羅 銳，黃鸝聲，張振宇，薛 紅，歐陽千瑋，談澄秋

（1.成都師范學(xué)院 計算機(jī)科學(xué)學(xué)院，成都 611130；2.電子科技大學(xué) 計算機(jī)科學(xué)與工程學(xué)院，成都 611731；3.西南交通大學(xué) 信息編碼與傳輸重點(diǎn)實(shí)驗(yàn)室，成都 611756；4.重慶郵電大學(xué) 國際學(xué)院，重慶 400065；5.中國移動通信集團(tuán)四川有限公司，成都 610095）

5G高速率、低時延的特性為移動網(wǎng)絡(luò)視頻業(yè)務(wù)帶來了全新的視覺體驗(yàn)，視頻業(yè)務(wù)已經(jīng)成為5G網(wǎng)絡(luò)主流應(yīng)用.據(jù)愛立信移動市場報告數(shù)據(jù)［1］，到2025年，移動視頻流量在移動數(shù)據(jù)總流量中的占比將從2019年的略高于60%增長到近75%；另一方面，在5G時代，通信市場競爭日趨激烈，由于無線網(wǎng)絡(luò)質(zhì)量的影響，用戶網(wǎng)絡(luò)視頻業(yè)務(wù)在體驗(yàn)過程中經(jīng)常出現(xiàn)視頻啟動時間太長、黑屏和卡頓時間過長等問題，直接導(dǎo)致用戶滿意度下降、投訴量增加，甚至離網(wǎng)等后果.為此，運(yùn)營商需要精確評估和掌握用戶在使用網(wǎng)絡(luò)視頻業(yè)務(wù)過程中的體驗(yàn)質(zhì)量，以便提前發(fā)現(xiàn)質(zhì)量問題，進(jìn)一步開展客戶關(guān)懷、網(wǎng)絡(luò)維護(hù)優(yōu)化工作.因此，做好5G網(wǎng)絡(luò)視頻業(yè)務(wù)質(zhì)量評估，及時發(fā)現(xiàn)網(wǎng)絡(luò)視頻業(yè)務(wù)運(yùn)行過程中的問題，成為通信運(yùn)營商亟待解決的課題，研究一套準(zhǔn)確率高、易推廣的5G網(wǎng)絡(luò)環(huán)境下的網(wǎng)絡(luò)視頻質(zhì)量分析方法成為迫切需求.

