基于多MEC 協作的移動VR 視頻緩存和傳輸網絡架構

鄭成渝，夏靖雯，陳路遙，唐 勇*，楊 挺，劉 強

(1.中國電信集團公司四川分公司 成都 610000；2.電子科技大學計算機科學與工程學院 成都 611731；3.澳門科技大學資訊科技學院 中國 澳門 999078)

虛擬現實(virtual reality, VR)視頻是指全景視頻，如水平 360°×垂 直1 80°全景視頻、水平1 80°×垂直1 80°全景視頻等，用戶可借助VR 眼鏡等虛擬現實設備觀看全景視頻，并獲得身臨其境的視覺感受[1]。其沉浸式體驗對傳輸速率、時延和可靠性提出很高的要求。傳輸過程中的延遲和抖動會造成眩暈等癥狀，影響用戶體驗。在無線網絡上傳輸的VR 視頻也被稱為移動VR 視頻。移動VR 視頻作為5G 無線網絡的重要應用，其傳輸問題在學術界和工業界引起了廣泛的關注。

在進一步分析移動VR 視頻傳輸問題之前，先簡要了解一種典型的 3 60°VR 視頻的制作、傳輸與播放流程[1-2]。

1) 制作與編碼VR 視頻。一般使用多個攝像機拍攝畫面并將抓捕的畫面投影到球面空間進行縫合得到全景視頻。接著利用等距柱狀投影(equirectangular projection, ERP) 將二維球面視頻圖像映射成二維平面矩形視頻圖像，并切割成多個圖像塊，然后送進視頻編碼器進行編碼。最終一個完整的VR 視頻文件被轉化為多個可獨立編碼和解碼的分塊視頻文件。

2) 傳輸VR 視頻。在非直播場景下，編碼后的VR 視頻被緩存在數據中心的內容服務器中。移動VR 設備在用戶觀看本地已緩存的VR 視頻過程中，會提前向內容服務器請求本地未緩存的VR 視頻。被請求的VR 視頻經過互聯網絡、5G 核心網絡、回傳網絡和前傳網絡傳輸最終抵達移動VR 設備[3]。

3) 播放VR 視頻。請求的VR 視頻由多個分塊視頻文件組成。移動VR 設備對這些分塊視頻文件解碼，然后將視頻圖像投影到球面空間，最后渲染展示到設備屏幕上。

用戶使用VR 設備觀看VR 視頻時，有一定的視角限制，只能看見 360°全景視野的一部分畫面，這部分可見區域也被稱為視場角(field of view,FoV)。在流行的移動VR 設備中，對于360°×180°的VR 視頻而言，FoV 的大小在9 0°×90°左右[4]，僅占全景視野的12.5%。于是現有傳輸方案[5–7]通常僅傳輸FoV 視頻文件而非整個全景視頻，以降低帶寬消耗和請求超時的可能性。FoV 視頻文件可以看成由多個分塊視頻文件組成。為了避免用戶突然轉動頭部出現黑塊，傳輸FoV 視頻文件通常也指以高碼率傳輸FoV 內的畫面而FoV 外的畫面采用低碼率傳輸或者直接使用純色填充。

由于核心網絡和回程網絡充滿了不確定性，移動VR 設備直接向數據中心的內容服務器請求FoV 視頻文件同樣會使得分發時延過大。5G 網絡架構中提出的移動邊緣計算(mobile edge computing,MEC)技術可應用在VR 傳輸場景下緩解分發時延過大問題[8]。一種實踐方案是將MEC 服務器部署在基站附近，為在基站信號覆蓋范圍內的移動VR 設備提供緩存服務。在VR 視頻傳輸場景下，將熱門VR 視頻緩存到MEC 服務器中。當移動VR 設備發出對這些VR 視頻的請求時，靠近該設備的MEC 服務器便可以直接處理該請求，降低請求的視頻內容經過互聯網和核心網再達到基站的時延。除此之外，MEC 服務器還可為移動VR 設備提供計算服務。播放VR 視頻前，移動VR 設備需要對視頻進行解碼和投影操作。雖然這部分計算操作的復雜度比較低，但并不是所有移動VR 設備都具備符合需求的計算能力[9]。對于計算能力不足的移動VR 設備，考慮將其計算任務卸載到鄰近的MEC 服務器上處理。

