不使用应用程序头部的情况下估算WebRTC视频QoE指标
摘要：视频会议应用的增加使用（VCAs）已经使得理解和支持终端用户体验（QoE）对于VCAs生态系统中的所有利益相关者，尤其是网络运营商至关重要，因为他们通常无法直接访问客户端软件。现有的VCA QoE估计方法使用Passive测量的应用层实时传输协议（RTP）头信息。然而，网络运营商并不总是能够在所有情况下访问RTP头信息，特别是当VCAs使用自定义RTP协议（如Zoom）或由于系统约束（如传统的测量系统）时。鉴于这一挑战，本文考虑使用网络流量中的更标准的特性，即IP和UDP头信息，来提供每秒关键VCA QoE指标（如帧率和视频分辨率）的估算。我们开发了一种方法，该方法使用机器学习结合流统计数据（如吞吐量）和基于VCAs将视频帧分割为数据包的机制导出的特征。我们对运行在WebRTC上的三种主流VCAs进行了评估：Google Meet，Microsoft Teams和Cisco Webex。我们的评估包括从15个家庭的（1）受控实验室网络环境和（2）真实网络中收集的54,696秒的VCA数据。我们证明基于机器学习的方法与基于RTP的方法相比，在仅使用IP/UDP数据的情况下可以获得类似的准确度。例如，在真实世界数据中，我们可以在83.05％的一秒间隔内以2帧的误差估计FPS，仅比使用应用层RTP头信息低1.76％。
作者：Taveesh Sharma, Tarun Mangla, Arpit Gupta, Junchen Jiang, Nick Feamster
论文ID：2306.01194
分类：Networking and Internet Architecture
分类简称：cs.NI
提交时间：2023-06-05