目前通信運(yùn)營商采用的網(wǎng)絡(luò)視頻質(zhì)量分析方法主要包括視頻信令檢測法、探針撥測法、直接深度包檢測（deep packet inspection，DPI）解析法和呼叫/事務(wù)/會話數(shù)據(jù)記錄（extend data recording，XDR）大數(shù)據(jù)法四類.視頻信令檢測法是運(yùn)營商通過部署的統(tǒng)一DPI系統(tǒng)，提取視頻播放過程中交互的視頻播放時長、卡頓等信令數(shù)據(jù)，計算視頻播放質(zhì)量［2-5］.視頻信令檢測法的優(yōu)勢是實(shí)施簡單、準(zhǔn)確率高，但若視頻內(nèi)容源服務(wù)商采用加密協(xié)議來傳輸視頻數(shù)據(jù)，或修改了信令流程，都會導(dǎo)致運(yùn)營商無法進(jìn)行網(wǎng)絡(luò)視頻質(zhì)量分析.探針撥測法是在網(wǎng)絡(luò)中布放視頻質(zhì)量監(jiān)測終端，視頻質(zhì)量監(jiān)測終端對各主要網(wǎng)絡(luò)視頻模擬用戶行為進(jìn)行自動撥測、分析，從而獲取視頻質(zhì)量分析結(jié)果［6-7］.探針撥測法實(shí)施簡單，也是運(yùn)營商應(yīng)用較多的視頻質(zhì)量分析方法，但探針撥測法獲得的視頻質(zhì)量分析結(jié)果無法代表真實(shí)用戶使用視頻業(yè)務(wù)時的真實(shí)視頻感知質(zhì)量.直接DPI解析法是在運(yùn)營商網(wǎng)絡(luò)鏈路上部署DPI設(shè)備，對視頻播放的流量進(jìn)行捕獲、抽取、解析，獲取視頻質(zhì)量相關(guān)數(shù)據(jù)指標(biāo)，在此基礎(chǔ)上，分析、計算網(wǎng)絡(luò)視頻質(zhì)量評價值，文獻(xiàn)［8-18］都是直接DPI解析法，區(qū)別在于提取的視頻數(shù)據(jù)指標(biāo)不同，計算視頻質(zhì)量的方法不同.由于直接DPI解析法需要在網(wǎng)絡(luò)鏈路上部署專門的DPI設(shè)備，在運(yùn)營商已經(jīng)部署統(tǒng)一DPI系統(tǒng)對網(wǎng)絡(luò)流量進(jìn)行全量采集、解析處理［19-20］的情況下，直接DPI解析法再單獨(dú)部署專門的DPI設(shè)備，顯然浪費(fèi)投資.XDR是由呼叫數(shù)據(jù)記錄（call data recording，CDR）演變而來的概念，CDR是傳統(tǒng)通信網(wǎng)中對通話過程中網(wǎng)絡(luò)關(guān)鍵信息的記錄，XDR是CDR概念的擴(kuò)展，泛指對通信網(wǎng)絡(luò)中數(shù)據(jù)流量的關(guān)鍵信息記錄，即流量日志，XDR以用戶會話為單位，一個會話形成一條XDR記錄，也稱為一條XDR話單.為了對通信網(wǎng)絡(luò)上承載的流量進(jìn)行業(yè)務(wù)質(zhì)量分析，各通信運(yùn)營商都按技術(shù)規(guī)范部署了統(tǒng)一DPI系統(tǒng)，將通信網(wǎng)絡(luò)上的流量數(shù)據(jù)復(fù)制一份到DPI設(shè)備，對通信網(wǎng)絡(luò)上承載的所有流量進(jìn)行解析、處理、保存，相應(yīng)生成XDR大數(shù)據(jù).XDR大數(shù)據(jù)法是利用運(yùn)營商現(xiàn)有XDR大數(shù)據(jù)加工生成視頻質(zhì)量分析結(jié)果.文獻(xiàn)［21-22］提出在運(yùn)營商XDR大數(shù)據(jù)基礎(chǔ)上，通過數(shù)據(jù)挖掘，實(shí)現(xiàn)包含視頻業(yè)務(wù)在內(nèi)的各種互聯(lián)網(wǎng)業(yè)務(wù)質(zhì)量的分析，該方法由于充分利用了運(yùn)營商現(xiàn)有數(shù)據(jù)資源，降低了實(shí)施成本，但運(yùn)營商XDR數(shù)據(jù)量大，數(shù)據(jù)粒度細(xì)，往往一次視頻業(yè)務(wù)過程就對應(yīng)數(shù)十條XDR話單，直接應(yīng)用原始XDR話單進(jìn)行數(shù)據(jù)挖掘需要耗費(fèi)大量存儲和計算資源，部署實(shí)施技術(shù)的可行性和經(jīng)濟(jì)性存在問題.為此，文獻(xiàn)［23］提出，先從XDR大數(shù)據(jù)中提取出與視頻質(zhì)量相關(guān)性高的少量視頻質(zhì)量特征信息，將大規(guī)模、低價值的XDR話單數(shù)據(jù)轉(zhuǎn)化為高價值、小規(guī)模的視頻質(zhì)量特征信息，在此基礎(chǔ)上，應(yīng)用機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)視頻質(zhì)量的分析評價，以降低部署實(shí)施成本、提高視頻質(zhì)量分析的準(zhǔn)確性，取得更為精確的視頻質(zhì)量分析評價結(jié)果，但文獻(xiàn)［23］的視頻質(zhì)量分析方法只是針對一般的數(shù)據(jù)傳輸信道，未針對5G網(wǎng)絡(luò)無線信道的特點(diǎn)進(jìn)行優(yōu)化.本文將在文獻(xiàn)［23］基礎(chǔ)上，針對5G無線信道的時變衰落特性和網(wǎng)絡(luò)視頻播放的緩沖機(jī)制，在視頻質(zhì)量特征信息指標(biāo)加工過程中引入下行丟包率集中度指標(biāo)，反映5G信道變化對視頻播放質(zhì)量的影響，以在充分利用運(yùn)營商統(tǒng)一DPI系統(tǒng)、節(jié)約成本的同時，進(jìn)一步提高視頻質(zhì)量分析評價的準(zhǔn)確性.

