VR 全景視頻時空切片傳輸的流量評估與建模

韓圣千，婁函，王君來

（北京航空航天大學電子信息工程學院，北京 100191）

0 引言

虛擬現實（VR,virtual reality）全景視頻被認為是未來移動通信系統高帶寬需求的主要應用場景之一[1-2]。為了滿足良好的用戶觀看體驗，VR 全景視頻具有很高的畫質要求，對未來移動通信系統的傳輸性能提出了嚴峻挑戰[3]。

基于時空切片的VR 全景視頻傳輸是一種減輕通信系統傳輸壓力的有效手段之一[4]。圖1 給出了VR全景視頻時空切片傳輸示意，其中，空間切塊參數t=3，時間分段長度d=3。其基本思想如下。1) 在空間維，考慮到用戶只會觀看全景畫面的一部分，而未被觀看的部分可以不傳輸，為此將每幀畫面空間切分為視頻塊（Tile），然后根據用戶當前的視點，只傳輸視域（FoV,field of vision）范圍內的切塊[5]。2) 在時間維，為了適應通信系統傳輸速率的動態變化，視頻通常被切分為多個視頻段，每一段進行獨立的壓縮編碼，作為一個獨立單元進行傳輸，例如基于HTTP的動態自適應流（DASH,dynamic adaptive streaming over HTTP）技術。基于時空切片傳輸，系統只需在每個時間分段里傳輸視域范圍內的空間切塊，可以大大減輕系統傳輸負擔[6]。

針對空間切塊傳輸，文獻[7]研究了切塊數量對畫面質量的影響，比較了不同切塊數量下的畫面峰值信噪比（PSNR,peak signal to noise ratio）。文獻[8]觀察到用戶在觀看VR 視頻時很少關注畫面的上方和下方，提出了非均勻空間切塊方式，結果表明非均勻空間切塊可以節省更多的帶寬，但會降低視頻壓縮的性能。文獻[9]基于觀眾對視頻畫面不同區域的訪問概率以及畫面內容，提出了一種自適應空間切塊方式，可以有效降低系統的帶寬需求，但實現復雜度較高。文獻[10]考慮用戶視點的非理想預測，評估了空間切塊傳輸相對于非切塊傳輸對視角內PSNR的提升作用。針對時間分段傳輸，文獻[11]研究了在給定壓縮編碼率條件下，時間分段的長度對全景視頻畫面質量的影響。文獻[12]針對空間切塊傳輸，對每個時間分段的視頻編碼率進行了優化。文獻[13]在每個時間分段內為視點中心和邊緣的空間切塊設置不同的視頻編碼率，從而降低傳輸流量。針對傳統二維視頻，文獻[14-15]研究了在給定時間分段方式時如何根據通信條件的動態變化來自適應地選擇每個分段的視頻質量。

現有文獻在研究時空切片傳輸方式如何影響VR 全景視頻傳輸流量時，主要考慮了傳輸畫面減少帶來的流量節省[16-17]。然而，空間切塊和時間分段的方式對傳輸流量有著復雜的影響。首先，空間切塊并不一定越多越好。一方面，切塊數量越多，實際傳輸的畫面面積越小，這有利于節省流量；另一方面，每個空間切塊都是獨立壓縮編碼的，畫面切分得越小，則利用畫面空間相關性進行視頻壓縮的效率越低，導致每個切塊的壓縮率下降。綜合考慮兩方面因素可知，增加切塊數量并不一定導致傳輸流量下降。其次，時間分段也不一定越長越好。一方面，分段越長，則利用畫面時間相關性進行視頻壓縮的效率越高，有利于降低視頻傳輸流量；另一方面，對于時空切片傳輸而言，增加時間分段長度可能會導致傳輸更多的切塊，從而增加傳輸流量。例如，在圖1 中，每個時間分段長度包含3 幀畫面，如果用戶在觀看整個分段時視點保持不變，如時間分段1，則只需傳輸FoV 包含的{4,5,7,8}這4 個空間切塊即可；但是如果用戶在觀看過程中發生了頭動，如時間分段 2，則此時需要傳輸{4,5,6,7,8,9}這6 個空間切塊。時間分段越長，那么用戶在一個時間分段內發生頭動的概率越大，可見時間分段長度并不一定越大越好。

