CN108449374B - Web3D虚拟场景对等传输数据调度方法及平台 - Google Patents

Abstract

本发明涉及一种Web3D虚拟场景对等传输数据调度方法及平台，所述方法用于实现虚拟场景中节点化身的数据块传输，包括以下步骤：1)请求节点维护一个兴趣区域内按照数据块请求优先级由高到低排序的数据块资源的第一队列，从第一队列头部开始依次向超级节点发出数据块查询请求；2)超级节点根据数据块查询请求查找拥有对应数据块的全部节点，将该全部节点中节点总上载压力最小的节点作为最优下载源；3)请求节点接收超级节点的返回信息，基于自适应请求数据量法向最优下载源发出数据块下载请求，建立下载连接并下载相应数据块。与现有技术相比，本发明具有提升数据传输效率和用户漫游体验等优点。

Description

Web3D虚拟场景对等传输数据调度方法及平台

技术领域

本发明涉及虚拟场景数据传输技术，尤其是涉及一种Web3D虚拟场景对等传输数据调度方法及平台。

背景技术

WebVR技术正在十分迅猛地发展，它借助浏览器可以为用户提供完全沉浸式的虚拟交互世界，这给用户提供了便捷的浏览体验方式，吸引了大量互联网用户，并被广泛应用于生产生活的方方面面。由于WebVR应用通常需要处理海量的场景数据并面向海量的用户规模，其带宽开销较大，如果采用C/S模式的系统架构，系统可扩展性会受到服务器性能的限制，系统规模和吞吐量的提升需要以增加硬件投资为代价。而P2P技术从资源共享的角度提出了资源传输的新思路，许多人开始研究利用P2P技术作为WebVR应用的底层传输架构。传统上，在Web端实现的对等传输通常需要利用插件来辅助完成。用户需要先在浏览器上下载相应的插件，才能和其他用户节点进行对等传输，这种方式既不方便，又存在安全隐患。

在P2P相关研究中，场景数据调度一直是研究的热点。系统中的用户节点既是数据的消费者，也是数据的提供者，完成下载的用户节点变身为数据的提供者，将已经下载完毕的数据分享给其他节点。在这个过程中，用户节点可以通过数据调度算法计算出最优的数据下载优先级和候选源节点，以此获得最佳的传输效率。以往针对P2P数据调度的研究一般集中于流媒体传输或文件传输系统，很少将其应用于虚拟场景传输。用户在虚拟场景系统中的行为方式有其独特的特征，由于用户化身在虚拟场景中随机的运动，其对场景下载的需求是实时变化的，如果用户眼前的模型无法及时下载，其视野内就会出现空白的现象，影响漫游体验。为了达到最优化系统的传输效率，提升用户体验，需要一个高效的数据调度机制来管理节点数据的上传与下载。

目前针对P2P数据传输系统的数据调度算法的研究主要集中于接收端调度的研究上。接收端调度一方面研究请求数据块优先级的计算，常用的算法如随机优先、最稀有优先、时间顺序优先等算法。另一方面主要研究候选下载源的选择算法，这方面常用的算法有上载压力选择法、下载源分级选择法、网络延时选择法等。虽然上述方法能对节点数据传输进行简单管理，但有着以下不足：

1)对用户场景漫游行为的特点考虑的不足：由于虚拟场景漫游中的模型分布特征和用户行为特征十分鲜明，通用的数据调度算法并未充分考虑这些特征，没有分析模型位置、稀有程度、用户运动状态等因素对于传输效率的影响，造成数据共享程度低，传输效率较差。

2)视锥体填充率较低：通用的数据调度算法没有考虑模型数据量和体积量大小对于传输优先级的影响，不能做到优先传输用户视锥体范围内占据体积较大而数据量较小的模型，从而导致视锥体填充率较低。

3)节点带宽利用率低：网络中用户节点的网络带宽是动态变化的，其传输能力也在实时变化之中。通用的数据调度算法并未完全考虑到用户节点的带宽状况和硬件能力对于传输效率的影响，导致分配给节点的负载不均衡，节点带宽利用率较低。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种Web3D虚拟场景对等传输数据调度方法及平台。

本发明的目的可以通过以下技术方案来实现：

一种Web3D虚拟场景对等传输数据调度方法，用于实现虚拟场景中节点化身的数据块传输，包括以下步骤：

1)请求节点维护一个兴趣区域内按照数据块请求优先级由高到低排序的数据块资源的第一队列，从所述第一队列头部开始依次向超级节点发出数据块查询请求；

2)超级节点根据所述数据块查询请求查找拥有对应数据块的全部节点，将该全部节点中节点总上载压力最小的节点作为最优下载源；

3)请求节点接收超级节点的返回信息，基于自适应请求数据量法向所述最优下载源发出数据块下载请求，建立下载连接并下载相应数据块，若下载失败，则将数据块下载请求转发给资源服务器。