1 5G無線信道特性與網(wǎng)絡(luò)視頻數(shù)據(jù)傳輸

在5G網(wǎng)絡(luò)中，影響網(wǎng)絡(luò)視頻質(zhì)量的主要是無線信道質(zhì)量.在無線網(wǎng)絡(luò)中，終端接收到的無線信號傳播特性如圖1所示，它包含了快變和慢變分量，變化較慢的慢衰落很大程度上可以通過功率控制加以均衡，而快衰落則不容易通過功率控制予以均衡，導(dǎo)致無線信道上的數(shù)據(jù)傳輸出現(xiàn)誤碼，進(jìn)而產(chǎn)生丟包，同時，由于5G信道容量更大，同樣的無線信道快衰落在5G網(wǎng)絡(luò)中將會導(dǎo)致更多的丟包，無線信道衰落對網(wǎng)絡(luò)視頻業(yè)務(wù)質(zhì)量的影響也更大.

圖1 無線信號傳播特性Fig.1 Wireless signal propagation characteristic

在網(wǎng)絡(luò)視頻播放方面，為了節(jié)約網(wǎng)站流量，節(jié)省視頻內(nèi)容源服務(wù)器資源，幾乎所有的視頻點(diǎn)播網(wǎng)站都采用視頻數(shù)據(jù)分片傳輸方式，如圖2所示，網(wǎng)站將一次視頻播放的整個視頻文件分為若干個視頻分片文件，在視頻播放過程中，根據(jù)當(dāng)前播放進(jìn)度和最大緩沖距離，算出一個允許緩沖位置，在這個允許緩沖位置之內(nèi)的視頻分片文件都通過5G網(wǎng)絡(luò)依次在播放之前先下載到播放視頻的終端中.

圖2 視頻數(shù)據(jù)下載播放過程Fig.2 Video data downloading and playing procedure

在網(wǎng)絡(luò)視頻播放的過程中，由于視頻緩沖的存在，無線信道衰落導(dǎo)致的丟包率增加雖然會影響衰落期間視頻分片文件的傳輸、下載，但并不一定會導(dǎo)致視頻播放出現(xiàn)卡頓，只要終端的視頻緩沖中有視頻數(shù)據(jù)供播放，就不會出現(xiàn)視頻播放卡頓，因此，5G無線信道衰落導(dǎo)致的丟包率增加并不一定引起用戶視頻播放質(zhì)量的下降，除非無線信道衰落導(dǎo)致連續(xù)一段時間丟包率的增加，使得終端視頻緩沖中無視頻數(shù)據(jù)可供播放.

2 5G網(wǎng)絡(luò)下視頻質(zhì)量分析思路

為了對5G網(wǎng)絡(luò)上承載的流量進(jìn)行分析，運(yùn)營商部署的DPI設(shè)備對5G所有流量數(shù)據(jù)進(jìn)行解析、處理后，對流量數(shù)據(jù)中的關(guān)鍵信息進(jìn)行記錄，生成XDR大數(shù)據(jù).根據(jù)《中國移動5G上網(wǎng)日志留存系統(tǒng)技術(shù)規(guī)范v1.0.0》（中國電信和中國聯(lián)通技術(shù)規(guī)范類似），用于視頻質(zhì)量分析的部分XDR話單數(shù)據(jù)記錄格式見表1.