圖1 VR 全景視頻時空切片傳輸示意

為了分析和刻畫VR 全景視頻的傳輸流量需求與時空切片方式之間的復雜關系，首先，基于實際的VR 全景視頻觀看數據集，通過仿真來分析和評估時空切片方式對傳輸流量需求的影響。然后，基于仿真結果，對傳輸流量需求進行統計建模，建立統計模型參數與時空切片方式之間的函數關系。最后，基于建立的模型，提出一種時空切片方式的優化方法，最小化VR 全景視頻的傳輸流量。仿真結果表明，基于所建立的模型得到的時空切片方式可以獲得接近最優的性能。

1 VR 全景視頻的傳輸流量需求評估

本文采用開源VR 全景視頻觀看數據集進行仿真分析，文獻[18]對相關數據集進行了總結和對比。通過比較各個數據集的規模（定義為用戶數×視頻數×時間長度），本文選用其中規模較大的數據集[19]。該數據集在各研究中得到廣泛應用，例如文獻[20]使用該數據集進行VR 用戶的頭動和視點預測；文獻[21]利用該數據集中不同用戶觀看相同視頻的頭動相關性來預測用戶視點；文獻[22]基于該數據集分析了不同用戶觀看視頻時的頭動相關性，并對提出的頭動預測方法進行了性能評估；文獻[23]采用該數據集對提出的基于深度強化學習的全景視頻傳輸策略進行訓練和用戶體驗質量（QoE,quality of experience）評估；文獻[24]提取該數據集中的用戶頭動信息來訓練神經網絡預測用戶視點。

該數據集包含3 個表演類視頻（編號1、4、7）、3 個運動類視頻（編號2、5、8）、一個電影類視頻（編號3）和2 個紀錄類視頻（編號6、9）。所有視頻均未進行時空切片，投影方式為等距柱狀投影（ERP,equi-rectangular projection），分辨率為2 560 像素×1 440 像素，幀率為30 幀/秒，視頻時長范圍為120～160 s。每個視頻包含48 個用戶的觀看頭動記錄，每條記錄由時間戳、描述頭盔顯示設備旋轉的四元數，以及描述頭盔顯示設備平移的空間坐標等元素組成。

為了評估傳輸流量，需要對數據集中的VR 全景視頻進行時空切片，然后對每個時空視頻塊進行壓縮編碼，并在此基礎上引入用戶頭動數據，最終獲得在任意給定時空切片方式下的實際傳輸流量數據。為此，本文采用FFmpeg的裁剪（Crop）功能[25]來實現畫面的空間切塊。當空間切塊參數為t時，畫面橫向和縱向分別被等分為t塊，得到總切塊數為t2。視頻的時間分段采用H264 編碼器來實現，當分段長度為d幀時，則指定H264 編碼器[26]的畫面組（GoP,group of picture）參數為其中，對于VR 全景視頻，為了降低解碼時延，在進行壓縮編碼時通常不采用B 幀，而只采用I 幀和P 幀，因此每個GoP 由一個I 幀和d? 1個P 幀組成。完成編碼的時空視頻塊經過MP4 Dash 工具[27]處理后，轉換為流媒體格式進行存儲。對于用戶觀看每個視頻的視點數據，采用數據集中頭盔顯示設備的四元數換算得到。首先，由數據集的四元數換算為空間三維坐標系中的用戶視點方向向量；然后，根據ERP 格式全景視頻的映射規則得到平面二維坐標系中的用戶視點坐標。最后，根據所得的視點坐標，從畫面中提取對應的空間切塊，用于后續的仿真評估。

1.1 空間切塊對全景視頻壓縮率的影響

如前文所述，增加空間切塊數量會減小每個切塊畫面的大小，導致利用畫面空間相關性進行視頻壓縮的效率降低。對于任一視頻，給定空間切塊參數t，分別設置時間分段長度d為30 幀，對該視頻進行時空切片并進行壓縮編碼，得到壓縮后的視頻大小。計算該視頻在30 幀分段長度d下的視頻大小的均值，記為Qt。表1 給出了運動類和表演類視頻切塊后（t>1）視頻大小相對于未切塊（t=1）視頻大小的增長百分比，即

從表1 可知，切塊后視頻的大小相對于未切塊視頻均有不同程度的增加。當切塊參數為t=6時，視頻大小增幅最高接近12%。可以發現，隨著切塊數的增加，視頻大小并非單調增加。這是因為不同的切塊數下，每個空間切塊包含的畫面內容會發生變化。例如，t=4時的切塊畫面不一定包含在t=3時的切塊畫面里。但是，由于t=4時的切塊是對t=2時的切塊的二等分，可知t=4時的切塊畫面一定包含在t=2時的切塊畫面里，導致t=4時的視頻大小一定比t=2時大。同理，t=6時的視頻大小一定比t=3時大。

