Elaborato Imperiale Antonio N46000198

Transcript

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.
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.
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
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.
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
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.
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
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
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.
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
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.


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