进一步地，步骤1)中，对于室内虚拟场景，所述数据块请求优先级由各数据块的模型填充度确定，所述模型填充度的计算公式为：

A_m＝V_m/_m

其中，A_m为模型m的模型填充度，D_m为模型m的数据量，V_m为模型m的体积，模型填充度越大，数据块请求优先级越高。

进一步地，步骤1)中，对于室外虚拟场景，所述数据块请求优先级由各数据块的模型下载优先度确定，所述模型下载优先度的计算公式为：

S_i＝μ(T_u+A_i)+(1-μ)T_σ

其中，S_i为第i个模型的模型下载优先度，μ为权重调节因子，T_u为模型在虚拟场景中的位置对于其下载优先度的影响，A_i为第i个模型的模型填充度，T_σ为模型分布度对于模型下载优先级的影响。

进一步地，所述请求节点还维护一个存储新加入兴趣区域但未排序的数据块资源的第二队列和一个存储未成功下载的数据块资源的第三队列，所述第一队列、第二队列和第三队列间存储数据的动态变化过程具体为：

根据用户化身的出生点位，计算其兴趣区域范围内所有数据块的数据块请求优先级，按数据块请求优先级从高到低排序将数据块资源存入第一队列中，初始化第一队列；

随着节点化身在虚拟场景中移动，实时计算节点化身兴趣区域的动态变化，计算新加入可视场景集的模型，并将对应的数据块资源加入第二队列中，同时，节点化身按照第一队列的顺序依序请求数据块，下载好的数据块对应的数据块资源按照先入先出的顺序离开第一队列；

在节点化身位置距离上一次计算数据块请求优先级时的距离超过设定距离阈值或者节点化身运动方向偏离上一次数据块请求优先级时的运动方向角度超过设定角度阈值时，根据第一队列与第二队列总和重新计算数据块请求优先级，按从高到低的顺序存入第一队列中，清空第二队列；

当某一数据块的下载时间超过超时时间域，则将对应数据块资源添加至第三队列的队尾，在第一队列和第二队列全部清空后，重新请求第三队列的数据块资源，直到所有数据块下载完毕。

进一步地，步骤2)中，所述节点总上载压力的计算公式为：

其中，

为节点i在t时刻的当前上载压力，

为节点i在t时刻的潜在上载压力，

为节点i在t时刻的上传带宽，τ为单位时间周期长度，s为数据块的大小，Q_j为请求节点j向节点i在单位时间周期内请求的数据块数，n为请求节点总数，m为超级节点记录的资源被请求的次数，L为节点拥有的数据块总量，

为数据块在系统中的副本数，k为一常量，H_l为一布尔值，H_l为1表示对应的数据块l为稀有数据块，β为一常量系数。

进一步地，步骤2)中，选择所述最优下载源的具体包括以下步骤：

201)判断各节点的节点总上载压力是否均大于1，若是，则超级节点向请求节点返回无满足节点的消息，若否，则执行步骤202)；

202)从所有节点总上载压力小于1的节点中选取节点总上载压力最小的节点作为最优下载源。

进一步地，步骤3)中，所述自适应请求数据量法具体包括以下步骤：

301)在第一周期请求数据时，初始化请求数据量；

302)在第c周期请求数据时，c＞1，请求节点检测并记录上一周期接收到的实际数据量Q′_c-1，计算获得本周期的数据请求量Q_c：

Q_c＝Q_c-1+εΔQ_c-1+δΔB_c-1+γΔT_c-1

ΔQ_c-1＝Q′_c-1-Q_c-1

ΔB_c-1＝B_c-B_c-1

其中，ε、δ和γ为比例系数，Q_c-1为上一周期的请求数据量，B_c和B_c-1分别为本周期和上一周期预估的节点带宽，ΔT_c-1为上一周期内请求节点在下载完数据后空闲等待的时间。

进一步地，所述预估的节点带宽的计算公式为：

B_c＝αB_c-1+(1)B′_c-1

其中，α为比例系数，B′_c-1为上一周期实际测得的节点带宽值。

进一步地，对于室内虚拟场景，请求节点下载数据块时包括以下步骤：

401)根据室内场景的连通图以及节点化身自身的位置，确定节点化身所在的当前房间信息以及与之相邻的房间信息；

402)节点化身获知当前房间内所有模型的信息，获取各模型的数据块请求优先级，并根据数据块请求优先级高低依次请求下载；

403)下载完当前房间的模型数据后，在节点化身在当前房间漫游的空闲时间，对相邻房间的模型依次对应的数据块请求优先级高低进行预下载；

404)当节点化身上下楼梯或穿过门时，节点化身判断正在预下载的模型是否属于节点化身即将进入的房间，若是，则继续下载直至完成若否，则暂停该模型的下载，转而下载节点化身即将进入的房间中的模型；

