Modelagem de QoE para jogos em nuvem

• Autor(a) principal: Daniel Henriques Cézar Miranda Soares
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/43914
• topic: Jogos; Nuvem; QoE; Modelo; Streaming; Computação – Teses; Jogos em nuvem –Teses; Video games –Teses; Computação em nuvem – Teses

O número de usuários das plataformas de jogos tradicionais (videogame e computador) em janeiro de 2020 era de 312 milhões ao somar os usuário da Steam, PlayStation e Xbox Live. Já a plataforma de jogos em nuvem GeForce Now contava com 10 milhões de usuários totais em abril de 2021. Além disso, relatórios de mercado preveem um ritmo de crescimento de jogos em nuvem entre 50-60% ao ano nos próximos dez anos. Esta dissertação propõe um modelo de QoE em jogos em nuvem que utiliza parâmetros de rede e de nuvem. Além disso, consideramos separadamente os efeitos da rede para os fluxos de vídeo e comandos do jogo. Como saída do modelo temos a previsão de QoE avaliado pelo usuário. Tais modelos podem ser empregados para o gerenciamento de ativos de rede de um provedor ou computacionais de uma plataforma de nuvem, visando melhoria da experiência do usuário. Outras possíveis aplicações são: estimar o impacto de alterações na rede de outros trabalhos sobre jogos em nuvem, validar requisitos de uma nova plataforma de jogos em nuvem e balanceamento de cargas por um provedor de rede de acordo com a previsão de QoE. Nosso trabalho é o primeiro a usar uma pesquisa de QoE para jogos em nuvem e criar um preditor de QoE baseado na rede. Visto que os modelos existentes são baseados somente em QoS, nosso modelo é relevante pois pode ser utilizado em cenários que não são possíveis com os modelos anteriores. Utilizamos uma testbed com servidor e cliente na mesma rede, gerando a degradação de rede por partida de acordo com o documento P809 da ITU. Foram coletados dados de 2020 partidas com nove usuários. Estes dados foram utilizados para treinar um regressor para dois modelos distintos, um com acordo e outro sem acordo. O modelo sem acordo parte da premissa que o provedor de rede e o provedor que fornece o serviço de jogos em nuvem não possuem um compartilhamento de informações, logo o modelo só tem acesso aos dados de rede. Já o modelo com acordo parte da premissa que existe um acordo e tem mais dados, permitindo uma análise mais profunda. Ambos os modelos conseguiram prever o QoE avaliado dentro de um intervalo de erro de mais ou menos um em uma escala MOS de sete pontos para o modelo sem acordo e de mais ou menos 0.9 para o modelo com acordo. A taxa de acerto do modelo sem acordo é de 40% e a do modelo com acordo é 50%. Este valor sobe para até 90% considerando avaliações com erro de até uma unidade como corretas. Além disso, analisamos aspectos tais como a criação de modelos hierárquicos, generalização e explicabilidade.