LTE精細化業務建模及其應用

中國聯通網絡技術研究院 北京 100048

前言

移動互聯網應用的迅猛發展對于電信運營商來說既是機遇，又是挑戰。移動用戶對于數據業務需求的進一步提高，使得電信運營商不僅需要建設容量更大、速率更高的LTE網絡，而且不同用戶的個性化業務需求也要求構建完善的大數據信息處理平臺。在LTE網絡的規劃與設計中，LTE業務模型是其重要的組成部分，并且對LTE網絡的建設與優化具有基礎性的指導意義。為更加準確地探究移動業務發展趨勢及其對網絡的影響，我們有必要撥開統計數據的表面迷霧，深入研究現網中每種類型業務的典型特征及其變化規律，分析用戶行為變化對網絡性能的影響，從而建立LTE網絡的精細化業務模型，為LTE網絡升級演進與業務運營提供有效支撐。

業務模型是用來表征用戶使用業務行為的統計性特征，統計參數可以從不同角度表征。具體來講，業務模型包括不同場景下的業務統計特征、業務與用戶增長態勢、用戶行為特征等諸多方面。已有文獻從不同角度給出業務模型分析，統計用戶使用不同業務的習慣特征，和不同業務數據流量的變化特征；也有些文獻對業務發展做出了預測，包括用戶數量、流量和業務構成等。由于大量高速數據業務基本發生在室內環境下，針對室內業務，肖清華等人在文獻[1]中提出一種TD-LTE室內數據業務模型的分析流程。在9種不同的場景下，細化業務分類，并結合用戶使用業務習慣的差異性，利用統計分析的方法，給出較為細化的業務模型；文獻[2]從網絡建設角度出發，在已有的GSM、TD-SCDMA、WLAN等網絡的基礎上，考慮加入LTE網絡的多網資源配置問題，針對不同業務，從業務需求、終端分布和用戶習慣等方面進行數據分析，給出LTE建設及資源配置的方案。另外，也有研究針對某種LTE業務單獨建立業務分析模型，如文獻[3]提出了一種用于分析“一鍵通”業務流量的排隊模型，該模型采用了排隊理論和改進的擴展Erlang B公式。

本文針對LTE精細化業務建模問題展開研究工作。首先從時域、地域和業務量發生概率角度分析了現網業務特征；其次，分析LTE業務發展趨勢，給出業務發展預測分析結果；最后基于以上分析結果，以業務價值評估為例給出業務模型的一種應用方法。

1 UMTS現網業務特征分析

本文依托中國某地區的現網3G數據作為分析基礎。該區域UMTS網絡覆蓋面積約為138平方千米，包含1 572個小區，627個業務應用，各項業務數據的時間采集粒度為小時級，空間采集粒度為小區級?；谏鲜鯱MTS現網業務數據，業務特征分析從時間、空間和用戶三個維度展開，分析思路及主要業務特征參數如圖1所示。

圖1 業務分析思路

首先，在時間維度上分析天粒度和小時粒度的業務特性。1) 天粒度數據可用于分析一周內各類業務參數的變化趨勢。主要分析目標包括一周內的業務流量與用戶數總體變化情況、工作日與周末的用戶業務行為對比等。2) 小時粒度數據可用于分析一天內各類業務參數的變化規律，并且提取忙時業務特性。主要分析目標包括業務流量與用戶數在24小時內的周期性特性分析、業務波動性分析、忙時業務構成及其主要參數分析等。然后，在空間維度上著重考慮該區域的總體業務特性分析、各類典型場景業務特性分析，以及小區層面的業務特征共性與差異化分析。最后，針對一些主要的業務特征參數分析其概率分布，可作為不同類型業務占用網絡資源情況的研究基礎。雖然數據分析結果僅代表該區域的業務特征，但是至少在分析思路和方法上具有普適性意義，而且業務特征分析的一些共性結果可以作為參考。

