دانلود رایگان مقاله توازن برای ارائه دهندگان ویدئو در شبکه های LTE

چکیده  

      شبکه‌های تکامل  بلند مدت  (LTE)   دسترسی  به  اینرنت پهن‌باند را  برای کاربران موبایل  فراهم‌می‌کنند.  یکی از  استفاده‌های اصلی برای  LTE ویدئو موبایل‌ها  می‌باشد. زمانی که  یک   مکانیسم انتقال  ویدئویی را انتخاب‌می‌کنیم،  یک ارائه‌دهنده  ویدئو باید متریک‌های متفاوت و متعامد را بررسی‌کند.  مصرف‌کننده‌ها کیفیت بالای ویدئو (QoE) و مصرف انرژی پایین در مدت‌زمان دانلودو پخشرا  تجربه‌کرده‌اند.   ارائه‌دهندگان ویدئویی  به  حداقل‌سازی منابع  و  هزینه‌های متناطر،  مانند  پهنای باند و  ترافیک‌هدررفته علاقه‌دارند.  اگر یک کاربر  به نتیجه نرسد و  داده‌های اضافی ویدئو دانلود شوند اما پخش نمی‌شوند،  و به  طور غیرقطعی از منابع استفاده می‌کنند، ترافیک هدرمی‌رود.

         این  مسئله این سوالات را بوجود می‌آورند: 1) چگونه یک ارائه‌دهنده  ویدئو محتوای ویدئوییرا در حالی که   هزینه‌های عملیاتی را کاهش می‌دهد و تقاضای مصرف‌کننده را برآورده‌می‌سازد تحویل می‌دهد 2)  چه چیزی برروی رفتار قطع‌ناگهانی مصرف‌کننده تاثیر گذار است.  

        برای پاسخ  به این  سوالات، ابتدا اثرگذاری انتخاب مکانیسم  را  برروی مصرف انرژی  و  ترافیک  هدررفته  مطالعه  می‌کنیم.  دوم،  تفاوت مدل‌های کار که به طورقابل توجهی بر ترافیک هدررفته اثرنمی‌گذارد را  نشان‌می‌دهیم.  سرانجام،  یک راهنمایی برای انتخاب پارامتر برای  مکانیزم جریان ارائه‌می‌دهیم، که برای  بهتر برآورده‌کردن  هردو نیازمندی‌ها ارائه‌دهندگان  ویدیو  و نیز مصرف‌کنندگان،  و برای بدست آوردن نتایج بهینه باتوجه به  مصرف انرژی تلفن‌های هوشمند  و  ترافیک هدررفته  نشان‌داده‌می‌شوند.  

1. مقدمه 

        در  اینترنت موبایل‌های امروزه،  عمده ترافیک  از انتقالات ویدئویی ناشی‌شده است.  در  سال 2017،  این مقدار   به دو سوم کل ترافیک موبایل افزایش یافت.  علاوه براین،   بابکاربردن  LTE  یک افزایش  از  0.1%  به  10% در   بازه زمانی یکسان منطبق با  یک مطالعه یکسان انتظار می‌رود.  

        یک فاکتور مهم برای کسب‌وکارهای موفق توسط عملیات پلت‌فرم ویدئو   QoE  است،  برای مثال، کیفیت خدماتی  که توسط  کاربر درک می‌شود.   چندین  فاکتور  QoE مانند وقفه‌های ویدئویی، تاخیر،  و همچنین مصرف انرژی تلفن‌های هوشمند وجود دارند. اگر  پخش ویدئو با تاخیر مواجهه شود، QoE  ویدئو یک کاربر تحت تاثیرات  منفی  قرارمی‌گیرند، برای مثال به این دلیل که هنوز محتوای کافی دانلود نشده‌است.  مصرف انرژی بالا منجر به عمر کمتر باتری می‌شود، که  کاربران  را  با توجه به  اینکه مکررآ باید تلفن‌ همراه  خود را  شارژ  کنند  ناامید می‌کند.  فاکتور دیگر  برای بررسی این است که اگر  کاربران  پخش  ویدئو را  قبل از  تکمیل آن  متوقف کنند، از  چشم‌انداز  اپراتور  پلت‌فرم  همه  محتوا  دانلودشده حتی آن‌هایی که متوقف‌شده‌اند. 

