QoE驱动的跨层协同决策机制数据集

针对移动网络环境下云渲染、VR等高带宽、低时延视频业务在体验质量（QoE）优化中面临的跨层信息缺失与协同困难问题，构建并发布了一套包含真实网络测量与高保真仿真数据的综合数据集。该数据集旨在打破应用层与传输层的信息壁垒，由四个核心子集组成：（1）无线网络ABR视频流数据，包含590个真实4G/5G/Wi-Fi环境下的视频会话，精确记录了不同带宽限制与信号强度下的块级传输特征；（2）云渲染端到端跨层测量数据，源于真实商用平台的线上业务，提供了包含服务器渲染、网络传输、首帧显示及终端解码的端到端时延分解指标；（3）用户行为与编码传输耦合数据，通过服务端埋点实现了用户交互动作、帧级编码参数与传输层拥塞控制状态的微秒级对齐；（4）5G边缘网络多路径调度数据，基于NS-3高保真仿真，揭示了微突发流量下5G物理层资源（TBSize）、RLC缓冲与Wi-Fi队列的细粒度动态。本数据集汇聚了全链路跨层信息，为网络波动预测、端到端时延归因分析、动作感知的自适应码率（ABR）算法评估以及异构网络下的多路径智能调度策略研究提供了多维度、可复现的真实数据基础。