[发明专利]一种基于控制论和数据驱动的自适应分流决策方法

说明书

本发明公开了一种基于控制论和数据驱动的自适应分流决策方法，通过定义合适的网络环境作为智能体模块的状态输入，然后通过对机器学习模型的训练和测试过程使智能体能够自适应的进行动作决策；在决策出多路径的最优分流比后分发相应数量的视频数据至传输终端；同时基于缓冲区的动态变化模型计算码率控制范围，调整视频码率以适应缓冲区占用的变化，保证视频播放的流畅度；通过控制系统，进一步优化了机器学习算法决策模型在实际系统中应用的准确性；在系统测试阶段，使用最优的分流比传输相应视频数据，并计算出视频码率范围，由控制系统选择合适的值使其匹配动态变化的缓冲区占用长度。

技术领域

本发明涉及流媒体播放技术领域，主要涉及一种基于控制论和数据驱动的自适应分流决策方法。

背景技术

根据思科技术的报告预测，无线视频流量正在急剧地增长，并将主导无线数据流量。其中包括Internet视频，IP VoD，通过文件共享交换的视频文件，视频流游戏和视频会议等。预计到2022年，全球IP视频流量将占流量的82％。而视频流量的巨大增长主要是由于无线通信技术的快速发展(例如4G，5G技术)，移动设备(例如智能手机，平板电脑等)的普及以及互联网业务需求的增长(例如在线视频会议)。因此，为用户提供流畅的视频播放，提升用户体验质量具有十分重要的意义。

然而传输视频数据需要较大的带宽，随着大数据时代的到来，无线网络带宽资源日益紧张。此外，无线网络信道本身波动较大且易受干扰，加之网络延迟会造成视频数据的丢包，这些都严重影响了用户QoE。因此，需要开发相关的视频流媒体传输技术以解决上述存在的问题。为了应对不断增长的视频流流量，提供流畅的流媒体体验，动态图像专家组(Moving Picture Experts Group，MPEG)制定了基于HTTP协议的动态自适应流标准(Dynamic Adaptive Streaming over HTTP,DASH)。

DASH传输系统中视频码率自适应能力的好坏依赖于其采用的自适应算法。为了保证视频的平稳连续播放，采用DASH的客户端都设置了缓冲区来吸收网络和视频传输码率的动态变化，因此维持缓冲区占用长度是提升用户QoE的重要途径。码率自适应控制模块会根据当前的网络状态以及客户端缓冲区占用长度来决策下一时刻的请求码率，从而使请求码率适应当前的缓冲区占用长度而不出现上溢或者下溢的情况。传统的码率自适应算法总体分为以下三种：基于吞吐量的预测改变视频传输码率，即基于速率的算法(Rate-basedAlgorithms，RBA)，基于客户端播放缓冲区占用选择下一时刻码率。具体通过设置缓冲区上下阈值，当缓冲区占用超过溢出阈值时，提高视频码率；当小于下溢阈值时，降低视频码率。即基于缓冲的算法(Buffer-based ABR Algorithms,BBA)和同时基于吞吐量和缓冲区的模型控制预测算法(Model Predictive Control,MPC)。然而这些算法的有效性往往不够，因为网络吞吐量的变化是快速且没有规律的，对于其预测的结果准确性较低。其次缓冲区的变化又严重依赖于当前时刻的网络吞吐量和视频的传输码率，因此这类自适应算法有相当大的局限。

另一方面，移动通信技术伴随着智能终端一起飞速发展，从3G,4G到如今的5G，移动通信技术不仅带给人们日益快速的网络体验，同时也和无线网络技术(如无线局域网等)一起形成了异构网络环境。异构网络主要是指由运行在不同网络协议上的设备或系统组成的一种网络，这意味着异构无线网络的接入方式是多样化的。接入不同无线网络的设备可以充分利用自身的空闲资源协同进行大量业务数据的传输任务，以提高传输效率。例如，发送端的视频数据可以通过接入不同网络制式(4G，5G等)的多个终端协同传输，下载速率远远超过单台设备。

然而异构网络环境中各终端设备采用不同的无线网络接入方式，造成路径的时延，传输速率也不同。在多径传输过程中，端到端的性能受到传输层拥塞控制的影响，也就是说即便为某条路径分配较多的网络资源，可能也达不到提升网络吞吐量的目的，相反还会造成资源浪费。此外，由于多径系统中拓扑的时变性加之各路径存在的网络制式，时延的不同，总体性能并不是单条链路性能的简单线性叠加，必要时甚至可以中断某些链路的传输以达到总吞吐量的最优，因此有必要对多条路径进行合理的流量分配。