WO2020095767A1 - 配信設計支援方法、配信設計支援装置及びプログラム - Google Patents

配信設計支援方法、配信設計支援装置及びプログラム Download PDF

Info

Publication number
WO2020095767A1
WO2020095767A1 PCT/JP2019/042404 JP2019042404W WO2020095767A1 WO 2020095767 A1 WO2020095767 A1 WO 2020095767A1 JP 2019042404 W JP2019042404 W JP 2019042404W WO 2020095767 A1 WO2020095767 A1 WO 2020095767A1
Authority
WO
WIPO (PCT)
Prior art keywords
viewing
sessions
quality index
viewing time
application quality
Prior art date
Application number
PCT/JP2019/042404
Other languages
English (en)
French (fr)
Inventor
彰子 高橋
和久 山岸
岡本　淳
Original Assignee
日本電信電話株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from JP2019064755A external-priority patent/JP7052768B2/ja
Application filed by 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to US17/291,680 priority Critical patent/US11477502B2/en
Publication of WO2020095767A1 publication Critical patent/WO2020095767A1/ja

Links

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
    • H04N21/2408—Monitoring of the upstream path of the transmission network, e.g. client requests
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/61—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio
    • H04L65/612—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio for unicast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/70—Media network packetisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/80—Responding to QoS
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
    • 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
    • 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
    • H04N21/23805—Controlling the feeding rate to the network, e.g. by controlling the video pump
    • 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
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25808—Management of client data
    • 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
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • 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
    • H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
    • H04N21/2662—Controlling the complexity of the video stream, e.g. by scaling the resolution or bitrate of the video stream based on the client capabilities
    • 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]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
    • H04N21/637—Control signals issued by the client directed to the server or network components
    • H04N21/6377—Control signals issued by the client directed to the server or network components directed to server
    • H04N21/6379—Control signals issued by the client directed to the server or network components directed to server directed to encoder, e.g. for requesting a lower encoding rate
    • 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]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/65—Transmission of management data between client and server
    • H04N21/658—Transmission by the client directed to the server
    • H04N21/6582—Data stored in the client, e.g. viewing habits, hardware capabilities, credit card number