表1 部分XDR數(shù)據(jù)格式Tab.1 Format of some XDR data

基于XDR大數(shù)據(jù)的5G視頻質(zhì)量分析全過程如圖3所示，虛線左邊為視頻質(zhì)量分析模型的訓(xùn)練部分，虛線右邊為視頻質(zhì)量分析模型的應(yīng)用部分.在模型訓(xùn)練部分，在XDR大數(shù)據(jù)中選取部分視頻播放記錄作為訓(xùn)練對象，在XDR大數(shù)據(jù)中提取與這些視頻播放記錄對應(yīng)的XDR話單，并對這些XDR話單作加工變換，針對每一次視頻播放記錄生成一組對應(yīng)的特征信息指標(biāo)，作為訓(xùn)練數(shù)據(jù)集的特征指標(biāo)；同時，提取這些視頻播放記錄的視頻播放質(zhì)量信息，作為訓(xùn)練數(shù)據(jù)集的標(biāo)簽數(shù)據(jù)，將訓(xùn)練數(shù)據(jù)集的特征指標(biāo)和標(biāo)簽數(shù)據(jù)輸入機(jī)器學(xué)習(xí)模型，通過模型訓(xùn)練獲得視頻質(zhì)量分析模型.在模型應(yīng)用部分，針對每條視頻播放記錄提取對應(yīng)的XDR話單數(shù)據(jù)，通過同樣的加工變換，得到與該視頻播放記錄相對應(yīng)的一組特征信息指標(biāo)，輸入視頻質(zhì)量分析模型，即可計算得到該條視頻播放記錄的視頻質(zhì)量分析結(jié)果；然后，將該分析結(jié)果提交網(wǎng)絡(luò)維護(hù)和客戶管理人員，指導(dǎo)網(wǎng)絡(luò)維護(hù)和客服人員有針對性地開展工作.5G視頻質(zhì)量分析的關(guān)鍵是針對每次視頻播放記錄，在表1所示XDR話單數(shù)據(jù)格式基礎(chǔ)上，通過加工變換，生成一組特征信息指標(biāo)，用于視頻質(zhì)量分析模型的訓(xùn)練或視頻質(zhì)量分析結(jié)果的計算.

圖3 5G視頻質(zhì)量分析全過程Fig.3 5G video quality analysis procedure

3 視頻質(zhì)量特征信息指標(biāo)加工

在網(wǎng)絡(luò)視頻業(yè)務(wù)播放過程中，視頻數(shù)據(jù)將從內(nèi)容源服務(wù)器傳輸?shù)接脩艚K端.無線信道的衰落導(dǎo)致5G信道呈現(xiàn)時變特性，因而在同一次視頻播放過程中的不同時間段，視頻數(shù)據(jù)可能具有不同的傳輸質(zhì)量，進(jìn)而可能呈現(xiàn)出不同的視頻播放質(zhì)量，因此，在視頻質(zhì)量分析中，需要對視頻播放的完整時間過程進(jìn)行分時段的切片，針對每個切片分別計算特征信息指標(biāo)，在此基礎(chǔ)上，再將所有切片的特征信息指標(biāo)進(jìn)行匯聚，從而獲得反映視頻播放全過程質(zhì)量的一組特征信息指標(biāo).在XDR話單數(shù)據(jù)基礎(chǔ)上，加工生成的與視頻質(zhì)量強(qiáng)相關(guān)的特征信息指標(biāo)見表2.

表2 視頻質(zhì)量特征信息指標(biāo)Tab.2 Information characteristic indicators of video quality

在與視頻播放對應(yīng)的5G網(wǎng)絡(luò)視頻數(shù)據(jù)傳輸中，一次視頻業(yè)務(wù)播放過程可能對應(yīng)于5G網(wǎng)絡(luò)中多次的數(shù)據(jù)傳輸.相應(yīng)地，在XDR大數(shù)據(jù)中，一次視頻播放可能對應(yīng)XDR大數(shù)據(jù)中多條XDR話單，這些XDR話單在時間上存在相互重疊，構(gòu)成一個XDR話單群.由于在視頻數(shù)據(jù)傳輸過程中的同一時刻可能存在多條XDR話單，這些XDR話單都與該時刻的視頻質(zhì)量有關(guān)，因此，決定該時刻視頻質(zhì)量的特征信息指標(biāo)應(yīng)基于該時刻的多條XDR話單進(jìn)行計算.采用文獻(xiàn)［23］的切片數(shù)據(jù)加工方法，從XDR大數(shù)據(jù)中加工、提取出反映一次視頻播放質(zhì)量的特征信息指標(biāo)包括以下步驟：

