CN116233871A - 一种xr服务增强方法、计算机装置和存储介质 - Google Patents
一种xr服务增强方法、计算机装置和存储介质 Download PDFInfo
- Publication number
- CN116233871A CN116233871A CN202310086717.1A CN202310086717A CN116233871A CN 116233871 A CN116233871 A CN 116233871A CN 202310086717 A CN202310086717 A CN 202310086717A CN 116233871 A CN116233871 A CN 116233871A
- Authority
- CN
- China
- Prior art keywords
- delay
- uplink
- downlink
- prediction result
- service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000011144 upstream manufacturing Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 18
- 230000006870 function Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000003190 augmentative effect Effects 0.000 description 4
- 230000001934 delay Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000012092 media component Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000011541 reaction mixture Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/24—Negotiating SLA [Service Level Agreement]; Negotiating QoS [Quality of Service]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种XR服务增强方法、计算机装置及存储介质，包括获取当前对XR应用执行的Qos策略，预测XR应用的链路延迟，获得链路延迟预测结果，当链路延迟预测结果超出当前执行的Qos策略中的链路延迟范围，对Qos策略进行更新，对XR应用执行更新后的Qos策略等步骤。本发明通过预测XR应用的链路延迟，根据链路延迟预测结果改变PCF的QoS策略，使得QoS策略能够提前改变，以适应未来将面临的链路延迟情况，从而为XR应用提供更强力的网络通道保障，使用户在使用XR设备中拥有更加舒适的沉浸式体验感。本发明广泛应用于通信技术领域。
Description
技术领域
本发明涉及通信技术领域，尤其是一种XR服务增强方法、计算机装置及存储介质。
背景技术
XR(扩展现实)是指通过智能人机界面(计算机技术和可穿戴设备构成的可感知部分)提供真实与虚拟相结合、人类与机器相交互的空间和环境，是一系列沉浸式和交互式技术的统称。XR包括VR(Virtual Reality，虚拟现实)、AR(Augmented Reality，增强现实)和MR(Mixed Reality，混合现实)等新型沉浸式技术。
XR服务支持应用程序能够从多个源输入或者输出到多个目的地，从而更有效的传递信息。对于沉浸式多模态XR应用，不同媒体组件之间的同步是至关重要的，如果不同媒体组件之间不同步，那么最终显示出来的结果将使观众感受不同步，从而对用户体验产生负面影响。
为了为用户提供沉浸式的用户体验，具有实时交互的XR服务通常需要非常低的往返时延。但是，由于通信网络自身负荷以及环境等因素的影响，运行XR应用的设备与通信核心网之间的链路延迟往往也处于变动状态，对XR服务质量造成负面影响。
术语解释：
XR：Extended Reality，扩展现实；
5GS：5G System，5G系统；
QoS：Quality of Service，服务质量；
AF：Application Function，应用功能；
NF：Network Function，网络功能：5G网络中核心网网元的英文缩写；
NEF：Network Exposure Function，网络能力开放功能；
PCF：Policy Control Function，策略控制功能；
UPF：User Plane Function，用户面功能；
NWDAF：Network Data Analytics Function网络数据分析功能。
发明内容
针对目前XR应用运行所依赖的通信网络链路存在的延迟变动等技术问题，本发明的目的在于提供一种XR服务增强方法、计算机装置及存储介质。
一方面，本发明实施例包括一种XR服务增强方法，包括：
获取当前对XR应用执行的Qos策略；
预测所述XR应用的链路延迟，获得链路延迟预测结果；
当所述链路延迟预测结果，超出当前执行的所述Qos策略中的链路延迟范围，对所述Qos策略进行更新；
对所述XR应用执行更新后的所述Qos策略。
进一步地，所述预测所述XR应用的链路延迟，获得链路延迟预测结果，包括：
获取所述XR应用的业务运行信息；
根据所述业务运行信息进行预测，获得上行链路延迟预测结果和下行链路延迟预测结果。
进一步地，所述根据所述业务运行信息进行预测，获得上行链路延迟预测结果和下行链路延迟预测结果，包括：
