Elaborato Imperiale Antonio N46000198
Transcript
Elaborato Imperiale Antonio N46000198
Scuola Politecnica e delle Scienze di Base Corso di Laurea Specialistica in Ingegneria Informatica Elaborato finale in Reti di Calcolatori Modelli di correlazione tra parametri QoS e QoE Anno Accademico 2014/2015 candidato Antonio Imperiale N46000198 Ringrazio Dio che mi ha accompagnato in ogni momento non lasciandomi mai solo Ringrazio i miei genitori per avermi incitato sempre a non mollare Ringrazio tutti i miei compagni conosciuti all'uni e fuori l'uni con cui ho condiviso questi anni Ringrazio inoltre tutti i frati e le suore francescane di Assisi Indice Introduzione 4 1 QoS 5 1.1 Parametri QoS . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.2 Funzioni per la valutazione della QoS . . . . . . . . . . . . . . . . 6 1.2.1 QoS IPTV 6 1.2.2 QoS calcolata tramite punteggi . . . . . . . . . . . . . . . 9 1.2.3 QoS per applicazioni aptiche . . . . . . . . . . . . . . . . 9 1.2.4 QoS basato su MLR . . . . . . . . . . . . . . . . . . . . . 11 1.2.5 QoS VoIP (modello pentagrammato) . . . . . . . . . . . . 12 . . . . . . . . . . . . . . . . . . . . . . . . . . 2 QoE 13 2.1 Mean Opinion Score (MOS) . . . . . . . . . . . . . . . . . . . . . 15 2.2 Opinion Score (OS) . . . . . . . . . . . . . . . . . . . . . . . . . . 16 3 Funzioni di correlazione QoS/QoE 17 3.1 Funzioni di correlazione tra QoS/QoE . . . . . . . . . . . . . . . 3.2 QoS/QoE IPTV 17 . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 3.3 QoS/QoE IQX Hypothesis . . . . . . . . . . . . . . . . . . . . . . 18 3.4 Funzione di correlazione QoS/QoE basata sulla VQM (Video Quality Metric) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 3.5 QoS/QoE - formula esponenziale 23 3.6 QoS/QoE per interfaccia utente aptica (HUI) . . . . . . . . . . . 24 3.7 QoS/QoE VoIP (modello pentagrammato) . . . . . . . . . . . . . 25 3.8 QoS/QoE con il software Narus 26 3.9 QoS/QoE con un modello polinomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 3.10 QoS/QoE basata su MLR . . . . . . . . . . . . . . . . . . . . . . 28 Conclusioni 30 Bibliograa 31 1 Introduzione Al giorno d'oggi i provider di rete hanno tra i loro principali obiettivi quello di fornire un servizio del quale l'utente nale possa ritenersi pienamente soddisfatto. Per fare ciò a partire dalle prestazioni generali della rete si cerca di prevedere e dunque di migliorare la qualità del servizio, dal punto di vista dell'utente che vorrà utilizzarlo, in modo da poter garantire una migliore fruibilità dello stesso. Il monitoraggio della QoS (Quality of Service) e della QoE (Quality of Experience) risultano a tal ne fondamentali per raggiungere l'obiettivo appena citato. QoS: Con il termine QoS si fa riferimento alle prestazioni generali di un si- stema o di un servizio. La QoS viene espressa attraverso parametri dierenti a seconda dei campi di applicazione, questi ultimi possono essere sia il campo della telefonia sia quello delle reti di calcolatori. La qualità del servizio nel campo delle reti di calcolatori viene solitamente correlata negativamente con il traco della rete e positivamente con le risorse impegnate per realizzare e gestire la rete. Quando venne creato Internet in realtà non era stata concepita la necessità di aver bisogno di una QoS garantita per le applicazioni. Infatti la losoa di Internet è quella del best eort, cioè il sistema garantisce di fare tutto il possibile per portare a termine un'operazione, ma non garantisce aatto che l'operazione verrà compiuta, né in che modo. Per tale motivo il modello originario di Internet (che quindi non era dotato di alcuna QoS garantita) è un modello adatto per applicazioni elastiche, cioè per quelle applicazioni che non hanno problemi a funzionare su reti con prestazioni abbastanza degradate e al contrario possono usare tutta la banda a disposizione se questa è abbondante. Altri tipi di servizi sono invece chiamati inelastici, ovvero richiedono un certo livello di banda per funzionare, se ne ottengono di più non la sfruttano e se ne ottengono di meno non funzionano aatto. Applicazioni che necessitano di garanzie in termini di QoS oerta dalla rete sono ad esempio le seguenti: telefonia VoIP: può richiedere vincoli molto stretti sul ritardo e sulla variabilità del ritardo ( multimedia streaming : jitter ) può richiedere che un certo throughput dovrà essere garantito Inoltre per alcune tipologie di connessioni, garantire determinati livelli di QoS risulta un fattore determinante. Ad esempio alcuni applicativi web particolar2 3 INDICE mente esosi in termini di ampiezza di banda (e.g. VoIP, streaming audio/video, videochiamate) richiedono che il gestore delle telecomunicazioni garantisca precisi standard qualitativi tali da renderne disponibile l'esecuzione senza interruzioni o problemi di sorta. La valutazione della QoS viene eettuata prendendo in conto dierenti indici ricavati a loro volta in maniera oggettiva. QoE: QoE è il termine utilizzato per indicare il grado di soddisfazione de- gli utenti rispetto a un certo servizio oerto dalla rete (e.g. navigazione sul web, TV broadcast). Una bassa QoE darà luogo a clienti insoddisfatti e porterà, a chi ore il servizio, a restare indietro rispetto alla concorrenza dovuta alla presenza di altre aziende sul mercato le quali potrebbero orire servizi più apprezzabili per gli utenti. La QoE nei servizi di comunicazione, durante gli ultimi anni, ha attirato su di sè una sempre più crescente attenzione. Sebbene la QoE sia in natura una misura alquanto soggettiva, poichè coinvolge dimensioni sersoriali umane (lega insieme la percezione degli utenti, le aspettative e le prestazioni della rete), risulta molto importante che sia concepita una sua strategia di misurazione in un modo quanto più possibile vicino alla realtà. La capacità nel valutare la QoE darà al provider una misura del livello complessivo di soddisfazione degli utenti che stanno usufruendo di eventuali servizi di rete. Oltre a considerare la soggettività della QoE, bisogna notare che essa sarà sicuramente inuenzata dai dispositivi terminali utilizzati dagli utenti, (e.g. una TV a bassa risoluzione o TV ad alta risoluzione), dall'ambiente in cui l'utente si trova (e.g. in macchina o a casa), dalle aspettative stesse dell'utente e dalla natura del contenuto trasmesso oltre che dall'importanza del medesimo (e.g. un semplice messaggio con scritto si o no oppure una musica d'orchestra). QoS/QoE: I service provider sono spesso interessati al livello di soddisfa- zione percepito dagli utenti che usufruiscono di un servizio a partire dalla misura oggettiva dei parametri della QoS, da qui nasce la necessità di conoscere l'impatto delle performance della rete sulla percezione dell'utente prevedendone così la QoE. Per questo motivo la soluzione ideale per i provider dei servizi è quella di identicare una relazione tra i parametri che deniscono la QoS e le loro individuali e collettive inuenze sulla QoE. Quanticare la relazione in questione signica denire un modello di correlazione tra QoS e QoE. In Figura 1 [6] è riportato un esempio di visione qualitativa e schematica delll'impatto che potrebbe avere una variazione della QoS sulla QoE. Sull'asse delle x vengono indicati i disturbi relativi alla QoS, mentre sull'asse delle y vengono indicati i valori di QoE (e.g. valore in Mean Opinion Score). La QoE risultante vista dunque come funzione dei disturbi della QoS è divisa in diverse aree separate dalle soglie x1 Area 1: e x2 . QoE ottimale e costante - Per una diminuzione dei disturbi della QoS l'utente considera la QoE equivalente a quella di riferimento. Una leggera crescita dei disturbi della QoS non inuenza aatto il valore della QoE. Per esempio un piccolo ritardo e una piccola variazione di ritardo può essere eliminata da un buer per il jitter senza che l'utente noti un ritardo addizionale. 