Enhancing QoE for Mobile Users by Environment-Aware HTTP Adaptive Streaming

HTTP adaptive streaming (HAS) has become a dominated media streaming paradigm in today’s Internet, which enriches the user’s experience by matching the video quality with the dynamic network conditions. A range of HAS mechanisms have been proposed to enhance the Quality of Experience (QoE). However, existing mechanisms ignore the environmental impact in the QoE evaluation of mobile users, while the popularity of mobile video allows users to watch videos in diversified scenarios. In this paper, we propose an environment-aware HAS scheme that fully concentrates on the different criteria for evaluating video QoE under different environments. Using the advantage of the sensors in mobile phones, the scheme constructs and validates a video QoE model based on environment perception and then designs a model-driven, environment-aware HAS rate adaptation algorithm. We also evaluate the scheme with an environment-aware DASH (Dynamic Adaptive Streaming over HTTP) player in real mobile environments. Compared to the benchmark HAS mechanism, the experimental results demonstrate that our scheme can provide appropriate differentiated rate adaptation for different environments, resulting in a higher QoE.

Download Full-text

Dynamic network resource management and service adaptation in interactive digital broadcasting systems for achieving the maximum possible quality of service

10.12681/eadd/36382 ◽

2015 ◽

Author(s):

Ανάργυρος Σιδέρης

Keyword(s):

Dynamic Network ◽

Adaptive Streaming ◽

Network Resource ◽

Video Clips ◽

Trip Time ◽

Quality Profile ◽

Http Adaptive Streaming ◽

Digital Broadcasting ◽

Service Adaptation

Η παρούσα διδακτορική διατριβή συμβάλλει στη βέλτιστη λειτουργία των αποκεντρωμένων δικτύων επίγειας ψηφιακής διαδραστικής ευρυεκπομπής για την μεταφορά πολυμεσικών υπηρεσιών με την μέγιστη δυνατή ποιότητα υπηρεσίας, λαμβάνοντας υπ’ όψιν τους διαθέσιμους – ανά πάσα στιγμή – διακτυακούς πόρους. Προς την κατεύθυνση αυτή σχεδιάστηκε, υλοποιήθηκε και αξιολογήθηκε ένας μηχανισμός για την δυναμική διαχείριση δικτυακών πόρων και προσαρμογή των πολυμεσικών υπηρεσιών, στον κάθε ενδιάμεσο κόμβο διανομής του δικτύου επίγειας ψηφιακής ευρυεκπομπής. Στα πλαίσια αυτά και πρότερα του σχεδιασμού του προτεινόμενου μηχανισμού διεξάχθηκε βιβλιογραφική έρευνα, η οποία έδειξε την ύπαρξη μηχανισμών διαχείρισης δικτυακών πόρων και προσαρμογής υπηρεσιών που λειτουργούσαν ακολουθώντας κεντροποιημένες ή ημικατανεμημένες προσεγγίσεις, οι οποίες όμως αντιμετωπίζουν θέματα κλιμακοθεσιμότητας και αποτυχίας κεντρικού σημείου. Σε αντιδιαστολή, η παρούσα διατριβή προτείνει την υλοποίηση ενός μηχανισμού κατανεμημένης διαχείρισης των δικτυακών πόρων και προσαρμογής των υπηρεσιών, ο οποίος εδρεύει εξολοκλήρου στους περιφερειακούς κόμβους του δικτύου επίγειας ψηφιακής ευρυεκπομπής, αντιμετωπίζοντας έτσι «εκ σχεδιασμού» τα προαναφερθέντα θέματα. Η αξιολόγηση του προτεινόμενου μηχανισμού έλαβε χώρα σε ένα πρότυπο δίκτυο διαδραστικής επίγειας ψηφιακής ευρυεκπομπής, τόσο για UDP όσο και για TCP πολυμεσικές υπηρεσίες.Τα πειραματικά αποτελέσματα, αναφορικά με τη διαχείριση των δικτυακών πόρων, έδειξαν την ικανότητα της προτεινόμενης λύσης να λειτουργεί εξίσου καλά με τους υπάρχοντες κεντροποιημένους και ημικατανεμημένους μηχανισμούς διαχείρισης δικτυακών πόρων, παρέχοντας όμως, λόγω του κατανεμημένου σχεδιασμού, καλύτερη κλιμακοθεσιμότητα και ανοχή σε λάθη. Στα ίδια πλαίσια, η αξιολόγηση του συστήματος προσαρμογής υπηρεσιών έδειξε την ικανότητα του να προσαρμόζει αποδοτικά τόσο TCP όσο και UDP υπηρεσίες εικόνας/ήχου στους διαθέσιμους δικτυακούς πόρους, χρησιμοποιώντας είτε την τεχνική προσαρμογής του TCP διαφημιζόμενου παραθύρου είτε την τεχνική διακωδικοποίησης. Πιο ειδικά η πρώτη τεχνική όταν χρησιμοποιήθηκε για την προσαρμογή HTTP Adaptive Streaming υπηρεσιών έδωσε 88% μικρότερη αμφίδρομη καθυστέρηση (Round Trip Time-RTT) και μηδενικές TCP επανεκπομπές πακέτων, συγκρινόμενη με τη χρήση συμβατικών τεχνικών μορφοποίησης κίνησης· ένα αποτέλεσμα το οποίο μπορεί να επιφέρει μείωση στον αριθμό αλλά και στο εύρος των διακυμάνσεων του TCP ρυθμού ροής έχοντας έτσι σαν συνέπεια τη μείωση των εναλλαγών μεταξύ των διαφορετικών επιπέδων ποιότητας (Quality Profiles) που εμπεριέχει κάθε HTTP Adaptive Streaming υπηρεσία. Αναγνωρίζοντας ότι παρόλη τη χρήση των μηχανισμών διαχείρισης δικτυακών πόρων και προσαρμογής υπηρεσιών, οι περιορισμένοι δικτυακοί πόροι του καναλιού ευρυεκπομπής (UHF ζεύξη) αποτελούν μια σημαντική πρόκληση στην κλιμακοθεσιμότητα των αποκεντρωμένων δικτύων επίγειας ψηφιακής ευρυεκπομπής—ιδιαίτερα όταν στο προσκήνιο μπαίνει η μεταφορά δημοφιλών διαδικτυακών υπηρεσιών εικόνας και ήχου (π.χ. YouTube video clips)—εισάγεται η χρήση ενός μηχανισμού ελαχιστοποίησης του δικτυακού φόρτου. Ο μηχανισμός αυτός στοχεύει ειδικά στις HTTP Adaptive Streaming υπηρεσίες, καθότι αναμένεται ότι το πλήθος των διαδικτυακών υπηρεσιών εικόνας/ήχου θα χρησιμοποιεί HTTP Adaptive Streaming, όπως το YouTube. Η πειραματική αξιολόγηση του εν λόγω μηχανισμού έδωσε μειώσεις δικτυακού φόρτου που αγγίζουν το 53% (το ποσοστό θα αυξάνει όσο αυξάνει και ο αριθμός των χρηστών που αιτείται παράλληλα την ίδια υπηρεσία). Τέλος, επισημαίνεται μια θετική παρενέργεια του εν λόγω μηχανισμού που είναι η εξάλειψη της άνισης κατανομής ποιότητα υπηρεσίας στους χρήστες, καθώς όλοι τους λαμβάνουν το ίδιο ποιοτικό επίπεδο (Quality Profile) της HTTP Adaptive Streaming υπηρεσίας.