获取所述XR应用的各个业务类型各自对应的历史业务时长信息、历史数据吞吐量信息、历史上行链路延迟信息和历史下行链路延迟信息；
确定各所述业务类型各自对应的上行映射矩阵和下行映射矩阵；所述上行映射矩阵用于将对应相同业务类型的所述历史业务时长信息和所述历史数据吞吐量信息，映射为所述历史上行链路延迟信息；所述下行映射矩阵用于将对应相同业务类型的所述历史业务时长信息和所述历史数据吞吐量信息，映射为所述历史下行链路延迟信息；
根据所述业务运行信息，获取当前业务时长信息和当前数据吞吐量信息；
根据所述业务运行信息的业务类型，以相应的所述上行映射矩阵，将所述当前业务时长信息和所述当前数据吞吐量信息映射为所述上行链路延迟预测结果，以相应的所述下行映射矩阵，将所述当前业务时长信息和所述当前数据吞吐量信息映射为所述下行链路延迟预测结果。
进一步地，所述当所述链路延迟预测结果，超出当前执行的所述Qos策略中的链路延迟范围，对所述Qos策略进行更新，包括：
根据当前执行的所述Qos策略，确定上行链路延迟范围和下行链路延迟范围；
当所述上行链路延迟预测结果超出所述上行链路延迟范围，或者所述下行链路延迟预测结果超出所述下行链路延迟范围，更新所述Qos策略。
进一步地，所述当所述链路延迟预测结果，超出当前执行的所述Qos策略中的链路延迟范围，对所述Qos策略进行更新，包括：
根据当前执行的所述Qos策略，确定上行链路延迟范围和下行链路延迟范围；
当所述上行链路延迟预测结果超出所述上行链路延迟范围，且所述下行链路延迟预测结果超出所述下行链路延迟范围，更新所述Qos策略。
进一步地，所述当所述链路延迟预测结果，超出当前执行的所述Qos策略中的链路延迟范围，对所述Qos策略进行更新，包括：
根据当前执行的所述Qos策略，确定上行链路延迟范围和下行链路延迟范围；
确定所述XR应用的上行依赖度和下行依赖度；
当满足以下条件之一时，更新所述Qos策略：
所述上行依赖度大于所述下行依赖度，且所述上行链路延迟预测结果超出所述上行链路延迟范围；
或者
所述下行依赖度大于所述上行依赖度，且所述下行链路延迟预测结果超出所述下行链路延迟范围；
或者
所述上行依赖度等于所述下行依赖度，且所述上行链路延迟预测结果超出所述上行链路延迟范围，所述下行链路延迟预测结果超出所述下行链路延迟范围。
进一步地，所述确定所述XR应用的上行依赖度和下行依赖度，包括：
获取所述XR应用的历史业务信息、历史上行链路延迟信息和历史下行链路延迟信息；
根据所述历史业务信息和所述历史上行链路延迟信息进行回归计算，获得第一相关系数；
根据所述历史业务信息和所述历史下行链路延迟信息进行回归计算，获得第二相关系数；
以所述第一相关系数的绝对值作为所述上行依赖度，以所述第二相关系数的绝对值作为所述下行依赖度。
进一步地，所述更新所述Qos策略，包括：
请求下发新的Qos参数；
以新的Qos参数替换当前执行的所述Qos策略中的Qos参数，获得更新后的所述Qos策略。
另一方面，本发明实施例还包括一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例中的XR服务增强方法。
另一方面，本发明实施例还包括一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行实施例中的XR服务增强方法。
本发明的有益效果是：实施例中的XR服务增强方法，通过预测XR应用的链路延迟，根据链路延迟预测结果改变PCF的QoS策略，使得QoS策略能够提前改变，以适应未来将面临的链路延迟情况，从而为XR应用提供更强力的网络通道保障，使用户在使用XR设备中拥有更加舒适的沉浸式体验感。
附图说明
图1为实施例中XR服务增强方法的步骤示意图；
图2为实施例中XR服务增强方法的流程示意图；
图3为实施例中XR服务增强方法的原理示意图。
具体实施方式
本实施例中，参照图1，XR服务增强方法包括以下步骤：
S1.获取当前对XR应用执行的Qos策略；
S2.预测XR应用的链路延迟，获得链路延迟预测结果；
S3.当链路延迟预测结果，超出当前执行的Qos策略中的链路延迟范围，对Qos策略进行更新；
S4.对XR应用执行更新后的Qos策略。
步骤S1-S4可以应用在由用户设备UE和通信核心网所组成的通信系统中，本实施例中所称的链路是通信核心网与用户设备UE之间的通信链路。XR设备运行用于实现虚拟现实VR、增强现实AR或者和混合现实MR等功能的XR应用，通过XR应用，XR设备可以向用户提供沉浸式感官体验。
运行XR应用所需要的数据，可以由通信核心网通过链路发送至用户设备UE后，由用户设备UE发送至XR设备；运行XR应用所产生的数据，可以由XR设备发送至用户设备UE后，由用户设备UE后通过链路发送到通信核心网。
本实施例中，XR设备和用户设备UE属于用户侧，XR设备和用户设备UE可以是一体的，可以不区分XR设备和用户设备UE。
以5G通信系统为例，通信核心网包括应用功能AF、网络能力开放功能NEF、网络数据分析功能NWDAF、网络功能NFs、用户面功能UPF和策略控制功能PCF等网元。
本实施例中，在执行步骤S1-S4时，用户设备UE与通信核心网中的各网元所执行的处理流程如图2所示。
步骤S1中，获取核心网中的PCF当前对XR应用执行的Qos策略。本实施例中，PCF通过Qos策略，设定了上行链路延迟范围和下行链路延迟范围。执行Qos策略，可以将上行链路延迟超出上行链路延迟范围和/或下行链路延迟超出下行链路延迟范围的应用关闭掉，因此执行Qos策略可以形成一种安全机制，可以缓解用户设备UE面临的网络延迟和阻塞等问题。