根據思科的最新報告顯示，到 2023 年，連接到 IP 網絡的設備數量將是全球人口的3 倍以上，移動數據流量將占到總IP 流量的75%以上[10]。單MEC 服務器的緩存能力與數據中心海量存儲能力相比十分局限，而這日益增多的數據量使得這差異愈發明顯。此時單MEC 服務器的優勢已不再顯著。為滿足更多用戶的需求，多MEC 服務器協作傳輸VR 視頻正成為一種可行方案。

近年來，越來越多研究人員也對移動VR 視頻傳輸問題展開研究。文獻[11]提出了基于分塊來傳輸VR 視頻的方案，但沒有考慮到利用MEC 技術來加快傳輸移動VR 視頻的可能性。文獻[2,12]提出了基于MEC 網絡架構來傳輸移動VR 視頻的方案。文獻[2]提出了一種基于FoV 來傳輸VR 視頻的專用網絡架構方案。文獻[12]把聯合優化計算和緩存作為VR 視頻傳輸的關鍵問題，并通過仿真實驗證明了方案收益。然而這兩項研究都僅在單MEC 服務器下工作，沒有考慮多MEC 服務器協作的潛在可能。

本文提出一種基于多MEC 服務器協作的VR 視頻傳輸網絡架構，闡述多MEC 協作緩存和傳輸VR 視頻的方式。然后以降低VR 視頻平均分發時延為優化目標，建立混合整數線性規劃(mixed-integer linear programming, MILP)模型，通過求解模型得到緩存方案。最后通過實驗證明多MEC 協作緩存和傳輸VR 視頻可有效降低VR 視頻的分發時延。

1 系統模型

1.1 多MEC 協作網絡架構

基于多MEC 協作的VR 視頻緩存和傳輸網絡架構如圖1 所示。該傳輸網絡架構由遠程內容服務器、5G 核心網絡、MEC 協作域3 個部分組成。遠程內容服務器主要負責VR 視頻的前期制作與分發，包括視頻拼接縫合、VR 視頻映射和編碼，以及將編碼后的視頻分發到網絡邊緣的MEC 服務器上。

圖1 多MEC 協作緩存和傳輸移動VR 視頻架構

在未引入MEC 的網絡中，被請求的VR 視頻數據在跨越多個網絡后才會抵達移動VR 設備。此傳輸模式將使得分發時延過大和5G 核心網絡承受較大流量壓力。為彌補此傳輸模式的不足，本文在傳統網絡中引入MEC 服務器并將其部署在基站(base station, BS)附近。單個MEC 服務器的緩存能力相較于數據中心是十分有限的，為了滿足更多請求，本文提出多MEC 協作方式。

因為一個5G 基站的覆蓋范圍比較小(≤ 500 m[13])，一個生活/商業區域通常會部署多個基站，于是可以人為地將這些地理位置相近的多個基站以及部署在其附近的MEC 服務器劃分成一個協作區域，讓其共享存儲空間與計算資源。下面簡稱協作區域為協作域。

多MEC 協作系統周期性地運行緩存算法，每次選擇協作域中負載最低的MEC 服務器來計算緩存方案，并將方案下發給其他MEC 服務器。收到緩存方案的MEC 服務器把與方案中一致的已存內容保留，然后再向其他MEC 或者遠程內容服務器請求方案中的其余內容。每臺MEC 服務器中都維護一張資源訪問表，該表記錄了協作域內每臺MEC 服務器緩存的內容。當本地緩存未命中時，MEC 服務器根據資源訪問表將請求轉發給緩存了目標內容的MEC 服務器，讓其來處理請求。

