CN111277870B - 带宽预测方法、装置、服务器及存储介质 - Google Patents
带宽预测方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN111277870B CN111277870B CN202010148545.2A CN202010148545A CN111277870B CN 111277870 B CN111277870 B CN 111277870B CN 202010148545 A CN202010148545 A CN 202010148545A CN 111277870 B CN111277870 B CN 111277870B
- Authority
- CN
- China
- Prior art keywords
- downloading
- download
- bandwidth
- upper limit
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000005070 sampling Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 5
- 230000007246 mechanism Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
- H04N21/2402—Monitoring of the downstream path of the transmission network, e.g. bandwidth available
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/238—Interfacing the downstream path of the transmission network, e.g. adapting the transmission rate of a video stream to network bandwidth; Processing of multiplex streams
- H04N21/2385—Channel allocation; Bandwidth allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
- H04N21/26208—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints
- H04N21/26216—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints involving the channel capacity, e.g. network bandwidth
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Transfer Between Computers (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例公开了带宽预测方法、装置、服务器及存储介质,该方法包括:确定目标用户的历史下载序列信息;根据历史下载序列信息确定所述目标用户的历史上限带宽序列;根据历史上限带宽序列,预测所述目标用户在下一次视频下载时的有效带宽。该预测方法考虑到TCP连接中慢启动状态及平稳传输状态下对平均下载速度的影响,引出与慢启动以及平均下载速度存在关联的上限带宽,并先基于历史下载信息实现对上限带宽的预测,之后通过所预测的上限带宽进一步确定出有效带宽,以此来够避免用户侧视频下载时因受TCP中的慢启动机制的影响而导致的带宽预测不准确的问题,有效提高了带宽预测的准确率,进而保证了视频高质量的播放,提升了用户体验效果。
Description
技术领域
本发明涉及多媒体处理技术领域,尤其涉及带宽预测方法、装置、服务器及存储介质。
背景技术
目前,流媒体的观看已经是人们娱乐生活不可或缺的一部分,由此在视频播放过程中的用户体验成了视频软件平台需要重点考虑的问题。一般的,视频码率的选择、卡顿率的缩减以及视频呈现时间的加快等都是提高用户体验的关键所在。而卡顿率以及视频呈现时间的优化均需要以及选择合适的视频码率为前提。
在实际应用中,精确的带宽预测有助于选择更适合用户实际网络的视频码率,从而减少视频卡顿或者视频清晰度不够的情况发生。由此用户带宽的预测在提供用户视频观看体验中占据关键位置。现有的带宽预测方法,根据用户一段时间内所下载多个视频的平均下载速度形成包含每个视频下载所耗费时间及相应平均下载速度的历史序列,之后通过对该历史序列的分析来预测下一次视频下载时的平均下载速度,所预测的平均下载速度就相当于预测出的用户带宽。
一般的,视频服务器端进行视频下载时,每次接收到视频下载任务后,都需要对应新建一个传输控制协议(TCP,Transmission Control Protocol)连接来实现视频下载,并由此通过一段时间内的视频下载信息来实现用户带宽预测。但是,下载所创建的TCP在启动过程中还包含了慢启动,所包含的慢启动影响了视频下载时平均下载速度的稳定性。当用户可使用的网络带宽处于稳定状态时,不同视频实际的平均下载速度理论上也应该是相对稳定的,但由于受TCP中慢启动的影响,对规模均较小但实际大小相差较大的不同视频文件进行下载时,采样所获得平均下载速度的差别也较大,进而采用受慢启动影响的平均下载速度进行带宽预测的准确性也将受到影响。
发明内容
本发明实施例提供了一种带宽预测方法、装置、服务器及存储介质,有效提高了用户带宽预测的准确率。
