评价指标
- 用户吞吐量 (Throughput): 测量用户实际获得的数据传输速率
- 视频播放卡顿次数 (Number of stalls in video streams): 衡量视频播放过程中由于缓冲不足导致的暂停次数
- 网络资源利用率 (Resource Utilization): 评估LTE基站和WiFi AP的负载情况，是否得到有效利用
- 接口切换时间 (Switching Time): 测量将用户流量从一个网络接口切换到另一个接口所需的时间，包括 \(T_s\) (开始切换到新接口的时间)、 \(T_f\) (在新接口完成传输的时间) 和 \(T_{i}\) (在旧接口停止传输的时间)
- 接口切换开销/频率 (Interface Switches / User): 评估由于动态切换带来的用户平均接口切换次数，以及由此可能产生的信令开销
- 聚合吞吐量 (Aggregate Throughput): 考察系统内所有用户的总吞吐量
- 聚合效用 (Aggregate Utility): 衡量所有用户流根据其效用函数计算得出的总体满意度
- 计算开销/效率 (Computation / Percentage computation): 评估ATOM算法（特别是eff-ATOM变体）在不同负载下进行接口分配决策所需的计算资源百分比
- 数据使用量 (Data Usage over LTE): 在考虑定价策略时，衡量用户在LTE网络上消耗的数据量
主要结论
- 提升用户体验 (QoE)：
- 与简单策略（如NO-ATOM，即用户在WiFi覆盖内就用WiFi；或Highest-RSSI，即选择信号最强的）相比，ATOM能够显著 减少视频播放的卡顿次数 (例如，从平均每分钟8-10次卡顿减少到1-2次)
- ATOM能够为用户提供更稳定且满足其需求的吞吐量，尤其是在WiFi AP拥塞而LTE资源未被充分利用的情况下
- 优化网络资源利用：
- ATOM能够更智能地在LTE和WiFi之间分配用户流量， 避免WiFi AP过度拥塞而LTE基站空闲的情况 ，从而提高整体网络资源的利用率 (例如，将LTE利用率从约40%提升到接近80%)
- 动态适应网络变化：
- 在用户流量动态变化（如用户到达/离开）或用户 移动导致无线条件变化时，ATOM能够动态调整接口选择 ，维持用户良好的QoE，而静态策略则会导致性能下降
- 细粒度流量管理有效性：
- 实验证明，相比于将用户所有流量都分配到单一接口的粗粒度策略（按用户流），ATOM的细粒度（按应用流）流量管理能够显著改善用户体验，避免关键应用（如视频）因非关键应用（如下载）占用过多带宽而受影响
- 无缝切换的实现与效率：
- ISS（接口切换服务）能够实现用户流量在LTE和WiFi间的快速无缝切换，切换时间（\(T_s\)）对于HTTP视频流和下载通常在秒级（例如25-35秒的视频块，切换时间在1秒左右）
- 算法性能与可扩展性：
- 与基于客户端的方案（如MOTA）相比，ATOM（网络中心化方案）在聚合吞吐量和聚合效用方面表现更优，且 计算开销更低、信令开销更少
- 提出的eff-ATOM（一种优化的ATOM）能够在不显著牺牲性能的前提下，大幅降低计算复杂度，显示了ATOM系统在大规模部署时的可扩展性潜力
- 定价策略的考量：
- ATOM的设计可以融合定价策略。在有定价（如LTE按流量计费，WiFi免费）的情况下， ATOM会倾向于将用户的流量更多地保留在WiFi上，从而降低用户在LTE上的数据使用量和费用 ，同时平衡QoE