表1 切塊視頻相對于未切塊視頻大小的增長百分比

1.2 時間分段對視頻壓縮率和頭動次數的影響

通過分析圖1 可知，增大時間分段有助于提高視頻的壓縮效率。圖2 給出了不同時間分段長度（即GoP 長度）的歸一化視頻大小，其中歸一化因子是分段長度為1 幀時的視頻大小。從圖2 中可以看出，隨著分段長度的增加，視頻的壓縮率首先會快速提升，然后逐漸放緩。

圖2 不同時間分段長度的歸一化視頻大小

時間分段長度增加的另一方面影響是增加用戶在觀看一個分段過程中發生頭動的概率，進而導致需要傳輸的空間切塊增多。圖3 對此進行了評估。首先，在評估中，頭動發生的定義是用戶在1 ms內視點偏移大于1°。在此定義下，給定時間分段長度，針對每個視頻包含的所有時間分段，提取對應的48 個用戶的觀看頭動記錄，分別統計所有分段內頭動發生的次數，進而計算頭動次數的均值并作為該視頻在當前分段長度下的頭動次數。

圖3 不同時間分段長度內的平均頭動次數

從圖3 可以看出，對于所有的視頻，一個時間分段內的平均頭動次數隨著時間分段長度的增加線性增長，說明需要傳輸的空間切塊數隨著時間分段長度的增加相應增長。對于表演類視頻，用戶視點主要集中在舞臺上的表演，用戶發生頭動的頻次較少。相比而言，用戶在觀看運動類視頻時，由于拍攝畫面切換得更加頻繁，用戶頭動次數明顯增多。

1.3 時空切片下全景視頻傳輸流量的評估

從以上的評估分析可以看出，空間切塊雖然可以減少傳輸的畫面內容（僅傳輸視域內的畫面），但會導致視頻壓縮效率降低，而增大時間分段長度雖然可以提高視頻壓縮效率，但同時也會增加需要傳輸的空間切塊數。下面對全景視頻在時空切片模式下的傳輸流量進行仿真評估。

考慮到用戶在觀看不同類型的視頻時具有不同的頭動響應，而用戶頭動直接影響時空切片模式下傳輸的切片數量，因此在仿真中使用4 個不同類型的視頻，即運動類視頻2、表演類視頻7、電影類視頻3和紀錄類視頻6。

圖4 給出了數據集中48 個用戶在觀看運動類視頻2 時，視頻采用不同的空間切塊參數（t=1～11）和不同的時間分段長度（d=1～60）進行時空切片時的平均傳輸流量。從圖4 中可知，隨著t的增加，傳輸流量并非一致增加。這與第1.1 節的分析一致，說明當t較小時，空間切塊帶來的傳輸畫面減少起主導作用，而當t較大時，空間切塊導致的壓縮率下降起主導作用。對于時間分段，可以看出當空間切塊參數較大（如t≥ 2）時，傳輸流量隨著時間分段長度的增加先下降后上升。這是因為當分段較短時，分段長度對壓縮率的影響顯著，如圖2 所示；而當分段較長時，分段長度增加導致的傳輸切塊數增多的影響起主導作用。從圖4 中可以看出，運動類視頻2 在t=10，d=11時可以獲得最低的平均傳輸流量，相比于未進行時空切片（t=1,d=1）的傳輸流量節省77.1%。

圖4 運動類視頻2的平均傳輸流量

圖5 給出了表演類視頻7的平均傳輸流量。根據對圖3的分析結果，用戶在觀看表演類視頻時的頭動頻率低于運動類視頻。這直接導致在給定時間分段長度內，表演類視頻需要傳輸更少的空間切塊，帶來比表演類視頻更低的傳輸流量。從圖5 中可以看出，表演類視頻在t=10，d=27時可以獲得最低的平均傳輸流量，相比于未進行時空切片（t=1,d=1）的傳輸流量節省90.5%。

圖5 表演類視頻7的平均傳輸流量

圖6和圖7 給出了電影類視頻3和紀錄類視頻6的平均傳輸流量，從圖6和圖7 中可以看出與表演類和運動類視頻相似的規律，即t和d并非越大越好。例如，紀錄類視頻6的最優時空切片參數是t=9，d=17。

