PROPUESTA DE EVALUACIÓN DE LA CALIDAD DE EXPERIENCIA (QoE) EN SERVICIOS OVER THE TOP (OTT) Instituto Superior Politécnico José Antonio Echeverría Facultad de Ingeniería Eléctrica Departamento de Telecomunicaciones y Telemática
PROPUESTA DE EVALUACIÓN DE LA CALIDAD DE EXPERIENCIA (QoE) EN SERVICIOS OVER THE TOP (OTT)
Instituto Superior Politécnico José Antonio EcheverríaFacultad de Ingeniería Eléctrica
Departamento de Telecomunicaciones y Telemática
Autores: Adrián Haro González Yoel Silva Gari
La Habana
2016
PROPUESTA DE EVALUACIÓN DE LA CALIDAD DE EXPERIENCIA (QoE) EN SERVICIOS OVER THE TOP (OTT)
Instituto Superior Politécnico José Antonio Echeverría
Facultad de Ingeniería Eléctrica
Departamento de Telecomunicaciones y Telemática
PROPUESTA DE EVALUACIÓN DE LA CALIDAD DE EXPERIENCIA (QoE) EN SERVICIOS
OVER THE TOP (OTT)
Trabajo de Diploma para optar por el Título Académico de Ingeniero en Telecomunicaciones y Electrónica
Autores: Adrián Haro González Yoel Silva Gari
Tutores: Dra. C. Caridad Anías CalderónMsC. Luis Enrique Conde del Oso
La Habana2016
I
AGRADECIMIENTOSAgradecemos, por la gran ayuda brindada, por permitirnos trabajar junto a ellos, por sus
consejos y exigencias y por toda la atención prestada, a nuestros tutores el Msc. Ing. Luis
Enrique Conde del Oso y la Dra. Ing. Caridad Anías Calderón.
A Iriam, Yeinny, Pepe, Claudia, Hansel y María, de la Dirección de Planeamiento
Estratégico de ETECSA, por la atención y ayuda brindada.
A las muchachas del centro de información de la DCDT de ETECSA, por la atención
prestada.
A todos aquellos que, de una forma u otra, han contribuido a la realización de este trabajo
de diploma.
Adrián y Yoel
En especial a mi mamá y mis abuelas, las mejores del mundo, por el amor y la
preocupación durante todos estos años, sin ustedes no hubiese llegado hasta aquí.
A mi hermano, que aunque peleemos mucho, nos queremos con la vida.
A mi novia Claudia, por estos cinco años juntos, por quererme y ayudarme en todo.
A mis grandes amigos: Julio, Darién y Urrutia, ustedes son lo máximo.
A mi amiga Yunia (la flaqui), gracias a ti, estos últimos seis meses en el MTC han sido
muy divertidos.
Adrián
A toda mi familia, por el amor y el cariño a lo largo de todos estos años.
Yoel
II
DECLARACIÓN DE AUTORÍA
Los autores de este trabajo de diploma declaran que el presente constituye el
resultado de su propio trabajo y esfuerzo. Las ideas tomadas de otros
documentos han sido correctamente referenciadas mediante la bibliografía
empleada, de acuerdo con la política internacional establecida para esto. Por
cuanto, se autoriza al Departamento de Telecomunicaciones y Telemática del
“Instituto Superior Politécnico José Antonio Echevarría” y a ETECSA, a que
utilicen el mismo para los fines que estimen conveniente, con la debida referencia
a su autora.
Para que así conste, firman la presente:
____________________ ______________________Adrián Haro González Yoel Silva Gari
__________________________ _________________________Dra. C. Caridad Anías Calderón MsC. Luis E. Conde del Oso
III
RESUMENLa gran demanda que presentan actualmente los servicios OTT de video streaming y los
altos requerimientos de calidad exigidos por los usuarios, han impuesto a los proveedores
de estos servicios la tarea de definir y aplicar nuevos mecanismos para conocer cómo los
usuarios perciben la calidad de sus servicios. Las nuevas características que presenta el
streaming de video en los servicios OTT, entre ellas el empleo del streaming adaptativo y
del estándar MPEG-DASH, suponen un cambio de filosofía en comparación con otras
técnicas de streaming más tradicionales, por lo que se requieren nuevos métodos para la
estimación de la QoE, que tengan en cuenta a la vez, todos los componentes que
intervienen en el servicio de extremo a extremo. En este trabajo de diploma se abordan
los principales aspectos relacionados con los servicios OTT, particularmente los de video
streaming, la QoS y la QoE. Además se realiza una propuesta para la estimación de la
calidad percibida por los usuarios de los servicios OTT de video streaming. Finalmente se
implementa una plataforma de prueba para validar la propuesta realizada y arribar a
conclusiones acerca del impacto de los cambios ocurridos en la red sobre la calidad
percibida por el usuario final en un servicio de video streaming, con el empleo del
estándar MPEG-DASH.
IV
ABSTRACTThe OTT video streaming´s services present a high demand and quality´s high
requirement by the user. This has imposed to service´s provided the task to define and
apply new mechanisms to know how the user perceive their service´s quality. The new
presents characteristic in the OTT video streaming´s services, among themselves,
adaptive streaming and mpeg-dash standard, it involves a philosophic change compared
with the other traditional streaming techniques. This require new methods to estimate
QoE, they should include all components of end-to-end´s service. This paper aboard the
principal aspects related with OTT video streaming´s services, QoS and QoE. Beside is
realized a proposed for estimating the quality perceived by the users. Finally is
implemented a platform of prove to validate the realized propose and to get conclusion
about occurred change impact in the network concerning the quality perceived by the final
user.
V
ÍNDICE
AGRADECIMIENTOS....................................................................................................................II
DECLARACIÓN DE AUTORÍA....................................................................................................III
RESUMEN..................................................................................................................................... IV
ABSTRACT.....................................................................................................................................V
ÍNDICE............................................................................................................................................VI
INTRODUCCIÓN............................................................................................................................1
Capítulo 1........................................................................................................................................4
Servicios OTT, QoS y QoE...........................................................................................................4
1.1 Introducción.....................................................................................................................5
1.2 Servicios Over The Top......................................................................................................5
1.2.1 Efecto de los OTT sobre los servicios tradicionales de los operadores de telecomunicaciones................................................................................................................7
1.2.2 Penetración de los servicios OTT en el mundo, en América Latina y en Cuba. . .9
1.3 Servicios de video streaming........................................................................................12
1.3 QoS......................................................................................................................................19
1.3.1 Parámetros de QoS....................................................................................................19
1.3.2 Mecanismos para lograr QoS...................................................................................20
1.4 QoE......................................................................................................................................25
1.4.1 Sistemas y métodos de evaluación de QoE...........................................................28
1.5 Conclusiones......................................................................................................................36
Capítulo 2......................................................................................................................................38
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming.......................................................................................................................................38
2.1 Introducción........................................................................................................................39
2.2 Condiciones de partida para la evaluación de QoE en servicios OTT.......................39
2.3 Elementos a tener en cuenta para el desarrollo de la propuesta................................42
2.4 Planteamiento general del método propuesto...............................................................44
2.4.1 Escalas de calidad empleadas..................................................................................45
2.5 Selección de los modelos objetivos para conformar la propuesta..............................46
2.6 Modelo matemático...........................................................................................................52
2.7 Conclusiones......................................................................................................................52
VI
Capítulo 3......................................................................................................................................54
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming.......................................................................................................................................54
3.1 Introducción........................................................................................................................55
3.2 Características y componentes de la plataforma de prueba de un servicio OTT de video streaming.........................................................................................................................55
3.2.1 Preparación del contenido.........................................................................................55
3.2.2 Escenario de pruebas................................................................................................58
3.3 Evaluación del impacto de los disturbios existentes en la red sobre la QoE del servicio OTT de video streaming............................................................................................61
3.4 Validación de la propuesta...............................................................................................64
3.5 Conclusiones......................................................................................................................67
CONCLUSIONES.........................................................................................................................68
RECOMENDACIONES................................................................................................................69
REFERENCIAS BIBLIOGRÁFICAS..........................................................................................70
BIBLIOGRAFÍA.............................................................................................................................73
SIGLARIO......................................................................................................................................81
ANEXOS........................................................................................................................................85
VII
ÍNDICE DE TABLAS
Tabla 2.1 Comparación de las soluciones existentes de streaming adaptativo................41
Tabla 2.2 Principales indicadores para evaluar la QoE de los servicios OTT de video
streaming y factores que en ellos influyen.........................................................................44
Tabla 2 3 Cuadro comparativo de los métodos objetivos de evaluación de la QoE
estudiados..........................................................................................................................47
Tabla 2.4 Valores de los coeficientes del modelo.............................................................49
Tabla 2 5 Valores de los coeficientes................................................................................50
Tabla 3 1 Niveles de calidad empleados en la preparación de contenido MPEG-DASH 56
Tabla 3.2 Elementos del escenario de simulación...................................................................59
Tabla 3.3 Valores de los parámetros de red simulados en la plataforma de prueba..........62
Tabla 3.4 Tiempos de inicialización del video..........................................................................63
Tabla 3 5 Tiempos de rebuffering del video..............................................................................63
Tabla 3.6 Características de las secuencias de video empleadas........................................65
Tabla 3.7 Características de las secuencias de video empleadas (continuación)..............65
Tabla 3.8 Resultados obtenidos en el proceso de validación de la propuesta....................66
VIII
ÍNDICE DE FIGURAS
Figura 1 1 Dispositivos de acceso a contenidos OTT [1].....................................................6
Figura 1.2 Propuestas de servicios OTT..............................................................................7
Figura 1.3 Tráfico de los usuarios por Internet: 2011-2016 [3]............................................8
Figura 1.4 Porciento de clientes de Internet que utilizan servicios OTT [6].......................10
Figura 1.5 Evolución de la cantidad de usuarios de servicios de video a demanda por
suscripción en América Latina...........................................................................................11
Figura 1.6 Transmisión de los flujos de paquetes en unicast y multicast..........................12
Figura 1.7 Esquema de modelos de FR, RR y NR [40]....................................................31
Figura 2.1 Método general para la estimación de la QoE de servicios OTT de video streaming.......................................................................................................................................45
Figura 3.1 Escenario de simulación...................................................................................59
ÍNDICE DE GRÁFICASGráfica 3.1 Valores de QoE en función de los parámetros de QoS......................................63
IX
INTRODUCCIÓNLas transformaciones ocurridas durante los últimos años en las telecomunicaciones, han
permitido que hoy en día gran parte de la población mundial sea capaz de estar
conectada en cualquier momento y lugar, provocando que los hábitos y formas de
interactuar con el entorno, se hayan visto influenciados de forma significativa.
Un elemento clave en los últimos años ha sido el surgimiento de nuevos equipos
terminales que han posibilitado el disfrute de servicios de banda ancha móviles y, por
tanto, el desarrollo de todo tipo de servicios basados en la localización del usuario.
La masificación de Internet y las redes de banda ancha, la evolución y convergencia de
las redes de los operadores en torno a IP a través de tecnologías como 3G, 4G/LTE en
las redes móviles y ADSL2+, FTTH/GPON en las redes fijas, están permitiendo irrumpir
con fuerza, en el área de los servicios de telecomunicaciones, a las aplicaciones
desarrolladas por “start-up” del mundo Internet, las conocidas como OTT (Over-The-Top).
Los servicios que ofrecen las aplicaciones OTT presentan variadas propuestas que
abarcan prácticamente todas las áreas de la vida social, como el entretenimiento, la
comunicación, la salud, la educación, entre muchas otras, destacando entre ellos los
servicios de video.
Aunque la transmisión de video streaming sobre Internet es un servicio muy atractivo y
demandado actualmente en la vida diaria, representa grandes desafíos, debido a que
Internet no proporciona garantía en cuanto a la calidad del servicio que el usuario final
percibe.
El crecimiento actual de los servicios OTT de video streaming podrá, en determinado
momento, generar congestión, degradación en los servicios que presten los proveedores
de servicio y, por ende, insatisfacción en el usuario final. Los contenidos multimedia,
entregados a través de redes de telecomunicaciones, experimentan varios tipos de
distorsiones o degradaciones durante los procesos de adquisición, compresión,
procesamiento, transmisión y reproducción. Uno de los factores claves en el éxito de un
sistema o servicio multimedia es lograr que la calidad de la experiencia percibida por el
usuario resulte aceptable.
Por lo anterior, los proveedores de servicios, para garantizar que los servicios funcionen
de manera óptima, ahora trabajan en dos frentes: uno de ellos, ofrecer Calidad de
Servicio (QoS, por las siglas en inglés de Quality of Service) en las redes de núcleo; el
1
otro frente es estar de manera constante realizando medidas sobre la Calidad de
Experiencia (QoE, por las siglas en inglés de Quality of Experience).
Es común que se confundan las terminologías QoE y QoS, sin embargo, hay una
distinción clara sobre ambos conceptos teniendo en cuenta la perspectiva desde la que
se analiza cada una; QoE, desde el punto de vista del usuario final y QoS, desde el punto
de vista de las prestaciones de la red.
Conocer cómo los usuarios de los servicios OTT de video streaming perciben la calidad
de los mismos permitirá tanto a los proveedores del servicio como a los operadores de
telecomunicaciones mejorar de manera eficaz y rentable los servicios brindados y de esta
forma mantener la fidelidad de los clientes y la competitividad en el mercado.
La situación problemática explicada anteriormente conlleva al siguiente problema a resolver: ¿Cómo conocer la calidad de experiencia percibida por los usuarios en
servicios OTT de video streaming?
Para dar solución a dicho problema, se consideró como objeto de estudio los servicios
de telecomunicaciones de multimedia y como campo de acción la calidad de experiencia
en servicios OTT de video.
El objetivo de este trabajo de diploma es proponer un método que permita estimar la
QoE en los servicios OTT de video streaming.
Las tareas que se llevaron a cabo para dar cumplimiento a dicho objetivo fueron las
siguientes:
1. Investigar el estado actual de los servicios OTT en el mundo y en específico en
América Latina.
2. Estudiar la bibliografía referente a la QoS y QoE en servicios multimedia, los
estándares existentes para la implementación de este tipo de servicio y las
soluciones, libres y propietarias, de los softwares empleados como servidores y/o
clientes multimedia.
3. Estudiar las experiencias obtenidas en la evaluación de la QoE de los servicios de
IPTV.
4. Proponer un método para estimar la QoE en los servicios OTT de video streaming.
5. Realizar experimentos y simulaciones a partir del diseño de posibles escenarios.
6. Validar la propuesta a partir de los resultados obtenidos en las pruebas realizadas.
Este documento, que describe las principales características y resultados del trabajo de
diploma, se compone de tres capítulos, además de la introducción, conclusiones,
2
recomendaciones, referencias bibliográficas, bibliografía, siglario y anexos. Los
principales aspectos abordados en cada capítulo son:
Capítulo 1 “Servicios OTT, QoS y QoE.”: Se analiza el desarrollo alcanzado por los
servicios Over The Top, el efecto que causan sobre los servicios tradicionales de los
operadores de telecomunicaciones y su penetración en el mundo, América Latina y Cuba.
Se presta especial atención a los servicios OTT de video streaming y los protocolos y
tecnologías que emplean, por ser de interés particular para esta tesis. Además se trata el
concepto de Calidad de Servicio, sus principales parámetros y los mecanismos que
permiten lograrla. También se aborda el concepto de Calidad de Experiencia y los
principales sistemas y métodos existentes para su evaluación.
Capítulo 2 “Propuesta de un método para la estimación de la QoE en servicios Over the
Top”: Se describen las condiciones en que se desarrollan los servicios OTT de video
streaming y, a partir de ello, se definen los principales aspectos que afectan la percepción
del usuario de dicho servicios. Posteriormente, se realiza la propuesta del método para
evaluar la QoE de los servicios OTT de video streaming y se explican cada uno de los
modelos seleccionados para conformar dicha propuesta, justificando el porqué de su
selección.
Capítulo 3 “Implementación de la propuesta para la estimación de la QoE en servicios
OTT de video streaming”: Se aplica la propuesta realizada para la estimación de la QoE
en servicios OTT de video streaming, para lo cual, se implementa una plataforma de
prueba, con características y condiciones similares a las de un servicio de este tipo. Lo
anterior permite el desarrollo de un conjunto de pruebas, cuyo propósito es evaluar el
impacto que causan los disturbios existentes en una red, sobre la calidad percibida por
los usuarios. Finalmente se valida el método propuesto para la estimación de la QoE en
servicios OTT de video streaming a partir de los resultados obtenidos en las pruebas
realizadas.
3
Capítulo 1Servicios OTT, QoS y QoE
4
Servicios OTT, QoS y QoE
1.1 Introducción
En el presente capítulo se analiza el desarrollo alcanzado por los servicios Over The Top,
el efecto que estos causan sobre los servicios que tradicionalmente ofrecen los
operadores de telecomunicaciones, así como la penetración que poseen en el mundo, en
América Latina y en Cuba. Se presta especial atención a los servicios OTT de video
streaming y a los protocolos y tecnologías que estos emplean, por ser de interés
particular para esta tesis. Además, se trata el concepto de Calidad de Servicio, sus
principales parámetros y los mecanismos que permiten lograrla. También se aborda el
concepto de Calidad de Experiencia y los principales sistemas y métodos existentes para
su evaluación.
1.2 Servicios Over The Top
Los OTT son servicios de video, audio, voz o datos que se transmiten a través de
Internet, empleando las redes fijas o móviles y no directamente por un operador de
telecomunicaciones. El proveedor de comunicaciones controla el tráfico gestionado por
su red, pero no es responsable ni controla las capacidades del sistema de distribución del
contenido en sí. En contraposición a los servicios IP que prestan y gestionan los
operadores usando canales dedicados, normalmente, con una calidad garantizada. Una
de las principales novedades de los servicios OTT, es que el consumidor puede acceder
a los mismos a través de cualquier dispositivo, desde cualquier sitio y sobre cualquier red.
Resulta importante aclarar que para poder disfrutar de los servicios OTT existen dos
requerimientos: contar con un dispositivo compatible, y lo más importante, contar con una
conexión a Internet. Respecto al primer requerimiento, puede verse en la figura 1.1 que,
en el 2014, los principales medios de acceso a contenidos digitales eran las
computadoras, las cuales utilizaron el 80% de los usuarios que acceden a estos servicios.
Sin embargo, el creciente acceso a otro tipo de tecnologías de acceso ha permitido que a
la fecha los consumidores también utilicen frecuentemente otros medios, como teléfonos
inteligentes (Smartphones) o tabletas (Tablets). La penetración en el mercado de estos
dispositivos ha supuesto una verdadera revolución, que ha provocado cambios en los
comportamientos cotidianos de las personas.
Los servicios OTT actualmente tienen una gran demanda en el mercado mundial, pues
abarcan prácticamente todas las esferas de la sociedad, destacándose los servicios de
comunicaciones (voz y mensajería), las redes sociales, la música y el vídeo. Existen OTT
con impacto social cada vez mayor en el sector del comercio y el entretenimiento.
5
Servicios OTT, QoS y QoE
Los servicios de voz fueron posiblemente uno de los primeros servicios OTT en
desarrollarse y consolidarse en el mercado, su principal aportación era la posibilidad de
establecer llamadas “sin costo” utilizando la red de datos. Para ello, es únicamente
necesario contar con la misma aplicación en el receptor y estar ambos conectados a
Internet. Aplicaciones como Skype, Viber o Tango son líderes de este mercado
ofreciendo contenidos extra como video llamadas o tele presencia.
Figura 1 1 Dispositivos de acceso a contenidos OTT [1]
Otras de las propuestas OTT son los servicios de mensajería, que se presentan como
alternativa a los servicios de mensajes cortos (SMS, por sus siglas en inglés de Short
Message Service) o el sistema de mensajería multimedia (MMS, por sus siglas en inglés
de Multimedia Messaging System) prestados por un operador de red móvil. En particular
WhatsApp se encuentra fuertemente enfocada a intercambiar mensajes de texto en
Internet empleando smartphones conectados. Esta empresa, fundada en el año 2009 fue
adquirida por Facebook en 2014 por aproximadamente16 mil millones de dólares, ahora
tiene más de 600 millones de usuarios activos y también proporciona servicios OTT de
llamadas de voz [2].
Actualmente hay dos tipos de soluciones basadas en OTT que soportan el mercado
musical en Internet: la compra de contenido en línea y el streaming en línea, donde dos
soluciones son referentes, iTunes y Spotify respectivamente.
De todos los servicios OTT que existen en el mercado los de mayor demanda son los de
video. Actualmente el intercambio de videos clips y el consumo de series y películas en
streaming forma parte de la rutina de la mayoría de los usuarios de Internet y representa
6
Servicios OTT, QoS y QoE
una parte importante del tráfico de las redes de datos de los operadores. En este ámbito
destacan YouTube y Netflix.
La figura 1.2 resume las principales propuestas OTT existentes en el mercado y algunos
de sus proveedores más destacados.
Figura 1.2 Propuestas de servicios OTT.
1.2.1 Efecto de los OTT sobre los servicios tradicionales de los operadores de telecomunicaciones
Los servicios OTT se presentan como una amenaza para los operadores de
telecomunicaciones, pues los clientes se abstienen de utilizar los servicios tradicionales
de telecomunicaciones o la TV paga para utilizar servicios similares provistos por sitios
web o aplicaciones instaladas en un Smartphone. Del mismo modo, los servicios OTT
ocasionan una fuerte presión en el tráfico de redes de los operadores de
7
Servicios OTT, QoS y QoE
telecomunicaciones, en especial el tráfico de video. En la figura 1.3 se observa el alto
tráfico por Internet que ocasionan estos servicios.
Figura 1.3 Tráfico de los usuarios por Internet: 2011-2016 [3]
Generalmente, la calidad de conexión de un servicio IP de un operador es mejor que las
de los servicios OTT. No obstante, no todos los servicios que se prestan sobre Internet
requieren la misma calidad en la conexión. Los servicios en tiempo real y los que
requieren la transferencia de una gran cantidad de información son los que más se ven
afectados, como, por ejemplo, los servicios audiovisuales de emisión directa en tiempo
real. Por ello, en algunos casos, las diferencias de calidad entre los servicios tradicionales
y los OTT no pesan demasiado en la elección de los usuarios, especialmente si los
segundos se prestan de modo gratuito o a precios muy reducidos respecto de los
primeros.
Para los servicios de voz, existe una serie de aplicaciones sustitutas que permiten
realizar llamadas mediante VoIP (gratis o a un bajo precio). Además, el empleo de
mensajería SMS por parte de los usuarios se ha visto muy afectada con la aparición de
las aplicaciones de mensajería OTT. También existen sitios que brindan al usuario la
posibilidad de escoger a demanda, cuando lo deseen, los contenidos audiovisuales de su
preferencia, sin necesidad de regirse por los horarios y programaciones de los
proveedores tradicionales de TV.
Una posible reacción de los operadores de telecomunicaciones con respecto a los
servicios OTT podría ser bloquearlos o regular el tráfico dirigido a los proveedores de
servicios OTT. Sin embargo, esto podría molestar a los consumidores y causar
preocupaciones sobre la reglamentación en lo concerniente a la neutralidad de la red.
Otra posible medida de los operadores de telecomunicaciones podría ser reducir los
precios de sus servicios para hacerlos más atractivos frente a la competencia OTT. Aun
así, los descuentos de precios consideran las características innovadoras de los servicios
8
Servicios OTT, QoS y QoE
OTT que los consumidores aprecian, y podrían no surtir efecto en el incremento de los
ingresos.
Los operadores de telecomunicaciones han aplicado estrategias efectivas para lidiar con
el impacto que provoca sobre sus servicios tradicionales, el empleo de las propuestas
OTT existentes en el mercado. Estas estrategias están relacionadas tanto con la
modernización de los servicios de telecomunicación tradicionales para que sean más
atractivos, como con el aprovechamiento del modelo OTT. Adicionalmente los operadores
pueden tener sus propias ofertas OTT, lo cual permite fortalecer las relaciones con sus
clientes actuales, ingresar a nuevos mercados y conquistar nuevos clientes.