Definitions

  • the present invention relates to a distribution design support method, a distribution design support device, and a program.
  • Adaptive bit rate video distribution services for mobile terminals have rapidly spread due to the development of codec technology, video distribution technology, and display technology.
  • the adaptive bit rate video distribution service enables smooth video reproduction by distributing video data of an optimum bit rate according to communication conditions even in an environment such as a mobile environment in which the network condition changes moment by moment.
  • adaptive bit rate video distribution does not always guarantee smooth video playback, and deterioration of coding quality and playback stoppage may occur due to extreme reduction in throughput and buffer exhaustion of the receiving terminal.
  • QoE user experience quality
  • quality deterioration not only lowers QoE, but also decreases viewing time and cancels services, it is necessary for video distribution service providers to quantitatively evaluate these indicators and manage them to maintain a certain level. Becomes
  • Factors that affect the viewing time are the content components that make up the video distribution service, content factors (type, content length, ranking, etc.) that correspond to each of the distribution server, network, and terminal, and coding performance factors (bit rate, frame, etc.).
  • Service factors such as rate and resolution
  • network performance factors throughput, packet delay fluctuation, packet loss, packet delay, etc.
  • terminal performance factors buffer size, etc.
  • user factors such as gender and age are considered.
  • the coding performance factor, the network performance factor, and the terminal performance factor are viewed via the application quality actually experienced by the user (playback stop, playback start wait, bit rate variation such as application usage quality). It is thought to affect time.
  • the video distribution service provider can determine the controllable condition (encoding condition, etc.) among the service factors.
  • the optimum condition can be selected after quantitatively evaluating the influence on the viewing time when changed, and the distribution design based on the viewing time becomes possible.
  • Non-patent documents 1--7 that evaluates QoE based on media information (bit rate, resolution, frame rate) and buffering information (reproduction stop count, reproduction stop time, reproduction stop interval). ..
  • Non-Patent Document 8-11 there is a technology (Non-Patent Document 8-11) that clarifies the relationship between the viewing time and an index similar thereto (viewing and leaving rate) and various factors that affect it.
  • Parametric bitstream-based quality assessment of progressive download and adaptive audiovisual streaming servicesoverover reliable transport Recommendation ITU-T.P.1203, Nov.2016.
  • Parametric bitstream-based quality assessment ofofprogressive download and adaptive audiovisual streaming servicesoveroverreliable transport-Video quality estimation module Recommendation ITU-T.P.1203.1, Dec. 2016.
  • Parametric bitstream-based quality assessmentofof progressive download and adaptive audiovisual streaming streaming services overreliable transport transport- Audio quality estimation module Recommendation ITU-T.P.1203.2, Nov. 2016.
  • Parametric bitstream-based quality assessment of progressive download and adaptive audiovisual streaming servicesoveroverreliable transport-Quality integration module Recommendation ITU-T.P.1203.3, Dec. 2016. K. Yamagishi and T.
  • Non-Patent Documents 1-7 propose a model for estimating QoE, and do not estimate viewing time.
  • Non-Patent Documents 8, 9, and 11 disclose viewing time and similar indexes (viewing-and-leaving rate) and application quality indexes (reproduction stop ratio, reproduction stop frequency ratio, average bit rate, frame rate, reproduction start waiting time) related to the indexes. , Standardized playback stop time, bit rate fluctuation ratio, etc.), but a model for estimating the viewing time based on the application quality index has not been presented yet.
  • Non-Patent Document 10 presents a model for estimating viewing time based on an application quality index (reproduction stop ratio, reproduction stop frequency ratio, average bit rate, etc.), but this has two problems. ..
  • the viewing time estimation model presented is based on a decision tree (binary tree) model, and since the depth of the tree is shallow, the viewing time estimation value concentrates on several discrete values. It will not be put to practical use.
  • the present invention has been made in view of the above points, and an object thereof is to support selection of an encoding condition for increasing viewing time in adaptive bit rate video distribution.
  • the distribution design support method is based on the actual value of the viewing time of each of the first plurality of sessions relating to adaptive bit rate video distribution, and the actual value of the application quality index of each session,
  • a first estimation procedure for estimating the relationship between the viewing time or the viewing departure rate and the application quality index by a mathematical model, a plurality of coding conditions regarding adaptive bit rate video distribution, and differences between the first plurality of sessions are described.
  • a second estimation procedure for estimating the application quality index of each session for each of the coding conditions based on the actual values of the time series throughputs of the second plurality of sessions regardless of the second estimation. For each coding condition described in the procedure, estimate in the second estimation procedure under the coding condition.
  • Third estimation procedure and the computer executes to estimate the average viewing time of the second plurality of sessions the application quality indicators that were applied to the estimated relationship in the first estimation procedure.
  • FIG. 13 is a flowchart for explaining an example of a processing procedure executed by the distribution design support device 10 in the third exemplary embodiment. It is a figure which shows the function structural example of the delivery design support apparatus 10 in 4th Embodiment. 20 is a flowchart for explaining an example of a processing procedure executed by the distribution design support device 10 in the fourth exemplary embodiment.
  • FIG. 1 is a diagram illustrating a hardware configuration example of a distribution design support device 10 according to the first embodiment.
  • the distribution design support device 10 of FIG. 1 includes a drive device 100, an auxiliary storage device 102, a memory device 103, a CPU 104, an interface device 105, etc., which are connected to each other by a bus B.
  • a program that realizes the processing in the distribution design support device 10 is provided by a recording medium 101 such as a CD-ROM.
  • a recording medium 101 such as a CD-ROM.
  • the program is installed from the recording medium 101 to the auxiliary storage device 102 via the drive device 100.
  • the auxiliary storage device 102 stores the installed program and also stores necessary files and data.
  • the memory device 103 reads the program from the auxiliary storage device 102 and stores it when an instruction to activate the program is given.
  • the CPU 104 executes the function of the distribution design support device 10 according to the program stored in the memory device 103.
  • the interface device 105 is used as an interface for connecting to a network.
  • FIG. 2 is a diagram showing a functional configuration example of the distribution design support device 10 according to the first embodiment.
  • the distribution design support device 10 supports the distribution design related to the adaptive bit rate video distribution service, so that the viewing departure rate function estimation unit 11, the application quality index estimation unit 12, and the coding condition optimization are performed. It has a part 13 and the like. Each of these units is realized by a process that causes the CPU 104 to execute one or more programs installed in the distribution design support device 10.
  • the viewing-and-leaving rate function estimating unit 11 inputs the “viewing time of all sessions that have occurred in a certain past period” and the “application quality index of all the sessions”, and calculates the relationship between the viewing time and the application quality index and the viewing-and-leaving rate.
  • the "viewing-and-leaving rate function" shown is output.
  • the viewing-and-leaving rate is a probability that, with respect to an arbitrary viewing time, the viewing is withdrawn (ended) at the viewing time with respect to a session in which the viewing is continued until the viewing time.
  • the “viewing time of all sessions that have occurred in a certain period in the past” means all of a plurality of sessions (a specific user set by a specific user) that has occurred in a certain period in the past (an arbitrary set period such as one hour, one day, and one week). It refers to the viewing time from the start of viewing the content to the end of viewing. Note that the user and the content of each session may be the same or different.
  • the “application quality index of all sessions” is a record of the application quality index (playback stop time, bit rate fluctuation, etc.) of each session corresponding to the viewing time of the input “viewing time of all sessions that occurred in the past certain period”. It is a value.
  • the viewing-and-leaving rate function estimation unit 11 estimates a “viewing-and-leaving rate function” that is a function indicating a viewing-and-leaving rate with respect to an arbitrary viewing time and an application quality index with respect to this input.
  • the "viewing-and-leaving rate function” corresponds to the hazard function of the proportional hazards model in the survival time analysis, and is the viewing-and-leaving rate for the same viewing time, considering the effect of application quality indicators such as the playback stop time. But it varies depending on the session.
  • the viewing departure rate at the viewing time t of the session i that is, a hazard function according to the viewing time of the session i (at the viewing time t under the assumption that the session i continued to watch until the viewing time t).
  • the probability of leaving viewing) h (z i , t) is expressed by the following equation (1).
  • z i is the application quality index vector of session i
  • ⁇ is the coefficient vector corresponding to the application quality index vector z i
  • h 0 (t) is the reference quality (the quality of which the application quality index vector is zero vector) It is the viewing-and-leaving rate at the viewing time t of the reference session viewed under. That is, the "viewing-and-leaving rate function" is a model that expresses the viewing-and-listening rate of each session by multiplying the viewing-and-leaving rate of the reference session by the influence of the application quality index that is different for each session.
  • the application quality index vector z i in Expression (1) is, for example, a vector including variables such as a reproduction start waiting time, a reproduction stop count, an average reproduction stop time, an average bit rate, a bit rate fluctuation count, and a bit rate fluctuation cumulative value. Is. These variables may be quantitative or qualitative. Further, even if the original variable is a quantitative variable, it may be appropriately converted into a qualitative variable (category variable or dummy variable). For example, when the average bit rate takes a value in the range of 90 kbps to 3500 kbps, it may be input to the viewing-and-leaving rate function estimation unit 11 as it is as a quantitative variable, or, for example, the average bit rate is less than 150 kbps and 150 kbps.
  • a dummy variable indicating whether the category falls below 150 kbps when a category having an average bit rate of 2250 kbps or higher is used as a reference, a dummy variable indicating whether the category falls below 150 kbps, a dummy variable indicating whether the category falls above 150 kbps and under 300 kbps, or 300 kbps or above 450 kbps 5 of a dummy variable indicating whether or not the category falls below the category, a dummy variable indicating whether or not a category above 450 kbps and below 750 kbps, and a dummy variable indicating whether or not the category above 750 kbps and below 2250 kbps. It may be converted into individual dummy variables.
  • the ID of the session that has not been obtained, R (t i ) is the risk set at time t i , that is, the set of sessions in which the viewing time is t i or more out of N sessions.
  • the application quality index estimation unit 12 inputs the “candidate coding condition”, the “time-series throughput of all sessions generated in a certain past period”, and the “delivery algorithm”, and inputs “the candidate coding period in the past certain period for each proposal”.
  • the output is the application quality index of all the sessions that occurred.
  • a candidate encoding condition is a candidate encoding condition that a video distribution service provider will consider as a service providing condition for adaptive bit rate video distribution. That is, the “candidate encoding condition” is a candidate regarding how many bit rates the video to be placed on the distribution server should be encoded, and what numerical value the bit rate level at each stage should be set to. It is a plan. For example, Candidate 1 has 6 stages of 1 Mbps, 2.5 Mbps, 5 Mbps, 8 Mbps, 16 Mbps and 40 Mbps, and Candidate 2 has 6 stages of 1.5 Mbps, 4 Mbps, 7.5 Mbps, 12 Mbps, 24 Mbps and 60 Mbps. Is set.
  • time-series throughput of all sessions that occurred during a certain period in the past was observed in all sessions that occurred during a certain period in the past (any set period such as 1 hour, 1 day, 1 week). It is the actual value of the time series throughput.
  • the past certain period of time targeted by the application quality index estimation unit 12 may be the same as or different from the past certain period of time targeted by the viewing departure rate function estimation unit 11. That is, each session targeted by the application quality index estimation unit 12 may be the same as or different from each session targeted by the viewing departure rate function estimation unit 11.
  • the “distribution algorithm” refers to which bit rate level of a video segment (a video file is divided into small units and is also called a chunk) to be received by a terminal with respect to a throughput that fluctuates from moment to moment. It is an algorithm to decide. This algorithm is given in a rule format, and is conditionally branched according to the situation such as whether or not a segment is being downloaded, whether the buffer is full or exhausted, or neither of them. For example, when the buffer is neither abundant nor depleted, a rule is to select the highest bit rate below that value (for example, 75% or less) based on the measured throughput.
  • the highest bit rate is selected when the buffer is abundant (for example, 20 seconds or more), and the lowest bit rate is selected when the buffer is exhausted. Furthermore, if a segment is being downloaded and the download time is significantly longer than the segment playback time, it is determined that the throughput has dropped significantly and the download is aborted. There is also a rule to re-download at the bit rate of.
  • the application quality index estimation unit 12 receives and reproduces in each session for a certain period in the past when each candidate coding condition and the time series throughput of all sessions are applied to adaptive bit rate video distribution.
  • the bit rate level at each reception or playback time of the video segment to be played and the resulting application quality index are estimated by a simulation based on a delivery algorithm.
  • the coding condition optimizing unit 13 outputs the “viewing and leaving ratio function” output from the viewing-and-leaving rate function estimating unit 11, and outputs the “viewing-and-leaving ratio function” from the application quality index estimating unit 12 in the past certain period for each coding condition proposal.
  • the "application quality index of all sessions” is input, and the "coding condition that maximizes the average viewing time” is output.
  • the encoding condition optimizing unit 13 responds to each of the above-mentioned inputs with respect to each candidate encoding condition by using the following equation (3): By applying the “viewing-and-leaving rate function” to the “application quality index”, the average viewing time E (t) in all sessions (the average value of the expected values of the viewing time of each session) is estimated.
  • N is the number of sessions
  • f (z i , t) is a probability density function (depending on the application quality index vector z i ) according to the viewing time of the session i
  • the hazard function h of Expression (1) (z i, t) is Motomare if the probability density function f (z i, t) is also determined.
  • the coding condition optimization unit 13 estimates the average viewing time E (t) in all sessions, and then derives the coding condition that maximizes the average viewing time E (t) as an optimal solution.
  • FIG. 3 is a flowchart for explaining an example of a processing procedure executed by the distribution design support device 10 in the first embodiment.
  • step S101 the viewing departure rate function estimation unit 11 obtains the viewing time in session units (for each session) of all the plurality of sessions that have occurred in the past fixed period, and the actual value of the application quality index in session units (for each session). input.
  • the viewing time for each session and the actual value of the application quality index may be stored in, for example, the auxiliary storage device 102 or the like.
  • the viewing / leaving rate function estimating unit 11 estimates the viewing / leaving rate function based on the information input in step S101 (S102).
  • the application quality index estimation unit 12 sets the M coding condition candidate plans and the distribution algorithm in itself (the application quality index estimation unit 12) (S103).