4 INDICE Area 2: Avvallamento della QoE Quando i disturbi della QoS vanno oltre una certa soglia ancora mantenuto. x1 il precedente livello QoE quasi ottimale non può essere Mentre i disturbi della QoS crescono la QoE e quindi la soddisfazione degli utenti decrescono. Nel caso di un alta QoE un addizionale disturbo della QoS potrebbe avere un considerevole impatto sulla QoE, mentre per una bassa QoE, un particolare disturbo addizionale della QoS potrebbe non essere critico altrettanto. Area 3: QoE inacettabile Appena il disturbo della QoS arriva a un al- x2 l'uscita della trasmissione potrebbe diventare non accettabile e di tra soglia cattiva qualità o il servizio potrebbe smettere di funzionare a causa dei vincoli tecnici o di timeout. Un utente potrebbe abbandonare il servizio a questo punto. Figura 1: Esempio qualitativo di una curva che correla il disturbo della QoS con il valore della QoE Lo scopo dell'operatore di rete è quello di fornire un servizio accettabile all'utente a partire da un utilizzo minimo delle risorse di rete. Risulta importante che l'operatore di rete dal suo punto di vista sia a conoscenza di due aspetti: 1) la soglia dopo la quale la QoE diventa inaccettabile nei confronti della percezione dell'utente nale 2) il grado di inuenza di ogni parametro della QoS sulla percezione dell'utente Risulta dunque molto importante che il provider possa orire all'utente nale un ottimo servizio sapendo inoltre che il proprio cliente ne possa rimanere soddisfatto. Nei capitoli successivi descriveremo alcune delle funzioni per il calcolo delle funzioni di stima della QoS più comunemente proposte in letteratura (Capitolo 1), entreremo nel dettaglio su come viene valutata la QoE per comprendere al meglio la percezione dell'utente (Capitolo 2) e inne approfondiremo le funzioni di correlazione tra QoS e QoE per diversi tipi di traco della rete che oggi vanno per la maggiore (Capitolo 3). Capitolo 1 QoS La valutazione della funzione di stima della QoS viene eettuata facendo un attento esame dell'ambiente nel quale viene oerto un determinato servizio. In questo capitolo proponiamo un elenco di varie funzioni per la stima della QoS in reti a datagrammi che prendono in considerazione insiemi diversi di parametri in funzione delle applicazioni di interesse. 1.1 Parametri QoS Per avere una misura quantitativa della QoS bisogna considerare dierenti parametri a seconda del campo di applicazione, ad esempio nel campo della telefonia ci si focalizza su disponibilità del servizio e livello sonoro, invece in una rete a pacchetto i parametri tipicamente considerati sono: Errore di trasmissione: un pacchetto può essere consegnato a destinazione, ma può essere diverso da quello inviato in partenza per via di errori di trasmissione. Alcune reti riconoscono la maggior parte degli errori di trasmissione, ed alcune riescono anche a correggere tali errori. Solitamente si considera la percentuale di pacchetti errati. Consegna fuori ordine: su alcune reti, è possibile che una sequenza di pacchetti inviati da un nodo ad un altro venga consegnata con un ordine diverso da quello originale. Tutto ciò avviene per via del fatto che i pachetti stessi vengono instradati su percorsi diversi. Questo problema rende necessario che i protocolli di trasporto riordinino i pacchetti fuori ordine una volta che sono giunti a destinazione e comporta ulteriori ritardi nel ricostruire il usso di dati a livello applicativo. Ritardo (delay): è il ritardo subìto da un pacchetto a partire dal suo inserimento nella rete no alla consegna eettuata al destinatario. Si considera ad esempio il ritardo medio impiegato dal pacchetto. Il delay ha un impatto molto diretto sul livello di soddisfazione percepito dall'utente. 5 CAPITOLO 1. 6 QOS Jitter: la variazione del delay tra pacchetti inviati in sequenza da un nodo ad un altro. Alcuni servizi che sono altamente intolleranti alla variazione del delay solitamente cancellano, o almeno riducono signicativamente, la variazione del ritardo per mezzo di un buer, eliminando così eettivamente la variazione del delay percepita dal livello utente. Perdita di pacchetti (packet loss ): indica la percentuale di pacchetti che la rete nel suo complesso non riesce a consegnare a destinazione. Banda di trasmissione: il cui valore massimo consentito dipende dal contratto stipulato dall'utente con il fornitore del servizio disponibile. Il termine QoS si riferice alla capacità da parte della rete di avere un funzionamento più deterministico, così che i dati possono essere trasmessi con una minima packet loss, con un minimo delay, con una massima larghezza di banda e così via. 1.2 Funzioni per la valutazione della QoS Di seguito riporteremo alcune funzioni utili per la misurazione della QoS per vari tipi di dati trasferiti all'interno della rete. Le funzioni stima della QoS ci permettono di ottenere così un valore numerico che, come vedremo nel Capitolo 3, ci darà la possibilità di ricavare a sua volta un valore della QoE che sia auspicabilmente quanto più rappresentativo della qualità del servizio percepita dall'utente. 1.2.1 QoS IPTV IPTV (Internet Protocol Television) è un sistema di trasmissione di segnali televisivi su reti informatiche basate sui protocolli TCP/IP, in particolare sulla rete Internet. Il sistema IPTV è generalmente usato per ricevere segnali televisivi tramite connessioni ad Internet a banda larga. L'ambiente di servizio IPTV è stato caratterizzato da un enorme cambiamento negli ultimi anni a causa della crescita del mercato IPTV e delle richieste di servizi da parte dei clienti. In una simile situazione risulta necessario migliorare il servizio dell'IPTV dal punto di vista della qualità cercando così di aumentare l'apprezzabilità del servizio nei confronti degli utenti nali. Nei paper [1], [13] e [17] si presuppone che l'utente e il provider di rete si siano accordati su alcune determinate capacità di trasferimento che saranno rese disponibili per uno o più ussi di pachetti e deniti in una specica classe QoS. Nella Tabella 1.1 vengono riportate le classi QoS e le misure per i relativi parametri. Con il termine usso di pachetti ci si riferisce al traco associato a una data connessione avente lo stesso host sorgente e lo stesso host destinazione, la stessa classe di servizio e lo stesso identicatore di sessione. La Tabella 1.1 presenta la denizione delle classi QoS in Y.1541 in base alle performance oggettive della rete. CAPITOLO 1. 