1.2.2 Penetración de los servicios OTT en el mundo, en América Latina y en Cuba
El éxito mundial de los servicios OTT entre los consumidores ha sido abrumador. Los
proveedores de servicios OTT han alcanzado en poco tiempo el 10% de los ingresos de
la industria de las telecomunicaciones, según el análisis realizado por Ernst & Young, S.L
(EY) [4]. Un gran porciento de los clientes de Internet a nivel mundial utiliza servicios
OTT, como puede apreciarse en la figura 1.4.
Para dar una idea de lo antes mencionado, en 2013, Skype era responsable de
aproximadamente 214 billones de minutos de llamadas internacionales (desde una
aplicación Skype a otra), alcanzando casi el 40% de todo el tráfico convencional del
mercado internacional de telecomunicaciones y continúa en ascenso. En el mismo año, el
tráfico mundial anual de mensajes SMS tradicionales fue de unos 8.6 trillones de
mensajes, muy inferior frente a los 18.3 trillones de mensajes enviados por aplicaciones
OTT, cifra que se esperaba duplicar para el año 2014. En enero de 2015, WhatsApp
contaba con 700 millones de usuarios activos mensualmente alrededor del mundo,
seguido por Line, con poco más de medio billón [5].
9
Servicios OTT, QoS y QoE
Figura 1.4 Porciento de clientes de Internet que utilizan servicios OTT [6].
Según el documento The OTT Playbook: Keys to Building Momentum [7], actualmente
más de mil 600 millones de personas alrededor del mundo consumen video en línea en
diversos dispositivos conectados, lo que constituye el 20 por ciento de la población total.
Se estima que esta población accede a 900 millones de programas, películas y series en
línea.
Se podría esperar que la adopción de servicios OTT sea baja en América Latina y el
Caribe, debido al menor empleo de las tecnologías OTT en comparación con las regiones
más desarrolladas. Sin embargo, en dos de los servicios más exitosos de las redes
sociales, Facebook y Twitter, esta región está a la vanguardia, pues la penetración de
Facebook duplica la media mundial y la de Twitter está próxima a la media[8]. ABI
Research ha descubierto que la cantidad de mensajes de SMS enviados por suscriptores
en América Latina bajó en 5.8% en el primer trimestre de 2012 en comparación con el
trimestre anterior, debido a las aplicaciones de mensajería OTT. Skype, el mayor
proveedor de servicio de larga distancia del mundo que representa un cuarto del tráfico
internacional total a nivel mundial, está presente de manera activa en América Latina,
donde se estima que cuenta con más de 20 millones de usuarios. En cuanto a los
servicios de video, la amenaza OTT parece inofensiva hasta el momento. Se estima que
Netflix cuenta en América Latina con casi 6 millones de usuarios, lo que no es
significativo en comparación con los casi 50 millones de suscriptores de pago por TV (pay
TV) existente, sin embargo, la cantidad de usuarios de servicios de video a demanda por
suscripción (S-VoD, por las siglas en inglés de Suscriber Video on Demand) presenta un
alto crecimiento en los últimos años, como muestra la figura 1.5.
10
Servicios OTT, QoS y QoE
Figura 1.5 Evolución de la cantidad de usuarios de servicios de video a demanda por suscripción en América Latina
De acuerdo con cifras de la Comisión Económica para América Latina y el Caribe
(Cepal), en un segundo en Internet se descargan más de 1,700 aplicaciones. Esto llevó a
que a finales de 2014 un usuario promedio contara con alrededor de 60 aplicaciones. En
el mismo lapso de tiempo, se realizan más de 44,000 búsquedas en Google, las llamadas
por Skype superan las 1,700 y se envían alrededor de dos millones de correos
electrónicos, unos 300,000 mensajes a través de WhatsApp y más de 8,500 “twitts”.
Asimismo se efectúan más de 1,800 publicaciones en Tumblr y 50,000 en Facebook, se
suben casi 2,000 fotografías a Internet, se ven alrededor de 98,000 videos en YouTube y
se consumen 655 horas de video en Netflix [9].
Esta tendencia de emplear aplicaciones y servicios de proveedores OTT también está
actualmente evidenciándose en Cuba. A partir del año 2015, gran cantidad de usuarios,
utilizando los espacios públicos WiFi realizan videollamadas con la aplicación IMO,
utilizan redes sociales como Facebook y hacen descargas o streaming de videos en
YouTube.
Los servicios OTT de video streaming son los que mayor impacto ocasionan en las redes
de los operadores de telecomunicaciones, por su gran demanda y por los elevados
recursos de red que consumen. Por ello la investigación realizada en este trabajo se
enfoca a este tipo de servicios OTT.
11
Servicios OTT, QoS y QoE
1.3 Servicios de video streaming
Durante los últimos años la influencia con mayor uso en Internet ha sido el video
streaming. Los usuarios han desarrollado un gran interés por el consumo en línea de
contenidos multimedia empleando diversos dispositivos. Los servicios OTT de video
streaming se presentan como una alternativa viable para la transmisión de contenidos
multimedia de interés en el entretenimiento, la educación y la salud, creando, además
nuevas oportunidades de desarrollo y negocios tanto para las empresas generadoras de
contenido como para las proveedoras del servicio.
Video streaming es el proceso de transportar video a través de una red a un dispositivo
para su visualización inmediata [10]. Es un sistema de distribución, que se caracteriza por
la visualización de contenidos mientras todavía se están descargando los mismos [11].
Esto se logra a través de la existencia de un buffer en la parte del cliente que se va
llenando de la información descargada, la cual se va reproduciendo en el dispositivo
terminal [12]. La idea es “replicar” una emisión típica de televisión y su principal ventaja
con respecto a los servicios de descarga pura radica en que no es necesario esperar la
descarga total del video para comenzar a visualizarlo [13].
El proceso de streaming se puede dividir en dos categorías principales, en función de las
características técnicas del servicio: Unicast y Multicast. En la figura 1.6 se puede
observar cómo ocurre la transmisión de los flujos de paquetes para cada una de estas
categorías.
Figura 1.6 Transmisión de los flujos de paquetes en unicast y multicast
El servicio de video streaming en multicast envía una única señal de video
simultáneamente del servidor a muchos clientes. Todos los usuarios obtienen la misma
señal a la misma vez. A través del uso de protocolos especiales, la red se encarga de
hacer copias del flujo de video para cada destino. El usuario no posee el control, por lo
que no puede realizar las acciones de posicionamiento, paro, retroceso o avance rápido
entre otras, pero si puede parar el video y volverse a conectar a la emisión. Un cliente
12
Servicios OTT, QoS y QoE
puede unirse o abandonar un grupo multicast cuando desee. Cada grupo es identificado
por un conjunto de direcciones. El protocolo de gestión de grupos de internet (IGMP, por
sus siglas en inglés de Internet Group Management Protocol) en IPv4 y MLD en IPv6 son
los protocolos empleados para la unión y abandono dinámico de los clientes a un grupo
multicast [14].
Uno de los servicios OTT de video streaming que emplea la transmisión multicast es el
conocido como streaming en directo o live streaming que se refiere típicamente a un flujo
o transmisión continua directo de un evento (en vivo). Las imágenes y el sonido son
digitalizados y retransmitidos en tiempo real. En este caso, los usuarios pueden seguir el
desarrollo de un evento en el mismo momento que éste se está produciendo. Para poder
efectuar este tipo de transmisión no es suficiente con disponer de un servidor de
streaming, sino que también es necesario un equipo que realice el proceso de captura y
compresión en tiempo real.
Por su parte el esquema de entrega unicast ofrece un camino uno a uno entre el servidor
y cada cliente. Es una buena opción para recibir transmisiones en tiempo real, pero tiene
sus desventajas. En todos los casos, el servidor tiene que enviar un paquete tantas veces
como número de clientes hayan solicitado el mismo, y, de manera similar, un nodo de red
entre el cliente y el servidor tiene que ver pasar el mismo paquete varias veces. Por
supuesto esto reduce la eficiencia en el uso de la red [15]. Un beneficio importante del
unicast es que cada usuario puede obtener un flujo de video a la medida, esto permite
ofrecer funciones especializadas de video como pausa, avance y retroceso.
Los servicios OTT de video bajo demanda (VoD, por sus siglas en inglés) de Video on
Demand emplean la transmisión unicast para el streaming de video. VoD es un sistema
que permite a los usuarios acceder a contenidos multimedia de forma personalizada a
través de Internet ofreciéndoles, de este modo, la posibilidad de solicitar y visualizar una
película, serie o programa concreto cuando lo desee, sin necesidad de que se esté
transmitiendo en ese momento en algún canal de televisión. Es decir, es un contenido
que se encuentra almacenado en la red del proveedor de este servicio y a la que el
usuario puede acceder siempre que disponga de acceso a Internet [15].
1.3.1 Protocolos y tecnologías que se emplean
Los servicios tradicionales de streaming de video emplean para el transporte de los
paquetes sobre la red, el protocolo de datagrama de usuario (UDP, por sus siglas en
inglés de User Datagram Protocol) y el protocolo de tiempo real (RTP por sus siglas en
inglés Real Time Protocol). UDP posee características que permiten hacer streaming de
13
Servicios OTT, QoS y QoE
forma factible. Se puede destacar, por ejemplo, la posibilidad de transmitir el contenido de
manera continua, dado que, a diferencia del protocolo de control de transmisión (TCP por
sus siglas en inglés de Transmission Control Protocol), no admite retransmisión, y el
brindar chequeo a los datos enviados a partir de la suma de verificación contenida en el
propio protocolo. Por otra parte, RTP, también un protocolo de nivel de transporte y
dedicado a los flujos de aplicaciones en tiempo real, se encarga básicamente de la
sincronización de este tipo de contenidos mientras está siendo transmitido en la red. En
sí mismo RTP no asegura la entrega a tiempo de los datos, pero sí, por ejemplo, prioriza
que en una secuencia de video se encuentren sincronizados el audio y las imágenes que
contiene junto con subtítulos u otro agregado que admita el contenedor utilizado en la
codificación. Como complemento de RTP se utiliza el protocolo de control en tiempo real
(RTCP por sus siglas en inglés de (Real Time Control Protocol), cuyo objetivo
fundamental es controlar la calidad de los datos multimedia a través de la transmisión
continua de paquetes de control utilizando los mecanismos de distribución brindados por
RTP. Además, se hace uso del protocolo de streaming en tiempo real (RTSP por sus
siglas en ingles Real Time Streaming Protocol), a nivel de aplicación utilizado
especialmente en servicios de streaming que permite a los usuarios el control directo en
la reproducción del contenido enviado desde el servidor, empleando determinados
comandos como pueden ser PLAY, PAUSE, SETUP y TEARDOWN.
Por su parte los proveedores OTT de servicios multimedia fundamentalmente emplean
para la entrega de contenido de audio y video, el protocolo de transferencia hipertexto
(HTTP por sus siglas en inglés The Hypertext Transfer Protocol) que funciona sobre TCP
como protocolo de transporte. Los factores que han influido en ello son entre otros el
hecho de que la propia infraestructura de Internet está preparada para soportar de
manera eficiente HTTP y la mayoría de los firewalls están configurados para permitir el
paso de este tipo de tráfico. Además, a través de una conexión HTTP el cliente puede
controlar el flujo que recibe sin necesidad de mantener un estado de sesión en el
servidor. El streaming sobre HTTP tiene la ventaja de poder brindar a un gran número de
clientes el mismo flujo sin imponer un costo adicional para el servidor [16].
Debido a estas ventajas han surgido diversas formas de realizar streaming utilizando
HTTP que han alcanzado un gran despliegue comercial. Adicionalmente se le han
incluido mejoras con una buena aceptación en la calidad como es, por ejemplo, el uso de
la técnica de streaming adaptativo, con la cual se diferencia la calidad del contenido que
se va a reproducir en función del ancho de banda disponible y la capacidad de los
procesadores en los extremos receptores, teniendo en cuenta parámetros como la tasa
de bits.
14
Servicios OTT, QoS y QoE
Actualmente existen algunas soluciones que emplean el streaming adaptativo, como son
Smooth Streaming de Microsoft, HTTP Live Streaming de Apple y HTTP Dynamic
Streaming de Adobe y Dynamic Adaptative Streaming over HTTP (MPEG-DASH). La
tecnología MPEG-DASH se convirtió en un Proyecto de Norma Internacional en enero de
2011, y una Norma Internacional en noviembre de 2011.La norma MPEG- DASH fue
publicada como ISO / IEC 23009-1:2012, en abril de 2012 y revisada en mayo del 2014
como ISO / IEC 23009- 1:2014 [17]. A continuación, se explican las principales
características de cada una de las soluciones de streaming adaptativo antes
mencionadas.
Microsoft Smooth StreamingComo se mencionó antes, Smooth Streaming es la implementación de Microsoft de la
tecnología de streaming adaptativo que permite la entrega de contenido multimedia
basada en la web, a través del protocolo HTTP. En lugar de hacer llegar el contenido
como una descarga completa del archivo, o como flujos persistentes, este es recibido en
el cliente como una serie de fragmentos en formato MPEG-4 que pueden ser
almacenados en servidores frontera. En condiciones de cambio en la red (por ejemplo
decremento de ancho de banda) o afectación del procesamiento de video por otra
aplicación que se esté ejecutando, el cliente puede solicitar inmediatamente los próximos
fragmentos de flujo codificado con una tasa de bits diferente que se acomode a las
condiciones de cambio[18].
Un archivo que se transmite con Smooth Streaming, contiene, además de otros
elementos que pudieran añadirse, una declaración por parte del servidor de las tasas de
bits de audio y vídeo disponibles, de la resolución para cada contenido y de la duración
de cada fragmento. Una vez que el reproductor conozca esta declaración, genera
solicitudes HTTP sucesivas de fragmentos de audio y vídeo. En cada petición HTTP, el
reproductor solicita el nombre del contenido, la tasa de bits requerida, y una marca de
tiempo que apunta al principio del fragmento correspondiente. Esta marca de tiempo se
determina utilizando la información proporcionada por los fragmentos[19].
Un reproductor que soporte Smooth Streaming mantiene dos conexiones TCP con el
servidor, una para transferir los fragmentos de audio y la otra para los fragmentos de
vídeo. Estas conexiones en determinadas condiciones pueden conmutar, proceso que
resulta transparente para el usuario. De esta forma, en cualquier instante de tiempo,
ambas tienen la oportunidad de transferir los dos tipos de fragmentos sin quedar inactiva
por largos períodos de tiempo. Así se logra mantener estable el servidor y se evita el
reinicio lento luego de una posible caída.
15
Servicios OTT, QoS y QoE
El reproductor puede interrumpir una conexión TCP y abrir una nueva cuando la calidad
de la primera es de muy bajo rendimiento o cuando el usuario da un salto intencional a un
punto diferente del flujo. Es este caso, además de interrumpir la conexión, si existe, y
abre otra con la solicitud de los nuevos fragmentos.
Apple HTTP Live Streaming
La solución HTTP Live Streaming está conformada por tres componentes: servidor,
existencia de distribución y software de cliente. En el servidor se toman los flujos de
entrada de los contenidos multimedia a transmitir, se codifican digitalmente y luego se
encapsulan en el contenedor adecuado para ser entregados al sistema de distribución.
Este sistema se compone de servidores Web estándar responsables de recibir y aceptar
las solicitudes de los clientes y de entregarles los contenidos de acuerdo a los recursos
con que cuenten. Las plataformas NGN permiten la distribución de contenidos multimedia
a gran escala debido a los recursos que posee, sin embargo, en este contexto se están
haciendo cada vez más populares las CDN.
Por su parte el software cliente es responsable de determinar los recursos adecuados
para solicitar la descarga de los contenidos, y de conformar los fragmentos que se
reciben, de manera tal que el usuario lo perciba como un flujo continuo. Este software de
cliente se encuentra incluido en el sistema operativo de Apple iOS 3.0 y en otros sistemas
que tengan instalado el navegador Safari con la versión 4.0 o superior
Típicamente, un codificador hardware toma la entrada de audio-video, la codifica en
H.264-ACC respectivamente y entrega un flujo MPEG-2 Transport Stream (MPEG-2TS),
el cual es dividido pequeños archivos multimedia a través de un software segmentador de
flujos. Estos archivos son ubicados en un servidor web, donde el segmentador crea y
mantiene un índice que contiene una lista de archivos multimedia. La dirección de este
índice es publicada en el servidor web, para permitir al software cliente leer y solicitar
archivos de la lista y reproducirlos según el orden en que se encuentre sin pausas o
interrupciones entre segmentos [20].
Adobe HTTP Dynamic Streaming
HTTP Dynamic Streaming es otra de las soluciones de streaming adaptativo para la
entrega de contenidos multimedia. Semejante a las anteriores soluciones, se basa en el
intercambio dinámico entre diferentes flujos de video, de diferente calidad y tamaño,
mientras se reproduce el contenido. Es un intento de proporcionar a los usuarios una
mejor experiencia durante la visualización, en correspondencia con su ancho de banda.
[17].
16
Servicios OTT, QoS y QoE
Algunas aplicaciones que soportan este estándar, como Flash Player y Flash Media
Server en sus últimas versiones, admiten el streaming adaptativo a través del protocolo
de mensajería en tiempo real (RTMP, por sus siglas en inglés de Real Time Messenger
Protocol), propiedad de la compañía Adobe. También basado en TCP, RTMP fue creado
especialmente para el streaming de audio, video y datos a través de Internet entre un
reproductor Flash y un servidor. Este protocolo mantiene conexiones persistentes y
permite enviar los flujos de manera fluida y con la mayor cantidad de información posible
a través de la división de los paquetes en fragmentos cuyo tamaño se negocia entre el
cliente y servidor de manera dinámica. Este proceso se realiza de forma similar a las
soluciones de Apple y Microsoft.
MPEG Dynamic Adaptive Streaming over HTTP (DASH)
MPEG-DASH es un estándar desarrollado por la compañía que lleva su nombre (Moving
Picture Expert Group) para streaming adaptativo, el cual fue publicado en el año 2012.
Este estándar se desarrolló en el marco de la polémica de que cada estándar existente
en aquel momento, para emplear la tecnología de streaming adaptativo, requería de
protocolos y estándares propietarios tanto en el servidor como en el reproductor. En este
marco y con la participación de varios expertos, la colaboración de otras compañías como
Microsoft, Netflix, incluso Adobe y el esfuerzo coordinado con organizaciones de la
industria como World Wide Web Consortium (W3C) [21], MPEG lanzó el estándar MPEG-
DASH, el cual se ha convertido en la solución adoptada por la mayoría de los
proveedores de contenido multimedia sobre Internet, específicamente los OTT,
eliminando los problemas existentes por la variedad de formatos, estilos de codificación y
fragmentación utilizados por las anteriores soluciones propietarias.
En DASH, el contenido que se envía desde el servidor tiene dos componentes: un archivo
manifest (manifiesto) conocido como MPD (Media Presentation Description) y los
segmentos [22]. El MPD es un documento en formato XML que contiene algunas
características útiles para el cliente en el momento de procesar el contenido multimedia.
Por otra parte, los segmentos contienen el flujo multimedia formando pequeños
segmentos (chunks), los cuales pueden estar conformados por simples o múltiples
archivos.
Para reproducir el contenido el cliente primeramente obtiene el MPD, el cual puede ser
entregado a través de HTTP u otro protocolo, incluso SMTP. Luego, analiza ciertos
aspectos dentro del manifest como la temporización, el contenido disponible en el
servidor, el tipo de contenido, la resolución, el ancho de banda máximo y mínimo, la
posible existencia de codificaciones alternativas, la accesibilidad, la localización del
17
Servicios OTT, QoS y QoE
contenido en la red, entre otros. Con esta información el cliente selecciona la codificación
apropiada a sus requerimientos y comienza el proceso de streaming a través de
solicitudes HTTP.
La mayor parte del proceso la realiza el cliente, el cual dispone de un buffer con el típico
fin de equilibrar las fluctuaciones de la red para percibir los flujos de manera continua.
También el cliente monitorea variaciones de la red para adaptar el tipo de fragmento
recibido, según la tasa de bits que posea, al ancho de banda disponible. La
especificación del estándar MPEG-DASH solo define el formato de los MPD y los
segmentos. La entrega de los datos y el formato de codificación empleado, así como la
reproducción del contenido está fuera del alcance de esta especificación.
En la estructura del MPD se definen varios parámetros que indican un valor para cada
parámetro mencionado anteriormente y que luego el cliente analiza antes de comenzar la
reproducción. Estos parámetros se encuentran definidos a través de un modelo
jerárquico, en el cual se refleja la estructura del contenido disponible.
En un mayor nivel, el parámetro Period (período) describe un contenido, o parte del
mismo dividido en intervalos de tiempo. Estos intervalos de tiempo contienen una
referencia de inicio y una duración.
Cada period contiene uno o más Adaptation Set (Conjunto de Adaptación), parámetro
que proporciona información respecto a uno o más componentes multimedia como el
idioma o los subtítulos.
Cada Adaptation Set contiene uno o más parámetros Representation (Representaciones), siendo este el que brinda las distintas opciones de codificación de un
mismo contenido. En la mayoría de los casos se utiliza diferentes alternativas de tasas de
bits o incluso la codificación con distintos códec para lograr mayor compatibilidad y
soporte a la mayor parte de los dispositivos.
Cada Representation contiene varios Segment (Segmentos). El parámetro Segment
muestra aquellos fragmentos de archivo que el cliente descargará de manera progresiva
como un flujo multimedia continuo. Estos fragmentos se direccionan a través de un
identificador de recursos uniforme (URI, por sus siglas en inglés de Uniform Resource
Identifier), el cual apunta a un segmento específico del contenido en un servidor. Estos
fragmentos pueden estar separados en ficheros diferentes o marcados por rangos de
bytes dentro de un mismo archivo que incluye el contenido completo. Esta manera de
representar los segmentos está determinada por el parámetro profile (perfil) empleado.
18
Servicios OTT, QoS y QoE
El parámetro profile es uno de los más importantes dentro del MPD, pues determina el
formato del mismo. El estándar define seis tipos de perfiles, tres basados en el formato
base de archivos multimedia de la Organización Internacional de Normalización (ISO
BMFF, por sus siglas en inglés): onDemand (bajo demanda), live (en vivo) y main
(principal), este último engloba a los dos primeros. Además, incluye dos perfiles basados
en la versión de transporte de flujo de MPEG (MPEG2-TS): simple (simple) y main
(principal). Por último y englobando todos los anteriores se encuentra el perfil full
(completo).
En las implementaciones DASH los perfiles más utilizados son onDemand y live, en los
cuales, para el primer caso los fragmentos son marcados por el URI dentro de un mismo
archivo, para el segundo, a cada fragmento le corresponde un archivo independiente.
1.3 QoS
La recomendación ITU-T E.800 del Comité de Estandarización de la Unión Internacional
de las Telecomunicaciones (UIT-T, por sus siglas en inglés de Union International of
Telecomunications) define la QoS como la “Totalidad de las características de un servicio
de telecomunicaciones que determinan su capacidad para satisfacer las necesidades
explícitas e implícitas del usuario del servicio” [23]. También es definida como “La
habilidad de una red o porción de una red de proporcionar un servicio a un nivel
garantizado” [24], o dicho de otra manera como la capacidad de un elemento de red (bien
una aplicación, un servidor, un encaminador, un conmutador, etc.) de asegurar que su
tráfico y los requisitos del servicio previamente establecidos en el Acuerdo de Nivel de
Servicio (SLA, por sus siglas en inglés de Service Level Agreement) puedan ser
satisfechos. La QoS puede ser medida, expresada y comprendida en términos de red y
de elementos de red, lo que por lo general tiene poco significado para el usuario.
1.3.1 Parámetros de QoS
Para proveer QoS en una red, conociendo que la información que se cursa a través de la
misma tiene un carácter mixto, se deben considerar determinados elementos que influyen
negativamente en el tráfico. Además, hay que tener en cuenta que todos los flujos no se
ven afectados de igual forma por los disturbios existentes dentro de la red. Los
parámetros que típicamente se miden a la hora de brindar QoS son el retardo o demora,
la variación del retardo (jitter) y la pérdida de paquetes (individuales o en ráfagas). Cada
parámetro o métrica, como comúnmente se le llama, se resume a continuación.