本实施例中，步骤S2对应图2中的流程1-5。参照图2，在执行步骤S2时，可以在XR应用启动时，就由用户设备UE通过AF向NEF发起实时上下行链路延迟预测请求，请求获取未来一段时间的上下行链路延迟预测。NEF授权AF的请求，并向NWDAF转发AF的请求信息，向NWDAF订阅上下行链路延迟预测事件。NWDAF向NFs获取上下行链路延迟指标数据，简单来说，NWDAF向PCF发起QoS监测请求，请求包括监测吞吐量、上行链路延迟、下行链路延迟等指标数据，PCF将QoS监测策略下发给SMF，SMF再将QoS下发给基站和UPF，最终UPF将监测信息进行上报。NWDAF对这些指标数据进行分析，若历史指标数据和当前数据二者近似，即可参照历史延迟数据来进行预测未来的延迟，通过分析计算。NWDAF将得出的链路延迟预测延迟结果返回给NEF。NEF将链路延迟预测结果返回给AF。
具体地，在执行步骤S2，也就是预测XR应用的链路延迟，获得链路延迟预测结果这一步骤时，可以执行以下步骤：
S201.获取XR应用的业务运行信息；
S202.根据业务运行信息进行预测，获得上行链路延迟预测结果和下行链路延迟预测结果。
步骤S201中，所获取的XR应用的业务运行信息，可以包括XR应用所传输数据的业务类型，以及各个业务类型各自对应的业务时长信息、数据吞吐量信息、上行链路延迟信息和下行链路延迟信息等。
步骤S202中，先获取XR应用的各个业务类型各自对应的历史业务时长信息、历史数据吞吐量信息、历史上行链路延迟信息和历史下行链路延迟信息。这些信息的形式如表1所示。
表1
表1中，以第一行业务运行信息为例，其所表达的含义是：用户永久标识符为460000123456001的用户设备，其运行的XR应用所提供的一项类型为vonr的业务，其维持时长为30min，产生的数据吞吐量为1G，提供这项业务时所测得的上行链路延迟(具体可以是最大值或者平均值等)为15ms，下行链路延迟(具体可以是最大值或者平均值等)为18ms。
步骤S202中，对于表1所示的历史数据，确定各业务类型各自对应的上行映射矩阵和下行映射矩阵。
以XR应用所提供过的类型为video的业务为例，其对应的历史业务时长和历史吞吐量形成了(50min，1.5G)、(45min，2G)等矩阵，分别对应历史上行链路延迟为35ms、36ms。可以设定一个矩阵(x1,y1)T，能够将历史业务时长和历史吞吐量矩阵(50min，1.5G)映射为历史上行链路延迟为35ms，例如(50min，1.5G)(x1,y1)T≈35ms，同理(45min，2G)(x1,y1)T≈36ms。可以通过遍历或者迭代等方式，查找出合适的值x1,y1，使得通过(50min，1.5G)(x1,y1)T计算得到的值与35ms之间的偏差，与通过(45min，2G)(x1,y1)T计算得到的值与36ms之间的偏差的平均值最小，满足这样条件的矩阵(x1,y1)T为本实施例中的上行映射矩阵。
同理，可以设定一个矩阵(x2,y2)T，能够将历史业务时长和历史吞吐量矩阵(50min，1.5G)映射为历史上行链路延迟为35ms，例如(50min，1.5G)(x2,y2)T≈37ms，同理(45min，2G)(x2,y2)T≈38ms。可以通过遍历或者迭代等方式，查找出合适的值x2,y2，使得通过(50min，1.5G)(x2,y2)T计算得到的值与37ms之间的偏差，与通过(45min，2G)(x2,y2)T计算得到的值与38ms之间的偏差的平均值最小，满足这样条件的矩阵(x2,y2)T为本实施例中的下行映射矩阵。
步骤S202中，根据XR应用所提供的video业务的当前业务时长信息tvideo和当前数据吞吐量信息svideo，可以组成一矩阵(tvideo，svideo)，以相应的上行映射矩阵(x1,y1)T将矩阵(tvideo，svideo)映射为上行链路延迟预测结果tlatency_up，其中tlatency_up＝(tvideo，svideo)(x1,y1)T；以相应的下行映射矩阵(x2,y2)T将矩阵(tvideo，svideo)映射为下行链路延迟预测结果tlatency_down，其中tlatency_down＝(tvideo，svideo)(x2,y2)T。
通过执行步骤S201-S202，可以获得用户终端UE所运行的XR应用的链路延迟预测结果，包括上行链路延迟预测结果和下行链路延迟预测结果，能够表示用户终端UE在未来一段时间内，预期会面临的上行链路延迟和下行链路延迟。
本实施例中，步骤S3对应图2中的流程6-8。参照图2，在执行步骤S3时，AF根据上行链路延迟预测结果和下行链路延迟预测结果，分别比对Qos策略中的上行链路延迟范围和下行链路延迟范围，若偏差较小，则继续执行现有的Qos策略；若偏差过大，则向PCF发起新的QoS请求。PCF根据AF的请求，下发新的QoS参数并向相应NFs更新QoS参数。最后将PCF经过NEF将更新结果通知给AF。AF将更新后的QoS参数发送到用户终端UE，用户终端UE使用更新后的QoS参数替换掉当前执行的Qos策略中的QoS参数，从而实现对Qos策略的更新，实现了动态的对上行链路和下行链路的延迟的管理。
本实施例中，在执行步骤S3，也就是当链路延迟预测结果，超出当前执行的Qos策略中的链路延迟范围，对Qos策略进行更新这一步骤时，具体可以执行以下步骤：
S301A.根据当前执行的Qos策略，确定上行链路延迟范围和下行链路延迟范围；
S302A.当上行链路延迟预测结果超出上行链路延迟范围，或者下行链路延迟预测结果超出下行链路延迟范围，更新Qos策略。
步骤S301A-S302A是步骤S3的第一种执行方式。步骤S301A-S302A中，只要上行链路延迟预测结果超出上行链路延迟范围(例如上行链路延迟预测结果大于上行链路延迟范围的最大值，或者小于上行链路延迟范围的最小值)，或者下行链路延迟预测结果超出下行链路延迟范围(例如下行链路延迟预测结果大于下行链路延迟范围的最大值，或者小于下行链路延迟范围的最小值)，都对Qos策略进行更新。
