[发明专利]一种RTP下网页直播卡顿预测的方法

说明书

本发明涉及一种在实时传输协议下的网页直播卡顿预测方法，该方法包括：插件程序、流量采集器、在线自适应卡顿预测模型。所述开发程序应用于网页获取客户端参数其目的是为后续卡顿事件的确定以及卡顿参数的预测计算相应特征提供基础参数。所述流量采集器用于内容服务提供商服务器，获取当前时刻即将下发的网络流量。所述周期性更新的自适应卡顿预测模型应用于服务器端，其目的在于对抗概念漂移下的直播卡顿事件在线预测。通过本公开实例的技术方案，可以对当前采用实时传输协议的直播流进行在线卡顿预测并实时显示在服务端管理员可视化网页界面中，该实例可使服务提供商在异常发生前期及时对即将下发的直播流量采取措施，提高用户参与度。

技术领域

本发明涉及多应用、多网络条件、多受众下的网络直播视频流进行卡顿预测的技术方法，属于网络流量分析领域

背景技术

视频流在网络流量的高占比以及直播流量占比视频流的68.2％。对于视频服务提供商来说，提供高用户服务质量从而提升用户参与度很重要。针对零售业等商品销售行业也受到了不同程度的冲击，以直播形式售卖货品成为销售业主流货物流通模式。同时，观看网络直播也渐渐成为人们居家娱乐的一种方式。

在直播场景下，客户端有较小的缓冲区。在低带宽场景下，客户端缓冲区大小与接收数据大小的不匹配导致卡顿的发生。该场景下客户端易出现屏幕黑屏或跳过一段直播内容后继续播放现象。许多研究表明，播放中断的数量和时间对QOE的影响最为严重，相比之下，用户愿意接受更高的初始延迟和更高的视频失真。此外，相比点播视频，直播流在延迟、吞吐量以及质量切换方面具有更高的要求。类比其他影响QOE指标的参数，例如初始延迟等，卡顿会更加快速降低QOE值。直播流生成的好坏主要与直播端的上行链路流量和用户端的下行链路流量有关。本文旨在从提供商角度出发，通过分析网页下行直播流量结合客户端缓冲区占用情况预测直播卡顿的发生。目前关于直播流量的研究局限于DASH或HLS协议流。DASH及HLS协议下通过集成缓冲区内一段时间的数据生成分片，从而播放下行直播流。该过程与上行直播流相比较，具有较高的延迟。目前网页直播流量多采用RTP进行数据传输。RTP可以控制到视频帧，所以可以承载实时性很高的应用。在RTP下传输的视频相较于DASH以及HLS下的视频传输延迟较小。但各领域研究学者缺乏针对RTP直播流相关研究，同时针对直播流下行流量QOE的客观检测也较为模糊。

现有针对基于被动测量方式将视频流数据映射到QOE的方法大多集中于采用基于机器学习方法或采用基于会话建模的方式。其中基于会话建模方式下是通过网络层或传输层数据结构进行统计分析从而推断视频QOE.基于机器学习方法进行是通过将网络上数据包延迟、丢失和吞吐量等可观察指标通过模型建立与视频QOE之间的关联。目前现有针对直播流的研究缺乏参数评定客观性以及可扩展性。考虑到提供商需采取策略来预测新会话的质量损失。但其应用场景考虑与该客户端相同设备以及经历过的平均比特率作为方法输入，但客户端设备多样且复杂，该方法同样缺乏可扩展性。研究场景为HTTP自适应流，其在服务端存在较完备的缓存机制。此外，针对QOE参数的预测，现有研究缺乏评定客观性或在保证了客观性的同时增加了系统工作量。在线下训练QOE参数过程中，评分系统仍旧采用人为评分，该过程增加了系统评判主观性。在保证客观性的研究中，需要将完整的视频输入后才能得到，增加了工作量。此外，现有研究无论是针对直播流量还是针对QOE参数的预测，

因此，针对目前现有问题，在现阶段主流的实时传输协议(RTP)下进行卡顿预测，由于实

时性的原因，其在服务器以及客户端帧缓冲区均具有较小的缓冲区，所以在现有研究之上考虑在较小缓冲区下，实现实时更新预测模型并实现在线预测直播卡顿事件，从而获取高卡顿预测准确率是必要的。本文所设计系统可应用于国内外各大直播内容提供商，通过将流量采集程序以及客户端参数收集程序运行于服务器上，同时开发插件在客户端允许安装的基础上开始进行客户端参数收集，在直播内容提供商所管理服务器运行直播卡顿预测模型，并周期性进行更新，该系统有助于直播内容服务提供商及时预测客户端卡顿事件，从而做出应对措施，例如压缩视频画质等，从而提高用户参与度。

发明内容