圖6 電影類視頻3的平均傳輸流量

圖7 紀錄類視頻6的平均傳輸流量

2 時空切片傳輸下的流量建模

基于1.3 節的傳輸流量仿真評估，本節研究全景視頻時空切片傳輸模式下的流量統計建模。傳輸流量的建模對象是實際傳輸給用戶的視角范圍內的時空切塊大小，例如圖1 左上方的視頻幀只需傳輸4、5、7、8 切塊。可以觀察到，傳輸的切塊總大小與2 個因素有關，一是完整視頻的大小，二是傳輸給用戶的視角內切塊大小占完整視頻的比例；兩者的乘積即實際傳輸給用戶的業務流量。基于這一觀察，下面采用2 個步驟進行建模。首先，針對不同的空間切塊數量和時間分段長度，對壓縮編碼之后的完整視頻文件大小進行建模。其次，針對不同的空間切塊數量和時間分段長度，根據用戶的頭動數據，得到用戶在實際觀看過程中視域范圍內的切塊大小占完整視頻文件大小的比例，并對比例進行統計建模。最后，把完整視頻文件大小的模型與視域內切塊大小占比的模型相乘，即可得到實際傳輸給用戶的視頻切塊大小的模型，即傳輸流量模型。

需要說明的是，根據1.3 節的評估結果，不同類型的視頻具有不同的用戶頭動規律以及不同的最優時空切片方式，因此在進行傳輸流量建模時有必要針對每類視頻單獨進行建模。本節提出的傳輸流量建模方法適用于任意類型的視頻，在應用時只需根據不同類型視頻的流量樣本數據擬合出對應的模型參數。為了評估提出的建模方法的合理性，本節將以運動類視頻（其數據集規模大）為例對模型的準確性進行評估。

2.1 視頻大小建模

考慮數據集中的某一類視頻，在上述仿真過程中已經采用了不同的時空切片方式對這些視頻進行了切分、編碼、存儲，由此可以得到任一時空切片方式下I 幀和P 幀的平均大小。這里的平均是指對所有同類視頻的所有I 幀或所有P 幀進行平均。

其中，L表示視頻包含的總幀數表示視頻包含的時間分段數表示I-P 幀平均壓縮比，定義為

其中，系數p0和p1可以由現有的線性擬合算法得到。表2 給出了運動類視頻的擬合系數。

圖8 不同時空切片方式運動類視頻的平均壓縮比

表2 運動類視頻的擬合系數

將式(3)代入式(1)，可得視頻的平均大小為

表3 不同空間切塊參數下I 幀平均大小

表3 不同空間切塊參數下I 幀平均大小

為了驗證所建立模型的準確性，圖9 比較了式(4)中括號部分的理論計算結果和實際仿真結果。括號部分可以理解為歸一化平均視頻大小，其中歸一化因子是即當所有幀均為I 幀時的視頻大小。從圖9 中可以看出，對于所有的切塊參數t，當分段長度d較大時（例如d>15），由式(4)得到的計算結果與仿真結果很接近，說明了模型的有效性。

圖9 歸一化視頻平均大小的模型準確性

2.2 傳輸的切塊大小占比建模

在前述仿真中，通過引入用戶的頭動數據，得到了在任一時空切片方式下，用戶在觀看每個視頻時，在每個時間分段內傳輸的視域內空間切塊的大小。由此，可以得到任一用戶在觀看所有同類視頻時，傳輸的空間切塊大小與視頻文件總大小之間的平均比例，記為η(t,d)，可以表示為

其中，V表示同類視頻的個數表示視頻v的第i個時間分段內第j個空間切塊是否位于用戶的視域內，Sv,ij表示視頻v的第i個時間分段內第j個空間切塊的大小，因此等號右側分子項表示需要傳輸給用戶的視域內所有切塊的總大小，分母項表示視頻文件的總大小。

圖10和圖11 給出了數據集中48 個用戶的平均傳輸比例η(t,d)的頻率直方圖和擬合結果，其中前者固定d=15而考慮不同的t，后者固定t=3而考慮不同的d。從圖10和圖11 中可以看出，η(t,d)的統計分布接近正態分布。因此，采用如下的正態分布對η(t,d)進行建模

