết vấn đề khả năng mở rộng trong một khung cảnh truyền hình Live. Trong [10] một cái nhìn tổng quan về các trường hợp sử dụng thú vị để áp dụng
SVC trong một môi trường mạng được trình bày, trong đó sự suy thoái duyên dáng của video khi mạng tải tăng. Các tác giả cho rằng sự cần thiết cho Media Aware Mạng Elements (bờm), có khả năng điều chỉnh dòng SVC dựa trên một tập hợp các chính sách fi ed Speci bởi các nhà cung cấp mạng. Trong [11] một nguyên mẫu của một nút trung gian thích ứng được đề xuất, nơi cửa ngõ phương tiện truyền thông ước tính băng thông có sẵn trên các liên kết khách hàng và chiết xuất các SVCstreams hỗ trợ. Cách tiếp cận của chúng tôi focusses về các biện pháp lớp ứng dụng, không chỉ sử dụng các thông số mạng như thông lượng mà còn xem xét mức độ phục vụ của từng khách hàng, cho phép cung cấp một dịch vụ trực tuyến được quản lý. Tối ưu hóa mạng cho SVCstreaming đã được áp dụng trên các lớp thấp hơn là tốt. Trong [12] và [13] sử dụng SVC đã được tối ưu cho các mạng không dây. Sự tập trung đưa về thích ứng với chất lượng cao khi đạt được các mức QoS cao nhất có thể trong điều kiện mất gói tin và chậm trễ. Chúng tôi tập trung vào việc thực thi một Speci fi c chính sách de fi được xác định bởi các nhà cung cấp mà cho phép sự khác biệt giữa các dịch vụ cung cấp các mức thuê bao khác nhau. Để thực hiện tối ưu hóa toàn cầu của nhà cung cấp, chúng tôi de fi một số chính sách quản lý ne dựa vào công dụng kinh nghiệm của người sử dụng và các chi phí phát sinh do vi phạm điều khoản đăng ký của họ '

đang được dịch, vui lòng đợi..

Kết quả (Việt) 3:[Sao chép]

Sao chép!

đang được dịch, vui lòng đợi..

Các ngôn ngữ khác

Hỗ trợ công cụ dịch thuật: Albania, Amharic, Anh, Armenia, Azerbaijan, Ba Lan, Ba Tư, Bantu, Basque, Belarus, Bengal, Bosnia, Bulgaria, Bồ Đào Nha, Catalan, Cebuano, Chichewa, Corsi, Creole (Haiti), Croatia, Do Thái, Estonia, Filipino, Frisia, Gael Scotland, Galicia, George, Gujarat, Hausa, Hawaii, Hindi, Hmong, Hungary, Hy Lạp, Hà Lan, Hà Lan (Nam Phi), Hàn, Iceland, Igbo, Ireland, Java, Kannada, Kazakh, Khmer, Kinyarwanda, Klingon, Kurd, Kyrgyz, Latinh, Latvia, Litva, Luxembourg, Lào, Macedonia, Malagasy, Malayalam, Malta, Maori, Marathi, Myanmar, Mã Lai, Mông Cổ, Na Uy, Nepal, Nga, Nhật, Odia (Oriya), Pashto, Pháp, Phát hiện ngôn ngữ, Phần Lan, Punjab, Quốc tế ngữ, Rumani, Samoa, Serbia, Sesotho, Shona, Sindhi, Sinhala, Slovak, Slovenia, Somali, Sunda, Swahili, Séc, Tajik, Tamil, Tatar, Telugu, Thái, Thổ Nhĩ Kỳ, Thụy Điển, Tiếng Indonesia, Tiếng Ý, Trung, Trung (Phồn thể), Turkmen, Tây Ban Nha, Ukraina, Urdu, Uyghur, Uzbek, Việt, Xứ Wales, Yiddish, Yoruba, Zulu, Đan Mạch, Đức, Ả Rập, dịch ngôn ngữ.