1.1 總體業務構成

根據UMTS現網數據的業務屬性，本文將業務類型分為八類，即網頁瀏覽、流媒體、社交網站、即時通信、背景類業務、軟件應用、傳統電信增值業務、其它業務。其中，其它業務包括網絡協議和無法解析的業務；流媒體業務包括視頻流、VoIP等業務；社交網站業務包括微博等業務；即時通信業務包括微信、QQ信息交互等業務；背景類業務包括郵件、下載、P2P等傳統數據業務；軟件應用業務包括智能手機中的一些典型APP軟件；傳統電信增值業務包括彩信等業務。

通過對UMTS業務數據分析，可得到該區域的現網業務構成，如圖2(a)所示。在日均業務流量構成中，流媒體業務的所占比重最大，網頁瀏覽業務位居第二，背景類業務也占有較大比重(其中文件傳輸流量較大)，上述三類業務流量合計達到95%以上。在用戶數構成分析中，如圖2(b)所示，網頁瀏覽用戶數所占比重最大，即時通信業務用戶數位居第二，背景類業務也占有較大比重(其中文件傳輸用戶數較多)，上述三類業務用戶數合計達到近90%?？梢?，流媒體業務由少量用戶使用，但是提供了較大的業務流量；即時消息的用戶使用率較高，不過其提供的業務流量很少。

圖2 UMTS現網的業務構成

1.2 時域特性分析

1.2.1 天粒度時域特性分析

本節著重分析業務流量與用戶數在工作日與周末的總體業務波動性及其變化規律。圖3(a)和圖3(b)給出一周內總體業務流量與用戶數量的數據分析結果。這里用戶數量分為兩類，即物理用戶數與邏輯用戶數。物理用戶數就是我們通常所說的用戶個體數量，邏輯用戶數表示針對一個用戶使用多個業務應用進行重復計算的用戶數，也就是說一個用戶使用一個業務應用即為一個邏輯用戶?？梢?，該區域工作日的業務流量與用戶數量基本保持穩定，不過周末的業務流量明顯高于工作日，但是周末的用戶數量卻低于工作日。這說明周末可能會有一些流動用戶離開該區域，但是單用戶的業務使用量會有明顯的增加。對數據進一步分析會發現，用戶在周末對流媒體、網頁瀏覽與背景類業務的使用量明顯高于工作日。

圖3 總體業務流量及用戶數的天粒度時域分析

1.2.2 小時粒度時域特性分析

本節著重分析各類業務流量在24小時內的變化規律。圖4(a)給出了總業務流量的24小時平均變化特性，可見該區域的總業務量忙時主要出現在夜間0點，結合該區域的市場營銷分析，會發現這是由于在該地區推廣的“夜間流量包”運營策略提升了用戶在夜間使用多媒體業務的積極性。另外，在白天業務流量會出現早(8時)、中(12時)、晚(18時)三個小高峰。這應該是用戶在上下班途中及中午就餐等空閑時間使用數據業務造成的。進一步地，通過對各類業務流量在24小時之內的數據變化進行統計，得到圖4(b)。如圖4所示，各大類業務流量趨勢基本一致。流媒體業務夜間流量較高，其他業務每日6點或7點為業務量增長的拐點，每日23點或0點為業務量下降的拐點，大部分業務在12點和17～18點出現業務流量小高峰。

圖4 業務流量的小時粒度時域分析

1.3 地域特性分析

由于不同類型業務在空間分布上可能存在差異，圖5給出了網頁瀏覽、流媒體、即時通信三種業務的用戶空間分布圖，并且對比其在工作日與周末的差異?？梢?，網頁瀏覽和流媒體兩種業務在工作日和周末的空間分布趨于一致，但是即時消息業務在工作日與周末的空間分布差異較大。