405)用户进入新的房间后，重复步骤403)-404)，直至漫游完毕，退出虚拟场景。

本发明还提供一种实现所述的Web3D虚拟场景对等传输数据调度方法的Web3D虚拟场景对等传输平台，该平台采用混合式非结构化P2P架构，包括一个资源服务器、多个超级节点和多个普通节点，所述超级节点和普通节点分别与资源服务器连接，各超级节点连接有至少一个受管辖的普通节点，

各所述超级节点之间通过链路保持连接，在某个超级节点根据所述数据块查询请求查找拥有对应数据块的全部节点时，若该超级节点管辖的所有节点均不包含对应数据块，则向其他超级节点发送请求。

与现有技术相比，本发明可提升用户节点视锥体填充率和系统节点带宽利用率，具有以下有益效果：

1)本发明提出了使用视锥体填充度作为虚拟场景对等传输的度量指标。这一指标量化了虚拟场景中用户化身的视觉体验，为数据调度的效果和目标提供了指引和方向。

2)本发明提出了基于虚拟场景系统的设计特征，综合考虑了场景中模型的位置、体积、数据量和分布度多重因素来计算场景模型数据请求的优先级顺序，使得模型请求顺序更加优化，大幅提升了用户的漫游体验。

3)本发明提出了室内和室外场景中的数据块请求优先级模型。考虑到节点化身在虚拟场景中位置不断在发生改变，其视野范围和兴趣对象也在不断发生变化，我们提出了两种3D场景中的数据块动态优先级算法，实时计算数据块调度的优先级。

4)本发明提出了在考虑节点当前上载压力的基础上，进一步考虑节点潜在上载压力的最优下载源选择算法，即在选择下载源时，就提前将其未来可能的负载压力提前计入，在调度中主动减少为其分配的请求节点数，以提升系统的负载均衡度，有效的提升了系统节点带宽利用率，进而保持高效的传输效率。

3)本发明提出了新的节点请求数据量的计算方法，根据其所处网络环境的变化，通过实际的传输数据自适应的调节请求数据量，使得节点请求数据量达到合理的水平。

4)本发明利用了基于WebRTC的数据信道来对等的在浏览器之间传输模型数据，分析解决了WebRTC在应用中遇到的信令传递和NAT穿透问题。

5)本发明采用了混合式非结构化P2P架构，更好地实现对等节点的性能，且适用于海量节点的管理与查询，能够较好的提升系统效率，防止单点失效问题。

附图说明

图1为本发明传输平台的结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本发明提供一种Web3D虚拟场景对等传输数据调度方法，用于实现虚拟场景中节点化身的数据块传输，包括以下步骤：

1)请求节点维护一个兴趣区域内按照数据块请求优先级由高到低排序的数据块资源的第一队列，从所述第一队列头部开始依次向超级节点发出数据块查询请求；

2)超级节点根据所述数据块查询请求查找拥有对应数据块的全部节点，将该全部节点中节点总上载压力最小的节点作为最优下载源；

3)请求节点接收超级节点的返回信息，基于自适应请求数据量法向所述最优下载源发出数据块下载请求，建立下载连接并下载相应数据块，若下载失败，则将数据块下载请求转发给资源服务器。

网络中所构建的虚拟世界都是现实世界的模拟和仿真，具有十分明显的设计特征和用户行为特征，上述方法根据Web3D虚拟环境独有的特征，构建了适用于3D场景对等传输系统的数据调度机制

1、基于场景数据块请求优先级的数据调度机制

针对虚拟场景的模型特征和加载方式，将其分为室内场景和室外场景，并分别讨论两种不同场景条件下数据块请求的优先级。

考虑到用户对于室内场景加载的需求，我们把视锥体填充率作为场景数据块优先级调度的指标，即用户化身的视锥体填充率提升的越快，则场景数据块优先级调度的效果越好。由视锥体填充率的定义可以知道，想要在最短的时间内提升视锥体填充率的值，必须优先加载那些体积较大且数据量较小的模型。因此我们引入模型填充度的概念，来度量室内场景的模型数据下载优先级：

A_m＝V_m/_m

其中，A_m为模型m的模型填充度，D_m为模型的数据量，V_m为模型的体积，模型填充度等于模型的体积的大小与其数据量大小的比值。模型的体积越大，其在视锥体内占有的空间就越大，越容易提升视锥体填充率，人视野内的充实度就越高。模型数据量越小，下载时间就越短，用户就能在越短的时间内下载模型。由以上分析可知，数据量越小、体积越大的模型，越容易提升视锥体填充率，因此应该优先下载。

根据室内场景数据块优先级建模，我们给出用户化身在室内场景中数据块优先级下载的算法：

1)根据室内场景的连通图以及节点化身自身的位置，确定自身所在的房间以及与之相邻的房间信息。

2)节点化身获知当前房间内所有模型的信息，包括其包围盒所占体积以及模型文件数据量大小，通过模型填充度公式计算房间内所有模型的填充度，获知其下载优先度，并根据优先度从大到小进行排序，并根据这个顺序依次请求下载。

