Adaptation algorithms for HTTP-based video streaming
| dc.contributor.advisor | Wolisz, Adam | |
| dc.contributor.author | Miller, Konstantin | |
| dc.contributor.grantor | Technische Universität Berlin | en |
| dc.contributor.referee | Wolisz, Adam | |
| dc.contributor.referee | Nahrstedt, Klara | |
| dc.contributor.referee | Griwodz, Carsten | |
| dc.contributor.referee | Timmerer, Christian | |
| dc.date.accepted | 2016-11-16 | |
| dc.date.accessioned | 2016-11-25T13:49:13Z | |
| dc.date.available | 2016-11-25T13:49:13Z | |
| dc.date.issued | 2016 | |
| dc.description.abstract | Ever since the invention of the cinematography, there has been a growing demand for high-quality video content. Recently, the broad availability of high-speed wireless Internet access, complemented by the pervasiveness of mobile, computationally powerful devices with high-resolution screens, have made the video delivery over the open Internet the technology of choice for both video on demand and live streaming services. Due to the best-effort nature of the Internet, however, ensuring a high quality of experience is challenging. A state-of-the-art approach to address this challenge is adaptive streaming, designed to continuously adjust the characteristics of the streamed media to dynamically varying network conditions, leading to a smoother viewing experience with less playback interruptions and a more efficient utilization of the available network resources. Despite the ongoing efforts, however, recent studies suggest that the challenge has not yet been successfully resolved. One of the open issues is the design of efficient adaptation algorithms, that are among the primary factors determining the overall performance of a streaming service. In this thesis, I present several contributions to this area of research, that are outlined in the following. In order to cope with the wireless traffic increase expected over the next years, it will be necessary to increase the density of the deployed wireless infrastructure. In my first contribution, I focus on a simultaneous delivery of a large number of unicast video on demand streams in a dense wireless network. I jointly consider the problem of wireless transmission scheduling and video quality selection, and develop a distributed approach based on control theory. The conducted performance evaluation shows that the presented approach is able to serve an up to twice as large number of users completely without interruptions, as compared to a baseline approach. Simultaneously, it allows to reduce the number of quality transitions by up to 50%, without reducing the average video quality. In addition, the unfairness among the individual streaming sessions is reduced by up to a factor of 4.Even though the majority of the video content being streamed over the Internet is video on demand, the amount of live streaming is growing rapidly. In my second contribution, I focus on a particularly challenging use case of low-delay live streaming. I develop a novel adaptation algorithm that is leveraging throughput predictions to provide a high quality of experience over wireless links, with a latency bound on the order of a few seconds. It heuristically maximizes the average video quality at an operating point defined by the live latency, amount of playback interruptions, and number of quality transitions. A comparative evaluation reveals that at the individual operating points, the developed algorithm provides an average video quality which is by up to a factor of 3 higher than the quality achieved by the baseline approach. Furthermore, it is able to reach a broader range of operating points, and can thus be more flexibly adapted to the user profile and service provider requirements. In my third contribution, I develop a universal adaptation algorithm for video on demand, that can operate over a broad range of network conditions, and that has a flexible configuration that can be adjusted to the particular service and user requirements. It uses the playback buffer level information and the past throughput information to meet its adaptation decisions. It does not rely on a cooperation with the network nor on cross-layer