带宽预测方法、模型生成方法及设备技术

本申请实施例提供了一种带宽预测方法、模型生成方法及设备。其中，确定直播端用以传输直播数据的网络的网络信息；根据所述网络信息，从多个等级分别对应的预测模型中，确定目标预测模型；其中，所述预测模型由同一等级的至少一个子模型聚合处理获得；所述子模型根据样本可用带宽及样本网络信息训练获得；利用所述目标预测模型及所述网络信息，预测所述直播端对应的目标可用带宽。本申请实施例提供的技术方案提高了可用带宽预测的准确度。术方案提高了可用带宽预测的准确度。术方案提高了可用带宽预测的准确度。

【技术实现步骤摘要】
带宽预测方法、模型生成方法及设备


[0001]本申请实施例涉及数据传输
，尤其涉及一种带宽预测方法、模型生成方法及设备。

技术介绍

[0002]通信双方通过网络流式传输数据时，如网络直播场景中，直播端与服务端之间传输直播数据时，由于受不同网络状况影响，会存在不同程度的传输时延及播放质量等传输质量问题，而通过调整预测可用带宽，基于可用带宽调整编码和/或传输的码率将有助于改善数据传输质量。
[0003]现有技术，通常预先配置规则，根据规则中设定的不同网络状况所对应的可用带宽，从而基于该设定规则来进行可用带宽预测。然而由于网络异构性等原因，采用规则设定方式会导致预测的可用带宽并不准确。

