Bối cảnh và vấn đề nghiên cứu

Trong những năm gần đây, dịch vụ truyền phát video trực tuyến (video streaming) đã trở thành một trong những dịch vụ chiếm tỷ trọng lưu lượng lớn nhất trên mạng Internet. Theo thống kê thực tế, các nền tảng đa phương tiện quy mô lớn như YouTube thu hút hơn một phần ba tổng số người dùng Internet toàn cầu với khoảng năm tỷ lượt xem mỗi ngày, trong khi thời lượng xem video hàng ngày trên Facebook đạt mức hàng trăm triệu giờ. Tại Việt Nam, các khảo sát của Nielsen Global cho thấy có tới 91% người dùng tham gia khảo sát thường xuyên theo dõi các nội dung video theo nhu cầu (Video on Demand - VoD) trên các thiết bị thông minh và truyền hình kết nối mạng.

Tuy nhiên, việc đảm bảo chất lượng truyền phát video qua mạng Internet luôn phải đối mặt với thách thức lớn từ sự biến động thông lượng của các hạ tầng mạng không đồng nhất. Để khắc phục sự biến động này, công nghệ truyền phát video thích ứng qua giao thức truyền siêu văn bản (HTTP Adaptive Streaming - HAS) cùng chuẩn quốc tế MPEG-DASH đã ra đời. Công nghệ này cho phép thiết bị máy khách tự động lựa chọn các phân đoạn video có tốc độ bit phù hợp với trạng thái đường truyền.

Mặc dù HAS đã giải quyết tương đối hiệu quả bài toán truyền phát cho các luồng video được mã hóa với tốc độ bit cố định (Constant BitRate - CBR), việc áp dụng cho video có tốc độ bit biến đổi (Variable BitRate - VBR) vẫn gặp nhiều trở ngại lớn:

  • Video VBR có sự dao động mạnh về kích thước dữ liệu giữa các phân đoạn thời gian nhằm duy trì độ đồng đều về chất lượng hình ảnh qua tham số lượng tử (Quantization Parameter - QP). Sự kết hợp giữa biến động thông lượng mạng và biến động tốc độ bit tức thời của video làm gia tăng nguy cơ gián đoạn phát lại (re-buffering), tăng độ trễ nạp bộ đệm ban đầu và suy giảm chất lượng trải nghiệm của người dùng (Quality of Experience - QoE).
  • Trong các hạ tầng mạng được quản lý (như hệ thống truyền hình IPTV), việc các máy khách hoạt động độc lập và tự ý cạnh tranh tài nguyên trên một đường truyền chia sẻ chung có băng thông hạn chế dẫn đến hiện tượng xung đột, khiến việc ước lượng thông lượng bị sai lệch và chất lượng video dao động liên tục.
  • Các nghiên cứu hiện hành về thích ứng chất lượng và phân bổ tài nguyên cho video VBR vẫn còn hạn chế, chủ yếu tập trung vào các giải pháp dự đoán thông lượng hoặc mô hình học máy phức tạp chưa đáp ứng tốt yêu cầu xử lý thời gian thực.

Trước thực trạng đó, đồ án tốt nghiệp tập trung giải quyết 3 nhiệm vụ nghiên cứu chính:

  1. Nghiên cứu tổng quan kiến trúc công nghệ HAS, phân tích các tham số kỹ thuật và các yếu tố hệ thống tác động trực tiếp đến chỉ số QoE của người dùng.
  2. Xây dựng và triển khai mô hình thỏa hiệp giữa chất lượng video và độ trễ ban đầu nhằm thích ứng tốc độ bit cho từng luồng video VBR đơn lẻ với mức băng thông cho trước.
  3. Thiết kế, cài đặt và đánh giá các thuật toán phân bổ băng thông tối ưu (sử dụng nhân tử Lagrange và hàng đợi ưu tiên) cho hệ thống truyền phát đồng thời nhiều luồng video VBR trên đường truyền có dung lượng giới hạn.