3)下载完当前房间的模型数据后，在节点化身在当前房间漫游的空闲时间，对相邻房间的模型进行预下载。每个房间的模型下载顺序仍按照(2)中的模型关注度进行排序。

4)当用户化身上下楼梯或穿过门时(在程序中一般需要用户按键确认)，节点化身进行判断。如果正在预下载的模型属于用户化身即将进入的房间，则继续下载直至完成；如果预下载的模型不属于用户即将进入的房间，则暂停该模型的下载，转而下载用户即将进入的房间中的模型。

5)用户进入新的房间后，重复步骤3)-4)，直至用户节点漫游完毕，退出虚拟场景。

在室外场景中，我们综合考虑到所有影响下载优先顺序的因素，我们认为应该建立一个权重函数，并以此为基础给出模型下载优先度的定义：

S_i＝μ(T_u+A_i)+(1)T_σ

其中：S_i为第i个模型的下载优先度，我们可以通过公式3.3提出的权重函数来计算其下载优先度，μ为权重调节因子，用来平衡T_u、A_i和T_σ的权重。A_i为上一节所述的模型填充度，体现了模型的数据量和包围盒体积对其下载优先度的影响，模型的填充度越高，其下载优先度越高。

T_u表示模型在虚拟场景中的位置对于其下载优先度的影响，定义为：

P_i为视锥体范围对于模型下载优先度的加成系数，当模型落在用户的视锥体范围内时，取P_i值为β_τ；当模型处于用户的视锥体范围之外时，取P_i值为

β_τ和

为加成系数且规定

在本文中，我们一般取

值为0，β_τ值为1。l_i为模型物体与用户化身之间的距离，物体距离用户化身越远，l_i的值越大。θ_i为模型与用户化身视线的夹角，夹角越大，θ_i的值越大。该公式通过指数函数来表达模型距离与模型偏转角对于下载优先度的影响：物体模型越接近用户，其距离越趋近于0，模型偏转角越小，θ的值越接近于0，此时e^-(l+θ)的值就越大，相应的模型下载优先度也越高。而距离用户化身越远的模型、偏离视线越大的模型，其e^-(l+θ)的值越小，相应的模型下载优先度也就越小。而公式中的P_i则代表了视野角度范围对于模型下载优先度的影响：对于处于用户化身视野范围内的物体模型，P_i的值为β_τ，其模型下载优先度会相对高一些；而对于处于用户化身视野范围之外的物体模型，P_i值为

由于

的值小于β_τ，故其模型下载优先度相对较小。在本研究中，由于e^-(l+θ)的值的范围在0～1之间，

取值为0，β_τ取值为1，因此可以保证视锥体范围内的模型被优先下载。

T_σ表示模型分布度对于模型下载优先级的影响，定义为：

T_σ＝n/ε_i

其中：n代表系统中节点化身的总数，而ε_i表示第i个模型在系统中拥有的副本数。T_σ表示第i个模型数据在系统中的分布情况。在n值一定的情况下，模型数据在系统中的副本数越低，则T_σ的值越高，对模型下载优先级的影响也就越大，这说明越稀有的模型应该拥有越高的模型下载优先度。特殊的，当ε_i为0时，我们令此时的T_σ值为0，此时由于系统中没有任何节点拥有该模型，我们将最后请求该模型数据。

以节点化身已经请求的数据量作为权重函数的权值因子，定义权值μ为：

其中ρ_i表示第i个模型数据块是否已经被节点化身下载，如果已经下载，则ρ_i＝1，否则ρ_i＝0。m表示用户化身理论应下载的数据块总数。μ的值表示节点化身下载数据的进度，其下载的数据越多，下载进度越后，μ的值也就越高。我们用节点化身的下载进度来作为权重函数的权值，体现了动态计算模型数据下载优先度的思想：在节点下载的初期，我们倾向于下载在系统中分布较少的模型数据，以防止节点退出导致系统中缺乏模型数据副本的情况发生；而随着节点不断的下载模型数据，节点逐渐倾向于下载距离近的、模型填充度较高的并且位于视野范围内的模型数据，以及时补充节点化身眼前所能看到的模型，降低模型加载缺失率。

本发明设计了一种超时请求剔除的场景数据块动态请求算法。在这种算法中，系统仅在节点化身离开一定距离或转向时才重新计算模型下载优先度，这样大大节省了系统开销。节点维护三条数据块的第一队列、第二队列和第三队列。第一队列中存储上一次计算下载优先度并排序的模型，第二队列中存储新加入兴趣区域但还未排序的模型。第三队列中存储因为特殊情况而暂时无法下载的数据块资源。数据块动态请求算法如下：

