近日，中国移动研究院低空智能切换领域相关论文《AI-Driven Dual-Mode Handover Optimization for 3D Mobile UAVs: Adaptive Threshold Control Meets CNN-Transformer Prediction》被国际SCI期刊《IEEE Transactions on Consumer Electronics》录用（影响因子10.9）。

低空网络“随心飞”已成为代表性的市场需求，但当前现网均面向地面用户规划部署，导致无人机在现网运行中面临水平旁瓣覆盖不足、信号波动频繁的实际问题，而传统A3切换机制在现网应用中易引发无人机通信频繁切换、乒乓效应及无效切换过多等隐患，难以适配3D高机动无人机通信场景。

应对上述挑战，该研究提出AI驱动双模式切换优化框架，深度融合设备级自适应阈值控制（UAHO）与CNN-Transformer时序预测（TPHD），构建面向3D移动无人机的双维度协同切换控制方案，破解低空无人机通信切换的稳定性与效率难题。该框架通过两项核心创新实现突破：其一，设计设备级自适应切换优化机制，构建级联动态小区个体偏移（CIO）调整模型，结合单向切换抑制、服务链路保持与自适应阈值调优策略，精细化控制切换条件，大幅减少无效切换；其二，提出CNN-Transformer混合RSRP预测模型，采用多尺度1D卷积核组提取局部时序特征，依托自注意力建模长时依赖，精准预测信号趋势，为切换决策提供前瞻先验信息。

切换方法的总体对比

不同策略下服务基站ID随时间的变化，(a) A3机制，(b) 纯UAHO机制，(c) 纯TPHD机制，(d) 所提优化方案

该研究在密集城区蜂窝网无人机飞行场景开展系统仿真验证。结果表明，所提方法相较传统A3切换机制，总平均切换次数从25.2降至8.2，降幅达67.46%，乒乓切换次数从16.1降至4，降幅75.16%；同时RSRP劣化点率仅0.193%，信号覆盖质量稳定。该研究为蜂窝网承载低空无人机可靠通信提供了鲁棒、高效的协同切换解决方案。

‌IEEE Transactions on Consumer Electronics（TCE）是IEEE旗下专注于消费电子技术的权威期刊，2026年影响因子为10.9（新锐期刊1区 Top/JCR Q1）‌，涵盖智能设备、物联网、能源管理等领域。