近年来,随着人们更加注重参与式生活方式,以众包视频直播和360°全景视频为代表的新型流媒体快速发展。与传统视频服务相比,这两类新型流媒体具有交互活动丰富,画面质量高,转码需求大等特点,在高效服务资源分配和高质量网络传输方面面临更严峻的挑战。然而,以往众包视频直播研究缺乏对观看者弹幕互动基本特征的分析,仍采用基于流行度的资源分配方式,无法满足差异化观看需求。现有360°视频工作采用视点自适应传输技术,缺乏对视点预测误差的时空分布特征及其与视频块预取之间联系的深入研究,造成带宽利用率低,无法保证观看体验。本文以解决新型流媒体网络传输效率低下和资源分配不合理问题为目标,从理解用户观看视频时的交互行为出发,优化实时直播场景下的视频转码和分发策略以及虚拟现实场景下的360°视频传输调度。本文主要工作及创新点包括:(1)研究新型流媒体特有交互行为分析与建模这一关键问题。新型流媒体允许用户在浏览视频时进行各种互动活动,如众包视频直播中的礼物赠送和评论发表,以及360°视频播放时视点方向的自由选择。准确的用户行为模型对于提升流媒体服务质量至关重要,为此,本文基于主动测量数据和公开数据集开展系统性的特征分析和统计建模工作。一方面,揭示众包直播进程中观众赠送礼物和发表评论的行为特征,重点刻画观众消费模式、交互活动强度以及直播频道流行度,选取经验模型对测量数据进行曲线拟合,并赋予模型参数以现实物理意义,指出频道流行度受主播行为特征影响,进而给出一种基于随机森林准确预测流行度的方法。另一方面,针对360°视频,运用不同方法预测未来一定时间窗内的用户视点和网络带宽,不同于已有研究侧重预测准确率,本文重点分析了预测误差在时间和空间上的分布特征,并建立相应分析模型。(2)研究在数量众多直播频道之间分配有限网络资源这一关键问题。现有众包视频直播方案大多采用基于流行度的服务策略,优先为观看人数众多的频道提供转码和视频分发,然而,该策略与部分平台依赖的“打赏变现”商业模式并不匹配,忽略了观众异质交互模式带来的差异化观看需求,导致整体收益和个人互动体验下降。针对该问题,本文提出了一种基于弹幕交互属性的众包视频直播框架,在分配云端计算资源时考虑频道盈利能力,均衡观众满意度、货币利润和转码实例租赁费用等因素,确定每个频道的目标视频版本集合和服务节点位置;同时,建立观众感知体验的评估模型,引入协作的边缘节点优化传输调度,为每位观众提供适配其时延和带宽需求的视频版本及分发路径,最大化互动体验。真实测量数据驱动的实验结果表明,和当前策略相比,所提框架能有效提升88.1%系统收益和76.2%用户观感。(3)研究提高自适应传输效率的视频容错预取问题。360°视频自适应传输需要根据预估的用户视点和网络容量确定预取的视频块集合及质量版本,预取决策同时受到视点预测误差和带宽预测误差的影响,需要平衡时间和空间维度上的取舍,已有解决方案大多仅考虑单一方面影响,无法实现整体最优。本文提出一种误差条件下的360°视频块传输调度机制。针对应用分层编码的360°视频,借助误差模型科学计算特定层编码块的观看价值,进一步对时空维度上的视频块容错预取优化问题进行建模。根据实际观看价值和传输完成概率确定需要预取的编码块及下载顺序,最大化所预取数据的观看价值,提升用户体验。给出相应的轻量级启发式算法和基于深度强化学习的高效预取决策方法。基于公开用户观看行为和带宽数据的实验结果表明,和现有传输技术相比,所提方法平均能带来至少40.7%的用户体验提升。