1)根据用户化身的出生点位，计算其兴趣区域范围内所有模型数据块的下载优先度，并把它们按优先度从高到低排序存入第一队列中。

2)随着用户化身在场景中移动，实时计算用户化身兴趣区域的动态变化，计算新加入可视场景集的模型，并加入第二队列中。同时，节点化身按照第一队列顺序依序请求数据块，下载好的模型按照先入先出的顺序离开第一队列。

3)一旦节点化身位置距离上一次计算模型下载优先度的距离超过设定距离阈值(由系统定义的常量)或者节点化身运动方向偏离上次计算模型下载度时的运动方向角度超过设定角度阈值(由系统定义的常量)，则将第一队列与第二队列中的模型重新计算下载优先度，按从大到小的顺序存入第一队列中，清空第二队列。

4)只要用户化身没有退出虚拟场景，就不断重复步骤2)-3)的操作。

5)设定超时时间域Tc，对于任何数据块，如果超过Tc时间仍未下载完成，则向下载源发出终止下载的请求。并把该数据块添加至第三队列的末尾。等第一队列和第二队列的请求全部完成后，再重新请求第三队列中的数据块，直到所有数据块下载完毕。

2、基于最优下载源选择的数据调度机制

节点上载压力受两个因素的影响：节点当前给其他节点提供的连接数和节点自身的上载带宽，下载源的上载压力是影响最优下载源选择的重要因素。本发明定义节点i在t时刻时间周期τ内的节点当前上载压力为

其中：

为节点i在t时刻的上传带宽；τ为单位时间周期长度，s为数据块的大小；Q_j代表请求节点j向节点i在单位时间周期内请求的数据块数，n为请求节点总数。

由于每个数据块的大小是相等的，故

表示了时间周期内下载源节点i实际上传的总数据量，

表示了时间周期内下载源节点理论最大的上传数据量，

表示了节点当前上载数据量占其上载带宽的比率，这个比率就代表了节点当前的上载压力。

越大，当前上载数据量占其上载带宽的比率越大，节点的上载压力越大。若

则说明单位时间周期内必然有部分节点的请求得不到满足，这些节点请求的模型无法及时得到下载。

我们给出节点i在时刻t的潜在上载压力

的定义，它的数学表达为：

其中，m是超级节点记录的资源被请求的次数，L表示节点拥有的数据块总量，

表示数据块在系统中的副本数。k是常量，在本实施例中可设定k的值为3。我们用布尔值H_j来判断数据块是否是稀有资源，如果节点拥有的模型数据块块在系统中的副本数量小于等于经验常量k，则说明该模型块是稀有的，H_j的值为1。如果模型块在系统中的副本数量大于经验常量k，则说明该模型块在系统中的保有量较大，不会对节点的潜在压力产生影响，H_j的值为0。

表示了节点i拥有的稀有资源被请求的总数，β是常量系数；

表示节点i在t时刻的上载带宽，τ表示单位时间周期长度；

由以上的公式可以看出，节点的潜在上载压力表现为潜在的稀有数据块的请求量占节点上传带宽的比值，而潜在的稀有数据块的请求量又和超级节点所记录的稀有数据块被请求次数正相关。下载源节点拥有的稀有模型被请求的次数越多，说明了该下载源节点拥有的稀有资源未来被请求的可能性越大，则节点的潜在上载压力越大。反之，如果下载源节点拥有较少的稀有资源或者拥有的稀有资源之前很少被请求过，则相应计算出的

的值较低，说明节点的潜在上载压力较小。

在前文介绍节点当前上载压力和节点潜在上载压力的基础上，我们给出节点总上载压力的定义

也就是说，节点的总上载压力为节点的当前上载压力和潜在上载压力之和。节点的总上载压力体现了节点当前带宽能力是否能满足传输需求。节点的总上载压力越大，该节点无法满足下载请求的可能性就越大，系统出现网络拥塞的可能性就越大，因此应尽量避免出现节点总上载压力过大的情况。一个可行的办法是，每次都选择上载压力最小的节点作为下载源，这样能够充分利用系统中每个节点的上载带宽，平衡各节点的负载，尽最大努力降低系统出现单点压力过大问题的可能性。基于这样的理念，给出适用于虚拟场景传输的请求节点选择策略：

1)请求节点根据数据块请求算法获得一个按照数据块请求优先级排序的队列，节点从队列头部开始依次向超级节点发出数据块的查询请求。

2)超级节点维护全局的节点的数据块保有信息。对于每个数据块的请求，找到拥有该数据块的全部节点，查找到这些节点的上载带宽，计算这些节点当前的请求连接数，并得出拥有这些节点的当前上载压力

3)查询节点拥有的数据块的信息，如果数据块在全局中的副本数小于等于常量k值，则认定该数据块为稀缺数据块。根据节点拥有的稀缺数据块的数量和稀缺数据块被请求的次数，计算出节点的潜在上载压力