        بنابراین،  در زمان ارزیابی یک مکانیسم انتقال ویدئو  QoE  ویدئو، مصرف‌انرژی  تجهیزات کاربر  (UE)  و  ترافیک  هدررفته باید بررسی‌شود.  سهم این مقاله در  ادامه آمده است.  ما  چهار مکانیسم  تحویل ویدئو  را  با  درنظرگرفتن  سه  متریک شناخته‌شده ارزیابی می‌کنیم. به‌منظور ارزیابی مقدار ترافیک از دست‌رفته، سه‌مدلکاربر  معرفی‌شده‌اند که  احتمال اینکه یک کاربر  ویدئو را  در  هر  نقطه‌ای از زمان متوقف کند مشخص‌می‌کنند.  ما  مکانیسم انتقال  جریان را  به عنوان  یک  ارائه‌دهنده نتایج  خوب برای  همه متریک‌ها  شناسایی کردیم.  سپس،  یک  مطالعه  پارامتر  را  برای  آستانه بافر  و  اندازه مکانیزم جریان  اجرا کردیم،  به‌منظور اجازه‌دادن به اپراتور  شبکه برای انتخاب  پیکربندی بهینه  Pareto  برطبق  توازن بین  ترافیک هدررفته  و مصرف‌انرژی مطالعه را انجام‌دادیم  در حالی که تنها  مجموعه پارامترهای مورد بررسی  در  QoE بیشینه نتیجه می‌دهد، برای مثال،  آن‌هایی که از  همه  تاخیرهایی ویدئویی پیشگیری می‌کنند.  

        این  مقاله  سازمان یافته‌است.  در  بخش  2  یک  مرورکلی از  کارهای  مرتبط با  انتقالات  ویدئویی  در  شبکه‌های LTE ارائه‌می‌کنیم.  بخش 3  برروی فرضیات  مدل بحث می‌کند،  و  مکانیسم انتقال ویدئو را  معرفی می‌کند،  و  مدل انرژی LTE  را  نشان می‌دهد.  علاوه‌براین،  متریک‌های استفاده‌شده  در  باقی مقاله تعریف می‌شوند. در  بخش  مکانیسم‌های بحث‌شده را بااستفاده از  یک شبیه‌ساز رخداد گسسته  قطعی ارزیابی می‌کند.  ما  اثرات   مکانیسم انتخاب شده را برروی مصرف انرژی، ترافیک هدررفته، و  ارائه  یک  تحلیل مبادله  برای مکانیسم  جریان  مطالعه می‌کنیم. سرانجام  در بخش 5  نتیجه‌گیری می‌کنیم.

2. پیش‌زمینه  و کارهای  مرتبط  

        به‌منظور  تطبیق درخواست  انتقال ویدئو برروی اینترنت، راه‌حل‌های متعددی وجود دارند. پایه‌ترین رویکرد،  دانلود است، که  ویدئو  را  به‌طور کامل  به  یکباره  اتخاذمی‌کند، و هر محتوای دردسترس را درصورت لزوم پخش می‌کند. باتوجه به  ماهیت انتقال ویدئوهای زنده تنها  ارسال محتواهای دردسترس کنونی ممکن است. علاوه براین، از تاخیر در جریان  زنده  باید اجتناب شود، چرا که به‌موقع‌بودن  ویدئو را  کاهش می‌دهد. رویکردهای متفاوتی  برای محتوای جریان ویدئو برای یک کاربر وجود دارد. در راه‌حل‌های مبتنی بر سرور،  یک مثال از   همچین رویکردهای مبتنی بر  سروری  پروتکل جریان  بلادرنگ  (RTSP)  است که  به ‌طور  گسترده  به عنوان  یک  راه‌حل استانداردشده  برای جریان  ویدئو موبایل‌ها  مورد بحث قرار گرفته‌است.

Abstract

       Long Term Evolution (LTE) networks provide broadband Internet access to mobile users. One of the main use cases for LTE is a mobile video. When selecting a video transmission mechanism, a video provider has to consider different and orthogonal metrics. The consumer expects a high video Quality of Experience (QoE) and a low energy consumption during download and playback. The video provider is interested in minimizing its resources and corresponding costs, like bandwidth and wasted traffic. Wasted traffic occurs if a user aborts and additional video data is already downloaded but not played out, consuming resources unnecessarily.

