在过去的数年中,视频流媒体服务越来越受到欢迎,视频流量占据了互联网传输流量的绝大部分,并且每年都在稳步增长。然而,随着网络规模的迅速膨胀,网络结构和网络环境变得越来越复杂,传统的流媒体技术无法在各种复杂网络环境下提供高质量的视频传输服务,更难以保障用户的体验质量（Qo E）。与此同时,随着IPv6技术的越来越成熟,面向下一代IPv6互联网的应用开发和技术创新是必然的趋势。因此,为了满足日益增长的高质量视频服务需求以及融合下一代网络技术的现实要求,亟需新技术设计出一种高效可行的适合现代视频应用要求的流媒体解决方案,提升用户的体验质量。可伸缩性视频编码技术（SVC）可以将原始视频编码成一个多层嵌套码流,通过调整输出端的码流层次就可以适应各种复杂的网络环境。因此,本论文的研究工作围绕SVC技术展开,在IPv6网络中实现一种自适应流媒体解决方案,并在各种复杂的应用环境中验证方案的可行性以及高效性。首先,论文针对传统流媒体技术以及ABR方案的缺陷,采用SVC技术和HTTP协议设计实现了一个可伸缩流媒体服务系统。在每次决策时刻,该系统能够根据客户端实时反馈的测量数据,动态地计算出当前SVC视频流需要传输的层次,然后对相应视频流进行层次提取、封装发送,从而能够为用户提供自适应的视频点播服务。随后,论文对SVC视频流服务进行了分析,认为有四个主要因素与用户体验质量密切相关,分别是SVC视频分片平均质量、客户端缓存状态、层次切换的频率和层次切换幅度。以此为基础,设计了一个针对SVC视频流服务的Qo E评价模型。论文针对SVC缺乏高效的层次自适应选择策略这一问题,提出了解决方案。从用户Qo E的角度出发,将SVC视频流层次自适应选择问题建模为马尔可夫决策过程模型,利用Q-Learing算法求解最优策略,即提出一种基于MDP的SVC层次自适应选择算法。最后,论文将设计的自适应选择算法作为可伸缩流媒体服务器端层次计算模块的实现,并且将可伸缩流媒体服务系统部署在实验网络中,将其他研究提出的另外两种自适应选择算法与本文提出的算法比较,分别在模拟IPv6网络和实际IPv6环境中进行实验并且分析结果,论证了本文提出的算法相比于其他自适应选择算法的优越性,能够提供给用户更高的视频质量、更均衡的缓存以及更平滑的切换,从而带给用户更优的Qo E。除此之外,还通过在模拟SRv6网络中的实验验证了本文实现的系统和算法对下一代IPv6新技术的适应性。