Resumen

En los últimos años, el volumen del tráfico de video global ha estado aumentando rápidamente y es considerablemente significativo descargar el tráfico durante el proceso de transmisión de video y mejorar la experiencia de los usuarios. En este documento, proponemos una nueva estrategia de descarga de tráfico para proporcionar una referencia factible y eficiente para la próxima Copa Mundial de la FIFA 2022 que se celebrará en Qatar. En primer lugar, presentamos el marco del sistema basado en el paradigma de Computación en el Borde Móvil (MEC), que admite la transferencia del tráfico de la Copa Mundial de la FIFA a los servidores de borde móvil. Luego, se utiliza el Aprendizaje Profundo por Refuerzo (DRL) para proporcionar el método de programación de tráfico y minimizar el tiempo de programación de las aplicaciones. Al mismo tiempo, la operación de programación de tareas se considera como el proceso de decisión de Markov, y se utiliza el método de optimización de políticas próximas para entrenar la Red Neuronal Profunda en el DRL. Para la estrategia propuesta de descarga de tráfico, realizamos la simulación basada en dos conjuntos de datos reales, y los resultados experimentales muestran que tiene un tiempo de programación más corto, una mayor utilización del ancho de banda y una mejor experiencia del usuario que dos líneas de base.

• Materias:Red 5G Internet de las cosas Seguridad de la información Tecnologías de comunicación
• Subjects:5G Network Internet of things Information security Communication technologies
• Palabras claves:Tráfico global de vídeo; Estrategia de descarga; Mobile Edge Computing (MEC); Deep Reinforcement Learning (DRL); Método de programación del tráfico; Copa Mundial de la FIFA
• Keywords:Global video traffic; Offloading strategy; Mobile Edge Computing (MEC); Deep Reinforcement Learning (DRL); Traffic scheduling method; FIFA World Cup