据CNNIC(中国互联网络信息中心)第32次中国互联网发展状况统计报告显示,截至2013年6月底,我国网民规模达5.91亿,而网络视频网民达到3.89亿,网民中上网收看视频的比例为65.8%。在这样的市场环境下,国内一度出现过300余家网络视频网站,经过近两年的并购淘汰之后,如今只留下了20多家有规模的视频网站。
在竞争如此激烈的格局下,无论是业界还是学界都清楚地意识到,传统的网络性能指标已不足以评判用户对服务的满意程度,而由ITU-T定义的用户体验质量(QoE)则成为了被广泛采用的评价指标,它代表了一个应用或一项服务的整体可接受性,由终端用户的主观感知决定,综合考虑了端到端的服务质量(QoS)和用户主观因素。其中的服务质量分为视音频媒体压缩方面、视音频同步方面、网络传输性能方面、频道切换时间方面、VoD特技模式方面、元数据方面、内容导航方面、浏览器方面;主观因素则包括资费、移动性、节目库丰富程度、即时性等。
这诸多因素中有的具有可客观测量的指标,有的则必须使用主观测量方法来评定,同时,各因素对QoE最终结果的影响程度也不一致,必须要分配以相应的权重。所以我们看到,现在有关用户体验质量评估方法的研究无一例外都采用了伪主观评价法。在这种方法中要先根据应用特点确定QoE的相应指标,然后找出影响每个评价指标的全部或关键QoS参数,接着准备测试环境、样本、人员进行测试,获取数据,最后筛选数据再利用关系模型从QoS得到QoE。
在这里的难点则是使用什么样的方法建立QoE和QoS的映射关系,现有的研究方法中大多采用了层次分析法(AHP)。具体来说,在这一方法中首先引入了两个新的概念:网络的关键质量指标(KQI)和关键性能指标(KPI)。其中KQ
随着网络视频用户规模的扩大,QoE(用户体验质量)成为评价服务的重要标准。QoE综合了QoS和用户主观因素,包括视音频质量、网络传输、资费等多方面。目前,研究多采用层次分析法(AHP)建立QoE与QoS的映射,通过比较矩阵确定指标权重。此外,有观点提出利用机器学习方法,但实施复杂。QoE评估应阶段性进行,而非频繁更改指标,以适应网络视频供应商的服务优化和用户选择。
订阅专栏 解锁全文
7721

被折叠的 条评论
为什么被折叠?