4)将节点的当前下载压力与节点的潜在上载压力相加，得到节点的总上载压力：

5)如果所有节点的总上载压力均大于1，则说明当前节点均处于过载状态，级节点返回无满足节点的消息。否则，从所有总上载压力值小于1的节点中选取力值最小的节点，并将该节点信息返回，作为推荐的候选最优下载源。

6)请求节点获取返回的节点信息，并向该节点发出请求，建立下载连接并下载相应数据块。如果节点未接收到有效的节点返回信息，说明此时系统中所有节点都过载，改为向资源服务器发出下载请求。

3、节点请求数据量的自适应调度策略

我们根据P2P系统特性，设计了一种自适应的节点请求数据算法。在这种算法中，我们需要动态的计算请求节点的带宽，而不是将其看作固定值。我们定义节点在第n个周期的预估带宽为B_n，其值受到前几个周期内带宽的影响，我们采取权值公式来预估节点带宽，并且调整权值使得越接近的周期带宽对于预估带宽的影响越大，其计算公式为：

B_c＝αB_c-1+(1)B′_c-1

其中，B_c-1为上一个周期预估的节点带宽，B′_c-1为上一周期实际测得的节点带宽值。我们通过权值α来分配B_c-1和B′_c-1对B_n的影响，α为比例系数，在本实施例中，设定α的值0.3，这样，上一周期实际带宽对于本周期预计带宽的影响较大，而之前几个周期实际带宽对于本周期预计带宽的影响较小。B₀为系统初始的预计带宽，该值由人为设定或者通过查阅参数得知。

我们定义单位周期内，请求节点向下载源请求的数据量为Q_c，给出Q_c的计算公式如下：

Q_c＝Q_c-1+εΔQ_c-1+δΔB_c-1+γΔT_c-1

ΔQ_c-1＝Q′_c-1-Q_c-1

ΔB_c-1＝B_c-B_c-1

其中，ε、δ和γ为比例系数，Q′_c-1为上一周期内实际获取的数据量。由公式可以看出，节点在本周期请求的数据量等于上一周期请求的数据量加上一个修正值，这个修正值与ΔQ_c-1、ΔB_c-1和ΔT_c-c有关。ΔQ_c-1是上一个周期请求的数据量与实际下载的数据量的差值，如果实际下载的数据量少于请求的数据量，说明请求的数据量超出了实际带宽能力，应该适当减少请求量；ΔT_c-1是指上一周期内，请求节点在下载完数据后空闲等待的时间，如果该值存在并且为正值，则说明请求的数据量不满足其实际带宽能力，应该适当增加请求量；ΔB_c-1是本周期预测的带宽与上一周期预测的带宽的差值，如果带宽发生变化，那么相应的请求数据量也应该发生变化：如果预测的带宽变大了，则应增加请求量；相反的，如果预测的带宽减少，则应该减少请求量。该公式中需要人为设定一个请求的初始值Q₀，通过初始带宽B₀，我们人为的给出Q₀的值，并以此计算每一个周期节点应该请求的数据量。

由以上分析可知，该公式实时跟踪用户节点的带宽变化情况，通过接收的数据量和空闲等待时间进行反馈，能自动调整请求的数据量，及时的适应环境的变化和突发情况，计算出节点请求的最合理的数据量，使系统传输的效率最大化。

根据上节所述的节点请求数据量的计算公式，我们设计出节点请求数据的调度算法，下面详细介绍该算法的具体步骤：

1)初次请求数据时，需要初始化请求数据量，系统根据预设的信息获取带宽的初始值B₀，并根据带宽值初始值给出请求数据量的初始值Q₀，Q₀与B₀成正比。

2)第二次请求数据时，节点检测并记录上个周期接收到的数据量Q′_c-1，并与上一次请求的数据量Q_c-1进行比较。如果接收到的数据量少于请求量，则相应的减少新一个周期请求的数据量，减少的量与接收量与请求量的差值成正比。

3)节点监测和记录上一个周期实际带宽B′_c-1和上一周期预测带宽B_c-1，计算出本周期的预测带宽B_c，并与上一周期预测带宽B_c-1进行比较。如果新一个周期预测带宽变低，则适当减少请求数据量；如果预测带宽提升，则适当增加数据量。

4)节点监测上一个周期空闲等待时间ΔT_c-1，如果ΔT_c-1存在且不为零，则相应增加请求的数据量，增加的数据量与等待时间成正比。

5)之后的每一个周期，重复步骤2)-4)，计算每个周期节点请求数据量。

4、Web3D虚拟场景对等传输平台的设计

如图1所示，一种实现上述Web3D虚拟场景对等传输数据调度方法的Web3D虚拟场景对等传输平台，该平台采用混合式非结构化P2P架构，包括一个资源服务器、多个超级节点和多个普通节点，所述超级节点和普通节点分别与资源服务器连接，各超级节点连接有至少一个受管辖的普通节点，各所述超级节点之间通过链路保持连接，在某个超级节点根据所述数据块查询请求查找拥有对应数据块的全部节点时，若该超级节点管辖的所有节点均不包含对应数据块，则向其他超级节点发送请求。本发明利用WebRTC技术，在浏览器间构建了对等传输的通道，设计了Web3D虚拟场景对等传输平台的架构，使得用户无需下载插件便可浏览对等传输后的结果。

