VR-AR-CG Network Traffic Datasets

本仓库公开分享了关于虚拟现实(VR)、增强现实(AR)和云游戏(CG)的网络流量数据集。数据集包括从PCAP文件中提取的数据和统计生成的特征值，适用于模拟AR眼镜的上传(UL)和下载(DL)流量。

This repository publicly shares network traffic datasets related to Virtual Reality (VR), Augmented Reality (AR), and Cloud Gaming (CG). The datasets include data extracted from PCAP files and statistically generated feature values, suitable for simulating the upload (UL) and download (DL) traffic of AR glasses.

原始信息汇总

VR-AR-CG Network Traffic Datasets 概述

数据集结构

1. AR Network Traffic Collection

实验设置

• 实验目的：模拟AR眼镜的网络流量，通过视频流实现AR眼镜的上传（UL）和下载（DL）。
• 实验重复次数：两次，分别收集PCAP1和PCAP2。
• 数据格式：所有数据集均为CSV格式。

数据集详情

• PCAP1和PCAP2：从收集的PCAP文件中提取特征值。
• 统计特征：通过统计模型生成的特征值。

文件结构

└── Experiment1 ├── PCAP1 │ ├── DS3_Myfile_1280_480_60.csv │ ├── DS3_Myfile_1440_936_60.csv │ ├── DS3_Myfile_1832_1920_120.csv │ ├── DS3_Myfile_1920_1080_90.csv │ ├── DS3_Myfile_2064_2208_90.csv │ ├── DS3_Myfile_3840_1920_60.csv │ └── DS3_Myfile_3840_1920_90.csv ├── PCAP2 │ ├── Myfile_1280_480_60.csv │ ├── Myfile_1440_936_60.csv │ ├── Myfile_1832_1920_120.csv │ ├── Myfile_1920_1080_90.csv │ └── Myfile_2064_2208_90.csv └── Statistical Features ├── AR.csv ├── DL.csv └── UL.csv

2. CG Traffic Collection

实验设置

• 设备：使用Raspberry Pi作为中间设备，运行虚拟交换机收集网络数据。
• 服务器：目前仅使用Xbox Cloud Gaming服务器进行实验。

实验详情

• 网络连接：包括5G网络和光纤有线连接。
• 游戏：包括Fortnite, Forza Horizon 5, 和Mortal Kombat 11。
• 玩家数量：1或2名玩家。

数据集结构

├───5G connection │ ├───Fortnite │ │ ├───1 Player │ │ │ ├───Features │ │ │ │ ex35.csv │ │ │ │ │ │ │ └───INT data │ │ │ Ex35.csv │ │ │ │ │ └───2 Players │ │ ├───Features │ │ │ ex39.csv │ │ │ │ │ └───INT data │ │ Ex39.csv │ │ │ ├───Forza Horizon 5 │ │ ├───1 Player │ │ │ ├───Features │ │ │ │ ex37.csv │ │ │ │ │ │ │ └───INT data │ │ │ Ex37.csv │ │ │ │ │ └───2 Players │ │ ├───Features │ │ │ ex40.csv │ │ │ │ │ └───INT data │ │ Ex40.csv │ │ │ └───Mortal Kombat 11 │ └───1 Player │ ├───Features │ │ ex38.csv │ │ │ └───INT data │ Ex38.csv │ └───Wired connection ├───Fortnite │ ├───1 Player │ │ ├───Features │ │ │ ex19.csv │ │ │ ex20.csv │ │ │ ex7.csv │ │ │ │ │ └───INT data │ │ Ex19.csv │ │ Ex20.csv │ │ Ex31.csv │ │ Ex7.csv │ │ │ └───2 Players │ ├───Features │ │ ex21.csv │ │ ex22.csv │ │ ex23.csv │ │ │ └───INT data │ Ex21.csv │ Ex22.csv │ Ex23.csv │ ├───Forza Horizon 5 │ ├───1 Player │ │ ├───Features │ │ │ ex10.csv │ │ │ ex11.csv │ │ │ ex29.csv │ │ │ ex8.csv │ │ │ │ │ └───INT data │ │ Ex10.csv │ │ Ex11.csv │ │ Ex29.csv │ │ Ex8.csv │ │ Ex9.csv │ │ │ └───2 Players │ ├───Features │ │ ex15.csv │ │ ex16.csv │ │ ex17.csv │ │ │ └───INT data │ Ex15.csv │ Ex16.csv │ Ex17.csv │ Ex18.csv │ └───Mortal Kombat 11 ├───1 Player │ ├───Features │ │ ex12.csv │ │ │ └───INT data │ Ex12.csv │ └───2 Players ├───Features │ ex13.csv │ └───INT data Ex13.csv

