Застосування методу Ateb-прогнозування для дослідження зразків високороздільного відеотрафіку
Анотація
Наведено результати поточного стану зростання відеотрафіку у світі. За допомогою зібраних статистичних даних показано, що цей процес призводить до збільшення завантаження комп'ютерних мереж. Показано, що на сьогодні забезпечення аналізу переваг та недоліків особливостей функціонування сучасних комп'ютерних мереж, а також розвитку методів прогнозування інтенсивності потоків трафіку, методів маршрутизації в комп'ютерних мережах є важливими та невідкладними завданнями. Згідно з прогнозами, обсяг світового трафіку зросте у 4 рази, на приблизно 33 % щороку, а відео з таких платформ, як: YouTube, Netflix, Amazon Prime, Facebook та інших сервісів, становитимуть основну частину майбутнього трафіку. Саме тому необхідно спрогнозувати тренди високороздільного відеотрафіку, що дасть змогу здійснити адаптивне управління мережевим обладнанням, а також зменшити затримки передавання даних. Подано посилання на процес конструювання прогнозу тренду високороздільного відеотрафіку, що був попередньо розроблений. Комп'ютерне імітаційне моделювання показало, що природа цього трафіку є самоподібною, тому метод можна успішно застосувати для прогнозування пульсацій відеотрафіку типів 1080p60, 4k, 1080p, але для 8k метод необхідно доопрацювати. Для оцінювання самоподібності відеотрафку було використано параметр Херста.
Завантаження
Посилання
Cajueiro, Daniel, & Tabak, Benjamin. (2005). The rescaled variance statistic and the determination of the Hurst exponent. Mathematics and Computers in Simulation, 70, 172–179. https://doi.org/10.1016/j.matcom.2005.06.005
Cisco website. (2018). Index, Cisco Visual Networking. "Forecast and methodology, 2015– 2020 white paper." Retrieved 1st June (2017). Accessed 20 Dec 2018.
Demydov, I., Dronyuk, I., Fedevych, O., & Romanchuk, V. (2019). Traffic Fluctuations Optimization for Telecommunication SDP Segment Based on Forecasting Using Ateb-Function. Data-Centric Business and Applications, Evolvements in Business Information Processing and Management, 20, 71–88. Springer, Berlin. https://doi.org/10.1007/978-3-319-94117-2_4
Fedevych, O., Dronyuk, I., & Lizanets, D. (2018). Researching Measured and Modeled Traffic with Self-Similar Properties for Ateb-Modeling Method Improvement. In P. Gaj, M. Sawicki, G. Suchacka, A. Kwiecień (Eds), Computer Networks. CN 2018. Communications in Computer and Information Science, 860. Springer, Cham. https://doi.org/10.1007/978-3-319-92459-5_2
Kastrinakis, Marios, Badawy, Ghada, Smadi, Mohammed N. & Koutsakis, Polychronis. (2017). Video frame size modeling for user-generated traffic in an enterprise-like environment. Computer Communications, 109, 24–37. https://doi.org/10.1016/j.comcom.2017.05.008
Liew, C. H, Kodikara, C., & Kondoz, A. M. (2005). Video Traffic Model for MPEG4 Encoded Video 62nd IEEE VTS Vehicle Technology Conference, 3, 1854–1858. http://doi.org/10.1109/VETECF.2005.1558427
Mandelbrot, B. B. (1982). The Fractal Geometry of Nature. W. H. Freeman, New York, 550 p. https://doi.org/10.1119/1.13295
Sandvine website. (2018a). Downstream traffic statistic. https://www.sandvine.com/. Accessed 18 Oct 2018.
Sklar, B. (2001). Digital Communications: Fundamentals and Applications. (2nd ed.). Prentice Hall P T R, New Jersey.
Statista website. (2018b). Most popular online video properties in the United States. https://www.statista.com/. Accessed 15 Sep 2018.
Susmit Bagchi. (2017). Computational Analysis of Network ODE Systems in Metric Spaces. An Approach. Journal of Computer Science, Science Publications, 13(1), 1–10. https://doi.org/10.3844/jcssp.2017.1.10
Tanwir, Savera, & Perros, Harry G. (2014). VBR Video Traffic Models. Wiley, 148 p.
Переглядів анотації: 145 Завантажень PDF: 0
Авторське право (c) 2018 http://creativecommons.org/licenses/by/4.0
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.