Phạm vi nghiên cứu của đề tài được xác định cụ thể:

  • Tập trung vào hình thức truyền phát video không tương tác và dịch vụ video theo nhu cầu (VoD); không nghiên cứu truyền phát video tương tác thời gian thực hoặc truyền phát trực tiếp (live streaming).
  • Thực hiện giải pháp tối ưu hóa và điều khiển thích ứng hoàn toàn tại tầng ứng dụng (Application Layer); không can thiệp vào các tầng mạng bên dưới của mô hình TCP/IP.
  • Thực hiện thuật toán thích ứng dựa trên các tham số cấu trúc phân đoạn và luồng bit mà không can thiệp vào thuật toán nén, mã hóa hay giải mã nội dung video.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình kỹ thuật

Nghiên cứu được xây dựng dựa trên các nền tảng lý thuyết cốt lõi của lĩnh vực truyền thông đa phương tiện và mạng máy tính:

  • Đặc trưng mã hóa video VBR và CBR: Khác với mã hóa CBR giữ cố định tốc độ bit khiến chất lượng khung hình biến động, mã hóa VBR cố định tham số lượng tử QP (nằm trong dải từ 0 đến 51), cho phép kích thước các phân đoạn thay đổi tùy thuộc vào mức độ phức tạp và chuyển động của khung hình, mang lại chất lượng hiển thị tối ưu hơn trên cùng dung lượng lưu trữ trung bình.
  • Mô hình ngăn xếp giao thức mạng TCP/IP: So sánh chi tiết giữa giao thức không hướng kết nối UDP (được dùng trong bộ giao thức truyền phát cổ điển RTP/RTCP/RTSP) và giao thức hướng kết nối tin cậy TCP. Giao thức HTTP hoạt động trên nền TCP được lựa chọn nhờ khả năng vượt qua tường lửa và hệ thống dịch địa chỉ mạng (NAT), tận dụng hạ tầng máy chủ web thông thường cùng mạng phân phối nội dung (CDN).
  • Kiến trúc HTTP Adaptive Streaming (HAS): Hoạt động dựa trên tệp tin mô tả trình diễn đa phương tiện (Media Presentation Description - MPD) lưu trữ thông tin về các mức chất lượng, danh sách phân đoạn (độ dài thông thường từ 2 đến 10 giây) và kích thước từng khối dữ liệu. Máy khách sử dụng cơ chế yêu cầu - phản hồi HTTP (kết hợp các cải tiến như HTTP/2 Server Push) để tải tuần tự các phân đoạn vào bộ đệm trước khi đưa sang trình phát.
  • Mô hình đánh giá chất lượng trải nghiệm (QoE): Dựa trên các khuyến nghị quốc tế ITU-R BT.500 và ITU-T P để lượng hóa cảm nhận người dùng thông qua điểm chất lượng trung bình (Mean Opinion Score - MOS) theo thang điểm từ 1 (rất kém) đến 5 (xuất sắc). Bốn yếu tố hệ thống chi phối QoE bao gồm: độ trễ nạp ban đầu ($d_0$), tần suất và thời gian gián đoạn phát lại, biên độ chất lượng (đặc trưng qua QP hoặc bitrate), và tần suất chuyển đổi mức chất lượng.
       +-------------------------------------------------------------+
       |                  Hạ tầng Mạng được Quản lý                  |
       |                   (Băng thông tổng R_total)                 |
       +-------------------------------------------------------------+
                                      |
         +----------------------------+----------------------------+
         |                                                         |
         v                                                         v
+----------------------------------+     +----------------------------------+
|      Thuật toán Lagrange         |     |    Thuật toán Hàng đợi Ưu tiên   |
| (Tối ưu hóa hàm mục tiêu QoE có  |     | (Phân bổ băng thông gia tăng dựa |
|    ràng buộc qua nhân tử lambda) |     |   trên tỷ số biên Delta U/Delta R)|
+----------------------------------+     +----------------------------------+
         |                                                         |
         +----------------------------+----------------------------+
                                      |
                                      v
+---------------------------------------------------------------------------+
|          Mô hình Thích ứng Chất lượng cho từng Video VBR Đơn lẻ           |
|  - Cắt ngưỡng tốc độ bit theo hàm p(epsilon)                              |
|  - Xác định đường bao dữ liệu tích lũy E(t) và độ trễ ban đầu d_0         |
|  - Tối đa hóa hàm lợi ích người dùng: U = a * U_d + b * U_q              |
+---------------------------------------------------------------------------+