本实施例中，在执行步骤S3，也就是当链路延迟预测结果，超出当前执行的Qos策略中的链路延迟范围，对Qos策略进行更新这一步骤时，具体可以执行以下步骤：
S301B.根据当前执行的Qos策略，确定上行链路延迟范围和下行链路延迟范围；
S302B.当上行链路延迟预测结果超出上行链路延迟范围，且下行链路延迟预测结果超出下行链路延迟范围，更新Qos策略。
步骤S301A-S302A的原理在于：无论是上行链路延迟预测结果超出上行链路延迟范围还是下行链路延迟预测结果超出下行链路延迟范围，都表明预期在未来一段时间内，用户终端UE将要面临的链路延迟已不符合当前执行的Qos策略的要求，将有可能对用户终端UE所运行的XR应用产生不利影响，因此对当前执行的Qos策略进行更新，以适应未来的链路延迟状况。步骤S301A-S302A中，上行链路和下行链路任一的延迟超出Qos策略所规定的范围，则进行Qos策略更新，可以保持Qos策略的灵活变动。
步骤S301B-S302B是步骤S3的第二种执行方式。步骤S301B-S302B中，只有上行链路延迟预测结果超出上行链路延迟范围(例如上行链路延迟预测结果大于上行链路延迟范围的最大值，或者小于上行链路延迟范围的最小值)，以及下行链路延迟预测结果超出下行链路延迟范围(例如下行链路延迟预测结果大于下行链路延迟范围的最大值，或者小于下行链路延迟范围的最小值)同时成立时，才对Qos策略进行更新。
步骤S301B-S302B的原理在于：无论是上行链路延迟预测结果超出上行链路延迟范围还是下行链路延迟预测结果超出下行链路延迟范围，都表明预期在未来一段时间内，用户终端UE将要面临的链路延迟已不符合当前执行的Qos策略的要求，将有可能对用户终端UE所运行的XR应用产生不利影响，因此对当前执行的Qos策略进行更新，以适应未来的链路延迟状况。步骤S301B-S302B中，只有上行链路和下行链路的延迟均超出Qos策略所规定的范围，才进行Qos策略更新，可以避免Qos策略频繁变动。
本实施例中，在执行步骤S3，也就是当链路延迟预测结果，超出当前执行的Qos策略中的链路延迟范围，对Qos策略进行更新这一步骤时，具体可以执行以下步骤：
S301C.根据当前执行的Qos策略，确定上行链路延迟范围和下行链路延迟范围；
S302C.确定XR应用的上行依赖度和下行依赖度；
S303C.当满足以下条件(1)-(3)之一时，更新Qos策略：
(1)上行依赖度大于下行依赖度，且上行链路延迟预测结果超出上行链路延迟范围；
(2)下行依赖度大于上行依赖度，且下行链路延迟预测结果超出下行链路延迟范围；
(3)上行依赖度等于下行依赖度，且上行链路延迟预测结果超出上行链路延迟范围，下行链路延迟预测结果超出下行链路延迟范围。
步骤S301C-S303C是步骤S3的第三种执行方式。
在执行步骤S302C时，可以获取XR应用的历史业务信息、历史上行链路延迟信息和历史下行链路延迟信息，其中历史业务信息可以包括历史业务时长和历史吞吐量等。这些信息的形式如表1所示。
在执行步骤S302C时，以历史业务信息为历史业务时长为例，可以以历史上行链路延迟信息作为自变量，以历史业务时长作为因变量，根据表1中的多个历史上行链路延迟信息数据和历史业务时长数据，执行线性回归计算，获得第一相关系数(相当于对多个历史上行链路延迟信息数据和历史业务时长数据进行拟合，所得到的直线的斜率)；以历史下行链路延迟信息作为自变量，以历史业务时长作为因变量，根据表1中的多个历史下行链路延迟信息数据和历史业务时长数据，执行线性回归计算，获得第二相关系数(相当于对多个历史下行链路延迟信息数据和历史业务时长数据进行拟合，所得到的直线的斜率)。
步骤S302C中，所得到的第一相关系数可以表示上行链路延迟对业务时长的影响的敏感程度，第一相关系数的绝对值越大，则XR应用面临的上行链路延迟对其维持的业务时长的影响越大，因此第一相关系数可以定量表示XR应用的服务质量对上行链路的依赖程度，即上行依赖度。同理，所得到的第二相关系数可以表示下行链路延迟对业务时长的影响的敏感程度，第二相关系数的绝对值越大，则XR应用面临的下行链路延迟对其维持的业务时长的影响越大，因此第二相关系数可以定量表示XR应用的服务质量对下行链路的依赖程度，即下行依赖度。
步骤S303C中，如果上行依赖度大于下行依赖度，那么可以认为XR应用的服务质量受到上行链路的影响比下行链路更大，那么可以只考虑上行链路的影响，执行条件(1)，也就是在上行链路延迟预测结果超出上行链路延迟范围时，更新Qos策略，而不考虑下行链路延迟预测结果是否超出下行链路延迟范围，从而简化判断过程，减少不重要因素的影响，有利于通信系统的稳定。
同理，步骤S303C中，如果下行依赖度大于上行依赖度，那么可以认为XR应用的服务质量受到下行链路的影响比上行链路更大，那么可以只考虑下行链路的影响，执行条件(2)，也就是在下行链路延迟预测结果超出下行链路延迟范围时，更新Qos策略，而不考虑上行链路延迟预测结果是否超出上行链路延迟范围，从而简化判断过程，减少不重要因素的影响，有利于通信系统的稳定。
同理，步骤S303C中，如果上行依赖度等于下行依赖度，那么可以认为XR应用的服务质量受到下行链路的影响与受到上行链路的影响是同等大小，那么可以同时考虑上行链路和下行链路的影响，执行条件(3)，也就是在上行链路延迟预测结果超出上行链路延迟范围，同时下行链路延迟预测结果超出下行链路延迟范围时，更新Qos策略，有利于Qos策略动态适应通信链路的状态变化。