1）將與一次視頻播放相對應(yīng)的多條XDR話單聚合為一個話單群，再將聚合的XDR話單群按時間切片；

2）在每個切片時間窗內(nèi)加工生成新的、與視頻播放質(zhì)量強(qiáng)相關(guān)的特征信息指標(biāo)；

3）在切片特征信息指標(biāo)基礎(chǔ)上，匯聚生成對應(yīng)一次視頻播放過程的一組特征信息指標(biāo).

3.1 XDR話單群的聚合和切片

3.1.1 XDR話單群的聚合

如圖4所示，將運(yùn)營商XDR大數(shù)據(jù)中對應(yīng)同一次視頻播放的多條視頻XDR話單進(jìn)行聚合，形成XDR話單群，其中：每一條線段表示一條XDR話單記錄，線段的2個端點(diǎn)分別代表該XDR話單的起止時間.一個XDR話單群應(yīng)滿足以下條件：話單群中任意一條XDR話單，均能在本群中找到至少一條起止時間與之部分或全部重合的XDR話單；不同XDR話單群之間存在明顯的時間間隔.

圖4 XDR話單聚合Fig.4 XDR data records aggregation

假設(shè)話單群為x，x=｛c1，c2，…，ci，…，cn｝，其中ci表示第i條話單，其話單開始時間為si，結(jié)束時間為fi，則對于話單群中任意話單ci，在該話單群中都存在話單cj，有

話單群x的開始時間為stx，則stx=min｛si|ci∈x｝；結(jié)束時間為ftx，則ftx=max｛fi|ci∈x｝.對于不同的2個話單群x和y，若stx＜sty，則有sty-ftx＞T，其中T為話單群之間最小時間間隔.

3.1.2 XDR話單群的切片

將同一個XDR話單群的總持續(xù)時長（最大結(jié)束時間與最小開始時間的差值）平均切分為多個固定時長的時間窗口，形成時間窗口記錄列表，然后對同一XDR話單群中的所有話單按照該時間窗口進(jìn)行數(shù)據(jù)切片，為話單群的每個時間窗口生成一條唯一的時間窗口記錄，在該時間窗口記錄中的各個特征信息指標(biāo)來自于與該時間窗口部分或全部重合的多條XDR話單的同一切片統(tǒng)計結(jié)果.

話單群x的總持續(xù)時間為dtx，則dtx=ftx-stx，若將話單群x的總持續(xù)時間dtx平均切分為n個時間窗口，則第i個時間窗口wndi的開始時間wnd_sti滿足

第i個時間窗口wndi的結(jié)束時間wnd_fti滿足

第i個時間窗口wndi的持續(xù)時間

3.2 切片時間窗內(nèi)特征信息指標(biāo)的加工

在切片時間窗口內(nèi)，在XDR話單數(shù)據(jù)基礎(chǔ)上加工生成新的特征信息指標(biāo)，以下行數(shù)據(jù)包數(shù)量DL_PACKET指標(biāo)為例進(jìn)行說明.定義DL_PACKETi，k為XDR話單群中第i條XDR話單記錄ci的DL_PACKET指標(biāo)DL_PACKETi在第k個時間窗口wndk的分量值，則第k個時間窗口wndk的DL_PACKET指標(biāo)WND_DL_PACKETk為該話單群中所有XDR話單在第k個時間窗口wndk的分量值之和，即

假設(shè)第i條XDR話單記錄ci的DL_PACKET指標(biāo)變量關(guān)于時間為均勻分布，且第i條XDR話單記錄ci與第k個時間窗口wndk重疊的時間為Toverlap，第i條XDR話單的起始時間為si，終止時間為fi，則

其中的Toverlap計算式為：

類似地，可以計算第k個時間窗口切片內(nèi)下行數(shù)據(jù)包的丟包數(shù)WND_DL_LOSTk.在此基礎(chǔ)上可以計算第k個時間窗口切片內(nèi)的平均下行丟包率類

似地，可以計算第k個時間窗口切片內(nèi)的平均上行丟包率WND_UL_PLRk和平均下行速率WND_AVG_DL_BPSk.