  • the M candidate coding condition candidates and the distribution algorithm may be stored in the auxiliary storage device 102 in advance, for example.
  • the application quality index estimation unit 12 inputs the time-series throughput for each session (for each session) for all of the plurality of sessions that have occurred in the past fixed period (S104).
  • the past certain period of time targeted by the application quality index estimation unit 12 may be the same as or different from the past certain period of time targeted by the viewing departure rate function estimation unit 11. That is, each session targeted by the application quality index estimation unit 12 may be the same as or different from each session targeted by the viewing departure rate function estimation unit 11.
  • the time-series throughput for each session may be stored in the auxiliary storage device 102 in advance, for example.
  • the application quality index estimation unit 12 substitutes 1 into the variable i (S105).
  • the variable i is an ID for identifying the coding condition of each coding condition candidate plan.
  • the coding condition ID of each coding condition candidate plan is an integer from 1 to M. Then, steps S107 to S109 are executed for each coding condition (S106).
  • step S107 the application quality index estimation unit 12 executes, on a session-by-session basis, a simulation in which the coding condition (i) and the time-series throughput of the session are applied to adaptive bit rate video distribution based on the distribution algorithm, and Estimate the application quality index for the session.
  • the coding condition optimizing unit 13 estimates the average viewing time in all sessions by applying the estimated application quality index for each session to the equation (3) (S108). Subsequently, the coding condition optimizing unit 13 adds 1 to i (S109) and returns to step S106.
  • the coding condition optimizing unit 13 selects coding condition candidate plans that maximize the average viewing time. It is specified and the coding condition is output (S110). That is, the coding condition candidate proposal when the average viewing time estimated in step S108 is the maximum is output. However, the coding condition optimizing unit 13 may sort the M coding condition candidate plans in descending order of the average viewing time estimated in step S108, and output the sorting result.
  • Distribution design encoding condition optimization
  • the condition for maximizing the average viewing time is derived from the candidate coding conditions. Therefore, it is possible to support the selection (distribution design) of the coding condition for increasing the viewing time in the adaptive bit rate video distribution. As a result, optimization of coding conditions can be supported.
  • the second embodiment will be described.
  • the points different from the first embodiment will be described.
  • the points that are not particularly mentioned in the second embodiment may be the same as those in the first embodiment.
  • FIG. 4 is a diagram showing a functional configuration example of the delivery design support device 10 according to the second embodiment. 4, those parts which are the same as or correspond to those in FIG. 2 are designated by the same reference numerals, and a description thereof will be omitted. As shown in FIG. 4, the function of the distribution design support device 10 is the same as that of the first embodiment, but there is a difference in input / output.
  • “user attributes of all sessions that have occurred in a certain past period” are added to the input of the viewing departure rate function estimation unit 11. This is the actual value of the user attribute related to the viewer of the video delivered for each session corresponding to the “viewing time of all sessions that occurred in the past certain period” which is also input to the viewing departure rate function estimation unit 11.
  • x i and z i are the user attribute vector of the session i
  • the application quality index vector ⁇ and ⁇ are the coefficient vectors corresponding to the user attribute vector x i and the application quality index vector z i
  • h 0 (t ) Is the viewing departure rate at the viewing time t of the reference session that the reference user (user whose user attribute vector is a zero vector) views under reference quality (the quality of the application quality index vector is a zero vector).
  • the “viewing-and-leaving rate function” expresses the viewing-and-leaving rate of each session by multiplying the viewing-and-leaving rate of the reference session by the influence of the user attribute and the application quality index which differ for each session. It is a model that does.
  • the user attribute vector x i in Expression (4) is a vector including variables such as sex, age, and user ID. These variables may be quantitative or qualitative. Further, even when the original variable is a quantitative variable, it may be appropriately converted into a qualitative variable (category variable or dummy variable).
  • D is the number of sessions that were not aborted by the end of the experiment among N sessions observed in the experiment
  • R (t i ) is the risk set at time t i , that is, the set of sessions of N sessions whose viewing time was t i or more.
  • the “user attribute corresponding to the application quality index of the session on the left and all the sessions on the left” is added to the input of the encoding condition optimizing unit 13.
  • the term on the left is the same period as the past certain period (an arbitrary set period such as 1 hour, 1 day, 1 week) targeted when the application quality index estimation unit 12 estimates the application quality index. ..
  • the all sessions on the left are all the plurality of sessions that occurred during the same period.
  • N is the number of sessions
  • f (x i , z i , t) is a probability density function (depending on the user attribute vector x i and the application quality index vector z i ) according to the viewing time of the session i. If the hazard function h (x i , z i , t) of the equation (4) is found, the probability density function f (x i , z i , t) is also found.
  • FIG. 5 is a flowchart for explaining an example of a processing procedure executed by the distribution design support device 10 in the second embodiment. 5, those steps that are the same as those corresponding steps in FIG. 3 are designated by the same step numbers, and a description thereof will be omitted. As shown in FIG. 5, the flow of processing executed by the distribution design support device 10 is basically the same as that of the first embodiment, but there are some differences between step S101 and step S104. Step S101 is replaced with step S101a, and step S104 is replaced with step S104a.
  • the “actual value of the user attribute for each session that has occurred in the past fixed period” is added to the input in step S101a. This is used as an input when the viewing-and-leaving rate function estimation unit 11 estimates the viewing-and-leaving rate function in step S102, and is the same as the input in step S101a, "viewing time in session unit that has occurred in a certain past period. , And the application quality index ”for the same period and the same session.
  • step S104a the “actual value of the user attribute in session units that has occurred in the past certain period” is added to the input in step S104a. This is used as an input when the coding condition optimizing unit 13 estimates the average viewing time in all sessions in step S108, and is also input in step S108, “estimation of application quality index for each session”. Value ”must be from the same session for the same period.
  • the second embodiment it is possible to further construct a mathematical model that estimates the viewing time in consideration of the user attribute of each session, and the average viewing time is maximized based on the model. It is possible to perform a distribution design (optimization of coding conditions) that can be changed.
  • the third embodiment will be described.
  • the points different from the first embodiment will be described.
  • the points that are not particularly mentioned in the third embodiment may be the same as in the first embodiment.
  • FIG. 6 is a diagram showing a functional configuration example of the distribution design support device 10 in the third exemplary embodiment. 6, those parts that are the same as or correspond to those in FIG. 2 are designated by the same reference numerals, and a description thereof will be omitted. As shown in FIG. 6, the function of the distribution design support device 10 is the same as that of the first embodiment, but there is a difference in input / output.
  • “content attribute of all sessions that have occurred in a certain past period” is added to the input of the viewing departure rate function estimation unit 11. This is the actual value of the content attribute relating to the content of the video delivered in each session corresponding to the “viewing time of all sessions that occurred in the past certain period” which is also input to the viewing departure rate function estimation unit 11.
  • y i and z i are the content attribute vector of the session i
  • the application quality index vector ⁇ and ⁇ are the coefficient vectors corresponding to the content attribute vector y i and the application quality index vector z i
  • h 0 (t ) Is a viewing-and-leaving rate at the viewing time t of the reference session in which the reference content (content whose content attribute vector is zero vector) is viewed under reference quality (application quality index vector is zero vector quality).
  • the “viewing-and-leaving rate function” expresses the viewing-and-leaving rate of each session by multiplying the viewing-and-leaving rate of the reference session by the influence of the content attribute and the application quality index which differ for each session. It is a model that does.
  • the content attribute vector y i in Expression (7) is a vector including variables such as content length, genre, ranking, and content ID. These variables may be quantitative or qualitative. Further, even when the original variable is a quantitative variable, it may be appropriately converted into a qualitative variable (category variable or dummy variable).
  • D is the number of sessions that were not aborted by the end of the experiment among N sessions observed in the experiment
  • R (t i ) is the risk set at time t i , that is, the set of sessions of N sessions whose viewing time was t i or more.
  • the “content attribute corresponding to the application quality index of the session on the left and the session on the left” is added to the input of the encoding condition optimizing unit 13.
  • the term on the left is the same period as the past certain period (an arbitrary set period such as 1 hour, 1 day, 1 week) targeted when the application quality index estimation unit 12 estimates the application quality index. ..
  • the all sessions on the left are all the plurality of sessions that occurred during the same period.
  • N is the number of sessions
  • f (y i , z i , t) is a probability density function (depending on the content attribute vector y i and the application quality index vector z i ) according to the viewing time of the session i. If the hazard function h (y i , z i , t) of Expression (7) is obtained, the probability density function f (y i , z i , t) is also obtained.
  • FIG. 7 is a flowchart for explaining an example of a processing procedure executed by the distribution design support device 10 in the third exemplary embodiment. 7, those steps which are the same as those corresponding steps in FIG. 3 are designated by the same step numbers, and a description thereof will be omitted. As shown in FIG. 7, the flow of processing executed by the distribution design support device 10 is basically the same as that of the first embodiment, but there are some differences between step S101 and step S104. Step S101 is replaced with step S101b, and step S104 is replaced with step S104b.
  • the “actual value of the content attribute of each session that has occurred in the past certain period” is added to the input in step S101b. This is used as an input when the viewing-and-leaving rate function estimation unit 11 estimates the viewing-and-leaving rate function in step S102, and is the same as the input in step S101b, "viewing time in session unit that has occurred in a certain past period. , And the application quality index ”for the same period and the same session.
  • step S104b the “actual value of the content attribute of each session that has occurred in the past certain period” is added to the input in step S104b. This is used as an input when the coding condition optimizing unit 13 estimates the average viewing time in all sessions in step S108, and is also input in step S108, “estimation of application quality index for each session”. Value ”must be from the same session for the same period.
  • the third embodiment it is possible to further construct a mathematical model that estimates the viewing time in consideration of the content attribute of each session, and the average viewing time is maximized based on the model. It is possible to perform a distribution design (optimization of coding conditions) that can be changed.
  • FIG. 8 is a diagram showing a functional configuration example of the delivery design support device 10 according to the fourth embodiment. 8, those parts that are the same as or correspond to those in FIG. 2 are designated by the same reference numerals, and a description thereof will be omitted.
  • the distribution design support device 10 has a viewing time function estimation unit 14 instead of the viewing departure rate function estimation unit 11.
  • the viewing time function estimation unit 14 is realized by a process that causes the CPU 104 to execute one or more programs installed in the distribution design support device 10.
  • the viewing time function estimation unit 14 receives the "viewing time of all sessions that have occurred in a certain past period" and the "application quality index of all the sessions" as input, and indicates the "viewing time function” that indicates the relationship between the application quality index and the viewing time. Is output.
  • z i is the application quality index vector of session i
  • ⁇ is the coefficient vector corresponding to the application quality index vector z i
  • t 0 is under the reference quality (the quality of which the application quality index vector is zero vector) It is a random variable representing the viewing time of the reference session to be viewed. That is, the “viewing time function” is a model that expresses the viewing time of each session by multiplying the viewing time of the reference session by the influence of the application quality index that differs for each session.
  • the probability density function f (z i , t) is represented by the following Expression (11).
  • Equation (10) and (11) of the coefficient vector ⁇ in, viewing time adaptive bitrate video distribution N sessions observed by video viewing experiments t i (i 1,2, ... , N) , And the application quality index vector z i for each session.
  • the estimation is performed by a method that maximizes the likelihood expressed by the following equation (12).
  • f (z i , t i ) is obtained by substituting the viewing time t i of the session i and the application quality index vector z i into the probability density function represented by the equation (11), and S (z i , t i) . i ) is a survival function corresponding to the probability density function f (z i , t i ) (a function representing the probability of continuing viewing until the viewing time), the viewing time t i of the session i, and the application quality index vector z. i is substituted.
  • ⁇ i is a 0-1 variable that takes 0 when the viewing is terminated due to the end of the experiment and 1 when the viewing is not terminated.
  • the probability for the session that was aborted viewing in the viewing time t i is time viewing t i or more, is a t i viewing time for the session that ended the viewing by the free will of the user in viewing time t i
  • the coefficient vector ⁇ is estimated by a method that maximizes the likelihood by multiplying the probabilities for all sessions.
  • FIG. 9 is a flowchart for explaining an example of a processing procedure executed by the distribution design support device 10 in the fourth exemplary embodiment. 9, those steps that are the same as those corresponding steps in FIG. 3 are designated by the same step numbers, and a description thereof will be omitted. As shown in FIG. 9, the flow of processing executed by the distribution design support device 10 is basically the same as that of the first embodiment, but there are some differences between step S102 and step S108. Step S102 is replaced with step S102a, and step S108 is replaced with step S108a.
  • step S102a the viewing time function estimation unit 14 estimates the viewing time function.
  • step S108a the coding condition optimizing unit 13 estimates the average viewing time based on the equation (3). At this time, the probability density function f (z i , t) in the equation (3) is expressed by the equation (11). ).
  • the application quality index and the user attribute are considered, the application quality index and the content attribute are considered, and the application quality index, the user attribute, and the content attribute are all considered. That is, at least one of the second and third embodiments may be combined with the fourth embodiment.
  • proportional hazards model and acceleration model are given above, but other models for estimating viewing time are linear regression, nonlinear regression, regression tree, random forest, support vector regression, neural network, Bayesian network. Various regression system models may be used.
  • the viewing departure rate function estimation unit 11 or the viewing time function estimation unit 14 is an example of a first estimation unit.
  • the application quality index estimation unit 12 is an example of a second estimation unit.
  • the coding condition optimizing unit 13 is an example of a third estimating unit.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • Social Psychology (AREA)
  • Biomedical Technology (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