7 QOS Tabella 1.1: Classi QoS L'Unione Internazione delle Telecomunicazioni (ITU-T), che si preoccupa di fornire standard sul campo della telefonia e delle telecomunicazioni a livello internazionale, ha stabilito per la serie Y (ovvero quella riguardante le infrastrutture e protocolli di internet) due documenti standard, l' ITU-T Y.1541 [20] e l' ITU-T Y.1540 [21], il primo che fornisce delle classi QoS e il secondo che denisce dei parametri QoS. I parametri deniti dall' Y.1540 sono: IP packet transfer delay (IPTD): Rappresenta il ritardo per un datagramma IP (o il ritardo per l'ultimo frammento) tra due punti di riferimento.Tipicamente è un ritardo da un punto all'altro o un ritardo all'interno della rete. IP packet delay variation (IPDV): è utile che le applicazioni di streaming sappiano quanto il ritardo vari all'interno della rete per evitare un overow e un underow dei loro buer. Per le applicazioni più elastiche piccole variazioni del ritardo non sono signicative ma grandi variazioni possono causare o delle inutili ritrassmissioni di pacchetto oppure degli inutili ritardi prima di essere ritrasmessi. IP packet error ratio (IPER): indica il rapporto tra i pacchetti errati e i complessivi ricevuti. IP ER = Nerroneous Nsuccessf ul +Nerroneous IP packet loss ratio (IPLR): La percentuale dei pacchetti persi rispetto a tutti i pacchetti trasmessi di interesse. IP LR = Nlost Ntrasmitted Invece nell' ITU-T Y.1541, come abbiamo già visto, troviamo una tabella che, a partire da vari parametri deniti in ITU-T Y.1540, stabilisce le 6 classi QoS che devono essere viste come un accordo fatto tra utente nale i provider che orono un servizio di rete, e tra i provider tra di loro. Le classi dovrebbero continuare ad essere usate quando si passa da un accordo statico a una richiesta dinamica supportata da protocolli QoS specici. Nel paper [1], usando queste classi e parametri QoS deniti dall' ITU-T, si CAPITOLO 1. 8 QOS seguono due passi per calcolare la funzione per la stima della QoS. Per prima cosa il provider del servizio eettua una misura oggettiva dei parametri QoS. Attraverso un protocollo di controllo di qualità come RTCP (Real-time Transfer Control Protocol), il sistema di gestione della qualità per il servizio IPTV può misurare e ottenere i parametri QoS. Il passo seguente è quello di normalizzare il livello QoS garantito usando i parametri misurati. A questo punto possono essere assegnati dei valori pesati ai parametri QoS basandoci sul relativo grado di importanza dei parametri stessi per un servizio video IPTV. La Tabella 1.2 mostra i parametri di rete QoS e i loro relativi gradi di importanza per i servizi IPTV. Tabella 1.2: parametri di rete QoS e relativi gradi di importanza per i servizi IPTV Il valore della funzione che calcola la QoS normalizzata riette la condizione della rete e può essere calcolato attraverso la formula (1): QoS(X) = K ∗ (L ∗ Wl + U ∗ Wu + J ∗ Wj + D ∗ Wd + B ∗ Wb ) (1.1) dove: la costante K indica l'intera qualità della QoS la quale viene selezionata a seconda del tipo di accesso di rete per il servizio IPTV. Proprio a seconda del tipo di accesso di rete (wired o wireless) questo parametro ha un valore dierente. Wl , Wu , Wj , Wd e Wb indicano rispettivamente i pesi assegnati alla packet loss (L), livello di burst (U), jitter (J), delay (D) e larghezza di banda (B). I rispettivi pesi 1 Wi , i ∈ l, u, j, d, b vengono ottenuti attraverso il metodo AHP 1 L'analytic hierarchy process (AHP) è una tecnica di supporto alle decisioni multicriterio sviluppata negli anni settanta da Thomas L. Saaty. La metodologia consente di confrontare più alternative in relazione ad una pluralità di criteri, di tipo quantitativo o qualitativo e di ricavarene una valutazione globale per ciascuna di esse. L' AHP a cui stiamo facendo riferimento è quello basato su una misurazione assoluta [14]. CAPITOLO 1. 1.2.2 9 QOS QoS calcolata tramite punteggi Nei paper [5] e [11] per il calcolo della funzione di stima della QoS (per sevizi come VoIP e VoD) viene proposta una somma standardizzata di punteggi (W) relativi a diversi pametri a partire dal valore misurato dei parametri stessi (vedi Tabella 1.3). I parametri in questione sono: delay (D), jitter (J), tasso di perdita (L), tasso di errore (E), la larghezza di banda (B), tasso di connessioni stabilite (S): QoS = W (D) + W (J) + W (L) + W (E) + W (B) + W (S) (1.2) Questi punteggi standardizzati sono diversi a seconda del servizio che viene usato. Per esempio gli autori assegnano il punteggio 10 al parametro W(D) per servizi particolarmente sensibili al delay, cioè che hanno un delay che varia da 70ms a 100ms (e.g. VoIP), e 5 a W(D) per servizi meno sensibili al delay (e.g. VoD). Tabella 1.3: Punteggi relativi ai parametri QoS 1.2.3 QoS per applicazioni aptiche 2 Nei paper [5] e [9] si approfondisce il tema delle applicazioni basate sull' HUI (Haptic User Interface). 2 Un La tecnologia aptica ha cambiato il modo umano di interfaccia aptica è un sistema che permette un interazione tra una persona e un computer attraverso sensazioni siche e movimenti. Il termine Haptic si riferisce a un tipo CAPITOLO 1. QOS 10 interagire con i computer, infatti incorporare sensazioni tattili e ritorno di forza in un ambiente virtuale ha aperto un nuovo scenario applicativo a partire dalla simulazione medica e riabilitativa no ad arrivare a videogames più realistici. Gradualmente col passare degli anni si prevede che sempre più applicazioni potranno utilizzare interfacce utente aptiche. I vantaggi nell'utilizzare ambienti aptici di audio o video nei confronti dell'utente sono diversi: avere più realismo, maggiori emozioni e una migliore manipolazione degli oggetti. Probabilmente non passerà ancora molto tempo prima di vedere anche applicazioni e-commerce aptiche sulla rete Internet. Un esempio di strumentazioni aptiche attualmente utilizzate ci viene dato da 3D ClayTools e FreeForm Modelling della Sensable, questi software infatti permettono di modellare con interazioni aptiche delle forme tridimensionali 3D altrimenti modellabili con molta più fatica utilizzando altri software. I parametri che servono a valutare la funzione che stimi la QoS sono quelli misurabili direttamente dalle applicazioni. Molti di questi parametri sono tipicamente quelli standard che si trovano per ogni applicazione di rete ma guardando alla Tabella 1.4 possiamo notare che la sincronizazzione è divisa in due parti: la Network Synchronization che è abituale per le applicazioni di rete e la Media Synchronization che è specica per l'aspetto multimodale degli ambienti virtuali. particolare di tecnologia che permette un interazione uomo-computer e che si basa su feedback tattili o altre sensazioni corporee per eseguire azioni o processi su dispositivi elaborativi. CAPITOLO 1. 11 QOS Tabella 1.4: Parametri QoS per applicazioni aptiche Per calcolare la relativa funzione di QoS utilizziamo la seguente formula: P i ηi ∗ Si QoS = P i ηi (1.3) dove: ηi rappresenta il fattore di peso dato ad ogni parametro della QoS Si rappresenta il valore misurato dei singoli parametri della QoS 1.2.4 QoS basato su MLR Nel paper [5] viene proposto un nuovo approccio per valutare il peso di ogni parametro QoS. L'approccio consiste nell'identicare l'impatto individuale di ogni parametro QoS sulla QoE in modo da dedurre il loro impatto collettivo. Basandosi sulla MLR (Multiple Linear Regression), viene svilupato un modello di correlazione esponenziale cosicchè la funzione di stima della QoS viene modellata come una somma pesata di parametri multipli che ci permetteranno di CAPITOLO 1. 