目前,尽管移动视频直播服务已经被广泛使用,但是用户的体验质量(Quality of Experience,QoE)仍然不能令人满意。另外,以往的研究工作都是基于模拟实验或者小规模真实实验来研究这一问题,基于大量真实应用数据的研究还不多见。本课题首先从合作方(国内一个主要视频直播服务提供商)处获得了超过7.7TB的视频直播网络状态数据。分析这些数据发现视频编码层和传输层二者工作的不协调造成了视频卡顿和图像模糊等低QoE的现象。针对该问题,本课题设计并实现了基于深度强化学习算法A3C的智能拥塞控制算法,该算法从海量的历史网络数据中提取到视频编码层和传输层的高层特征,通过训练,使得算法能够在运行时,协调视频编码层和传输层的联动,让二者不再各行其是。另外,为了加速算法训练过程,本课题设计并实现了压缩时间的视频直播模拟器,该模拟器能够在3.6分钟内模拟完成24小时的直播过程。最后,本课题对算法进行了性能评估,发现其相比于其他视频传输解决方案,性能平均提升10%左右。