information, and is therefore suitable for a standalone deployment in any network environment, and on a broad range of platforms. Moreover, it minimizes the start-up delay, which is particularly important for services, where users tend to frequently start new video sessions. I evaluate the approach against a baseline and against an omniscient client that computes optimal adaptation trajectories by solving a series of optimization problems. The evaluation reveals that the proposed algorithm allows to efficiently avoid playback interruptions, provides a smooth viewing experience by avoiding excessive video quality fluctuations, achieves a high level of network resource utilization, and provides a fair resource allocation in a multi-user environment. In particular, in the network environment used for the evaluation, the developed algorithm achieves an average video bit rate which is by up to 35% higher than that of the baseline approach, and within up to 85% of the optimum, with an up to an order of magnitude smaller total duration of interruptions. It is worth mentioning that the omniscient client developed in the course of this work can not only serve as a reliable benchmark for streaming clients but also allows to evaluate the influence of various media and network properties on the achievable streaming performance. Last but not least, based on my experience with implementing streaming client prototypes and simulation models, I develop a streaming client architecture that is modular, extendible, and platform-independent, and efficiently supports distributed operation of the individual functional blocks. | en |
| dc.description.abstract | Seit der Erfindung der Kinematographie steigt der Bedarf, hochwertige Videoinhalte jederzeit und überall abrufen zu können, stetig an. Die allgegenwärtige Verfügbarkeit von drahtlosem Hochgeschwindigkeitszugang zum Internet, ergänzt durch die Verbreitung von mobilen internetfähigen Endgeräten mit hoher Rechenkraft und hochauflösenden Bildschirmen, machte das Internet zur Technologie der Wahl sowohl für Video-on-Demand- als auch für Livestreaming-Dienste. Allerdings macht die minimalistische Dienstgütezusicherung im Internet das Erreichen einer hohen Erlebnisqualität zu einer Herausforderung. Ein dem Stand der Technik entsprechender Ansatz ist adaptives Streaming, das die technischen Charakteristiken der übertragenen Inhalte kontinuierlich an die Netzwerkdynamik anpasst und damit für ein gleichmäßigeres Betrachtungserlebnis mit weniger Wiedergabeunterbrechungen und einer effizienteren Netzwerkauslastung sorgt. Allerdings belegen Studien, dass diese Herausforderung, trotz der anhaltenden Anstrengungen, noch nicht erfolgreich bewältigt ist. Eins der ungelösten Probleme ist der Entwurf von performanten Adaptationsalgorithmen -- einem der wichtigsten bestimmenden Faktoren, der die Gesamtqualität eines Streamingdienstes beeinflusst. In der vorliegenden Dissertation stelle ich mehrere Beiträge zu diesem Forschungsfeld vor, die ich im Folgenden umreiße. Um den in den kommenden Jahren erwarteten Anstieg des drahtlosen Datenverkehrs zu bewältigen, muss die vorhandene Funknetzeinfrastruktur verdichtet werden. In meinem ersten Beitrag befasse ich mich mit der gleichzeitigen übertragung einer großen Zahl von Video-on-Demand-Strömen in einem dichten Drahtlosnetzwerk. Ich betrachte gemeinsam die beiden Probleme der übertragungssteuerung im Funknetz und der Videoqualitätsadaptation und entwickele einen verteilten auf Kontrolltheorie basierenden Ansatz. Die durchgeführte Leistungsbewertung zeigt, dass der vorgestellte Ansatz im Vergleich zum verwendeten Basisverfahren eine bis zu zweimal so große Nutzermenge ohne Wiedergabeunterbrechungen bedienen kann. Gleichzeitig erlaubt er, die Anzahl der Qualitätsübergänge um bis zu 50% zu reduzieren, ohne die durchschnittliche Videoqualität zu beeinträchtigen. Außerdem wird die Unfairness zwischen den einzelnen Videoströmen um bis zu viermal reduziert. Obwohl Video-on-Demand den Großteil der über das Internet übertragenen Videoinhalte ausmacht, steigt der Anteil der Liveinhalte rapide. In meinem zweiten Beitrag widme ich mich dem besonders anspruchsvollen Fall des Livestreamings