本实施例中，步骤S4对应图2中的流程9-13。参照图2，在执行步骤S4时，AF发起向用户设备UE的多模数据采集，将从用户设备UE上采集到视频数据、语音数据、压力数据等数据。从用户设备UE上采集到的数据返回给AF。AF对这些原始数据进行处理加工，根据需要转化为所需要的数据形式进行展现或者等待上传至AF服务器进行进一步处理的操作。用户设备UE进行上行数据业务时，会采取最新的QoS来保证上行链路数据业务；同理，用户设备UE进行上行数据业务时，会采取最新的QoS来保证下行链路数据业务。
本实施例中，在步骤S1-S4的原理可以总结为图3所示。参照图3，在执行步骤S1-S4时，NWDAF从5GS采集到历史上下行信息数据，比如历史上下行链路延迟、业务类型、业务时常、吞吐量等等信息；根据这些数据对上行链路的历史延迟数据做数据清洗、计算、分析等等一系列操作，从而从大量历史数据中预测XR应用在上行链路的延迟值；随后对历史下行数据进行分析来预测下行链路的延迟值，这个过程和上行链路的延迟值是同理的。最终得出上行链路延迟值和下行链路延迟值并一并返回给XR应用。XR应用根据当前QoS策略的上行延迟范围和下行延迟范围来比对预测出的上行链路延迟值和下行链路延迟值，只要预测出的上行链路延迟值和下行链路延迟值其中任意值偏离QoS策略的范围，则XR立刻请求PCF下发新的QoS来保障上行链路和下行链路的延迟值。
本实施例中的XR服务增强方法，通过预测XR应用的链路延迟，根据链路延迟预测结果改变PCF的QoS策略，使得QoS策略能够提前改变，以适应未来将面临的链路延迟情况，从而为XR应用提供更强力的网络通道保障，使用户在使用XR设备中拥有更加舒适的沉浸式体验感。
具体地，现有技术在上下行链路的延迟控制上采取的是整体控制，即上行链路采用什么QoS，下行链路就会采用什么QoS。实际上XR应用能够收集到多种类型的数据，也能够产出多种类型的数据，不同类型的数据在网络中传输时所能承受的时延是不尽相同的，如：视觉数据相对于触觉数据的传输时延应小于15ms，否则，用户体验将大打折扣。XR流量在往返传输期间，上行链路延迟需求和下行链路延迟需求通常是不平衡的，而且上行链路延迟需求自身和下行链路延迟需求自身通常也是可变的。例如，可穿戴设备从用户设备收集到多模态数据，假定上行链路发送语音数据，而下行链路传送了视频数据，相较于语音数据，视频数据对时延的要求更为苛刻。
本实施例中的XR服务增强方法，通过分别考察上行链路延迟预测结果与Qos策略中的上行链路延迟范围的大小关系，以及下行链路延迟预测结果与Qos策略中的下行链路延迟范围的大小关系，从而分别对Qos策略进行调整更新，能够进一步优化上下行链路这种不平衡的延迟需求。
可以通过编写执行本实施例中的XR服务增强方法的计算机程序，将该计算机程序写入至存储介质或者计算机装置中，当计算机程序被读取出来运行时，执行本实施例中的XR服务增强方法，从而实现与实施例中的XR服务增强方法相同的技术效果。
需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本实施例描述的过程的操作，除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本实施例所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种XR服务增强方法，其特征在于，所述XR服务增强方法包括：
获取当前对XR应用执行的Qos策略；
预测所述XR应用的链路延迟，获得链路延迟预测结果；
当所述链路延迟预测结果，超出当前执行的所述Qos策略中的链路延迟范围，对所述Qos策略进行更新；
对所述XR应用执行更新后的所述Qos策略。
2.根据权利要求1所述的XR服务增强方法，其特征在于，所述预测所述XR应用的链路延迟，获得链路延迟预测结果，包括：
获取所述XR应用的业务运行信息；
根据所述业务运行信息进行预测，获得上行链路延迟预测结果和下行链路延迟预测结果。
3.根据权利要求2所述的XR服务增强方法，其特征在于，所述根据所述业务运行信息进行预测，获得上行链路延迟预测结果和下行链路延迟预测结果，包括：
获取所述XR应用的各个业务类型各自对应的历史业务时长信息、历史数据吞吐量信息、历史上行链路延迟信息和历史下行链路延迟信息；
确定各所述业务类型各自对应的上行映射矩阵和下行映射矩阵；所述上行映射矩阵用于将对应相同业务类型的所述历史业务时长信息和所述历史数据吞吐量信息，映射为所述历史上行链路延迟信息；所述下行映射矩阵用于将对应相同业务类型的所述历史业务时长信息和所述历史数据吞吐量信息，映射为所述历史下行链路延迟信息；
根据所述业务运行信息，获取当前业务时长信息和当前数据吞吐量信息；
根据所述业务运行信息的业务类型，以相应的所述上行映射矩阵，将所述当前业务时长信息和所述当前数据吞吐量信息映射为所述上行链路延迟预测结果，以相应的所述下行映射矩阵，将所述当前业务时长信息和所述当前数据吞吐量信息映射为所述下行链路延迟预测结果。
4.根据权利要求2所述的XR服务增强方法，其特征在于，所述当所述链路延迟预测结果，超出当前执行的所述Qos策略中的链路延迟范围，对所述Qos策略进行更新，包括：
根据当前执行的所述Qos策略，确定上行链路延迟范围和下行链路延迟范围；
当所述上行链路延迟预测结果超出所述上行链路延迟范围，或者所述下行链路延迟预测结果超出所述下行链路延迟范围，更新所述Qos策略。
5.根据权利要求2所述的XR服务增强方法，其特征在于，所述当所述链路延迟预测结果，超出当前执行的所述Qos策略中的链路延迟范围，对所述Qos策略进行更新，包括：
根据当前执行的所述Qos策略，确定上行链路延迟范围和下行链路延迟范围；
当所述上行链路延迟预测结果超出所述上行链路延迟范围，且所述下行链路延迟预测结果超出所述下行链路延迟范围，更新所述Qos策略。
