MagicOS 10.0 高铁/地铁/电梯场景体验优化

近期老杨收到有小伙伴们反映出行中遇到以下通信体验不佳场景，如高铁上刷视频卡顿、地铁中上网慢、电梯里经常信号不稳定、出电梯后长时间搜不到5G信号等现象，本期老杨针对以上场景，介绍MagicOS 10.0相关优化，欢迎大家留言讨论！

一、高铁/地铁/电梯场景对于上网体验的影响

1、高铁/地铁场景信道特性
高铁和地铁信道特性相似，具有三大特性：密封环境信号路损大、高速下网络环境频繁小区/制式变化、多普勒频偏效应。

密封环境信号路损大
高铁车厢采用全封闭的金属结构，车窗使用特殊镀膜玻璃，形成类似“法拉第笼”的屏蔽效应。这会极大地衰减外部基站信号穿透进入车厢的强度，造成车厢内信号质量差、覆盖盲区等问题。

高速下网络环境频繁小区/制式变化
高铁列车运行速度极高（可达300km/h甚至更高），这给通信网络带来了巨大的挑战。快速的移动导致用户（乘客手机、列控设备）频繁地穿越不同基站的覆盖区域，需要进行频繁的小区切换（handover），对网络的切换速度和成功率要求极高。

多普勒频偏效应
高速移动会引起显著的多普勒频移（Doppler shift），导致基带信号频谱展宽。这会降低信号解调的准确性，需要采用特殊的技术（如多普勒频移补偿算法）来减轻其影响。震源的位置随着列车的行驶而改变，会产生相应的多普勒效应。多普勒效应对通信的主要影响包括频率偏移、调制失真、系统同步问题以及性能恶化，具体表现为接收信号频率与发送频率不一致，可能导致接收端解调器无法正确解码，从而降低通信的误码率、数据传输率和通信容量。为了解决这些问题，需要采取抗多普勒效应的技术，如多普勒估计与补偿、多普勒分集等。

除此之外还有很多其他因素影响上网体验，如：
特殊信道传播特性
高铁沿线环境复杂多样（隧道、桥梁、山区、平原），无线信号传播模型复杂，存在直射、反射、散射等多种传播机制。信号包络呈现特殊的莱斯分布（Ricean distribution）特征。

高铁场景下仅仅一个空口信道就有如上的一系列因素影响（网络非常复杂、信道多变、抗频偏干扰比较大），用户体验其实还有无线资源分配、调度拥塞、以及核心网和APP服务器处理能力和时延大小等诸多因素影响。

2、电梯场景信道特性
电梯场景下具有三大特性：金属屏蔽效应、高速移动与频繁切换（Handover）、电磁干扰复杂。

金属屏蔽效应
电梯轿厢通常由金属材料构成，形成一个类似于“法拉第笼”的封闭空间。这种结构对无线电波具有很强的屏蔽作用，导致外部宏基站信号（如蜂窝移动信号、Wi-Fi信号）难以有效穿透，使得电梯内部成为天然的信号盲区或弱信号区。

高速移动与频繁切换（Handover）
电梯在垂直方向上的高速运行（尤其是在高层建筑中）使得乘客和物联网设备频繁地穿越不同基站或接入点的覆盖区域。这要求通信网络具备快速、平滑的切换能力，否则容易导致通信中断。

电磁干扰复杂
电梯系统内部包含电机、变频器、控制柜等大量机电设备，这些设备在运行过程中会产生较强的电磁干扰（EMI），可能影响无线通信设备的正常工作和信号稳定性。

除此之外还有很多其他因素影响电梯场景下的上网体验，如：
信号覆盖盲区
电梯井道是狭长的垂直空间，信号在其中的传播衰减大、反射多（多径效应），难以实现稳定的全覆盖。