第一方面,本发明实施例提供了一种带宽预测方法,包括:
确定目标用户的历史下载序列信息;
根据所述历史下载序列信息确定所述目标用户的历史上限带宽序列;
根据所述历史上限带宽序列,预测所述目标用户在下一次视频下载时的有效带宽。
第二方面,本发明实施例提供了一种带宽预测装置,包括:
第一确定模块,用于确定目标用户的历史下载序列信息;
第二确定模块,用于根据所述历史下载序列信息确定所述目标用户的历史上限带宽序列;
有效带宽预测模块,用于根据所述历史上限带宽序列,预测所述目标用户在下一次视频下载时的有效带宽。
第三方面,本发明实施例提供了一种服务器,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明上述实施例提供的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明上述实施例提供的方法。
本发明实施例提供了带宽预测方法、装置、服务器及存储介质,该带宽预测的方法包括:首先确定目标用户的历史下载序列信息,然后根据所述历史下载序列信息确定目标用户的历史上限带宽序列,最终根据历史上限带宽序列。上述技术方案,用于视频下载时用户侧带宽的预测,该预测方法考虑到TCP连接中慢启动状态及平稳传输状态下对平均下载速度的影响,引出与慢启动以及平均下载速度存在关联的上限带宽,并先基于历史下载信息实现对上限带宽的预测,之后通过所预测的上限带宽进一步确定出有效带宽,以此来够避免用户侧视频下载时因受TCP中的慢启动机制的影响而导致的带宽预测不准确的问题,有效提高了带宽预测的准确率,进而保证了视频高质量的播放,提升了用户体验效果。
附图说明
图1为本发明实施例一提供的一种带宽预测方法的流程示意图;
图2为本发明实施例二提供的一种带宽预测方法的流程示意图;
图3为本发明实施例三提供的一种带宽预测装置的结构框图;
图4为本发明实施例四提供的一种服务器的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施例方式作进一步地详细描述。应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。另外,在不冲突的情况下,本发明实施例及实施例中的特征可以相互结合,各个实施例可以相互参考和引用。
实施例一
图1为本发明实施例一提供的一种带宽预测方法的流程示意图,该方法适用于对用户侧进行视频下载的网络带宽进行预测的情况,该方法可以由带宽预测装置实现,其中,该装置可以由软件和/或硬件实现,并一般可集成在提供视频资源支持的服务器中,该服务器相当于带宽预测方法的执行载体设备。
需要说明的是,本实施例提供的带宽预测方法可认为是在完成用户当前的视频下载需求后,以及在对所接收的用户下一个视频下载请求进行响应前所执行的带宽预测步骤。如图1所示,本发明实施例一提供的一种带宽预测方法,该方法具体包括如下操作:
S101、确定目标用户的历史下载序列信息。
在本实施例中,所述目标用户具体可以理解为通过相关的视频客户端与本执行主体进行视频观看或视频下载等交互的任一个用户,也可以是本执行主体随机选定的作为带宽预测对象的用户;在目标用户通过视频客户端与本执行主体的交互过程中,可能已完成了多个视频的观看或下载,所述历史下载序列信息具体可以理解为基于目标用户已完成的多个视频的下载信息构成的序列信息,每个视频的下载信息中可以包括视频下载时所用的平均下载速度以及下载时长等。
具体的,本步骤可以在确定了待进行带宽预测的目标用户后,可以通过该目标用户的用户标识查找匹配出该目标用户由当前时刻再向前一段时间内所观看或下载视频的下载信息,之后可将各视频对应的下载信息按照时间序列排布形成目标用户的历史下载序列信息。
S102、根据所述历史下载序列信息确定所述目标用户的历史上限带宽序列。
在本实施例中,所述历史上限带宽序列具体可以理解为由目标用户在进行各视频观看或下载时网络所具备的上限带宽值构成的序列。该历史上限带宽序列中包含的上限带宽值与上述所确定历史下载序列信息中的下载信息对应,本步骤可通过历史下载序列信息中的下载信息来确定与之对应的上限带宽值,从而形成包含各上限带宽值的历史上限带宽序列。
需要说明的是,现有的带宽预测方法中,在获得历史下载序列信息后,可以直接根据所包含的各下载信息来预测目标用户下一次下载视频时所具备的平均下载速度,且可将预测所得的平均下载速度看作目标用户下一次下载的有效带宽。本实施例为解决到下载时TCP连接中慢启动对平均下载速度的影响,并不直接将对下一次视频下载时平均下载速度进行预测,而是首先确定与TCP的慢启动存在关联的上限带宽值。
为更好理解本实施例首先通过确定历史上限带宽序列的原因,本实施例进行如下分析:对于一次视频下载而言,视频的平均下载速度则相当于视频大小与所用下载时长的比值,而实际采样获得的下载时长中实则包括了TCP的慢启动所耗费时长以及正常传输后下载耗费的时长两部分,为保证平均下载速度的准确性,需要从下载时长中除去TCP慢启动所耗费时间对视频下载的影响。可以知道的是,TCP的慢启动过程相当于TCP以因子为2的指数函数对下载速度进行递增的过程,该递增过程所花费的时间可通过一个包含上限带宽值的对数函数来确定。本实施例可在通过上限带宽来表示TCP慢启动所耗费的时间后,进一步通过上限带宽来建立视频下载过程中各时刻所对应瞬时下载速度的计算模型,最终可通过瞬时下载速度与上限带宽间的关联关系,来确定平均下载速度与上限带宽的关联关系,由此使得平均下载速度的采样仅与下载时长以及上限带宽有关,为准确预测目标用户下一次视频下载时的平均下载速度,只需先预测出目标用户下一次视频下载时所对应的上限带宽值,然后结合预先确定的上限带宽值与平均下载速度之间的关联模型,即可实现平均下载速度(平均下载速度相当于网络有效带宽的一种表示方式)的有效确定,而目标用户下一次视频下载时所对应的上限带宽值需要基于历史上限带宽序列来预测,因此,本实施例为实现有效带宽的预测,需要在本步骤先确定历史上限带宽序列。
