基于P2P-DVE的預下載機制

范 辰

同濟大學軟件學院，上海 200092

0 引言

隨著虛擬場景數據量不斷增大，C/S-DVE 中服務器成為了“瓶頸”，因此P2P 在DVE 中的優勢逐漸受到人們的重視。此外受限于視野范圍，化身在DVE 中只能觀察到局部場景，這就是用戶的當前潛在可視場景集(CPVS, Current Potential Visible Scenes)；而用戶未來可能需要的場景就是未來潛在可視場景集(FPVS, Future Potential Visible Scenes)[1]。當用戶已下載完CPVS 時，可通過預先判斷并預下載FPVS 使用戶的瀏覽體驗更為順暢[1]。本文提出了適合P2P-DVE 的預下載方法，將化身和鄰居FPVS 都考慮在內進行預下載。

1 相關工作

傳統預下載策略分為基于歷史運動軌跡和基于領域擴張的預下載[1]。

基于歷史運動軌跡的預下載主要有算術平均法、窗口法、EWMA 及MLM。文獻[3]介紹了算術平均法和窗口法，均只是簡單計算歷史向量的算術平均值，同時該文還提出EWMA 法，考慮了不同時刻平移向量對預測的影響。文獻[7]提到MLM 預下載方法，假設只通過鼠標來控制并通過預測鼠標位置來間接預測化身位置。

基于領域擴張的預下載主要有SNP 和PBNP 算法。文獻[4]的SNP 通過預下載節點周圍的單元格來實現預下載，簡單易實現但當節點在幾個單元格間快速來回平移會降低性能，因此[5]提出了改進法PBNP，在更小范圍內預下載，雖然效率提高但原理與SNP 一樣，仍會一定程度地影響性能。

因此現有DVE 預下載機制均基于集中式DVE，只考慮自身的運動軌跡或趨勢。但P2P-DVE 在預下載時還應考慮鄰居的FPVS，要將自身和鄰居需求都考慮在內，綜合計算自身和鄰居FPVS。

2 基于P2P-DVE 的預下載機制

2.1 P2P-DVE 預下載的基本思想

P2P-DVE 中任意兩點都能建立聯系，每一節點都可從任一節點處下載數據或向任一節點提供數據。因此本文認為P2PDVE 預下載時應：將自身及鄰居的FPVS 都考慮在內。

2.2 P2P-DVE 預下載算法的設計

2.2.1 預下載區域(AOP)

預下載時AOI 內數據（即CPVS）已獲取完畢，需要關注的是比AOI 更大范圍的場景，因此本文在AOI 外圍定義了另一個圓，叫預下載區域(AOP, Area of Prefetching)，是以化身位置為圓心，R 為半徑的圓，其中r ＜ R，r 為AOI 半徑。

2.2.2 視覺關注度及熱度的計算方法

視覺關注度代表了物體對于節點的視覺重要度。設物體為Oi，Oi 到化身視點距離為Di，Oi 偏離視線角度設為Ai，化身AOP 的半徑為RAOP，這樣就可得到計算視覺關注度V(Oi)的公式[2]：

λ 表示在視覺關注度中物體距離視點距離因素占的比例，( )λ?1 則表示物體偏離視線角度所占比例。

如前所述，P2P-DVE 預下載時需將鄰居FPVS 考慮在內。當請求物體過多且順序失當時，會使節點本身瀏覽不流暢且無法顧及其他節點。因此本文引入熱度的概念：在一定范圍內對某一資源實體需求的總數。

假設有j 個節點需要物體Oi，則物體Oi 的熱度為：

2.2.3 確定預下載優先級

若某數據只有自身需要，那對該數據只需計算視覺關注度V(Oi)即可；若只有鄰居需要那只需計算熱度H(Oi)；若自身及鄰居都需要，那兩個因素都要考慮。

由于重要的數據應被優先下載，因此V(Oi)及H(Oi)越高的場景應被優先下載，反之亦然。同時為歸一化，每個物體的V(Oi)和H(Oi)都應分別除以它們的最大值后排名。

假設V(Oi)最大值為Vmax，H(Oi)最大值為Hmax。則某物體Oi 的視覺關注度和熱度系數分別為：

由此可知物體Oi 的優先級排名計算公式為：

α 為視覺關注度在優先級計算公式中占的比例。若Oi 只被節點自身關注那 1=α ，若只被鄰居關注則為0，否則為0.5。

3 實驗及結果

本文設計的P2P-DVE 預下載機制是在開源仿真平臺FLoD [6]中實現運行。原始FLoD 未實現預下載，因此本文的預下載是針對FLoD 進行對比測試的。

圖1 場景下載節點命中率折線圖

4 結論

本文提出了基于P2P-DVE 的預下載機制，將自身和鄰居需求都考慮在內，實驗結果也表明該機制提高了命中率，提升了系統性能。

限于時間與能力，本文設計的算法還未將P2P 優勢完全發掘，還應將物體的模型復用度考慮在內進一步提高傳輸效率。

[1]王偉, 賈金原, 張晨曦, 江崟.“大規模虛擬場景漸進式傳輸的研究進展”.計算機科學，37, 2(2010)：38-43.

[2]Wang, W., Jia, J.-Y., Yu, Y., and Hu, S.-Y. “Progressive Cache Replacement for Massive Peer-to-Peer WebVR Worlds”.In Proc.of Annu. Workshop Netw. Syst.Support Games, NetGames，2010.

[3]Chim, J., Lau, R. W. H., Leong, V., et.al. “CyberWalk: a web-based distributed virtual walkthrough environment”.IEEE Transactions on Multimedia 5, 4，2003：503-515.

[4]Koltun, V., Chrysanthou, Y., and Cohen-Or Dl. “Hardware-accelerated from-region visibility using a dual ray space”.In Proc. of EGWR’01，2001：204-214.

[5]Zheng, Z., Chan, T. K. Y.“Optimized neighbor prefetch and Cache for client-server based walkthrough”.In Proc. of Cyberworlds’03，2003：143-150.

[6]Hu, S. Y., Huang, T. H., Chang, S. C., Sung, W. L., Jiang, J. R., and Chen, B. Y.“FLoD: A Framework for Peer-to-Peer 3D Streaming”.In Proc.of IEEE INFOCOM ，2008：2047-2055.

[7]Li, T. Y., Hsu, W. H.“A data management scheme for effective walkthrough in large-scale virtual environments”.Visual Computer 20, 10，2004：626-634.