12 QOS valutare il loro impatto complessivo su la QoE. Otteniamo così la seguente funzione per il calcolo della QoS (vedi Capitolo 3 per capire come è stata ottenuta e il signicato di ogni parametro nella formula): 1 QoS = − (α1 QoS1 + α2 QoS2 + ... + αn QoSn ) β 1.2.5 (1.4) QoS VoIP (modello pentagrammato) Nei paper [5] e [10] viene proposto un modello nuovo per valutare la QoE per il servizio VoIP, tuttavia il modello non può essere usato nei casi real time poichè il parametro chiamato integralità (a) è calcolato a partire da campioni di misurazione collezionati periodicamente. Il parametro integralità rappresenta la funzione di misura della QoS ed è calcolato come la somma pesata (5) del rapporto di consistenza del delay (α1 ), jitter (α2 ) e packet loss ratio (α3 ). I parametri DEL, JIT e PL rappresentano rispettivamente i pesi del delay, jitter, e packet loss ratio. a = α1 ∗ DEL + α2 ∗ JIT + α3 ∗ P L (1.5) Bisogna notare che il rapporto di consistenza del k-esimo parametro (αk ) è misurato a partire da un campione di dimensione n come il seguente: αk = La funzione θk (i) N umberOf T imesW hereθk (i)≥1 n (1.6) denisce il rapporto tra il massimo valore del parametro k- esimo (ϕk ) rispetto al suo valore basato su un numero i di campioni su un periodo di campionamento T (ϕk (i)): θk (i) = ϕk ϕk (i) (1.7) Capitolo 2 QoE Il concetto di QoE è stato introdotto nella rete IP col ne di descrivere il grado di soddisfazione dell'utente nale nei confronti della qualità del servizio scelto. Negli utimi anni l'interesse per la valutazione della QoE è sempre più cresciuto. Solitamente eventuali problemi sulla QoS (e.g. perdite di pacchetti, delay, jitter, riordino pacchetti, limitazioni del throughput, etc) implicano dei problemi per la QoE (e.g. problemi tecnici, eccessivi tempi di attesa). Inoltre la QoE viene inuenzata non solo da parametri che deniscono le performance della rete ma anche da parametri di qualità del servizio come costo, adabilità, usabilità e fedeltà del servizio. La capacità di valutare la QoE darà al provider una sorta di legame tra il contributo delle performance della rete e un generale livello di soddisfazione del cliente. La QoE dovrebbe essere monitorata e tenuta in buone condizioni dai provider del servizio. Gli esistenti metodi di valutazione della qualità sonora per la QoE soggettiva e oggettiva. Il metodo MOS) ed è possono essere classicati in due categorie: soggettivo più comunemente utilizzato è il Mean Opinion Score ( stato proposto nell' ITU-T P.800 [20]. Alcuni esempi di metodi di valutazione oggettiva della qualità vocale possono essere Perceptual Speech Quality Measure ( PSQM) riportato nell' ITU-T P.861 oppure Perceptual Evaluation of Speech PESQ) riportato nell' ITU-T P.862 [21]. Quality ( Per quanto riguarda la valutazione del servizio video, la valutazione soggettiva della QoE è il metodo di misurazione più adabile. Un gruppo di spettatori viene scelto e viene messo in una stanza, l'ambiente in cui avviene la misurazione viene spiegato nel dettaglio nell' ITU-T P.910. Invece per avere un metodo di misurazione oggettivo della qualità del video sono stati sviluppati alcuni software valutativi che possono analizzare i segnali video e produrre dei risultati sulla valutazione della qualità. Un tradizionale misuratore oggettivo della qua- PSNR) che è stato usato da molti. lità video è il Peak Signal to Noise Ratio ( Un'altro esempio di misurazione oggettiva, che però tiene anche in conto di alcune caratteristiche delle capacità visive umane, è il Moving Pictures Quality Metric ( MPQM). I principali inconvenienti dell'approccio soggettivo, per la valutazione dei video, 13 CAPITOLO 2. 14 QOE sono i seguenti: costo elevato, richiesta di tempo nell'eettuare la valutazione, impossibilità di uso in contesti a tempo reale e mancanza di ripetibilità. Queste limitazioni hanno motivato lo sviluppo di strumenti oggettivi che predicono la qualità soggettiva del video a partire da caratteristiche appunto oggettive. L'approccio oggettivo è basato su tecniche matematiche o comparative che generano una misura della qualità quantitativa dell'informazione trasmessa. Un approccio oggettivo può essere intrusivo o non intrusivo. I metodi intrusivi sono basati sui segnali, mentre i non intrusivi sono basati su parametri di applicazioni di rete. Generalmente i metodi intrusivi sono accurati ma inpraticabili per monitorare il traco in tempo reale perchè hanno bisogno delle sequenze originali (i.e. full reference quality measurement). I modelli non intrusivi non richiedono una copia del segnale originale. Inoltre solitamente l'approccio oggettivo evita inuenze nella sua misurazione da parte della percezione umana. Per esempio alcuni metodi oggettivi come PSNR provano a comparare segnale originale e segnale ricevuto pixel per pixel indenticando qual è la distorsione del segnale. Può essere sviluppata una combinazione dell'approccio oggettivo e soggettivo al ne di superare le carenze individuali di ciascun metodo. La tecnica mapped-to-MOS PSNR- è un metodo comunemente adottato che viene usato per stimare la QoE del video in precedenza inuenzata da alcune condizioni di rete. E' stato dimostrato da diversi ricercatori che questa tecnica risulta imprecisa nei confronti della correlazione con la qualità visuale percepita dall'utente nale. Tuttavia diverse modiche sono state proposte per migliorarne l'accuratezza della stima. Peter Brooks e Bjørn Hestnes hanno classicato gli approcci esistenti di misurazione del servizio di qualità della rete, a partire dalla prospettiva dell'utente, (1) Testing User-perceived QoS (TUQ), (2) Surveying Subjective QoE (SSQ) e (3) Modelling Media Quality (MMQ), in tre categorie: vedi Figura 2.1. I primi due approcci raccolgono informazioni soggettive dagli utenti, mentre il terzo approccio è basato su una misurazione tecnica oggettiva. CAPITOLO 2. Figura 2.1: QOE 15 Approcci di misurazione della qualità dei servizi di rete dalla prospettiva dell'utente 2.1 Mean Opinion Score (MOS) Mean Opinion Score (MOS) esprime una misura della chiarezza di una trasmissione telefonica, vocale o visiva. La norma ITU-T P.800 [18] descrive il metodo usato per ottenere una misura della chiarezza di un segnale ricevuto tramite una statistica di opinioni di ascolto, ovvero un gruppo di persone esprimono un parere tramite un punteggio che va da 1 a 5 (ovvero da pessimo/basso a eccellente) su tre diversi aspetti dell'ascolto: Qualità del parlato (Listening Quality ): 1 - molto bassa 2 - bassa 3 - abbastanza buona 4 - buona 5 - eccellente Sforzo richiesto per la comprensione (Listening Eort ): 1 - pessimo o BAD: la trasmissione risulta del tutto incomprensibile 2 - scarso o POOR: la trasmissione è comprensibile soltanto con notevole sforzo 3 - accettabile o FAIR: la trasmissione è comprensibile seppure con un certo sforzo CAPITOLO 2. 