具体的,本步骤可以获得历史下载序列信息中的各下载信息,相当于获得了历史时间内所下载视频的下载时长和平均下载速度,同时下载时长内的慢启动所耗费时间可以采用包含上限带宽值的对数函数来表示,由此相当于建立了上限带宽值与下载时长以及平均下载速度之间的关联关系,在已知一个视频的下载时长和平均下载速度的前提下结合上述关联关系,就可以获得下载该视频时对应的上限带宽值。
S103、根据所述历史上限带宽序列,预测所述目标用户在下一次视频下载时的有效带宽。
在本实施例中,所述有效带宽具体可以理解为目标用户在下一次视频下载时的平均下载速度,本步骤相当于基于历史上限带宽序列来预测平均下载速度。
具体的,所述历史上限带宽序列中包含了多个历史视频下载时所对应的上限带宽值,基于上述确定的多个上限带宽值,本步骤通过采用指数加权滑动平均方法以及机器学习回归方法(如线性回归等方法)等可以预测出下一次视频下载时的预测上限带宽值。
此外,基于上述描述可知,在已知预测上限带宽值之后,相当于可以确定出下一次视频下载时慢启动耗费的时间,且在已知下一次待下载视频的视频大小后,可以采用视频大小与平均下载速度的比值来表示下载时长,由此,本步骤结合上述构建的上限带宽值与平均下载速度的关联模型,在已知预测上限带宽值以及下一次待下载视频的视频大小的前提下,就可以预测出下一次视频下载时的平均下载速度,相当于确定了目标用户在下一次视频下载时的有效带宽。
本发明实施例一提供的一种带宽预测方法,考虑到TCP连接中慢启动状态及平稳传输状态下对平均下载速度的影响,引出与慢启动以及平均下载速度存在关联的上限带宽,并先基于历史下载信息实现对上限带宽的预测,之后通过所预测的上限带宽进一步确定出有效带宽,以此来够避免用户侧视频下载时因受TCP中的慢启动机制的影响而导致的带宽预测不准确的问题,有效提高了带宽预测的准确率,进而保证了视频高质量的播放,提升了用户体验效果。
作为本发明实施例一的一个可选实施例,在上述实施例的基础上,本可选实施例还优化包括了:将所述有效带宽作为输入数据,输入预设的码率筛选模型,获得所述目标用户在下一次视频下载时对应的有效码率。
在本可选实施例中,所述有效码率具体可以理解为对用户请求的视频进行下载时所确定的适合用户当前网络的码率,所述码率则可理解为视频文件在单位时间内进行下载或观看时所耗费的数据流量。所述码率筛选模型具体可以理解为用于筛选用户网络所匹配码率的处理模型,该码率筛选模型可优选为一个将用户的有效带宽作为输入的神经网络模型。可以理解的是,所述码率筛选模型可预先通过给定的带宽样本数据以及所对应的样本码率训练获得。
本可选实施例通过采用本实施例上述所确定高准确性的有效带宽作为输入,来提高了码率筛选的筛选准确率,从而减少了视频下载中的卡顿率以及视频呈现时间,并有效提高了视频清晰度,进而提高了视频软件的用户体验。
实施例二
图2为本发明实施例二提供的一种带宽预测方法的流程示意图,本实施例二在上述实施例的基础上进行优化,在本实施例中,进一步将确定目标用户的历史下载序列信息具体化为:采样所述目标用户进行当前视频以及向前设定数量个历史视频下载时的平均下载速度及下载时长;将各所述平均下载速度及对应的下载时长形成下载信息对,并按照时间顺序排列各下载信息对,形成所述历史下载序列信息。
同时,本实施例进一步将根据所述历史下载序列信息确定所述目标用户的历史上限带宽序列具体化为:获得所述历史下载序列信息中按照时间顺序排列的各下载信息对,其中,所述下载信息对中包括相应所下载视频的平均下载速度及下载时长;针对每个下载信息对,如果包含的平均下载速度不属于设定速度范围,则通过设定的上限带宽确定公式确定所述下载信息对的上限带宽值,否则,确定所述下载信息对的上限带宽值为空;基于各所述下载信息对应的上限带宽值形成所述目标用户的历史上限带宽序列。
此外,本实施例进一步将根据所述历史上限带宽序列,预测所述目标用户在下一次视频下载时的有效带宽具体化为:基于所述历史上限带宽序列包括的各上限带宽值,采用给定的指数加权滑动平均函数确定所述目标用户在下一次视频下载时的预测上限带宽值;获得所述目标用户下一次待下载视频的视频大小;根据所述预测上限带宽值及所述视频大小,结合设定的平均速度预测公式,确定所述目标用户的预测平均速度;将所述预测平均速度确定为所述目标用户在下一次视频下载时的有效带宽。
如图2所示,本发明实施例二提供的一种带宽预测方法,具体包括如下操作:
S201、采样所述目标用户进行当前视频以及向前设定数量个历史视频下载时的平均下载速度及下载时长。
在本实施例中,所述当前视频具体可以理解为对应用户当前时刻的视频下载需求所下载的视频;在当前时刻之前,用户可能已完成了多个历史视频的下载,本步骤可选取当前时刻的当前视频及其该时刻之前设定数量个已下载的历史视频进行采样,也可选取当前时刻的当前视频及其该时刻之前一定时间段内所下载的历史视频进行采样。
本步骤可采样获得各视频的平均下载速度和下载时长,其中,所述下载时长可以理解为从启动视频下载到视频下载结束所耗费的时间,可以知道的是,所述下载时间包括了包括慢启动耗费的时间和实际视频下载时长;所述平均下载速度具体可以理解为从启动视频下载到视频下载结束这段时间内的所具备的平均速度,该平均下载速度可通过所采样的下载时长以及所下载视频的大小来获得。
S202、将各所述平均下载速度及对应的下载时长形成下载信息对,并按照时间顺序排列各下载信息对,形成所述历史下载序列信息。
在本实施例中,一个下载视频对应一个下载时长和一个平均下载速度,本步骤可以基于该视频的平均下载速度和下载时长形成该视频的下载信息对,且可以按照每个视频的下载时间对相应的下载信息对进行排序,以获得本步骤所需的历史下载序列信息。