Phương pháp nghiên cứu

  • Phương pháp mô hình hóa toán học: Thiết lập mối quan hệ hình học giữa đường bao dữ liệu tích lũy $E(t) = \max A[t_p, t_p + t]$ của luồng video, độ trễ nạp ban đầu $d_0 = t_0 - t_d$, và tốc độ bit đại diện $R$ (là hệ số góc của đường tiếp tuyến với đường bao dữ liệu). Xây dựng hàm mục tiêu lợi ích người dùng $U = a \cdot U_d + b \cdot U_q$, trong đó $U_d$ là hàm suy giảm theo độ trễ ban đầu và $U_q$ là hàm tuyến tính theo tham số lượng tử ($U_q = -0.16 \cdot QP + 7.4$), với $a, b$ là các hệ số trọng số phản ánh mức độ ưu tiên.
  • Phương pháp tối ưu hóa: Sử dụng phương pháp nhân tử Lagrange và cấu trúc dữ liệu hàng đợi ưu tiên để giải bài toán phân bổ băng thông tổng cho tập hợp nhiều luồng truyền phát đồng thời dưới các ràng buộc về giới hạn độ trễ và dung lượng đường truyền.
  • Phương pháp thực nghiệm và đánh giá số liệu: Sử dụng tập dữ liệu video thực nghiệm (chuỗi video chuẩn Sony được mã hóa ở nhiều mức QP) để kiểm thử mô hình thích ứng đơn luồng và hệ thống đa luồng. Tiến hành đo đạc, đối sánh kết quả với phương pháp truyền thống và giải thuật duyệt vét cạn (Exhaustive Search) về các chỉ số: lợi ích người dùng trung bình, tỷ lệ chiếm dụng băng thông và thời gian thực thi thuật toán.

Thiết kế và triển khai thuật toán

Mô hình thích ứng chất lượng cho một luồng video VBR

Với một video gồm $M$ phiên bản chất lượng ${V_i \mid 1 \le i \le M}$ đặc trưng bởi các mức tham số lượng tử $QP_i$ và mỗi phiên bản chia thành $N$ phân đoạn có tốc độ bit ${B_{ij} \mid 1 \le j \le N}$, mô hình thực hiện tối ưu hóa như sau:

  1. Thiết lập hàm cắt ngưỡng tốc độ bit $p(\varepsilon)$: Tại mỗi phân đoạn thứ $j$, nếu tốc độ bit $B_{ij} > \varepsilon$, phân đoạn đó sẽ được thay thế bằng phân đoạn tương ứng ở mức chất lượng thấp hơn gần nhất có tốc độ bit không vượt quá ngưỡng: $$p(\varepsilon) = \max {B_{ij} \mid B_{ij} \le \varepsilon, 1 \le i \le M}$$
  2. Tính toán độ trễ ban đầu và chất lượng trung bình: Từ chuỗi phân đoạn thích ứng sau khi áp dụng hàm $p(\varepsilon)$, xác định đường bao dữ liệu tích lũy $E(t)$ và tìm độ trễ $d_0^$ ứng với tốc độ bit đại diện $R$ được cấp phát. Chất lượng thích ứng $Q^$ được tính bằng trung bình cộng tham số lượng tử của toàn bộ $S$ phân đoạn: $$Q^* = \frac{1}{S} \sum_{j=1}^S QP_j$$
  3. Tối đa hóa hàm lợi ích: Tìm giá trị ngưỡng $\varepsilon$ tối ưu trong không gian rời rạc để hàm lợi ích $U = f(Q^, d_0^)$ đạt cực đại nhưng vẫn đảm bảo độ trễ $d_0^$ nằm trong ngưỡng cho phép ($d_0^ \le DT$).

Các giải pháp phân bổ băng thông cho hệ thống nhiều video VBR

Trong mô hình mạng tập trung quản lý $K$ phiên streaming đồng thời chia sẻ đường truyền có tổng băng thông $R_{total}$, đồ án thiết kế hai thuật toán phân bổ tài nguyên:

1. Thuật toán sử dụng nhân tử Lagrange

Bài toán tối ưu hóa tổng lợi ích người dùng có ràng buộc tổng băng thông được chuyển đổi thành bài toán không ràng buộc thông qua hàm Lagrange: $$L(R_1, R_2, \dots, R_K, \lambda) = \sum_{k=1}^K U_k(R_k) - \lambda \left( \sum_{k=1}^K R_k - R_{total} \right)$$ Thuật toán tiến hành quét và hiệu chỉnh tham số nhân tử $\lambda$ để tìm tập điểm hoạt động tối ưu $(R_k^, U_k^)$ cho từng video sao cho tổng băng thông cấp phát tiệm cận giới hạn $R_{total}$.