1.4 業務特征參數的概率分析

在UMTS網絡的基本業務特性分析中，可以從流量特性、用戶數特性、業務訪問特性等方面考慮。其中，流量特性和用戶數特性在前文中已經分析過，這里就不再贅述。為更好地體現在一次業務連接中的業務量和業務種類的占比關系，本文選取單次TCP連接的業務量進行分析，如圖6所示。從圖6(a)中可以看出，單次TCP連接的業務量所占比例隨著業務量增大而降低，有一半以上的單次TCP連接業務量在15KB以下，其中在5KB以下的占比約為30%。圖6(b)中給出不同類型業務單次TCP連接業務量的累積概率分布曲線，可見流媒體業務單次連接的業務量要遠遠大于其他各類業務。歸納單次TCP連接業務量的具體表現為：傳統電信增值業務80%集中在5KB以下，即時消息、網頁瀏覽和社交網站業務80%集中在30KB以內，背景類業務80%集中在60KB以內，而流媒體業務有50%的單次連接業務量高于200KB。

圖5 主要業務的用戶空間分布圖

圖6 單次連接業務量的概率分布圖

2 LTE網絡精細化業務建模

本文中LTE精細化業務模型是指針對多種業務類型而構建的LTE業務模型。通過綜合分析核心網與基站側的業務監測數據，對不同類型業務分別進行業務特征分析。LTE精細化業務模型構建是以UMTS現網業務數據分析為基礎的。在業務構成方面，北美運營商AT&T曾對LTE網絡和HSPA網絡的業務構成進行對比，雖然LTE網絡的業務流量通常比HSPA網絡有所提升，但是LTE網絡初期的各類業務占比卻與HSPA網絡基本保持一致。因此，可以將基于HSPA技術演進后的3G現網業務數據作為LTE精細化業務模型構建的參考依據之一。

2.1 LTE網絡業務發展趨勢

基于各標準組織的業務類型劃分方法，綜合考慮各類業務在國內UMTS網絡中的運營現狀，及其在國外LTE網絡運營中的增長態勢，本節對LTE網絡的各類業務發展趨勢進行分析。

1) 視頻流類業務。包括在線視頻等，該類業務特點為下行數據包較大，下行流量較多。目前，在國外很多國家和地區，視頻業務已經成為LTE網絡的主流業務。例如，在北美運營商AT&T的業務構成中，視頻業務的流量占比位居首位，約為32%。實際上，AT&T業務統計數據顯示在3G/4G業務套餐基本保持一致導向的情況下，4G與3G網絡的業務流量占比變化不大。另一方面，很多研究機構(例如思科等)指出，移動互聯網業務發展趨勢與早前的傳統互聯網業務發展有諸多相似之處[4]。綜上，視頻業務也將成為我國LTE網絡的主流業務之一，并且在后續的網絡演進中具備很大的業務增長潛力，占據較大的業務占比。

2) 背景下載類業務。包括網頁瀏覽、E-mail、FTP等，該類業務屬于傳統移動互聯網業務。在我國UMTS現網中，背景下載類業務的業務量占比較大，尤其是網頁瀏覽類業務。但是，在國外比較成熟的3G/4G網絡中，網頁瀏覽的平均占比約為10%～15%。據愛立信提供的數據，歐美等地的網頁瀏覽業務流量基本達到飽和狀態，單用戶的月均使用量為230MB左右；因此，網頁瀏覽業務在我國LTE業務中將占據較大的流量占比，未來一段時間內將處于穩中有增的狀態。但是其存在飽和節點，達到飽和后流量增長將不明顯。

這里值得注意的是，社交網站作為近兩年的新生業務，受到用戶社交需求的影響，其增長勢頭將比其它網頁瀏覽業務更加迅猛。據社交發現和分享平臺Shareaholic于2015年10月28日發布的最新季度報告數據，與2014年同期相比，Facebook的影響力增長115%，為第三方網站輸送了超過22%的流量[5]。所以，有必要從用戶社交網絡行為的角度出發，將社交網站提煉出來，單獨進行分析[6]。