圖10 傳輸比例 η(t,d)的頻率直方圖和擬合結果（d=15）

圖11 傳輸比例 η(t,d)的頻率直方圖和擬合結果（t=3）

其中，均值和方差均與時空切片方式有關。

為了刻畫均值和標準差與時空切片方式的函數關系，針對t和d的不同取值，通過正態分布擬合找到對應的均值和標準差。均值擬合結果如圖12所示，標準差擬合結果如圖13 所示。其中，黑點代表數據集的仿真結果，曲面代表擬合結果。

圖12 均值擬合結果

圖13 標準差擬合結果

通過對圖12和圖13 進行二維函數擬合，得到均值和標準差與時空切片方式可以近似表示為

式(9)～式(12)中的擬合系數可以使用MATLAB曲線擬合工具得到，具體內容如表2 所示。

將式(7)和式(8)代入式(6)，可以得到傳輸比例η(t,d)的統計分布。從圖10和圖11 中可以看出，所建立的統計模型的擬合結果與頻率直方圖之間具有較高的匹配度，驗證了模型的準確性。

將視頻平均大小模型式(4)和切塊大小占比模型式(6)相乘，最終得到時空切片模式下全景視頻傳輸流量的統計模型。

本文采用統計建模方法建立了所有用戶觀看所有同類視頻時的傳輸流量模型。考慮到近期深度學習在VR 全景視頻的用戶頭動和視點預測[28]、QoE建模[29]、傳輸策略優化[30]等方面的成功應用，未來本文將研究基于深度學習的傳輸流量建模方法，采用神經網絡挖掘用戶的視頻觀看偏好和視頻畫面內容的特征，有望更加準確地預測特定用戶在觀看特定視頻時的傳輸流量。

3 基于傳輸流量模型的時空切片優化

本節考慮一個未進行時空切片的VR 全景視頻，研究如何利用建立的傳輸流量統計模型，對其時空切片方式（即空間切塊參數t和時間分段長度d）進行優化。

3.1 時空切片方式優化

根據待切分視頻的類別，找到對應類別或接近類別的傳輸流量模型參數。在“流量建模”和“時空切片優化”過程中需要已知視頻類別，其中前者可直接從數據集中獲取視頻類別，而后者通常可以從視頻的元數據中獲取，例如典型視頻網站在發布視頻或用戶在上傳視頻時通常會被要求標注類型等信息。如果待切分視頻是未經壓縮的原始視頻，則可以直接使用已建立的同類視頻模型。如果待切分視頻已經在未進行空間切塊（t=1）的情況下進行了壓縮編碼，則可以統計出當前視頻的I-P 幀壓縮比，記為W。據此，可以對統計模型中的I-P 幀平均壓縮比進行修正，以確保當t=1時等于W。修正后的可以表示為

將式(13)代入式(1)，可得待切分視頻在時空切片后的大小進而乘以傳輸的切塊大小占比η(t,d)，可得用戶觀看該視頻時需要傳輸的流量滿足如下正態分布

為了區分空間切塊參數t和時間分段長度d的影響，將式(1)給出的表示為

從式(16)和式(17)可以看出，首先，空間切塊參數t對模型參數有著復雜的影響，體現在等多個函數上；然后，在給定空間切塊參數t時，時間分段長度d與模型參數的關系式相對簡單，均值和標準差都具有的形式，其中系數θ1～θ3可由式(16)和式(17)得到；最后，均值和標準差都與空間切塊參數t和時間分段長度d的交叉項有關（即式(16)和式(17)等號右側的前兩項），因此它們對模型參數的影響不是簡單的疊加，而存在相互耦合的關系。

對于隨機傳輸流量T(t,d)，其置信度為ρ∈ [ 0,1]的上界（記為Tρ(t,d)），定義為

其中，φ(ρ)是標準正態分布的ρ分位點，其數值可以通過查表或數值計算等方式得到。

將式(16)和式(17)代入式(19)，并進行同類項合并，則Tρ(t,d)可以表示為

其中，tmax和dmax是系統允許的空間切塊和時間分段數的最大值。

由于Tρ(t,d)與優化變量t的關系式很復雜，同時考慮到空間切塊參數t的取值范圍一般不會太大，因此可以采用遍歷的方式對t進行搜索尋優。對于任意給定的參數t，下面計算最優的參數d。

由式(20)可得Tρ(t,d)關于參數d的二階導數為其正負號在定義域 1≤d≤dmax內只與系數Δ1(t)有關。下面針對Δ1(t)，分3 種情況討論參數d的最優解。