本文將與移動VR 設備通信的基站，稱為該移動VR 設備的Home BS，稱部署在Home BS 附近的MEC 服務器為其Home MEC 服務器。在基于多MEC 協作緩存和傳輸的網絡架構中，移動VR 設備請求的視頻將由以下3 條路徑之一來響應。路徑①：Home MEC 服務器上緩存命中，由Home MEC 服務器來直接響應請求。路徑②：Home MEC 服務器上緩存未命中，由Home MEC 服務器向協作域內緩存了目標視頻的MEC 服務器請求。路徑③：協作域內所有的MEC 服務器都沒有緩存目標視頻，那么Home MEC 服務器就向遠程內容服務器處請求。通過后兩種方式獲得的視頻都將被回傳給Home MEC 服務器，最終再由它傳輸給移動VR 設備。3 條路徑對應的內容分發時延是不同的。對于同一請求來說，路徑①的分發時延最低，路徑②次之，路徑③最長。于是通過多MEC服務器協作，盡可能地讓請求在協作域內被處理，會大大降低VR 視頻平均分發時延，從而提升用戶的體驗質量。

1.2 緩存和請求模型

多MEC 協作系統可提供服務的移動3 60°VR 視頻集合為N={1,2,···,n}。 這些 360°VR 視頻均采用ERP 方式投影到二維平面。為了便于移動VR 設備請求和服務器端傳輸，二維平面視頻被劃分成時長固定為 Δt秒的連續視頻片段。每個視頻片段按行和列劃分成i×j個可獨立編碼和解碼的分塊視頻文件。每個VR 視頻都支持以兩種相差較大的碼率來編碼。對于VR 視頻n來 說，其持續時長為dn，支持低碼率 lbrn和 高碼率 hbrn。 于是得到VR 視頻n的大小為Sn=dn×lbrn+dn×hbrn。

協作域內的MEC 服務器集合為M={1,2,···,m}。MEC 服務器m具 備Cm的緩存空間。一個VR 視頻的所有分塊視頻文件將存放在同一個MEC 服務器上。在MEC 服務器緩存空間限制下得到如下約束不等式：

式中，變量xm,n∈{0,1}表 示VR 視頻n是否被緩存在MEC 服務器m中。

在用戶觀看 [t,t+Δt]時段的VR 視頻過程中，移動VR 設備預測用戶 [t+Δt,t+2Δt]的頭部運動軌跡并得到預測FoV，接著向Home MEC 服務器請求下一視頻片段的FoV 視頻文件。

同文獻[5–7]的傳輸方案[5–7]一樣，本文對構成FoV 的多個分塊視頻文件采用高碼率傳輸，而對構成非FoV 的多個分塊視頻文件采用低碼率傳輸。用戶在球面空間中的FoV 投射到二維平面可以近似看成由k×k個分塊組成[14]。于是高碼率分塊占全景畫面的比例為w=k×k/i×j， 低碼率分塊占全景畫面的比例為 ( 1-w)。服務器端最終需要傳輸的數據量為=w×hbrn×Δt+(1-w)×lbrn×Δt。

1.3 時延模型

傳輸架構中涉及的通信過程可用概括為3 段通信過程：1)MEC 服務器與移動VR 設備之間的通信，簡記為MEC-MVRD 通信；2)MEC 服務器與MEC 服務器之間的通信，簡稱為MEC-MEC 通信；3)MEC 服務器與遠程內容服務器之間的通信，簡稱為MEC-DC 通信。

在MEC-MVRD 通信過程中，MEC 服務器所在基站到移動VR 設備是單跳無線網絡，無線電信號在空氣中的傳播速度近似于光速，且移動VR 設備與基站之間的距離不超過1 km，因而它們之間的傳播時延可忽略不計。同理，MEC 服務器所在的基站之間通過X2 接口進行通信[15]，底層物理鏈路為光纖，是單跳有線網絡且距離不超過10 km，由此MEC 服務器之間的傳播時延也可不用考慮。當MEC 服務器負載過高時，數據會排隊等待發送。于是MEC-MVRD 和MEC-MEC 段通信過程引起的時延主要為排隊時延和發送視頻內容的時延。