可以理解的是,在对目标用户请求的视频进行下载时,可以记录所下载视频的起始时刻和结束时刻,以便于下载信息对的采样以及下载信息对的时间排列,示例性的,根据每个视频下载的起始时间,可以依次排列其对应的下载信息对,由此形成历史下载序列信息。
本实施例下述S203至S206具体给出了历史上限带宽序列确定过程。
S203、获得所述历史下载序列信息中按照时间顺序排列的各下载信息对,其中,所述下载信息对中包括相应所下载视频的平均下载速度及下载时长。
示例性的,从上述历史下载序列信息中解析出各下载信息对,以获得所下载视频的平均下载速度及下载时长。
S204、针对每个下载信息对,判断包含的平均下载速度是否属于设定速度范围;若是,执行S205;否则,执行S206。
上述步骤解析出至少一个下载信息对,本实施例可以针对每个步骤执行S204至S206的操作。
具体的,为确定每个下载信息对所对应的上限带宽值,本步骤首先判定下载信息对中的平均下载速度是否属于设定速度范围,以此来确定其所对应的视频是否在TCP慢启动过程中就完成了下载。假设平均下载速度属于该设定速度范围,可认为完成该视频的下载时TCP还没有退出慢启动,此时可执行下述S205;否则,可认为完成该视频下载时TCP已经完成慢启动进入正常传输模式,此时可知执行S206。
需要说明的是,所述设定速度范围具体可以理解为根据慢启动时间确定的下载速度范围,具体来说,当一个视频在慢启动退出前完成下载时,相当于下载时长就是视频的实际下载时长,该下载过程中不存在上限带宽对其平均下载速度的影响,此时,视频下载所具备的平均下载速度的确定理论上仅与下载时长有关联,而该种关联关系可以采用一个以下载时长作为变量的速度计算表达式表示,但是考虑到在实际下载中其下载速度还存在误差干扰,采样所得的平均下载速度并不绝对等于基于速度计算表达式确定的值,本实施例结合该速度计算表达式以及误差干扰给出了一个设定速度范围,通过判定下载信息对中平均下载速度是否属于该设定速度范围,来判定该下载信息对所对应的视频是否在TCP慢启动过程中便完成下载。
其中,rtt表示所述目标用户的链路延时,v0表示所述目标用户所具备网络的初始下载速度,tj表示历史下载序列信息内第j个下载信息对中的下载时长,Δv表示设定的速度误差值。
上述设定速度范围中,可看做视频在慢启动过程中完成下载时的平均下载速度与下载时长的理论表达式,本实施例考虑实际下载中误差的存在,设定了一个允许平均下载速度在至之间浮动的速度范围,其中,Δv可以看作一个根据历史经验设定的速度误差值,对于每个下载信息对而言,在已知相应的下载时长后,基于预先确定的链路延时以及预先设定的初始下载速度结合上述设定速度范围的表示方式,就可以确定出相应的平均下载速度是否属于该设定速度范围。
S205、确定所述下载信息对的上限带宽值为空。
接上述描述,可以知道当下载信息对中的平均下载速度处于上述设定速度范围时,可认为该下载信息对所对应的视频在TCP的慢启动阶段便完成下载,此时可认为上限带宽与视频的平均下载速度之间不存在关联关系,由此,本实施例可在平均下载速度属于设定速度范围时,认为其对应的上限带宽值为空,即基于该下载信息对确定的上限带宽值为空。
S206、通过设定的上限带宽确定公式确定所述下载信息对的上限带宽值。
接上述S204的描述,可以知道当下载信息对中的平均下载速度不属于其对应的设定速度范围时,可认为该下载信息对所对应的视频在TCP退出慢启动后仍未完成下载,需要在TCP进入正常传输状态后继续进行视频下载,此时,视频完成下载后采样所得的平均下载速度与当时的上限带宽之间存在关联,且本实施例基于该种关联建立了上限带宽与平均下载速度的关系式,该关系式即为本实施例中的上限带宽确定公式,在采样获得平均下载速度后,基于预先确定的链路延时以及预先设定的初始下载速度结合该上限带宽确定公式,就可确定出平均下载速度所属下载信息对相对应的上限带宽值。
进一步地,所述上限带宽确定公式可以表示为:
其中,所述Bi表示所述历史下载序列信息中第i个下载信息对的上限带宽值,i=0,1,2,3....n;vi表示第i个下载信息对中的平均下载速度,ti表示第i个下载信息对中的下载时长,rtt表示所述目标用户的链路延时,v0表示所述目标用户所具备网络的初始下载速度。
需要说明的是,采用上述公式进行实际运算时,由于公式中等号右侧的表达式中也存在待计算的上限带宽值,会使得整个运算过程相对复杂,通过实际应用操作发现,在计算时可以将约等于下载信息对中的平均下载速度vi,替换后所得的结果在一个合理的误差范围内,由此既简化了运算过程,又保证了计算结果的可用性。
具体的,所述上限带宽确定公式可以通过下述对平均下载速度与上限带宽值之间所存在关联的分析来建立:
首先,根据现有对TCP连接的了解,知道TCP慢启动的过程实际为以因子为2的指数函数对传输速度进行递增的过程,由此,对于第i个所下载视频而言,进行视频下载时慢启动在TCP中所占的时间tslow可表示为:
即平均下载速度vi和上限带宽Bi的关联关系可采用下述公式表示:
可以看出,当下载时长ti小于慢启动时间时,平均下载速度与上限带宽之间不存在关联,当下载时长ti大于或等于慢启动时间时,平均下载速度与上限带宽之间存在关联,且对该关联关系式进行转换后,可进一步推导出本实施例上述给出的上限带宽确定公式:
由此,对于历史下载序列信息中按时序排列的第i个下载信息对而言,在已知平均下载速度、下载时长、链路延时以及初始下载速度后,就可以获得该下载信息对相对应的上限带宽值。
S207、基于各所述下载信息对应的上限带宽值形成所述目标用户的历史上限带宽序列。
通过上述步骤确定各下载信息对的上限带宽值后,也可以将各上限带宽值按照时序顺序排列构成历史上限带宽序列。
