IPTV视频流业务用户体验质量主客观综合评估方法与流程

本发明涉及视频流业务用户体验评价领域，尤其是涉及一种iptv视频流业务用户体验质量主客观综合评估方法。

背景技术：

随着互联网技术的不断发展和应用，人们对多媒体服务质量的要求也越来越高。同时，各种多媒体服务(如交互式网络电视(iptv))，网络电话(volp)等)不断涌现。iptv融合了互联网、多媒体、通信等多种技术，对丢包、网络抖动和传输时延等网络损伤有很高的敏感度。因此，移动iptv业务运营商必须建立完善的视频服务质量(qualityofservice，qos)和终端用户体验质量(qualityofexperience，qoe)评估体系。特别地，相较于传统的qos，qoe考虑了用户的主观因素，能更好地反映用户的真实感受，有助于运营商把握客户需求，改进服务质量，提高市场竞争力。

然而，由于qoe具有主观性，最准确的测量方法是执行主观视频质量评估，但这需要精心选择用户在严格控制的环境中执行，成本过高。在这种情况下，越来越多的学者开始利用qos参数来评估用户的体验质量，即qoe。然而，这种方式缺乏主观因素，存在所得到的评估值与用户真实感受之间的相关度不高且预测精度低的问题。

技术实现要素：

本发明的目的是提供一种能更好地反映用户的主观感受、且能精确地对各用户体验质量进行评估的iptv视频流业务用户体验质量主客观综合评估方法。

为实现上述目的，本发明采用了如下技术方案：iptv视频流业务用户体验质量主客观综合评估方法，包括以下步骤：

步骤一：采集iptv用户在观看视频时所产生的qos参数和状态参数；

步骤二：利用数据挖掘技术对采集的qos参数进行处理，确定iptv视频业务中的关键qos参数；并根据状态参数获取观看率、观看方式这两个分别表征用户喜爱程度和影响用户接受程度的个性化参数；

步骤三：计算关键qos参数对用户体验质量的影响函数值、以及个性化参数对用户体验质量的影响函数值，并将各影响函数值一起带入基于统计学方法得到的用户体验质量评估模型中，得到用户体验质量评分。

进一步地，前述的iptv视频流业务用户体验质量主客观综合评估方法，其中：在步骤一中，所采集的qos参数具体包括：

延时：从用户请求到最终建立用户请求的时间；

抖动：用户接收到两个相邻数据分组间的时间间隔；

媒体丢包速率：表明被测试视频流的传输丢包速率；

丢包率：丢失数据包数量占所发送数据组的比率；

切换时间：用户切换频道所需时间；

请求次数：用户发起请求次数；

失败次数：用户发起请求失败次数；

可用率：可用带宽占总带宽的比率；

最大抖动：用户观看过程中的最大抖动；

所采集的状态参数具体包括：

开始时间：用户开始观看节目的时间；

结束时间：用户停止观看节目的时间；

节目时长：用户所观看节目的总时长；

信号传输方式：包括单播和组播；

观看模式：包括频道、时移和点播。

进一步地，前述的iptv视频流业务用户体验质量主客观综合评估方法，其中：步骤二具体包括：

(2.1)将步骤一所采集的qos参数，代入由皮尔森相关系数作为评价指标的筛选公式，得到关键qos参数，关键qos参数具体包括：延时、媒体丢包速率、丢包率、最大抖动和可用率；筛选公式具体如下：

kqos＝if(|r|＞0.1)

上式中，r表示皮尔逊相关性，n表示数据集中的样本数量，xi为样本值，为样本平均值，σx为指标标准差，σy为用户体验质量评分(mos值)的标准差，kqos为关键qos参数，if(·)为选取满足输入条件的参数；其中，r在[-1,1]中取值，1表示负相关，1表示正相关；

(2.2)利用用户观看某节目的时间与节目总时长的比值vr来评价用户对该节目的喜爱程度，观看率vr的表达式如下：

其中，end_time表示用户停止观看节目的时间，start_time表示用户开始观看节目的时间，program_time表示用户所观看节目的总时长，vt表示观看率；

(2.3)用户的观看方式k由信号传输方式kt和观看模式km共同决定，包括组播-频道、单播-频道、单播-时移和单播-点播。

进一步地，前述的iptv视频流业务用户体验质量主客观综合评估方法，其中：步骤三具体包括：

(3.1)计算关键qos参数对用户体验质量的影响函数值fqos，其中，影响函数值fqos的表达式如下:

