蔡秉江

（中铁第四勘察设计院集团有限公司，湖北 武汉 430063）

1 引言

随着移动互联网技术的迅猛发展，截至2020 年，全球移动视频流业务数据占据了全球移动数据的78%以上，在人们的生活、娱乐、安防领域扮演着越来越重要的角色[1]。为了满足爆炸式增长的通信量需求，网络提供商推出了LTE 蜂窝网服务，其能提供300 Mbit/s 的峰值下行速率，然而在用户拥塞的情况下视频播放QoE 体验仍然不是很令人满意。有调研结果显示，在LTE 网络拥塞的情况下，移动视频播放的平均卡顿时间长达7.5～12.3 s/min[2]。

上述两种现象是矛盾的：视频质量的提升远不及带宽水平的提升，说明视频流应用未充分利用LTE 带宽，即带宽低估；视频播放卡顿则是带宽高估造成的。其根本原因在于：视频流应用无法准确估计当前可用网络带宽和应对未来带宽的波动，这个问题在端到端时延较大的移动通信网络中尤为显著。

学术界及工业界对基于移动互联网下的流媒体自适应技术开展了大量研究工作，参考文献[3]针对HTTP 流媒体业务提出了基于缓冲区等级自适应的码率切换算法，但对缓冲区等级的判定未作讨论；参考文献[4]针对具有不同流量特征业务的服务质量需求，根据用户缓冲区以及基站硬件资源的使用情况，通过缩减基站使用带宽以降低系统通信能耗；参考文献[5]结合不同视频类型设计了相应的用户体验质量效用函数，使用强化学习算法训练模型A3C，实现频数类型相适应的码率自适应算法。……