S208、基于所述历史上限带宽序列包括的各上限带宽值,采用给定的指数加权滑动平均函数确定所述目标用户在下一次视频下载时的预测上限带宽值。
需要说明的是,本步骤相当于采用历史上限带宽序列中的上限带宽值来预测目标用户下一次视频下载时所对应预测上限带宽值的操作,对上限带宽值进行预测的方法可以有滑动平均预测法、线性回归预测法以及基于机器学***均函数来进行上限带宽值的预测。其中,所述预测上限带宽值具体可以理解为预测目标用户下次下载视频所使用的上限带宽值。
本步骤具体实现时,可以预先设定好相匹配的指数加权滑动平均函数,采用该指数加权滑动平均函数就可以根据历史数据来预测将来时刻的数据,即,指数加权滑动平均函数根据历史上限带宽序列中的各上限带宽值可以预测出目标用户在进行下一次的视频下载时需要的预测上限带宽值。
S209、根据所述预测上限带宽值及所述目标用户下一次待下载视频的视频大小,结合设定的平均速度预测公式,确定所述目标用户的预测平均速度。
在本实施例中,所述待下载视频具体可以理解为目标用户下一次进行视频下载请求时请求下载的视频;一般的,在接收到待下载视频的下载请求后,就可以获取到待下载视频的相关信息(如视频名称、链接地址以及视频大小等),本实施例获得预测上限带宽值后,再根据所获取待下载视频的视频大小,代入预先设定的平均速度预测公式,就可预测出待下载视频的预测平均速度。
需要说明的是,所述平均速度预测公式具体可以理解为基于上限带宽值、视频大小与平均下载速度的关系形成的关系式。所述预测平均速度具体可以理解为目标用户在下载待下载视频时应当具备的平均下载速度。
进一步地,所述平均速度预测公式可以表示为:
其中,所述vn+1表示所述目标用户下一次下载视频时的预测平均速度,所述Bn+1表示预测的目标用户在下一次下载视频时的预测上限带宽值,所述S表示下一次待下载视频的视频大小,rtt表示所述目标用户的链路延时,v0表示所述目标用户所具备网络的初始下载速度。
S210、将所述预测平均速度确定为所述目标用户在下一次视频下载时的有效带宽。
实际应用中,平均下载速度就是目标用户在下载视频时的有效带宽,预测平均速度即为目标用户在下一次视频下载时的有效带宽。
本发明实施例二提供的一种带宽预测方法,具体化了历史下载序列信息的确定过程,同时具体化了历史上限带宽序列以及有效带宽预测的实现过程,利用该方法,相当于首先根据慢启动的表达公式来建立了平均下载速度与上限带宽值的关联关系,从而通过将现有直接对有效带宽的预测先转化为对上限带宽的预测,来将TCP慢启动时的下载与进入正常传输状态后的下载进行分割,由此通过所预测的上限带宽来进一步确定出有效带宽,以此来避免用户侧视频播放过程中由于网络波动或者在视频下载时因TCP中的慢启动机制导致的带宽预测不准确的问题,有效提高了带宽预测的准确率,进而保证了视频高质量的播放,提升了用户体验效果。
实施例三
图3为本发明实施例三提供的一种带宽预测装置的结构框图,该装置适用于对用户侧进行视频下载的网络带宽进行预测的情况该装置可以有软件和/或硬件实现,并一般集成在提供视频资源支持的服务器中。如图3所示,该装置包括:第一确定模块31、第二确定模块32以及有效带宽确定模块33。
其中,第一确定模块31用于确定目标用户的历史下载序列信息;
第二确定模块32用于根据所述历史下载序列信息确定所述目标用户的历史上限带宽序列;
有效带宽预测模块33用于根据所述历史上限带宽序列,预测所述目标用户在下一次视频下载时的有效带宽。
本发明实施例三提供的一种带宽预测装置,该带宽预测装置考虑到TCP连接中慢启动状态及平稳传输状态下对平均下载速度的影响,引出与慢启动以及平均下载速度存在关联的上限带宽,并先基于历史下载信息实现对上限带宽的预测,之后通过所预测的上限带宽进一步确定出有效带宽,以此来够避免用户侧视频下载时因受TCP中的慢启动机制的影响而导致的带宽预测不准确的问题,有效提高了带宽预测的准确率,进而保证了视频高质量的播放,提升了用户体验效果。
进一步地,第一确定模块31具体可以用于采样所述目标用户进行当前视频以及向前设定数量个历史视频下载时的平均下载速度及下载时长;将各所述平均下载速度及对应的下载时长形成下载信息对,并按照时间顺序排列各下载信息对,形成所述历史下载序列信息。
进一步地,第二确定模块32具体可以用于获得所述历史下载序列信息中按照时间顺序排列的各下载信息对,其中,所述下载信息对中包括相应所下载视频的平均下载速度及下载时长;针对每个下载信息对,如果包含的平均下载速度不属于设定速度范围,则通过设定的上限带宽确定公式确定所述下载信息对的上限带宽值,否则,确定所述下载信息对的上限带宽值为空;基于各所述下载信息对应的上限带宽值形成所述目标用户的历史上限带宽序列。
在上述实施例的基础上,上限带宽确定公式可以表示为:
其中,所述Bi表示所述历史下载序列信息中第i个下载信息对的上限带宽值,i=0,1,2,3....n;vi表示第i个下载信息对中的平均下载速度,ti表示第i个下载信息对中的下载时长,rtt表示所述目标用户的链路延时,v0表示所述目标用户所具备网络的初始下载速度。
在上述优化的基础上,所述历史下载序列信息内第j个下载信息对中的平均下载速度对应的设定速度范围Vj可以表示为:
其中,rtt表示所述目标用户的链路延时,v0表示所述目标用户所具备网络的初始下载速度,tj表示历史下载序列信息内第j个下载信息对中的下载时长,Δv表示设定的速度误差值。
进一步地,有效带宽确定模块33具体可以用于基于所述历史上限带宽序列包括的各上限带宽值,采用给定的指数加权滑动平均函数确定所述目标用户在下一次视频下载时的预测上限带宽值;根据所述预测上限带宽值及所述目标用户下一次待下载视频的视频大小,结合设定的平均速度预测公式,确定所述目标用户的预测平均速度;将所述预测平均速度确定为所述目标用户在下一次视频下载时的有效带宽。
