面向電力通信可穿戴多點遠程協同運維的視頻速率優化方法

林密十 洪杰 于祝芳　李博

摘要：電力通信網現場運維對于電力通信網以及智能電網的穩定和有效運營至關重要，為了保證電力通信網現場運維作業質量和提高運維作業效率，提出了一種多點遠程協同視頻通信架構，基于Openfire和WebRTC搭建了即時通信系統，促進運維作業消息的流通，提高運維作業效率。針對目前WebRTC的擁塞控制算法不能根據網絡情況實時、準確自適應視頻流數據發送速率，在基于時延的擁塞控制算法和基于丟包的擁塞控制算法的基礎上，提出了一種基于網絡質量感知的視頻速率優化方法，該算法能夠有效感知網絡質量并優化視頻發送速率。提供了對提出算法的實驗評估，并通過模擬結果提供了與WebRTC適配的擁塞控制算法的對比分析。

關鍵詞：電力通信網;現場運維;WebRTC;視頻速率優化方法

中圖分類號：TP273.5

文獻標識碼：A

隨著智能用電、智慧城市、新能源及電動汽車等新型智能電網業務的發展和應用，作為智能電網不可或缺的信息和通信基礎支撐，電力通信網的穩定和有效運營至關重要，而這需要科學化、智能化、精確化的運維管理，特別是現場運維來保障。由于電力通信現場運維場景復雜、設備眾多、人員素質參差不齊，且實時的現場運維數據有效交互的手段和支撐工具缺乏，現場運維作業依賴個人經驗和本地信息，無法對現場環節進行實時管控、輔助指導和決策確認，導致電力通信網現場運維作業效率低和運維作業質量無法保證。目前，主流的解決方案是利用手機、可穿戴終端、平板電腦等具備通信功能的智能終端，實現現場信息的感知以及與后端管理和技術人員間的實時交互，保障現場運維質量和效率[1]。其中，可穿戴終端不僅具備與手機、平板電腦等相同的圖片、視頻數據采集能力和實時數據通信能力，還能夠通過可穿戴形式解放雙手，實現數據采集、通信和作業運維的同步化，進一步提升數據信息的有效性和運維作業效率，成為電力通信網現場運維的理想選擇之一[2]。

在基于可穿戴終端的電力通信網現場運維中，參與同一運維業務的多個現場運維人員、技術支撐專家和調度管理人員大多位于不同的地點，通常采用多點遠程視頻協同來實時交互場景感知信息、指導信息和業務執行反饋信息，保證運維業務執行的準確性和高效性[3]。多點遠程視頻協同的關鍵是實時性，對視頻數據速率要求較嚴格，但是電力通信網現場運維通常涉及變電站內、機房、室外、野外等環境，同時還存在內外網之分，網絡存在著各種限制因素，容易造成網絡利用效率低下，導致數據包丟失，數據傳輸延遲增大。因此，需要結合實際電力通信現場支撐網絡情況和具體運維業務，對可穿戴多點遠程協同進行優化，設計視頻數據速率優化方法，優化網絡帶寬利用，提升視頻數據傳輸效率。

Openfire[4]是基于XMPP公開協議的實時協作服務器，用來構建高效率的即時通信服務器，通信雙方在Openfire服務器注冊一個會話，并以服務器為中繼實時進行數據交互，視頻流數據通過服務器中轉，一定程度上影響了數據時延。WebRTC（ WebReal-Time Communication，網頁實時通信）是一種支持網頁瀏覽器進行實時語音對話或視頻對話的技術[5]，可以跨平臺建立視頻通話的P2P連接，支持為多個用戶同時建立視頻通話連接，其視頻流數據不經過服務器，在一定程度上降低了網絡時延。但其在移動網絡環境下的性能表現不佳，網絡延時和丟包率高，容易發生網絡擁塞造成視頻卡頓，降低用戶的體驗質量，因此，還需要進行相應的傳輸擁塞控制。