3.3 視頻播放特征信息指標(biāo)的匯聚加工

3.3.1 下行丟包率集中度

在5G網(wǎng)絡(luò)視頻播放的過程中，無線信道衰落導(dǎo)致的丟包率增加顯然會降低衰落期間視頻分片文件的下載速度，但由于視頻緩沖的存在，并不一定會導(dǎo)致視頻播放出現(xiàn)卡頓，丟包率的增加是否會導(dǎo)致視頻播放出現(xiàn)卡頓，還取決于丟包率增加的時間分布，只有連續(xù)出現(xiàn)丟包率增加導(dǎo)致緩存中的視頻數(shù)據(jù)耗盡，無法滿足視頻播放需求時才會出現(xiàn)卡頓.顯然，信道衰落在時間軸上的分布時間越長，就越可能導(dǎo)致視頻卡頓出現(xiàn).因此，在分析視頻質(zhì)量的特征信息指標(biāo)中，除了丟包率等反映信道傳輸整體質(zhì)量的指標(biāo)外，還需要引入反映視頻數(shù)據(jù)傳輸過程中丟包率集中程度的指標(biāo).

在氣象、水文的研究中，通常采用集中度刻畫降水、降雪、河流徑流量等在時間分布上的集中性［24-26］.本文針對視頻播放過程中下行視頻數(shù)據(jù)的傳輸，引入下行丟包率集中度對視頻數(shù)據(jù)傳輸過程中丟包率增加的連續(xù)性進(jìn)行刻畫.在計算下行丟包率集中度的過程中，先將XDR話單群各個時間切片的丟包率轉(zhuǎn)化為一個丟包率矢量，再將所有時間切片的丟包率矢量進(jìn)行合成，合成后矢量的模與所有時間切片丟包率總和的比值定義為下行丟包率集中度.各個時間切片丟包率矢量的模為其丟包率.將所有時間切片序列從0°開始按順序均勻分布在一個圓周上，丟包率矢量的方向?yàn)樵摃r間切片在圓周上與0°之間的夾角.視頻質(zhì)量分析中，下行丟包率集中度DL_PLR_CD的具體計算式為

下行丟包率集中度DL_PLR_CD體現(xiàn)了視頻播放過程中視頻數(shù)據(jù)傳輸丟包在播放期間各個時間切片中的集中程度，取值在0～1之間，其值越接近于1，表示網(wǎng)絡(luò)視頻數(shù)據(jù)傳輸過程中的丟包發(fā)生越集中，相應(yīng)導(dǎo)致視頻播放卡頓的可能性也就越大.在下行丟包率集中度DL_PLR_CD基礎(chǔ)上，相應(yīng)可匯聚計算特征信息指標(biāo)中的快推質(zhì)量標(biāo)記和傳輸質(zhì)量評分.

3.3.2 特征信息指標(biāo)匯聚加工

在得到XDR話單群中所有時間窗口切片的平均下行丟包率WND_DL_PLRk、平均上行丟包率WND_UL_PLRk和平均下行速率WND_AVG_DL_BPSk的基礎(chǔ)上，分別取均值，計算一次視頻播放過程的對應(yīng)指標(biāo)：平均下行丟包率DL_PLR、平均上行丟包率UL_PLR和平均下行速率AVG_DL_BPS.每個XDR話單群的推測碼率MR為：

快推質(zhì)量標(biāo)記為

傳輸質(zhì)量評分為

4 實(shí)驗(yàn)分析

4.1 數(shù)據(jù)集

為評估5G衰落信道下的視頻質(zhì)量，在上午8：00至9：00期間，隨機(jī)選取1萬條播放時長大于5 min的視頻播放記錄，共有5萬條視頻播放記錄及其對應(yīng)的XDR話單作為訓(xùn)練數(shù)據(jù)集.后續(xù)采用類似方法每天選取1萬條視頻播放記錄及其對應(yīng)的XDR話單作為測試數(shù)據(jù)集.