16 QOE 4 - buono o GOOD: la trasmissione è comprensibile senza particolare sforzo 5 - eccellente o EXCELLENT: la trasmissione è comprensibile senza alcuno sforzo Gradimento dell'intensità sonora (Loudness Preference ): 2.2 1 - molto più bassa del livello ideale 2 - più bassa del livello ideale 3 - ideale 4 - più alta del livello ideale 5 - assai più alta del livello ideale Opinion Score (OS) Nel modello del calcolo della QoE di tipo IQX ( vedi formula (10) ) la costante γ permette alla QoE di adattarsi alla sua scala di misura espessa in MOS (Mean Opinion Score). MOS è una scala discetizzata che va da 1 (bad) a 5 (excellent), così la costante γ si approssima a 1 in modo da esprimere una cattiva QoE quando il disturbo QoS diventa molto grande (limQoS→∞ QoE = γ≈1). In alcuni lavori è stata introdotta una nuova scala di misura di QoE chiamata OS (Opinion Score) che estende la scala MOS con un valore 0. Usando questa scala OS discetizzata è stata eliminata la costante che la costante γ γ (γ = 0). Assumiamo anche noi sia nulla ed inoltre che la QoE sia espessa come una scala continua OS. Questa scala continua coprirà l'intervallo ]0, 5]. L'utente potrà scegliere un valore appartenente a questo intervallo in modo da esprimere la sua qualità percettiva. Infatti gli intervalli che indicano la qualità saranno: pessimo tra ]0 e 1], scarso tra ]1 e 2], suciente tra ]2 e 3], buono tra ]3 e 4] e ottimo tra ]4 e 5]. Notiamo dunque che il valore 0 è stato rimosso (in modo da poter applicare più tardi una trasformazione logaritmica). Capitolo 3 Funzioni di correlazione QoS/QoE Proponiamo in questo capitolo alcune funzioni di correlazione QoS/QoE che forniscono ai provider di rete una previsione di quale sarà il valore della QoE dell'utente nale in modo poi da poterne migliorare eventualmente il servizio stesso oerto. Lo scopo delle funzioni di correlazione QoS/QoE è quello di ottenere un valore di QoE che sia quanto più vicino alla reale percezione dell'utente nale a partire dalla fuzione di stima della QoS. 3.1 Funzioni di correlazione tra QoS/QoE A partire dalle funzioni di stima della QoS, riportate nel Capitolo 1, vedremo ora diverse formule che ci permetteranno di valutare la QoE percepita dall'utente nale che userà un determinato servizio. 3.2 QoS/QoE IPTV Il paper [1] propone una formula numerica che serve a calcolare la QoE a partire dalla QoS normalizzata 1 calcolata in 1.2.1: QoE = Qr ∗ (1 − QoS(X))( QoS(X)∗A ) R (3.1) dove: Qr è un coeciente che limita il range della QoE dell'immagine in IPTV secondo la grandezza dello schermo e/o la risoluzione del terminale 1 Riette la vazione del valore di QoS 17 CAPITOLO 3. FUNZIONI DI CORRELAZIONE QOS/QOE 18 QoS(X) è il valore normalizzato del livello di QoS calcolato attraverso la formula (1). Come abbiamo già visto esso viene determinato da alcuni parametri di qualità del livello rete la costante A esprime la classe di servizio scelta. Se la classe di servizio adottata è alta allora alla costante A viene assegnato il valore più alto. R è denita come la costante che riette la struttura dei frame video in base alla lunghezza del GoP 2 (Group of Picture). Dato che una codica non va avanti nel caso di perdita di un I-frame, nchè il prossimo I-frame sia ricevuto, la perdita di un I-frame provoca una qualità più bassa (frame skipping, frame freezing, etc) rispetto agli altri frame (P/B-frame). In tal modo possiamo considerare la variabile R come fattore per la misura della QoE dell'immagine. In Figura 3.1 viene mostrato lungo l'asse delle ascisse il valore della QoS normalizzata che riette l'ambiente di rete, mentre sull'asse delle ordinate viene mostrato il grado di soddisfazione dell'utente, ovvero la QoE denita attraverso un punteggio MOS. Figura 3.1: Modello di correlazione QoS/QoE per IPTV 3.3 QoS/QoE IQX Hypothesis I paper [2] e [6] propongono una funzione di correlazione QoS/QoE nella quale la QoE e i parametri della QoS sono legati da una relazione esponenziale chiamata IQX Hypotesis (exponential interdependency of quality). Ricordiamo che 2 Gruppo di immagini successive contenute in un usso video codicato secondo le speciche MPEG CAPITOLO 3. FUNZIONI DI CORRELAZIONE QOS/QOE 19 la IQX Hypotesis viene formulata per ricavare la QoE che rappresenta il livello di soddisfazione a partire da un parametro QoS che rappresenta il livello di disturbo. In generale la QoE = fattori In = QoSn . Φ(I1 , I2 , ..., In ) è una funzione inuenzata da n In questo caso focalizziamo la nostra attenzione su un sin- golo fattore di inuenza I = QoS, in modo da derivare la relazione fondamentale QoE = f(QoS). In generale la sensibilità soggettiva viene disturbata molto di più quando il valore della QoE è molto alto. Se la QoE è molto alta essa potrà decrescere di molto con un piccolo disturbo. D'altro canto se la QoE è già bassa un ulteriore disturbo non sarà percepito in maniera signicativa. Questa relazione può essere compresa meglio considerando il caso di un ristorante: se noi ceniamo in un ristorante a cinque stelle una singola macchia su una tovaglia bianca pulita disturberà di molto l'atmosfera. Uno stesso incidente potrebbe non essere notato se invece ci trovassimo in una trattoria. In un tale contesto assumiamo che il cambiamento della QoE dipenda dal livello corrente di QoE, data la stessa quantità di cambiamento del valore della QoS, ma con un segno opposto. Assumendo una dipendenza lineare sul livello della QoE, giungiamo alla seguente equazione dierenziale: ∂QoE ≈ − (QoE + γ) ∂QoS (3.2) L'equazione (9) è risolta da una generica funzione esponenziale chiamata IQX hypotesis (10): QoE = α ∗ e−β∗QoS + γ dove α, β e γ (3.3) sono numeri positivi. L'IQX hypotesis è testata per due servizi dierenti, VoIP e navigazione sul web. In questo studio la QoE è stata misurata con il metodo MOS, mentre la QoS è stata valutata attraverso tre parametri dierenti: perdita di pacchetti, jitter, tempo di risposta e di download. 3.4 Funzione di correlazione QoS/QoE basata sulla VQM (Video Quality Metric) Nei paper [2] e [15] è stato proposto un metodo standardizzato di misurazione oggettiva della qualità video che prende il nome di Video Quality Metric (VQM). La VQM ha come scopo principale quello di predire la qualità soggettiva che un utente potrebbe constatare di un video a partire direttamente dai parametri di rete QoS. Questo metodo non è intrusivo ed è veloce da usare. I punteggi VQM vengono creati usando il Modello Generale NTIA sviluppato dal National 3 Telecomunication and Information Administration . Il Modello Generale NTIA 3 National Telecommunications and Information Administration (NTIA): è un ente del Dipartimento del Commercio degli Stati Uniti che viene visto come consulente principale del pre- CAPITOLO 3. FUNZIONI DI CORRELAZIONE QOS/QOE 20 comprende un sistema automatico di misurazione oggettiva della qualità del video che è in grado di produrre il punteggio VQM. I risultati di emulazione vengono analizzati e viene derivata una semplice formula in modo da predire la QoE a partire dai parametri QoS per un video in streaming basandoci su alcune date condizioni. La Figura 3.2 mostra il risultato di un test su dati usato per sviluppare un Modello Generale NTIA. Ogni set di dati viene proposta con un colore diverso per ogni sequenza video. Tutti i dati ssati sono stati impiegati per alcuni video clip di 10 secondi in durata, e la maggior parte dei punteggi ottenuti nei test variano da 0 a 1. In generale un punteggio soggettivo basso corrisponde a un punteggio VQM basso. Figura 3.2: Set di dati usati per ricavare il Modello Generale NTIA Il Modello Generale NTIA è stato progettato per essere un modello multiuso capace di misurare la qualità video comparando le caratteristiche originali con le caratteristiche processate dei ussi video o dei video clip per poi produrne i punteggi VQM che variano dunque da 0 (nessun deterioramento percepito), che implica che il rapporto di qualità non può mai essere migliore di quello del video originale, no approssivamente a 1 (massimo deterioramento percepito). I punteggi VQM possono essere calcolati con la seguente formula (11): sidente degli USA per le politiche delle telecomunicazioni pertinenti al progresso tecnologico e all'economia degli Stati Uniti e per la regolamentazione dell'industria delle telecomunicazioni. CAPITOLO 3. 