3) 即時通信類業務。包括微信、QQ消息等，該類業務屬于典型的小數據包業務，有可能帶來較大的信令開銷。即時通信類業務雖然業務量占比較小，但是其大量信令開銷造成的信令風暴有可能對網絡性能造成影響。因此有必要將其提煉出來做獨立研究。歐美等國家的網絡運營經驗中，即時通信業務的流量占比很低，不會高于5%，甚至很多情況下都低于1%。但是，國內在微信的推動下，即時通信業務的流量占比并不低，例如某地區的QQ業務流量占比接近10%。因此，即時通信類業務在未來一段時間應該繼續保持較高的增長態勢，不過由于其流量消耗較少，主要是通過用戶使用率的提高帶來流量增長。所以，在達到用戶滲透率飽和后，其業務流量增長將不明顯[6]。

4) 會話類業務。包括VoLTE等，該業務屬于傳統電信業務范疇，在3G網絡中屬于CS業務。但是，LTE網絡中該類業務都是通過IP數據來傳輸信息的。因此，LTE網絡中會話類業務的特點需要進一步分析。不過，我國LTE前期網絡中普遍采用CSFB技術，因此，本文并未將VoLTE業務作為關注重點[6]。

5) 游戲類業務。在智能終端領域，該類業務的流量占比還比較小，尚未對網絡性能造成明顯影響。但是，手機互動游戲類業務具有發展潛力，隨著智能終端功能增強，該類業務流量增長可能是跨越性的[6]。

2.2 LTE業務預測模型

基于國內UMTS與LTE現網業務數據，以及前文的業務發展分析，可以對LTE業務流量的增長進行預測，包括單用戶業務流量、LTE用戶數量、用戶信令開銷等。對業務流量統計數據進行分析可以獲得業務流量模型，該模型能夠靜態涵蓋發生的所有該類業務實例。

基于LTE業務的發展趨勢，每項業務的流量預測結果可用公式(1)-(3)表示。其中，TRi,j代表單用戶在第j年、使用業務i的月均流量。業務i可以是視頻業務、網頁瀏覽、社交網站、文件傳輸、即時通信和游戲類業務等。TRtotal, 0代表2015年單用戶月均使用各類業務的總流量。Ri,j表示在第j年、業務i流量在所有業務中的占比。

公式(2)預測了各業務的增長趨勢，vi,j表示第j年、業務i的復合增長率。根據不同的業務類型，vi,j的增長率表達式也不同，如公式(3)所示。

圖7給出單用戶月均流量增長的預測結果。其中，圖7(a)給出LTE業務流量增長預測曲線，圖7(b)給出2017年預期的業務流量占比?？梢?，視頻流業務占比將逐步提升，到2020年預期達到40%；文件傳輸業務將保持持續增長，到2020年其占比預期可超過10%；網頁瀏覽與即時通信業務將繼續穩步增長，預期在2019～2020年基本達到飽和狀態。

圖7 聯通LTE業務流量增長預測

基于各類業務單位流量信令開銷的統計數據，根據LTE業務流量增長的預測結果，可得到LTE網絡信令增長態勢，具體計算方法詳見公式(4)，圖8給出了預測結果?？梢?，即時通信業務仍然是信令開銷的主要來源。不過，隨著視頻業務流量的增長，總體業務的單位流量信令開銷還是會有所下降的，預期到2020年可從現在的45千條/MB降低到30千條/MB。

根據國內3G網絡用戶數量歷史數據分析，可得用戶復合增長率呈幾何下降趨勢，如公式(4)所示。由于不同網絡中用戶增長規律具有一定的相似性，公式(5)同樣適用于LTE網絡用戶數的增長規律。其中，Nj表示第j年的用戶數量，vjuser表示同年訪問不同業務i的用戶數復合增長率。根據來自3G網絡的統計數據，我們得到基于聯通3G建網以來的用戶數增長數據，可預測LTE用戶數的增長曲線。按照用戶數復合增長率等比遞減的規律，可得到LTE用戶數增長預測結果(詳見圖9)，預期到2020年聯通LTE用戶數可達1.2億。

