Non-stationary VBR 트래픽을 위한 동적 데이타 크기 예측 알고리즘

Abstract

논문에서는 VBR(Variable-Bit-Rate) 트래픽의 비선형적이고 버스티한 특성을 모델화 한 GOP ARIMA(ARIMA for Group Of Pictures) 모델을 칼만 필터 알고리즘을 이용하여 실시간으로 예측하는 기법을 제안한다. 칼만 필터를 이용한 예측 기법은 GOP ARIMA의 상태공간 모델링 과정과 향후 N초 간의 트래픽을 예측하는 과정으로 구성된다. 실험을 위해 GOP의 크기가 각각 15인 세 가지 종류의 MPEG VBR 트래픽(뉴스, 드라마, 스포츠)을 제작하였고, 칼만 필터를 이용한 세 가지 종류의 트래픽의 예측 결과를 선형 예측법과 이중 지수 평활법을 이용해 예측한 결과와 비교해 예측 성능이 상대적으로 우수함을 확인할 수 있었다. 또한 예측값에 신뢰 구간을 설정하는 신뢰 구간 분석법을 통해 트래픽 관점에서 장면 변화를 예측하는 방법을 제시하였다. 본 논문의 칼만 필터 기반의 예측 알고리즘은 MPEG 기반 VBR 트래픽을 비롯한 기타 인터넷 트래픽을 실시간으로 예측하는 방법과 이를 이용해 인터넷 서버의 설계 및 자원 할당 정책 등을 위한 트래픽 엔지니어링 연구에 기여할 수 있을 것이다.

this paper, we develop the model based prediction algorithm for Variable-Bit-Rate(VBR) video traffic with regular Group of Picture(GOP) pattern. We use multiplicative ARIMA process called GOP ARIMA (ARIMA for Group Of Pictures) as a base stochastic model. Kalman Filter based prediction algorithm consists of two process: GOP ARIMA modeling and prediction. In performance study, we produce three video traces (news, drama, sports) and we compare the accuracy of three different prediction schemes: Kalman Filter based prediction, linear prediction, and double exponential smoothing. The proposed prediction algorithm yields superior prediction accuracy than the other two. We also show that confidence interval analysis can effectively detect scene changes of the sample video sequence. The Kalman filter based prediction algorithm proposed in this work makes significant contributions to various aspects of network traffic engineering and resource allocation.