21 FUNZIONI DI CORRELAZIONE QOS/QOE V QM = −0, 2097∗siloss +0, 5969∗hvloss +0, 2483∗hvgain +0, 0192∗chromaspread + (3.4) −2, 3416 ∗ sigain + 0, 0431 ∗ ct − atigain + 0, 0076 ∗ chromastream La VQM è dunque la somma di tutti i parametri sopra pesati in (11) ed è compresa tra 0 come limite inferiore e può occasionalmente eccedere il valore 1 per un video estremamente distorto. I parametri del VQM sono deniti in [16] e sono i seguenti: siloss : individua un decremento o una perdita di informazioni spaziali (e.g. blurring) hvloss : individua uno spostamento di margini da un orientamento oriz- zontale o verticale a un orientazione diagonale, come nel caso in cui i margini vericali e orizzontali sorano di un maggiore blurring rispetto ai margini diagonali. Questo parametro usa ltri orizzontali e verticali per le immagini. hvgain : individua uno spostamento dei margini da diagonale a verticale e orizzontale, come nel caso in cui il video processato contenga disturbi come bloccaggi chromaspread : individua i cambiamenti della diusione di distribuzione di campioni di colori bidimensionali sigain : questi è il solo parametro di miglioramento della qualità nel model- lo a partire da il risultato che si ha dall'edge sharpening o enhancements. ct − atigain : la percettibilità di un deterioramento spaziale può essere inuenzato dalla quantità di movimenti presenti. Allo stesso modo la percettibilità di un deterioramento temporale può essere inuenzata dalla quantità di dettagli spaziali presenti. Una feature derivata dal prodot- to del confronto tra informazioni contrastanti e informazioni temporali può essere usata per una parziale descrizione di queste interazioni. metrica ct − atigain La è calcolata ocme il prodotto di feature contrastanti, quanticando la quantità di dettagli spaziali e una feature di informazione temporale, misurando la quantità di motion presente nella regine S-T. chromaextreme : usa le stesse feature usate dalla metrica chromaspread dierenti collapsing function spaziali e temporali. chromaextreme ma indivu- dua forti deterioramenti di colori localizzati, come quelle prodotte da una trasmissione digitale di errori Il paper [15] propone dunque, a partire dal Modello Generale NTIA, di calcolare il punteggio VQM per poi tradurre quest'ultimo nel valore della QoE. Poichè la correlazione del punteggio oggettivo VQM e qualità soggettiva del video è stata fatta dall' NTIA stessa. Ci sono tre principali metodi per studiare e valutare il CAPITOLO 3. FUNZIONI DI CORRELAZIONE QOS/QOE 22 comportamento della rete: 1) Simulazione della rete, basata solamente su software 2) Sperimentale, basata sulla rete sica 3) Approccio ibrido, combina i metodi 1) e 2). Per usare il VQM ci si basa sul terzo approccio. Questo metodo usa un emulatore di rete per produrre varie condizioni e i loro conseguenti eetti sul traco reale introducendo una degradazione emulata della QoS. Mentre il traco reale viene applicato al sistema si può utilizzare il Modello Generale NTIA per valutarne il traco stesso. Poichè la degradazione della QoS introdotta dall'emulatore può essere controllata allora si potranno testare in laboratorio un ampio intervallo di condizioni senza avere bisogno di un vasta quantità di hardware per tale scopo. La Figura 3.4 ci mostra l'ambiente di prova del nostro approccio di mappatura tra QoS e QoE, infatti Figura 3.3: Ambiente di simulazione per il calcolo del VQM viene mostrato il trasmettitore che invia il video originale in streaming al ricevitore attraverso la rete emulata con dei dati parametri QoS. Nel frattempo i parametri QoS usati vengono registrati nel database. Durante il periodo di trasmissione il video in streaming viene degradato e il risultato viene registrato sul ricevitore. Successivamente il Modello Generale NTIA compara il video in streaming originale con la versione degradata e produce un punteggio VQM il quale viene depositato all'interno del database. Per ogni combinazione di parametri QoS (e.g. percentuale dei pacchetti persi uguale all'1%, jitter uguale a 1ms e delay uguale a 100ms) la procedura descritta CAPITOLO 3. 23 FUNZIONI DI CORRELAZIONE QOS/QOE sopra viene ripetuta diverse volte e il corrispondente punteggio VQM viene generato. A questo punto un punteggio medio della VQM viene ottenuto per ogni combinazione. Il database otterrà un set di matrici mappate per caricare un punteggio medio di VQM per ogni campione video. Un esempio di matrice mappata in un database che si focalizza su pacchetti persi e jitter viene mostrata nella Tabella 3.1, dove ogni cella con uno sfondo grigio contiene un punteggio medio VQM ottenuto sotto una combinazione di pacchetti persi e dei jitter. Tabella 3.1: Un esempio di matrice di mappatura Una volta che la matrice contenente un numero esauriente di dati sui parametri QoS è stata riempita è possibile derivare un espressione della forma data dall'equazione (12) modellando matematicamente ( curve tting method ) i dati appena ricavati e immagazzinati nel database. Notiamo che l'espressione ricavata abilita il calcolo della metrica QoE direttamente dai parametri QoS invece che a partire da una valutazione qualitativa del video. Così il la mappatura della QoS/QoE viene eettuata. V QM = f (X1 , X2 , ..., Xn ) Gli Xi (3.5) rappresentano i parametri QoS. Un esempio di funzione di correlazione QoS/QoE calcolata per 4 video codicati a 1000kbps con il codec Xvid (aderente allo standard MPEG-4). La risoluzione dei campioni video è settata a 480x270 in 16:9. Usando il software 1stOpt la funzione VQM è espressa matematicamente nella forma (12) attraverso l'equazione (13), per n=2: V QM = Dove X1 e X2 P 1 + P 2 ∗ X1 + P 3 ∗ X12 + P 4 ∗ X2 + P 5 ∗ X22 1 + P 6 ∗ X1 + P 7 ∗ X12 + P 8 ∗ X2 + P 9 ∗ X22 (3.6) indicano rispettivamente il jitter in ms e la percentuale dei pac- chetti persi. Invece P1, P2, P3, P4, P5, P6, P7, P8 e P9 sono dei valori costanti calcolati da 1stOpt. 