圖8 聯通LTE網絡信令開銷預測

圖9 聯通LTE手機用戶數增長預測

3 LTE精細化業務模型應用

精細化的業務模型相較基本業務模型，包含了更為豐富的用戶行為信息，因此更接近于現實網絡。利用精細化的業務模型可以進行業務價值評估、小區價值評估，為網絡部署與業務運營提供有效依據。

3.1 基于LTE精細化業務模型的業務價值評估

業務價值評估可以從以下三個維度考慮，即業務收入維度、用戶體驗維度、資源消耗維度。其中，業務收入維度的主要影響因素包括平均業務流量、平均用戶數量等。用戶體驗維度的主要影響因素包括信息傳輸速率、丟包率、亂序率、端到端時延以及時延抖動等。資源消耗維度重點關注忙時業務，包括忙時業務流量、忙時用戶數量、忙時信令開銷和忙時訪問次數等。

以某類業務為例，圖10(a)給出了一種基本算法?；谠撍惴?，對各類業務應用的價值進行評價，圖10(b)給出了對某區域業務評估得到的TOP10業務?？梢?，該區域內HTTP網頁瀏覽和下載業務的價值最高，視頻流業務緊隨其后，社交網站和一些游戲類業務也具有較高價值。

圖10 業務價值評估算法及示例

3.2 基于LTE精細化業務模型的小區價值評估

基于業務空間分布的分析結果，可以對現網進行價值區域分析[6]。例如，以視頻流和文件傳輸作為高價值業務，圖11給出針對業務總流量[7]、高價值業務流量占比，基于九宮格的小區價值評估方法。

圖11 小區價值的九宮格評估方法

4 結束語

移動通信網絡是提供資源以承載業務、實現用戶信息交互的基礎設施，業務是向用戶展示不同內容及應用信息的載體。針對各類不同業務進行特征分析，是未來移動互聯網業務分析的切入點，也是移動通信網絡升級演進的依據。本文以UMTS現網業務數據分析為基礎，結合國內外LTE業務的發展現狀，構建了LTE網絡精細化業務模型，并給出該模型應用于業務價值和小區價值評估的方法。在后續研究中，可以通過提取更加全面的LTE現網數據，完善業務模型及其參數建議值，為LTE網絡后續的建設與優化提供更為有力的支撐。

參考文獻

[1] 肖清華,林棟.TD-LTE室內分布業務模型分析[J].移動通信,2013(17):44-48

[2] 黃春偉,陳寧寧.多維業務分析模型在LTE工程建設中的應用[J].郵電設計技術,2013(10):39-42

[3] MA Lin,WEI Shouming,QIANG Wei.A Novel Traffic Analysis Method for Poc over LTE Based on Retrial Calling Model[C]//Communications and Networking in China(CHINACOM),2011 6th International ICST Conference on:August 17-19,2011.Harbin,China,2011:771-775

[4] Cisco Visual Networking Index:Global Mobile Data traff i c Forecast Update 2010–2015.[EB/OL].[2015-09-10].http://www.cisco.com/en/US/solutions/collateral/ns341/ns525/ns537/ns705/ns827/white_paper_c11-520862.html

[5] 調查機構報告:Facebook穩坐輸送流量王座[EB/OL].(2014-10-28)[2015-07-27].http://tech.sina.com.cn/i/2014-10-28/doc-iawrnsfu3188347.shtml

[6] 劉琪,王蘊實,盛煜,等.移動互聯網業務在LTE時代的發展分析及業務建模[J].信息通信技術,2014,8(4):20-24

[7] Liu Qi,Li Yiqun.Energy conservation schemes based on mobility modeling in small cell networks[C]//URSI General Assembly and Scientific Symposium(GASS)conference,IEEE,Aug.2014:1-4

[8] Su Wei,Liu Qi,et al.Small cell deployment and smart cooperation scheme in dual-layer wireless networks[J]International Journal of Distributed Sensor Networks,2014:1-7