Retardo: Es el efecto que se produce cuando un paquete dentro de un flujo no llega en el
momento esperado. Este parámetro afecta fundamentalmente a las aplicaciones que
19
Servicios OTT, QoS y QoE
funcionan en tiempo real como los servicios de voz y video. Puede estar dado por
diversos factores, en la mayoría de los casos inherentes a los sistemas de
comunicaciones como el entramado, empaquetado y codificación de canal, además de
las demoras de propagación.
Jitter: Variación del tiempo que transcurre entre el arribo de un paquete y otro,
típicamente producido por congestión en la red. Este tipo de disturbio también afecta
directamente a los servicios de voz y video, y puede ser atenuado con la utilización de
buffers en los dispositivos receptores. La fuente fundamental de jitter en las redes IP, es
el proceso de encolamiento en los enrutadores.
Pérdida de Paquetes: Se manifiesta por sí solo como señal con ruido en el proceso de
decodificación en el receptor, causando, por ejemplo, períodos de silencio o saltos en
aplicaciones de audio, reducción de la inteligibilidad de la voz y degradación de la calidad
de video, entre otras afectaciones. Esta pérdida también puede estar determinada por los
dispositivos receptores debido al limitado tamaño de los buffers utilizados, pues en caso
de que la información exceda la capacidad de almacenamiento se comienza a descartar
paquetes, perdiéndose parte de la información.
1.3.2 Mecanismos para lograr QoS
Los mecanismos para lograr QoS son un conjunto de medidas ordenadas que se tienen
en cuenta para tratar el tráfico de una red. Típicamente se procede en un primer
momento a diferenciar dicho tráfico a través de flujos, para posteriormente brindarle un
tratamiento diferenciado a cada uno.
Señalización y Clasificación
Primeramente, es necesario distinguir cada flujo para lo cual se ejecutan dos
operaciones:
Señalización: Es una manera de darle una identificar cada paquete, por ejemplo,
utilizando uno de los campos de la propia cabecera IP que permita distinguir al paquete
respecto a los demás. Una identificación pudiera ser la dirección fuente, la dirección
destino o la combinación de ambos, incluso en algunos casos, se le añade a la cabecera
IP un nuevo campo con un valor específico.
Clasificación: Consiste básicamente en agrupar los paquetes ya señalizados en
conjuntos que serán tratados de manera diferente de acuerdo a los requerimientos que
posean.
Políticas de Tráfico
20
Servicios OTT, QoS y QoE
A los paquetes ya clasificados se les aplica políticas de tráfico, con lo cual se determina si
los requerimientos de los flujos entrantes se ajustan a la red que los va a soportar. Esto
consiste en medir el flujo y compararlo con respeto a un ancho de banda determinado y
de acuerdo a si se cumplen o no con las condiciones requeridas se les aplica una nueva
señalización que usualmente contempla dos indicadores:
Razón de información comprometida (CIR)
Razón de información pico (PIR)
Además, para supervisar estos dos parámetros se tienen en cuenta además los
indicadores auxiliares siguientes:
Tamaño pico de sobrecarga (PBS)
Tamaño de sobrecarga comprometida (CBS)
Tamaño de sobrecarga excedida (EBS)
CIR: Es la razón de tráfico promedio que el proveedor de servicios de red se compromete
a garantizar a largo plazo al cliente. Se mide en bits/seg. En este tráfico se considera no
sólo la carga útil de los paquetes, sino también las cabeceras de los mismos.
PIR: Razón máxima de emisión de bits de un cliente que se encuentra suscrito en un
servicio dentro de los que brinda un determinado proveedor. Un ejemplo de empleo de
este indicador ocurre en los agregados de niveles de servicio (SLA, por sus siglas en
inglés de Service Level Asignation). También se incluyen en el flujo las cabeceras IP de
los paquetes.
CBS: Tamaño máximo de sobrecarga de tráfico que la red permite respetando el PIR y
haciendo uso de la CIR.
EBS: Es otro tipo de umbral que excede al CBS. Los paquetes que sobrepasan este
umbral son marcados en rojo. Ambos, el CBS y el EBS se utilizan en conjunto con el CIR.
PBS: Similar al CBS, pero se trata en conjunto con la PIR. Con estos dos parámetros
como referencia la red le da un tratamiento al tráfico dependiendo de la afectación que
pueda causar dentro de la misma. Para ello se almacenan temporalmente los paquetes
de salida en un buffer o cola.
Gestión Activa de Colas
Método de Descarte: Es el mecanismo adoptado por defecto en los enrutadores para
una gestión activa de las colas. Hace que los paquetes sean descartados
automáticamente cuando la información excede un máximo permitido. Tiene como
21
Servicios OTT, QoS y QoE
ventaja la simplicidad de su implementación, pero puede causar el efecto que se conoce
como sincronización global TCP. Este efecto se produce cuando el extremo transmisor
recibe una señalización de reconocimiento negativo NAK, por sus siglas en ingles de
(negative acknowledgement) referente a la pérdida de un paquete en la red y acto
seguido el protocolo TCP del transmisor asume que la pérdida fue por congestión
disminuyendo su tasa de transmisión y consecuentemente provocando utilización
ineficiente de los recursos de la red, (el ancho de banda de salida y de los buffers).
En contraposición el control activo de colas (AQM), por sus siglas en ingles de (Active
Queue Management) es un mecanismo de control de congestión cuya función principal
es evitar el efecto de sincronización global TCP, previendo el comienzo de la congestión
y efectuando acciones para disminuir su efecto. En caso de que ocurra se puede
implementar mediante tres métodos:
1. Descarte Aleatorio Anticipado (RED), por sus siglas en ingles de (Random Early
Discarding): Detecta el inicio de la congestión y elimina paquetes del buffer del
enrutador aleatoriamente. Emplea un algoritmo de predicción cuyo componente
principal es el descarte de paquetes.
2. RED ponderada (WRED) por sus siglas en ingles de (Weighted Random Early
Discarding): Funciona de forma similar al método anterior, pero en este caso se
descartan los paquetes a partir de múltiples perfiles que pueden ser definidos para
conjuntos específicos de colas.
3. Notificación Explícita de Congestión (ECN) por sus siglas en ingles de (Explicit
Congestion Notification): Aplicado específicamente al tráfico TCP. Al inicio de la
congestión se le notifica al transmisor mediante una señalización modificando un
campo apropiado en las cabeceras TCP e IP antes de que los paquetes sean
descartados. Se utiliza el mismo algoritmo de predicción que el RED, pero en este
caso los paquetes no son descartados aleatoriamente, en cambio se transmiten
con una indicación de congestión para notificar al transmisor.
Manejo de Colas
El manejo de colas se realiza a partir de métodos implementados dentro de los
dispositivos que controlan tráfico. Estos métodos pueden ser:
FIFO (First-In-First-Out). Almacén y envío: Es el método por defecto para el manejo de
colas en caso de ausencia de un algoritmo programado para el tratamiento de los
paquetes. Los paquetes entrantes son ordenados en una cola simple en el puerto de
entrada por orden de llegada y posteriormente son enviados al puerto de salida en este
mismo orden. No existe un tratamiento diferenciado, por lo que no se requiere un
22
Servicios OTT, QoS y QoE
algoritmo específico resultando muy sencillo, pero a su vez desventajoso para los
requerimientos de las redes actuales, sobre todo en los servicios de tiempo real.
PQ (Priority queuing). Tráfico Priorizado: En este método se crea un número de colas, y a
cada una se le asigna un orden de prioridad. Los paquetes con un menor orden de
prioridad no serán tratados mientras no se procesen los de mayor orden. Es un método
relativamente simple y puede ser utilizado en servicios de tiempo real como voz y video
sobre IP, que usen típicamente el protocolo UDP. Su uso con TCP requeriría un especial
cuidado debido al comportamiento de este protocolo ante la congestión, pues de no
hacerse esto, pudieran descartarse los paquetes que se acumula en las colas de menor
prioridad.
FQ (Fair Queuing) Ancho de banda Asignado: Los paquetes entrantes se agrupan en un
determinado número de colas poseen un ancho de banda asignado de igual magnitud y
cuya suma corresponde al ancho de banda total del puerto de salida. De esta manera,
cada tráfico entrante tiene asignado un ancho de banda fijo. No se requiere un algoritmo
especial de asignación, para añadir una nueva cola, pues el mismo sistema
automáticamente reajusta la asignación, siendo esta su principal ventaja. Como
desventaja presenta que, al realizar una asignación fija, no toma en cuenta las
necesidades de aplicaciones que requieren más ancho de banda que otras. Otra
desventaja importante es que el tamaño de los paquetes influye directamente en la
asignación de ancho de banda en las colas.
WRR (Weighted Round Robin). Asignación basada en requerimientos de flujo: Este
método resuelve la primera desventaja que presenta el FQ de no tener en cuenta los
requerimientos de los flujos entrantes de las aplicaciones. En este caso se divide el
ancho de banda del puerto salida teniendo en cuenta el ancho de banda necesario para
cada flujo entrante. Para ello, primero se clasifican los paquetes dentro de cada flujo.
Basado en esta clasificación se le asigna una velocidad de transmisión a cada flujo
equivalente a un porciento determinado de ancho de banda total del puerto de salida.
Posteriormente se van transmitiendo los paquetes con un ancho de banda determinado
por su tamaño y respetando el asignado por el flujo al que pertenece. A este método
también se le conoce como CQ (Custom Queuing).
WFQ (Weighted Fair Queuing). Encolamiento Inteligente: Tiene en cuenta la segunda
desventaja de FQ, resolviendo la incidencia directa del tamaño de los paquetes en los
flujos para la asignación del ancho de banda. A diferencia del WRR, en el que se asigna
a los paquetes un ancho de banda por clase de tráfico y dentro de esa clasificación se
envían respetando su tamaño, en este caso, luego de clasificar los flujos y crear las
23
Servicios OTT, QoS y QoE
colas, estos paquetes son procesados bit por bit y luego se reensamblan de la misma
manera, respetando el tiempo que demoró en ser procesado y posteriormente son
enviados al puerto de salida. De esta manera, si un paquete es demasiado largo, va a
tomar más tiempo en ser reensamblado y por tanto enviado dejando de ser este factor un
problema en la asignación de ancho de banda.
CB WFQ (Class-Based WFQ). Basado en Clases: Muy similar al WRR en cuanto a
clasificación y asignación de los paquetes por clases basado en el ancho de banda total
de los puertos de salida. La diferencia radica en el tratamiento de los flujos después de
ser clasificados. En WRR se le aplica a cada clasificación el método FQ, mientras que en
CB WFQ, a cada flujo dentro de cada clase es tratado mediante WFQ. Se trata más bien
de una especialización de los métodos WRR y WFQ para utilizar sus ventajas.
Servicios Integrados y Servicios Diferenciados
En las redes IP, existen dos tipos de mecanismos que se utilizan para brindar QoS:
Servicios Integrados (IntServ) y Servicio Diferenciado (DiffServ).
El mecanismo IntServ distingue y clasifica el tráfico de extremo a extremo, identificando
cada flujo IP individualmente a través de cinco parámetros:
Identificador de Protocolo
Dirección IP de destino
Dirección IP de origen
Puerto de destino
Puerto de origen
Luego de clasificar el tráfico a partir de los parámetros anteriores el mecanismo IntServ
reserva recursos a partir de especificaciones que deben ser definidas por la aplicación de
origen. Estas especificaciones son las que van a caracterizar el tráfico y las necesidades
del servicio que conforma. Dicha caracterización incluye los requerimientos del servicio
en cuanto a ancho de banda y parámetros de desempeño (retardo, jitter y razón de
pérdida de paquetes). Para garantizar los requerimientos de cada flujo, IntServ utiliza el
protocolo de reserva de recursos (RSVP, por sus siglas en inglés de Resource
reSerVation Protocol).
El protocolo RSVP se encarga de reservar los recursos requeridos por cada flujo,
controlando cada dirección de transmisión por separado. La fuente y el destino
intercambian mensajes RSVP para clasificar los flujos y establecer cómo será el tránsito
a través de cada nodo. La fuente solicita su reservación de acuerdo a sus requerimientos
24
Servicios OTT, QoS y QoE
y la asignación de recursos, según la disponibilidad se inicia en el extremo receptor. El
estado de reserva es almacenado en los nodos y se actualiza periódicamente. Este
protocolo no es muy utilizado debido a que cada nodo debe almacenar el estado de
reserva, lo que resulta impráctico en redes de gran alcance, además de presentar
problemas de escalabilidad.
En DiffServ los flujos no son clasificados de extremo a extremo como ocurre en IntServ.
En este caso el ancho de banda y los recursos de la red se asignan teniendo en cuenta el
tipo de tráfico sin analizar de donde proviene. Provee un tratamiento relativamente
diferenciado al tráfico sin lograr niveles absolutos de QoS en la totalidad de la red. Para
garantizar esto sería necesario implementar el algoritmo de control de admisión en las
fronteras del dominio DiffServ, con el cual se comprueba si en los puertos de salida de los
dispositivos frontera existen los requerimientos necesarios para el tráfico antes de
introducirlos en la red. De esta manera existiría un control total de los flujos en la red. A
diferencia de IntServ, este mecanismo no reserva recursos para el despliegue de los
servicios.
Los servicios DiffServ se agrupan formando agregados de nivel de servicio (SLA) que van
desde el origen al cliente, y este último los percibe como agregados de tráfico
condicionado (TCA) por sus siglas en ingles de Trafic Conditional Agreement) Un servicio
de este tipo, está determinado por otros parámetros como: perfil de tráfico (memoria de
parámetros de sobrecarga), métricas de desempeño (demora, procedencia de paquetes
descartados), tratamiento de paquetes no conformados entre otros. Desde el punto de
vista del proveedor, DiffServ tiene como objetivo para el diseño de la red conocer el
tratamiento del tráfico y el comportamiento esperado por el cliente de acuerdo al SLA.
1.4 QoE
La calidad de experiencia percibida por el usuario es definida por distintos autores de
diferentes maneras. Algunas definiciones de QoE son las siguientes:
“El resultado de una valoración hecha por un usuario y por lo tanto tiene mucho
que ver con las expectativas que éste tiene.”[25]
“Término utilizado para describir las percepciones del usuario acerca del
rendimiento de un servicio. Está expresado en sensaciones humanas tales como:
‘bueno’, ‘excelente’, ‘pobre’, entre otros.”[26]
“El desempeño general de un sistema, visto desde la perspectiva del usuario.´´
[27]
25
Servicios OTT, QoS y QoE
“La aceptabilidad global de una aplicación o servicio, tal como la percibe
subjetivamente el usuario, la cual está estrechamente relacionada con la calidad
de servicio.”[28]
“La calidad del proceso de comunicación según es percibido por el usuario. Es
aquello que hay que maximizar en la prestación de un servicio.”[29]
“El grado de deleite o molestia del usuario de una aplicación o servicio. Resultado
del cumplimiento de la o las expectativas con relación a la utilidad y/o el disfrute
de la aplicación o el servicio, a la luz de la personalidad y el estado actual del
usuario.” [30]
Todas estas definiciones coinciden en que la QoE no es un término puramente técnico,
pues puede ser afectada por diversos factores subjetivos dependiendo de cuál sea la
aplicación, el servicio y las expectativas que de ellos tengan los usuarios. QoE se refiere
a la aceptación o no de la calidad de un servicio o aplicación que es percibida por el
usuario final, donde intervienen factores objetivos, como el funcionamiento de la red
(retardo, jitter y pérdida de paquetes) y factores subjetivos, como el entorno, el contexto,
aspectos psicológicos y sociológicos, el perfil del usuario y sus experiencias, entre otros.
La QoE es mucho más importante que la calidad de funcionamiento de los servicios o las
redes que los soportan, ya que es la que determina la fidelidad de los clientes a un
servicio contratado. Está íntimamente relacionada con la QoS y existen muchos modelos
donde se relacionan cuantitativamente bajo ciertos escenarios.
Son numerosos los factores que influencian y contribuyen a la QoE percibida por el
usuario en los servicios OTT de video streaming. Todos los pasos del procesamiento del
video, desde la grabación, post/pre-procesamiento, codificación, compresión, transmisión,
decodificación hasta la reproducción del video tienen un directo y fuerte impacto en lo que
es percibido por el usuario final. La degradación de la calidad del video puede ocurrir en
cualquiera de estos procesos.
Además, el usuario es afectado también por otros factores tales como emociones,
experiencias previas, contexto, etc. Ejemplos de algunos de estos factores que afectan la
QoE de los usuarios que reciben servicios multimedia son los siguientes[31]:
Tipo de Display (CRT, LCD, iPad etc.) y sus propiedades (tamaño, resolución,
brillo, contraste, tiempo de respuesta, color).
Condiciones de visionado (distancia, iluminación).
Experiencia de video del espectador (es difícil conformarse con la definición
estándar luego de haber visto un contenido en alta definición).
26
Servicios OTT, QoS y QoE
Intereses individuales del espectador (contenidos favoritos, etc) determinan el
nivel de atención y concentración.
Interacción con el servicio y con la pantalla del dispositivo (interfaz web, control
remoto, zap-time, EPG)
Calidad y sincronización del audio y el texto, en caso de subtítulo, acompañante.
El ecosistema de QoE en servicios multimedia incorpora todos los posibles componentes
que directa o indirectamente pueden afectar la percepción del usuario del servicio
multimedia como, por ejemplo: los contenidos, la red, el usuario, el entorno, el dispositivo
terminal y la aplicación o servicio. La diversidad de dichos componentes hacen la
estimación de la QoE compleja e impredecible.[32]
Si la calidad del contenido original no es óptima, tampoco lo será la que recibe el usuario
final. Características del video como el bit rate, frame rate, resolución y tipo de video (2D,
3D) deben mejorarse desde la fuente para lograr una alta QoE en el destino. Las
condiciones en cuanto a disponibilidad y confiabilidad de la red que transporta los
paquetes de los contenidos impactan fuertemente en la QoE percibida por el usuario final.
Dichas condiciones son representadas por los parámetros de QoS como son: razón de
pérdida de paquetes, pérdida de paquetes en ráfaga, jitter, ancho de banda y razón de
paquetes, entre otros. Cada servicio multimedia tiene sus propios requerimientos de QoS.
Como se dijo antes la QoE del servicio multimedia percibida por el usuario está en
dependencia de sus actitudes y expectativas del servicio. Diferentes perfiles de usuario,
donde intervienen la edad, sexo, intereses, habilidades, estado de ánimo, experiencia,
etc., provocan distintas percepciones de la QoE de un servicio multimedia. Por ejemplo,
la QoE percibida será mayor para determinados contenidos hacia los que se inclina el
espectador según sus gustos y preferencias. Las diferentes condiciones del entorno (ruido, hora del día, iluminación, distancia, etc.) pueden afectar directa o indirectamente la
manera en que el usuario percibe el servicio multimedia. La QoE puede variar de
acuerdo a cuándo, dónde y con quiénes es recibido dicho servicio. Como se ha
mencionado, los contenidos multimedia pueden ser vistos en variados dispositivos
terminales como televisores, computadoras personales (PCs), laptops, tables, teléfonos
móviles, etc., cada uno con diferentes características como tamaño, resolución, calidad
de sonido, entre otras, que no inciden de igual forma en la experiencia del usuario. Según
[33], pruebas subjetivas realizadas para evaluar la QoE de servicios multimedia muestran
que casi todos los usuarios encuestados prefieren ver el contenido en una PC que en un
dispositivo móvil.
El contenido multimedia puede ser ofertado al usuario por diferentes proveedores de
servicios OTT, cada uno de los cuales propone variadas aplicaciones con características
27
Servicios OTT, QoS y QoE
distintas de usabilidad, interactividad, tamaño de buffer, codificador y decodificador, las
cuales impactan de manera diferente en la experiencia del usuario. Cuanto más intuitiva y
fácil de usar sea la aplicación, mayor será entonces la QoE percibida por el usuario.
Cada componente del ecosistema de la QoE juega un importante papel en determinar
cómo el usuario percibe la calidad del servicio multimedia. Si cualquiera de los elementos
del ecosistema. Esto implica que todas las partes involucradas en la distribución de
contenido multimedia deben ser muy cuidadosas en monitorear, evaluar y adaptar sus
correspondientes componentes para brindar una alta QoE al usuario final.
1.4.1 Sistemas y métodos de evaluación de QoE
Hoy en día resulta bastante complejo contar con un sistema capaz de dar un resultado
objetivo de la QoE percibida por el usuario, debido al gran carácter subjetivo de la misma,
lo que constituye una de las mayores limitantes a la hora de evaluar el desempeño de los
servicios OTT. Los principales métodos existentes para evaluar la QoE están divididos en
dos categorías: métodos de medición subjetivos y métodos de estimación objetivos,
aunque existen métodos híbridos que correlacionan las mediciones subjetivas y objetivas.
Los métodos subjetivos de medida, realizados según ciertas recomendaciones en
ambientes controlados, son los más confiables, pero son difíciles de implementar. Se
requiere tiempo para preparar las condiciones bajo las que se realiza la prueba,
involucrar a un conjunto de personas “no expertas” que dispongan de la voluntad y el
tiempo para realizar las evaluaciones, y un tiempo importante pre y post procesamiento.
Por los problemas de los métodos subjetivos, ha existido un gran esfuerzo en generar
métodos objetivos de medida, que estimen la calidad de video percibida por los usuarios.
Estos se basan en analizar el contenido a evaluar mediante algoritmos matemáticos y/o
fórmulas de cálculo, los que dan como resultado una estimación de la calidad. El desafío
es lograr que la estimación de calidad proporcionada por los métodos objetivos coincida
con los resultados de los métodos subjetivos.
1.4.1.1 Métodos subjetivos de evaluación de QoE
Las pruebas subjetivas se llevan a cabo con la participación de usuarios del servicio. La
idea es que las personas, que utilizan el servicio en un entorno real, evalúen el mismo
completando encuestas. Las preguntas y respuestas de los cuestionarios que se aplican
reflejan diversas características del servicio. La selección apropiada de los usuarios, el
tamaño de la muestra, el contenido, el entorno, entre otros, tienen una importancia crítica
28
Servicios OTT, QoS y QoE
para la credibilidad del método. La nota media de opinión (MOS por sus siglas en inglés
de Mean Opinion Score), es la medida subjetiva más popular de QoE en la que los
sujetos asignan su opinión sobre la calidad de la experiencia percibida en base a una
escala predefinida de valores. Las Recomendaciones ITU-T P.800 [34] y P.800.1 [35]
definen una escala MOS de cinco puntos. La mayoría de las métricas utilizan escalas
absolutas y una descripción textual de la calidad que a menudo se asigna a cada puntaje
MOS. Las descripciones pueden ser orientadas a la calidad u orientadas al deterioro de la
misma.
Existen varios métodos subjetivos de QoE, los más importantes se mencionan a
continuación:
La Recomendación ITU-T P.913 [36] describe métodos de evaluación subjetiva no
interactivos para evaluar la calidad audiovisual global, en un sentido, para servicios de
distribución de contenidos multimedia sobre Internet. Estos métodos pueden ser usados
para diferentes propósitos como la comparación de la calidad de múltiples dispositivos en
cuanto a su desempeño en variados escenarios y valoraciones subjetivas donde el
impacto de la calidad del dispositivo y la del material audiovisual son confundidas. Los
métodos descritos en esta recomendación se mencionan son:
Índices por categorías absolutas (ACR, absolute category rating).
Índices por categorías de degradación (DCR, degradation category rating).
Método de comparación por pares (PC, pair comparison).
Evaluación subjetiva de la calidad de vídeo multimedios (SAMVIQ, subjective
assessment of multimedia video quality).
(MUSHRA, multi-stimuli with hidden reference and anchor points).
En [37], los autores proponen un método inmersivo en el cual cada sujeto ve la fuente de
estímulo una sola vez. En adición a la escala MOS tradicional, algunas preguntas son
usadas con el objetivo de enfocar al usuario en la aplicación evaluada. El método
propuesto tiene gran potencial para aplicaciones que son difíciles analizar con los
métodos subjetivos tradicionales. Actualmente este método se encuentra bajo estudios
del proyecto audiovisual HDTV del Video Quality Experts Group para su validación.
Un método presentado en [38] propone un modelo para el comportamiento de los
usuarios que incluye a usuarios predispuestos, viendo esto no como un error ante la
evaluación del servicio, sino como una característica del mismo. Mediante experimentos
los autores exploran el impacto que ocasiona la predisposición de los sujetos en la
valoración del servicio recibido, con el objetivo de eliminar dichos efectos en la nota total
de calidad dada al servicio evaluado.
