林密十 洪杰 于祝芳　李博

摘要：电力通信网现场运维对于电力通信网以及智能电网的稳定和有效运营至关重要，为了保证电力通信网现场运维作业质量和提高运维作业效率，提出了一种多点远程协同视频通信架构，基于Openfire和WebRTC搭建了即时通信系统，促进运维作业消息的流通，提高运维作业效率。针对目前WebRTC的拥塞控制算法不能根据网络情况实时、准确自适应视频流数据发送速率，在基于时延的拥塞控制算法和基于丢包的拥塞控制算法的基础上，提出了一种基于网络质量感知的视频速率优化方法，该算法能够有效感知网络质量并优化视频发送速率。提供了对提出算法的实验评估，并通过模拟结果提供了与WebRTC适配的拥塞控制算法的对比分析。

关键词：电力通信网;现场运维;WebRTC;视频速率优化方法

中图分类号：TP273.5

文献标识码：A

随着智能用电、智慧城市、新能源及电动汽车等新型智能电网业务的发展和应用，作为智能电网不可或缺的信息和通信基础支撑，电力通信网的稳定和有效运营至关重要，而这需要科学化、智能化、精确化的运维管理，特别是现场运维来保障。由于电力通信现场运维场景复杂、设备众多、人员素质参差不齐，且实时的现场运维数据有效交互的手段和支撑工具缺乏，现场运维作业依赖个人经验和本地信息，无法对现场环节进行实时管控、辅助指导和决策确认，导致电力通信网现场运维作业效率低和运维作业质量无法保证。目前，主流的解决方案是利用手机、可穿戴终端、平板电脑等具备通信功能的智能终端，实现现场信息的感知以及与后端管理和技术人员间的实时交互，保障现场运维质量和效率[1]。其中，可穿戴终端不仅具备与手机、平板电脑等相同的图片、视频数据采集能力和实时数据通信能力，还能够通过可穿戴形式解放双手，实现数据采集、通信和作业运维的同步化，进一步提升数据信息的有效性和运维作业效率，成为电力通信网现场运维的理想选择之一[2]。

在基于可穿戴终端的电力通信网现场运维中，参与同一运维业务的多个现场运维人员、技术支撑专家和调度管理人员大多位于不同的地点，通常采用多点远程视频协同来实时交互场景感知信息、指导信息和业务执行反馈信息，保证运维业务执行的准确性和高效性[3]。多点远程视频协同的关键是实时性，对视频数据速率要求较严格，但是电力通信网现场运维通常涉及变电站内、机房、室外、野外等环境，同时还存在内外网之分，网络存在着各种限制因素，容易造成网络利用效率低下，导致数据包丢失，数据传输延迟增大。因此，需要结合实际电力通信现场支撑网络情况和具体运维业务，对可穿戴多点远程协同进行优化，设计视频数据速率优化方法，优化网络带宽利用，提升视频数据传输效率。

Openfire[4]是基于XMPP公开协议的实时协作服务器，用来构建高效率的即时通信服务器，通信双方在Openfire服务器注册一个会话，并以服务器为中继实时进行数据交互，视频流数据通过服务器中转，一定程度上影响了数据时延。WebRTC（ WebReal-Time Communication，網页实时通信）是一种支持网页浏览器进行实时语音对话或视频对话的技术[5]，可以跨平台建立视频通话的P2P连接，支持为多个用户同时建立视频通话连接，其视频流数据不经过服务器，在一定程度上降低了网络时延。但其在移动网络环境下的性能表现不佳，网络延时和丢包率高，容易发生网络拥塞造成视频卡顿，降低用户的体验质量，因此，还需要进行相应的传输拥塞控制。

已有的传输拥塞控制方法主要分两种：视频流码率控制与网络传输控制。前者依据网络传输信道质量来调整编码参数，生成适合的视频流，使传输需要的带宽尽可能小并提升动态带宽的利用率。后者依据网络带宽自适应地调节视频数据发送量，当网络带宽良好时，减小视频数据丢弃率，增加数据发送速率，反之亦然。两种方法各有优势也各有缺陷，前者控制视频码率，但对触发码率调整时机及码率切换中视频数据的平滑传输有所欠缺;后者依据网络带宽变化调整视频数据发送与丢弃，但忽略了对视频流自身对动态网络带宽的自适应性。因此，需要结合两种方法的优势，依据网络状况，结合视频数据丢包率和视频码率调整，研究基于网络质量感知的视频速率优化控制方法，有效支撑电力通信网现场运维。

Chrome浏览器为WebRTC适配了一个拥塞控制算法RRTCC（ Receiver-side Real-time CongestionControl），该算法能够在一定程度根据网络情况自适应视频流数据发送速率，但是该算法针对发送速率的调整方式过于简单、粗放.利用网络带宽不够充分，时延和丢包率依然较高[6]。基于上述分析，本文基于视频接收端数据速率和丢包情况分析统计，视频发送端依据接收端数据速率和丢包分析处理，对当前数据传输速率进行调整，研究包括速率大小调整和增量调整的数据传输速率调整策略。同时，结合WebRTC的数据包协议特点，通过感知网络质量及其变化趋势，采用增量探测的方法，实现网络接收端远程数据速率控制。发送端与接收端联合优化视频发送数据速率，给出适合当前网络质量的数据传输速率，进而提出基于网络质量感知的视频速率优化方法。仿真验证了该方法能够依据网络质量实时动态调整视频流数据发送速率，进一步提高带宽利用率，降低网络拥塞的可能性。

