全景视频作为传统视频与虚拟现实的结合产物,近年来获得了学术界和产业界的广泛关注。由于全景视频中包含了整个空间场景的画面,其数据量将远高于传统视频,这给全景视频的传输和分发提出了新的挑战。一些研究者针对一对一的全景视频传输场景提出了视区自适应传输模型。这类模型将根据用户的观看视角对全景视频画面的不同区域进行选择性传输,从而降低了全景视频传输的网络带宽需求。然而,对于多个用户的全景视频传输场景,现有的模型未能考虑到用户视角之间的相似性,导致了相同视频数据在网络环境中的冗余传输。本文对无线网络环境下的全景视频传输进行研究,提出了一种基于机器学习的多人全景视频传输模型。该模型发掘并利用了多个用户视角之间的相似性,使用单播和组播相结合的传输方式代替单一的单播传输,达到减少冗余传输、提高网络传输效率的目的。具体地,该模型使用了机器学习模型对每个用户各自的头部运动轨迹以及他们（她们）之间的视角重叠情况进行预测,进而将可见的视频画面区域细分为独有视角区域和共同视角区域,并分别采用单播和组播对其进行传输,实现了多人场景下传输带宽的进一步优化。为了验证本文提出的模型的有效性,我们使用了真实的用户观看全景视频的头部运动轨迹数据对模型进行了测试与评估,并通过模拟场景实验对模型能够带来的传输优化效果进行了评估与分析。实验证明,本文提出的模型能够较为准确地预测出用户的头部运动轨迹以及共同视角存在情况,并能够在传输过程中减少10%-40%的带宽占用量。