2. Thuật toán sử dụng hàng đợi ưu tiên

Thuật toán phân bổ băng thông theo từng bước gia tăng dựa trên hiệu quả biên:

  • Ban đầu, mỗi luồng video được cấp phát mức băng thông tối thiểu để đảm bảo phiên truyền không bị gián đoạn.
  • Đưa tất cả các luồng video vào một hàng đợi ưu tiên, sắp xếp giảm dần theo tỷ số gia tăng lợi ích trên mức băng thông tiêu thụ thêm ($\Delta U / \Delta R$).
  • Tại mỗi vòng lặp, trích xuất luồng video ở đỉnh hàng đợi, cấp phát thêm một lượng băng thông tương ứng, cập nhật lại tỷ số $\Delta U / \Delta R$ mới của luồng đó rồi đưa trở lại hàng đợi. Quá trình dừng lại khi lượng băng thông khả dụng còn lại không đủ cho bước tăng tiếp theo hoặc toàn bộ các luồng đã đạt mức chất lượng cao nhất.

Nội dung chính theo từng chương

Chương 1: Tổng quan về công nghệ streaming video

Chương 1 hệ thống hóa toàn diện các khái niệm cơ sở về đa phương tiện, tốc độ bit mã hóa, băng thông (bandwidth), thông lượng mạng (throughput) và goodput tại tầng ứng dụng. Nội dung chương phân tích chuyên sâu 5 tiêu chí kỹ thuật phân loại streaming: yêu cầu độ trễ, chế độ mã hóa (VBR vs CBR), giao thức tầng giao vận (UDP vs TCP), tính thích ứng và vị trí đặt khối điều khiển thích ứng (tại máy chủ hay máy khách).

Tiếp đó, chương trình bày quá trình tiến hóa công nghệ qua 3 giai đoạn: Datagram streaming (RTP/RTCP/RTSP trên UDP), HTTP Progressive Download và HTTP Adaptive Streaming (HAS/MPEG-DASH). Chương đi sâu vào kiến trúc HAS, cấu trúc tệp MPD, cơ chế nạp bộ đệm, phương pháp ước lượng thông lượng và phân tích chi tiết 4 yếu tố tác động đến QoE trong môi trường mạng chia sẻ.

Tiêu chí phân tích Truyền phát Datagram (RTP/UDP) Tải lũy tiến (HTTP Progressive) Truyền phát thích ứng (HAS/TCP)
Giao thức nền tảng RTP/RTCP trên nền UDP HTTP trên nền TCP HTTP/DASH trên nền TCP
Tính thân thiện tường lửa Kém (thường bị firewall/NAT chặn) Cao (sử dụng cổng web chuẩn) Cao (tương thích hoàn toàn firewall/NAT)
Khả năng thích ứng mạng Phụ thuộc vào máy chủ chuyên biệt Không thích ứng trong phiên truyền Máy khách thích ứng động theo phân đoạn
Hiện tượng gián đoạn Mất gói gây méo/vỡ hình ảnh Dễ nghẽn/dừng hình khi mạng suy giảm Giảm thiểu tối đa nhờ hạ mức bitrate
Chi phí hạ tầng máy chủ Cao (yêu cầu server truyền thông riêng) Thấp (tận dụng máy chủ web/CDN) Thấp (sử dụng máy chủ web thông thường)

Chương 2: Nghiên cứu và triển khai giải pháp thích ứng chất lượng cho video VBR

Chương 2 giải quyết bài toán thích ứng chất lượng cho từng luồng video VBR đơn lẻ. Tác giả phân tích mối liên hệ hình học giữa đường bao dữ liệu tích lũy $E(t)$, độ trễ nạp ban đầu $d_0 = t_0 - t_d$ và tốc độ bit đại diện $R$. Việc tăng nhẹ thời gian chờ ban đầu hoặc hạ thấp các phân đoạn có tốc độ bit đỉnh đột biến thông qua hàm ngưỡng $p(\varepsilon)$ giúp giảm đáng kể tốc độ bit đại diện cần thiết mà chất lượng tổng thể suy giảm không đáng kể.