数据集特征

通用特征

• ID：唯一流量标识
• SrcIP：流量源IP
• DstIP：流量目标IP
• IPVersion：IPv4或IPv6
• Protocol：UDP/TCP
• PS：数据包大小（字节）
• IPI：两个连续数据包之间的间隔时间
• FlowSizeBytes：流量大小（字节）
• FlowSizePackets：流量大小（数据包数量）
• FS：帧大小（字节）
• FS(PKT)：帧大小（数据包数量）
• NumFrames：每个流量中的帧数
• IFI：两个连续帧之间的间隔时间

统计特征

• AR.csv：包含5000个样本，涵盖UL和DL数据。
• DL.csv：包含2000个样本，专门代表DL数据。
• UL.csv：包含3000个样本，代表UL数据。

搜集汇总

数据集介绍

构建方式

该数据集通过在LERIS实验室进行的实验构建，专注于收集虚拟现实（VR）、增强现实（AR）和云游戏（CG）的网络流量数据。AR部分的实验通过视频流模拟AR眼镜的上行链路（UL）和下行链路（DL），使用Tshark工具收集PCAP格式的网络流量数据，并将其转换为CSV格式。CG部分的实验则通过Raspberry Pi设备收集云游戏服务器的网络遥测数据，包括队列深度和包停留时间等信息。所有实验数据均经过多次重复，确保数据的可靠性和多样性。

特点

该数据集具有多维度的特点，涵盖了AR和CG两种应用场景的网络流量数据。AR数据集包括从PCAP文件中提取的特征值和通过统计模型生成的特征值，提供了丰富的网络流量分析维度。CG数据集则通过Raspberry Pi设备收集的INT数据，提供了网络队列深度和包停留时间等关键信息，适用于网络性能优化和延迟分析。数据格式统一为CSV，便于后续的数据处理和分析。

使用方法

用户可以通过下载该数据集的CSV文件进行网络流量分析和性能评估。AR数据集的使用方法包括从PCAP文件中提取特征值和使用统计模型生成的特征值，用户可以根据需要选择不同的特征进行分析。CG数据集则提供了INT数据和PCAP文件，用户可以通过分析队列深度和包停留时间来评估网络性能。此外，数据集还提供了详细的实验设置和工具安装指南，用户可以按照步骤复现实验并收集自己的网络流量数据。

背景与挑战

背景概述

VR-AR-CG Network Traffic Datasets由LERIS实验室创建，旨在收集与虚拟现实（VR）、增强现实（AR）和云游戏（CG）相关的网络流量数据。该数据集的创建时间可追溯至其首次公开发布，主要研究人员和机构包括LERIS实验室及其合作者。核心研究问题集中在如何有效捕捉和分析这些新兴技术在网络传输中的行为，特别是针对AR和CG场景下的网络流量特征。该数据集的发布对网络性能优化、流量预测以及用户体验提升等领域具有重要影响，为相关研究提供了宝贵的实验数据。

当前挑战

该数据集面临的挑战主要集中在两个方面：首先，捕捉和分析AR和CG场景下的网络流量特征本身就是一个复杂的过程，涉及到多种网络协议、不同的分辨率和帧率设置，以及复杂的网络拓扑结构。其次，在数据集构建过程中，研究人员需要克服设备兼容性、数据采集的实时性以及数据处理的效率等问题。此外，如何确保数据集的多样性和代表性，以便能够覆盖不同网络环境和应用场景，也是该数据集面临的重要挑战。

常用场景

经典使用场景

VR-AR-CG Network Traffic Datasets 主要用于研究虚拟现实（VR）、增强现实（AR）和云游戏（CG）场景下的网络流量特征。通过该数据集，研究者可以分析不同分辨率、帧率和编码比特率下的网络流量模式，特别是在AR场景中，用户通过AR眼镜与边缘服务器进行数据交互时的上行和下行流量特征。此外，数据集还提供了统计生成的特征值，帮助研究者更好地理解网络流量的动态变化。

衍生相关工作

基于该数据集，研究者已开展了多项相关工作，包括网络流量预测模型、拥塞控制算法和网络性能优化策略的研究。例如，有研究利用数据集中的流量特征，开发了基于机器学习的流量预测模型，显著提升了网络资源的利用率。此外，还有研究基于数据集中的拥塞数据，设计了新的拥塞控制算法，有效减少了网络延迟和丢包率，提升了用户体验。

数据集最近研究

最新研究方向

在虚拟现实（VR）、增强现实（AR）和云游戏（CG）领域，网络流量数据集的研究正逐渐成为优化用户体验和网络性能的关键。最新的研究方向集中在通过分析这些数据集，深入理解VR/AR设备与云端服务器之间的网络行为，特别是在高带宽和低延迟需求下的表现。研究者们利用这些数据集进行网络流量建模、性能优化以及实时渲染技术的改进，旨在提升用户在虚拟环境中的沉浸感和交互体验。此外，随着5G网络的普及，如何在不同网络环境下优化VR/AR和云游戏的网络流量管理，也成为当前研究的热点之一。这些研究不仅有助于提升现有技术的性能，还为未来智能网络架构的设计提供了宝贵的数据支持。