6.根据权利要求2所述的XR服务增强方法，其特征在于，所述当所述链路延迟预测结果，超出当前执行的所述Qos策略中的链路延迟范围，对所述Qos策略进行更新，包括：
根据当前执行的所述Qos策略，确定上行链路延迟范围和下行链路延迟范围；
确定所述XR应用的上行依赖度和下行依赖度；
当满足以下条件之一时，更新所述Qos策略：
所述上行依赖度大于所述下行依赖度，且所述上行链路延迟预测结果超出所述上行链路延迟范围；
或者
所述下行依赖度大于所述上行依赖度，且所述下行链路延迟预测结果超出所述下行链路延迟范围；
或者
所述上行依赖度等于所述下行依赖度，且所述上行链路延迟预测结果超出所述上行链路延迟范围，所述下行链路延迟预测结果超出所述下行链路延迟范围。
7.根据权利要求6所述的XR服务增强方法，其特征在于，所述确定所述XR应用的上行依赖度和下行依赖度，包括：
获取所述XR应用的历史业务信息、历史上行链路延迟信息和历史下行链路延迟信息；
根据所述历史业务信息和所述历史上行链路延迟信息进行回归计算，获得第一相关系数；
根据所述历史业务信息和所述历史下行链路延迟信息进行回归计算，获得第二相关系数；
以所述第一相关系数的绝对值作为所述上行依赖度，以所述第二相关系数的绝对值作为所述下行依赖度。
8.根据权利要求4-7任一项所述的XR服务增强方法，其特征在于，所述更新所述Qos策略，包括：
请求下发新的Qos参数；
以新的Qos参数替换当前执行的所述Qos策略中的Qos参数，获得更新后的所述Qos策略。
9.一种计算机装置，其特征在于，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行权利要求1-8任一项所述的XR服务增强方法。
10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行权利要求1-8任一项所述的XR服务增强方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310086717.1A CN116233871B (zh) | 2023-01-17 | 2023-01-17 | 一种xr服务增强方法、计算机装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310086717.1A CN116233871B (zh) | 2023-01-17 | 2023-01-17 | 一种xr服务增强方法、计算机装置和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116233871A true CN116233871A (zh) | 2023-06-06 |
| CN116233871B CN116233871B (zh) | 2023-12-15 |
Family
ID=86583817
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310086717.1A Active CN116233871B (zh) | 2023-01-17 | 2023-01-17 | 一种xr服务增强方法、计算机装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116233871B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102362539A (zh) * | 2009-01-28 | 2012-02-22 | 海德沃特合作I有限公司 | 设备辅助服务的服务质量 |
| WO2016091298A1 (en) * | 2014-12-10 | 2016-06-16 | Nokia Solutions And Networks Oy | Updating flow-specific qos policies based on information reported from base station |
| CN106789677A (zh) * | 2017-02-20 | 2017-05-31 | 上海大学 | 基于SDN的支持QoS的多播路由构建方法及系统 |
| CN109039951A (zh) * | 2018-07-10 | 2018-12-18 | 中国地质大学（武汉） | 一种异构网络QoS策略的实现方法及系统 |
| US20190116516A1 (en) * | 2009-01-28 | 2019-04-18 | Headwater Research Llc | Quality of service for device assisted services |
| CN109787846A (zh) * | 2019-03-27 | 2019-05-21 | 湖北大学 | 一种5g网络服务质量异常监测和预测方法及系统 |
| CN110766164A (zh) * | 2018-07-10 | 2020-02-07 | 第四范式（北京）技术有限公司 | 用于执行机器学习过程的方法和系统 |
| CN111200846A (zh) * | 2018-11-19 | 2020-05-26 | 华为技术有限公司 | 时延敏感网络通信方法及其装置 |
| CN111757296A (zh) * | 2019-03-28 | 2020-10-09 | 大众汽车有限公司 | 用于车辆和用于基站的方法、设备及计算机程序 |
| CN111866987A (zh) * | 2019-04-29 | 2020-10-30 | 华为技术有限公司 | 一种通信方法及装置 |
