[發明專利]一種基于拍賣競價的沉浸式媒體資源分配方法

在審

• 申請號: 202310351447.2
• 申請日: 2023-04-04
• 公開（公告）號: CN116419399A
• 公開（公告）日: 2023-07-11
• 發明（設計）人: 劉雨;魏琳慧;望育梅
• 申請（專利權）人: 北京郵電大學
• 主分類號: H04W72/044
• 分類號: H04W72/044;G06N20/00;G06Q30/08;H04W4/06;H04B7/185
• 代理公司: 北京永創新實專利事務所 11121
• 代理人: 易卜

本發明公開了一種基于拍賣競價的沉浸式媒體資源分配方法，屬于衛星網絡資源分配領域；具體是：首先，構建由多個用戶、天地一體化網絡和多媒體服務器組成的沉浸式媒體資源分配系統；然后，針對當前沉浸式媒體資源，用戶發起請求，結合自己的預算及對當前資源的估價進行出價；接著，地面站節點接受所有用戶的資源請求信息出價信息，并將出價降序排序；采用第二價格拍賣方式，決定拍賣成功的用戶，采用基于Dijkstra算法及負載均衡的方式，將每個用戶的請求信息分別發送給不同的多媒體服務器。最后，每個多媒體服務器釋放相應資源，提供沉浸式媒體服務；并返回給地面站節點當前的資源利用率及任務執行結果。本發明提高了資源利用率和用戶滿意度。

技術領域

本發明屬于衛星網絡資源分配領域，涉及拍賣設計方法，具體是一種基于拍賣競價的沉浸式媒體資源分配方法。

背景技術

隨著衛星通信的快速發展，衛星網絡與地面網絡的融合已成為一種趨勢。天地一體化網絡為穩健可靠的網絡，它具有支持廣泛覆蓋和全時連接的優勢，適用于各種應用和行業。4K/8K視頻和虛擬現實等沉浸式媒體的帶寬需求正在迅速增長。多媒體流量的爆炸式增長對網絡構成了挑戰。由于城市地區網絡連接不穩定，農村地區寬帶基礎設施建設成本高，人們很難自由享受實時、低成本的沉浸式媒體服務。此外，沉浸式媒體強調個人體驗和多用戶交互，但端到端的延遲和低傳輸帶寬帶來了較差的服務質量。

天地一體化網絡通常為多媒體服務提供盡力而為的交付，它關注服務質量(QoS)性能，而不是最終用戶的個人感受。例如，5G-ALLSTAR是歐盟Horizon?2020項目之一，它提供了一個基于虛擬現實的網球比賽場景，來自歐洲和韓國的觀眾可以在線觀看視頻流。IM應用程序提供娛樂通信服務，但是，該服務涉及大量數據，需要嚴格的網絡環境，并且可能導致昂貴的成本。衛星網絡中星間鏈路的不穩定連接也影響用戶享受高質量IM服務的滿意度。

現有技術中關于地面網絡中的視頻流分配資源包括以下文獻：

文獻[1]考慮了一個機器學習模型來預測云端的用戶數量，然后主動優化用戶附近的分配資源，實現訪問延遲和成本之間的權衡。

文獻[2]設計了邊緣計算輔助的視頻流量卸載場景，用于保障用戶體驗和提高網絡資源效率。

文獻[3]是針對衛星網絡上資源而提出一種在線智能拍賣算法。這些資源分配方法很難滿足IM應用對于實時性、帶寬和延遲的要求。

因此，需要一種基于競價的資源分配方法，可以為用戶提供個性化的沉浸式媒體服務。

相關文獻：

[1]F.Haouari,E.Baccour,A.Erbad,A.Mohamed,and?M.Guizani,“Qoe-awareresource?allocation?for?crowdsourced?live?streaming:a?machine?learningapproach,”in?Proc.IEEE?Int.Conf.Commun.(ICC),Shanghai,China,May?2019,pp.1–6.

[2]S.Kumar,N.Wang,Y.Rahulan,and?B.Evans,“QoE-aware?video?streamingover?integrated?space?and?terrestrial?5G?networks,”IEEE?Netw.,vol.35,no.4,pp.95–101,Jul.2021.

[3]一種基于在線智能拍賣的MEC輔助衛星網絡資源分配方法，公開號：CN115689228A.

發明內容

針對上述問題，本發明提供了一種基于拍賣競價的沉浸式媒體資源分配方法，引入了多智能體強化學習算法(MARL)，將每個用戶都當成一個智能體，根據環境進行學習并變化改變他們的行為，通過學習和博弈來優化網絡效用，在實踐中實現高效的資源分配。本發明提出的方法在改善資源利用率和用戶滿意度方面具有重要意義。