本文共分5节，第2节详细介绍了面向电力通信可穿戴多点远程协同运维的视频通信架构;第3节提出了基于网络质量感知的视频速率优化方法;第4节仿真数据分析，验证所提方法的合理性;第5节给出结论。

1 多点远程协同视频通信架构

基于Openfire和WebRTC的电力通信现场可穿戴多点远程协同运维通信架构主要由三部分组成：智能可穿戴运维终端、智能运维平台以及面向可穿戴多点远程协同运维的即时通信系统，如图1所示。

智能可穿戴运维终端主要指可穿戴AR（ Aug-mented Reality）眼镜，利用增强现实技术，通过与调度管理人员和技术专家之间的信息互动，支持现场信息实时感知、作业实时指导、运维结果实时确认反馈等。同时解放双手，实现信息交互和运维操作的同步化，使得现场运维作业更精确、更可控，运维人员更便捷。

智能运维平台主要实现现场感知信息分析、运维工单管理和调度、运维知识库和指导书的生成及更新等支撑功能，支持调度人员对工单的派送、作业适配、信息支撑和执行结果确认反馈，支持技术专家依工单信息对现场运维进行实时指导等。二者的功能通过基于Openfire和WebRTC的即时通信系统的多点远程视频协同来实现。

电力通信现场运维的单个工单业务在具体执行时，通常根据地域和资源等因素拆分为数个子工单，各子工单独立执行但执行过程中相互影响，甚至某子工单的进程依赖于另一子工单的执行进程[7]。需要多个子工单运维人员实时交互信息，即多个运维终端相互之之间需要实时视频交互。因此，即时通信系统需要支持运维人员、调度人员、技术专家三方人员3个点以上的远程协同视频通信，至此持续性的点对点视频连接。本文利用Openfire服务器注册会话并保持的特性来构建上述即时通信系统，为了保证数据时延，采用WebRTC的视频流数据不经过服务器的特性，来建立视频通话的点对点连接。

基于Openfire和WebRTC的即时通信系统主要包括两部分：基于WebRTC的点对点视频数据流通信和基于Openfire的信令消息数据通信。前者利用WebRTC技术，在通过信令消息传递建立点对点连接后，直接传输视频流数据，降低网络时延。后者则通过Openfire服务器的连接管理、消息解析、消息路由、消息发送等核心功能，采用C/S架构，服务器仅负责为连接在其上的客户端提供会话注册服务和元数据传递服务，服务器压力大幅度缓解。

在基于WebRTC的点对点连接建立的过程中，两个客户端之间经过Openfire服务器传递元数据[8]，通过元数据实现点对点连接的建立和管控。元数据主要包括两种：网络通信连接的元数据和通信内容的元数据。前者包括IP地址、NAT网络地址翻译和防火墙等，后者包括打开/关闭对话（ session）的命令、媒体文件的元数据（编码格式、媒体类型和带宽）等。视频流和信令消息流分开传输，两个部分相互配合，有效利用了Openfire和WebRTC的优势，不仅建立了持续、可靠、可控的即时通信系统，同时还能够有效的降低网络时延，缓解服务器的压力。此外，还具有易部署、可扩展、网络需求自适应、效率高等特点。

2 基于网络质量感知的视频速率优化方法

在图1所示的面向可穿戴运维的多点远程视频协同的通信架构下，即时通信系统的视频速率优化核心在于WebRTC点对点视频交互数据速率的优化。WebRTC使用的实时数据传输协议是RTP（ Real-time Transport Protocol），也是流媒体传输常用的协议，但是由于RTP只保证实时数据传输，不提供流量控制或拥塞控制，需要依靠RTCP（ Real-time Transport Control Protocol）来实现不同的场景和需求下的拥塞控制策略。面向可穿戴运维的WebRTC视频速率优化基本框架如图2所示。发送端发送RTP包，同时接受接收端的RTCP REMB（ Receiver Estimated Maximum Bitrate）反饋消息，依据该反馈消息发送端调整自己的数据传输速率，达到感知网络质量并优化视频速率的目的。

（1）接收端具体步骤如下：

1）到达时间滤波

4）REMB处理

将计算所得的接受速率R_r，（t_i）通过REMB消息随RTCP反馈包发送至视频流数据发送端，同时将丢包率PLR（t_i）通过RTCP -起反馈给发送端。overuse时，降低接收速率以平衡时延;当s为un一deruse时，增加接受速率以提升带宽利用率。具体调整方式如式（3）所示，其中R_r（t_i）为最近500 ms内的平均接受速率，λ1，λ2分别为接收速率降低因子和增长因子。