Chương xây dựng mô hình tính toán lợi ích người dùng $U = a \cdot U_d + b \cdot U_q$, kết hợp chỉ số suy giảm do trễ ban đầu $U_d$ và chỉ số chất lượng cảm nhận $U_q$ theo tham số $QP$. Các bước thuật toán thích ứng được sơ đồ hóa và thực nghiệm trên tập dữ liệu video chuẩn Sony. Kết quả thực nghiệm khẳng định giải pháp thích ứng chất lượng đề xuất mang lại điểm lợi ích người dùng cao hơn rõ rệt so với phương pháp truyền phát cố định truyền thống trong cùng một điều kiện băng thông cấp phát.

Chương 3: Triển khai giải pháp cấp phát băng thông cho hệ thống streaming nhiều video VBR

Chương 3 mở rộng bài toán sang hệ thống truyền phát đồng thời nhiều luồng video VBR trên đường truyền mạng có giới hạn băng thông. Chương mô tả chi tiết quy trình thiết kế và thuật toán thực thi của hai giải pháp:

  • Phân bổ băng thông sử dụng nhân tử Lagrange.
  • Phân bổ băng thông sử dụng hàng đợi ưu tiên.

Tác giả tiến hành các kịch bản thực nghiệm để so sánh hiệu năng của hai thuật toán đề xuất với phương pháp phân bổ đều thông thường và thuật toán duyệt vét cạn (Exhaustive Search). Các kết quả được phân tích chi tiết qua các đồ thị về: điểm lợi ích trung bình người dùng, mức độ chiếm dụng và tận dụng băng thông đường truyền, và thời gian thực thi tính toán khi số lượng luồng video và kích thước dữ liệu đầu vào tăng lên quy mô lớn.

Kết quả và đóng góp

Các kết quả thực nghiệm chính

  • Cải thiện chỉ số lợi ích người dùng: Cả hai thuật toán đề xuất (Lagrange và Hàng đợi ưu tiên) đều mang lại mức lợi ích trung bình người dùng vượt trội so với phương pháp truyền phát thông thường trên cùng một mức băng thông tổng khả dụng. Việc linh hoạt điều phối băng thông giữa các video có đặc tính chuyển động khác nhau giúp tận dụng triệt để tài nguyên mạng.
  • Tối ưu hóa mức độ sử dụng băng thông: Hai giải pháp đề xuất đạt hiệu suất sử dụng băng thông gần như tối đa dung lượng đường truyền, loại bỏ tình trạng lãng phí băng thông cục bộ thường thấy ở các phương pháp phân bổ tĩnh.
  • Độ phức tạp tính toán và tính khả thi thực tế: Thuật toán duyệt vét cạn tuy đạt được nghiệm tối ưu toàn cục lý thuyết nhưng thời gian tính toán tăng bùng nổ theo hàm mũ khi số lượng luồng video tăng lên, hoàn toàn không khả thi trong thực tế. Ngược lại, thuật toán sử dụng nhân tử Lagrange và thuật toán hàng đợi ưu tiên cho kết quả lợi ích người dùng tiệm cận mức tối ưu của vét cạn nhưng thời gian thực thi cực ngắn, xử lý tốt các tập dữ liệu lớn trong thời gian thực.
Phương pháp đánh giá Lợi ích người dùng ($U_{avg}$) Hiệu quả dùng băng thông Thời gian thực thi Khả năng ứng dụng thực tế
Phương pháp thông thường Thấp (dễ gián đoạn/mức thấp) Trung bình (còn dư thừa/lãng phí) Rất nhanh ($O(1)$) Thấp (QoE không tối ưu)
Thuật toán vét cạn Tối ưu toàn cục (chuẩn so sánh) Rất cao (triệt để) Tăng theo cấp số nhân ($O(M^K)$) Không khả thi cho hệ thống lớn
Thuật toán Lagrange Xấp xỉ tối ưu Rất cao Rất nhanh Rất cao (hệ thống tập trung)
Thuật toán Hàng đợi ưu tiên Xấp xỉ tối ưu Rất cao Rất nhanh ($O(K \log K)$) Rất cao (dễ triển khai mở rộng)

