面向组播短视频流的数字孪生辅助资源需求预测
图像与视频处理
2023-06-12 v1 网络与互联网体系结构
摘要
在本文中，我们提出了一种数字孪生（DT）辅助的资源需求预测方案，以提升组播短视频流的预测精度。特别地，我们构建用户数字孪生（UDT）来收集实时用户状态，包括信道条件、位置、观看时长和偏好。开发了一种强化学习赋能的 K-means++ 算法，基于 UDT 中收集的用户状态对用户进行聚类，该算法能有效利用挖掘出的用户内在关联来提高用户聚类的准确性。我们随后分析每个组播组中用户的视频观看时长和偏好，分别得到滑动概率分布和推荐视频。所获得的信息被用于预测每个组播组的无线与计算资源需求。初步结果表明，所提方案能有效抽象组播组的滑动概率分布，从而实现准确的资源需求预测。
引用
@article{arxiv.2306.05946,
title = {Digital Twin-Assisted Resource Demand Prediction for Multicast Short Video Streaming},
author = {Xinyu Huang and Wen Wu and Xuemin Sherman Shen},
journal= {arXiv preprint arXiv:2306.05946},
year = {2023}
}
备注
2 pages, 3 figures