         This raises the questions 1) how a video provider delivers the video contents while reducing the operational costs and satisfying the customers demands 2) what is the influence of the customer abort behaviour.

       To answer these questions, we first study the influence of mechanism selection on energy consumption and wasted traffic. Second, we show that the different user models do not influence the wasted traffic significantly. Finally, we provide parameter selection guidelines for the Streaming mechanism, which are shown to satisfy better both the requirements of the video provider as well as those of the customer, to achieve Pareto optimal results with regard to the smartphone energy consumption and wasted traffic.

I. INTRODUCTION

        In the current mobile Internet, the majority of traffic is caused by video transmissions. By 2017, this value is expected to rise to two thirds of all mobile traffic [1]. Furthermore, the deployment of LTE is expected to rise from 0.1% to 10% in the same timespan according to the same study.

       One important factor for successful business considered by video platform operators is the QoE, i.e. the quality of service as perceived by the user. There are several QoE factors like video interruptions, referred to as stalling, but also energy consumption of the smart phone. The video QoE of a user is negatively impacted if video playback stalls, for example because not enough content has been downloaded yet. A high energy consumption results in lower battery lifetime, which frustrates users due to frequent required recharges. Another factor to consider is that if the user stops the playback of the video before completion, from the perspective of the platform operator all content downloaded but not yet watched is lost.  

       Thus, when evaluating a video transmission mechanism the video QoE, energy consumption of the User Equipment (UE) and wasted traffic should be considered. The contribution of this article is the following. We evaluate four video delivery mechanisms with regard to the three identified metrics. In order to evaluate the amount of wasted traffic, three user models are introduced which specify the probability of a user stopping the video at any point in time. We identify the Streaming transmission mechanism as providing good results for all metrics. Then, we perform a parameter study for the buffer threshold and size of the Streaming mechanism, in order to allow a network operator to select Pareto optimal configurations according to a trade-off between wasted traffic and energy consumption while only considering parameter sets resulting in maximum QoE, i.e. those preventing all video stalling.

       This paper is structured as follows. In Sec. II we give an overview of related work on video transmission in LTE networks. Section III discusses model assumptions, introduces the video transmission mechanisms, and presents the LTE energy model. Furthermore, the metrics used in the remainder of the paper are defined. In Sec. IV we evaluate the discussed mechanisms using deterministic discrete event simulation. We study the impact of selected mechanism on energy consumption, wasted traffic, and provide a trade-off analysis for the Streaming mechanism. Finally, we conclude in Sec. V.

II. BACKGROUND AND RELATED WORK

       In order to match the demand of video transmission over the Internet, multiple solutions exist [2]. The most basic approach, Download, obtains the complete video at once, playing back any available content as required. Due to the nature of Live video transmissions it is only possible to send the currently available content. Furthermore, introducing delay into the livestream should be avoided as it reduces the timeliness of the video. There exist different approaches for Streaming video content to a user. In server based solutions, the streaming server controls the transmission of content. One example of such a server based approach is the Real Time Streaming Protocol (RTSP) which was widely discussed as a standardized solution for mobile video streaming [3].

چکیده  

1. مقدمه 

2. پیش‌زمینه  و کارهای  مرتبط  

3. مدل 

A .فرضیات  مدل

B . مدل ترافیک  ویدئو  

C .مدل شبکه  LTE 

D .متریک‌های ارزیابی برای  مصرف‌انرژی تلفن‌های هوشمند  و  ترافیک  هدررفته  

4. ارزیابی عددی  

A . مصرف انرژی 

B . ترافیک هدررفته  

C . اثرگذاری  انتخاب آستانه بافر 

5 .نتیجه  

منابع

Abstract

1. INTRODUCTION

2. BACKGROUND AND RELATED WORK

3. MODEL

A. Model Assumptions

B. Video Traffic Model

C. LTE Network Model

D. Evaluation Metrics for Smartphone Energy Consumption and Wasted Traffic

4. NUMERICAL EVALUATION

A. Energy Consumption

B. Wasted Traffic

C. Influence of Buffer Threshold Selection

5. CONCLUSION

REFERENCES