采用混合式非结构化P2P架构，原因如下：

1)浏览器作为系统中的对等节点，无法拥有等同于客户端对等节点的性能，其中之一便是监听其他节点的请求。结构化P2P系统中，对等节点按照DHT架构排列，节点的查询工作是由每个节点自身完成的。节点本身必须具有监听请求的功能才能帮助其他节点进行查询。而现有的WebRTC技术仅能实现节点数据信道的建立，无法达到这一要求，因此，实现结构化的P2P系统的技术条件还不成熟。

2)本系统针对大规模节点群进行设计，面向的场景是海量节点间的资源共享，因此如果采用集中式架构，所有节点都和中心服务器进行通信发送数据查询，会导致中心服务器的负载过高的情况。另一方面，整个系统过于依赖中心服务器，所有节点的元信息均存储于中心服务器上，一旦中心服务器崩溃，整个系统将无法运转。采用混合式的P2P架构，即在系统中放置若干超级节点，每个超级节点服务一部分节点簇，超级节点与普通节点采用集中式架构连接，超级节点之间采用分布式架构连接。这种架构方式适用于海量节点的管理与查询，能够较好的提升系统效率，防止单点失效问题。

上述传输平台采用混合式非结构化的节点拓扑架构来管理系统中不同角色的节点。整个系统由数据信道层、模型数据传输协议层、调度算法层和图形渲染层组成，通过层次化的设计实现了模型数据从传输到渲染的全过程，实现了多节点在线实时对等场景传输。

上述传输平台中，超级节点有四个主要的作用：

1)作为WebRTC通道建立的信令服务器。普通节点之间通过WebRTC建立的数据信道进行传输，而数据信道的建立需要借助于超级节点。超级节点上监听普通节点的请求，并通过Websocket和普通节点进行通信，在节点与节点之间交换WebRTC的相关信令，起到一个“掮客”的作用。

2)存储系统中节点的元信息。由于浏览器本身的存储能力较弱，因此系统中所有节点的元信息均存储在超级节点中。这些信息包括：节点的上载带宽，节点当前请求连接数，节点拥有的资源信息，节点的SDP报文信息等。新加入的节点一旦向超级节点发送请求，就会捎带上自己的节点元信息，从而超级节点可以获得这些信息并存储下来。

3)提供节点发现和数据调度服务。超级节点虽然不提供数据下载，但是节点需要由超级节点告知向谁进行下载。超级节点根据请求的数据块，查找所有拥有该数据块的节点，并根据前文所述的节点选择算法进行排序，选择上载压力最低的节点信息返回。

超级节点之间可以互相交换节点信息。如果超级节点管辖的所有节点均不包含请求数据块，则超级节点会向其他的超级节点发送请求。其他的超级节点如果在自己管辖的节点中找到了目标节点，会再把目标节点的信息返回，从而达到跨超级节点查询的目的。

4)提供NAT穿越服务。一旦NAT穿越失败，作为中继服务器在节点之前传输数据。

资源服务器保存了虚拟场景的副本数据。资源服务器主要为系统提供了初始的资源下载，并且在节点处于过载状态时提供临时下载服务。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (8)

1.一种Web3D虚拟场景对等传输数据调度方法，其特征在于，用于实现虚拟场景中节点化身的数据块传输，包括以下步骤：

1）请求节点维护一个兴趣区域内按照数据块请求优先级由高到低排序的数据块资源的第一队列，从所述第一队列头部开始依次向超级节点发出数据块查询请求，其中，对于室内虚拟场景，所述数据块请求优先级由各数据块的模型填充度确定，对于室外虚拟场景，所述数据块请求优先级由各数据块的模型下载优先度确定；

2）超级节点根据所述数据块查询请求查找拥有对应数据块的全部节点，将该全部节点中节点总上载压力最小的节点作为最优下载源；

3）请求节点接收超级节点的返回信息，基于自适应请求数据量法向所述最优下载源发出数据块下载请求，建立下载连接并下载相应数据块，若下载失败，则将数据块下载请求转发给资源服务器；

所述模型填充度的计算公式为：

其中，

为模型m的模型填充度，

为模型m的数据量，

为模型m的体积，模型填充度 越大，数据块请求优先级越高；

所述模型下载优先度的计算公式为：

其中，

为第i个模型的模型下载优先度，

为权重调节因子，

为模型在虚拟场景中的 位置对于其下载优先度的影响，

为第i个模型的模型填充度，

为模型分布度对于模型 下载优先级的影响。

2.根据权利要求1所述的Web3D虚拟场景对等传输数据调度方法，其特征在于，所述请求节点还维护一个存储新加入兴趣区域但未排序的数据块资源的第二队列和一个存储未成功下载的数据块资源的第三队列，所述第一队列、第二队列和第三队列间存储数据的动态变化过程具体为：

