Otimização do Streaming de Vídeo utilizando a informação de Consumo de Energia

  • Diego José de Sousa Gouveia UFLA
  • Demóstenes Zegarra Rodriguez UFLA

Resumo


As aplicações de streaming multimídia têm crescido imensamente nos últimos anos e vêm sendo estudadas com a finalidade de garantir uma boa QoE para o usuário. Entretanto, poucos trabalhos preocupam-se com o consumo de energia e com as características do conteúdo multimídia de forma profunda, o que torna o consumo energético por parte desses conteúdos umaárea obscura. Neste artigo apresenta-se um modelo matemático que sugere como é o consumo em Ah de um vídeo em função de seus parâmetros. O modelo proposto foi um arquétipo exponencial, mostrando-se bem próximo do modelo real, descrevendo quais propriedades têm mais influência no consumo, devendo ser aplicado aos vídeos com taxa de bits constante.

Referências

Brunnström, K., Beker, S. A., De Moor, K., Dooms, A., Egger, S., Garcia, M. N., ... & Lawlor, B. (2013). Qualinet white paper on definitions of quality of experience.

Chai, T., & Draxler, R. R. (2014). Root mean square error (RMSE) or mean absolute literature. Geoscientific in the error (MAE)?–Arguments against avoiding RMSE model development, 7(3), 1247-1250.

Coelho, M. D. S. (2015). Estratégia de adaptação de fluxo de vídeo baseada em Fatores de QoE.

da Silva, D. V., Antonio, A. D. A., & Niterói, R. J. (2015). Detecção de streamers em redes BitTorrent.

Hoque, M. A., Siekkinen, M., Nurminen, J. K., & Aalto, M. (2012). Investigating streaming techniques and energy efficiency of mobile video services. arXiv preprint arXiv:1209.2855.

Hoque, M. A., Siekkinen, M., Nurminen, J. K., Aalto, M., & Tarkoma, S. (2015). techniques: QoE and energy saving perspective. Mobile multimedia streaming Pervasive and Mobile Computing, 16, 96-114.

Installations, T., & Line, L. (1999). Subjective video quality assessment methods for multimedia applications. Networks, 910, 37.

Janowski, L., Romaniak, P., & Papir, Z. (2012). Content driven QoE assessment for video frame rate and frame resolution reduction. Multimedia tools and applications, 61(3), 769-786.

LIMA, R. D. Q., & SAMPAIO, R. (2009). Identificação de Parâmetros pelo Método dos Mínimos Quadrados Não Linear. Relatório final da Iniciação Científica. Rio de Janeiro, agosto de.

Michalos, M. G., Kessanidis, S. P., & Nalmpantis, S. L. (2012). Dynamic Adaptive Streaming over HTTP. Journal of Engineering Science & Technology Review, 5(2).

Möller, S., & Raake, A. (Eds.). (2014). Quality of experience: advanced concepts, applications and methods. Springer.

Netflix (2017). Netflix Overview. Acesso em 01 de Agosto de 2017, disponível em Netflix: https://ir.netflix.com/.

networking Index, C. V. (2016). Forecast and methodology, 2016-2021, white paper. San Jose, CA, USA.

Power, J. D. (2012). US Wireless Smartphone and Traditional Mobile Phone Satisfaction Studies. Press Release.

Reiter, U., Brunnström, K., De Moor, K., Larabi, M. C., Pereira, M., Pinheiro, A., ... & Zgank, A. (2014). Factors influencing quality of experience. In Quality of experience (pp. 55-72). Springer International Publishing.

YouTube (2017). YouTube para a imprensa. Acesso em 02 de Agosto de 2017, disponível em YouTube: https://www.youtube.com/intl/pt-BR/yt/about/press/.

Zhou, H., Deng, Z., Xia, Y., & Fu, M. (2016). A new sampling method in particle filter based on Pearson correlation coefficient. Neurocomputing, 216, 208-215.
Publicado
10/05/2018
GOUVEIA, Diego José de Sousa; RODRIGUEZ, Demóstenes Zegarra. Otimização do Streaming de Vídeo utilizando a informação de Consumo de Energia. In: SIMPÓSIO BRASILEIRO DE REDES DE COMPUTADORES E SISTEMAS DISTRIBUÍDOS (SBRC), 36. , 2018, Campos do Jordão. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2018 . p. 323-336. ISSN 2177-9384. DOI: https://doi.org/10.5753/sbrc.2018.2425.