配信設計支援方法は、映像配信に関する第１の複数のセッションのそれぞれの視聴時間の実績値、及び当該各セッションのアプリケーション品質指標の実績値に基づいて、視聴時間又は視聴離脱率とアプリケーション品質指標との関係を数理モデルにより推定し、映像配信に関する複数の符号化条件と、第２の複数のセッションのそれぞれの時系列スループットの実績値とに基づいて、当該符号化条件ごとに、当該各セッションのアプリケーション品質指標を推定し、前記符号化条件ごとに、当該符号化条件のもと推定されたアプリケーション品質指標を前記関係に適用して前記第２の複数のセッションの平均視聴時間を推定する手順をコンピュータが実行することで、アダプティブビットレート映像配信における視聴時間を増加させるための符号化条件の選択を支援する。

Description

配信設計支援方法、配信設計支援装置及びプログラム
　本発明は、配信設計支援方法、配信設計支援装置及びプログラムに関する。
　コーデック技術、映像配信技術、ディスプレイ技術の発展により、モバイル端末向けのアダプティブビットレート映像配信サービスが急速に普及してきた。アダプティブビットレート映像配信サービスは、モバイル環境のようにネットワーク状態が時々刻々と変動する環境においても通信状況に応じて最適なビットレートの映像データを配信することでスムーズな映像再生を可能とする。
　一方で、アダプティブビットレート映像配信は、スムーズな映像再生を常に保証するものではなく、極端なスループットの低下や受信端末のバッファの枯渇などに起因して符号化品質の劣化や再生停止が発生し、ユーザ体感品質（ＱｏＥ：Quality of Experience）が大幅に低下することもある。品質劣化は、ＱｏＥの低下だけでなく、視聴時間の減少やサービス解約にもつながるため、映像配信サービス事業者にとってはこれらの指標を定量評価し、一定の水準を維持できるよう管理することが必要となる。
　いま、管理対象指標として視聴時間を想定したとする。視聴時間を左右する要因としては、映像配信サービスの構成要素であるコンテンツ、配信サーバ、ネットワーク、端末それぞれに対応したコンテンツ要因（種類、コンテンツ長、ランキングなど）、符号化性能要因（ビットレート、フレームレート、解像度など）、ネットワーク性能要因（スループット、パケット遅延揺らぎ、パケット損失、パケット遅延など）、端末性能要因（バッファサイズなど）などのサービス要因と性別、年齢などのユーザ要因が考えられる。また、サービス要因のうち符号化性能要因、ネットワーク性能要因、端末性能要因は、ユーザが実際に体感するアプリケーション品質（再生停止、再生開始待ち、ビットレート変動などアプリケーション利用上の品質）を介して視聴時間に影響すると考えられる。
　そこで、視聴時間とそれを左右する各種要因（サービス要因、アプリケーション品質など）との関係を明らかにすれば、映像配信サービス事業者は、サービス要因のうちコントロール可能な条件（符号化条件など）を変更した場合の視聴時間への影響を定量評価した上で最適な条件を選択することができ、視聴時間に基づく配信設計が可能となる。
　先行技術として、メディア情報（ビットレート、解像度、フレームレート）やバッファリング情報（再生停止回数、再生停止時間、再生停止間隔）に基づきＱｏＥを評価する技術（非特許文献１－７）が存在する。
　他に、視聴時間やそれに類する指標（視聴離脱率）と、それを左右する各種要因との関係を明らかにする技術（非特許文献８－１１）が存在する。非特許文献８は、再生停止割合（＝再生停止時間／セッション時間）（セッションとは特定のユーザによる特定のコンテンツの視聴開始から視聴終了までのこと）、再生停止回数割合（＝再生停止回数／セッション時間）、平均ビットレート、フレームレートなどのアプリケーション品質指標と視聴時間の関係を可視化し、一部指標については視聴時間との相関を示している。
　同じく非特許文献９も、再生開始待ち時間と視聴離脱率（＝視聴離脱セッション数／全セッション数）や基準化済み再生停止時間（＝再生停止時間／コンテンツ長）と視聴時間の関係を可視化し、両者間の相関を示している。
　非特許文献１０は、再生停止割合（＝再生停止時間／セッション時間）、再生停止回数割合（＝再生停止回数／セッション時間）、平均ビットレートなどのアプリケーション品質指標に基づき視聴時間を推定するモデルを提示している。
　非特許文献１１は、再生停止割合（＝再生停止時間／セッション時間）やビットレート変動割合（＝ビットレート変動累積値／視聴時間）と視聴離脱率の関係を可視化している。
Parametric bitstream-based quality assessment of progressive download and adaptive audiovisual streaming services over reliable transport, Recommendation ITU-T P.1203, Nov. 2016. Parametric bitstream-based quality assessment of progressive download and adaptive audiovisual streaming services over reliable transport - Video quality estimation module, Recommendation ITU-T P.1203.1, Dec. 2016. Parametric bitstream-based quality assessment of progressive download and adaptive audiovisual streaming services over reliable transport - Audio quality estimation module, Recommendation ITU-T P.1203.2, Nov. 2016. Parametric bitstream-based quality assessment of progressive download and adaptive audiovisual streaming services over reliable transport - Quality integration module, Recommendation ITU-T P.1203.3, Dec. 2016. K. Yamagishi and T. Hayashi, "Parametric Quality-Estimation Model for Adaptive-Bitrate-Streaming Services," IEEE Transactions of Multimedia, Vol.19, No.7, pp.1545-1557, Jul. 2017. W. Robitza, M. N. Garcia, and A. Raake, "A Modular HTTP Adaptive Streaming QoE Model - Candidate for ITU-T P.1203 ("P.NATS")," Proceedings of the 2017 Ninth International Conference on Quality of Multimedia Experience (QoMEX), May 2017. A. Raake, M. N. Garcia, W. Robitza, P. List, S. Goring, B. Feiten, "A Bitstream-based, Scalable Video-Quality Model for HTTP Adaptive Streaming: ITU-T P.1203.1," Proceedings of the 2017 Ninth International Conference on Quality of Multimedia Experience (QoMEX), May 2017. F. Dobrian, V. Sekar, A. Awan, I. Stoica, D. Joseph, A. Ganjam, J. Zhan, H. Zhang, "Understanding the impact of video quality on user engagement," in Proc. of SIGCOMM'11, 2011. S. S. Krishnan and R. K. Sitaraman, "Video Stream Quality Impacts Viewer Behavior: Inferring Causality Using Quasi-Experimental Designs," Proceedings of the 2012 Internet Measurement Conference, pp.211-224, Nov. 2012. A. Balachandran, V. Sekar, A. Akella, S. Seshan, I. Stoica, and H. Zhang, "Developing a Predictive Model of Quality of Experience for Internet Video," Proceedings of the ACM SIGCOMM 2013 conference, pp.339-350, Aug. 2013. H. Nam, K. Kim, and H. Schulzrinne, "QoE Matters More Than QoS: Why People Stop Watching Cat Videos," Proceedings of the IEEE INFOCOM 2016 - The 35th Annual IEEE International Conference on Computer Communications, Apr. 2016.
　しかしながら、非特許文献１－７は、ＱｏＥを推定するモデルを提案するものであり、視聴時間を推定するものではない。
　非特許文献８、９、１１は、視聴時間やそれに類する指標（視聴離脱率）と当該指標に係るアプリケーション品質指標（再生停止割合、再生停止回数割合、平均ビットレート、フレームレート、再生開始待ち時間、基準化済み再生停止時間、ビットレート変動割合など）との関係を定量化するものではあるが、アプリケーション品質指標に基づき視聴時間を推定するモデルの提示には至っていない。
　また、非特許文献１０は、アプリケーション品質指標（再生停止割合、再生停止回数割合、平均ビットレートなど）に基づき視聴時間を推定するモデルを提示するものではあるが、これには２つ課題がある。
　第一に、提示されている視聴時間推定モデルは、決定木（二分木）モデルに基づくものであり、しかも木の深さが浅いため、視聴時間の推定値が数種類の離散値に集中してしまい実用に供さない。
　第二に、これは非特許文献８にも共通する課題だが、再生停止割合（＝再生停止時間／セッション時間）、再生停止回数割合（＝再生停止回数／セッション時間）などのアプリケーション品質指標と視聴時間の相関が（負方向に）高いのは当然であり、これら指標に基づく視聴時間推定モデルは意味を成さない。なぜならば、再生停止割合（＝再生停止時間／セッション時間）や再生停止回数割合（＝再生停止回数／セッション時間）の分母にあるセッション時間は、視聴時間と非常に（正方向の）相関が高い指標なので、再生停止時間や再生停止回数と視聴時間の間にほぼ相関がないとしても、セッション時間の逆数の影響であたかも再生停止割合や再生停止回数割合と視聴時間の間に（負方向の）相関があるかのように見えてしまうからである。したがって、これらの指標に基づく視聴時間推定はセッション時間の逆数に基づき視聴時間を推定していることを意味し、やはり実用に供さない。
　本発明は、上記の点に鑑みてなされたものであって、アダプティブビットレート映像配信における視聴時間を増加させるための符号化条件の選択を支援することを目的とする。
　そこで上記課題を解決するため、配信設計支援方法は、アダプティブビットレート映像配信に関する第１の複数のセッションのそれぞれの視聴時間の実績値、及び当該各セッションのアプリケーション品質指標の実績値に基づいて、視聴時間又は視聴離脱率とアプリケーション品質指標との関係を数理モデルにより推定する第１の推定手順と、アダプティブビットレート映像配信に関する複数の符号化条件と、前記第１の複数のセッションとの異同を問わない第２の複数のセッションのそれぞれの時系列スループットの実績値とに基づいて、当該符号化条件ごとに、当該各セッションのアプリケーション品質指標を推定する第２の推定手順と、第２の推定手順に記載の符号化条件ごとに、当該符号化条件のもと第２の推定手順において推定されたアプリケーション品質指標を第１の推定手順において推定された関係に適用して前記第２の複数のセッションの平均視聴時間を推定する第３の推定手順と、をコンピュータが実行する。
　アダプティブビットレート映像配信における視聴時間を増加させるための符号化条件の選択を支援することができる。
第１の実施の形態における配信設計支援装置１０のハードウェア構成例を示す図である。 第１の実施の形態における配信設計支援装置１０の機能構成例を示す図である。 第１の実施の形態において配信設計支援装置１０が実行する処理手順の一例を説明するためのフローチャートである。 第２の実施の形態における配信設計支援装置１０の機能構成例を示す図である。 第２の実施の形態において配信設計支援装置１０が実行する処理手順の一例を説明するためのフローチャートである。 第３の実施の形態における配信設計支援装置１０の機能構成例を示す図である。 第３の実施の形態において配信設計支援装置１０が実行する処理手順の一例を説明するためのフローチャートである。 第４の実施の形態における配信設計支援装置１０の機能構成例を示す図である。 第４の実施の形態において配信設計支援装置１０が実行する処理手順の一例を説明するためのフローチャートである。
　以下、図面に基づいて本発明の実施の形態を説明する。図１は、第１の実施の形態における配信設計支援装置１０のハードウェア構成例を示す図である。図１の配信設計支援装置１０は、それぞれバスＢで相互に接続されているドライブ装置１００、補助記憶装置１０２、メモリ装置１０３、ＣＰＵ１０４、及びインタフェース装置１０５等を有する。