3.5 QoS/QoE - formula esponenziale Nei paper [5] e [11], a partire dalla QoS vista in 1.2.2, viene proposta una formula di correlazione QoS/QoE: QoE(QoS) = K ∗ [ e(QoS−α) + e(−QoS+α) + 1] + e(−QoS+α) + β e(QoS−α) (3.7) CAPITOLO 3. FUNZIONI DI CORRELAZIONE QOS/QOE 24 Dove: α rappresenta la classe di qualità QoS del livello rete (sono le stesse valutate in 1.2.1). β è determinata attraverso la classe di servizio e visne vista successiva- mente come una categoria di servizio costante. K è la costante di scala che mostra la soddisfazione sull'uso del servizio. Questa costante generalizza la qualità soggettiva per quanto riguarda il servizio usato. Sebbene venga fornita la stessa qualità QoS in un ambiente di rete cablato, la variabile K considera alcune componenti che inuenzano l'esperienza qualitativa che può aver avuto l'utente secondo il canale radio e il terminale. Il risultato della QoE viene valutato, anche in questo caso basandoci sul metodo MOS. 3.6 QoS/QoE per interfaccia utente aptica (HUI) Nei paper [5] e [9] viene proposta una QoE per applicazioni basate su un interfaccia aptica. La QoE presentata in (15) viene calcolata come una combinazione lineare pesata di QoS, descritta nel paragrafo 1.2.3, e UE (User Experience): QoE = ζ ∗ QoS + (1 − ζ) ∗ U E dove ξ (3.8) controlla il peso relativo dato al parametro QoS rispetto al parametro UE. Il parametro UE è una somma pesata di misure di percezione, di qualità di esecuzione e di misure siologiche: P P P ( j βj ∗ Rj ) ( k γk ∗ P hk ) ( i αi ∗ Pi ) P P P +B∗ +C ∗ UE = A ∗ ( i αi ) ( j βj ) ( k γk ) (3.9) Dove: A, B e C sono costanti di peso determinate empiricamente per le rispettive misure di percezione, di qualità di esecuzione e di misure siologiche αi , βj e γk sono fattori di peso che dipendono dal valore di qualità relativa ai parametri di esperienza di un singolo utente basati rispettivamente su misure di percezione, di qualità di esecuzione e di misure siologiche Pi , Rj e P hk rappresentano valori di qualità dati a particolari parametri di misure percettive (Pi ), di qualità di esecuzione (Rj ) e di misure siologiche (P hk ) rispettivamente. CAPITOLO 3. 3.7 25 FUNZIONI DI CORRELAZIONE QOS/QOE QoS/QoE VoIP (modello pentagrammato) In [5] e [10] gli autori propongono un modello pentagrammato per calcolare la QoE di un dato servizio VOIP, vedi formula (17). In Tabella 3.2 vengono mostrati alcune chiavi indicatori di performance (KPIs) e le più importanti misure corrispondenti. Ogni applicazione ha un unica chiave indicatore di performance che ha bisogno di essere identicata. Vari studi sono stati fatti su questa materia e sono stati creati dierenti elenchi per standardizzare le KPIs per avere così delle linee guida generali. Queste linee guida generali possono essere usate come basi per trovare le KPIs per ogni applicazione. Lo scopo del nostro modello è quello di essere capaci di progettare metriche quanticabili per la valutazione della QoE per un dato servizio VoIP. Tabella 3.2: Key performance indicator per la QoE e le più importanti misure Come mostrato in Figura 3.5 la QoE viene misurata e presentata attraverso l'uso di un diagramma pentagrammato basato sulle misure dei suoi cinque fattori per il modello QoE proposto. Assumiamo che il risultato di misura di ogni fattore sia un valore che va da 0 a 1. Il valore 1 indica il massimo valore per ogni fattore e il valore 0 il minimo. L'area del pentagramma viene usata come una misura della QoE. Chiaramente il più piccolo valore di questo pentagramma è 0 e il massimo valore è approssimativamente 2.4. Così come il pentagramma è formato da cinque triangoli l'area di ogni triangolo si può calcolare come 0.5*l1 *l2 *sin(λ) dove l1 e l2 rappresentano i lati del triangolo e l'angolo di 72 gradi tra i due lati. (a), conservabilità (b), disponibilità (c), (e) e possiamo calcolarlo usando la formula (17): fattori: integrabilità istantaneità QoE = λ rappresenta La QoE viene vista come funzione di 5 o 1 ∗ sin(72 ) ∗ (ab + bc + cd + de + ea) 2 usabilità (d), (3.10) CAPITOLO 3. 26 FUNZIONI DI CORRELAZIONE QOS/QOE Figura 3.4: Modello pentagrammato della QoE La funzione di stima della QoS a cui questo modello fa riferimento è quella descritta nel paragrafo 1.2.4 3.8 QoS/QoE con il software Narus Nei paper [12] e [23] viene proposto un metodo per la misurazione della QoE 4 per un servizio di trasmissione vocale. Attraverso l'uso del software Narus , che 5 è una tecnologia di Analisi Semantica del Traco (STA), si è potuto misurare la QoE dell'utente e la correlazione tra QoS e QoE. La metodologia di Analisi Semantica del Traco sviluppata da Narus Inc permette di collezionare dati di interesse. La STA è essenzialmente un estensione naturale a un'analisi passiva della rete (e.g. sniatore di rete). Il principale componente STA di Narus è l'Analizzatore STA, quest'ultimo è un componente per lo sning di rete che raccoglie i pacchetti che viaggiano attraverso uno specico collegamento di rete. Narus 4 è una delle prime aziende che combina algoritmi di apprendimento automatico brevettato, automazione e tecnologie di fusione dei dati per fornire un controllo degli operatori di rete che hanno bisogno di essere protetti contro minaccie informatiche e di assicurare la sicurezza delle proprie informazioni. Il prima di tutto cattura varie informazioni sul traco di rete in tempo reale e poi ne analizza i contenuti. 5 L'analisi semantica è un analisi volta ad individuare le abitudini di ricerca degli utenti rispetto ad una certa area semantica. L'obiettivo è trovare le parole chiave più ricercate dagli utenti del web nel momento in cui interrogano i motori di ricerca. software Narus CAPITOLO 3. FUNZIONI DI CORRELAZIONE QOS/QOE 27 Figura 3.5: Il posizionamento dell'Analizzatore Narus STA L'analisi è stata fatta prendendo in considerazione pacchetti HTTP che passano nella rete dove ogni richiesta HTTP viene considerata indipendente. Nel paper [23] viene mostrato che la relazione tra QoS e QoE risulta essere non lineare. La QoE studiata in questo lavoro è il CR (cancellation ratio) dei servizi internet valutata in base a dierenti parametri della QoS calcolati uno alla volta per ogni esperimento. Come mostrato in (18) CR e la larghezza di banda richiesta B, che rappresenta la QoS, sono collegati tra di loro da una funzione logaritmica decrescente, così che mentre B cresce CR invece decresce: con α1 e β1 che CR = =α1 ∗ ln(B) + β1 (3.11) QoE = =α1 ∗ ln(QoS) + β1 (3.12) sono numeri positivi. CR e il tempo di consegna DT, rappresentante la QoS, variano linearmente nella stessa direzione. Come mostrato in (20) CR cresce linearmente rispetto al tempo di consegna DT: con α2 e β2 che CR = α2 ∗ DT + β2 (3.13) QoE = α2 ∗ QoS + β2 (3.14) sono parametri positivi. Tuttavia nessuna relazione diretta è stata trovata tra CR e il delay di rete specialmente in alcuni intervalli temporali. CAPITOLO 3. 3.9 28 FUNZIONI DI CORRELAZIONE QOS/QOE QoS/QoE con un modello polinomiale Nei paper [5] e [12] è stato proposto un modello di correlazione QoE/QoS di tipo polinomiale, dove n è l'ordine del polinomio. La relazione tra QoS e QoE viene calcolata rispetto a un singolo parametro della QoS in ogni esperimento. Questo modello è in grado di riferirsi a dierenti forme di correlazione: lineare, logaritmica e esponenziale. Infatti la relazione lineare può essere espressa ad esempio sviluppando la (22) al primo ordine (n = 1). QoE = an ∗ QoS n + an−1 ∗ QoS n−1 + ... + a1 ∗ QoS + a0 (3.15) dove n rappresenta l'ordine del polinomio. Per concludere potremmo dire che questo modello propone una generalizazzione di dierenti funzioni QoS/QoE. Esso permette di eettuare una correlazione più semplice possibile tra QoS/QoE in modo da sviluppare successivamente semplici leggi di controllo che possano essere applicate in tempo reale. Questo ci darà il vantaggio di far diminuire i costi computazionali all'interno della rete. Tutto ciò permetterà di usare diversi tipi di funzioni di correlazione QoS/QoE. 3.10 QoS/QoE basata su MLR Nel paper [5] viene proposto un nuovo metodo che consiste nell'identicare l'impatto individuale di ogni parametro di QoS sulla QoE in modo da dedurne il