由于云端內容服務器到MEC 服務器的網絡狀況比較復雜，包括多跳有線和無線鏈路，精確計算云端內容服務器到MEC 服務器的通信時延比較困難，本文使用平均通信時延Tdc→m來表示MECDC 通信過程的引起的時延。

在本文中，移動VR 設備按照是否有投影計算能力分為計算能力不足的U1類移動VR 設備和計算能力充足的U2類移動VR 設備。在播放視頻之前，U1類移動VR 設備會將投影計算任務卸載到其Home MEC 服務器上，從而引起額外計算時延。在MEC 服務器m上 執行關于VR 視頻n的投影計算任務而產生的計算時延為：

式中，zn表 示計算VR 視頻n每比特數據所會消耗的CPU 周期數；fm表 示MEC 服務器m的CPU 計算頻率。

在實際中，可配置物理層和更高層來設定所有基站對移動VR 設備都具備相同的數據傳輸速率R1， 各基站之間通信具有相同的數據傳輸速率R2。

從上述分析中可以得到，從服務器端下發FoV視頻文件到移動VR 設備端的分發時延主要由計算時延、排隊時延和發送時延構成。由此可總結出兩類移動VR 設備請求關于VR 視頻n的FoV 視頻文件經由3 條路徑產生的分發時延。

U1類移動VR 設備的請求通過路徑①得到響應引發的分發時延可表示為：

式中，Tque表示請求的內容在協作域內傳輸過程中等待發送經歷的排隊時延；表示經過計算膨脹后的數據量，通常α ≥2[9]。

U2類移動VR 設備的請求通過路徑①得到響應引起的分發時延可表示為：

U1類移動VR 設備的請求通過路徑②得到響應引起的分發時延可表示為：

相比從路徑①得到視頻內容，從路徑②獲取視頻內容會多出一個發送時延，即視頻內容從協作域內其他MEC 服務器中被發送出去的時延。同理，U2類移動VR 設備的請求通過路徑②得到響應的分發時延可表示為：

U1類移動VR 設備的請求通過路徑③得到響應引起的分發時延可表示為：

U2類移動VR 設備的請求通過路徑③得到響應引起的分發時延可表示為：

從1.1 節可以得知，MEC 服務器m服務范圍內的移動VR 設備向其請求VR 視頻n只會從3 條路徑之一得到響應。下面引入3 個請求路徑變量來分別表示VR 視頻n的3 種獲取位置。ym,n∈{0,1}表示VR 視頻n是否從Home MEC 服務器m處獲取，∈{0,1} 表 示VR 視頻n是否從協作域內MEC 服務器k處獲取，∈{0,1} 表 示VR 視頻n是否從遠程內容服務器中獲取。因為VR 視頻n只能從一個位置獲取，于是存在約束：

引入請求路徑變量后，U1類移動VR 設備向MEC 服務器m請 求VR 視頻n引起的分發時延可整合表示為：

U2類 移動VR 設備向MEC 服務器m請求VR視頻n引起的分發時延也可整合表示為：

1.4 問題建模

用戶獲取視頻的平均分發時延是一項衡量用戶體驗質量的重要性能指標[16]。平均內容交付時延越小，意味著越多的用戶請求能由協作域內的MEC服務器滿足，用戶的體驗質量也就越高。于是本文以最小化協作域內VR 視頻平均內容分發時延(average delivery latency, ADL)為優化目標建立MILP模型，簡稱為MADL。MADL 具體表示如下：