在上述优化的基础上,平均速度预测公式可以表示为:
其中,所述vn+1表示所述目标用户下一次下载视频时的预测平均速度,所述Bn+1表示预测的目标用户在下一次下载视频时的预测上限带宽值,所述S表示下一次待下载视频的视频大小,rtt表示所述目标用户的链路延时,v0表示所述目标用户所具备网络的初始下载速度。
进一步地,本实施例还可以包括码率确定模块,码率确定模块可以用于将所述有效带宽作为输入数据,输入预设的码率筛选模型,获得所述目标用户在下一次视频下载时对应的有效码率。
实施例四
图4为本发明实施例四提供的一种服务器结构示意图。如图4所示,该服务器具体可以包括:处理器40、存储装置41、输入装置42和输出装置43。该服务器中处理器40的数量可以是一个或者多个,图4中以一个处理器40为例。该服务器中存储装置41的数量可以是一个或者多个,图4中以一个存储装置41为例。该服务器的处理器40、存储装置41、输入装置42和输出装置43可以通过总线或者其他方式连接,图4中以通过总线连接为例。
存储装置41作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明任意实施例所述的带宽预测方法和/或图像拼接方法对应的程序请求/模块(例如,带宽预测装置中的第一确定模块31、第二确定模块32以及有效带宽确定模块33)。存储装置41可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作装置、至少一个功能所需的应用程序;存储数据区可存储根据音频重采样设备的使用所创建的数据等。此外,存储装置41可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置41可进一步包括相对于处理器40远程设置的存储器,这些远程存储器可以通过网络连接至音频重采样设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的数字或者字符信息,以及产生与带宽预测中用户设置以及功能控制有关的键信号输入,还可以是用于获取图像的摄像头以及拾音设备等。输出装置43可以包括进行信息查看或视频展示的显示屏等。需要说明的是,输入装置42和输出装置43的具体组成可以根据实际情况设定。
处理器40通过运行存储在存储装置41中的软件程序、请求以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述的带宽预测方法。
具体的,实施例中,处理器40执行存储装置41中存储的一个或多个程序时,具体实现如下操作:确定目标用户的历史下载序列信息;根据所述历史下载序列信息确定所述目标用户的历史上限带宽序列;根据所述历史上限带宽序列,预测所述目标用户在下一次视频下载时的有效带宽。
本发明实施例还提供一种计算机可读存储介质,该存储介质中的程序由服务器的处理器执行时,使得服务器能够执行如上述方法实施例所述的带宽预测方法。示例性的,该带宽预测方法包括:确定目标用户的历史下载序列信息;根据所述历史下载序列信息确定所述目标用户的历史上限带宽序列;根据所述历史上限带宽序列,预测所述目标用户在下一次视频下载时的有效带宽。
需要说明的是,对于装置、服务器、存储介质实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干请求用以使得服务器(可以是机器人,个人计算机,服务器,或者网络设备等)执行本发明任意实施例所述的带宽预测方法。
值得注意的是,上述带宽预测装置中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的请求执行装置执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种带宽预测方法,其特征在于,包括:
确定目标用户的历史下载序列信息;
根据所述历史下载序列信息确定所述目标用户的历史上限带宽序列;
根据所述历史上限带宽序列,预测所述目标用户在下一次视频下载时的有效带宽;
所述根据所述历史下载序列信息确定所述目标用户的历史上限带宽序列,包括:
获得所述历史下载序列信息中按照时间顺序排列的各下载信息对,其中,所述下载信息对中包括相应所下载视频的平均下载速度及下载时长;
针对每个下载信息对,如果包含的平均下载速度不属于设定速度范围,则通过设定的上限带宽确定公式确定所述下载信息对的上限带宽值,否则,确定所述下载信息对的上限带宽值为空;其中,所述上限带宽确定公式通过对平均下载速度与上限带宽值之间所存在关联的分析来建立;
基于各所述下载信息对应的上限带宽值形成所述目标用户的历史上限带宽序列。
2.根据权利要求1所述的方法,其特征在于,所述确定目标用户的历史下载序列信息,包括:
采样所述目标用户进行当前视频以及向前设定数量个历史视频下载时的平均下载速度及下载时长;
将各所述平均下载速度及对应的下载时长形成下载信息对,并按照时间顺序排列各下载信息对,形成所述历史下载序列信息。
5.根据权利要求1所述的方法,其特征在于,所述根据所述历史上限带宽序列,预测所述目标用户在下一次视频下载时的有效带宽,包括:
基于所述历史上限带宽序列包括的各上限带宽值,采用给定的指数加权滑动平均函数确定所述目标用户在下一次视频下载时的预测上限带宽值;
根据所述预测上限带宽值及所述目标用户下一次待下载视频的视频大小,结合设定的平均速度预测公式,确定所述目标用户的预测平均速度;
将所述预测平均速度确定为所述目标用户在下一次视频下载时的有效带宽;
其中,所述平均速度预测公式为基于上限带宽值、视频大小与平均下载速度的关系形成的关系式。
7.根据权利要求1-6任一项所述的方法,其特征在于,还包括:
