QoE 정보를 이용한 머신러닝 미디어 스트리밍 최적화 시스템 개발

연구 정보

  • 참여유형: 참여기관 PI
  • 지원기관: 정보통신기술진흥센터
  • 지원사업명: SW컴퓨팅산업원천기술개발사업 GCS(Global Creative SW)
  • 지원금액: 140,000,000원 (2년 총액)
  • 과제충액: 2,600,000,000원 (2년 총액)

연구 개요

본 연구는 동영상 등 대용량 미디어 콘텐츠를 인터넷과 모바일 상에서 효율적으로 서비스하기 위해, CDN (Content Delivary Network)상 콘텐츠를 자동적으로 배치하는 머신러닝 기반의 알고리즘과 라이브러리 개발을 목표로 한다.

연구 필요성

현재 CDN을 활용하여 동영상 서비스를 제공하는 대형 OTT 비디오 사업과 IPTV 사업은 지속적인 성장 중에 있다.
따라서 모든 미디어 컨텐츠 사업자는 미디어 데이터의 효율적 배치 문제에 대해 고민하고 있는데, 해당 시장의 선점을 위해 이 문제를 해결할 수 있는 기술 개발이 필요하다.

OTT 및 IPTV 시장규모 추이

목적 및 내용

본 과제가 제안하는 머신러닝 기반의 동적인 CDN 선택과 콘텐츠 배치 기술을 구성하기 위해서는 1) 데이터 수집, 2) 머신러닝 알고리즘 개발, 3) 동적 CDN 선택 및 스토리지 배치 기술 개발 의 3단계로 구성되며, 크게 CDN 및 사용자 단말 관련 기술과 머신러닝 알고리즘 개발 기술로 나눌 수 있다.

기술 개념 개발도

  1. 데이터 수집
    • QoE 수집 항목을 정의한다.
    • 사용자 단말측에서 사용자의 콘텐츠 사용에 대한 QoE(Quality of Experience) Report 수집 기술을 개발한다.
    • QoE 분석을 위한 Data Repository를 구축한다.
  2. 머신러닝 알고리즘 개발
    • 수집된 QoE 정보를 바탕으로 다양한 분석 기법을 활용하여, 분석 서비스를 제공할 수 있는 알고리즘을 개발한다.
    • 개발된 알고리즘을 바탕으로 실제 QoE를 분석하고 의미있는 서비스를 제공해줄 수 있는 QoE 데이터 분석 플랫폼을 구축한다.
  3. 동적 CDN 선택 및 스토리지 배치 기술 개발
    • 멀티 CDN 하에서 성능/가격 최적화를 위한 동적 콘텐츠 배치 및 CDN 선택 알고리즘을 개발한다.
    • 개발된 머신러닝 알고리즘을 활용하여, 멀티 CDN 환경내에서 CDN 및 스토리지를 최적화하여 선택할 수 있는 솔루션을 개발한다.

기대 효과

  1. 기술적 측면
    • 본 과제는 세계 최초의 머신러닝 기반 미디어 배치 최적화 기술로 기존 휴리스틱 기반의 기술들을 대체할 수 있는 가능성이 높은 기술이다.
    • 플랫폼으로 진화하여 다양한 국내외 제품군들과 시너지를 낼 수 있을 것으로 기대한다.
  2. 경제적ㆍ산업적 측면
    • 시장이 열리고 있는 Multi-CDN에서 세계 최초, 세계 유일의 API 개발을 기대한다.
    • 플랫폼으로서의 솔루션으로 미디어 관리 시스템 시장을 빠르게 확보할 수 있을 것으로 기대한다.
    • 플랫폼으로서의 제품군의 성장은 국내 관련 기술기업들이 시장에 손쉽게 참여할 수 있는 기회를 제공할 수 있다.
    • CDN의 경우, 외국회사(AWS, 아카마이, Limeweight 등)임을 감안하면 연 수십억원의 절감 효과가 있을 것이라 생각된다.
  3. 사회적 측면
    • 기존 인력 중심으로 진행되던 미디어 배치를 머신러닝 기반으로 대치함으로서 기업 인력의 효율적 배치를 지원할 수 있다.
    • 과다한 미디어 배치로 낭비되던 스토리지/전력등의 효율화를 추구함으로서 자원 절약의 측면에서도 효과가 있을 것으로 기대한다.