29
Servicios OTT, QoS y QoE
Una metodología de evaluación para la valoración subjetiva de la calidad de un servicio
de video streaming adaptativo, teniendo en cuenta las métricas de calidad que se
presentan en los servicios que emplean el estándar MPEG-DASH, es presentada en [39].
Aunque el modelo propuesto está inspirado en los métodos SSCQE y ACR, presenta
características más realistas y acordes con los escenarios de evaluación de QoE de
servicios de streaming adaptativo, en comparación con los métodos tradicionales.
1.4.1.2 Métodos objetivos de evaluación de QoE
Estos métodos se basan en la estimación de la calidad percibida a partir de medidas de
rendimiento. Son métodos que tratan de modelar de manera cuantitativa de las relaciones
entre la calidad percibida por los usuarios finales y las medidas objetivas de
determinados parámetros de calidad. Los modelos se determinan a partir de
experimentos realizados con usuarios, en los que se recogen sus percepciones sobre la
calidad experimentada en diversas condiciones. Estos métodos permiten la evaluación
continua de la QoE de un servicio a partir de medidas objetivas del rendimiento, QoS. Su
principal desventaja es que dependen fuertemente de los servicios asociados, por lo que
los parámetros críticos de calidad varían de un servicio a otro, además pueden ser poco
informativos y dar resultados inexactos. Por lo tanto, son desarrollados cuidadosamente y
verificados por pruebas subjetivas.
En forma genérica, los métodos objetivos de medida de calidad pueden clasificarse
según si lo que se analiza es el propio video (el medio o contenido) o si lo que se analiza
son los parámetros de codificación y transmisión.
Los modelos basados en el análisis del contenido basan su funcionamiento en el análisis
detallado del contenido del video. Este tipo de modelos realizan análisis completos del
video, y típicamente buscan degradaciones de diversa índole (efectos de bloques,
borrosidad, etc.). Dentro de esta categoría, los modelos a su vez se clasifican según la
disponibilidad total, parcial o nula de la señal original, existiendo métodos con
disponibilidad total de la señal original (FR - Full Reference), métodos con disponibilidad
parcial de la señal original (RR – Reduced Reference) y métodos sin disponibilidad de la
señal original - NR (No Reference). En la figura 7 se esquematiza la forma en que
trabajan los modelos FR, RR y NR. Se observa que los modelos del tipo FR toman como
entrada la señal original completa y la señal degradada, los modelos RR toman como
entrada la señal degradada y un conjunto resumido de características de la señal original,
a través de un canal auxiliar, y los modelos NR toman como entrada únicamente la señal
degradada.
30
Servicios OTT, QoS y QoE
Los modelos basados en un conjunto reducido de parámetros conocidos como “Modelos
Paramétricos”, se basan en estimar la calidad percibida del video tomando en cuenta
únicamente los valores de un conjunto reducido de parámetros, como por ejemplo el bit
rate, el frame rate, el porcentaje de pérdida de paquetes, etc. Con estos parámetros se
implementa una fórmula, cuyo resultado es la estimación de la calidad de video.
Figura 1.7 Esquema de modelos de FR, RR y NR [40].
La Recomendación ITU-T G.1011 (06/2015) [41] propone 5 clasificaciones fundamentales
para las metodologías de evaluación objetiva de la calidad, en dependencia de la
aplicación:
1. Modelos basados en el contenido de media.
2. Modelos basados en paquetes.
3. Modelos basados en el planeamiento de la red.
4. Modelos basados en el flujo de bits.
5. Modelos híbridos.
A continuación se mencionan varios de los trabajos realizados por algunos autores para
la evaluación de QoE de servicios multimedia.
La Recomendación UIT-R BT.1866 (03/2010) [42] especifica métodos para la estimación
de la calidad visual percibida para aplicaciones de radiodifusión que utilizan televisión de
definición reducida (TVDR) cuando la señal disponible es una señal de referencia
completa. Los métodos descritos en esta recomendación son:
VQEG Propuesto por NTT, Japón.
VQEG Propuesto por OPTICOM, Alemania.
VQEG Propuesto por Psytechnics, Reino Unido.
31
Servicios OTT, QoS y QoE
VQEG Propuesto por la Universidad Yonsei, de la República de Corea.
Los métodos de estimación de esta Recomendación se aplican a:
evaluación, especificación y pruebas de aceptación de códecs;
supervisión de la calidad de funcionamiento de la fuente, en tiempo real y en
servicio;
supervisión distante de la calidad del destino cuando hay disponible una copia de
la fuente;
medición de la calidad para la supervisión de un sistema de almacenamiento o de
transmisión que utilice técnicas de compresión y descompresión de vídeo, ya sea
en un solo paso o mediante la concatenación de dichas técnicas;
pruebas de laboratorio de sistemas de vídeo.
Un conjunto de novedosos modelos de QoE basados en la aceptabilidad del servicio,
denotados como modelos “A-QoE”, son propuestos en [43] y [44] como resultado de
evaluaciones subjetivas de calidad realizadas por los usuarios. Los modelos presentados
permiten predecir la aceptabilidad y el agrado de los usuarios en varios escenarios
servicios de video en móviles. Un análisis de regresión no lineal estática es usado para
construir los modelos con un grupo de factores influyentes en la calidad percibida del
servicio, como parámetros de codificación y bit rate, características del video y resolución
de la pantalla del dispositivo móvil.
En [45] los autores investigan la relación entre tres niveles de calidad de servicios de
video streaming sobre HTTP : QoS de la red, QoS de la aplicación y QoS desde la
perspectiva del usuario (QoE). El objetivo es entender cómo los parámetros de QoS de la
red afectan la QoE del servicio de video streaming sobre HTTP. Primeramente, este
artículo presenta una correlación entre la QoS de la red y la QoS de la aplicación, usando
modelos analíticos y evaluaciones empíricas. Luego son realizados experimentos para
evaluar la relación entre la QoS de la aplicación y la QoE. El estudio realizado revela que
la frecuencia de rebufereado (rebuffering) es el principal factor responsable por las
variaciones en la QoE.
En [46] es presentado un modelo analítico de medición objetiva sin referencia,
denominado “Pause Intensity”, para la evaluación de la calidad de video, basado en un
análisis estadístico. El modelo caracteriza el comportamiento del buffer que almacena los
paquetes de video en el cliente, en función del desempeño de la red (throughput) y la
razón de reproducción del video. Esto permite medir y controlar la calidad de forma
instantánea sin requerir un video de referencia. El modelo propuesto específicamente se
enfoca en la necesidad de evaluar la calidad en términos de continuidad de la
32
Servicios OTT, QoS y QoE
reproducción en servicios de video streaming sobre TCP, la cual no puede ser apropiada
mente medida por otras métricas objetivas tales como PSNR y SSIM. El desempeño de
este modelo es rígidamente verificado por resultados de simulaciones realizadas y
pruebas subjetivas usando un conjunto de videos clips, las cuales indican que el modelo
propuesto es independiente de los contenidos evaluados.
En [47], un modelo basado en redes neuronales artificiales tales como BPNNs
(Backpropagation Neural Networks) y las RNNs (RandomNeural Networks) es aplicado
para evaluar las métricas de calidad MOS (Mean Opinion Score), PSNR (Peak Signal
Noise Ratio), SSIM (Structural Similarity Index Metric), VQM (Video Quality Metric) y QIBF
(Quality Index Based Frame). El modelo propuesto permite establecer QoS basado en la
estrategia Diffserv. Las métricas son analizadas a través de los coeficientes de
correlación de Pearson y Spearman y la RMSE (Root Mean Square Error), obteniendo
valores de correlación superiores al 90% para todas las métricas evaluadas.
En [48], los autores proponen un modelo para evaluar QoE en servicios de video
streaming en ambientes inalámbricos, contemplando factores del equipamiento y el
entorno de dichos servicios. También proponen un algoritmo llamado QoE Based
Scheduling (QBS), con el objetivo de hacer más eficiente el uso de los recursos de red.
Los resultados de simulaciones realizadas muestran, según los autores, que el promedio
de la satisfacción de los usuarios mejora cuando se emplea QBS.
En [49], los autores presentan un nuevo modelo de calidad de video (VQM, Video Quality
Model, por sus siglas en inglés) para evaluar el impacto en la percepción del usuario de
las demoras variables de las tramas de video (VFD, variable frame delays, por sus siglas
en inglés). Este modelo, llamado VQM_VFD, emplea características perceptuales
extraídas de los paquetes de video transportados por la red y predice la calidad del video
midiendo múltiples demoras de las tramas. Los autores realizan un análisis del
desempeño del modelo propuesto, donde evalúan su eficiencia en la predicción de las
opiniones humanas de calidad visual.
En [50], se hace una propuesta para relacionar la QoE y la QoS, en la cual métricas de
calidad de video (VQM, Video Quality Metric, por sus siglas en inglés) son utilizadas para
indicar la QoE. A partir de los resultados obtenidos en simulaciones realizadas, los
autores proponen una fórmula simple para estimar la QoE desde parámetros de QoE
para servicios de video streaming bajo determinadas condiciones. El método propuesto
es no intrusivo y fácil de usar.
En [51], los autores investigan la principales factores que afectan la calidad de video
percibidas por los usuarios: demora inicial de la reproducción, congelamiento de la
33
Servicios OTT, QoS y QoE
imagen (rebuffering) y fluctuaciones del bit rate. Además diseñan y desarrollan pruebas
subjetivas para estudiar las dimensiones de dichas afectaciones en la calidad percibida
por los usuarios. Basados en los resultados obtenidos en las pruebas, proponen varias
funciones que pueden medir cuantitativamente la afectación de cada factor en la
experiencia del usuario al reproducir cualquier video en formato DASH. También ofrecen
resultados que validan la utilización del método propuesto.
La tesis doctoral presentada por Pedro de la Cruz Ramos en 2012 [52] constituye una
contribución a los modelos y metodologías para la estimación de la calidad percibida por
los usuarios, o calidad de experiencia (QoE), a partir de parámetros de calidad y/o
rendimiento de red y/o servicio (QoS) en servicios multimedia, y específicamente en
servicios triple-play (3P): servicios de televisión (TV), telefonía y datos ofrecidos por un
mismo operador como un paquete único. En particular, se centra en los servicios triple-
play convergente (desplegado sobre una red de transporte común basada en IP,
gestionada por un único operador como un Sistema Autónomo (SA), y la relación entre la
calidad percibida por los usuarios de dichos servicios y los parámetros de rendimiento de
la red de transporte IP subyacente. Específicamente, contribuye a la estimación en línea
(es decir, durante la prestación del servicio, en tiempo real o casi-real) de dicha calidad.
El autor selecciona un modelo ya existente, de tipo matricial, para la estimación de la
calidad global en servicios complejos a partir de los parámetros de funcionamiento interno
de los agentes que proporcionan los servicios. Este modelo, definido en términos de
servicios y sus componentes, percepciones de los usuarios, capacidades de los agentes,
indicadores de rendimiento y funciones de evaluación, permite estimar la calidad global
de un conjunto de servicios convergentes, tal como la perciben uno o más grupos de
usuarios. Esto se consigue combinando los resultados de múltiples modelos parciales,
tales que cada uno de ellos proporciona la valoración de la calidad percibida para uno de
los servicios componentes, obtenida a partir de un conjunto de parámetros de
rendimiento y/o Calidad de Servicio de la red de transporte IP convergente. El modelo se
basa en la evaluación de las percepciones de los usuarios a partir de factores de
valoración, calculados a partir de indicadores de rendimiento, que se derivan a su vez de
parámetros de funcionamiento Interno correspondientes a las capacidades de los
distintos agentes que intervienen en la prestación de los servicios.
Otra tesis doctoral que hace importantes contribuciones es la presentada por José
Joskowicz en 2012 [40]. Dichas contribuciones se mencionan a continuación.
Análisis detallado de la forma en que la calidad depende de la tasa de bits (bit
rate) utilizado en la codificación, y su modelado matemático.
34
Servicios OTT, QoS y QoE
Estudio de la influencia de la tasa de imágenes (frame rate) en la calidad percibida
del video, y su inclusión dentro de un modelo paramétrico.
Estudio y modelado de la calidad de video según el tamaño o la resolución de la
pantalla utilizada, logrando una estimación paramétrica basada en el área o
cantidad de pixeles utilizados en la codificación.
Identificación de los parámetros relacionados al contenido del video que influyen
en la calidad percibida, y su modelado matemático en combinación con los otros
parámetros de codificación y con las características del medio de transmisión
(pérdida de paquetes).
Análisis de la calidad obtenida en el proceso de codificación de MPEG-2 y
H.264/AVC, y propuesta de una metodología que puede ser extendida al análisis
de cualquier otro codificador del mercado.
Análisis de cómo se ve afectada la calidad de video en función del porcentaje de
pérdida de paquetes en la red de transmisión, en combinación con la tasa de bits
(bit rate), la tasa de imágenes (frame rate) y el tipo de contenido, con el objetivo
de incluir este modelado en una expresión paramétrica.
Sobre la base de los análisis detallados en los puntos anteriores, tal y como se dijo
anteriormente, la principal contribución de la tesis es el desarrollo de un nuevo modelo
paramétrico de estimación de calidad de video, que tiene en cuenta en forma combinada
la tasa de bits (bit rate), la tasa de imágenes (frame rate), el tamaño de pantalla, el códec,
el porcentaje de pérdida de paquetes y el contenido del video. El modelo propuesto es
contrastado con los resultados obtenidos utilizando modelos estandarizados basados en
el análisis de contenidos, así como con el resultado de pruebas subjetivas, las que son
también realizadas como parte del presente trabajo de tesis.
Por otra parte, el modelo propuesto es comparado con el rendimiento de diversos
modelos paramétricos existentes utilizando una base común de videos, mostrando que
los resultados obtenidos con el modelo propuesto en la presente tesis son mejores que
los obtenidos con los modelos existentes previamente.
En la tesis doctoral presentada por Joaquín Navarro Salmerón [53] se lleva a cabo la
propuesta de un conjunto de modelos cuyo objetivo es estimar la calidad percibida por los
usuarios de los servicios de vídeo basados en DASH. Más concretamente, partiendo de
la definición del servicio como un conjunto de componentes de servicio, se desarrollan
modelos parciales que estiman la calidad percibida asociada a cada uno de estos
componentes: calidad de vídeo, calidad de audio, degradaciones asociadas a la
transmisión, etc. Cada una de estas estimaciones de calidad percibida se combinan en
un modelo global que estima la calidad percibida total del servicio.
35
Servicios OTT, QoS y QoE
La tesis doctoral presentada por Luis Anegekuh en 2014 [54], propone una métrica ´´tipo
de contenido´´, que es usada junto con parámetros de codificación y de QoS de la red
para desarrollar un modelo de calidad de video basado en el contenido que estima la
calidad de diferentes secuencias de video codificadas en el formato High Efficiency Video
Coding (HEVC) y entregadas sobre una red IP. Las principales contribuciones de este
proyecto son las siguientes:
Definición de una nueva métrica para cuantificar el tipo de contenido de video
basada en las características espaciotemporales extraídas del flujo de bits
codificado.
Desarrollo de un novedoso test subjetivo para servicios de streaming de video.
Desarrollo de un nuevo modelo de predicción de la calidad del video basado en el
contenido para predecir la QoE de secuencias de video entregadas sobre una red
IP. El modelo es evaluado usando métodos subjetivos y objetivos.
1.5 Conclusiones
Las propuestas OTT actualmente tienen una gran demanda en el mercado mundial,
incluyendo la región de América Latina y nuestro país. Como principales servicios
ofrecidos destacan los de video, música, voz, mensajería y redes sociales.
Los operadores de telecomunicaciones ven amenazado su negocio, pues las propuestas
OTT resultan ser más atractivas y menos costosas para los usuarios, que los servicios
tradicionales ofrecidos por ellos. Además, los servicios OTT ocasionan una fuerte presión
en el tráfico de redes de las compañías de telecomunicaciones, en especial el tráfico de
video.
Los servicios OTT de video streaming son los de mayor ascenso en el uso de Internet por
los usuarios, incrementándose cada vez más sus requisitos en cuanto a calidad de
experiencia percibida. Son diversos los mecanismos implementados por los operadores
para brindar a sus usuarios QoS, pero no son suficientes en los nuevos escenarios donde
se desarrollan los servicios OTT.
Lograr un elevado nivel de aceptación por los usuarios de los servicios ofrecidos,
constituye un reto para los operadores y proveedores de dichos servicios. Para ello juega
un papel fundamental el concepto de QoE, que va más allá del análisis del desempeño
de parámetros de red, teniendo en cuenta además diversos factores subjetivos que se
centran en el usuario final. La evaluación de la QoE percibida por los usuarios es
fundamental para la optimización de los servicios brindados.
36
Servicios OTT, QoS y QoE
Son muchos los métodos subjetivos y objetivos propuestos para evaluar la QoE de
servicios OTT de video streaming. Los métodos objetivos tratan de estimar la evaluación
de la QoE percibida por los usuarios, pero no todas las propuestas existentes toman en
cuenta todos los factores que intervienen en dicha evaluación, por lo que se hace
necesario la elaboración de un método objetivo que permita estimar la QoE en servicios
OTT de video streaming, que contemple al menos, la mayoría de los factores que la
afectan.
37
Capítulo 2
Propuesta de un método para la estimación de la QoE en servicios OTT de video
streaming
38
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
2.1 Introducción
Los servicios OTT de video streaming presentan características muy distintas a los
servicios de video streaming tradicionales, en relación con la red en que se soportan, los
dispositivos terminales que emplean y los estándares para codificación y transmisión de
los contenidos que ofertan, entre otras consideraciones. Es por ello que los sistemas y
métodos empleados para la estimación de la QoE en dichos servicios tradicionales no
resultan adecuados para este nuevo tipo de servicios.
Los métodos existentes para la estimación de la QoE en servicios OTT de video
streaming, tienen en cuenta solo algunos de los elementos que afectan la QoE. Por tanto,
se propone un método que emplea varios de dichos modelos individuales para evaluar de
forma global la QoE de este tipo de servicios.
En el presente capítulo se describen las condiciones en que se desarrollan los servicios
OTT de video streaming y, a partir de estas, se definen los principales aspectos que
afectan la percepción del usuario de dicho servicios. Posteriormente, se realiza la
propuesta de un método para evaluar la QoE de los servicios OTT de video streaming y
se explican cada uno de los modelos seleccionados para conformar dicha propuesta,
justificando el porqué de su selección.
2.2 Condiciones de partida para la evaluación de QoE en servicios OTT
Antes de realizar la propuesta para la evaluación de la QoE en servicios OTT es preciso
destacar algunos aspectos esenciales en los que se basa el modelo que se propone, los
cuales están relacionados con las condiciones en que se desarrollan estos servicios.
Actualmente la mayoría de los proveedores de servicios OTT realizan, de manera eficaz,
la distribución de contenido multimedia enviando fragmentos de vídeo (segmentos) a
través del protocolo HTTP. El streaming basado en HTTP tiene las siguientes ventajas:
La infraestructura de Internet ha evolucionado para adaptarse de manera eficaz al
tráfico HTTP. El ejemplo más importante de esta adaptación son las CDN, que
proporcionan réplicas del contenido en localizaciones cercanas al usuario para
reducir el tráfico en las redes troncales.
HTTP atraviesa la mayor parte de firewalls ya que suelen estar configurados para
soportar conexiones HTTP salientes.
La tecnología de servidores HTTP es muy barata.
Mediante streaming HTTP son los clientes los que mantienen la información de
sesión, por lo que la escalabilidad de este tipo de servicios es muy alta.
39
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
Estas ventajas han propiciado el amplio uso de la tecnología de streaming adaptativo,
cuya principal virtud es que permite a la aplicación cliente escoger la calidad del
contenido a reproducir en función del ancho de banda disponible y de la capacidad de
CPU del dispositivo terminal. Esto es posible gracias a la existencia de un servidor de
ficheros, disponible para los clientes, que posee la información necesaria para que estos
soliciten los fragmentos de vídeo. A estos ficheros se les suele conocer como ficheros
manifest. La información que se incluye en el fichero manifest posee un catálogo con las
versiones disponibles en el servidor para un mismo contenido. Por ejemplo, diferentes
representaciones del flujo de vídeo codificado a distintas tasas de bit, audio en diferentes
idiomas, etc. Una vez que el cliente conoce las distintas versiones del contenido que se
ofertan puede, en cada petición, conmutar entre ellas. Dicha conmutación se realiza
como respuesta a una acción del usuario (por ejemplo, cambiar el idioma del audio) o
bien, algo típico de estos sistemas, como respuesta a un cambio en las condiciones de la
red (por ejemplo, si la tasa de bit disponible en la red se reduce, la aplicación cliente
puede decidir conmutar a un nivel de calidad inferior, solicitando segmentos de vídeo
codificado a menor tasa de bit que la que estaba obteniendo).
Existen varias soluciones de streaming adaptativo, la tabla 2.1 presenta una comparación
entre las soluciones existentes donde se aprecia que de las características de interés
para este tipo de streaming todas son soportadas por el estándar MPEG-DASH y solo
algunas por el resto de las soluciones existentes. Además MPEG-DASH permite tanto
streaming bajo demanda como en vivo con calidad sobre Internet y en su diseño se
contemplaron varios aspectos de interés para los proveedores de servicios OTT de video
streaming existentes, algunos de los cuales son:
Reúso de las tecnologías existentes.
Despliegues de CDNs con infraestructuras WEB e iCaching.
Alta QoE con bajo retardo de inicialización del video, bajos tiempos de rebuffering
y controles del video como stop, forward y rewind.
Rápida conmutación de los segmentos de diferentes bitrates sin afectar la
visualización del usuario.
De lo antes dicho, es razonable que la solución empleada por la mayoría de los
proveedores de servicios OTT de video streaming sea MPEG-DASH y por tanto es la que
se considera en el modelo que se propone para la evaluación de la QoE en este tipo de
servicios.
40
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
Tabla 2.1 Comparación de las soluciones existentes de streaming adaptativo [55]
41
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
2.3 Elementos a tener en cuenta para el desarrollo de la propuesta
Para poder definir cuáles serían los indicadores a considerar en la evaluación de la QoE
de los servicios OTT de video, se analizan los procesos por los que atraviesa el video de
extremo a extremo cuando se utiliza la tecnología de streaming adaptativo y el estándar
MPEG-DASH.
Inicialmente el video original pasa por un proceso de codificación y como resultado se
obtienen videos con distintos niveles de calidad con valores diferentes de bit rate, frame
rate y resolución.
La calidad de video que se percibe también depende del contenido del material
codificado. Los videos con poco movimiento y textura pueden verse con una calidad
percibida diferente que los de gran movimiento y/o textura para una misma condición de
codificación. Si bien este aspecto no es un parámetro de codificación, sino una propiedad
del material que se está codificando, debe tenerse en cuenta a los efectos de la
evaluación de la calidad percibida. El proceso de codificación digital de video se basa en
mecanismos “predictivos”, en los que los valores de los píxeles de algunos cuadros son
estimados en base a los valores de otros cuadros, cuando existe gran redundancia entre
imágenes cercanas en el tiempo.
El mecanismo de estimación y compensación del movimiento es un método ampliamente
utilizado en la codificación de video digital, y puede eliminar la alta redundancia temporal
de una secuencia de video, siendo la clave para la alta compresión existente en el
proceso de codificación. Este mecanismo se basa en dividir un cuadro en pequeños
bloques (de tamaño Bx × By pixels) y para cada bloque de un cuadro determinado se
busca el bloque “más parecido” en el cuadro utilizado como referencia dentro de cierta
ventana de búsqueda de tamaño Wx × Wy pixeles.
El desplazamiento del bloque “más parecido” respecto del bloque original determina el
“vector de movimiento” para ese bloque (dx, dy). El sistema codifica el vector de
movimiento y la diferencia entre el bloque predicho y el actual. La cantidad de información
que se evita enviar depende esencialmente de que tan parecidos sean los bloques
originales y predichos. El criterio utilizado para la búsqueda del bloque “más parecido”
consiste generalmente en encontrar el bloque que tenga mínima Suma de Todas las
Diferencias (SAD, por sus siglas en inglés de Sum of Absolute Difference,) entre el
bloque original y cada uno de los posibles bloques cercanos dentro de la ventana de
búsqueda. En el anexo uno se muestra el código utilizado para la obtención de los
valores de SAD de las secuencias de video utilizadas en este trabajo.