　配信設計支援装置１０での処理を実現するプログラムは、ＣＤ－ＲＯＭ等の記録媒体１０１によって提供される。プログラムを記憶した記録媒体１０１がドライブ装置１００にセットされると、プログラムが記録媒体１０１からドライブ装置１００を介して補助記憶装置１０２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１０１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１０２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。
　メモリ装置１０３は、プログラムの起動指示があった場合に、補助記憶装置１０２からプログラムを読み出して格納する。ＣＰＵ１０４は、メモリ装置１０３に格納されたプログラムに従って配信設計支援装置１０に係る機能を実行する。インタフェース装置１０５は、ネットワークに接続するためのインタフェースとして用いられる。
　図２は、第１の実施の形態における配信設計支援装置１０の機能構成例を示す図である。図２に示されるように、配信設計支援装置１０は、アダプティブビットレート映像配信サービスに係る配信設計を支援するため、視聴離脱率関数推定部１１、アプリケーション品質指標推定部１２及び符号化条件最適化部１３等を有する。これら各部は、配信設計支援装置１０にインストールされた１以上のプログラムが、ＣＰＵ１０４に実行させる処理により実現される。
　視聴離脱率関数推定部１１は、「過去一定期間に発生した全セッションの視聴時間」及び「当該全セッションのアプリケーション品質指標」を入力とし、視聴時間及びアプリケーション品質指標と視聴離脱率との関係を示す「視聴離脱率関数」を出力する。視聴離脱率とは、任意の視聴時間に対し、当該視聴時間まで視聴が継続されていたセッションについて当該視聴時間で視聴が離脱（終了）される確率のことである。
　「過去一定期間に発生した全セッションの視聴時間」とは、過去の一定期間（１時間、１日、１週間など任意の設定期間）に発生した複数の全てのセッション（特定のユーザによる特定のコンテンツの視聴開始から視聴終了まで）の視聴時間をいう。なお、各セッションのユーザ及びコンテンツの異同は問わない。
　「当該全セッションのアプリケーション品質指標」は、前記入力「過去一定期間に発生した全セッションの視聴時間」の視聴時間に対応する各セッションのアプリケーション品質指標（再生停止時間、ビットレート変動など）の実績値である。
　視聴離脱率関数推定部１１は、この入力に対し、任意の視聴時間及びアプリケーション品質指標に対する視聴離脱率を示す関数である「視聴離脱率関数」を推定する。なお、「視聴離脱率関数」は、生存時間分析における比例ハザードモデルのハザード関数に該当するものであり、再生停止時間などのアプリケーション品質指標の影響が加味され、同じ視聴時間に対する視聴離脱率であってもセッションによりバラつく。
　具体的には、セッションｉの視聴時間ｔにおける視聴離脱率、すなわち、セッションｉの視聴時間が従うハザード関数（セッションｉが視聴時間ｔまで視聴を継続していたという前提の下、視聴時間ｔで視聴を離脱する確率）ｈ（ｚｉ，ｔ）は、以下の式（１）により表される。
Figure JPOXMLDOC01-appb-M000001
 ここで、ｚｉは、セッションｉのアプリケーション品質指標ベクトル、γは、アプリケーション品質指標ベクトルｚｉに対応する係数ベクトル、ｈ０（ｔ）は、基準品質（アプリケーション品質指標ベクトルがゼロベクトルの品質）の下で視聴する基準セッションの視聴時間ｔにおける視聴離脱率である。すなわち、「視聴離脱率関数」は、セッションごとに異なるアプリケーション品質指標の影響を基準セッションの視聴離脱率に乗ずる形で個々のセッションの視聴離脱率を表現するモデルである。
　式（１）におけるアプリケーション品質指標ベクトルｚｉとは、例えば、再生開始待ち時間、再生停止回数、平均再生停止時間、平均ビットレート、ビットレート変動回数、ビットレート変動累積値などの変数からなるベクトルである。これらの変数は、量的変数でも質的変数でも良い。また、元々の変数が量的変数の場合であっても、適宜、質的変数（カテゴリー変数やダミー変数）に変換しても良い。例えば、平均ビットレートが９０ｋｂｐｓから３５００ｋｂｐｓまでの範囲の値をとる場合、量的変数のまま視聴離脱率関数推定部１１に入力しても良いし、あるいは、例えば、平均ビットレートを１５０ｋｂｐｓ未満、１５０ｋｂｐｓ以上３００ｋｂｐｓ未満、３００ｋｂｐｓ以上４５０ｋｂｐｓ未満、４５０ｋｂｐｓ以上７５０ｋｂｐｓ未満、７５０ｋｂｐｓ以上２２５０ｋｂｐｓ未満、２２５０ｋｂｐｓ以上の６カテゴリーに分割し、順に数値１、２、３、４、５、６を割り当てたカテゴリー変数として視聴離脱率関数推定部１１に入力しても良い。あるいは、６カテゴリーのカテゴリー変数を以下の通り５個のダミー変数に変換して視聴離脱率関数推定部１１に入力しても良い。すなわち、平均ビットレート２２５０ｋｂｐｓ以上のカテゴリーを基準とした場合、１５０ｋｂｐｓ未満のカテゴリーに該当するか否かを表わすダミー変数、１５０ｋｂｐｓ以上３００ｋｂｐｓ未満のカテゴリーに該当するか否かを表わすダミー変数、３００ｋｂｐｓ以上４５０ｋｂｐｓ未満のカテゴリーに該当するか否かを表わすダミー変数、４５０ｋｂｐｓ以上７５０ｋｂｐｓ未満のカテゴリーに該当するか否かを表わすダミー変数、７５０ｋｂｐｓ以上２２５０ｋｂｐｓ未満のカテゴリーに該当するか否かを表わすダミー変数、の５個のダミー変数に変換しても良い。
　式（１）における係数ベクトルγは、アダプティブビットレート映像配信の映像視聴実験で観測されたＮ個のセッションの視聴時間ｔｉ（ｉ＝１，２，...，Ｎ）、及び各セッションのアプリケーション品質指標ベクトルｚｉに基づき推定される。推定は、以下の式（２）により表される部分尤度を最大化する方法により行われる。
Figure JPOXMLDOC01-appb-M000002
 ここで、Ｄは、実験で観測されたＮ個のセッションのうち実験終了により視聴終了にならなかったセッション数、ｉ（＝１，２，...，Ｄ）は、実験終了により視聴終了にならなかったセッションのＩＤ、Ｒ（ｔｉ）は、時刻ｔｉにおけるリスク集合、すなわち、Ｎ個のセッションのうち視聴時間がｔｉ以上であったセッションの集合である。
　アプリケーション品質指標推定部１２は、「符号化条件候補案」、「過去一定期間に発生した全セッションの時系列スループット」、「配信アルゴリズム」を入力とし、「符号化条件各案に対する過去一定期間に発生した全セッションのアプリケーション品質指標」を出力とする。
　「符号化条件候補案」とは、映像配信サービス事業者が、アダプティブビットレート映像配信のサービス提供条件として検討する符号化条件の候補案である。すなわち、「符号化条件候補案」とは、配信サーバに配置する映像を何段階のビットレートで符号化するか、各段階のビットレート水準を具体的にどのような数値に設定するかに関する候補案である。例えば、候補案１は、１Ｍｂｐｓ、２．５Ｍｂｐｓ、５Ｍｂｐｓ，８Ｍｂｐｓ、１６Ｍｂｐｓ、４０Ｍｂｐｓの６段階、候補案２は、１．５Ｍｂｐｓ、４Ｍｂｐｓ、７．５Ｍｂｐｓ、１２Ｍｂｐｓ、２４Ｍｂｐｓ、６０Ｍｂｐｓの６段階というように設定される。
　また、「過去一定期間に発生した全セッションの時系列スループット」とは、過去の一定期間（１時間、１日、１週間など任意の設定期間）に発生した複数の全てのセッションにおいて観測された時系列スループットの実績値である。なお、アプリケーション品質指標推定部１２が処理対象とする過去の一定期間は、視聴離脱率関数推定部１１が処理対象とする過去の一定期間と同じであってもよいし、異なってもよい。すなわち、アプリケーション品質指標推定部１２が処理対象とする各セッションは、視聴離脱率関数推定部１１が処理対象とする各セッションと同じであってもよいし、異なってもよい。
　また、「配信アルゴリズム」とは、時々刻々と変動するスループットに対し、どのビットレート水準の映像セグメント（映像ファイルを小さな単位に分割したものであり、チャンクとも呼ばれる。）を端末に受信させるかを決定するアルゴリズムである。このアルゴリズムは、ルール形式で与えられるものであり、例えば、セグメントをダウンロード中か否か、バッファが潤沢か枯渇した状態か、そのいずれでもないか、といった状況に応じて条件分岐される。例えば、バッファが潤沢でも枯渇した状態でもない場合、測定したスループットに基づいて、その値（当該スループット）を下回る（例えば７５％以下など）最高のビットレートを選択するといったルールが挙げられる。また、バッファが潤沢な場合（例えば２０秒以上の場合など）は、最高のビットレートを選択し、バッファが枯渇した場合は最低のビットレートを選択するといったルールも挙げられる。さらに、セグメントをダウンロード中でダウンロード時間がセグメントの再生時間よりも大幅に長くなった場合、スループットが大幅に低下したと判断してダウンロードを中止し、同じ内容のセグメントを直近の測定スループットを下回る最高のビットレートで再ダウンロードするといったルールも挙げられる。
　アプリケーション品質指標推定部１２は、以上の入力に基づき、符号化条件の各候補案及び全セッションの時系列スループットをアダプティブビットレート映像配信に適用した
場合に、過去一定期間の各セッションにおいて受信、再生される映像セグメントの受信又は再生の時点ごとのビットレート水準と、その結果として観測されるアプリケーション品質指標（再生停止時間、ビットレート変動など）を、配信アルゴリズムに基づくシミュレーションにより推定する。
　なお、符号化条件、配信アルゴリズム、時系列スループットの入力に対しアプリケーシ
ョン品質指標を出力するシミュレーションツールとしてはＳａｂｒｅ（https://github.com/UMass-LIDS/sabre/）のような既存ツールを利用することができる。
　符号化条件最適化部１３は、視聴離脱率関数推定部１１の出力である「視聴離脱率関数」、アプリケーション品質指標推定部１２の出力である「符号化条件各案に対する過去一定期間に発生した全セッションのアプリケーション品質指標」を入力とし、「平均視聴時間を最大化する符号化条件」を出力とする。
　符号化条件最適化部１３は、以上の入力に対し、符号化条件の各候補案に対し、以下の式（３）の通り、「符号化条件各案に対する過去一定期間に発生した全セッションのアプリケーション品質指標」に「視聴離脱率関数」を適用して、全てのセッションにおける平均視聴時間Ｅ（ｔ）（各セッションの視聴時間の期待値の平均値）を推定する。
Figure JPOXMLDOC01-appb-M000003
 ここで、Ｎは、セッション数、ｆ（ｚｉ，ｔ）は、セッションｉの視聴時間が従う確率密度関数（アプリケーション品質指標ベクトルｚｉに依存する）であり、式（１）のハザード関数ｈ（ｚｉ，ｔ）が求まれば確率密度関数ｆ（ｚｉ，ｔ）も求まる。
　符号化条件最適化部１３は、全てのセッションにおける平均視聴時間Ｅ（ｔ）を推定した上で、平均視聴時間Ｅ（ｔ）を最大化する符号化条件を最適解として導出する。
　以下、配信設計支援装置１０が実行する処理手順について説明する。図３は、第１の実施の形態において配信設計支援装置１０が実行する処理手順の一例を説明するためのフローチャートである。
　ステップＳ１０１において、視聴離脱率関数推定部１１は、過去一定期間に発生した複数の全てのセッションのセッション単位（セッションごと）の視聴時間、及びセッション単位（セッションごと）のアプリケーション品質指標の実績値を入力する。セッション単位の視聴時間及びアプリケーション品質指標の実績値は、例えば、補助記憶装置１０２等に記憶されていればよい。
　続いて、視聴離脱率関数推定部１１は、ステップＳ１０１において入力した情報に基づいて、視聴離脱率関数を推定する（Ｓ１０２）。
　続いて、アプリケーション品質指標推定部１２は、Ｍ個の符号化条件候補案、及び配信アルゴリズムを自ら（アプリケーション品質指標推定部１２）に設定する（Ｓ１０３）。なお、Ｍ個の符号化条件候補案、及び配信アルゴリズムは、例えば、予め補助記憶装置１０２に記憶されていてもよい。
　続いて、アプリケーション品質指標推定部１２は、過去一定期間に発生した複数の全てのセッションについてセッション単位（セッションごと）の時系列スループットを入力する（Ｓ１０４）。なお、アプリケーション品質指標推定部１２が処理対象とする過去の一定期間は、視聴離脱率関数推定部１１が処理対象とする過去の一定期間と同じであってもよいし、異なってもよい。すなわち、アプリケーション品質指標推定部１２が処理対象とする各セッションは、視聴離脱率関数推定部１１が処理対象とする各セッションと同じであってもよいし、異なってもよい。また、セッション単位の時系列スループットは、例えば、予め補助記憶装置１０２に記憶されていてもよい。
　続いて、アプリケーション品質指標推定部１２は、変数ｉに１を代入する（Ｓ１０５）。変数ｉは、各符号化条件候補案の符号化条件を識別するためのＩＤである。なお、各符号化条件候補案の符号化条件ＩＤは、１～Ｍまでの整数であるとする。続いて、符号化条件ごとにステップＳ１０７～Ｓ１０９が実行される（Ｓ１０６）。
　ステップＳ１０７において、アプリケーション品質指標推定部１２は、セッション単位で、符号化条件（ｉ）及び当該セッションの時系列スループットをアダプティブビットレート映像配信に適用したシミュレーションを配信アルゴリズムに基づいて実行して、当該セッションのアプリケーション品質指標を推定する。
　続いて、符号化条件最適化部１３は、推定されたセッション単位のアプリケーション品質指標を式（３）に適用することにより、全てのセッションにおける平均視聴時間を推定する（Ｓ１０８）。続いて、符号化条件最適化部１３は、ｉに１を加算して（Ｓ１０９）、ステップＳ１０６に戻る。
　ステップＳ１０７～Ｓ１０９が、全て（Ｍ個）の符号化条件候補案について実行されると（Ｓ１０６でＮｏ）、符号化条件最適化部１３は、平均視聴時間を最大化する符号化条件候補案を特定し、当該符号化条件を出力する（Ｓ１１０）。すなわち、ステップＳ１０８において推定された平均視聴時間が最大であった際の符号化条件候補案が出力される。但し、符号化条件最適化部１３は、Ｍ個の符号化条件候補案を、ステップＳ１０８において推定された平均視聴時間の降順にソートし、ソート結果を出力してもよい。
　上述したように、第１の実施の形態によれば、視聴時間に係る各種要因に基づき視聴時間を推定する数理モデルを構築することができ、当該モデルに基づき平均視聴時間を最大化するような配信設計（符号化条件の最適化）を行うことができる。具体的には、符号化条件の各設定値に対する平均視聴時間を推定することにより、符号化条件の候補案の中から平均視聴時間を最大化する条件が導出される。したがって、アダプティブビットレート映像配信における視聴時間を増加させるための符号化条件の選択（配信設計）を支援することができる。その結果、符号化条件の最適化を支援することができる。