1)Δ1(t)=0。此時是d的單調函數。如果Δ2(t) ≥ 0，則d的最優解為1，否則為dmax。

綜上所述，可以采用內外嵌套方法來求解優化問題式(21)。在外層，對空間切塊參數t進行遍歷搜索；在內層，針對給定的外層參數t，采用上述優化方法直接計算參數d的最優值，進而得到在當前外層參數t下的函數值，用于遍歷尋優。

3.2 仿真結果

本節對所提出的時空切片優化方法的性能進行評估，采用第2 節提出的建模方法，分別使用數據集中的運動類視頻和表演類視頻來建立傳輸流量統計模型，針對四類視頻分別進行性能評估，包括運動類視頻2、電影類視頻3、紀錄類視頻6和表演類視頻7。評估中，令tmax=11，dmax=60；置信度選擇為ρ=0.9，通過數值計算可得 分位點φ(ρ)=1.28。

為了評估由模型優化得到的時空切片方式與實際最優方式的差距，本節通過仿真得到待切分視頻的最優切片方式。具體地，首先，把待切分視頻分別按照t=1,2,…,11，d=1,2,…,60的配置進行切片和壓縮編碼；然后，導入用戶的頭動數據，獲得每一種切片配置下48 個用戶觀看時的傳輸流量；最后，繪制48 個用戶的傳輸流量的累積分布函數曲線，找到ρ=0.9時的分位點，即Tρ(t,d)。通過遍歷所有的t和d組合，找到使Tρ(t,d)最小的最優時空切片方式。最終得到運動類視頻2的最優方式是t=10，d=11；電影類視頻3的最優方式是t=10，d=15；紀錄類視頻6的最優方式是t=9，d=15；表演類視頻7的最優方式是t=10、d=27。

在圖14 中，本節采用基于運動類視頻類建立傳輸流量統計模型，使用所提出的優化方法求解問題式(21)，得到使目標函數最小的時空切片方式為t=10，d=14。圖14 中虛線給出了4 個視頻在模型優化方式下的歸一化傳輸流量的累積概率分布，實線給出了4 個視頻通過仿真搜索得到的最優切片方式的結果。可以看出，對于運動類視頻2和電影類視頻3，模型優化的結果與仿真搜索的最優結果很接近。這是因為本文使用了由運動類視頻建立的傳輸流量統計模型，而電影類視頻與運動類視頻具有類似的用戶頭動規律。對于紀錄類視頻6和表演類視頻7，由于其視頻類型與傳輸流量統計模型失配，可以看出模型優化的結果與仿真搜索的最優結果存在一定的差距。表演類視頻7的差距比較明顯，其原因是用戶在觀看表演類視頻時，視線主要集中在舞臺上的表演，發生頭動的頻次較少，這與觀看運動類視頻時的頭動規律差別很大，如圖3 所示。這一結果說明對于用戶頭動規律差別較大的視頻類型有必要進行單獨的傳輸流量統計建模。

圖14 基于運動類視頻模型優化的時空切片方式的性能

在圖15 中，本節采用表演類視頻來建立傳輸流量統計模型，進而基于此模型求解優化問題式(21)，得到使目標函數最小的時空切片方式為t=10，d=24。通過對比圖14和圖15 中的表演類視頻7，可以看出模型優化的結果與仿真搜索的最優結果之間的差距減小。其他3 類視頻由于與傳輸流量模型失配，導致模型優化的結果與仿真搜索的最優結果之間的差距變大。

圖15 基于表演類視頻模型優化的時空切片方式的性能

4 結束語

本文針對VR 全景視頻傳輸，研究了時空切片方式對傳輸流量的影響。首先，基于實際的VR 全景視頻觀看數據集，通過仿真分析了空間切塊數量和時間分段長度對視頻大小的影響，并通過引入用戶觀看頭動數據，評估了時空切片方式對全景視頻傳輸流量的影響。然后，基于仿真數據，對時空切片模式下的傳輸流量進行了統計建模，結果表明傳輸流量服從正態分布，并建立了均值和標準差與時空切片方式之間的函數關系。最后，基于所建立的統計模型，提出了一種時空切片方式的嵌套優化方法，外層對空間切塊數量進行遍歷尋優，內層可直接計算最優的時間分段長度。評估結果表明，通過對不同類型的視頻分別進行傳輸流量統計建模，基于所建立的流量模型優化得到的時空切片方式與通過仿真搜索得到的最優切片方式性能接近。