42
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
Luego del proceso de codificación, cada uno de los videos resultantes con diferentes
niveles de calidad son segmentados en pequeños fragmentos de video, denominados
chunks, que pueden tener de uno a diez segundos de duración, según establece el
estándar MPEG-DASH.
A continuación, el contenido de video codificado y segmentado es transmitido por cada
uno de los enlaces existentes en la red desde el extremo donde se encuentra el servidor
de contenidos hasta el extremo del cliente. La transmisión y difusión de señales
multimedia en los servicios OTT se realiza sobre todo tipo de redes IP (redes de área
local o redes de área amplia, ya sean cableadas o inalámbricas. En este tipo de redes,
típicamente no orientadas a la conexión, existen diversos factores que puedan afectar a
la calidad percibida de video. Dentro de estos factores se destacan la pérdida de
paquetes, las demoras y el jitter. El comportamiento de estos parámetros de red puede
provocar el vaciado y desbordamiento del buffer de la aplicación cliente, lo que influye en
la duración de los tiempos de inicialización del video, la ocurrencia de congelamientos de
la imagen, conocidos como rebufferings, y la duración de dichos rebufferings.
Además, en los distintos enlaces de la red pueden ocurrir variaciones del ancho de banda
disponible que provoquen que el cliente conmute entre las distintas representaciones del
video disponibles con diferentes niveles de calidad. La frecuencia y amplitud de los
cambios de calidad ocurridos durante la reproducción del video pueden afectar
severamente la QoE percibida por el usuario.
Existe actualmente una gran diversidad de dispositivos terminales con grandes
variaciones en los tamaños de las pantallas utilizadas, que son empleados por los
usuarios para acceder a los servicios de Internet y reproducir video en streaming. Es de
esperar que cuanto más pequeña sea la pantalla del dispositivo terminal, menos
información es necesario enviar por cada cuadro de imagen, y por lo tanto, menos ancho
de banda sería requerido para lograr una determinada calidad de video. Estudios
realizados muestran que la calidad obtenida para un determinado bit rate depende del
tamaño de la pantalla, por lo que las dimensiones del dispositivo utilizado son un aspecto
a tener en cuenta en la evaluación de la QoE percibida por el usuario.
A partir de lo explicado, se plantean los indicadores para evaluar la QoE de los servicios
OTT de video streaming junto con los factores que en ellos influyen. (Ver tabla 2.2).
43
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
Tabla 2.2 Principales indicadores para evaluar la QoE de los servicios OTT de video streaming y factores que en ellos influyen
Indicadores Factores
Desbordamiento y vaciado del buffer
(Demoras en el inicio de la
reproducción y rebufferings)
Desempeño de parámetros de red (RTT, Jitter,
PLR)
Frecuencia y amplitud de los cambios
de calidad
Ancho de banda disponible en la red (BW)
Nivel de calidad del contenido Parámetros de codificación (BR, FR, QP)
Complejidad espaciotemporal del contenido.
En base a lo planteado, se considera que las aportaciones de calidad que se deben tener
presentes para el desarrollo del modelo que se propone son las siguientes:
Calidad del contenido asociada al proceso de codificación. (QCod)
Calidad asociada al nivel de complejidad espacio temporal del contenido. (QCC)
Calidad asociada al tamaño de la pantalla del dispositivo terminal empleado.
(QDisp)
Degradación de la calidad asociada al efecto de la red. (QRed)
Degradación de la calidad asociada a los cambios de calidad ocurridos durante la
reproducción del video. (QSw)
2.4 Planteamiento general del método propuesto
Como se mencionó en el capítulo anterior, los métodos de evaluación subjetivos son los
más confiables, pero también son costosos (en tiempo y recursos) y difíciles de realizar.
Por ello se hace necesario el uso de métodos objetivos, que permitan estimar con
fiabilidad la calidad percibida, en función de mediciones tomadas en determinados puntos
del sistema.
En base a lo planteado anteriormente, en este trabajo se propone un método objetivo que
se basa en la estimación de la calidad percibida a partir de medidas de rendimiento. La
propuesta modela de manera cuantitativa la relación entre la calidad percibida por los
usuarios finales y las mediciones de determinados parámetros de calidad. Teniendo en
cuenta las clasificaciones recogidas en la recomendación ITU-T G.1011 (06/2015) [41]
para las metodologías de evaluación objetiva de la QoE, la propuesta que se presenta
puede considerarse un método híbrido.
El método propuesto estima la QoE global de extremo a extremo y está conformado a su
vez por varios submodelos que estiman la QoE en función de parámetros específicos.
44
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
Para el desarrollo de cada uno de estos submodelos que conforman el modelo global,
fueron seleccionados algunos de los métodos objetivos estudiados en el capítulo anterior.
Un esquema del modelo que se propone para la estimación de la QoE de los servicios
OTT de video streaming, de extremo a extremo, en el cual se incluyen los submodelos
considerados se muestra en la figura 2.1.
De acuerdo con lo anterior, la expresión matemática general para el método propuesto
estaría dada por (2.1).
QoEE2E ¿ f (QCod, QCC,QDisp, QRed, QSw ) (2.1)
Figura 2.1 Método general para la estimación de la QoE de servicios OTT de video streaming
2.4.1 Escalas de calidad empleadas
Los métodos subjetivos de evaluación de la calidad percibida, emplean comúnmente, la
escala MOS discreta de cinco puntos para expresar las valoraciones emitidas por los
usuarios. Por tanto, la estimación de la QoE de extremo a extremo, obtenida a partir del
empleo del método propuesto será expresada en escala MOS en el rango continuo [1,5].
Además de la escala MOS, en ciertos modelos se utiliza una escala continua cuyo rango
es [0, 100]. Dicha escala está inspirada en el factor R del modelo-E (definido en ITU-T
45
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
G.107[55]), que asume que distintas degradaciones expresadas en esta escala son
aditivas. Algunos de los modelos empleados para conformar el método propuesto utilizan
esta escala, por lo que finalmente los resultado serán transformados a escala MOS
mediante la expresión (2.2) propuesta en [56].
2.5 Selección de los modelos objetivos para conformar la propuesta
En el capítulo anterior fueron revisados los principales métodos objetivos existentes. Para
la correcta selección de los modelos objetivos a usar en el modelo propuesto inicialmente
se identificaron un conjunto de aspectos que permitieran compararlos. Estos son: la
clasificación de los mismos, el nivel de complejidad que presentan, los parámetros que
evalúa, el valor de correlación que presentan con las evaluaciones subjetivas realizadas
durante el proceso de validación del método y sus principales limitaciones.
Teniendo en cuenta los anteriores aspectos, a continuación se compararon los métodos
analizados lo cual se presenta en la tabla 2.3. Hacer esto facilitó, para la propuesta que
se presenta, la selección de los métodos que mejor nivel de correspondencia tienen con
los indicadores que se definieron para evaluar la QoE de los servicios OTT de video
streaming y los factores que en ellos influyen.
Para la estimación de la componente de calidad que aportan los parámetros de
codificación (QCod), la complejidad espacio temporal del contenido (QCC) y las
características del dispositivo terminal empleado para la reproducción del video (QDisp),
fue seleccionado el modelo propuesto en [40], pues ofrece altos valores de correlación
con evaluaciones subjetivas y, además, tiene en cuenta a la vez los parámetros de tres
de los submódulos que conforman el modelo general propuesto. Basándose en estudios
realizados el autor propone las funciones (2.3) a (2.9) que dependen de los parámetros
de codificación. El valor de Vq, correspondiente a la calidad del video obtenida mediante
el empleo de la expresión (2.3), se encuentra en escala MOS continua, en el rango [1,5].
46
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
Tabla 2 3 Cuadro comparativo de los métodos objetivos de evaluación de la QoE estudiados (desarrollo propio)
47
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
Tabla 2.3 Cuadro comparativo de los métodos objetivos de evaluación de la QoE estudiados (continuación)
48
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
V q=1+4∗k∗I b∗I f (2.3)
I b=1−1
1+( a∗bb1
)b2 (2.4)
I f=1+ (f max−f )∗( f 1∗s+ f 2∗e−f 3∗( f max− f )∗a∗b) (2.5)
a=a1∗(h∗l)−a2 (2.6)
b1=c1∗sc2+c3 (2.7)
b2=c4∗sc5+c6 (2.8)
k=1+(k1∗s+k2 )∗e−k3∗a∗b (2.9)
Donde:
b es el bit rate (en Mbps)
f es el frame rate (en frames por ssegundos (fps))
fmax es 25 fps
h es la altura de la pantalla del dispositivo terminal (en píxeles)
l es el ancho de la pantalla del dispositivo terminal (en píxeles)
s es el promedio de los valores de SAD obtenidos
Los valores de los coeficientes son presentados en la tabla 2.4.
Tabla 2.4 Valores de los coeficientes del modelo [4]Coeficiente Valor Coeficiente Valor
a1 50740 c6 1.2
a2 0.8353 k1 0.24
c1 0.15 k2 0.27
c2 0.95 k3 1.73
c3 0 f1 -0.0015
c4 0.03 f2 0.041
c5 0.68 f3 0.12
El modelo seleccionado para la estimación de la componente de QoE en función de los
cambios de calidad producidos durante la reproducción del video (QSw) es el “Modelo de
QoE de video adaptativo” (AV-QoE, por sus siglas en inglés de Adaptive Video-Quality of
Experience), propuesto en [51], pues en la bibliografía consultada no se han encontrado
49
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
otros métodos que evalúen dicho indicador. Los autores de este modelo realizaron un
estudio exhaustivo de los principales problemas que se presentan en los servicios de
video streaming empleando el estándar MPEG-DASH y desarrollaron un gran número de
experimentos subjetivos para su validación, logrando altos valores de coeficientes de
correlación. Lo anterior hace que este modelo sea de gran interés para el método
propuesto y justifica su selección.
Con este modelo, el cálculo de la degradación introducida por los cambios de calidad (I LV
), se realiza empleando la expresión (2.10), donde P1 y P2 son funciones que estiman la
degradación causada por el bajo nivel de calidad del video presentado tras el cambio de
calidad producido y la degradación producida por la propia fluctuación del nivel de
calidad, cuyos valores se obtienen empleando las expresiones (2.11) y (2.12)
respectivamente. El valor de degradación ILV se obtiene en escala R.
I LV=B1∗P1+B2∗P2 (2.10)
P1=1N
∗∑i=1
N
QVideoi∗ek∗T∗Di (2.11)
P2=1N
∗∑i=1
N−1
|QVideoi−QVideoi+1|
2∗¿ sign(QVideoi+1
−QVideoi)¿ (2.12)
Donde:
QVideoi es el valor de la calidad del segmento de video i presentado
N es el número total de segmentos de videos presentados
T es la duración de los segmentos de videos presentados
Di indica cuántos segmentos continuaos han sido transmitidos con el mismo valor de
calidad del segmento de video i
k , B1 y B2 son constantes (ver tabla 2.5)
Tabla 2 5 Valores de los coeficientesCoeficiente α a b c k B1 B2
Valor 3.2 3.8 4.2 2.6 0.02 75.6 48.2
Los autores, en este método, emplean como referencia el modelo VQM propuesto por
NTIA, con el cual se obtiene un valor de la calidad del video en un rango de 0 (no hay
50
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
degradación percibida) a 1 (máxima degradación percibida). Por ello es necesario ajustar
el valor de calidad del video (Vq) que se obtiene a partir de la expresión (2.3). Dicho
ajuste se logra con la expresión (2.13), donde Vqn es el valor de Vq normalizado.
Qvideo={ 1Vqn≤0.251−VqnVqn>0.25 (2.13)
Para la estimación de la componente de QoE en función del desempeño de los
parámetros de red (demora, jitter y pérdida de paquetes) (QRed) se seleccionó el modelo
AV-QoE, propuesto en [51], y el “Modelo basado en métricas de desempeño de la
aplicación” (APM, por sus siglas en inglés de Aplication Performance Metrics), propuesto
en [45], debido a que son sencillos de implementar y, además, están desarrollados
empleando el estándar MPEG-DASH. El “Modelo basado en APMs” propone tres
métricas de desempeño de la aplicación (por aplicación se entiende el servicio de video
streaming) para cuantificar la QoS del video streaming sobre HTTP, que representan la
estructura temporal de una reproducción de video, sin tener en cuenta el contenido. Estas
métricas son: tiempo de inicialización del video (Tinit), duración de un evento de
rebuffering ocurrido durante la reproducción (Trebuf) y frecuencia con que ocurren los
eventos de rebuffering (frebuf). Los autores proponen las expresiones (2.14) a (2.16), para
el cálculo del valor de dichas métricas.
T init=Bfull∗λ
β
(2.14)
T rebuf={ 0 β≥ λ(Bfull−B empty )∗λ
β β<λ (2.15)
f rebuf={ 0 β≥ λnrebuf
lβ<λ (2.16)
Donde:
Bfull es el tamaño del buffer de la aplicación cliente (en segundos)
Bempty es la longitud del buffer a partir de la cual se dispara un evento de rebuffering (en
segundos)
β es el valor promedio del throughput (en bps)
λ es el valor del bit rate del segmento de video (en bps)
51
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
nrebuf es el número de rebufferings ocurridos durante la visualización del video
l es la duración del video (en segundos)
El “Modelo AV-QoE” propone las expresiones (2.17) y (2.18) para el cálculo del valor (en
escala R) de las degradaciones de la calidad percibida I inite I rebuf respectivamente, en
función de las métricas T init, T rebufy nrebuf . En (2.17), se emplea la función min para forzar
al valor de I init a estar dentro del rango [0,100].
I init=min {α∗T init ,100 }
(2.17)
I rebuf=a∗Trebuf+b∗nrebuf−c∗√T rebuf∗nrebuf (2.18)
Donde:
a, b y c son constantes (ver tabla 2.5)
2.6 Modelo matemáticoA partir de los métodos seleccionados, los cuales evalúan individualmente la calidad o
degradación percibida por los usuarios en función parámetros objetivos, se propone la
expresión (2.19), con la cual se obtiene el valor de QoE de extremo a extremo en escala
R. Se emplea la función min para forzar al valor de la sumatoria de las degradaciones
I init , I rebuf e I LV a estar dentro del rango [0,100]. Con el empleo de la expresión (2.2) se
obtiene el valor de QoE de extremo a extremo en escala MOS.
QoEE 2E=100−min { I init+ I rebuf+ I LV ,100 } (2.19)
Los valores de I init , I rebuf e I LV se obtienen a partir de las expresiones (2.17), (2.18) y
(2.10) respectivamente.
2.7 ConclusionesEn este capítulo se han definido los principales indicadores a considerar para la
evaluación de la QoE de los servicios OTT de video streaming, a partir de los elementos
que intervienen en cada uno de los procesos por los que transita el contenido multimedia,
desde su obtención, hasta que es presentado al usuario final y de las condiciones en que
se desarrollan dichos servicios.
Además se ha propuesto un modelo matemático híbrido, sencillo y automatizable, para la
evaluación de la calidad percibida por los usuarios en un servicio OTT de video
streaming. El método propuesto combina las aportaciones de calidad de los distintos
52
Propuesta de un método para la estimación de la QoE en servicios OTT de video streaming
componentes del servicio y emplea varios métodos objetivos existentes, que evalúan de
manera individual, cada uno de los indicadores definidos.
53
Capítulo 3
Implementación de la propuesta para la estimación de la QoE en
servicios OTT de video streaming
54
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming
3.1 Introducción
En este capítulo se aplica la propuesta realizada para la estimación de la QoE en
servicios OTT de video streaming, para lo cual, se implementa una plataforma de prueba,
con características y condiciones similares a las de un servicio de este tipo. Lo anterior
permite el desarrollo de un conjunto de pruebas, cuyo propósito es evaluar el impacto que
causan los disturbios existentes en una red, sobre la calidad percibida por los usuarios.
Finalmente se valida el método propuesto para la estimación de la QoE en servicios OTT
de video streaming a partir de los resultados obtenidos en las pruebas realizadas.
3.2 Características y componentes de la plataforma de prueba de un servicio OTT de video streaming
Uno de los principios fundamentales de cualquier estándar es justamente lograr
interoperabilidad. Basado en lo anterior, existe desde el año 2012 el Fórum de Industria
DASH (DASH-IF, por sus siglas en inglés de DASH Interoperability Forum), el cual se
mantiene hasta hoy y al que pertenecen diversas empresas del sector multimedia,
constituyendo el eje principal en la compatibilidad y promoción de MPEG-DASH como
estándar internacional [57]. En la página de este fórum se incluyen varios proyectos de
implementación, recomendaciones y otros aspectos de interés, que fueron consultados
para el desarrollo de las pruebas realizadas durante este trabajo.
3.2.1 Preparación del contenido
Como se explicó en el primer capítulo, MPEG-DASH define dos elementos
fundamentales bajo los cuales basa su funcionamiento: un archivo manifest y el
contenido. El archivo manifest, que se encuentra en formato XML y con extensión “.mpd”,
debe contener la información necesaria para que el cliente pueda reproducir el contenido
multimedia. Este será el archivo que el cliente busca e interpreta para conocer la
disponibilidad de los videos y, seguidamente, reproducirlos en sus distintas
representaciones. Por su parte el contenido puede estar compuesto por varios videos que
difieren en diversos aspectos de acuerdo a los requerimientos de las aplicaciones
clientes.
Un video, independientemente de sus características, puede adecuarse al estándar
MPEG-DASH. Para lograrlo, debe emplearse un procedimiento simple que consta de dos
etapas fundamentales: codificación y segmentación, las cuales se describen a
continuación.
Codificación
55
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming
Para la codificación se tuvo en cuenta varias aplicaciones softwares existentes, entre las
que se encuentra la aplicación Format Factory, un software que corre sobre el sistema
operativo Windows y está ampliamente distribuida. Dicha aplicación presenta una interfaz
de usuario muy simple que permite modificar los principales parámetros de la codificación
tanto del audio como del video en la mayoría de los formatos admisibles por los
reproductores más utilizados en la actualidad.
Además, se valoró la utilización de la colección de software libre FFmpeg, la cual incluye
distintas librerías, útiles en la codificación de contenido multimedia, que son llamadas a
través de herramientas ejecutadas con el empleo de líneas de comandos tanto en
Windows como en Linux [58]. En este trabajo se empleó el sistema operativo Windows,
en el cual estas herramientas la conforman archivos ejecutables con extensión “.exe”.
El número de veces a codificar el video para cumplir con el estándar MPEG-DASH estará
definido por la cantidad de representaciones que se deseen obtener del mismo. En cada
codificación se modifican los parámetros que le permiten a la aplicación cliente escoger,
entre los segmentos disponibles, el que se adecue a sus requerimientos de hardware y
de ancho de banda disponible de la red en la que se encuentre el usuario.
La tabla 3.1 muestra los niveles de calidad comúnmente utilizados en la preparación de
contenidos para servicios de streaming de video que emplean el estándar MPEG-DASH.
Las normas de codificación empleadas actualmente por la mayoría de los servicios OTT
de video streaming son H.264/AVC, para el video y AAC para el audio, las cuales son
implementadas por la biblioteca x264 de la colección FFmpeg.
Tabla 3.1 Niveles de calidad empleados en la preparación de contenido MPEG-DASHNivel de calidad
ResoluciónTasa de bits del video
(kbps)Tasa de bits del audio
(kbps)1 320x240 100 642 480x360 200 643 480x360 300 644 480x360 400 645 854x480 500 966 854x480 600 967 854x480 700 968 854x480 800 1289 1280x720 900 128
10 1280x720 1000 12811 1280x720 1200 12812 1280x720 1500 12813 1920x1080 2000 19214 1920x1080 3000 19215 1920x1080 5000 192
56
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming
En el empleo de MPEG-DASH, es muy importante tener control del tamaño del grupo de
imágenes (GOP, por sus siglas en inglés de Group of Pictures), así como la distribución
de las imágenes tipo intra-frame con el objetivo de que, cuando los videos codificados
pasen a la fase de segmentación, cada segmento comience con una imagen intra-frame y
como resultado, durante el proceso de decodificación en la aplicación cliente, no se
necesite buscar una referencia en otro segmento. Lo antes dicho, permite a la aplicación
cliente conmutar a otra representación disponible, mientras transcurre la reproducción,
sin que se produzcan saltos en la misma.
Por lo antes mencionado se prefirió la utilización de la colección FFmpeg debido a que, a
diferencia del Format Factory, permite controlar el tamaño del GOP y por tanto la
distribución de las imágenes Intra-frames.
Para definir el número del GOP se siguió la siguiente regla:
GOP=t segm×f img
donde t segm es la duración que se le asignará a cada segmento y f img es la frecuencia de
imagen del video en cuestión. Es recomendable utilizar la frecuencia de imagen que trae
el video original para lograr una codificación de mayor calidad.
La línea de comandos empleada para la codificación de los videos de prueba fue la
siguiente:
ffmpeg -i entrada -s resolución -c:a salida de audio -ac canales de audio -ab bitrate de
audio -c:v libx264 -x264opts "keyint=GOPmáx:min-keyint=GOPmín:no-scenecut" -b:v bitrate de video -maxrate bitrate máx de video -bufsize tamaño del búfer
donde las palabras en cursiva, como indican sus nombres, se corresponden con los
parámetros de entrada y salida definidos en el proceso de codificación. Las opciones
resolución, bitrate de audio y bitrate de video varían de forma similar a los valores
mostrados en la tabla 3.1, para cada segmento con el nivel de calidad deseado.
Por otra parte, se utilizó el mismo valor para los parámetros GOP máximo y mínimo,
garantizando que los intra-frames se ubiquen en intervalos de tiempo constantes en cada
representación. También se agregó la opción no-scenecut para desactivar la inclusión
adaptativa de imágenes intra-frames en los cambios de escena que típicamente se
realiza por el software de forma automática.
Segmentación
57
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming
En la página oficial de DASH-IF [57] se recomiendan algunas de las herramientas
existentes para el proceso de segmentación del contenido. En este trabajo se decidió
utilizar la herramienta MP4box del proyecto GPAC [59], debido a su sencillez y a la gran
variedad de opciones que provee, como la de elegir diversos perfiles de representación
DASH compatibles con la mayoría de los reproductores de código abierto que existen
sobre Internet. Este software también se ejecuta mediante líneas de comandos, sobre el
sistema operativo Windows.
Además de los perfiles que define el estándar MPEG-DASH, la herramienta Mp4box
agrega otros, compatibles con las principales tecnologías de televisión como la de la
organización de Video Digital de Multidifusión (DVB, por sus siglas en inglés de Digital
Video Broadcasting) y de la televisión híbrida en multibanda y multidifusión (HbbTV, por
sus siglas en inglés de Hybrid broadcast broadband TV).
La línea de códigos utilizada para la segmentación de los videos de pruebas fue la
siguiente:
mp4box -dash dur_en_ms -frag dur_en_ms -rap -frag-rap -profile dashavc264:onDemand -out directorio_destino
donde -dash especifica el tamaño (en segundos) de los segmentos deseados y con
–frag (opcional) se indica el tamaño de los sub-segmentos que conforman los
segmentos. Los parámetros –rap y –frag-rap se utilizan para obligar al segmentador a
comenzar cada segmento con una imagen Intra-frame. Finalmente se especifican todos
los videos codificados previamente a distintos niveles de calidad.
Después de completar cada uno de los pasos descritos anteriormente, se obtiene un
conjunto de videos segmentados, con distintos niveles de calidad y un archivo MPD que
contiene la información de dichos videos con un formato acorde al estándar MPEG-
DASH. En el anexo dos de este trabajo se presenta el código empleado para la
automatización del proceso de preparación del contenido.
3.2.2 Escenario de pruebas
El escenario montado para la realización de las pruebas cuenta con los elementos
necesarios que permiten simular las condiciones reales de un servicio de video streaming
sobre redes IP (cableadas e inalámbricas). La figura 3.1 muestra el escenario simulado y
en la tabla 3.2 se describen los elementos presentes en dicho escenario y sus
implementaciones hardware y software.