已有的傳輸擁塞控制方法主要分兩種：視頻流碼率控制與網絡傳輸控制。前者依據網絡傳輸信道質量來調整編碼參數，生成適合的視頻流，使傳輸需要的帶寬盡可能小并提升動態帶寬的利用率。后者依據網絡帶寬自適應地調節視頻數據發送量，當網絡帶寬良好時，減小視頻數據丟棄率，增加數據發送速率，反之亦然。兩種方法各有優勢也各有缺陷，前者控制視頻碼率，但對觸發碼率調整時機及碼率切換中視頻數據的平滑傳輸有所欠缺;后者依據網絡帶寬變化調整視頻數據發送與丟棄，但忽略了對視頻流自身對動態網絡帶寬的自適應性。因此，需要結合兩種方法的優勢，依據網絡狀況，結合視頻數據丟包率和視頻碼率調整，研究基于網絡質量感知的視頻速率優化控制方法，有效支撐電力通信網現場運維。

Chrome瀏覽器為WebRTC適配了一個擁塞控制算法RRTCC（ Receiver-side Real-time CongestionControl），該算法能夠在一定程度根據網絡情況自適應視頻流數據發送速率，但是該算法針對發送速率的調整方式過于簡單、粗放.利用網絡帶寬不夠充分，時延和丟包率依然較高[6]?；谏鲜龇治?，本文基于視頻接收端數據速率和丟包情況分析統計，視頻發送端依據接收端數據速率和丟包分析處理，對當前數據傳輸速率進行調整，研究包括速率大小調整和增量調整的數據傳輸速率調整策略。同時，結合WebRTC的數據包協議特點，通過感知網絡質量及其變化趨勢，采用增量探測的方法，實現網絡接收端遠程數據速率控制。發送端與接收端聯合優化視頻發送數據速率，給出適合當前網絡質量的數據傳輸速率，進而提出基于網絡質量感知的視頻速率優化方法。仿真驗證了該方法能夠依據網絡質量實時動態調整視頻流數據發送速率，進一步提高帶寬利用率，降低網絡擁塞的可能性。

本文共分5節，第2節詳細介紹了面向電力通信可穿戴多點遠程協同運維的視頻通信架構;第3節提出了基于網絡質量感知的視頻速率優化方法;第4節仿真數據分析，驗證所提方法的合理性;第5節給出結論。

1 多點遠程協同視頻通信架構

基于Openfire和WebRTC的電力通信現場可穿戴多點遠程協同運維通信架構主要由三部分組成：智能可穿戴運維終端、智能運維平臺以及面向可穿戴多點遠程協同運維的即時通信系統，如圖1所示。

智能可穿戴運維終端主要指可穿戴AR（ Aug-mented Reality）眼鏡，利用增強現實技術，通過與調度管理人員和技術專家之間的信息互動，支持現場信息實時感知、作業實時指導、運維結果實時確認反饋等。同時解放雙手，實現信息交互和運維操作的同步化，使得現場運維作業更精確、更可控，運維人員更便捷。

智能運維平臺主要實現現場感知信息分析、運維工單管理和調度、運維知識庫和指導書的生成及更新等支撐功能，支持調度人員對工單的派送、作業適配、信息支撐和執行結果確認反饋，支持技術專家依工單信息對現場運維進行實時指導等。二者的功能通過基于Openfire和WebRTC的即時通信系統的多點遠程視頻協同來實現。

電力通信現場運維的單個工單業務在具體執行時，通常根據地域和資源等因素拆分為數個子工單，各子工單獨立執行但執行過程中相互影響，甚至某子工單的進程依賴于另一子工單的執行進程[7]。需要多個子工單運維人員實時交互信息，即多個運維終端相互之之間需要實時視頻交互。因此，即時通信系統需要支持運維人員、調度人員、技術專家三方人員3個點以上的遠程協同視頻通信，至此持續性的點對點視頻連接。本文利用Openfire服務器注冊會話并保持的特性來構建上述即時通信系統，為了保證數據時延，采用WebRTC的視頻流數據不經過服務器的特性，來建立視頻通話的點對點連接。