其中，a为用来调整qoe尺度的参数，取值为17；b为控制参数，取值为5.1；c1,c2,c3,c4,c5是调整敏感度的参数，取值分别为0.005，106，0.01，0.9，-1.6；

(3.2)计算个性化参数对用户体验质量的影响函数值fper，其中影响函数值fper的表达式如下:

其中，β为调整对喜好程度敏感度的参数，取值为0.71；当用户采用组播-频道观看方式时，k＝1.2；当用户采用单播-频道观看方式时，k＝1.08；当用户采用单播-时移观看方式时，k＝1.12；当用户采用单播-点播观看方式时，k＝1.41；

(3.3)将影响函数值fqos及影响函数值fper一起带入用户体验质量评估模型，计算得出用户体验质量评分，其中，用户体验质量评估模型具体为：

smos＝min(fqos×fper,5)

其中，smos是评估得到的用户体验质量评分，取值范围为0-5，值越大视频质量越好，min(·)是取输入序列中的最小值，fqos为影响函数值，fper为影响函数值。

通过上述技术方案的实施，本发明的有益效果是：

(1)本发明利用数据挖掘技术，在保证准确性的前提下降低了qos的维数，能有效减小模型复杂度，节省计算资源；

(2)本发明除了使用传统的qos参数来评估用户体验质量外，还加入了观看率和观看方式这两种个性化参数，能更好地反映用户的主观感受，提高了iptv视频流业务qoe评估的准确度，能帮助运营商更好地改善服务；

(3)本发明根据各参数与用户体验质量之间的关系构建了评估模型，并利用最小二乘法求解各常量参数的值，能精确地对各用户体验质量进行评估，具有很高的准确性，有利于及时反馈准确的用户体验，帮助运营商不断完善视频服务。

附图说明

图1为本发明所述的iptv视频流业务用户体验质量主客观综合评估方法的流程示意图。

图2为本发明的机器学习验证结果图。

图3为本发明的用户体验质量预测结果图。

具体实施方式

下面结合说明书附图和具体实施例对本发明作进一步的详细说明。

如图1所示，所述的iptv视频流业务用户体验质量主客观综合评估方法，包括以下步骤：

步骤一：采集iptv用户在观看视频时所产生的参数，参数包括qos参数和状态参数；

其中，所采集的qos参数具体包括：

①延时(td)：从用户请求到最终建立用户请求的时间；

②抖动(jitter)：用户接收到两个相邻数据分组间的时间间隔；

③媒体丢包速率(pmlr)：表明被测试视频流的传输丢包速率；

④丢包率(pplr)：丢失数据包数量占所发送数据组的比率；

⑤切换时间(taat)：用户切换频道所需时间；

⑥请求次数(nreq)：用户发起请求次数；

⑦失败次数(nfail)：用户发起请求失败次数；

⑧可用率(pcur)：可用带宽占总带宽的比率；

⑨最大抖动(mjitter)：用户观看过程中的最大抖动；

其中，所采集的状态参数具体包括：

①开始时间(start_time)：用户开始观看节目的时间；

②结束时间(end_time)：用户停止观看节目的时间；

③节目时长(program_time)：用户所观看节目的总时长；

④信号传输方式(kt)：包括单播和组播；

⑤观看模式(km)：包括频道、时移和点播；

步骤二：对采集的参数进行处理，利用数据挖掘技术，确定iptv视频业务中对用户体验影响较大的关键qos参数；根据状态参数获取观看率、观看方式这两个分别表征用户喜爱程度的和影响用户接受程度的个性化参数，具体包括：(2.1)将步骤一所采集的qos参数，代入由皮尔森相关系数作为评价指标的筛选公式，得到关键qos参数，关键qos参数具体包括：延时、媒体丢包速率、丢包率、最大抖动和可用率，其中筛选公式具体如下：

kqos＝if(|r|＞0.1)

上式中，r表示皮尔逊相关性，n表示数据集中的样本数量，xi为样本值，为样本平均值，σx为指标标准差，σy为mos值的标准差，kqos为关键qos参数，if(·)为取满足输入条件的参数；其中，r在[-1,1]中取值，1表示负相关，1表示正相关；