Đóng góp khoa học của đồ án

  • Hệ thống hóa toàn diện cơ sở lý thuyết về kiến trúc truyền phát video thích ứng HAS và các mô hình lượng hóa chất lượng trải nghiệm QoE đối với video VBR.
  • Đề xuất và hiện thực hóa thành công mô hình thỏa hiệp giữa chất lượng video và độ trễ ban đầu thông qua kỹ thuật cắt ngưỡng phân đoạn $p(\varepsilon)$ và phân tích đường bao dữ liệu tích lũy.
  • Xây dựng hai giải thuật phân bổ băng thông hiệu quả cao cho hệ thống đa luồng video VBR, giải quyết được bài toán cân bằng giữa chất lượng trải nghiệm người dùng và thời gian thực thi trong các hệ thống mạng quy mô lớn.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

  • Nghiên cứu chỉ giới hạn phạm vi khảo sát trên hệ thống mạng được quản lý tập trung và mô hình truyền phát video theo nhu cầu (VoD); chưa mở rộng thử nghiệm trên môi trường Internet mở với độ trễ và mất gói có tính chất ngẫu nhiên cao.
  • Toàn bộ thuật toán được thiết kế và triển khai ở tầng ứng dụng, chưa kết hợp các kỹ thuật điều khiển luồng hay quản trị hàng đợi chủ động ở các tầng mạng giao vận bên dưới.
  • Chưa khảo sát các kịch bản truyền phát video trực tiếp (live streaming) và truyền phát tương tác vốn đòi hỏi các ràng buộc khắt khe về độ trễ cực thấp.

Hướng phát triển tiếp theo

  • Mở rộng mô hình thích ứng chất lượng và thuật toán phân bổ băng thông cho các kịch bản truyền phát trực tiếp (live streaming) và truyền phát video tương tác đa chiều.
  • Nghiên cứu tích hợp các giải thuật học máy và trí tuệ nhân tạo nhằm dự đoán trước xu hướng biến động lưu lượng của video VBR, hỗ trợ việc phân bổ tài nguyên chính xác hơn trong thời gian thực.
  • Triển khai thử nghiệm thuật toán trên các nền tảng mạng biên (Edge Computing) và mạng phân phối nội dung (CDN) thực tế với nhiều định dạng mã hóa video hiện đại.

Giá trị tham khảo

Đồ án tốt nghiệp là tài liệu tham khảo giá trị cho các nhóm đối tượng:

  • Sinh viên và học viên cao học ngành Điện tử - Viễn thông, Công nghệ Thông tin, Kỹ thuật Mạng: Nắm bắt kiến trúc chi tiết của công nghệ streaming hiện đại (HAS/MPEG-DASH), cơ chế hoạt động của giao thức HTTP/2, và các tiêu chuẩn đánh giá QoE theo khuyến nghị ITU.
  • Kỹ sư phát triển hệ thống truyền thông đa phương tiện: Ứng dụng trực tiếp phương pháp mô hình hóa đường bao dữ liệu tích lũy và thuật toán cắt ngưỡng $p(\varepsilon)$ để tối ưu hóa việc phân phối video VBR.
  • Nhà nghiên cứu về tối ưu hóa tài nguyên mạng: Tham khảo chi tiết phương pháp áp dụng nhân tử Lagrange và cấu trúc hàng đợi ưu tiên trong bài toán chia sẻ băng thông đa người dùng với thời gian xử lý nhanh.

Câu hỏi thường gặp

1. Tại sao việc thích ứng chất lượng cho video VBR lại phức tạp hơn so với video CBR?

Đối với video CBR, tốc độ bit được giữ cố định nên tốc độ bit đại diện trùng với tốc độ bit mã hóa, giúp việc ước lượng thông lượng mạng diễn ra thuận lợi. Ngược lại, video VBR có tốc độ bit thay đổi liên tục giữa các phân đoạn nhằm duy trì độ ổn định chất lượng hình ảnh qua tham số QP. Sự biến động đồng thời của cả thông lượng mạng và tốc độ bit nội tại của video VBR khiến việc dự đoán dung lượng cho phân đoạn kế tiếp trở nên phức tạp, dễ gây tràn hoặc cạn bộ đệm phát lại.

