Predicting Home Wi-Fi QoE from Passive Measurements on Commodity Access Points

Résumé : Une mauvaise qualité Wi-Fi peut perturber l'expérience des utilisateurs domestiques sur Internet, ou la qualité de l'expérience (QoE). Détecter quand le Wi-Fi dégrade la QoE des utilisateurs est une information précieuse pour les fournisseurs d’accès internet (FAI), surtout que les utilisateurs domestiques tiennent souvent pour responsable leur FAI lorsque leur QoE se dégrade. Pourtant, les FAI ont peu de visibilité au sein de la maison pour aider les utilisateurs. Cette thèse conçoit et évalue des techniques de surveillance passive de la qualité Wi-Fi sur les points d'accès de base (APs) et prédit quand la qualité du Wi-Fi dégrade la QoE de l'application Internet. Notre première contribution est la conception et l'évaluation d'une méthode qui estime la capacité de liaison Wi-Fi. Nous étendons les modèles précédents, adaptés aux réseaux 802.11a/b/g, pour travailler sur des réseaux 802.11n en utilisant des mesures passives. Notre deuxième contribution est la conception et l'évaluation des prédicteurs de l'effet de la qualité Wi-Fi sur la QoE de quatre applications populaires: la navigation sur le Web, YouTube, la communication audio et vidéo en temps réel. Notre troisième contribution est la conception d'une méthode pour identifier les événements qui traduisent une mauvaise QoE. Nous utilisons l’algorithme de partitionnement K-moyennes pour identifier les cas où les prédicteurs QoE estiment que toutes les applications visées fonctionnent mal. Ensuite, nous classons les événements traduisant une mauvaise QoE comme des événements QoE de courte durée, intermittents et cohérents. Enfin, notre quatrième contribution consiste à appliquer nos prédicteurs aux métriques Wi-Fi collectées sur une semaine de surveillance de 832 points d’accès de clients d'un grand fournisseur d'accès Internet résidentiel. Nos résultats montrent que la QoE est bonne sur la grande majorité des échantillons de ce déploiement, mais nous trouvons encore 9% des échantillons avec une mauvaise QoE. Pire, environ 10% des stations ont plus de 25% d'échantillons dont la QoE est médiocre. Dans certains cas, nous estimons que la qualité Wi-Fi provoque une QoE médiocre pendant de nombreuses heures, bien que dans la plupart des cas les événements traduisant une mauvaise QoE sont courts.
Type de document :
Thèse
Networking and Internet Architecture [cs.NI]. Université Paris 6 (UPMC), 2017. English
Liste complète des métadonnées

Littérature citée [168 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/tel-01670997
Contributeur : Diego Neves da Hora <>
Soumis le : jeudi 21 décembre 2017 - 17:14:28
Dernière modification le : mercredi 21 mars 2018 - 18:57:46

Fichier

thesis.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : tel-01670997, version 1

Collections

Citation

Diego Da Hora. Predicting Home Wi-Fi QoE from Passive Measurements on Commodity Access Points. Networking and Internet Architecture [cs.NI]. Université Paris 6 (UPMC), 2017. English. 〈tel-01670997〉

Partager

Métriques

Consultations de la notice

204

Téléchargements de fichiers

93