根据计算后的发送速率采用视频编解码等速率控制方法优化当前数据包的发送速率[11-12]，实现视频数据流速率对网络状况的有效适应和匹配。

3 仿真实验

本文对Chromium浏览器内的WebRTC模块进行修改以实现本文提出的数据传输机制，并利用WebRTC官方提供的API搭建实时流媒体服务器作为实验平台[13]，将提出的新算法与原生算法分别同步开启P2P音视频会话，进行对比实验。为了保证实验数据的偶然性，进行了多次对比实验，实验对比数据如下：

通过对比每组实验数据，可以发现本文使用的算法的传输速率更高，延时更低且离散程度更小，丢包率也更小，同时传输速率更高也意味着单位时间内传输的数据更多，传输效率更高，能耗更低。

图3给出了在第二组实验中，传输速率随时间变化的情况，可以看出本文提出的算法传输速率波动范围明显小于RRTCC算法，对带宽利用率更高。并且传输速率稳定之后，本文使用的算法传输速率明显高于RRTCC算法，相同时间内传输数据量更多，这也证实了本文算法的有效性，具有提高带宽利用率，保证视频通话质量的作用。

图4和图5给出了在第二组实验中，传输速率随时延和丢包率变化的情况，可以看出在网络状态良好，即网络带宽充裕的情况下，传输速率受时延和丢包率的影响较小，带宽利用率较高。在网络带宽不充裕甚至发生网络拥塞的情况下，传输速率迅速下降，视频通话质量严重下降，但是本文提出的算法相比较于RRTCC算法，在相同网络情况即网络带宽使用率相同的情况下传输速率更高，这也证实了本文算法的有效性。

4 结论

解决了面向电力通信可穿戴运维多点远程协同运维的视频速率优化的问题。首先提出了基于Openfire和WebRTC的多点远程协同视频通信架构，实现电力通信网现场运维作业的远程指导，促进运维作业数据的流通，保证运维作业质量，提高运维作业效率。此外，提出基于网络质量感知的视频速率优化方法，该方法在感知网络质量基础上优化视频发送速率，提高网络带宽利用率，降低网络拥塞发生的可能性。实验结果表明，在同等网络情况下与现有的网络拥塞控制算法相比，提出的基于网络质量感知的视频速率优化方法，视频流数据传输速率更高，延时更低且离散程度更小，丢包率更小。同时传输速率更高也意味着单位时间内传输的数据更多，能耗更低，具有更佳的实际应用效果。

参考文献

[1]周依能.智能电网背景下的配电运维一体化建设分析[J].无线互联科技，2015（ 24）：137-138.

[2]彭博.AR技术在变电动态运维关键技术中的应用[J]科技创新导报，2017 ，14（ 34）：13-14.

[3]

SHAO Z，WANC Y，CHEN X，et al."A network risk assessmentmethodology for power communication business"[C].2016 IEEEIntemational Conference on Network Infrastructure and DigitalContent （IC-NIDC）， Beij ing， 2016： 40-43.

[4]

BORDERS K，FALK L， PRAKASH A. "OpenFire： using deceptionto reduce network attacks" [C].2007 Third IntemationalConference on Security and Privacy in Communications Networksand the Workshops - SecureComm 2007， Nice， France， 2007：224-233.

[5] JOHNSTON A， YOAKUM J， SINCH K.“Taking on webRTC in anenterprise" [C]. in IEEE Communications Magazine，2013，15（4）：48-54.

[6]

SINGH V， ABELLO LOZANO A， OTT J."Performance Analysis ofReceive-Side Real-Time Congestion Control for WebRTC”[C].2013 20th International Packet Video Workshop， San Jose， CA，2013：1-8.

[7]夏丹妮，朱勝华，张超，等.电力通信网电子工单运维系统设计[J].江苏科技信息，2017（ 33）：64-65+70.

[8]刘聪睿，刘振宇，杜军，等，基于Openfire推送服务的消息防丢失机制[J].西安工程大学学报，2017，31（02）：221-224+250.

[9] FAN W，LI J，TANG N，YU W. "Incremental detection ofinconsistencies in distributed data"[C]. 2012 IEEE 28thIntemational Conference on Data Engineering， Washington， DC，2012：318-329.

[10] CUPTA A，CHOUDHARY A."Real-time lane detection usingspatio -temporal incremental clustering"[C]. 2017 IEEE 20thIntemational Conference on Intelligent Transportation Systems（ITSC）， Yokohama， 2017： 1-6.

[11]闫素英.基于WebRTC的无线实时通信QoS-QoE评估与预测[D].北京：北京交通大学，2016.

[12] BANDUNG Y，SUBEKTI L B，TANJUNC D，CHRYSOSTOMOUC. “QoS analysis for WebRTC videoconference on bandwidth -limited network" [C]. 2017 20th International Symposium onWireless Personal Multimedia Communications（ WPMC）， Bali，2017：547-553.

[13]

BAKAR G，KIRMIZIOGLU R A， TEKAIP A M."Motion -BasedAdaptive Streaming in WebRTC Using Spatio-Temporal ScalableVP9 Video Coding"[C]. CLOBECOM 2017- 2017 IEEE GlobalCommunic ations Conference， Singapore， 2017： 1-6.