| US20210029589A1 (en) * | 2018-03-28 | 2021-01-28 | Nec Corporation | Management server, wireless access node, communication system, communication method, resource management method, and computer readable medium |
| US20210410002A1 (en) * | 2020-05-19 | 2021-12-30 | Samsung Electronics Co., Ltd. | Method and apparatus for quality of service handling in wireless communication system |
| CN114125924A (zh) * | 2021-11-30 | 2022-03-01 | 中国联合网络通信集团有限公司 | Tsn业务的处理方法、装置及计算机可读存储介质 |
| CN114189908A (zh) * | 2021-12-17 | 2022-03-15 | 中国联合网络通信集团有限公司 | 通信方法、装置、设备及存储介质 |
| US20220156277A1 (en) * | 2020-11-13 | 2022-05-19 | International Business Machines Corporation | Data synchronization in a data analysis system |
| CN114567588A (zh) * | 2022-04-27 | 2022-05-31 | 南京邮电大学 | 基于时延预测及双蚁群的软件定义网络QoS路由算法 |
| CN115499859A (zh) * | 2022-11-16 | 2022-12-20 | 中国移动通信有限公司研究院 | 一种基于nwdaf对计算资源的管理和决策的方法 |
-
2023
- 2023-01-17 CN CN202310086717.1A patent/CN116233871B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190116516A1 (en) * | 2009-01-28 | 2019-04-18 | Headwater Research Llc | Quality of service for device assisted services |
| CN102362539A (zh) * | 2009-01-28 | 2012-02-22 | 海德沃特合作I有限公司 | 设备辅助服务的服务质量 |
| WO2016091298A1 (en) * | 2014-12-10 | 2016-06-16 | Nokia Solutions And Networks Oy | Updating flow-specific qos policies based on information reported from base station |
| CN106789677A (zh) * | 2017-02-20 | 2017-05-31 | 上海大学 | 基于SDN的支持QoS的多播路由构建方法及系统 |
| US20210029589A1 (en) * | 2018-03-28 | 2021-01-28 | Nec Corporation | Management server, wireless access node, communication system, communication method, resource management method, and computer readable medium |
| CN109039951A (zh) * | 2018-07-10 | 2018-12-18 | 中国地质大学（武汉） | 一种异构网络QoS策略的实现方法及系统 |
| CN110766164A (zh) * | 2018-07-10 | 2020-02-07 | 第四范式（北京）技术有限公司 | 用于执行机器学习过程的方法和系统 |
| CN111200846A (zh) * | 2018-11-19 | 2020-05-26 | 华为技术有限公司 | 时延敏感网络通信方法及其装置 |
| CN109787846A (zh) * | 2019-03-27 | 2019-05-21 | 湖北大学 | 一种5g网络服务质量异常监测和预测方法及系统 |
| CN111757296A (zh) * | 2019-03-28 | 2020-10-09 | 大众汽车有限公司 | 用于车辆和用于基站的方法、设备及计算机程序 |
| CN111866987A (zh) * | 2019-04-29 | 2020-10-30 | 华为技术有限公司 | 一种通信方法及装置 |
| US20210410002A1 (en) * | 2020-05-19 | 2021-12-30 | Samsung Electronics Co., Ltd. | Method and apparatus for quality of service handling in wireless communication system |
| CN115669050A (zh) * | 2020-05-19 | 2023-01-31 | 三星电子株式会社 | 用于无线通信系统中的服务质量处理的方法和装置 |