2. Vai trò của đường bao dữ liệu tích lũy $E(t)$ và tốc độ bit đại diện $R$ là gì?

Đường bao dữ liệu tích lũy $E(t)$ biểu diễn lượng dữ liệu lớn nhất có thể đến từ thời điểm bắt đầu nhận dữ liệu tới thời điểm $t$. Tốc độ bit đại diện $R$ chính là hệ số góc của đường tiếp tuyến với đường bao dữ liệu. Mối quan hệ hình học này cho phép xác định chính xác độ trễ nạp ban đầu $d_0 = t_0 - t_d$ cần thiết để đảm bảo trong suốt phiên truyền, lượng dữ liệu nhận được luôn lớn hơn lượng dữ liệu cần hiển thị, ngăn ngừa hoàn toàn hiện tượng gián đoạn phát lại.

3. Hàm lợi ích người dùng $U$ được tính toán như thế nào và mang ý nghĩa gì?

Hàm lợi ích người dùng được mô hình hóa theo công thức tuyến tính $U = a \cdot U_d + b \cdot U_q$, trong đó $U_d$ thể hiện mức độ hài lòng theo thời gian chờ nạp ban đầu, $U_q$ thể hiện chất lượng hiển thị theo tham số lượng tử ($U_q = -0.16 \cdot QP + 7.4$), còn $a, b$ là các trọng số tương ứng. Giá trị $U$ nằm trong thang điểm [1, 5], đóng vai trò là thước đo toán học định lượng để thuật toán tìm ra điểm cân bằng tối ưu giữa việc giảm thời gian chờ đợi và nâng cao độ nét hình ảnh.

4. Tại sao thuật toán nhân tử Lagrange và Hàng đợi ưu tiên lại vượt trội hơn thuật toán vét cạn?

Thuật toán duyệt vét cạn phải kiểm tra toàn bộ các tổ hợp phân bổ băng thông nên có độ phức tạp hàm mũ, khiến thời gian thực thi tăng bùng nổ khi số lượng luồng video tăng lên, không thể áp dụng cho hệ thống thời gian thực. Hai thuật toán đề xuất (Lagrange và Hàng đợi ưu tiên) sử dụng các nguyên lý tối ưu hóa biên để tìm ra lời giải xấp xỉ nghiệm tối ưu toàn cục với độ phức tạp tính toán rất thấp, đảm bảo thời gian đáp ứng tức thì cho các hệ thống streaming quy mô lớn.

5. Đồ án áp dụng giải pháp phân bổ băng thông tại vị trí nào trong hệ thống mạng?

Giải pháp của đồ án được triển khai hoàn toàn tại tầng ứng dụng (Application Layer) trong mô hình mạng được quản lý tập trung (như hệ thống phân phối nội dung IPTV). Cơ chế này cho phép bộ điều khiển trung tâm chủ động phân bổ hạn mức băng thông cho từng luồng video trước khi truyền tải, tránh tình trạng các máy khách độc lập tranh chấp đường truyền làm suy giảm chất lượng toàn mạng.

Kết luận

Đồ án tốt nghiệp "Nghiên cứu và triển khai phân bổ băng thông cho streaming video VBR qua HTTP" đã nghiên cứu thành công bài toán nâng cao chất lượng trải nghiệm (QoE) cho dịch vụ truyền phát đa phương tiện. Bằng việc xây dựng mô hình thỏa hiệp chất lượng - độ trễ dựa trên đường bao dữ liệu tích lũy và đề xuất hai thuật toán phân bổ băng thông hiệu quả (Lagrange và Hàng đợi ưu tiên), tác giả đã giải quyết triệt để bài toán tối ưu hóa tài nguyên cho hệ thống nhiều luồng video VBR trên đường truyền giới hạn. Kết quả thực nghiệm khẳng định các thuật toán đề xuất nâng cao rõ rệt lợi ích trung bình của người dùng, tận dụng tối đa băng thông mạng và đạt thời gian xử lý nhanh, có tính ứng dụng cao trong các hệ thống truyền hình và dịch vụ video trực tuyến hiện đại.