基于经验 RAT 评估的拥塞感知卸载与切换 -- 面向多 RAT 网络

无线网络和无线接入技术（RAT）的演变已使通信从用户驱动的流量转变为由自主系统组成的动态生态系统，包括物联网设备、边缘节点、自动驾驶车辆、AR/XR 客户端和 AI 智能体。这些系统表现出多样化的流量模式、延迟要求和移动行为，日益跨越覆盖重叠的异构 RAT 如 5G、WiFi、卫星、NB-IoT、LoRaWAN、Zigbee 等。这种多 RAT 共存为智能接入、移动和路由策略创造了机会。然而，大多数移动决策仍严重依赖 RSSI，这忽略了 RAT 特定特征、拥塞、排队延迟和应用需求，倾向于选择高功率链路而非最优链路。为此，我们提出 chrome（拥塞感知的经验 RAT 评估下的卸载与切换），一种用于密集多 RAT 网络的多准则框架。chrome 增强 RSSI 引入多个准则，并应用技术相似理想解排序法（TOPSIS）对可用 RAT 进行排序。准则权重通过主观（运营商驱动）和客观（基于测量）方法确定。基于此排序，chrome 执行智能跨 RAT 卸载以减少过度利用链路的拥塞。我们在由 Mininet WiFi 控制的密集 5G/WiFi 多 RAT 环境中对 chrome 进行评估。相较于仅使用 RSSI 的切换，COHERE 可将拥挤 RAT 的负载降低最高 32%，总切换次数降低 25%，转向拥挤 RAT 的切换次数降低 55%，链路延迟提升最高 166%，而保持可 comparable 或最高提升 11% 的吞吐量。这些结果表明，保守的多准则决策可利用 RAT 共存，为异构部署提供稳健、拥塞感知的性能。