58
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming
Figura 3.1 Escenario de simulación
Tabla 3.2 Elementos del escenario de simulaciónElemento del escenario Implementación hardware Aplicación software
Servidor PC Laptop HTTP File Server (HFS)
Generador de disturbios PC de escritorio Net Disturb
Punto de acceso Punto de acceso No necesario
Switch Switch No necesario
Cliente (red inalámbrica) Teléfono móvilOSMO 4 Client,
para Android
Cliente (red cableada) PC LaptopOSMO 4 Client,
para Windows
ServidorPara implementar un servidor de contenidos se empleó una PC laptop con un Procesador
core i5 a 1.80GHz de frecuencia, 6GB de memoria RAM e interfaz de red Gigabit
Ethernet (1 Gbps). Sobre este dispositivo se empleó el software HTTP File Server,
conocido por sus siglas HFS, el cual es un servidor web libre, diseñado específicamente
para publicar y compartir archivos empleando el protocolo HTTP. Incluye, además, una
interfaz gráfica muy simple que permite modificar el código HTML que trae por defecto y
personalizarlo, incluso permite agregar scripts que pueden ser llamados desde un código
generado en HTML5. Esta versión de HTML, más moderna, es muy utilizada actualmente
para publicar, fundamentalmente, archivos multimedia.
Además de las prestaciones anteriores, HFS permite limitar el número de usuarios
conectados, la cantidad de descargas simultáneas desde una misma dirección IP, el
número de conexiones simultáneas, el tiempo máximo de inactividad permitida y el ancho
de banda disponible.
59
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming
Generador de Disturbios
El hardware empleado para montar la aplicación que genera los disturbios en la red es
una PC de escritorio con un Procesador Intel Celeron a 3.0 GHz de frecuencia; 2GB de
memoria RAM y dos interfaces de red Fast Ethernet (100 Mbps).
Existen varias aplicaciones softwares disponibles en Internet, capaces de simular las
condiciones reales de una red IP. En este trabajo se escogió Net Disturb debido a que es
fácil de usar y simula la mayor parte de los disturbios en la red (pérdida y duplicación de
paquetes, demoras y jitter) necesarios para la realización de las pruebas desarrolladas.
La aplicación impone como requisito la existencia de dos interfaces de red en el hardware
donde se encuentre instalado, pues NetDisturb, actúa como un puente entre ellas.
Punto de acceso
El punto de acceso empleado en el escenario de simulación presenta las siguientes
características: ZTE.AP WiFi PW21 b/g/n de hasta 300 Mbps.
Aplicaciones clientes
Existe en internet una gran variedad de aplicaciones propietarias con soporte para
MPEG-DASH, a las cuales el acceso es restringido. Debido a esto se decidió dirigir la
búsqueda hacia softwares libres y de código abierto, que además brindaran la posibilidad
de conocer cómo implementan el estándar MPEG-DASH.
Entre las aplicaciones encontradas está el VLC media player [60], desarrollado por la
organización VideoLAN, el cual es un reproductor de audio y video con soporte en
múltiples plataformas incluido Android, que permite reproducir prácticamente cualquier
formato sin necesidad de códecs adicionales, además de la capacidad de soportar
streaming sobre varios protocolos basados en IP. Esta aplicación no mostró buen
desempeño en el empleo del estándar MPEG-DASH, puesto que se produjeron
constantes pausas tras el inicio de la reproducción del video.
Otra de las opciones que se valoró fue el uso del proyecto DASH JS. Este proyecto es
parte de una iniciativa de DASH-IF, cuyo objetivo es establecer un marco para la
implementación de reproductores multimedia que soporten el contenido MPEG-DASH, a
través del uso de bibliotecas de javascript del lado del cliente [61], con soporte sobre
HTML5 a partir de la API Media Source Extensions (MSE).
Existen varios reproductores web de referencia que se pueden consultar en la página
oficial de DASH-IF que hacen uso de la API mencionada. El proyecto DASH JS posee
numerosas ventajas, la principal es la posibilidad de reproducir el contenido DASH dentro
60
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming
del propio navegador, debido a que los más utilizados soportan MSE, eliminándose la
necesidad del uso de una aplicación que pudiera ser o no compatible con los dispositivos
terminales o dependiente de un sistema operativo en específico.
La desventaja que se presentó para utilizar el proyecto DASH JS es la falta de dominio
del lenguaje javascript necesario para comprender cómo implementa MPEG-DASH y
poder adaptarlo a una página propia en formato HTML5. No obstante, se logró conformar
un código que, después de cargar la librería javascript, obtenía el MPD y comenzaba la
reproducción de los segmentos, pero no conmutaba entre los segmentos disponibles en
el servidor de contenidos, al ocurrir cambios en el ancho de banda disponible en la red.
Finalmente se empleó la aplicación MP4 Client/Osmo4, desarrollado también por el
proyecto GPAC. Adicionalmente, esta, muestra, en tiempo real, información referente al
estado de la red y a los segmentos de video que está reproduciendo (ver figuras 3.2).
Este software fue, entre todos los revisados, el que mostró mejor desempeño en su
funcionamiento con el estándar MPEG-DASH, por lo que fue seleccionado para la
realización de las pruebas desarrolladas en este trabajo. La aplicación MP4 Client/Osmo4
se instaló en sistemas Android (Smartphone Nubia NX511J Android 5.02) y en Windows
(PC Laptop con características similares a la que se empleó como servidor).
3.3 Evaluación del impacto de los disturbios existentes en la red sobre la QoE del servicio OTT de video streaming
Como ya se ha mencionado en este trabajo, la red IP proporciona un servicio de mejor
esfuerzo y no garantiza calidad de servicio. Cuando el tráfico de video streaming es
transportado sobre una red IP, la tecnología basada en paquetes puede introducir
desperfectos y tener influencia en la calidad percibida por el usuario final. La medición de
los parámetros de QoS (demora, pérdida de paquetes y ancho de banda disponible) de
una red, juega un papel muy importante en las aplicaciones multimedia, para poder
ofrecer una mejor QoE a los usuarios, a partir de la comparación de las mediciones
realizadas, con los umbrales reconocidos para cada uno de dichos parámetros de QoS.
Ha sido de interés para este trabajo la realización de un grupo de pruebas que permitan
arribar a conclusiones sobre cómo es afectado el desempeño de un servicio OTT de
video streaming (con el empleo de streaming adaptativo y el estándar MPEG-DASH), a
partir de variaciones de los parámetros de QoS y brindar a ETECSA, como operador
nacional de telecomunicaciones, una idea de cuáles serían los umbrales de dichos
parámetros necesarios a garantizar para una futura introducción de este tipo de servicios
en sus redes públicas.
61
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming
Figura 3.2 Información brindada por la aplicación Osmo4
Mediante el empleo de secuencias de video preparadas según es explicado en el
epígrafe anterior y la plataforma de prueba descrita, se desarrollaron un conjunto de
simulaciones en las que se fijaron los valores de pérdida de paquetes (en ráfaga),
demoras y ancho de banda disponible, los cuales se recogen en la tabla 3.3. Como
resultado, se observó que el parámetro demora influye principalmente en los tiempos de
inicialización del video (ver tabla 3.4), y que la pérdida de paquetes tiene fundamental
incidencia en la ocurrencia y duración de los eventos de rebuffering, los cuales
comienzan a apreciarse a partir de una pérdida de 50 paquetes en ráfaga (ver tabla 3.5).
La gráfica 3.1 muestra los valores de QoE, obtenidos a partir del modelo matemático que
se propone, en función de los valores de los parámetros de QoS que fueron simulados.
Tabla 3.3 Valores de los parámetros de red simulados en la plataforma de pruebaParámetro de Demora Pérdida de paquetes (en Ancho de banda disponible
62
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming
red (ms) ráfaga) (kbps)
V
A
L
O
R
E
S
5 20 5000
15 30 3000
25 40 2000
35 50 1000
45 60 900
55 70 700
65 80 500
90 300
100 200
100
Tabla 3.4 Tiempos de inicialización del video Demora
(ms)
5 15 25 35 45 55 65
Tinit (s) 1 2 3 4 5 6 7
Tabla 3 5 Tiempos de rebuffering del videoPérdida de paquetes (en
ráfaga)
30 40 5
0
60 70 80 9
0
100
Trebuf (s) 0 0 2 4 6 8 1
0
12
65 55 45 35 25 15 5
0
1
2
3
4
5
100
80
60
40
100 90 80 70 60 50 40
Demora
QoE
Pér
dida
de
paqu
etes
Gráfica 3.1 Valores de QoE en función de los parámetros de QoS
63
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming
Al aplicar diferentes limitaciones al ancho de banda disponible en la red, se observó que
la aplicación cliente conmuta entre segmentos de diferentes niveles de calidad ofertados
por el servidor de contenidos. Dichos niveles varían proporcionalmente con respecto al bit
rate al cual fueron codificados. A partir de lo anterior se recomienda garantizar un ancho
de banda disponible mínimo igual a 200 kbps para dispositivos móviles y 600 kbps para
las PC, con el objetivo de obtener valores aceptables de QoE.
3.4 Validación de la propuesta
El desempeño o rendimiento del modelo matemático propuesto se realizó evaluado la
precisión de su capacidad de estimar la evaluación subjetiva de la calidad percibida,
emitida por los participantes de las pruebas de validación realizadas. La precisión del
modelo propuesto se puede determinar numéricamente mediante el valor de la raíz del
error cuadrático medio (RMSE, por sus siglas en inglés de Root Mean Square Error),
definido en la expresión (3.1), donde x y y son los valores de cada juego de datos (x
representa los datos obtenidos como resultado del modelo a evaluar y y los datos
obtenidos mediante las pruebas subjetivas).
RMSE=√ 1N ∑i=1
N
(x i− yi)2 (3.1)
El proceso de evaluación subjetiva de la QoE del servicio implementado se desarrolló
empleando el método ACR, debido a que es sencillo, rápido de implementar y la
presentación de los estímulos es similar a la de un servicio en tiempo real. Por ello, ACR
es el método adecuado para las pruebas de calificación.
El método ACR es un juicio de categorías en el que las secuencias de prueba se
presentan al participante, una tras otra, y se califican de forma independiente en una
escala de categorías (en este procedimiento se escogió la escala MOS discreta de 1 a 5
puntos). El método especifica que, después de cada presentación, se invite a los
participantes a que evalúen la calidad percibida de la secuencia presentada. A los
participantes no se les da ninguna referencia explícita, pero ellos siempre utilizarán una
referencia implícita.
Las secuencias de video utilizadas en las pruebas de evaluación subjetiva son: el tráiler
de la película animada de Pixar, “Buscando a Dory” y el video musical “Me equivoqué”, de
los cantantes cubanos Diván y Leoni Torres. Las características de las secuencias de
64
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming
video, necesarias para la aplicación del modelo propuesto, se muestran en las tablas
(3.6) y (3.7).
Para el proceso de validación se realizaron dos pruebas con veinte participantes en cada
una. La encuesta realizada a los participantes se recoge en el anexo tres de este trabajo.
En la prueba número uno se presentó a los participantes la secuencia de video
“Buscando a Dory" y se aplicaron los siguientes disturbios en la red:
una pérdida de 60 paquetes en ráfaga, transcurrido 34 segundos de la
reproducción del video, ocasionando una disminución del valor promedio del
throughput de la red con respecto al bit rate del segmento de video solicitado por
la aplicación cliente, lo que provocó la ocurrencia de un evento de rebuffering.
una limitación de 800 kbps al ancho de banda disponible en la red, ocasionando
que la aplicación cliente conmutara del segmento con bit rate igual a 1 Mbps, a
uno con 700 kbps.
Tabla 3.6 Características de las secuencias de video empleadasSecuencia de
videoDuración del video (min)
Duración de los segmentos
CódecTamaño del
GOPDory 1-10 01:34 1 segundo H264/AVC 23
Me equivoqué 1-9 03:56 5 segundos H264/AVC 24
Tabla 3.7 Características de las secuencias de video empleadas (continuación)Secuencia de
video Resolución Bit Rate (bps) Frame Rate (fps)
S (SAD promedio)
Dory 1 320x240 100 k 23 6,013546Dory 2 320x240 200 k 23 6,135464Dory 3 320x240 300 k 23 6,729291Dory 4 480x360 400 k 23 6,717477Dory 5 480x360 500 k 23 6,755664Dory 6 854x480 600 k 23 7,153365Dory 7 854x480 700 k 23 7,177014Dory 8 854x480 800 k 23 7,185629Dory 9 1280x720 900 k 23 7,334063Dory 10 1280x720 1000 k 23 7,327487
Me equivoqué 1 854x480 500 k 24 1,1153934Me equivoqué 2 854x480 600 k 24 1,1155275Me equivoqué 3 854x480 700 k 24 1,1155985Me equivoqué 4 1280x720 800 k 24 0,8762582Me equivoqué 5 1280x720 900 k 24 0,8764915Me equivoqué 6 1280x720 1000 k 24 0,8767548Me equivoqué 7 1920x1080 2000 k 24 0,8558029
65
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming
Me equivoqué 8 1920x1080 3000 k 24 0,8565512Me equivoqué 9 1920x1080 5000 k 24 0,8563590
En la prueba número uno se presentó a los participantes la secuencia de video
“Buscando a Dory" y se aplicaron los siguientes disturbios en la red:
una pérdida de 60 paquetes en ráfaga, transcurrido 34 segundos de la
reproducción del video, ocasionando una disminución del valor promedio del
throughput de la red con respecto al bit rate del segmento de video solicitado por
la aplicación cliente, lo que provocó la ocurrencia de un evento de rebuffering.
una limitación de 800 kbps al ancho de banda disponible en la red, ocasionando
que la aplicación cliente conmutara del segmento con bit rate igual a 1 Mbps, a
uno con 700 kbps.
En la prueba número dos se presentó a los participantes la secuencia de video “Me
equivoqué" y se aplicaron los siguientes disturbios en la red:
una pérdida de 70 paquetes en ráfaga, transcurrido un minuto de la reproducción
del video, ocasionando una disminución del valor promedio del throughput de la
red con respecto al bit rate del segmento de video solicitado por la aplicación
cliente, lo que provocó la ocurrencia de un evento de rebuffering.
una limitación de 2 Mbps al ancho de banda disponible en la red, ocasionando
que la aplicación cliente conmutara del segmento con bit rate igual a 5 Mbps, a
uno con 1 Mbps kbps.
Las trazas registradas en el servidor de contenidos en cada una de las pruebas se
muestran en el anexo cuatro.
Finalmente, con el objetivo de validar la propuesta para la estimación de la QoE en
servicios OTT de video streaming, se llevó a cabo una comparación general entre los
resultados obtenidos con el empleo del modelo matemático propuesto y la evaluación
emitida por los participantes de las pruebas subjetivas, teniendo en cuenta las
degradaciones de calidad introducidas tanto en el proceso de codificación como en el de
transmisión. La tabla (3.3) refleja los resultados obtenidos en el proceso de validación.
Tabla 3.8 Resultados obtenidos en el proceso de validación de la propuestaMétrica de evaluación RMSE
Resultado obtenido 0.49
66
Implementación de la propuesta para la estimación de la QoE en servicios OTT de video streaming
3.5 Conclusiones
En este capítulo se han descrito los componentes fundamentales de una plataforma de
prueba para la implementación de un servicio de video streaming con características
similares a las de un OTT. Dicha plataforma permitió la realización de un conjunto de
pruebas para evaluar la QoE de este tipo de servicios, en función del impacto que
producen los cambios ocurridos en la red sobre la calidad percibida por el usuario final.
Además, se logró validar la propuesta realizada para la estimación de la QoE en servicios
OTT de video streaming, a partir de la realización de un grupo de pruebas de evaluación
subjetiva, con usuarios reales del servicio, con lo cual se obtuvieron resultados
satisfactorios.
67
CONCLUSIONESLa realización de este trabajo arrojó las siguientes conclusiones:
Las propuestas OTT actualmente cuentan con un alto y creciente nivel de
penetración en el mundo, América Latina, e incluso en Cuba, e impactan
fuertemente en el uso de los servicios tradicionales de telecomunicaciones.
Durante los últimos años el área con mayor ascenso en el uso de Internet ha sido
el video streaming, creando nuevas oportunidades de desarrollo y negocios tanto
para las compañías generadoras de contenido como para los proveedores del
servicio.
La gran demanda que presentan los servicios OTT de video streaming, ha
propiciado que, tanto a los proveedores del servicio como a los operadores de
telecomunicaciones sientan la necesidad de conocer cómo los usuarios de este
tipo de servicios perciben la calidad de los mismos, para así mejorar, de manera
eficaz y rentable, los servicios brindados y de esta forma mantener la fidelidad de
los clientes y la competitividad en el mercado.
La propuesta realizada para la estimación de la QoE en servicios OTT de video
streaming se adecua a las condiciones y características de los mismos.
A partir de una plataforma de prueba implementada se logró evaluar la QoE de los
servicios OTT de video streaming, lo que permitió observar la relación estrecha
que existe entre los dos principales criterios de calidad: calidad de servicio y
calidad de experiencia.
A partir de los resultados obtenidos en las pruebas realizadas se logró validar la
propuesta realizada para estimar la calidad percibida por los usuarios en servicios
OTT de video streaming.
Se considera que se ha resuelto el problema planteado y se ha dado cumplimento al
objetivo trazado. Por tanto, la implementación de esta propuesta permitirá, tanto a los
operadores como a los proveedores de los servicios OTT de video streaming, conocer
cómo sus usuarios perciben la calidad de estos servicios.
68
RECOMENDACIONES
Mediante la realización de este trabajo se generaron las siguientes recomendaciones:
1. Llevar a cabo la automatización de la propuesta para la estimación de la QoE en
servicios OTT de video streaming, con el objetivo de incorporarlo a un sistema de
gestión del proveedor del servicio, para realizar la medición, en tiempo real, de la
calidad percibida por sus usuarios.
2. Adaptación del modelo de calidad de vídeo al nuevo estándar H.265 y a nuevas
resoluciones (4K UHD).
69
REFERENCIAS BIBLIOGRÁFICAS[1] “The Competitive Intelligence Unit,” 2014.[2] Á. G. Castillejo, “Regulación de los servicios “Over The Top” (OTT),” in Universidad
Externado de Colombia y UNE - TIGO “Foro: Regulación de los servicios “Over the Top” (OTT)”, 2015.
[3] “Cisco Visual Networking Index Forecast and Methodology, 2014–2019 White Paper.”[4] “Global telecommunications study. Navegando hacia 2020.,” Centro de Estudios Ernst &
Young, S.L. Resumen Ejecutivo, Enero 2016.[5] Regulatory Framework for Over-the-top (OTT) services T. R. o. India, 2015.[6] “Estado del video OTT en Latam Evolución, proyecciones, principales jugadores y tips para
una estrategia exitosa. White-paper,” Ooyala, 2014.[7] “The OTT Playbook, Part II: Keys to Building Momentum.,” A Parks Associates Whitepaper
Developed for OOYALA and Vindicia, 2015.[8] Isdefe, “Hacia la transformación digital de América Latina: las infraestructuras y los
servicios TIC en la región.,” Banco de Desarrollo de América Latina, 2013.[9] "Alianzas entre operadores y OTT mejorará el mercado.," EL ECONOMISTA, 2015.[10] J. A. N. Manohalt, “Medición y caracterización del jitter en tráfico de video streaming,”
Universidad de Quintana Roo, México, 2014.[11] C. R. I. PAREDES, “Implementación de un servicio de streaming de video sobre una
plataforma IMS utilizando software libre,” Facultad de ingeniería, Pontificia Universidad Católica del Ecuador, 2011.
[12] L. E. C. d. Oso, “Curso IPTV - OTT,” 2014.[13] A. Leal, “Codificación y transmisión de video: desde la cámara a la web, TV y cine,” 2014.[14] K. J. Sunny Taksande, Vishwanath Chikaraddi and Sowmiya Raksha, “Video Streaming
Techniques and Issues,” International Journal of Advanced Research in Computer Science & Technology (IJARCST ), vol. 3, no. 1, 2015.
[15] D. P. Placencia, “Análisis de los servicios y tecnologías de video over the top para móviles,” Máster Universitario en Ingeniería de Redes y Servicios Telemáticos, Departamento de Ingeniería de Sistemas Telemáticos, Universidad Politécnica de Madrid Escuela Técnica Superior de Ingenieros de Telecomunicación, Madrid, 2013.
[16] I. Sodagar, “MPEG-DASH: The Standard for Multimedia Streaming Over Internet,” 2011.[17] E. M. S. Rosales, “Método de transmisión de video H.264/AVC implementando Adaptive
Bitrate Streaming,” Universitat Politècnica de Catalunya. Escola Tècnica d'Enginyeria de Telecomunicació de Barcelona, 2014.
[18] D. Nelson, "Smooth Streaming Deployment Guide," http://www.iis.net/learn/media/smooth-streaming/smooth-streaming-deployment-guide, 2010].
[19] S. Akhshabi, A. C. Begen, and C. Dovrolis, “An Experimental Evaluation of Rate-Adaptation Algorithms in Adaptive Streaming over HTTP,” 2011.
[20] A. Inc. "HTTP Streaming Architecture," https://developer.apple.com/library/ios/documentation/NetworkingInternet/Conceptual/StreamingMediaGuide/HTTPStreamingArchitecture/HTTPStreamingArchitecture.html#//apple_ref/doc/uid/TP40008332-CH101-SW2.
[21] Encoding.com. "MPEG-DASH. History," http://www.encoding.com/mpeg-dash/.[22] I. Sodagar, “The MPEG-DASH Standard for Multimedia Streaming Over the Internet,”
2011.
[23] "Recommendation ITU-T E.804. Quality of telecommunication services: concepts, models, objectives and dependability planning – Terms and definitions related to the quality of telecommunication services," QoS aspects for popular services in mobile networks, 2014.
70
[24] L. F. F. Brenda R. Quiñónez, Diego P. Pinto Roa, Carlos Núñez y María E. García, “Evaluación de la calidad de la experiencia para servicios de datos móviles,” Facultad Politécnica, Universidad Nacional de Asunción, Paraguay, 2015.
[25] M. L. Cabello, “Desarrollo de un sistema de medición, monitorización y gestión de servicios OTT,” Proyecto fin de carrera, Computación y Redes de Altas Prestaciones, Dpto. Tecnología Electrónica y de las Comunicaciones, Universidad Autónoma de Madrid. Escuela Politécnica Superior, Madrid, España, 2015.
[26] L. F. a. B. Quiñónez, “Monitorización y Evaluación de la Calidad de la Experiencia para Servicios Móviles.”
[27] J. J. a. R. Sotelo, “Modelo de Estimación de Calidad de Video: Video Quality Experts Groups,” Memoria de Trabajos de Difusión Científica y Técnica, núm. 10 2012.
[28] J. H. O. y. J. L. A. Juan C. Cuéllar, “Clasificación y Análisis de Métodos para medir Calidad de la Experiencia del Servicio de Televisión sobre Protocolo IP (IPTV),” Información Tecnológica Vol. 25(5), 121-128 (2014).
[29] J. Bonini, “Cumplir con las Expectativas del Cliente en la Entrega del Servicio de Video sobre IP. Medición de Calidad en Redes de Video sobre IP,” IEEE, 2012.
[30] Q. E. N. o. Q. o. E. i. M. S. a. Services, “Qualinet White Paper on Definitions of Quality of Experience (QoE) and Related Concepts.,” 2013.
[31] J. M. G. Stensen, “Evaluating QoS and QoE Dimensions in Adaptive Video Streaming,” Master of Science in Communication Technology, Department of Telematics, Norwegian University of Science and Technology, Trondheim, Noruega, 2012.
[32] J. Pokhrel, “Intelligent quality of experience (QoE) analysis of network served multimedia and web contents,” DOCTEUR DE TELECOM SUDPARIS, Informatique et Réseaux, DOCTORAT EN CO-ACCREDITATION TELECOM SUDPARIS ET L’UNIVERSITE EVRY VAL D’ESSONNE, 2015.
[33] L. S. A. Khan, J. Fajardo, I. Taboada, F. Liberal, and E. Ifeachor, “Impact of end devices on subjetive video quality assessment for QCIF video sequences ” In Quality of Multimedia Experience (QoMEX), 2011 Third International Workshop IEEE, 2011.