将所述有效带宽作为输入数据,输入预设的码率筛选模型,获得所述目标用户在下一次视频下载时对应的有效码率。
8.一种带宽预测装置,其特征在于,包括:
第一确定模块,用于确定目标用户的历史下载序列信息;
第二确定模块,用于根据所述历史下载序列信息确定所述目标用户的历史上限带宽序列;
有效带宽预测模块,用于根据所述历史上限带宽序列,预测所述目标用户在下一次视频下载时的有效带宽;
第二确定模块,具体用于获得所述历史下载序列信息中按照时间顺序排列的各下载信息对,其中,所述下载信息对中包括相应所下载视频的平均下载速度及下载时长;
针对每个下载信息对,如果包含的平均下载速度不属于设定速度范围,则通过设定的上限带宽确定公式确定所述下载信息对的上限带宽值,否则,确定所述下载信息对的上限带宽值为空;其中,所述上限带宽确定公式通过对平均下载速度与上限带宽值之间所存在关联的分析来建立;
基于各所述下载信息对应的上限带宽值形成所述目标用户的历史上限带宽序列。
9.一种服务器,其特征在于,
一个或多个处理器;
存储装置,用于存储一个或多个程序;
所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一项所述的方法。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010148545.2A CN111277870B (zh) | 2020-03-05 | 2020-03-05 | 带宽预测方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010148545.2A CN111277870B (zh) | 2020-03-05 | 2020-03-05 | 带宽预测方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111277870A CN111277870A (zh) | 2020-06-12 |
CN111277870B true CN111277870B (zh) | 2022-09-30 |
Family
ID=70999400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010148545.2A Active CN111277870B (zh) | 2020-03-05 | 2020-03-05 | 带宽预测方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111277870B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111698262B (zh) * | 2020-06-24 | 2021-07-16 | 北京达佳互联信息技术有限公司 | 带宽确定方法、装置、终端及存储介质 |
CN113873578A (zh) * | 2020-06-30 | 2021-12-31 | 华为技术有限公司 | 信息确定方法及设备 |
CN112637631B (zh) * | 2020-12-17 | 2022-04-26 | 清华大学 | 码率确定方法、装置、电子设备和存储介质 |
CN113033475B (zh) * | 2021-04-19 | 2024-01-12 | 北京百度网讯科技有限公司 | 目标对象追踪方法、相关装置及计算机程序产品 |
CN113765993B (zh) * | 2021-05-12 | 2024-05-07 | 腾讯科技(北京)有限公司 | 一种下载速度预测方法、装置及存储介质 |
CN113824646B (zh) * | 2021-08-27 | 2024-06-21 | 北京达佳互联信息技术有限公司 | 一种慢启动控制方法、装置、电子设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106162229A (zh) * | 2015-04-10 | 2016-11-23 | 北京大学 | 改善公平性的平滑码率自适应方法及装置 |
CN110493072A (zh) * | 2019-07-11 | 2019-11-22 | 网宿科技股份有限公司 | 基于深度学习的带宽滤波方法、装置、服务器及存储介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010111261A1 (en) * | 2009-03-23 | 2010-09-30 | Azuki Systems, Inc. | Method and system for efficient streaming video dynamic rate adaptation |
CN101631030B (zh) * | 2009-08-05 | 2011-12-07 | 华南理工大学 | 自适应的数字家庭网络流媒体传输带宽预测方法 |
US10015057B2 (en) * | 2015-01-26 | 2018-07-03 | Ciena Corporation | Representative bandwidth calculation systems and methods in a network |
JP2016208445A (ja) * | 2015-04-28 | 2016-12-08 | 株式会社日立製作所 | 無線通信システム、サーバ、基地局 |
CN106454437B (zh) * | 2015-08-12 | 2019-08-13 | ***通信集团设计院有限公司 | 一种流媒体业务速率预测方法及装置 |