約束式(1)確保了每臺MEC 服務器緩存的VR視頻大小總和不會超過其最大存儲空間限制。約束式(9)確保了對VR 視頻n的請求只能在一個地方得到處理。約束式(12)和式(13)共同限制了只有當MEC 服務器上緩存了VR 視頻內容n時，才能響應對VR 視頻內容n的請求。式(14)表示模型要優化的目標函數，其中，表示U1類移動VR設備在MEC服務器m上的請求到達率；表示U2類移動VR 設備在MEC 服務器m上的請求到達率；表 示VR 視頻n在 MEC 服務器m上的流行程度。

2 實驗與結果分析

2.1 實驗參數設置

在實驗參數設定方面，本文依據現實物理情況并參考相似研究來設置實驗參數值。設定一個協作域內的MEC 服務器數量為10，此協作域的服務范圍可完整覆蓋一個大型商場[13]，在實際情況中可根據真實需求適當地增加或者減少MEC 服務器的數量。每個MEC 服務器都具備10 GB 的存儲空間，計算頻率為20 GHz?；镜揭苿覸R 設備的數據發送速率為100 Mbps，基站之間的數據發送速率為500 Mbps[17]。在MEC 服務器上執行計算任務，每比特VR 視頻數據需要消耗10 個CPU 周期[9]，計算后數據量的膨脹系數α =2[9]。

系統提供了500 個不同的 3 60°VR 視頻，時長為[1, 5] min，低碼率為[3, 8] Mbps，高碼率為[15,32] Mbps。以 Δt=1 s 將 360°VR 視頻經過ERP 映射后的平面視頻分段，每個視頻片段被切分成4×8個分塊，FoV 平均由 2 ×2 個分塊組成[14]。假設360°VR 視頻的流行度服從偏斜系數 γ=0.56的Zipf 分布[16]，偏斜系數 γ表示內容流行度分布的偏斜程度。U1和U2類移動VR 設備在每臺MEC 服務器上的請求分別服從到達率為50 和100 的泊松分布[3]。通信過程中的排隊時延為[1, 3] ms，遠程內容服務器傳輸移動VR 設備請求的FoV 視頻文件到協作域內MEC 服務器上的通信時延為[50, 100] ms[18]。

2.2 性能對比方案和指標

將本文的MILP 模型與另外兩種傳統緩存算法(Distributed 算法和Self-Top 算法[3])進行性能對比。在Distributed 算法中，協作域內每臺MEC 服務器均緩存完全不同的VR 視頻，以實現在協作域內緩存盡可能多的內容。在Self-Top 算法中，協作域內每個MEC 服務器都緩存其服務范圍內最熱門的VR 視頻。由于地域相似性，一個協作域內的用戶對VR 視頻的偏好是比較近似的，于是在Self-Top 算法下每臺MEC 服務器上緩存的內容具有很高的相似度。

對于MILP 模型，本文實驗使用商業軟件AMPL/Gurobi 進行求解，版本號為9.5.0，模型求解精度為MIPGAP=0.005。

對于性能分析，主要以協作域的平均內容分發時延(ADL)作為算法性能的評估指標。在仿真實驗中，研究系統參數對緩存性能的影響，包括MEC 服務器緩存空間大小、MEC 服務器計算頻率、VR 視頻數量、Zipf 分布的偏斜系數 γ和移動VR 設備請求達到率。

2.3 結果分析

圖2 描述了在單MEC 服務器緩存空間變化下3 種緩存算法在ADL 方面的性能對比。從圖2 中可以看出，所有緩存算法的ADL 都隨著MEC 服務器緩存空間的增大而減小。這是因為隨著緩存空間的增大，更多的VR 視頻可以被緩存在MEC協作域中，從而更多的請求可以在協作域內直接得到響應。實驗結果表明，MADL 具有較低的ADL。當協作域內MEC 服務器的緩存空間不足以緩存下所有VR 視頻時，MADL 較于Self-Top 和Distributed 的性能表現更加優越。例如，在單MEC服務器緩存空間從10 G 到40 G 變化時，MADL下的ADL 比Self-Top 和Distributed 分別低約17%～55%，11%～16%。