[34] “Recomendación UIT-T P.800 (08/96). Métodos de determinación subjetiva de la calidad de transmisión..”
[35] “Recomendación UIT-T P.800.1 (07/2006). Terminología de las notas medias de opinión..”[36] “Recommendation ITU-T P.913 (01/2014). Methods for the subjective assessment of
video quality, audio quality and audiovisual quality of Internet video and distribution quality television in any environment..”
[37] M. S. a. A. C. Margaret H. Pinson, “A new method for immersive audiovisual subjective testing,” 2014.
[38] L. J. a. M. Pinson, “Subject Bias: Introducing a theorical user model,” 2014.[39] K. B. Samira Tavakoli, Kun Wang, Börje Andrén, Muhammad Shahid and Narciso Garcia,
“Subjective Quality Assessment of an Adaptive Video Streaming Model,” 2014.[40] J. Joskowicz, “Hacia un Modelo Perceptual de Video. Desarrollo de un Modelo
Paramétrico General de Estimación de la Calidad Percibida de Video,” ETSI de Telecomunicación Universidad de Vigo, 2012.
[41] “Recommendation ITU-T G.1011 (06/2015). Reference guide to quality of experience assessment methodologies..”
[42] “Recomendación UIT-R BT.1866 (03/2010). Técnicas de medición objetiva de la calidad visual percibida para aplicaciones de radiodifusión que utilizan la televisión de definición reducida en presencia de una señal de referencia completa..”
[43] W. Song, “User-Driven QoE Modelling for Mobile video Optimisation. ,” Science and Engineering Faculty, Queensland University of Technology, 2012.
[44] W. S. a. D. W. Tjondronegoro, “Acceptability-Based QoE Models for Mobile Video,” IEEE TRANSACTIONS ON MULTIMEDIA, VOL. 16, NO. 3, 2014.
71
[45] E. W. W. C. Ricky K. P. Mok, and Rocky K. C. Chang, “Measuring the Quality of Experience of HTTP Video Streaming,” 12th IFIP/IEEE 1M 2011: Mini Conference, 2011.
[46] C. B. a. X.-H. P. Mirghiasaldin Seyedebrahimi, “Model and performance of a no reference quality assessment metric for video streaming.,” IEEE, 2013.
[47] D. J. L. B. V. a. N. G. Gómez, “Nonintrusive Method Based on Neural Networks for Video Quality of Experience Assessment.,” Hindawi Publishing Corporation Advances in Multimedia, 2015.
[48] X. Z. Bingjun Han, Yifei Qi, Yuehong Gao and Dacheng Yang, “QoE Model Based Optimization for Streaming Media Service Considering Equipment and Environment Factors,” Springer Science+Business Media, 2012.
[49] L. K. C. a. A. C. B. Margaret H. Pinson, “Temporal Video Quality Model Accounting for Variable Frame Delay Distortions.,” IEEE Transactions on Broadcasting., 2014.
[50] A. P. a. H. Z. Tianyi Wang, “VQM-Based QOS/QOE Mapping for streaming video,” IEEE, 2010.
[51] S. D. Yao Liu, Don Gillies, Faith Ulupinar and Michael Luby, “User Experience Modeling for DASH Video.,” IEEE, 2013.
[52] P. d. l. C. Ramos, “Contribución a los modelos y metodologías para la estimación de la calidad percibida por los usuarios (QoE) a partir de parámetros de calidad de red/servicio (QoS) en servicios convergentes multimedia (triple-play),” Escuela Técnica Superior de Ingenieros de Telecomunicación Universidad Politécnica de Madrid, 2012.
[53] J. N. Salmerón, “Contribución a los modelos de estimación de la calidad percibida en servicios de vídeo sobre Internet mediante parámetros objetivos. ,” Departamento de Ingeniería de Sistemas Telemáticos., Universidad Politécnica de Madrid. Escuela Técnica Superior de Ingenieros de Telecomunicación., 2015.
[54] L. Anegekuh, “Video content-based QoE prediction for HEVC encoded videos delivered over IP networks,” School of Computing and Mathematics. Faculty of Science and Environment, Plymouth University, 2014.
[55] “Recommendation ITU-T G.107 (06/2015).”[56] J. Navarro, “Contribución a los modelos de estimación de la calidad percibida en servicios
de video sobre Internet mediante parámetros objetivos.,” 2015.[57] "DASH Industry Forum," http://dashif.org.[58] "FFmpeg," http://www.ffmpeg.org.[59] "Gpac Multimedia Open Source," http://gpac.wp.mines-telecom.fr/mp4box/mp4box-
documentation/.[60] "Video Lan Client media player," http://www.videolan.org.[61] "W3C Editor's Draft," http://w3c.github.io/media-source/.
BIBLIOGRAFÍA
72
1 'Cisco Visual Networking Index Forecast and Methodology, 2014–2019 White
Paper'.
2 'The Competitive Intelligence Unit', (2014).
3 'Dash Industry Forum', <http://dashif.org>.
4 'Estado Del Video Ott En Latam Evolución, Proyecciones, Principales Jugadores Y
Tips Para Una Estrategia Exitosa. White-Paper', Ooyala (2014).
5 'Ffmpeg', <http://www.ffmpeg.org>.
6 'Global Telecommunications Study. Navegando Hacia 2020.', Centro de Estudios
Ernst & Young, S.L. Resumen Ejecutivo (Enero 2016).
7 'Gpac Multimedia Open Source',
<http://gpac.wp.mines-telecom.fr/mp4box/mp4box-documentation/>.
8 'Optimizing Multiscreen Tv Delivery with a Secure Video Player', Nagra Kudelski
(2015).
9 'Ott and the Qos Conundrum', CSI 2013.
10 'Ott Monetization Guide', Vindicia (2014).
11 'The Ott Playbook, Part Ii: Keys to Building Momentum.', A Parks Associates
Whitepaper Developed for OOYALA and Vindicia (2015).
12 'Recomendación Uit-R Bt.1866 (03/2010). Técnicas De Medición Objetiva De La
Calidad Visual Percibida Para Aplicaciones De Radiodifusión Que Utilizan La Televisión
De Definición Reducida En Presencia De Una Señal De Referencia Completa.'.
13 'Recomendación Uit-T G.1010 Categorías De Calidad De Servicio Para Los
Usuarios De Extremo De Servicios Multimedios.(2001).
14 'Recomendación Uit-T P.800 (08/96). Métodos De Determinación Subjetiva De La
Calidad De Transmisión.'.
15 'Recomendación Uit-T P.800.1 (07/2006). Terminología De Las Notas Medias De
Opinión.'.
16 'Recomendación Uit-T P.911 (12/98). Métodos De Evaluación Subjetiva De La
Calidad Audiovisual Para Aplicaciones Multimedios.'.
17 'Recommendation Itu-T E.804. Quality of Telecommunication Services: Concepts,
Models, Objectives and Dependability Planning – Terms and Definitions Related to the
Quality of Telecommunication Services', in QoS aspects for popular services in mobile
networks, 2014).
18 'Recommendation Itu-T G.107 (06/2015)'.
19 'Recommendation Itu-T G.1011 (06/2015). Reference Guide to Quality of
Experience Assessment Methodologies.'.
73
20 'Recommendation Itu-T J.343. Hybrid Perceptual Bitstream Models for Objective
Video Quality Measurements.'.
21 'Recommendation Itu-T P.910(04/2008) Subjective Video Quality Assessment
Methods for Multimedia Applications. '.
22 'Recommendation Itu-T P.913 (01/2014). Methods for the Subjective Assessment
of Video Quality, Audio Quality and Audiovisual Quality of Internet Video and Distribution
Quality Television in Any Environment.'.
23 'Recommendation Itu-T P.1201 (10/2012). Parametric Non-Intrusive Assessment
of Audiovisual Media Streaming Quality.'.
24 'Recommendation Itu-T P.1202. Parametric Non-Intrusive Bitstream Assessment
of Video Media Streaming Quality.'.
25 'Video Lan Client Media Player', <http://www.videolan.org>.
26 'W3c Editor's Draft', <http://w3c.github.io/media-source/>.
27 D. Schroeder A. El Essaili, D. Staehle2, M. Shehada2, W. Kellerer2 and E.
Steinbach, 'Quality-of-Experience Driven Adaptive Http Media Delivery', IEEE ICC 2013 -
Communication QoS, Reliability and Modeling Symposium (2013).
28 L. Sun A. Khan, J. Fajardo, I. Taboada, F. Liberal, and E. Ifeachor, 'Impact of End
Devices on Subjetive Video Quality Assessment for Qcif Video Sequences ', In Quality of
Multimedia Experience (QoMEX), 2011 Third International Workshop IEEE (2011).
29 Mark Lusker and Uzi Cohen Amit Eshet, 'Methodologies for Qoe Monitoring of Ip
Video Services', ARRIS Enterprises (2014).
30 Louis Anegekuh, 'Video Content-Based Qoe Prediction for Hevc Encoded Videos
Delivered over Ip Networks', Plymouth University, 2014).
31 Regis Crinon Anil Kokaram, and Nicolas Catania, 'Ott (over-the-Top) in 2015',
SMPTE Motion Imaging Journal (2015).
32 ANNIE BALDEO, 'Treatment of over the Top (Ott) Services', ed. by
Telecommunications Authority of Trinidad and Tobago (Nassau, Bahamas, 2015).
33 Corlane Barclay, 'Is Regulation the Answer to the Rise of over the Top (Ott)
Services? An Exploratory Study of the Caribbean Market', University of Technology,
Jamaica 237 Old Hope Road, Kingston 6 Jamaica W.I. (2015).
34 Xin Zhang Bingjun Han, Yifei Qi, Yuehong Gao and Dacheng Yang, 'Qoe Model
Based Optimization for Streaming Media Service Considering Equipment and
Environment Factors', Springer Science+Business Media (2012).
35 Amit Dvir and Akiv Solomon Boaz Ben Moshe, 'Analysis and Optimization of Live
Streaming for over the Top Video', 1st International IEEE Workshop on Emerging Densely
Connected Networks (EDCN) (2011).
74
36 Javier Bonini, 'Cumplir Con Las Expectativas Del Cliente En La Entrega Del
Servicio De Video Sobre Ip. Medición De Calidad En Redes De Video Sobre Ip', IEEE
(2012).
37 Luis F. Fernández Brenda R. Quiñónez, Diego P. Pinto Roa, Carlos Núñez y María
E. García, 'Evaluación De La Calidad De La Experiencia Para Servicios De Datos
Móviles', Facultad Politécnica, Universidad Nacional de Asunción, Paraguay (2015).
38 Lionel Bringuier, 'Ott Streaming', 2nd edition (2011).
39 María Lucena Cabello, 'Desarrollo De Un Sistema De Medición, Monitorización Y
Gestión De Servicios Ott' (Proyecto fin de carrera, Universidad Autónoma de Madrid.
Escuela Politécnica Superior, 2015).
40 Ángel García Castillejo, 'Regulación De Los Servicios “over the Top” (Ott)', in
Universidad Externado de Colombia y UNE - TIGO “Foro: Regulación de los servicios
“Over the Top” (OTT)”, ed. by mel abogados, 2015).
41 Xiaobing Xu & Rong Chen, 'Competition, Cooperation, and Pricing: How Mobile
Operators Respond to the Challenge of over-the-Top', International Journal of Marketing
Studies, 7 (2015).
42 André Lange Christian Grece, Agnes, and Schneeberger and Sophie Valais, 'The
Development of the European Market for on-Demand Audiovisual Services', European
Audiovisual Observatory for DG Connect, 2015).
43 Paul Coverdale, 'Overview of Objective Assessment Methodologies for Multimedia
Services', in ITU Workshop on “Quality of Service and Quality of Experience of Multimedia
Services in Emerging Networks” (Istanbul, Turkey, 2015).
44 Natalia Kushik Diego Rivera, Camila Fuenzalida, Ana Cavalli and Nina
Yevtushenko, 'Qoe Evaluation Based on Qos and Qobiz Parameters Applied to an Ott
Service.', IEEE International Conference on Web Services (2015).
45 John Angel Calderón Espinoza, 'Calidad De Servicio En El Despliegue De Un
Servicio De Video Streaming', Pontificia Universidad Católica del Perú, 2014).
46 Moktar Mnakri (ITU Expert), 'Regulating “over-the-Top” Services - Need and
Efficicency', 2015).
47 Pedro Seixas (ITU Expert), 'Itu Aregnet Regulation of Ott', in Regulatory initiatives
regarding OTT services, 2015).
48 Rodrigo Fernandes, 'Mpeg Dash: Bringing Benefits Beyond Ott', irdeto (2015).
49 Jean Paul Izaguirre García, 'Diseño E Implementación De Herramienta Web Para
Evaluación De Metodologías De La Estimación De Calidad Percibida Por Los Usuarios
(Qoe) a Partir De Parámetros De Red/Servicio (Qos)' (Máster Universitario en Ingeniería
de Redes y Servicios Telemáticos, Universidad Politécnica de Madrid Escuela Técnica
Superior de Ingenieros de Telecomunicación, 2014).
75
50 Diego José Luis Botia Valderrama and Natalia Gaviria Gómez, 'Nonintrusive
Method Based on Neural Networks for Video Quality of Experience Assessment.', Hindawi
Publishing Corporation Advances in Multimedia (2015).
51 Gerard Damm Harold Batteram, Amit Mukhopadhyay, Laurent Philippart, Rhodo
Odysseos, and Carlos Urrutia-Valdés, 'Delivering Quality of Experience in Multimedia
Networks', Bell Labs Technical Journal (2010).
52 Kyung Hwa Kim Hyunwoo Nam, Bong Ho Kim, Doru Calin and Henning
Schulzrinne, 'Towards Dynamic Qos-Aware over-the-Top Video Streaming in Lte.'.
53 Isdefe, 'Hacia La Transformación Digital De América Latina: Las Infraestructuras Y
Los Servicios Tic En La Región.', Banco de Desarrollo de América Latina (2013).
54 Bachar Wehbi Jeevan Pokhrel, Anderson Moraisy, Ana Cavalli and Eric Allilairez,
'Estimation of Qoe of Video Traffic Using a Fuzzy Expert System', The 10th Annual IEEE
CCNC - Multimedia Networking & Services & Applications (2013).
55 José Joskowicz, 'Hacia Un Modelo Perceptual De Video. Desarrollo De Un Modelo
Paramétrico General De Estimación De La Calidad Percibida De Video', ETSI de
Telecomunicación Universidad de Vigo, 2012).
56 Jesús H. Ortiz y José L. Arciniegas Juan C. Cuéllar, 'Clasificación Y Análisis De
Métodos Para Medir Calidad De La Experiencia Del Servicio De Televisión Sobre
Protocolo Ip (Iptv)', Información Tecnológica Vol. 25(5), 121-128 (2014).
57 A. Karmounch, Abdeljaouad, I., y Kandavanam, G., 'A Loss-Based Utility Function
for Predicting Iptv Quality of Experience over an Overlay Netowork.', Global
Telecommunications Conference. IEEE (2011).
58 Antonio Leal, 'Codificación Y Transmisión De Video: Desde La Cámara a La Web,
Tv Y Cine', ed. by Vicerrectorado de Cultura y Extención universitaria Universidad de
Castilla - La Mancha, 2014).
59 Dr. Werner Knoben Senior Partner DeteconAsia-Pacific Limited, 'The Rise of Ott
Players. What Is the Appropriate Response?', ed. by DETECON, 2014).
60 Guilherme Lopasso, 'Cómo Lidiar Con Servicios over the Top', Ericsson.
61 Piotr Makowski, 'Quality of Variable Bitrate Hd Video Transmission in New
Generation Access Network', Journal of Telecommunications and Information Technology,
Faculty of Electronics and Information Technology, Warsaw University of Technology,
Warsaw, Poland (2014).
62 Juan Aldair Nuñez Manohalt, 'Medición Y Caracterización Del Jitter En Tráfico De
Video Streaming', Universidad de Quintana Roo, 2014).
63 Mahanagar Doorsanchar Bhawan and Jawahar Lal Nehru Marg, 'Regulatory
Framework for over-the-Top (Ott) Services', in Consultation Paper No: 2/2015, ed. by
Telecom RegulatoryAuthority os India (New Delhi, India, 2015).
76
64 Lark Kwon Choi and Alan Conrad Bovik Margaret H. Pinson, 'Temporal Video
Quality Model Accounting for Variable Frame Delay Distortions.', IEEE Transactions on
Broadcasting. (2014).
65 Marc Sullivan and Andrew Catellier Margaret H. Pinson, 'A New Method for
Immersive Audiovisual Subjective Testing', (2014).
66 Xinying Liu and Aidong Men, 'Qoe-Aware Traffic Shaping for Http Adaptive
Streaming.', International Journal of Multimedia and Ubiquitous Engineering (2014).
67 Mateusz Hanusiak Mikołaj Leszczuk, Mylene C. Q. Farias, Emmanuel Wyckens
and George Heston, 'Recent Developments in Visual Quality Monitoring by Key
Performance Indicators', Multimed Tools Appl, Springer (2014).
68 Colin Bailey and Xiao-Hong Peng Mirghiasaldin Seyedebrahimi, 'Model and
Performance of a No Reference Quality Assessment Metric for Video Streaming.', IEEE
(2013).
69 Héctor Valero Moya, 'Análisis Y Planteamiento De Modelos De Negocio De Video
over the Top (Ott)', Universidad Politécnica de Madrid, 2014).
70 Christopher Mueller, 'Mpeg-Dash Vs. Apple Hls Vs. Microsoft Smooth Streaming
Vs. Adobe Hds '2015) <http://www.bitmovin.com>.
71 Joaquín Navarro, 'Contribución a Los Modelos De Estimación De La Calidad
Percibida En Servicios De Video Sobre Internet Mediante Parámetros Objetivos.', (2015).
72 Jesús Moya Neyra, 'Evaluación De Qoe En Servicios Ip ', Instituto Superior
Politécnico Jose Antonio Echeverría 2015).
73 Luis Enrique Conde del Oso, 'Curso Iptv - Ott', ed. by ETECSA, 2014).
74 Luís Enrique Conde del Oso, 'Propuesta Para La Validación De La Calidad Del
Vídeo En El Servicio De Iptv', INSTITUTO SUPERIOR POLITÉCNICO JOSÉ ANTONIO
ECHEVERRÍA, 2010).
75 Luís Enrique Conde del Oso, 'Tendencia De Migración De Los Servicios De
Telecomunicaciones Hacia Internet', Revista Tono (2016).
76 GIANPIERRE EDISSON PONCE PALACIOS, 'Diseño De Una Red Cdn/P2p
Orientada El Live Streaming De Materiales Académicos En El Perú' (Tesis para optar el
Título de Ingeniero de las Telecomunicaciones, Pontificia Universidad Católica del Perú,
2013).
77 NSN White paper, 'Netflix over a Qos Enabled Lte Network', Nokia Solutions and
Networks (2013).
78 CRISTHIAN RENÉ IZA PAREDES, 'Implementación De Un Servicio De Streaming
De Video Sobre Una Plataforma Ims Utilizando Software Libre', Pontificia Universidad
Católica del Ecuador, 2011).
77
79 Zoltán Nagy Péter Orosz, 'Estimation of Media Qoe without Reference',
Proceedings of the 9th International Conference on Applied Informatics Eger, Hungary,
January 29–February 1, 2014. Vol. 2. pp. 145–152 (2014).
80 Weiwei Li Petros Spachos, Mark Chignell, Alberto Leon-Garcia, Leon Zucherman
and Jie Jiang, 'Acceptability and Quality of Experience in over the Top Video', IEEE ICC
2015 - Workshop on Quality of Experience-based Management for Future Internet
Applications and Services (QoE-FI) (2015).
81 Lucjan Janowski and Margaret Pinson, 'Subject Bias: Introducing a Theorical User
Model', (2014).
82 Diego Puga Placencia, 'Análisis De Los Servicios Y Tecnologías De Video over
the Top Para Móviles' (Máster Universitario en Ingeniería de Redes y Servicios
Telemáticos, Universidad Politécnica de Madrid Escuela Técnica Superior de Ingenieros
de Telecomunicación, 2013).
83 Jeevan Pokhrel, 'Intelligent Quality of Experience (Qoe) Analysis of Network
Served Multimedia and Web Contents' (DOCTEUR DE TELECOM SUDPARIS,
DOCTORAT EN CO-ACCREDITATION TELECOM SUDPARIS ET L’UNIVERSITE EVRY
VAL D’ESSONNE, 2015).
84 Joachim Pomy, 'Perceptual Quality Evaluation of Ott Streaming Video Services',
ed. by Germany OPTICOM (Maputo, Mozambique: Broadcast Engineering Conference,
NAB Show 2014, 2014).
85 Luis Fernández and Brenda Quiñónez, 'Monitorización Y Evaluación De La
Calidad De La Experiencia Para Servicios Móviles'.
86 Pedro de la Cruz Ramos, 'Contribución a Los Modelos Y Metodologías Para La
Estimación De La Calidad Percibida Por Los Usuarios (Qoe) a Partir De Parámetros De
Calidad De Red/Servicio (Qos) En Servicios Convergentes Multimedia (Triple-Play)',
Escuela Técnica Superior de Ingenieros de Telecomunicación Universidad Politécnica de
Madrid, 2012).
87 Edmond W. W. Chan Ricky K. P. Mok, and Rocky K. C. Chang, 'Measuring the
Quality of Experience of Http Video Streaming', 12th IFIP/IEEE 1M 2011: Mini Conference
(2011).
88 Xiapu Luo Ricky K. P. Mok, Edmond W. W. Chan and Rocky K. C. Chang, 'Qdash:
A Qoe-Aware Dash System', (2012).
89 Edwin Miguel Solórzano Rosales, 'Método De Transmisión De Video H.264/Avc
Implementando Adaptive Bitrate Streaming', Universitat Politècnica de Catalunya. Escola
Tècnica d'Enginyeria de Telecomunicació de Barcelona, 2014).
90 Joaquín Navarro Salmerón, 'Contribución a Los Modelos De Estimación De La
Calidad Percibida En Servicios De Vídeo Sobre Internet Mediante Parámetros Objetivos.
78
', Universidad Politécnica de Madrid. Escuela Técnica Superior de Ingenieros de
Telecomunicación., 2015).
91 Kjell Brunnström Samira Tavakoli, Kun Wang, Börje Andrén, Muhammad Shahid
and Narciso Garcia, 'Subjective Quality Assessment of an Adaptive Video Streaming
Model', (2014).
92 Qualinet: European Network on Quality of Experience in Multimedia Systems and
Services, 'Qualinet White Paper on Definitions of Quality of Experience (Qoe) and Related
Concepts.', (2013).
93 A Sandvine Technology Showcase, 'Video Quality of Experience Score', Sandvine,
Intelligent Broadband Network (2015).
94 'Web Browsing Qoe Score', Sandvine, Intelligent Broadband Network (2015).
95 Sundaram Vijay Shyamprasad Chikkerur, Tsung-Jung Liu, Martin Reisslein, and
Lina J. Karam, 'Objective Video Quality Assessment Methods: A Classification, Review,
and Performance Comparison.', School of Electrical, Computer, and Energy Engineering,
Arizona State University. (2010).
96 Iraj Sodagar, 'Mpeg-Dash: The Standard for Multimedia Streaming over Internet',
(2011).
97 Alejandro Cánovas Solbes, 'Diseño Y Desarrollo De Un Sistema De Gestión
Inteligente Integrado De Servicios De Iptv' (Trabajo fin de grado, Universidad Politécnica
de Valencia. Escuela Politécnica Superior de Gandia, 2013).
98 Wei Song, 'User-Driven Qoe Modelling for Mobile Video Optimisation. ',
Queensland University of Technology, 2012).
99 José Joskowicz and Rafael Sotelo, 'Modelo De Estimación De Calidad De Video:
Video Quality Experts Groups', Memoria de Trabajos de Difusión Científica y Técnica,
núm. 10 (2012).
100 Julianne M. G. Stensen, 'Evaluating Qos and Qoe Dimensions in Adaptive Video
Streaming' (Master of Science in Communication Technology, Norwegian University of
Science and Technology, 2012).