(2.2)利用用户观看某节目的时间与节目总时长的比值vr来评价用户对该节目的喜爱程度，观看率vr的表达式如下：

其中，end_time表示用户停止观看节目的时间，start_time表示用户开始观看节目的时间，program_time表示用户所观看节目的总时长，vt表示观看率；

(2.3)用户的观看方式k会影响用户对所观看视频的接受程度，即采用不同的方式观看同一个视频，用户的体验质量不同；用户的观看方式k由信号传输方式kt和观看模式km共同决定，包括组播-频道、单播-频道、单播-时移和单播-点播。

步骤三：计算关键qos参数对用户体验质量的影响函数值、以及个性化参数对用户体验质量的影响函数值，并将各影响函数值一起带入基于统计学方法得到的用户体验质量评估模型中，计算出mos值，即用户体验质量评分；具体包括：

(3.1)计算关键qos参数对用户体验质量的影响函数值fqos；其中，关键qos参数可分为正向和负向两种类型，其中正向参数有：可用率；负向参数有：延时、抖动、媒体丢包速率、丢包率；当负向参数的值变大后，用户体验变差,而当正向参数的数值变大时，能改善用户的体验；用户对负向参数的敏感程度是变化的，随着负向参数值的持续变大，用户的敏感程度降低，到达一定程度时，用户几乎不再对负向参数敏感；函数fqos的表达式如下:

此式中，a为用来调整qoe尺度的参数，取值为17；b为控制参数，取值为5.1；c1,c2,c3,c4,c5是调整敏感度的参数，取值分别为0.005，106，0.01，0.9，-1.6；

(3.2)计算个性化参数对用户体验质量的影响函数值fper；其中，用户的心理状态与其对服务的喜爱程度有关，且为负相关，即在相同的qos条件下，当用户对服务有偏爱时，因其对服务的期待程度也相对较高，导致满意程度有所降低；用户的喜好程度对qoe的影响不是无限制的，即在qos一定的条件下，用户的体验只会在一段范围内波动；函数fper的表达式如下:

其中，β为调整对喜好程度敏感度的参数，取值为0.71；当用户采用组播-频道观看方式时，k＝1.2；当用户采用单播-频道观看方式时，k＝1.08；当用户采用单播-时移观看方式时，k＝1.12；当用户采用单播-点播观看方式时，k＝1.41；

(3.3)将影响函数值fqos及影响函数值fper一起带入用户体验质量评估模型，计算得出用户体验质量评分，其中，用户体验质量评估模型具体为：

smos＝min(fqos×fper,5)

其中，smos是评估得到的用户体验质量评分(mos值)，取值范围为0-5，值越大视频质量越好，min(·)是取输入序列中的最小值，fqos为影响函数值，fper为影响函数值。

性能评价：

本发明按照图1所示流程进行实验，提取qos参数和状态参数，通过运营商采集的实际数据，制作实验样本数据；在本实验中，评估指标是mae和拟合优度。

图2显示了利用多种机器学习算法验证加入个性化参数前后的评估效果；从结果中可以发现，只使用qos参数也能对mos值进行较好得映射，但在加入个性化参数后，预测值与真实值之间的均方根误差有了大约19％的下降，预测效果更好，因此，个性化参数在评估qoe时是有效且必要的。

图3显示本发明的预测结果，从中可以看出预测值基本均匀分布在主观质量评价结果的两边，其拟合优度为0.828；由此可以得到，本发明相比于传统qos/qoe映射模型有着更好的预测性能，可以达到更好的预测精度，能帮助运营商更好地改善服务。

本发明的优点是：

(1)本发明利用数据挖掘技术，在保证准确性的前提下降低了qos的维数，能有效减小模型复杂度，节省计算资源；

(2)本发明除了使用传统的qos参数来评估用户体验质量外，还加入了观看率和观看方式这两种个性化参数，能更好地反映用户的主观感受，提高了iptv视频流业务qoe评估的准确度，能帮助运营商更好地改善服务；

(3)本发明根据各参数与用户体验质量之间的关系构建了评估模型，并利用最小二乘法求解各常量参数的值，能精确地对各用户体验质量进行评估，具有很高的准确性，有利于及时反馈准确的用户体验，帮助运营商不断完善视频服务。