　次に、第２の実施の形態について説明する。第２の実施の形態では第１の実施の形態と異なる点について説明する。第２の実施の形態において特に言及されない点については、第１の実施の形態と同様でもよい。
　図４は、第２の実施の形態における配信設計支援装置１０の機能構成例を示す図である。図４中、図２と同一又は対応する部分には同一符号を付し、その説明は省略する。図４に示されるように、配信設計支援装置１０が有する機能は第１の実施の形態と同様であるが、入出力において異なる点がある。
　図４において、視聴離脱率関数推定部１１の入力に「過去一定期間に発生した全セッションのユーザ属性」が追加される。これは、同じく視聴離脱率関数推定部１１の入力である「過去一定期間に発生した全セッションの視聴時間」に対応する各セッションについて配信された映像の視聴者に関するユーザ属性の実績値である。
　視聴離脱率関数推定部１１の入力に「過去一定期間に発生した全セッションのユーザ属性」が追加されたことに伴い、第１の実施の形態においては式（１）により表されるハザード関数は、第２の実施の形態においては以下の式（４）に変更される。
Figure JPOXMLDOC01-appb-M000004
 ここで、ｘｉ、ｚｉは、セッションｉのユーザ属性ベクトル、アプリケーション品質指標ベクトル、α、γは、それぞれユーザ属性ベクトルｘｉ、アプリケーション品質指標ベクトルｚｉに対応する係数ベクトル、ｈ０（ｔ）は、基準ユーザ（ユーザ属性ベクトルがゼロベクトルのユーザ）が基準品質（アプリケーション品質指標ベクトルがゼロベクトルの品質）の下で視聴する基準セッションの視聴時間ｔにおける視聴離脱率である。すなわち、第２の実施の形態において、「視聴離脱率関数」は、セッションごとに異なるユーザ属性、アプリケーション品質指標の影響を基準セッションの視聴離脱率に乗ずる形で個々のセッションの視聴離脱率を表現するモデルである。
　式（４）におけるユーザ属性ベクトルｘｉとは、例えば、性別、年齢、ユーザＩＤなどの変数からなるベクトルである。これらの変数は、量的変数でも質的変数でも良い。また、元々の変数が量的変数の場合であっても、適宜、質的変数（カテゴリー変数やダミー変数）に変換しても良い。
　式（４）における係数ベクトルα、γは、アダプティブビットレート映像配信の映像視聴実験で観測されたＮ個のセッションの視聴時間ｔｉ（ｉ＝１，２，...，Ｎ）、各セッションのユーザ属性ベクトルｘｉ、アプリケーション品質指標ベクトルｚｉに基づき推定される。推定は、以下の式（５）により表される部分尤度を最大化する方法により行われる。
Figure JPOXMLDOC01-appb-M000005
 ここで、Ｄは、実験で観測されたＮ個のセッションのうち実験終了により打ち切られなかったセッション数、ｉ（＝１，２，...，Ｄ）は、実験終了により打ち切られなかったセッションのＩＤ、Ｒ（ｔｉ）は、時刻ｔｉにおけるリスク集合、すなわちＮ個のセッションのうち視聴時間がｔｉ以上であったセッションの集合である。
　また、図４に示されるように、第２の実施の形態では、符号化条件最適化部１３の入力に「左記期間、左記全セッションのアプリケーション品質指標に対応するユーザ属性」が追加される。ここで左記期間とは、アプリケーション品質指標推定部１２においてアプリケーション品質指標を推定する際に対象とした過去の一定期間（１時間、１日、１週間など任意の設定期間）と同一の期間である。また、左記全セッションとは、同期間に発生した複数の全てのセッションである。
　符号化条件最適化部１３の入力に「左記期間、左記全セッションのアプリケーション品質指標に対応するユーザ属性」が追加されたことに伴い、第１の実施の形態においては式（３）により表される平均視聴時間Ｅ（ｔ）は、第２の実施の形態においては以下の式（６）に変更される。
Figure JPOXMLDOC01-appb-M000006
 ここで、Ｎは、セッション数、ｆ（ｘｉ，ｚｉ，ｔ）は、セッションｉの視聴時間が従う確率密度関数（ユーザ属性ベクトルｘｉおよびアプリケーション品質指標ベクトルｚｉに依存する）であり、式（４）のハザード関数ｈ（ｘｉ，ｚｉ，ｔ）が求まれば確率密度関数ｆ（ｘｉ，ｚｉ，ｔ）も求まる。
　図５は、第２の実施の形態において配信設計支援装置１０が実行する処理手順の一例を説明するためのフローチャートである。図５中、図３と同一ステップには同一ステップ番号を付し、その説明は省略する。図５に示されるように、配信設計支援装置１０が実行する処理の流れは基本的には第１の実施の形態と同様であるが、ステップＳ１０１とステップＳ１０４において一部異なる点があるため、ステップＳ１０１がステップＳ１０１ａに置き換わり、ステップＳ１０４がステップＳ１０４ａに置き換わる。
　具体的には、ステップＳ１０１ａの入力には「過去一定期間に発生したセッション単位のユーザ属性の実績値」が追加される。これは、ステップＳ１０２において、視聴離脱率関数推定部１１が視聴離脱率関数を推定する際の入力として用いられるもので、同じくステップＳ１０１ａの入力である「過去一定期間に発生したセッション単位の視聴時間、及びアプリケーション品質指標」と同一期間同一セッションのものである必要がある。
　また、ステップＳ１０４ａの入力にも「過去一定期間に発生したセッション単位のユーザ属性の実績値」が追加される。これは、ステップＳ１０８において、符号化条件最適化部１３が全てのセッションにおける平均視聴時間を推定する際の入力として用いられるもので、同じくステップＳ１０８の入力である「セッション単位のアプリケーション品質指標の推定値」と同一期間同一セッションのものである必要がある。
　上述したように、第２の実施の形態によれば、更に、各セッションのユーザ属性をも考慮して視聴時間を推定する数理モデルを構築することができ、当該モデルに基づき平均視聴時間を最大化するような配信設計（符号化条件の最適化）を行うことができる。
　次に、第３の実施の形態について説明する。第３の実施の形態では第１の実施の形態と異なる点について説明する。第３の実施の形態において特に言及されない点については、第１の実施の形態と同様でもよい。
　図６は、第３の実施の形態における配信設計支援装置１０の機能構成例を示す図である。図６中、図２と同一又は対応する部分には同一符号を付し、その説明は省略する。図６に示されるように、配信設計支援装置１０が有する機能は第１の実施の形態と同様であるが、入出力において異なる点がある。
　図６において、視聴離脱率関数推定部１１の入力に「過去一定期間に発生した全セッションのコンテンツ属性」が追加される。これは、同じく視聴離脱率関数推定部１１の入力である「過去一定期間に発生した全セッションの視聴時間」に対応する各セッションにおいて配信された映像のコンテンツに関するコンテンツ属性の実績値である。
　視聴離脱率関数推定部１１の入力に「過去一定期間に発生した全セッションのコンテンツ属性」が追加されたことに伴い、第１の実施の形態においては式（１）により表されるハザード関数は、第３の実施の形態においては以下の式（７）に変更される。
Figure JPOXMLDOC01-appb-M000007
 ここで、ｙｉ、ｚｉは、セッションｉのコンテンツ属性ベクトル、アプリケーション品質指標ベクトル、β、γは、それぞれコンテンツ属性ベクトルｙｉ、アプリケーション品質指標ベクトルｚｉに対応する係数ベクトル、ｈ０（ｔ）は、基準コンテンツ（コンテンツ属性ベクトルがゼロベクトルのコンテンツ）を基準品質（アプリケーション品質指標ベクトルがゼロベクトルの品質）の下で視聴する基準セッションの視聴時間ｔにおける視聴離脱率である。すなわち、第３の実施の形態において、「視聴離脱率関数」は、セッションごとに異なるコンテンツ属性、アプリケーション品質指標の影響を基準セッションの視聴離脱率に乗ずる形で個々のセッションの視聴離脱率を表現するモデルである。
　式（７）におけるコンテンツ属性ベクトルｙｉとは、例えば、コンテンツ長、ジャンル、ランキング、コンテンツＩＤなどの変数からなるベクトルである。これらの変数は、量的変数でも質的変数でも良い。また、元々の変数が量的変数の場合であっても、適宜、質的変数（カテゴリー変数やダミー変数）に変換しても良い。
　式（７）における係数ベクトルβ、γは、アダプティブビットレート映像配信の映像視聴実験で観測されたＮ個のセッションの視聴時間ｔｉ（ｉ＝１，２，...，Ｎ）、各セッションのコンテンツ属性ベクトルｙｉ、アプリケーション品質指標ベクトルｚｉに基づき推定される。推定は、以下の式（８）により表される部分尤度を最大化する方法により行われる。
Figure JPOXMLDOC01-appb-M000008
 ここで、Ｄは、実験で観測されたＮ個のセッションのうち実験終了により打ち切られなかったセッション数、ｉ（＝１，２，...，Ｄ）は、実験終了により打ち切られなかったセッションのＩＤ、Ｒ（ｔｉ）は、時刻ｔｉにおけるリスク集合、すなわちＮ個のセッションのうち視聴時間がｔｉ以上であったセッションの集合である。
　また、図６に示されるように、第３の実施の形態では、符号化条件最適化部１３の入力に「左記期間、左記全セッションのアプリケーション品質指標に対応するコンテンツ属性」が追加される。ここで左記期間とは、アプリケーション品質指標推定部１２においてアプリケーション品質指標を推定する際に対象とした過去の一定期間（１時間、１日、１週間など任意の設定期間）と同一の期間である。また、左記全セッションとは、同期間に発生した複数の全てのセッションである。
　符号化条件最適化部１３の入力に「左記期間、左記全セッションのアプリケーション品質指標に対応するコンテンツ属性」が追加されたことに伴い、第１の実施の形態においては式（３）により表される平均視聴時間Ｅ（ｔ）は、第３の実施の形態においては以下の式（９）に変更される。
Figure JPOXMLDOC01-appb-M000009
 ここで、Ｎは、セッション数、ｆ（ｙｉ，ｚｉ，ｔ）は、セッションｉの視聴時間が従う確率密度関数（コンテンツ属性ベクトルｙｉおよびアプリケーション品質指標ベクトルｚｉに依存する）であり、式（７）のハザード関数ｈ（ｙｉ，ｚｉ，ｔ）が求まれば確率密度関数ｆ（ｙｉ，ｚｉ，ｔ）も求まる。
　図７は、第３の実施の形態において配信設計支援装置１０が実行する処理手順の一例を説明するためのフローチャートである。図７中、図３と同一ステップには同一ステップ番号を付し、その説明は省略する。図７に示されるように、配信設計支援装置１０が実行する処理の流れは基本的には第１の実施の形態と同様であるが、ステップＳ１０１とステップＳ１０４において一部異なる点があるため、ステップＳ１０１がステップＳ１０１ｂに置き換わり、ステップＳ１０４がステップＳ１０４ｂに置き換わる。
　具体的には、ステップＳ１０１ｂの入力には「過去一定期間に発生したセッション単位のコンテンツ属性の実績値」が追加される。これは、ステップＳ１０２において、視聴離脱率関数推定部１１が視聴離脱率関数を推定する際の入力として用いられるもので、同じくステップＳ１０１ｂの入力である「過去一定期間に発生したセッション単位の視聴時間、及びアプリケーション品質指標」と同一期間同一セッションのものである必要がある。
　また、ステップＳ１０４ｂの入力にも「過去一定期間に発生したセッション単位のコンテンツ属性の実績値」が追加される。これは、ステップＳ１０８において、符号化条件最適化部１３が全てのセッションにおける平均視聴時間を推定する際の入力として用いられるもので、同じくステップＳ１０８の入力である「セッション単位のアプリケーション品質指標の推定値」と同一期間同一セッションのものである必要がある。
　上述したように、第３の実施の形態によれば、更に、各セッションのコンテンツ属性をも考慮して視聴時間を推定する数理モデルを構築することができ、当該モデルに基づき平均視聴時間を最大化するような配信設計（符号化条件の最適化）を行うことができる。
　以上では、比例ハザードモデルに基づく３通りの実施の形態（視聴離脱率に影響を及ぼす要因としてアプリケーション品質指標のみ考慮した場合、アプリケーション品質指標とユーザ属性を考慮した場合、アプリケーション品質指標とコンテンツ属性を考慮した場合）について記載したが、その他の実施の形態として、アプリケーション品質指標、ユーザ属性、コンテンツ属性のすべての要因を考慮した場合を挙げることができる。
　次に、第４の実施の形態について説明する。第４の実施の形態では第１の実施の形態と異なる点について説明する。第４の実施の形態において特に言及されない点については、第１の実施の形態と同様でもよい。
　図８は、第４の実施の形態における配信設計支援装置１０の機能構成例を示す図である。図８中、図２と同一又は対応する部分には同一符号を付し、その説明は省略する。図８に示されるように、第４の実施の形態において、配信設計支援装置１０は、視聴離脱率関数推定部１１の代わりに視聴時間関数推定部１４を有する。視聴時間関数推定部１４は、配信設計支援装置１０にインストールされた１以上のプログラムが、ＣＰＵ１０４に実行させる処理により実現される。
　視聴時間関数推定部１４は、「過去一定期間に発生した全セッションの視聴時間」及び「当該全セッションのアプリケーション品質指標」を入力とし、アプリケーション品質指標と視聴時間との関係を示す「視聴時間関数」を出力する。
　なお、「視聴時間関数」は、生存時間分析における加速モデルに従うものであり、セッションｉの視聴時間を表す確率変数ｔは以下の式（１０）により表される。
Figure JPOXMLDOC01-appb-M000010
 ここで、ｚｉは、セッションｉのアプリケーション品質指標ベクトル、γは、アプリケーション品質指標ベクトルｚｉに対応する係数ベクトル、ｔ０は、基準品質（アプリケーション品質指標ベクトルがゼロベクトルの品質）の下で視聴する基準セッションの視聴時間を表す確率変数である。すなわち、「視聴時間関数」は、セッションごとに異なるアプリケーション品質指標の影響を基準セッションの視聴時間に乗ずる形で個々のセッションの視聴時間を表現するモデルである。
　加速モデルの場合、比例ハザードモデルと異なり、セッションｉの視聴時間が従う確率密度関数ｆ（ｚｉ，ｔ）をパラメトリックに仮定する必要があり、指数分布、ワイブル分布、対数正規分布、対数ロジスティック分布などを分布として仮定することが可能である。例えば、ワイブル分布を仮定した場合の確率密度関数ｆ（ｚｉ，ｔ）は、以下の式（１１）により表される。
Figure JPOXMLDOC01-appb-M000011