101 Kiran Joshi Sunny Taksande, Vishwanath Chikaraddi and Sowmiya Raksha,
'Video Streaming Techniques and Issues', International Journal of Advanced Research in
Computer Science & Technology (IJARCST ), 3 (2015).
102 Ramón Jesús Millán Tejedor, 'Over-the-Top Vs Operadoras: La Competencia
Intensifica', Dintel (2012).
103 Anjum Pervez and Hua Zou Tianyi Wang, 'Vqm-Based Qos/Qoe Mapping for
Streaming Video', IEEE (2010).
104 Wei Song and Dian W. Tjondronegoro, 'Acceptability-Based Qoe Models for
Mobile Video', IEEE TRANSACTIONS ON MULTIMEDIA, VOL. 16, NO. 3 (2014).
79
105 Hernán Galperin Valeria Jordán, Wilson Peres, 'Banda Ancha En América Latina:
Más Allá De La Conectividad', (2013).
106 Janne Seppanen and Martin Varela, 'Qoe-Driven Network Management for Real-
Time over-the-Top Multimedia Services', IEEE Wireless Communications and Networking
Conference (WCNC): NETWORKS (2013).
107 Georgios Exarchakos Vlado Menkovski, Antonio Liotta and Antonio Cuadra
Sánchez., 'Estimations and Remedies for Quality of Experience in Multimedia Streaming.',
Third International Conference on Advances in Human-Oriented and Personalized
Mechanisms, Technologies and Services. IEEE Computer Society (2010).
108 Darrell M. West, 'The Evolution of Video Streaming and Digital Content Delivery',
Center for Technology Innovation at Brookings (2014).
109 Cohu HD Whitepaper, 'Video Streaming Protocols', (2013).
110 An Industry Whitepaper., 'Measuring Internet Video Quality of Experience from the
Viewer’s Perspective', Sandvine, Intelligent Broadband Network (2015).
111 Webb and Conley Wilson, 'Ensuring Quality of Service for Ott', CED 2011.
112 Svetlana Boudko Wolfgang Leister, and Till Halbach, 'Adaptive Video Streaming
through Estimation of Subjective Video Quality', International Journal on Advances in
Systems and Measurements, vol 4 no 1 & 2 (2011).
113 Sujit Dey Yao Liu, Don Gillies, Faith Ulupinar and Michael Luby, 'User Experience
Modeling for Dash Video.', IEEE (2013).
114 Petr Zach, 'Proposal of Methodology for Multimedia Service Quality Evaluation
Using Quality of Experience.', Department of Informatics, Faculty of Business and
Economics, Mendel University in Brno. (2013).
115 Diego Fernando Villamarín Zapata, 'Estudio Comparativo Y De Integración Para
Las Plataformas De Televisión Interactiva Europea Hbbtv Y Latinoamericana Ginga',
Universidad Politécnica de Madrid. Escuela Técnica Superior de Ingenieros de
Telecomunicación, 2014).
SIGLARIO3G (3rd Generation) – Sistema móvil de Tercera Generación
4G (4th Generation) – Sistema móvil de Cuarta Generación
AADSL (Asymmetric Digital Subscriber Line) – Línea de Abonado Digital Asimétrica
80
AQM (Active Queue Management) – Gestión Activa de Colas
BBPNN (Backpropagation Neural Networks) –Redes Neuronales de Retropropagación
BR (Bit Rate) – Razón de Bits
BW (Bandwidth) – Ancho de Banda
CCB WFQ (Class-Based WFQ) – WFQ Basado en Clases
CBS (Committed Burst Size) - Tamaño de Ráfaga Acordada
CDN (Content Delivery Networks) – Redes de Distribución de Contenidos
CIR (Committed Information Rate) – Razón de Información Acordada
CQ (Custom Queuing) – Encolamiento Inteligente
CRT (Cathode Ray Tube) – Tubo de Rayos Catódicos
DDASH (Dynamic Adaptative Streaming over HTTP) – Flujo Dinámico Adaptativo sobre HTTP
DCR (Degradation Category Rating) – Rango de Categoría de Degradación
DiffServ (Differentiated Services) – Servicios Diferenciados
EEBS (Excess Burst Size) – Tamaño de Ráfaga Excedida
ECN (Explicit Congestion Notification) – Notificación Explícita de Cogestión
FFIFO (First-In-First-Out) – Primero en entrar, Primero en salir
FQ (Fair-queuing) – Ancho de Banda Asignado
FR (Frame Rate)– Velocidad de Tramas
FTTH (Fiber to the Home) – Fibra hasta el hogar
GGPON (Gigabit PON) – Red Óptica Pasiva con Capacidad de Gigabit
HHD (High Definition) – Alta Definición
HDS (HTTP Dynamic Streaming) – Flujo Dinámico sobre HTTP
HDTV (High Definition Television) – Televisión de Alta Definición
HEVC (High Efficiency Video Coding) – Codificación de Video de Alta Eficiencia
HFS (HTTP File Server) – Servidor de Archivos HTTP (Aplicación)
81
HLS (HTTP Live Streaming) – Flujo en Vivo sobre HTTP
HTTP (Hypertext Transfer Protocol) – Protocolo de Transferencia de Hipertexto
IIntServ (Integrated Services) – Servicios Integrados
IP (Internet Protocol) – Protocolo de Internet
IPTV (Internet Protocol Television) – Televisión por Protocolo de Internet
LLCD (Liquid Crystal Display) – Pantalla de Cristal Líquido
LTE (Long Term Evolution) – Evolución a Largo Plazo
MMLD (Multicast Listener Discovery)
MMS (Multimedia Messaging System) – Sistema de Mensajería Multimedia
MOS (Mean Opinion Square) – Nota Media de Opinión
MPD (Media Presentation Description) – Descripción de Presentación de Media
MPEG (Moving Picture Expert Group)
MUSHRA (Multi-Stimuli with Hidden Reference and Anchor points) – Ensayo Multiestímulo con Referencia y Patrón Ocultos
NNAK (Negative Acknowledgement) – Reconocimiento Negativo
NGN (Next Generation Networking) – Redes de Nueva Generación
NR (No Reference) – Sin Referencia
NTT (Nippon Telegraph and Telephone Corporation)
NTIA (National Telecomunication and Information Administration) – Administración Nacional de Telecomunicaciones e Información
PPBS (Peak Burst Size) – Tamaño Pico de Ráfaga
PC (Personal Computer) – Computadora Personal
PIR (Peak Information Rate) – Razón de Información Pico
PLR (Packet Loss Rate) – Razón de Pérdida de Paquetes
PQ (Priority Queuing) – Tráfico Priorizado
PSNR (Peak Signal-to-Noise Ratio) – Razón Pico de Señal / Ruido
QQBS (QoE Based Scheduling) – Planificación Basada en Calidad de Experiencia
QIBF (Quality Index Based Frame) – Trama basada en Índice de Calidad
82
QoE (Quality of Experience) – Calidad de la Experiencia
QoS (Quality of Service) – Calidad del Servicio
QP (Quantization Parámeter) – Parámetro de Cuantificación
RRED (Random Early Discarding) – Descarte Aleatorio Anticipado
RNN (Random Neural Networks) – Redes Neurales Aleatorias
RTCP (Real Time Control Protocol) – Protocolo de Control en Tiempo Real
RTMP (Real Time Messenger Protocol) – Protocolo de Mensajería en Tiempo Real
RTP (Real Time Protocol) – Protocolo de Tiempo Real
RTSP (Real Time Streaming Protocol) – Protocolo de Flujo de Video en Tiempo Real
RTT (Round-Trip Time) – Tiempo de Ida y Vuelta
SSA (Sistema Autónomo)
SAD (Sum of Absolute Differences) – Suma de Todas las Diferencias
SAMVIQ (Subjective Assessment of Multimedia Video Quality) – Evaluación Subjetiva de la Calidad de Video Multimedios
SLA (Agregado de Nivel de Servicio)
SMS (Short Message Service) – Servicio de Mensajes Cortos
SSCQE (Single Stimuli Continuous Quality Evaluation) – Evaluación de Calidad Continua de Estímulo Único
SSIM (Structural Similarity Index) – Índice de Similaridad Estructural
S-VoD (Suscriber VoD) – Video bajo Demanda por Suscripción
TTCP (Transport Control Protocol) – Protocolo de Control de Transmisión
TS (Transport Stream) – Flujo de Transporte
TV (Televisión)
UUDP (User Datagram Protocol) – Protocolo de Datagrama de Usuario
UIT (Unión Internacional de Telecomunicaciones)
UIT-R (Sector de Normalización de las Telecomunicaciones de la UIT)
UIT-T (Sector de Normalización de Radiocomunicaciones de la UIT)
VVFD (Variable Frame Delays) – Demora Variable de Tramas
VoD (Video on Demand) – Video bajo Demanda
83
VoIP (Voice over IP) – Voz sobre el Protocolo IP
VQEG (Video Quality Expert Group) - Grupo de Expertos en Calidad de Video
VQM (Video Quality Metric) – Métricas de Calidad de Video
WW3C (World Wide Web Consortium)
WFQ (Weighted Fair Queuing) – Espera Equitativa Ponderada
WRED (Weighted Random Early Discarding) – RED Ponderada
WRR (Weighted Round Robin) – Asignación basada en requerimientos de Flujo
ANEXOS
Anexo I: Código utilizado para la obtención de los valores promedios de SAD (desarrollo propio).
cont_filas_b1 = 1;cont_columnas_b1 = 1;
84
largo = 720; % Resolucion de la imagenancho = 1280;diferencia_anterior = 0;sad = 0;wind = 280; % resolucion de la ventanasad_min = zeros((wind/8)^2,9); desplazamiento = floor(wind/8/2);desp_largo = 0;desp_ancho = 0;
for img = 1:9 % Recorriendo los frames str_auxi = num2str(img); str_auxi1 = num2str(img + 1); load(['Dory' str_auxi '.mat']); % Cargando imagen 1 img1 = cast(pcb_gray, 'double'); % llevando la imagen a double para sumar los valores % cortando la imagen region_1=(img1(largo/2-wind/2:largo/2+wind/2-1,ancho/2-wind/2:ancho/2+wind/2-1,:)); load(['Dory' str_auxi1 '.mat']); % Cargando imagen 2 img2 = cast(pcb_gray, 'double'); % llevando la imagen a double para sumar los valores for bloques = 1:(wind/8)^2 % Recorriendo los bloques % Definir la segunda región region_2=(img2(largo/2-wind/2-desplazamiento*8+desp_largo*8:largo/2+wind/2-desplazamiento*8+desp_largo*8,... ancho/2-wind/2-desplazamiento*8+desp_ancho*8:ancho/2+wind/2-desplazamiento*8+desp_ancho*8,:)); desp_largo = desp_largo +1; if (desp_largo == wind/8-1 ) desp_largo = 0; desp_ancho = desp_ancho +1; if (desp_ancho == wind/8-1) desp_ancho = 0; end end % Obteniendo bloques de referencia bloque_ref = region_1(cont_filas_b1*8-7:cont_filas_b1*8,1+cont_columnas_b1*8-8:cont_columnas_b1*8,:); cont_columnas_b1 = cont_columnas_b1 + 1; if (cont_columnas_b1 == wind/8+1) cont_columnas_b1 = 1; cont_filas_b1 = cont_filas_b1 + 1; if (cont_filas_b1 == wind/8+1) cont_filas_b1 = 1; end end for filas =0:wind/8-1 for columnas = 0:wind/8-1 bloque_actual = region_2(filas*8+1:filas*8+8,columnas*8+1:columnas*8+8,:); diferencia = bloque_actual - bloque_ref; diferencia = abs(diferencia); for i = 1:8
85
for j = 1:8 sad = sad + diferencia(i,j); end end if ( filas == 0 && columnas == 0) diferencia_anterior = sad; else if(diferencia_anterior > sad) diferencia_anterior = sad; end end end end sad_min(bloques,img) = diferencia_anterior; sad = 0; endend
a_sad_min = 0;
for row = 1:(wind/8)^2 % Recorriendo las filas for col = 1:9 % Recorriendo las columnas a_sad_min = a_sad_min + sad_min(row,col); endend
a_sad_min = (a_sad_min/(((wind/8)^2)*9))/64;
Anexo II: Código para la automatización del proceso de preparación del contenido (desarrollo propio).
ECHO OFF
86
CLSECHO Empresa de Telecomunicaciones de Cuba.S.A.ECHO Direccion de Desarrollo y Tecnologia. ETECSA.ECHO Programa de Ingesta MPEG-DASH.ECHO *******************************************************************ECHO Nota: Video a ingestar en la carpeta bin?, sino aborte (Control-C)ECHO *******************************************************************Echo.ECHO Hora de incio de la Ingesta: echo.TIME/TEcho.Echo Tiempo promedio de la Ingesta 2 Horas.Echo.rem pauserem @ECHO OFFREM FF Prompt 1.2REM Open a command prompt to run ffmpeg/ffplay/ffprobeREM Copyright (C) 2013-2015 Kyle Schwarz
rem MKDIR d:\DASHECHO **********************************************************************ECHO Nota: El nombre del fichero de video no puede tener espacios en blancoECHO **********************************************************************Echo.set /P prueba= Nombre del fichero de video a codificar y segmentar:Echo.set /P prueba5= Valor de la segmentación (mseg):rem echo %prueba5%set prueba2=D:\Ingesta-DASH\bin\rem echo %prueba%rem echo %prueba2%set prueba3=%prueba2%%prueba%rem echo %prueba3%set ext=.mp4rem echo %ext%set prueba4=%prueba3%%ext%rem echo %prueba4%echo.rem Pauseset /P prueba6= Carpeta de destino contenido DASH D:\rem Echo %prueba6%MKDIR d:\%prueba6%
TITLE FF Prompt
IF NOT EXIST bin\ffmpeg.exe ( CLS
87
ECHO bin\ffmpeg.exe could not be found. GOTO:error)CD bin || GOTO:errorPROMPT $P$_$GSET PATH=%CD%;%PATH%CLSffmpeg -versionECHO.ECHO For help run: ffmpeg -hECHO For formats run: ffmpeg -formats ^| moreECHO For codecs run: ffmpeg -codecs ^| moreECHO.ECHO Current directory is now: "%CD%"ECHO The bin directory has been added to PATHECHO.rem inicio de la codificacion para los 11 niveles de calidadffmpeg -i %prueba4% -s 480x360 -c:a aac -ac 2 -ab 128k -c:v libx264 -x264opts "keyint=24:min-keyint=24:no-scenecut" -b:v 100k -maxrate 100k -bufsize 200k %prueba4%-100K.mp4ffmpeg -i %prueba4% -s 480x360 -c:a aac -ac 2 -ab 128k -c:v libx264 -x264opts "keyint=24:min-keyint=24:no-scenecut" -b:v 200k -maxrate 200k -bufsize 400k %prueba4%-200K.mp4ffmpeg -i %prueba4% -s 480x360 -c:a aac -ac 2 -ab 128k -c:v libx264 -x264opts "keyint=24:min-keyint=24:no-scenecut" -b:v 300k -maxrate 300k -bufsize 600k %prueba4%-300K.mp4ffmpeg -i %prueba4% -s 854x480 -c:a aac -ac 2 -ab 128k -c:v libx264 -x264opts "keyint=24:min-keyint=24:no-scenecut" -b:v 500k -maxrate 500k -bufsize 1000k %prueba4%-500K.mp4ffmpeg -i %prueba4% -s 854x480 -c:a aac -ac 2 -ab 128k -c:v libx264 -x264opts "keyint=24:min-keyint=24:no-scenecut" -b:v 600k -maxrate 600k -bufsize 1200k %prueba4%-600K.mp4ffmpeg -i %prueba4% -s 854x480 -c:a aac -ac 2 -ab 128k -c:v libx264 -x264opts "keyint=24:min-keyint=24:no-scenecut" -b:v 700k -maxrate 700k -bufsize 1400k %prueba4%-700K.mp4ffmpeg -i %prueba4% -s 1280x726 -c:a aac -ac 2 -ab 128k -c:v libx264 -x264opts "keyint=24:min-keyint=24:no-scenecut" -b:v 800k -maxrate 800k -bufsize 1600k %prueba4%-800K.mp4ffmpeg -i %prueba4% -s 1280x726 -c:a aac -ac 2 -ab 128k -c:v libx264 -x264opts "keyint=24:min-keyint=24:no-scenecut" -b:v 900k -maxrate 900k -bufsize 1800k %prueba4%-900K.mp4ffmpeg -i %prueba4% -s 1280x726 -c:a aac -ac 2 -ab 128k -c:v libx264 -x264opts "keyint=24:min-keyint=24:no-scenecut" -b:v 1000k -maxrate 1000k -bufsize 2000k %prueba4%-1000K.mp4ffmpeg -i %prueba4% -s 1920x1080 -c:a aac -ac 2 -ab 128k -c:v libx264 -x264opts "keyint=24:min-keyint=24:no-scenecut" -b:v 3000k -maxrate 3000k -bufsize 6000k %prueba4%-3000K.mp4
88
ffmpeg -i %prueba4% -s 1920x1080 -c:a aac -ac 2 -ab 128k -c:v libx264 -x264opts "keyint=24:min-keyint=24:no-scenecut" -b:v 5000k -maxrate 5000k -bufsize 10000k %prueba4%-5000K.mp4Echo.ECHO Hora Final de la codificacion: Echo.TIME/TEcho.Echo Inicio de la segmentacion de los 11 niveles de calidad, destino D:\%prueba6%rem mp4box -dash %prueba5% -profile "onDemand" -frag 1000 -frag-rap -out D:\%prueba6%\%prueba%_%prueba5%mseg.mp4 D:\Ingesta-DASH\bin\%prueba%-100K.mp4 D:\Ingesta-DASH\bin\%prueba%-200K.mp4 D:\Ingesta-DASH\bin\%prueba%-300K.mp4 D:\Ingesta-DASH\bin\%prueba%-500K.mp4 D:\Ingesta-DASH\bin\%prueba%-600K.mp4 D:\Ingesta-DASH\bin\%prueba%-700K.mp4 D:\Ingesta-DASH\bin\%prueba%-800K.mp4 D:\Ingesta-DASH\bin\%prueba%-900K.mp4 D:\Ingesta-DASH\bin\%prueba%-1000K.mp4 D:\Ingesta-DASH\bin\%prueba%-3000K.mp4 D:\Ingesta-DASH\bin\%prueba%-5000K.mp4mp4box -dash %prueba5% -profile "onDemand" -frag 1000 -frag-rap -out D:\%prueba6%\%prueba%_%prueba5%mseg.mp4 D:\Ingesta-DASH\bin\%prueba%-100K.mp4 D:\Ingesta-DASH\bin\%prueba%-200K.mp4 D:\Ingesta-DASH\bin\%prueba%-300K.mp4 D:\Ingesta-DASH\bin\%prueba%-500K.mp4 D:\Ingesta-DASH\bin\%prueba%-600K.mp4 D:\Ingesta-DASH\bin\%prueba%-700K.mp4 D:\Ingesta-DASH\bin\%prueba%-800K.mp4 D:\Ingesta-DASH\bin\%prueba%-900K.mp4 D:\Ingesta-DASH\bin\%prueba%-1000K.mp4 D:\Ingesta-DASH\bin\%prueba%-3000K.mp4 D:\Ingesta-DASH\bin\%prueba%-5000K.mp4Echo.ECHO Hora Final de la Ingesta: Echo.TIME/TEcho.CD D:\%prueba6%dir D:\%prueba6%pauseexitCMD /Q /K GOTO:EOFECHO.ECHO Press any key to exit.PAUSE >nulGOTO:EOF
Anexo III: Encuesta realizada a los participantes de las pruebas de evaluación subjetiva de la QoE.
89
Buenos días y gracias por participar.
En este experimento se le presentará una secuencia audiovisual de
corta duración, con algunas degradaciones. Usted debe juzgar su
calidad utilizando uno de los cinco niveles de la siguiente escala.
5 Excelente
4 Buena
3 Aceptable
2 Mediocre
1 Mala
Su evaluación debe reflejar su opinión sobre la calidad global
percibida de la secuencia audiovisual.
Antes de efectuar su valoración observe y escuche cuidadosamente la
secuencia completa.
Nombre del participante: __________________________________.
Evaluación emitida: _______.
Anexo IV: Trazas registradas en el servidor de contenidos en cada una de las pruebas.
Prueba # 122:37:08 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR.mpd22:37:08 192.168.0.3:49294 Fully downloaded - 5.8 K @ 11.1 KB/s - /Buscando a Dory/doryBR.mpd22:37:09 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:09 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp4
90
22:37:11 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:11 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:13 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:13 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:15 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:15 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:17 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:17 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:19 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:19 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:21 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:21 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:23 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:23 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:25 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:25 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:27 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:27 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:29 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:29 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:31 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:31 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:33 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:33 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:35 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:35 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:37 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:37 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:48 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:48 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:49 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:49 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:49 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:49 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:49 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:49 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:49 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:49 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:49 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:49 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:51 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:51 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:53 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:53 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:56 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:56 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:58 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:37:58 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:00 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:00 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:02 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:02 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:04 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:04 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:06 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:06 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:08 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:08 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:10 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:10 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:11 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:12 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:13 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:14 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:15 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_800k_dashinit.mp422:38:16 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_800k_dashinit.mp422:38:18 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_800k_dashinit.mp422:38:19 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_700k_dashinit.mp422:38:19 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_700k_dashinit.mp422:38:20 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_700k_dashinit.mp422:38:22 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_700k_dashinit.mp422:38:22 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_700k_dashinit.mp422:38:24 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_700k_dashinit.mp422:38:24 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_900k_dashinit.mp422:38:25 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:27 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp4
91
22:38:28 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:29 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:30 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:30 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:32 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:32 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:34 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:34 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:35 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:36 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:37 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:37 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:39 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:39 192.168.0.3:49294 Requested GET /Buscando a Dory/doryBR_1000k_dashinit.mp422:38:39 192.168.0.3:49294 Fully downloaded - 49.5 K @ 3.2 MB/s - /Buscando a Dory/doryBR_1000k_dashinit.mp4
Prueba # 222:16:51 192.168.0.3:49264 Requested GET /Me equivoqué/manifest.mpd22:16:51 192.168.0.3:49264 Fully downloaded - 5.4 K @ 184.5 KB/s - /Me equivoqué/manifest.mpd22:16:52 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:16:53 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:16:53 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:16:56 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:17:01 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:17:06 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:17:11 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:17:16 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:17:21 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:17:26 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:17:31 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:17:36 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:17:41 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:17:46 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:17:51 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:17:56 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:18:01 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:18:13 192.168.0.3:49266 Requested GET /Me equivoqué/video_2000k_dashinit.mp422:18:18 192.168.0.3:49266 Requested GET /Me equivoqué/video_1000k_dashinit.mp422:18:21 192.168.0.3:49266 Requested GET /Me equivoqué/video_1000k_dashinit.mp422:18:23 192.168.0.3:49266 Requested GET /Me equivoqué/video_1000k_dashinit.mp422:18:26 192.168.0.3:49266 Requested GET /Me equivoqué/video_1000k_dashinit.mp422:18:31 192.168.0.3:49266 Requested GET /Me equivoqué/video_1000k_dashinit.mp422:18:36 192.168.0.3:49266 Requested GET /Me equivoqué/video_1000k_dashinit.mp422:18:50 192.168.0.3:49266 Requested GET /Me equivoqué/video_1000k_dashinit.mp422:18:56 192.168.0.3:49266 Requested GET /Me equivoqué/video_1000k_dashinit.mp422:19:00 192.168.0.3:49266 Requested GET /Me equivoqué/video_1000k_dashinit.mp422:19:06 192.168.0.3:49266 Requested GET /Me equivoqué/video_1000k_dashinit.mp422:19:10 192.168.0.3:49266 Requested GET /Me equivoqué/video_2000k_dashinit.mp422:19:10 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:19:11 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:19:16 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:19:21 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:19:26 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:19:31 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:19:36 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:19:53 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:19:53 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:19:53 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:19:57 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:20:02 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:20:07 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:20:12 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:20:17 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:20:22 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:20:27 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:20:32 192.168.0.3:49266 Requested GET /Me equivoqué/video_5000k_dashinit.mp422:20:32 192.168.0.3:49266 Fully downloaded - 19.5 K @ 723.8 KB/s - /Me equivoqué/video_5000k_dashinit.mp4
92