在視頻質(zhì)量分析模型訓(xùn)練時，訓(xùn)練數(shù)據(jù)集中不但要有每個視頻播放記錄樣本的特征數(shù)據(jù)，還需要將每個樣本的視頻播放真實(shí)質(zhì)量信息作為標(biāo)簽數(shù)據(jù).獲取網(wǎng)絡(luò)視頻播放質(zhì)量真實(shí)信息的方法分為兩大類：主觀質(zhì)量評分方法和客觀質(zhì)量評分方法［27-29］.主觀質(zhì)量評分方法［30］要求測試用戶數(shù)量不能太少，且必須嚴(yán)格按照規(guī)范安排測試環(huán)境，因此，主觀質(zhì)量評分方法操作步驟繁瑣，測試程序復(fù)雜，也無法實(shí)現(xiàn)實(shí)時地對網(wǎng)絡(luò)視頻質(zhì)量進(jìn)行評分；客觀質(zhì)量評分方法［31］通過IT系統(tǒng)提取網(wǎng)絡(luò)視頻播放過程中的網(wǎng)絡(luò)參數(shù)，利用算法自動計算網(wǎng)絡(luò)視頻質(zhì)量評分結(jié)果，不需要安排測試用戶觀看視頻、反饋評價結(jié)果，可以實(shí)現(xiàn)實(shí)時地對網(wǎng)絡(luò)視頻質(zhì)量進(jìn)行評分，因而研究中通常更多采用客觀質(zhì)量評分方法.本文訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集采用客觀質(zhì)量評分方法獲取網(wǎng)絡(luò)視頻播放的真實(shí)質(zhì)量信息.在用戶的5G網(wǎng)絡(luò)視頻播放過程中由于通信運(yùn)營商主要負(fù)責(zé)視頻數(shù)據(jù)的傳輸，及主要關(guān)注由于5G網(wǎng)絡(luò)傳輸導(dǎo)致的視頻播放卡頓，因此，本文以視頻播放過程中的卡頓情況作為網(wǎng)絡(luò)視頻客觀質(zhì)量評分的依據(jù)，具體以整個視頻播放過程中卡頓的時長占整個視頻播放時長的百分比乘以100作為百分制的網(wǎng)絡(luò)視頻質(zhì)量真實(shí)評分.本文通過運(yùn)營商的統(tǒng)一DPI系統(tǒng)提取5G網(wǎng)絡(luò)視頻播放過程中的播放起止時間和卡頓起止時間信息，從而獲得網(wǎng)絡(luò)視頻播放質(zhì)量的真實(shí)評分.

4.2 評估指標(biāo)

評估視頻質(zhì)量的性能指標(biāo)通常有平均絕對誤差（mean absolute error，mae）、均方差（mean squared error，mse）和平均偏差誤差（mean deviation error，mde），分別定義如下：

其中：Yi為視頻質(zhì)量真實(shí)評分；為視頻質(zhì)量預(yù)測評分；N為樣本總量.

運(yùn)營商視頻質(zhì)量分析主要用于評估和掌握用戶在使用5G網(wǎng)絡(luò)視頻業(yè)務(wù)過程中的體驗(yàn)質(zhì)量，以便提前發(fā)現(xiàn)質(zhì)量問題，進(jìn)一步開展客戶關(guān)懷、網(wǎng)絡(luò)維護(hù)優(yōu)化工作.如果視頻質(zhì)量預(yù)測評分與視頻真實(shí)質(zhì)量評分差異不大，則視為預(yù)測正確，可將其應(yīng)用于運(yùn)營商的生產(chǎn)經(jīng)營；反之，則視為預(yù)測不正確.在實(shí)際工作中，視頻質(zhì)量預(yù)測評分和視頻質(zhì)量真實(shí)評分差距在10分以內(nèi)，視為預(yù)測正確，可用于生產(chǎn)經(jīng)營；否則，為預(yù)測錯誤.相應(yīng)地，采用準(zhǔn)確率作為評估視頻質(zhì)量分析結(jié)果準(zhǔn)確性的指標(biāo)，其計算式為

準(zhǔn)確率accuracy表示在總樣本量中預(yù)測正確的號碼總量占總號碼量的百分比，反映了視頻質(zhì)量分析結(jié)果的可用度.

