论文部分内容阅读
随着移动宽带用户的增加,移动流媒体业务呈现爆发式的增长,成为了移动互联网业务中最热门的服务之一。伴随着庞大的市场而来的是运营商、流媒体服务提供商之间的激烈竞争。在以用户为中心的商业时代,研究如何为用户提高服务质量、确保服务能被用户认可将会在竞争中扮演着决定性的作用。它的蓬勃发展,面向视频流媒体的用户体验质量评估依旧面临两大缺陷:效率低、费时费力的数据获取方式;评测的完整性低和结果呈现的实时性差。所以需要改进其数据收集的方式,并建立一套完整的用户体验质量系统,对数据进行实时性呈现。本文介绍实验室研发的基于移动群智感知的移动众测系统,并尝试对QoE评测模型进行改进,增加QoE预测的鲁棒性和准确性。本文的主要内容如下:(1)本文调研了移动视频业务的现状,介绍了视频QoE和移动群智感知的发展趋势。分析了当前研究视频QoE可能会面临的问题:数据的获取成本高昂;收集平台的不完善导致数据不能有效的形成闭环且QoE的实时性不能得到保障。并对视频QoE的定义、量化方法、评级方法做了简要说明,介绍了移动群智感知的基本特点、应用领域及通用结构等,总结了本文的主要创新点。(2)借鉴移动群智感知的概念,本文提出了移动众测系统计算模型,包括众测感知模型、QoE评价模型。应用此计算模型,设计并实现了基于移动群智感知的移动众测系统,并简述了系统的整体架构及系统中QoE评价模型的计算流程。通过设计测试方案,证明了模型和系统的可行性。(3)本文分析了 QoE评价模型的适用场景,并总结了在海量数据的环境下它存在的缺陷:线性、无数据、无法修改KPI影响因素及其权重系数。根据移动众测系统中收集的数据,针对以上三点缺陷,分别设计了多项式回归方案、QoE-BP神经网络方案、QoE-树模型融合方案去尝试优化QoE评价模型,并对三种方案的建立过程做了简要描述。通过设计对比实验,讨论并验证原评价模型与改进的模型模型的优劣,最终得出在移动众测环境中QoE-树模型融合方案最佳。