mit niedriger Verzögerung. Der entwickelte neuartige Adaptationsalgorithmus setzt Durchsatzvorhersagen ein, um selbst über Drahtlosverbindungen eine hohe Erlebnisqualität mit auf wenige Sekunden beschränkter Latenz zu erreichen. Der Algorithmus maximiert heuristisch die durchschnittliche Videoqualität am Arbeitspunkt, der durch die Latenz, Dauer der Wiedergabeunterbrechungen und Anzahl der Qualitätsübergänge definiert ist. Eine vergleichende Leistungsbewertung zeigt, dass der entwickelte Algorithmus in den einzelnen Arbeitspunkten eine bis zu dreimal höhere durchschnittliche Qualität als der Basisansatz erreichen kann. Außerdem ist er in der Lage, eine breitere Spanne von Arbeitspunkten anzusteuern und kann daher flexibler an den Nutzerprofil und an die Anforderungen des Dienstanbieters angepasst werden. In meinem dritten Beitrag entwickle ich einen universellen Adaptationsalgorithmus für Video-on-Demand, der in einem breiten Spektrum von Netzwerkumgebungen einsetzbar ist und flexibel an die speziellen Anforderungen einzelner Dienste und Nutzer angepasst werden kann. Der entwickelte Ansatz verwendet für seine Entscheidungen den Abspielbuffer-Füllstand sowie den gemessenen Durchsatz. Er ist weder auf eine Kooperation mit dem Netzwerk noch auf Informationen aus unteren Protokollschichten angewiesen und daher für den Einsatz in beliebigen Netzwerkumgebungen und auf einer Vielzahl von Plattformen geeignet. Darüber hinaus minimiert er die Startverzögerung, was insbesondere für Dienste, bei denen die Nutzer zum häufigen Starten neuer Videoströme tendieren, wichtig ist. Ich evaluiere den Ansatz im Vergleich zu einem Basisansatz und einem allwissenden Clienten, der durch das Lösen einer Reihe von Optimierungsproblemen optimale Adaptationstrajektorien berechnet. Die Leistungsbewertung zeigt, dass der entwickelte Algorithmus effizient Wiedergabeunterbrechungen vermeidet, eine gleichmäßige Betrachtungsqualität durch das Vermeiden übermäßiger Qualitätsschwankungen erzielt, eine hohe Netzwerkauslastung erreicht und eine faire Resourcenverteilung in Mehrnutzerumgebungen herstellt. Der entwickelte Algorithmus erreicht in den getesteten Netzwerkumgebungen eine um bis zu 35% höhere durchschnittliche Medienbitrate als der Basisansatz bzw. bis zu 85% des Optimums, mit einer um bis zu einer Größenordnung kleineren Gesamtdauer der Wiedergabeunterbrechungen. Es ist erwähnenswert, dass der im Rahmen dieser Arbeit entwickelte allwissende Client nicht nur einen zuverlässigen Bewertungsmaßstab darstellt, sondern es auch erlaubt, den Einfluss verschiedener Medien- und Netzwerkcharakteristiken auf die erreichbare Streamingleistung zu untersuchen. Schließlich habe ich, basierend auf den beim Implementieren von Streamingclient-Prototypen und -Simulationsmodellen gesammelten Erfahrungen, eine Streamingclient-Architektur entwickelt, die modular, erweiterbar und plattformunabhängig ist und einen verteilten Betrieb der einzelnen Funktionsblöcke ermöglicht. | de |
| dc.identifier.uri | https://depositonce.tu-berlin.de/handle/11303/5999 | |
| dc.identifier.uri | http://dx.doi.org/10.14279/depositonce-5586 | |
| dc.language.iso | en | en |
| dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | en |
| dc.subject.ddc | 620 Ingenieurwissenschaften und zugeordnete Tätigkeiten | de |
| dc.subject.ddc | 004 Datenverarbeitung; Informatik | de |
| dc.subject.other | adaptive video streaming | en |
| dc.subject.other | MPEG-DASH | en |
| dc.subject.other | adaptation algorithms | en |
| dc.subject.other | adaptives Videostreaming | de |
| dc.subject.other | Adaptationsalgorithmen | de |
| dc.title | Adaptation algorithms for HTTP-based video streaming | en |
| dc.title.translated | Adaptationsalgorithmen für HTTP-basiertes Videostreaming | de |
| dc.type | Doctoral Thesis | en |
| dc.type.version | acceptedVersion | en |
| tub.accessrights.dnb | free | en |
| tub.affiliation | Fak. 4 Elektrotechnik und Informatik::Inst. Telekommunikationssysteme | de |
| tub.affiliation.faculty | Fak. 4 Elektrotechnik und Informatik | de |
| tub.affiliation.institute | Inst. Telekommunikationssysteme | de |
| tub.publisher.universityorinstitution | Technische Universität Berlin | en |