4.3 結(jié)果及分析

在相同的訓(xùn)練數(shù)據(jù)集上，采用Kaggle競賽中廣泛使用的xgboost（extreme gradient boosting）算法，分別基于本文提出的視頻質(zhì)量特征信息指標(biāo)加工方法和文獻(xiàn)［23］方法訓(xùn)練視頻質(zhì)量分析模型，并在10萬條視頻播放記錄及其對應(yīng)的XDR話單構(gòu)成的測試數(shù)據(jù)集上測試.圖5～7分別利用mae，mse和mde 3個性能指標(biāo)對2種方法下的視頻質(zhì)量分析結(jié)果進(jìn)行比較，可以看到，本文提出的方法較文獻(xiàn)［23］方法都有明顯的提升.

圖5 5G視頻質(zhì)量分析評價絕對誤差對比Fig.5 Comparison of 5G video quality analysis of mae between two methods

圖6 5G視頻質(zhì)量分析均方差對比Fig.6 Comparison of 5G video quality analysis of mse between two methods

本文方法與文獻(xiàn)［23］方法在測試數(shù)據(jù)集上的視頻質(zhì)量分析準(zhǔn)確率比較如圖8所示.從圖8可以看出：本文方法的準(zhǔn)確率約為87%，而文獻(xiàn)［23］方法的準(zhǔn)確率約為84%，說明在5G網(wǎng)絡(luò)視頻播放過程中，本文根據(jù)5G無線信道的衰落特性和網(wǎng)絡(luò)視頻播放的緩沖機(jī)制，在視頻質(zhì)量特征信息指標(biāo)加工過程中，引入下行丟包率集中度指標(biāo)，在此基礎(chǔ)上加工生成視頻質(zhì)量特征信息指標(biāo)，并使用該指標(biāo)通過訓(xùn)練生成視頻質(zhì)量分析評價模型，有效提升了視頻質(zhì)量分析評價模型的準(zhǔn)確率.

圖7 5G視頻質(zhì)量分析平均偏差誤差對比Fig.7 Comparison of 5G video quality analysis of mde between two methods

圖8 5G視頻質(zhì)量分析準(zhǔn)確率對比Fig.8 Comparison of 5G video quality analysis accuracy between two methods

5 結(jié)論

針對5G網(wǎng)絡(luò)環(huán)境下的網(wǎng)絡(luò)視頻質(zhì)量分析，本文在運(yùn)營商統(tǒng)一DPI系統(tǒng)的XDR大數(shù)據(jù)基礎(chǔ)上，針對每一次網(wǎng)絡(luò)視頻播放，聚合相應(yīng)XDR話單并進(jìn)行切片，形成切片特征信息指標(biāo)，在此基礎(chǔ)上，將切片記錄的特征信息指標(biāo)匯聚成視頻播放全過程的視頻特征信息指標(biāo)；在視頻質(zhì)量特征信息指標(biāo)匯聚過程中，針對5G信道的時變衰落特性和視頻數(shù)據(jù)傳輸?shù)木彌_機(jī)制特點(diǎn)，引入下行丟包率集中度指標(biāo)，以反映5G信道變化對視頻播放質(zhì)量的影響，在此基礎(chǔ)上通過訓(xùn)練生成視頻質(zhì)量分析評價模型.仿真實(shí)驗(yàn)結(jié)果表明：與現(xiàn)有的視頻質(zhì)量特征信息指標(biāo)加工方法相比，本文所提方法生成的視頻質(zhì)量分析評價模型的準(zhǔn)確率更高.