台北捷運apple pay的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

地下鐵系統DASH影音串流預測排程

為了解決台北捷運apple pay的問題，作者周家賢 這樣論述：

隨著網路頻寬的快速增長，人們越來越流行透過網路線上觀看影片。為了應付多變的網路狀況，影音串流服務的供應商如Youtube和Netflix，皆透過DASH技術來將影音內容傳輸給他們的使用者們。DASH Server會根據DASH Client的頻寬來動態的調整所播放影音的bitrate。為了瞭解在地下鐵系統中的網路頻寬變化，本研究實作了一款行動APP，用來測量行動裝置在搭乘台北捷運的過程中，可使用的網路頻寬頻寬，並將此網路頻寬變化資料進行分析。本研究發現，當乘客在隧道內可使用的網路頻寬比在捷運站台中可使用的網路頻寬大幅下降，對於DASH影音串流技術的解析度切換，這種劇烈的網路頻寬變化時，常會導

致播放暫停的狀況。為了解決這個問題，本研究設計了一套M-Lowp演算法，此M-Lowp演算法可以有效預測捷運行駛過程中的網路頻寬變化，並動態的調整影音解析度，使得影音在地下鐵系統中能順暢的播放，藉此來提升使用者體驗質量。體驗質量(Quality of Experience, QoE)是一種用戶主觀意見，在本篇研究中，本研究透過下列的QoE指標，包括影片凍結次數(freeze counts)、影片凍結時間(freeze duration)、平均影音質量(average bitrate)、解析度切換次數(switch counts)與低解析度video segment的數量(number of l

ow quality video segments)。在本研究中，我們將測量到的實際網路頻寬變化分別使用不同的DASH影音串流演算法進行測試，包含Buffer level演算法與Rate adaption演算法。本研究並訂定了一套雷達圖表示法，根據本研究的實驗結果，本研究提出的M-Lowp演算法表現的比先前的演算法，在上述的QoE指摽評比下，都有更好的表現。