圖2 MEC 服務器緩存大小變化下緩存算法性能對比

圖3 描述了在單MEC 服務器CPU 計算頻率變化下3 種緩存算法在ADL 方面的性能對比。從圖3中可看出，所有緩存算法的ADL 一開始隨著MEC 服務器的CPU 計算頻率增大而減小，隨后趨于穩定。這是因為U1類移動VR 設備將計算任務卸載到Home MEC 服務器上產生的計算時延會隨著服務器的計算能力增強而降低。當MEC 服務器的計算能力提升到一定程度時，計算時延對最終的分發時延不會造成重要影響。由數值結果可以看出，當MEC 服務器的CPU 計算頻率從5 GHz 到50 GHz變化時，MADL 下的ADL 一直低于Self-Top 和Distributed，且差值分別穩定在16%和10%。

圖3 MEC 服務器CPU 計算頻率變化下緩存算法性能對比

圖4 描述了在VR 視頻內容數量變化下3 種緩存算法在ADL 方面的性能對比。從圖4 中可看出，3 種緩存算法的ADL 都隨著VR 視頻內容數量的增加而增大。因為MEC 服務器的緩存空間有限，隨著視頻內容的不斷增多，越來越多的請求無法從協作域中得到滿足。實驗結果顯示，當視頻內容數量從100 到500 變化時，MADL 的ADL 比Distributed 低約7%～11%。在視頻內容數量為100 時，MADL 的ADL 比Self-Top 低67%，當視頻內容數量為500 時，MADL 的ADL 比Self-Top低18%。

圖4 VR 視頻內容數量變化下緩存算法性能對比

圖5 描述了在Zipf 分布的偏斜系數 γ變化下3 種緩存算法在ADL 方面的性能對比。從圖5 中可看出，所有算法的ADL 隨著 γ的增大而減小并且算法之間的性能差距也在逐漸減小。這是因為隨著 γ增大，流行的視頻變得更加集中。此時少量的視頻會占據絕大部分的請求流量，而在協作域中緩存這些少量且熱門視頻便幾乎能滿足所有移動VR 設備的請求。于是出現隨著 γ增大3 種算法之間的性能差距減小的現象。

圖5 Zipf 分布偏斜系數γ 變化下緩存算法性能對比

圖6 和圖7 分別描述了在計算能力不充足的U1類 和計算能力充足的U2類移動VR 設備的請求到達率變化下3 種緩存算法在ADL 方面的性能對比。從圖6 中可以看出，隨著U1類移動VR 設備請求到達率增高，所有算法的ADL 也隨之增大。由于U1類移動VR 設備會將計算任務卸載到Home MEC 服務器上，所以當這類設備的請求數增多時，總分發時延將增大，從而使得ADL 增大。從圖7 中可以看出，隨著U2類移動VR 設備請求到達率增高，所有算法的ADL 卻降低。U2類移動VR 設備發出的請求不會產生額外的計算時延，所以這類設備的請求數增多，將削弱U1類移動VR 設備請求帶來的高分發時延影響，因而ADL 會降低。

圖6 U 1類VR 設備請求到達率變化下緩存算法性能對比

圖7 U2類VR 設備請求到達率變化下緩存算法性能對比

3 結 束 語

為了降低VR 視頻分發時延以提升用戶體驗質量，本文提出了一種基于多MEC 協作的VR 視頻緩存和傳輸網絡架構。在考慮協作域內計算能力充足和計算能力不足的兩類移動VR 設備的請求來決定VR 視頻的緩存位置的基礎上，建立以最小化平均內容分發時延為目標的MILP 模型，并通過Gurobi 商業求解器得到VR 視頻的最佳緩存位置。仿真實驗證明，本文提出的緩存和傳輸策略在降低VR 視頻的平均內容分發時延方面是有效的。

本文研究得到“確定性工業互聯網技術研究項目(220481)”支持，在此表示感謝!