技术实现思路

[0004]本申请实施例提供一种带宽预测方法、模型生成方法及计算设备，用以解决现有技术中可用带宽预测不准确的技术问题。
[0005]第一方面，本申请实施例中提供了一种带宽预测方法，包括：
[0006]确定直播端用以传输直播数据的网络的网络信息；
[0007]根据所述网络信息，从多个等级分别对应的预测模型中确定目标预测模型；其中，所述预测模型由同一等级的至少一个子模型聚合处理获得；所述子模型根据样本可用带宽及样本网络信息训练获得；
[0008]利用所述目标预测模型及所述网络信息，预测可用带宽。
[0009]第二方面，本申请实施例中提供了一种模型生成方法，包括：
[0010]利用在多个样本网络环境分别进行直播数据传输采用的样本可用带宽及样本网络信息，训练多个子模型；
[0011]确定将所述多个子模型按照各自对应的样本网络环境的网络状况，划分出的多个等级；
[0012]将同一等级的至少一个子模型进行聚合处理获得预测模型；
[0013]其中，所述多个等级分别对应的预测模型用于根据直播端的网络信息，从中选择目标预测模型以利用所述目标预测模型预测所述直播端的目标可用带宽。
[0014]第三方面，本申请实施例中提供了一种带宽预测方法，包括：
[0015]确定客户端用以流式传输数据的网络的网络信息；
[0016]根据所述网络信息，从多个等级分别对应的预测模型中确定目标预测模型；其中，所述预测模型由同一等级的至少一个子模型聚合处理获得；所述子模型根据在样本网络环境中流式传输数据采用的样本可用带宽及样本网络信息训练获得；
[0017]利用所述目标预测模型及所述网络信息，预测所述客户端对应的目标可用带宽。
[0018]第四方面，本申请实施例中提供了一种模型生成方法，包括：
[0019]利用在多个样本网络环境进行数据流式传输采用的样本可用带宽及样本网络信息，训练多个子模型；
[0020]确定将所述多个子模型按照各自对应的样本网络环境的网络状况，划分出的多个等级；
[0021]将同一等级的至少一个子模型进行聚合处理获得预测模型；
[0022]其中，所述多个等级分别对应的可用带宽预测模型用于根据客户端的网络信息，从中选择目标预测模型以利用所述目标预测模型预测所述客户端对应的目标可用带宽。
[0023]第五方面，本申请实施例中提供了一种电子设备，包括存储组件以及处理组件，所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，以实现如上述第一方面所述的带宽预测方法或如上述第三方面所述的带宽预测方法。
[0024]第六方面，本申请实施例中提供了一种计算设备，包括存储组件以及处理组件，所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，以实现如上述第一方面所述的带宽预测方法或如上述第三方所述的带宽预测方法或者如上述第二方面所述的模型生成方法或如上述第四方面所述的模型生成方法。
[0025]本申请实施例中，利用在多个样本网络环境进行数据流式传输采用的样本可用带宽以及样本网络信息，训练多个子模型，且多个子模型按照各自样本网络环境的网络状况，划分出的多个等级，之后将同一等级的至少一个子模型进行聚合处理获得该等级对应的预测模型，从而获得多个等级分别对应的预测模型；对于客户端，根据客户端的网络信息，从多个等级分别对应的预测模型确定目标预测模型，并利用该目标预测模型预测目标可用带宽，该目标可用带宽即指示按照该目标可用带宽与客户端之间进行数据流式传输。通过采用机器学习方式，根据不同网络状况训练获得多个等级的预测模型，从而可以根据客户端的网络信息选择合适的目标预测模型进行可用带宽预测，提高了可用带宽预测准确度。
[0026]本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
[0027]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0028]图1a示出了本申请提供的一种模型生成方法一个实施例的流程图；
[0029]图1b示出了应用本申请实施例的技术方案的一种系统架构图；
[0030]图2示出了本申请提供的一种带宽预测方法一个实施例的流程图；
[0031]图3示出了应用本申请实施例的技术方案的另一种系统架构图；
[0032]图4示出了本申请提供的一种模型生成方法又一个实施例的流程图；
[0033]图5示出了本申请提供的一种带宽预测方法又一个实施例的流程图；
[0034]图6示出了本申请实施例在一个实际应用中的交互处理过程示意图；
[0035]图7示出了本申请提供的一种模型生成装置一个实施例的结构示意图；
[0036]图8示出了本申请提供的一种带宽预测装置一个实施例的结构示意图；
[0037]图9示出了本申请提供的一种计算设备一个实施例的结构示意图；
[0038]图10示出了本申请提供的一种电子设备一个实施例的结构示意图。
具体实施方式
[0039]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
[0040]在本申请的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
[0041]本申请实施例的技术方案可以应用于通信双方之间通过网络流式传输数据的任意场景中，比如网络直播场景、视频服务场景等本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种带宽预测方法，其特征在于，包括：确定直播端用以传输直播数据的网络的网络信息；根据所述网络信息，从多个等级分别对应的预测模型中确定目标预测模型；其中，所述预测模型由同一等级的至少一个子模型聚合处理获得；所述子模型根据样本可用带宽及样本网络信息训练获得；利用所述目标预测模型及所述网络信息，预测可用带宽。2.根据权利要求1所述的方法，其特征在于，所述样本可用带宽为在样本网络环境传输直播数据时所采用的可用带宽；所述样本网络信息为所述样本网络环境的网络信息；所述根据所述直播端的网络信息，从多个等级分别对应的可用带宽预测模型中确定目标预测模型包括：从所述直播端的网络信息中，计算获得网络评估参数；根据所述网络评估参数，确定所述直播端满足第一切换条件时，将当前使用的预测模型的高一等级的预测模型作为目标预测模型；其中，等级越高的预测模型所对应的样本网络环境的可用带宽利用率越高；根据所述网络评估参数，确定所述直播端满足第二切换条件时，将当前使用的预测模型的低一等级的预测模型作为目标预测模型。3.根据权利要求2所述的方法，其特征在于，所述从所述直播端的网络信息中，计算获得网络评估参数包括：根据最近传输的多个数据包的时延抖动，确定所述直播端的时延抖动特征；在所述时延抖动特征满足过载条件的情况下，确定所述直播端处于过载状态；在连续多次计算获得的时延抖动特征满足低载条件情况下，确定所述直播端处于低载状态；根据最近传输的多个数据包的丢包率，统计所述直播端的丢包率特征；其中，所述第一切换条件包括所述直播端处于低载状态且所述丢包率特征小于第阈值；所述第二切换条件包括所述直播端处于过载状态且丢包率特征大于第一阈值。4.根据权利要求3所述的方法，其特征在于，所述根据所述网络评估参数，确定所述直播端满足第一切换条件时，将当前使用的预测模型的高一等级的预测模型作为目标预测模型包括：在所述直播端处于低载状态、所述丢包率特征小于第一阈值、当前使用的预测模型非最高一等级且模型切换间隔时长小于第一时长情况下，将当前使用的预测模型的高一等级的预测模型作为目标预测模型；所述根据所述网络评估参数，确定所述直播端满足第二切换条件时，将当前使用的预测模型的低一等级的预测模型作为目标预测模型包括：在所述直播端处于过载状态、丢包率特征大于第二阈值、当前使用的预测模型非最低一等级且模型切换间隔时长大于第二时长，将当前使用的预测模型的低一等级的预测模型作为目标预测模型。5.根据权利要求1所述的方法，其特征在于，所述直播端为主播端，所述方法还包括：将所述目标可用带宽发送至所述主播端；所述目标可用带宽用于指示所述主播端编码和/或发送直播数据；
或者，所述直播端为主播端，所述方法还包括：按照所述目标可用带宽，调整所述直播数据的编码码率和/或发送码率；将所述编码码率和/或发送码率发送至所述主播端，以指示所述主播端按照所述编码码率编码所述直播数据，和/或按照所述发送码率发送所述直播数据；或者，所述直播端为观众端，所述方法还包括：按照所述目标可用带宽，调整所述直播数据的编码码率和/或发...

【专利技术属性】
技术研发人员：吴蕾蕾，胡雨涵，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：