基于Openfire和WebRTC的即時通信系統主要包括兩部分：基于WebRTC的點對點視頻數據流通信和基于Openfire的信令消息數據通信。前者利用WebRTC技術，在通過信令消息傳遞建立點對點連接后，直接傳輸視頻流數據，降低網絡時延。后者則通過Openfire服務器的連接管理、消息解析、消息路由、消息發送等核心功能，采用C/S架構，服務器僅負責為連接在其上的客戶端提供會話注冊服務和元數據傳遞服務，服務器壓力大幅度緩解。

在基于WebRTC的點對點連接建立的過程中，兩個客戶端之間經過Openfire服務器傳遞元數據[8]，通過元數據實現點對點連接的建立和管控。元數據主要包括兩種：網絡通信連接的元數據和通信內容的元數據。前者包括IP地址、NAT網絡地址翻譯和防火墻等，后者包括打開/關閉對話（ session）的命令、媒體文件的元數據（編碼格式、媒體類型和帶寬）等。視頻流和信令消息流分開傳輸，兩個部分相互配合，有效利用了Openfire和WebRTC的優勢，不僅建立了持續、可靠、可控的即時通信系統，同時還能夠有效的降低網絡時延，緩解服務器的壓力。此外，還具有易部署、可擴展、網絡需求自適應、效率高等特點。

2 基于網絡質量感知的視頻速率優化方法

在圖1所示的面向可穿戴運維的多點遠程視頻協同的通信架構下，即時通信系統的視頻速率優化核心在于WebRTC點對點視頻交互數據速率的優化。WebRTC使用的實時數據傳輸協議是RTP（ Real-time Transport Protocol），也是流媒體傳輸常用的協議，但是由于RTP只保證實時數據傳輸，不提供流量控制或擁塞控制，需要依靠RTCP（ Real-time Transport Control Protocol）來實現不同的場景和需求下的擁塞控制策略。面向可穿戴運維的WebRTC視頻速率優化基本框架如圖2所示。發送端發送RTP包，同時接受接收端的RTCP REMB（ Receiver Estimated Maximum Bitrate）反饋消息，依據該反饋消息發送端調整自己的數據傳輸速率，達到感知網絡質量并優化視頻速率的目的。

（1）接收端具體步驟如下：

1）到達時間濾波

4）REMB處理

將計算所得的接受速率R_r，（t_i）通過REMB消息隨RTCP反饋包發送至視頻流數據發送端，同時將丟包率PLR（t_i）通過RTCP -起反饋給發送端。overuse時，降低接收速率以平衡時延;當s為un一deruse時，增加接受速率以提升帶寬利用率。具體調整方式如式（3）所示，其中R_r（t_i）為最近500 ms內的平均接受速率，λ1，λ2分別為接收速率降低因子和增長因子。

根據計算后的發送速率采用視頻編解碼等速率控制方法優化當前數據包的發送速率[11-12]，實現視頻數據流速率對網絡狀況的有效適應和匹配。

3 仿真實驗

本文對Chromium瀏覽器內的WebRTC模塊進行修改以實現本文提出的數據傳輸機制，并利用WebRTC官方提供的API搭建實時流媒體服務器作為實驗平臺[13]，將提出的新算法與原生算法分別同步開啟P2P音視頻會話，進行對比實驗。為了保證實驗數據的偶然性，進行了多次對比實驗，實驗對比數據如下：

通過對比每組實驗數據，可以發現本文使用的算法的傳輸速率更高，延時更低且離散程度更小，丟包率也更小，同時傳輸速率更高也意味著單位時間內傳輸的數據更多，傳輸效率更高，能耗更低。

圖3給出了在第二組實驗中，傳輸速率隨時間變化的情況，可以看出本文提出的算法傳輸速率波動范圍明顯小于RRTCC算法，對帶寬利用率更高。并且傳輸速率穩定之后，本文使用的算法傳輸速率明顯高于RRTCC算法，相同時間內傳輸數據量更多，這也證實了本文算法的有效性，具有提高帶寬利用率，保證視頻通話質量的作用。