信号质量剧烈波动
随着电梯的升降，周围的建筑结构和楼层变化导致信号强度和质量（如信号噪声比）发生快速、剧烈的波动，这极大地影响了通信的稳定性和数据传输速率。

电梯场景下网络部署
网络布线与安装的复杂性：要在电梯轿厢内实现稳定的有线或无线连接，需要特殊的布线方式。例如，利用随行电缆（一种专用的高柔性电缆，随轿厢上下移动）传输网络信号，或者在井道内部署专用的分布式天线系统（DAS）或小型基站，这些都增加了安装和维护的难度与成本。

以抖音APP视频场景下为例，我们先了解抖音视频播放机制

1、抖音基本框架与核心单元
短视频播放可以分成三大块，网络加载、音视频、合成送显。网络和音视频两部分绝大多数业务都掌握。

在 App 手中，尽最大的可能做到了不依赖系统接口或者只用最底层的系统接口。网络相关业务主要封装在 libsscronet.so、libttboringssl.so。音视频解码分为软解与硬解，硬解码使用系统的 MediaCodec 接口，软解码是自己定制的libttffmpeg.so 音视频同步应该也是用的 ffmpeg。

核心单元编解码器：MediaCodec 类可用于访问底层媒体编解码器，即编码器/解码器组件。它是 Android 底层多媒体支持基础架构的一部分（通常与、MediaExtractor和一起使用MediaSyncMediaMuxerMediaCryptoMediaDrmImageSurfaceAudioTrack

简而言之，编解码器处理输入数据以生成输出数据。它异步处理数据，并使用一组输入和输出缓冲区。简单来说，您请求（或接收）一个空的输入缓冲区，用数据填充它，然后将其发送给编解码器进行处理。编解码器使用这些数据并将其转换为一个空的输出缓冲区。最后，您请求（或接收）一个已填充的输出缓冲区，使用其中的内容并将其释放回编解码器。

2、抖音基本工作流程

3、抖音预加载机制
预加载是指在视频播放前提前下载视频的部分内容

抖音预加载一般提前加载5个视频，初次启动阶段会产生大量SR请求消息，向网络大量请求资源，结合我们高铁场景下地理围栏我们会提前在合适的小区预加载网络视频，而且可以预判网络差的情况下，更多的缓存视频

所以，针对高铁/地铁/电梯等极端场景，我们运用云端地理围栏方案，让用户尽量处于更好的网络环境下，使APP运行流畅。另外，针对抖音APP的预加载预渲染策略、结合网络优选方案，尤其是4G-5G乒乓抑制方面，通过信任度、三方应用指示引入，更进一步精准优化网络选择，针对高铁场景，利用云端大数据4G-5G网络部署，让用户选择更好的网络，针对场景识别不准确情况下，采用保守策略进行网络优化。

二、MagicOS 10.0对于高铁/地铁/电梯场景的相关优化

1、高铁/地铁场景优化：
高铁场景下基于云端大数据，精准识别高铁线路最优小区，使用户在乘坐高铁路线上始终处于最优的小区。
针对高铁/地铁场景网络优选更加精准，同时增加小区聚合度、增加网络波动容忍度等

2、电梯场景优化：
优化网络优选策略，提高选择最优小区的准确性。
通过传感器感知用户进出电梯， 若用户处在电梯场景，我们调整用户网络优化策略，减少网络4G-5G乒乓切换/无信号风险；
提高用户高制式优先级，出电梯后可以更快回到高制式  3G -->快回4G， 4G-->快回5G；

结语      
Magic 10.0用户升级，整体用户场景网络优化更精准、策略上更加完善，针对高铁/地铁/电梯等特殊场景下，我们有一些通用方案优化，也有一些针对性方案优化，但是影响用户体验的因素众多。
从上下行链路网络数据流来说，我们终端只是其中一个节点、其他还有基站、核心网、传输网络、应用服务器等多个节点，针对网络断流、卡顿等问题，如果有其他节点的问题，可能会影响到我们的优化效果，但是我们会持续提升用户体验满意度。