　式（１０）および式（１１）における係数ベクトルγは、アダプティブビットレート映像配信の映像視聴実験で観測されたＮ個のセッションの視聴時間ｔｉ（ｉ＝１，２，...，Ｎ）、及び各セッションのアプリケーション品質指標ベクトルｚｉに基づき推定される。推定は、以下の式（１２）により表される尤度を最大化する方法により行われる。
Figure JPOXMLDOC01-appb-M000012
 ここで、ｆ（ｚｉ，ｔｉ）は、式（１１）により表される確率密度関数にセッションｉの視聴時間ｔｉとアプリケーション品質指標ベクトルｚｉを代入したもの、Ｓ（ｚｉ，ｔｉ）は、確率密度関数ｆ（ｚｉ，ｔｉ）に対応する生存関数（当該視聴時間まで視聴を継続している確率を表す関数）にセッションｉの視聴時間ｔｉとアプリケーション品質指標ベクトルｚｉを代入したものである。また、δｉは、実験終了により視聴を打ち切られた場合に０、打ち切られていない場合に１をとる０－１変数である。すなわち、視聴時間ｔｉで視聴を打ち切られたセッションについては視聴時間がｔｉ以上である確率を、視聴時間ｔｉでユーザの自由意思により視聴を終了したセッションについては視聴時間がｔｉである確率をすべてのセッションについて掛け合わせた尤度を最大化する方法により係数ベクトルγは推定される。
　図９は、第４の実施の形態において配信設計支援装置１０が実行する処理手順の一例を説明するためのフローチャートである。図９中、図３と同一ステップには同一ステップ番号を付し、その説明は省略する。図９に示されるように、配信設計支援装置１０が実行する処理の流れは基本的には第１の実施の形態と同様であるが、ステップＳ１０２とステップＳ１０８において一部異なる点があるため、ステップＳ１０２がステップＳ１０２ａに置き換わり、ステップＳ１０８がステップＳ１０８ａに置き換わる。
　具体的には、ステップＳ１０２ａにおいて、視聴時間関数推定部１４は視聴時間関数を推定する。また、ステップＳ１０８ａにおいて、符号化条件最適化部１３は式（３）に基づき平均視聴時間を推定するが，このときの式（３）における確率密度関数ｆ（ｚｉ，ｔ）は式（１１）により表されるものである。
　以上では、加速モデルに基づく１通りの実施の形態（視聴離脱率に影響を及ぼす要因としてアプリケーション品質指標のみ考慮した場合）について記載したが、その他の実施の形態として、比例ハザードモデルの場合と同様に、アプリケーション品質指標とユーザ属性を考慮した場合、アプリケーション品質指標とコンテンツ属性を考慮した場合、アプリケーション品質指標、ユーザ属性、コンテンツ属性のすべての要因を考慮した場合を挙げることができる。すなわち、第４の実施の形態にたいして、第２及び第３の実施の形態の少なくともいずれか一方が組み合わされてもよい。
　また、以上では、比例ハザードモデルと加速モデルの例を挙げたが、他にも視聴時間を推定するモデルとして、線形回帰、非線形回帰、回帰木、ランダムフォレスト、サポートベクター回帰、ニューラルネットワーク、ベイジアンネットワークなど各種回帰系モデルを用いても良い。
　なお、本実施の形態において、視聴離脱率関数推定部１１又は視聴時間関数推定部１４は、第１の推定部の一例である。アプリケーション品質指標推定部１２は、第２の推定部の一例である。符号化条件最適化部１３は、第３の推定部の一例である。
　以上、本発明の実施の形態について詳述したが、本発明は斯かる特定の実施形態に限定されるものではなく、請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。
１０　　　　　配信設計支援装置
１１　　　　　視聴離脱率関数推定部
１２　　　　　アプリケーション品質指標推定部
１３　　　　　符号化条件最適化部
１４　　　　　視聴時間関数推定部
１００　　　　ドライブ装置
１０１　　　　記録媒体
１０２　　　　補助記憶装置
１０３　　　　メモリ装置
１０４　　　　ＣＰＵ
１０５　　　　インタフェース装置
Ｂ　　　　　　バス