圖4和圖5給出了在第二組實驗中，傳輸速率隨時延和丟包率變化的情況，可以看出在網絡狀態良好，即網絡帶寬充裕的情況下，傳輸速率受時延和丟包率的影響較小，帶寬利用率較高。在網絡帶寬不充裕甚至發生網絡擁塞的情況下，傳輸速率迅速下降，視頻通話質量嚴重下降，但是本文提出的算法相比較于RRTCC算法，在相同網絡情況即網絡帶寬使用率相同的情況下傳輸速率更高，這也證實了本文算法的有效性。

4 結論

解決了面向電力通信可穿戴運維多點遠程協同運維的視頻速率優化的問題。首先提出了基于Openfire和WebRTC的多點遠程協同視頻通信架構，實現電力通信網現場運維作業的遠程指導，促進運維作業數據的流通，保證運維作業質量，提高運維作業效率。此外，提出基于網絡質量感知的視頻速率優化方法，該方法在感知網絡質量基礎上優化視頻發送速率，提高網絡帶寬利用率，降低網絡擁塞發生的可能性。實驗結果表明，在同等網絡情況下與現有的網絡擁塞控制算法相比，提出的基于網絡質量感知的視頻速率優化方法，視頻流數據傳輸速率更高，延時更低且離散程度更小，丟包率更小。同時傳輸速率更高也意味著單位時間內傳輸的數據更多，能耗更低，具有更佳的實際應用效果。

參考文獻

[1]周依能.智能電網背景下的配電運維一體化建設分析[J].無線互聯科技，2015（ 24）：137-138.

[2]彭博.AR技術在變電動態運維關鍵技術中的應用[J]科技創新導報，2017 ，14（ 34）：13-14.

[3]

SHAO Z，WANC Y，CHEN X，et al."A network risk assessmentmethodology for power communication business"[C].2016 IEEEIntemational Conference on Network Infrastructure and DigitalContent （IC-NIDC）， Beij ing， 2016： 40-43.

[4]

BORDERS K，FALK L， PRAKASH A. "OpenFire： using deceptionto reduce network attacks" [C].2007 Third IntemationalConference on Security and Privacy in Communications Networksand the Workshops - SecureComm 2007， Nice， France， 2007：224-233.

[5] JOHNSTON A， YOAKUM J， SINCH K.“Taking on webRTC in anenterprise" [C]. in IEEE Communications Magazine，2013，15（4）：48-54.

[6]

SINGH V， ABELLO LOZANO A， OTT J."Performance Analysis ofReceive-Side Real-Time Congestion Control for WebRTC”[C].2013 20th International Packet Video Workshop， San Jose， CA，2013：1-8.

[7]夏丹妮，朱勝華，張超，等.電力通信網電子工單運維系統設計[J].江蘇科技信息，2017（ 33）：64-65+70.

[8]劉聰睿，劉振宇，杜軍，等，基于Openfire推送服務的消息防丟失機制[J].西安工程大學學報，2017，31（02）：221-224+250.

[9] FAN W，LI J，TANG N，YU W. "Incremental detection ofinconsistencies in distributed data"[C]. 2012 IEEE 28thIntemational Conference on Data Engineering， Washington， DC，2012：318-329.

[10] CUPTA A，CHOUDHARY A."Real-time lane detection usingspatio -temporal incremental clustering"[C]. 2017 IEEE 20thIntemational Conference on Intelligent Transportation Systems（ITSC）， Yokohama， 2017： 1-6.

[11]閆素英.基于WebRTC的無線實時通信QoS-QoE評估與預測[D].北京：北京交通大學，2016.

[12] BANDUNG Y，SUBEKTI L B，TANJUNC D，CHRYSOSTOMOUC. “QoS analysis for WebRTC videoconference on bandwidth -limited network" [C]. 2017 20th International Symposium onWireless Personal Multimedia Communications（ WPMC）， Bali，2017：547-553.

[13]

BAKAR G，KIRMIZIOGLU R A， TEKAIP A M."Motion -BasedAdaptive Streaming in WebRTC Using Spatio-Temporal ScalableVP9 Video Coding"[C]. CLOBECOM 2017- 2017 IEEE GlobalCommunic ations Conference， Singapore， 2017： 1-6.