根据用户化身的出生点位，计算其兴趣区域范围内所有数据块的数据块请求优先级，按数据块请求优先级从高到低排序将数据块资源存入第一队列中，初始化第一队列；

随着节点化身在虚拟场景中移动，实时计算节点化身兴趣区域的动态变化，计算新加入可视场景集的模型，并将对应的数据块资源加入第二队列中，同时，节点化身按照第一队列的顺序依序请求数据块，下载好的数据块对应的数据块资源按照先入先出的顺序离开第一队列；

在节点化身位置距离上一次计算数据块请求优先级时的距离超过设定距离阈值或者节点化身运动方向偏离上一次数据块请求优先级时的运动方向角度超过设定角度阈值时，根据第一队列与第二队列总和重新计算数据块请求优先级，按从高到低的顺序存入第一队列中，清空第二队列；

当某一数据块的下载时间超过超时时间域，则将对应数据块资源添加至第三队列的队尾，在第一队列和第二队列全部清空后，重新请求第三队列的数据块资源，直到所有数据块下载完毕。

3.根据权利要求1所述的Web3D虚拟场景对等传输数据调度方法，其特征在于，步骤2）中，所述节点总上载压力的计算公式为：

其中，

为节点i在t时刻的当前上载压力，

为节点i在t时刻的潜在上载压力，

为 节点i在t时刻的上传带宽，

为单位时间周期长度，s为数据块的大小，

为请求节点j向节 点i在单位时间周期内请求的数据块数，n为请求节点总数，m为超级节点记录的资源被请求 的次数，L为节点拥有的数据块总量，

为数据块在系统中的副本数，k为一常量，

为一布 尔值，

为1表示对应的数据块l为稀有数据块，

为一常量系数。

4.根据权利要求1所述的Web3D虚拟场景对等传输数据调度方法，其特征在于，步骤2）中，选择所述最优下载源的具体包括以下步骤：

201）判断各节点的节点总上载压力是否均大于1，若是，则超级节点向请求节点返回无满足节点的消息，若否，则执行步骤202）；

202）从所有节点总上载压力小于1的节点中选取节点总上载压力最小的节点作为最优下载源。

5.根据权利要求1所述的Web3D虚拟场景对等传输数据调度方法，其特征在于，步骤3）中，所述自适应请求数据量法具体包括以下步骤：

301）在第一周期请求数据时，初始化请求数据量；

302）在第c周期请求数据时，

，请求节点检测并记录上一周期接收到的实际数据 量

，计算获得本周期的数据请求量

：

其中，

和

为比例系数，

为上一周期的请求数据量，

和

分别为本周期和 上一周期预估的节点带宽，

为上一周期内请求节点在下载完数据后空闲等待的时间。

6.根据权利要求5所述的Web3D虚拟场景对等传输数据调度方法，其特征在于，所述预估的节点带宽的计算公式为：

其中，

为比例系数，

为上一周期实际测得的节点带宽值。

7.根据权利要求1所述的Web3D虚拟场景对等传输数据调度方法，其特征在于，对于室内虚拟场景，请求节点下载数据块时包括以下步骤：

401）根据室内场景的连通图以及节点化身自身的位置，确定节点化身所在的当前房间信息以及与之相邻的房间信息；

402）节点化身获知当前房间内所有模型的信息，获取各模型的数据块请求优先级，并根据数据块请求优先级高低依次请求下载；

403）下载完当前房间的模型数据后，在节点化身在当前房间漫游的空闲时间，对相邻房间的模型依次对应的数据块请求优先级高低进行预下载；

404）当节点化身上下楼梯或穿过门时，节点化身判断正在预下载的模型是否属于节点化身即将进入的房间，若是，则继续下载直至完成若否，则暂停该模型的下载，转而下载节点化身即将进入的房间中的模型；

405）用户进入新的房间后，重复步骤403）-404），直至漫游完毕，退出虚拟场景。

8.一种实现如权利要求1所述的Web3D虚拟场景对等传输数据调度方法的Web3D虚拟场景对等传输平台，其特征在于，该平台采用混合式非结构化P2P架构，包括一个资源服务器、多个超级节点和多个普通节点，所述超级节点和普通节点分别与资源服务器连接，各超级节点连接有至少一个受管辖的普通节点，

各所述超级节点之间通过链路保持连接，在某个超级节点根据所述数据块查询请求查找拥有对应数据块的全部节点时，若该超级节点管辖的所有节点均不包含对应数据块，则向其他超级节点发送请求。

Images