Claims (7)

  1. 　アダプティブビットレート映像配信に関する第１の複数のセッションのそれぞれの視聴時間の実績値、及び当該各セッションのアプリケーション品質指標の実績値に基づいて、視聴時間又は視聴離脱率とアプリケーション品質指標との関係を数理モデルにより推定する第１の推定手順と、
    　アダプティブビットレート映像配信に関する複数の符号化条件と、前記第１の複数のセッションとの異同を問わない第２の複数のセッションのそれぞれの時系列スループットの実績値とに基づいて、当該符号化条件ごとに、当該各セッションのアプリケーション品質指標を推定する第２の推定手順と、
    　第２の推定手順に記載の符号化条件ごとに、当該符号化条件のもと第２の推定手順において推定されたアプリケーション品質指標を第１の推定手順において推定された関係に適用して前記第２の複数のセッションの平均視聴時間を推定する第３の推定手順と、
    をコンピュータが実行することを特徴とする配信設計支援方法。
  2. 　前記第１の推定手順は、更にユーザ属性の実績値に基づいて、視聴時間又は視聴離脱率と、更にユーザ属性との関係を推定する、
    ことを特徴とする請求項１記載の配信設計支援方法。
  3. 　前記第１の推定手順は、更にコンテンツ属性の実績値に基づいて、視聴時間又は視聴離脱率と、更にコンテンツ属性との関係を推定する、
    ことを特徴とする請求項１又は２記載の配信設計支援方法。
  4. 　前記第３の推定手順は、前記平均視聴時間が最大である前記符号化条件を特定する、
    ことを特徴とする請求項１乃至３いずれか一項記載の配信設計支援方法。
  5. 　アダプティブビットレート映像配信に関する第１の複数のセッションのそれぞれの視聴時間の実績値、及び当該各セッションのアプリケーション品質指標の実績値に基づいて、視聴時間又は視聴離脱率とアプリケーション品質指標との関係を数理モデルにより推定する第１の推定部と、
    　アダプティブビットレート映像配信に関する複数の符号化条件と、前記第１の複数のセッションとの異同を問わない第２の複数のセッションのそれぞれの時系列スループットの実績値とに基づいて、当該符号化条件ごとに、当該各セッションのアプリケーション品質指標を推定する第２の推定部と、
    　第２の推定部に記載の符号化条件ごとに、当該符号化条件のもと第２の推定部によって推定されたアプリケーション品質指標を第１の推定部によって推定された関係に適用して前記第２の複数のセッションの平均視聴時間を推定する第３の推定部と、
    を有することを特徴とする配信設計支援装置。
  6. 　前記第３の推定部は、前記平均視聴時間が最大である前記符号化条件を特定する、
    ことを特徴とする請求項５記載の配信設計支援装置。
  7. 　請求項１乃至４いずれか一項記載の配信設計支援方法をコンピュータに実行させることを特徴とするプログラム。
PCT/JP2019/042404 2018-11-08 2019-10-29 配信設計支援方法、配信設計支援装置及びプログラム WO2020095767A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/291,680 US11477502B2 (en) 2018-11-08 2019-10-29 Distribution design support method, distribution design support apparatus and program

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2018-210211 2018-11-08
JP2018210211 2018-11-08
JP2019-064755 2019-03-28
JP2019064755A JP7052768B2 (ja) 2018-11-08 2019-03-28 配信設計支援方法、配信設計支援装置及びプログラム

Publications (1)

Publication Number Publication Date
WO2020095767A1 true WO2020095767A1 (ja) 2020-05-14

Family

ID=70611333

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/042404 WO2020095767A1 (ja) 2018-11-08 2019-10-29 配信設計支援方法、配信設計支援装置及びプログラム

Country Status (2)

Country Link
US (1) US11477502B2 (ja)
WO (1) WO2020095767A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114747225B (zh) * 2019-12-11 2024-03-01 谷歌有限责任公司 用于选择流送媒体内容项的格式的方法、***和介质

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2632667A1 (en) * 1998-03-04 1999-09-10 United Video Properties, Inc. Program guide system with monitoring of advertisement usage and user activities
US7343616B1 (en) * 1998-05-14 2008-03-11 Sony Corporation Information retrieval method and apparatus
US7117518B1 (en) * 1998-05-14 2006-10-03 Sony Corporation Information retrieval method and apparatus
US6898762B2 (en) * 1998-08-21 2005-05-24 United Video Properties, Inc. Client-server electronic program guide
CA2870324C (en) * 2000-03-31 2017-08-15 United Video Properties, Inc. Systems and methods for improved audience measuring
US7363643B2 (en) * 2000-08-31 2008-04-22 Eddie Drake Real-time audience monitoring, content rating, and content enhancing
JP3836030B2 (ja) * 2002-01-30 2006-10-18 富士通株式会社 ストリーミング配信コンテンツの視聴状況指標算出方法及びシステム
JP4359810B2 (ja) * 2002-10-01 2009-11-11 ソニー株式会社 ユーザ端末、データ処理方法、およびプログラム、並びにデータ処理システム
WO2007064641A2 (en) * 2005-11-29 2007-06-07 Google Inc. Social and interactive applications for mass media
US8613024B2 (en) * 2005-12-13 2013-12-17 United Video Properties, Inc. Cross-platform predictive popularity ratings for use in interactive television applications
EP2034731A4 (en) * 2006-06-09 2010-03-03 Huawei Tech Co Ltd MULTICAST SERVICE PROCESSES AND ACCESSORIES
KR101562536B1 (ko) * 2008-11-05 2015-10-22 삼성전자주식회사 방송 수신 장치 및 그 제어 방법
JP5235972B2 (ja) * 2010-11-17 2013-07-10 株式会社ソニー・コンピュータエンタテインメント 情報処理装置および情報処理方法
US8510770B1 (en) * 2012-02-03 2013-08-13 Google Inc. Predicting live programs
US9756112B2 (en) * 2015-02-11 2017-09-05 At&T Intellectual Property I, L.P. Method and system for managing service quality according to network status predictions
US10791355B2 (en) * 2016-12-20 2020-09-29 The Nielsen Company (Us), Llc Methods and apparatus to determine probabilistic media viewing metrics

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TAKAHASHI ET AL: "Analysis of user manipulation for adaptive bitrate video streaming services", IEICE TECHNICAL REPORT, vol. 117, no. 304 (CQ2017-77), 19 November 2017 (2017-11-19), pages 39 - 44, XP009520987, ISSN: 0913-5685 *

Also Published As

Publication number Publication date
US20220007067A1 (en) 2022-01-06
US11477502B2 (en) 2022-10-18

Similar Documents

Publication Publication Date Title
US11409792B2 (en) System and method for streaming individualized media content
US11770569B2 (en) Providing risk based subscriber enhancements
JP6572245B2 (ja) 体感品質最適化システム、体感品質最適化装置、レコメンド要求装置、体感品質最適化方法、レコメンド要求方法及びプログラム
US11463742B2 (en) Quality estimation of adaptive multimedia streaming
EP3985984A1 (en) System and method for managing video streaming quality of experience
Yarnagula et al. QoE for mobile clients with segment-aware rate adaptation algorithm (SARA) for DASH video streaming
JP6611271B2 (ja) 動画品質制御装置、ビットレート選択方法、及びプログラム
WO2020095767A1 (ja) 配信設計支援方法、配信設計支援装置及びプログラム
EP4027616A1 (en) Global constraint-based content delivery network (cdn) selection in a video streaming system
JP6907958B2 (ja) 推定装置、推定方法及びプログラム
JP7052768B2 (ja) 配信設計支援方法、配信設計支援装置及びプログラム
Zhou et al. Vibra: Neural adaptive streaming of VBR-encoded videos
US20210329324A1 (en) Evolutionary parameter optimization for selecting optimal personalized screen carousels
JP7243843B2 (ja) 視聴離脱要因推定装置、視聴離脱要因推定方法及びプログラム
KR20230018453A (ko) 미디어 콘텐츠 아이템의 시청 시간 손실 영역 결정
WO2024116385A1 (en) Video player, video playback method, and program
Varela et al. Embracing uncertainty: A probabilistic view of HTTP video quality
JP6085885B2 (ja) ユーザ行動最適化装置及び方法
EP4307689A1 (en) Information processing device, analysis method, and program
Matsuo et al. Shapley-value-based quality degradation analysis method for adaptive bitrate streaming services
JP6660357B2 (ja) 品質推定装置、品質推定方法及びプログラム
CN100566256C (zh) 传输与所传输信息相关联的数据的方法和装置
KR20230147699A (ko) 정보 처리 장치, 분석 방법 및 프로그램
Samet et al. Adaptive cloud-based mobile video streaming service using real-time QoE estimation
CN114491272A (zh) 一种多媒体内容推荐方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19882295

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19882295

Country of ref document: EP

Kind code of ref document: A1