CN108600147B (zh) * | 2017-12-29 | 2021-07-23 | 北京奇艺世纪科技有限公司 | 一种下载速度预测方法及装置 |
CN108924667B (zh) * | 2018-08-03 | 2021-01-15 | 阳雨哲 | 一种支持QoE最大化的可用带宽自适应视频分片请求方法 |
CN109302623B (zh) * | 2018-11-01 | 2020-06-09 | 南京大学 | 一种基于QoE模型动态自适应视频的传输方法 |
CN109714631A (zh) * | 2019-02-26 | 2019-05-03 | 华南理工大学 | 一种基于http视频流动态自适应码率选择方法 |
CN110300315B (zh) * | 2019-07-24 | 2021-08-13 | 北京达佳互联信息技术有限公司 | 一种视频码率确定方法、装置、电子设备及存储介质 |
CN110519175B (zh) * | 2019-08-22 | 2023-05-02 | 咪咕视讯科技有限公司 | 一种信息处理方法、设备及计算机可读存储介质 |
CN110474815B (zh) * | 2019-09-23 | 2021-08-13 | 北京达佳互联信息技术有限公司 | 带宽预测方法、装置、电子设备及存储介质 |
-
2020
- 2020-03-05 CN CN202010148545.2A patent/CN111277870B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106162229A (zh) * | 2015-04-10 | 2016-11-23 | 北京大学 | 改善公平性的平滑码率自适应方法及装置 |
CN110493072A (zh) * | 2019-07-11 | 2019-11-22 | 网宿科技股份有限公司 | 基于深度学习的带宽滤波方法、装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111277870A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111277870B (zh) | 带宽预测方法、装置、服务器及存储介质 | |
CN108429701B (zh) | 网络加速*** | |
CN111405327A (zh) | 网络带宽预测模型训练方法、视频数据播放方法及装置 | |
CN112135169B (zh) | 一种媒体内容加载方法、装置、设备和介质 | |
CN112203111B (zh) | 多媒体资源的预加载方法、装置、电子设备及存储介质 | |
CN113395572B (zh) | 一种视频处理方法、装置、存储介质及电子设备 | |
CN113254105B (zh) | 资源处理方法和装置、存储介质和电子设备 | |
WO2023151528A1 (zh) | 网络带宽预估方法、装置、电子设备及存储介质 | |
CN112637631B (zh) | 码率确定方法、装置、电子设备和存储介质 | |
CN114257815A (zh) | 一种视频转码方法、装置、服务器和介质 | |
CN113726801A (zh) | 应用于服务端的ab实验方法、装置、设备及介质 | |
CN114513487A (zh) | 一种加速域名解析的方法、装置、电子设备及计算机可读存储介质 | |
CN115842937A (zh) | 视频播放方法、装置、设备及存储介质 | |
CN111181875A (zh) | 带宽调节方法及装置 | |
CN115086194A (zh) | 云应用的数据传输方法、计算设备及计算机存储介质 | |
CN114510305A (zh) | 模型训练方法、装置、存储介质及电子设备 | |
JP2018088598A (ja) | 配信制御装置、配信制御方法及びプログラム | |
CN112165634A (zh) | 建立音频分类模型的方法、自动转换视频的方法和装置 | |
CN111556348A (zh) | 一种视频的推送方法、装置及计算机*** | |
WO2024077916A1 (zh) | 获取视频截图的方法和装置 | |
CN117938718A (zh) | 一种测速方法、装置、设备和存储介质 | |
JP2020071831A (ja) | データ収集装置、データ収集システムおよびデータ収集方法 | |
CN117082273A (zh) | 视频播放时长预测方法、装置、电子设备、介质及产品 | |
CN116227994A (zh) | 一种指标变化分析方法、装置、设备和存储介质 | |
CN114827649B (zh) | 构建直播对等网络的方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231010 Address after: 31a, 15th floor, building 30, maple commercial city, bangrang Road, Brazil Patentee after: Baiguoyuan Technology (Singapore) Co.,Ltd. Address before: 5-13 / F, West Tower, building C, 274 Xingtai Road, Shiqiao street, Panyu District, Guangzhou, Guangdong 510000 Patentee before: GUANGZHOU BAIGUOYUAN INFORMATION TECHNOLOGY Co.,Ltd. |