| US20220156277A1 (en) * | 2020-11-13 | 2022-05-19 | International Business Machines Corporation | Data synchronization in a data analysis system |
| CN114125924A (zh) * | 2021-11-30 | 2022-03-01 | 中国联合网络通信集团有限公司 | Tsn业务的处理方法、装置及计算机可读存储介质 |
| CN114189908A (zh) * | 2021-12-17 | 2022-03-15 | 中国联合网络通信集团有限公司 | 通信方法、装置、设备及存储介质 |
| CN114567588A (zh) * | 2022-04-27 | 2022-05-31 | 南京邮电大学 | 基于时延预测及双蚁群的软件定义网络QoS路由算法 |
| CN115499859A (zh) * | 2022-11-16 | 2022-12-20 | 中国移动通信有限公司研究院 | 一种基于nwdaf对计算资源的管理和决策的方法 |
Non-Patent Citations (2)
| Title |
|---|
| SAMSUNG: "KI #1: New solution on multi-modality support for single UE", SA WG2 MEETING #151E E-MEETING S2-2204117, pages 1 - 2 * |
| SAMSUNG: "KI #2: New solution on multi-modality support among multiple UEs", SA WG2 MEETING #151E E-MEETING S2-2204118, pages 1 - 2 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116233871B (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10686843B2 (en) | Authorization policy recommendation method and apparatus, server, and storage medium | |
| US10652360B2 (en) | Access scheduling method and apparatus for terminal, and computer storage medium | |
| US10313746B2 (en) | Server, client and video processing method | |
| US8938740B2 (en) | Resource allocation apparatus, resource allocation method, and computer readable medium | |
| CN110569252B (zh) | 一种数据处理系统及方法 | |
| CN107995286B (zh) | 基于dubbo平台的服务自动启停方法、服务器及存储介质 | |
| CN114924851A (zh) | 训练任务的调度方法、装置、电子设备和存储介质 | |
| US20210192217A1 (en) | Method and apparatus for processing video | |
| US20170156018A1 (en) | Method And Electronic Device For Online Tuning Application | |
| CN112667368B (zh) | 一种任务数据处理方法和装置 | |
| CN112596820A (zh) | 一种资源加载方法、装置、设备以及存储介质 | |
| CN112383305A (zh) | 时钟恢复方法、装置、设备及可读存储介质 | |
| CN110674526B (zh) | 异步加密实现方法、装置、设备及可读存储介质 | |
| CN111506181B (zh) | 设备亮度自动调节方法、装置、设备及存储介质 | |
| CN109634812B (zh) | Linux系统的进程CPU占用率控制方法、终端设备及存储介质 | |
| CN116233871B (zh) | 一种xr服务增强方法、计算机装置和存储介质 | |
| CN112214303A (zh) | Kubernetes集群自动缩放系统 | |
| CN113159318B (zh) | 一种神经网络的量化方法、装置、电子设备及存储介质 | |
| CN116756444B (zh) | 图像处理方法、装置、设备以及存储介质 | |
| CN112685481B (zh) | 一种数据处理方法和装置 | |
| CN109920417B (zh) | 一种语音处理方法、装置、设备和存储介质 | |
| CN112422962B (zh) | 一种控制视频编码层的方法及装置 | |
| CN114612337A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN103873890A (zh) | 拍照软件的流量控制方法及系统 | |
| CN107295340A (zh) | 一种远程桌面视频编码的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |