随着高清视频直播、远程医疗、无人驾驶等各种大带宽业务的不断产生,人们对于网络的传输速率也提出了更高的要求。现如今,单一的网络很难随时随地地满足不同用户的业务需求,因此,利用异构无线网络实现多路径并发传输成为解决该问题的重要研究方法之一。然而,在异构无线网络环境中,不同链路状况复杂多变,加上终端的移动性,多路径并发传输不可避免地会产生队头阻塞、接收端乱序等现象,严重降低传输效率。因此,本文针对多路径传输中存在的问题,深入研究了异构无线链路自适应并发传输控制技术。本文在介绍已有的多路径并发传输控制算法的基础上,主要从以下三个方面进行研究:（1）提出了一种基于自适应网络编码的多路径并发传输控制算法。在分析了多路径传输存在的问题的基础上,该算法引入A3C强化学习,通过自适应的网络编码,根据当前网络状况智能地选择编码分组大小和冗余大小,从而解决数据包的乱序问题。仿真结果表明,相比采用管道网络编码的多路径算法,该算法能够提高10%左右的传输速率,从而有效地提升了用户体验。（2）提出了一种基于模型和数据的自适应拥塞控制算法（Model and Data Adaptive Congestion Control,MADACC）。在分析了传统的拥塞算法和基于学习的拥塞控制算法的优缺点之后,该算法充分结合了两者的优点,将每个决策周期分为四个周期,分别为探索期、过渡期、评估期以及决策期。在决策期该算法根据不同业务的偏好,基于效用评估函数值,选取最优的发送速率。仿真结果表明该算法解决了传统拥塞控制算法自适应性差以及基于学习的拥塞控制算法开销较高的问题,有效提升了算法的自适应性以及实用性。（3）设计并实现了面向大带宽业务的多流传输原型验证系统。该系统通过4G、5G和Wi Fi等多个网络协同传输模块,为节点的接入提供了更大的接入带宽。同时根据大带宽业务需求,设计了四种自适应调度策略,分别为Overflow策略、Priority策略、Least策略以及Weight策略。该系统可以根据不同的业务需求灵活选择与之相匹配的传输策略,从而有效地提升传输大带宽业务时的用户体验。