loro impatto complessivo. Basandoci sulla Multiple Linear Regression (MLR) sviluppiamo un modello di correlazione esponenziale in modo che la QoS sarà modellata come una somma pesata di parametri multipli. Il nostro principale obiettivo è quello di quanticare la relazione tra QoE e diversi parametri QoS che indicheremo con connessa con ogni parametro QoSi QoS1 ,QoS2 ,. . . ,QoSn . Se la QoE è attraverso le IQX Hypothesis, avremo il se- guente sistema di equazioni: −β1 QoS1 QoE = α1 e QoE = α e−β2 QoS2 2 ... QoE = αn e−βn QoSn dove i parametri αi e βi (3.16) sono positivi. In termini di semplici regressioni, l'impat- to individuale di ogni parametro QoSi sulla QoE è esponenziale. Questo modello di regressione non lineare può essere trasformato in un modello di regressione lineare applicando una trasformazione logaritmica su ogni equazione della (23). Otteniamo così il sistema di equazioni (24) dove ogni parametro impatto lineare sulla nuova variabile log(QoE): QoSi ha un CAPITOLO 3. FUNZIONI DI CORRELAZIONE QOS/QOE log(QoE) = log(α1 ) − β1 QoS1 log(QoE) = log(α ) − β QoS 2 2 2 ... log(QoE) = log(αn ) − βn QoSn 29 (3.17) Quindi l'impatto collettivo dei parametri QoS sulla variabile log(QoE) è lineare perciò possiamo applicare la Multiple Linear Regression (MLR). Infatti l'MLR è un metodo che è usato per modellare la relazione lineare tra un predictand (variabile dipendente) e predictors (una o più variabili indipendenti). I suoi modelli predetti esprimono il valore di una variabile predictand ( log(QoE) ) come una funzione lineare di più di una variabile predictor (QoS1 ,QoS2 ,. . . ,QoSn ): log(QoE) = a0 + a1 QoS1 + a2 QoS2 + · · · + an QoSn dove le costanti ai (3.18) sono calcolate attraverso il metodo dei minimi quadrati. La trasformazione esponenziale applicata alla (25) ci permette di trovare il nostro modello di correlazione esponenziale QoS/QoE: QoE = ea0 ea1 QoS1 +a2 QoS2 +...+an QoSn (3.19) Confrontando l'equazione (10) con la (26) si può estendere facilmente il modello IQX arrivando così alla equazione (27). Il principale contributo oerto da questo metodo è l'uso di una combinazione di più di un parametro nel denire il disturbo QoS (vedi equazione (4)). Invece quest'ultimo può essere modellato come una somma pesata di diversi parametri dove il peso esatto che denisce l'impatto di ogni parametro è stimato dall'analisi MLR. a0 α = e γ=0 QoS = − β1 (3.20) (a1 QoS1 + a2 QoS2 + ... + an QoSn ) Conclusioni In questo lavoro di tesi sono state elencate ed esaminate varie funzioni di stima della QoS relative a vari servizi oerti e abbiamo citato diverse funzioni di correlazione QoS/QoE applicate ad ambienti simulati oppure a contesti reali. Analizzando tutta la letteratura citata poossiamo facilmente concludere che il calcolo della QoE, a partire dalle funzione di stima della QoS, risulta particolarmente utile per i provider di rete al ne di prevedere quale sarà il grado di soddisfazione dell'utente nale. La funzione di stima della QoS e quindi l'eventuale QoE risulta molto più semplice da calcolare rispetto al valore soggettivo della QoE, quest'ultimo infatti per essere valutato in maniera precisa richiederebbe un sondaggio da proporre agli utenti che utilizzano un determinato servizio chiedendogli successivamente quanto essi si reputino soddisfatti dello stesso. Tuttavia il sondaggio non risulterebbe utile in diverse circostanze come nel caso in cui volessimo una valutazione istantanea della QoE percepita dall'utente. Per tutti questi motivi viene proposta una valutazione della QoE a partire dalla funzione di calcolo della QoS. Abbiamo dunque riproposto in questo lavoro varie funzioni di correlazione QoS/QoE come quella per servizi IPTV, per tecnologie con interfaccia aptica, per servizi VoIP con un modello pentagrammato, per modelli con le IQX Hypothesis, ed anche una funzione molto particolare che mette in correlazione la QoE direttamente con i parametri QoS calcolati. Avere a disposizione una funzione di correlazione QoS/QoE risulta sempre più utile poichè dà la possibilità ad un generico fornitore di un servizio di comprendere se il servizio stesso oerto può risultare gradito o no dall'utente che ne usufruisce. Tutto ciò riveste ai nostri giorni un punto chiave e di estrema importanza nella distribuzione dei servizi on-line in quanto la concorrenza messa in essere da chi ore servizi di qualità, nonchè più apprezzabili e graditi dai clienti, risulta un grave fardello per tutti quei fornitori di servizio che invece non si prendono cura di migliorare la qualità dei servizi che propongono ai clienti o comunque che non riescono ad orire dei servizi di migliore qualità. 30 Bibliograa [1] Hyun Jong Kim Seong Gon Choi, A Study on a QoS/QoE Correlation Model for QoE Evaluation on IPTV Service, 2010 [2] Mohammed Alreshoodi, John Woods, Survey on QoE\QoS correlation models for multimedia services, 2014 [3] Hyun Jong Kim, Dong Geun Yun, Hwa-Suk Kim, Kee Seong Cho, Seong Gon Choi, QoE Assessment Model for Video Streaming Service using QoS Parameters in Wired-Wireless Network, 2012 [4] Hyun Jong Kim, Jong Chan Kim, Tae Soo Jeong, Sung Soo Kang, Seong Gon Choi, The Delay Measurement using The RTCP for Real-time Service in Interworking Environment, 2007 [5] Sana Aroussi, Thouraya Bouabana-Tebibel, Abdelhamid Mellouk, Empirical QoE/QoS Correlation Model based on Multiple Parameters for VoD ows, 2012 [6] Markus Fiedler, Tobias Hossfeld, Phuoc Tran-Gia, A Generic Quantitative Relationship between Quality of Experience and Quality of Service, 2010 [7] Florence Agboma, Antonio Liotta, QoE-aware QoS Management, 2008 [8] S. Balasubramaniam, J. Indulska, Vertical handover supporting pervasive computing in future wireless networks, 2004 [9] Abdelwahab Hamam, Mohamad Eid, Abdulmotaleb El Saddik, Nicolas D. Georganas, A quality of experience model for haptic user interface, 2008 [10] Yan Gong, Fangchun Yang, Lin Huang, Sen Su, Model-based Approach to Measuring Quality of Experience, 2009 [11] Hyun-Jong Kim, Dong-Hyeon Lee, Jong-Min Lee, Kyoung-Hee Lee, Won Lyu, Seong-Gon Choi, The QoE Evaluation Method through the QoS-QoE Correlation Model, 2008 31 CAPITOLO 3. BIBLIOGRAFIA 32 ¨ [12] Hala Rifa , Samer Mohammed, Abdelhamid Mellouk, [13] Zhengyou Wang, Liying Li , Wan Wang, Zheng Wan, Yuming Fang, Cong Cai, A study on QoS/QoE correlation model in Wirelessnetwork, 2014 [14] Thomas L. Saaty, How to make a decision: the Analytic Hierarchy Process, 1990 [15] Tianyi Wang, Anjum Pervez, Hua Zou, VQM-Based QoS/QoE mapping for streaming video, 2010 [16] Margaret H Pinson, Stephen Wolf, A New Standardized Method for Objectively Measuring Video Quality, 2004 [17] Dimitrios J. Vergados, Aggeliki Sgora, Angelos Michalas, Dimitrios D. Vergados J.-P. Laulajainen, Yuming Jiang, A QoE-Driven Adaptation Scheme for Video Content Delivery in LTE Networks, 2013 [18] International Telecomunication Union (ITU), ITU-T P800, 1996 [19] International Telecomunication Union (ITU), ITU-T P862, 2001 [20] International Telecomunication Union (ITU), ITU-T Y.1541, 2012 [21] International Telecomunication Union (ITU), ITU-T Y.1540, 2011 [22] International Telecomunication Union (ITU), ITU-T E.800, 1996 [23] Stas Khirman, Peter Henriksen, Relationship between Quality-ofService and Quality-of-Experience for Public Internet Service, 2002