Download Full-text

A Video Quality Adaptation Algorithm to Improve QoE for HTTP Adaptive Streaming Service

Journal of KIISE ◽

10.5626/jok.2017.44.1.95 ◽

2017 ◽

Vol 44 (1) ◽

pp. 95-106

Author(s):

Myoungwoo Kim ◽

Kwangsue Chung

Keyword(s):

Video Quality ◽

Adaptive Streaming ◽

Adaptation Algorithm ◽

Quality Adaptation ◽

Http Adaptive Streaming ◽

Streaming Service

Download Full-text

Quality of experience for HTTP adaptive streaming services

IEEE Communications Magazine ◽

10.1109/mcom.2012.6178830 ◽

2012 ◽

Vol 50 (4) ◽

pp. 20-27 ◽

Cited By ~ 190

Author(s):

Ozgur Oyman ◽

Sarabjot Singh

Keyword(s):

Quality Of Experience ◽

Adaptive Streaming ◽

Http Adaptive Streaming ◽

Streaming Services

Download Full-text

Client-Driven Joint Cache Management and Rate Adaptation for Dynamic Adaptive Streaming over HTTP

International Journal of Digital Multimedia Broadcasting ◽

10.1155/2013/471683 ◽

2013 ◽

Vol 2013 ◽

pp. 1-16 ◽

Cited By ~ 3

Author(s):

Chenghao Liu ◽

Miska M. Hannuksela ◽

Moncef Gabbouj

Keyword(s):

