- Author:
Yi Sun( CMU Visitor 中科院(UCAS)AP ) Internet Video, TCP, Throughput Prediction, Bitrate Adaption, Dynamic Adaptive Streaming over HTTP(DASH)
摘要
比特率自适应对于确保互联网视频的良好体验质量（QoE）至关重要。
（1）初始比特率选择降低启动延迟并提供高初始分辨率
（2）中流比特率适应高QoE。先前的努力没有系统地量化实际吞吐量可预测性或开发良好的预测算法。为弥补这一差距，本文做了三点贡献：
- 共享相似关键特征的会话，会呈现类似的初始吞吐量值和动态模式
- 在给定会话中，有一个自然的带宽变化的“有状态”的行为
通过这些见解，我们构建了CS2P，一种使用数据驱动方法进行学习的吞吐量预测系统:
- 类似的session做聚类。
- 初始吞吐量预测。
- 基于隐马尔可夫模型的中游预测模拟吞吐量的状态演化。
我们开发了一个原型系统并展示了使用跟踪驱动的仿真和现实世界的实验：（1）CS2P优于现有的预测方法（2）CS2P在整体QoE和高平均比特率上实现了对现有方法（MPC）(模型预测控制)的改进。
引入
这篇文章主要做的就是发现insight,并用这些insight设计预测带宽pattern的系统。
因为作者发现带宽预测准确的话，可以大大提升QoE对于video streaming.
主要有以下两个方面的带宽预测：
1.最初的bitrate的选择：
最初的带宽预测可以帮助选择一个最初合适的比特率。
2.中间流的bitrate的适应：
虽然，可以采用没有带宽咕咕鸡的方法来调整比特率。比如仅适用playback buffer占据量
但是使用带宽估计结合的比特率适应方法可以得到过更好的QoE相比单纯的缓冲占据的方法。
仅有throuput prediction也无法满足千变万化的实际网络状况。作者在爱奇艺数据集上做了运算。发现现有的算法不能改捕捉到动态的带宽变化。作者发现了两点insight
- 观察到带宽有类似的会话，倾向于相同的初始化和平均带宽的值以及即使经历类似的结构性质在带宽变化中。类似的回话会有类似的QoE表现.
- 我们可以看到即使是观察到的带宽变化巨大，noisy很大，但是还是由固定的变化方式在里面。
因此我们设计了CS2P(Cross Session Stateful Predictor)来提升bitrate的选择和适应。它包含一个data aggregator(prediction engine)
offline的学习过去的模型中的一些session. CS2P对于每个cluster，学习隐马尔科夫模型（HMM)来建模模型的状态演化。CS2P可以被视为中间状态of CFA(中央控制面板)以及中央化bitrate adapationg方法（MPC,Buffer Based-BB FESTIVE)因为它使用集中方式来开发更好的吞吐量预测模型，但使用分散机制来执行实际的适应决策。
这篇文章的Contribution和Roadmap有：
1.大规模带宽稳定性和预测性的分析，能达到精确的带宽预测。
2.CS2P体系结构来提升bitrate selection adn adaption通过带宽建模，以及可操作性的预测结构，这个结构是能捕获多样性的。
3.一个在video player上的可操作性的应用，并且陈述了预测精确性和QoE的进步使用路径驱动的评估。