Rate Adaptation ◽

Cache Management ◽

Adaptive Streaming ◽

Adaptation Algorithm ◽

Proxy Cache ◽

Proxy Caches ◽

Simulation Results ◽

And Storage ◽

Media Data ◽

Adaptation Method

Due to the fact that proxy-driven proxy cache management and the client-driven streaming solution of Dynamic Adaptive Streaming over HTTP (DASH) are two independent processes, some difficulties and challenges arise in media data management at the proxy cache and rate adaptation at the DASH client. This paper presents a novel client-driven joint proxy cache management and DASH rate adaptation method, named CLICRA, which moves prefetching intelligence from the proxy cache to the client. Based on the philosophy of CLICRA, this paper proposes a rate adaptation algorithm, which selects bitrates for the next media segments to be requested by using the predicted buffered media time in the client. CLICRA is realized by conveying information on the segments that are likely to be fetched subsequently to the proxy cache so that it can use the information for prefetching. Simulation results show that the proposed method outperforms the conventional segment-fetch-time-based rate adaptation and the proxy-driven proxy cache management significantly not only in streaming quality at the client but also in bandwidth and storage usage in proxy caches.

Download Full-text

A fair server adaptation algorithm for HTTP adaptive streaming using video complexity

Multimedia Tools and Applications ◽

10.1007/s11042-018-6615-z ◽

2018 ◽

Vol 78 (9) ◽

pp. 11203-11222 ◽

Cited By ~ 3

Author(s):

Ran Dubin ◽

Raffael Shalala ◽

Amit Dvir ◽

Ofir Pele ◽

Ofer Hadar

Keyword(s):

Adaptive Streaming ◽

Adaptation Algorithm ◽

Http Adaptive Streaming ◽

Video Complexity

Download Full-text

A Mobile Fog Computing-Assisted DASH QoE Prediction Scheme

Wireless Communications and Mobile Computing ◽

10.1155/2018/6283957 ◽

2018 ◽

Vol 2018 ◽

pp. 1-10 ◽

Cited By ~ 1

Author(s):

Hongyun Zheng ◽

Yongxiang Zhao ◽

Xi Lu ◽

Rongzhen Cao

Keyword(s):

Quality Of Experience ◽

Fog Computing ◽

Video Quality ◽

Adaptive Streaming ◽

Network Operator ◽

Video Traffic ◽

Client Server ◽

Prediction Scheme ◽

Network Equipment

Video service has become a killer application for mobile terminals. For providing such services, most of the traffic is carried by the Dynamic Adaptive Streaming over HTTP (DASH) technique. The key to improve video quality perceived by users, i.e., Quality of Experience (QoE), is to effectively characterize it by using measured data. There have been many literatures that studied this issue. Some existing solutions use probe mechanism at client/server, which, however, are not applicable to network operator. Some other solutions, which aimed to predict QoE by deep packet parsing, cannot work properly as more and more video traffic is encrypted. In this paper, we propose a fog-assisted real-time QoE prediction scheme, which can predict the QoE of DASH-supported video streaming using fog nodes. Neither client/server participations nor deep packet parsing at network equipment is needed, which makes this scheme easy to deploy. Experimental results show that this scheme can accurately detect QoE with high accuracy even when the video traffic is encrypted.

Download Full-text

Video Quality of Experience Metric for Dynamic Adaptive Streaming Services Using DASH Standard and Deep Spatial-Temporal Representation of Video

Applied Sciences ◽

10.3390/app10051793 ◽

2020 ◽

Vol 10 (5) ◽

pp. 1793

Author(s):

Lina Du ◽

Li Zhuo ◽

Jiafeng Li ◽

Jing Zhang ◽

Xiaoguang Li ◽

...

Keyword(s):

Video Compression ◽

Quality Of Experience ◽

Feature Vector ◽

Video Quality ◽

Superior Performance ◽

Adaptive Streaming ◽

Input Feature ◽

Streaming Services ◽

Content Characteristics

DASH (Dynamic Adaptive Streaming over HTTP (HyperText Transfer Protocol)) as a universal unified multimedia streaming standard selects the appropriate video bitrate to improve the user’s Quality of Experience (QoE) according to network conditions, client status, etc. Considering that the quantitative expression of the user’s QoE is also a difficult point in itself, this paper researched the distortion caused due to video compression, network transmission and other aspects, and then proposes a video QoE metric for dynamic adaptive streaming services. Three-Dimensional Convolutional Neural Networks (3D CNN) and Long Short-Term Memory (LSTM) are used together to extract the deep spatial-temporal features to represent the content characteristics of the video. While accounting for the fluctuation in the quality of a video caused by bitrate switching on the QoE, other factors such as video content characteristics, video quality and video fluency, are combined to form the input feature vector. The ridge regression method is adopted to establish a QoE metric that enables to dynamically describe the relationship between the input feature vector and the value of the Mean Opinion Score (MOS). The experimental results on different datasets demonstrate that the prediction accuracy of the proposed method can achieve superior performance over the state-of-the-art methods, which proves the proposed QoE model can effectively guide the client’s bitrate selection in dynamic adaptive streaming media services.

Download Full-text