中國電信3G業(yè)務規(guī)模發(fā)展優(yōu)化手冊(上海貝爾分冊)

中國電信

CHINATELECOM

中國電信3G業(yè)務規(guī)模發(fā)展優(yōu)化手冊

（XX貝爾分冊）

中國電信集團公司網(wǎng)運部

中國電信XX公司

二零一二年六月

編寫說明：

為指導3G業(yè)務規(guī)模發(fā)展情況下的網(wǎng)優(yōu)工作，集團公司組織開展專項研究并編寫了《中

國電信3G業(yè)務規(guī)模發(fā)展優(yōu)化手冊》（XX貝爾分冊），對XX貝爾區(qū)域的終端業(yè)務模型、

網(wǎng)絡負荷評估、網(wǎng)絡優(yōu)化應對策略和無線資源負荷預警監(jiān)控機制進行說明，并附加具體案

例。

編制單位：

中國電信集團公司網(wǎng)運部

中國電信XX公司

中國電信XX研究院

高通公司

XX貝爾公司

中通服網(wǎng)優(yōu)技術(shù)公司

編制歷史:

版本更新日期修改更新說明主要撰寫人

馬丹、馮云喜、李波、姚堅、周濤、X

玉平、胡曉宇、胡宇明、李和明、王秀

V1.02012-6-27完成V1.0版

平、李留海、樓昉、陳曉芳、曹逸文、

X天韻、金益源、戴高杰、趙佳融

目錄

1概述5

2終端業(yè)務模型分析6

2.1分析思路6

2.1.1業(yè)務研究6

2.1.2終端研究7

2.13用戶模型7

2.2分析算法7

2.2.1用戶區(qū)分標識8

2.2.2模型分類算法8

2.2.3性能分類算法11

2.2.4用戶群匹配模型算法12

2.2.5時間均分算法13

2.2.6連接模型算法13

2.3模型特征14

2.3.1時域14

2.3.2地域16

2.3.3統(tǒng)計方式16

2.3.4智能手機(iPhone)模型19

2.4分析工具27

2.4.1終端分類工具27

2.4.2終端模型分析工具32

3網(wǎng)絡負荷評估33

3.1分析流程33

3.2月度走勢分析34

3.2.1網(wǎng)絡側(cè)34

3.2.2業(yè)務側(cè)34

3.2.3終端側(cè)35

3.3忙時分析35

3.3.1忙時定義35

3.3.2PCMD數(shù)據(jù)評估36

3.3.3KPI指標評估38

3.3.4特性分析40

3.4終端側(cè)評估41

3.4.1分析算法41

3.4.2性能測試42

3.4.3小結(jié)A2

3.5業(yè)務側(cè)評估43

3.5.1測試目的43

3.5.2測試方法44

3.5.3注意事項45

3.5.4測試結(jié)果45

3.5.5策略建議46

4網(wǎng)絡問題優(yōu)化策略48

4.1總體優(yōu)化流程49

4.2策略應對和優(yōu)化調(diào)整50

4.2.1策略應對總體分析流程50

4.2.2策略--休眠機制52

4.2.3策略二-負荷控制機制54

4.2.4策略三-切換機制55

4.2.5策略四-規(guī)劃機制58

4.2.6策略五-尋呼機制60

4.2.7策略六-接入機制62

4.2.8網(wǎng)絡基礎優(yōu)化應對策略65

4.3優(yōu)化效果評估66

4.3.1資源占用66

4.3.2網(wǎng)絡性能67

5網(wǎng)絡負荷預警和負荷預測機制67

5.1分析思路67

5.2資源負荷門限分析68

5.2.1信令信道門限69

5.2.2前向業(yè)務信道71

5.2.3反向業(yè)務信道73

5.2.4設備負荷73

5.3無線資源負荷預估流程74

5.4預估結(jié)果75

6附錄-案例匯總76

6.1網(wǎng)絡優(yōu)化策略實施案例76

6.1.1策略--休眠機制76

6.1.2策略二-負荷控制機制77

6.1.3策略三-切換機制78

6.1.4策略四-規(guī)劃機制80

6.1.5策略五■■尋呼機制83

6.1.6策略六-接入機制86

6.1.7基礎優(yōu)化-DO載頻邊界優(yōu)化88

6.2資源預估案例94

6.2.1預測用戶模型94

6.2.2預測門限94

6.2.3資源預估案例94

6.3終端性能分析案例及策略建議96

6.3.1終端性能分析96

6.3.2終端異常處理機制99

6.3.3特殊業(yè)務(QCHAT)終端問題分析106

6.4業(yè)務分析案例及策略建議107

6.4.1典型業(yè)務(BE)研究107

6.4.2QOS業(yè)務(QCHAT)研究114

6.5測試案例116

6.5.1業(yè)務測試案例116

6.5.2性能測試案例119

6.6RAPIDDORMANCY功能120

6.7智能手機實時監(jiān)控方法121

6.7.1分析思路121

6.7.2流程123

6.73方法123

6.7.4工具125

6.8相關(guān)表格126

6.8.1統(tǒng)計表格126

6.8.2參數(shù)表格133

1概述

根據(jù)集團公司《2012年無線網(wǎng)絡優(yōu)化工作要點》要求，集團公司網(wǎng)運部組織XX公司、

XX公司和XX公司作為EvDO優(yōu)化的試點省，深入分析智能手機規(guī)模發(fā)展下DO網(wǎng)絡特

性和規(guī)律；跟蹤、研究、分析終端的業(yè)務特性、對網(wǎng)絡影響等問題，建立終端業(yè)務模型，

并根據(jù)該業(yè)務模型預測業(yè)務規(guī)模發(fā)展下網(wǎng)絡可能存在的問題，完善各種無線資源負荷監(jiān)控

預警機制等，為快速解決業(yè)務規(guī)模發(fā)展下影響網(wǎng)絡的普遍性問題和用戶集中投訴問題做提

前預研；形成一整套分析思路、流程、方法和工具手段等，并將研究成果編制形成優(yōu)化手

冊。總冊主要概括分析3G業(yè)務規(guī)模發(fā)展下網(wǎng)絡特性分析與問題應對的分析思路、流程、

方法等，分冊分設備區(qū)（本分冊為XX貝爾區(qū)域）對終端業(yè)務模型、網(wǎng)絡負荷評估、網(wǎng)絡

優(yōu)化應對策略和無線資源負荷預警監(jiān)控機制進行說明。

本分冊主要從以下四方面闡述了相關(guān)分析思路和流程方法：

>終端業(yè)務模型分析

對不同終端類型的業(yè)務模型進行分析研究，以分析3G網(wǎng)絡規(guī)模應用和智能手機

普及帶來的用戶使用特性變化，并掌握隨著業(yè)務應用不斷變化帶來的網(wǎng)絡業(yè)務模型的

變化。

>網(wǎng)絡負荷評估

結(jié)合終端模型特征，從網(wǎng)絡側(cè)、終端側(cè)、業(yè)務側(cè)綜合對網(wǎng)絡進行全面評估，發(fā)掘

新的終端業(yè)務模型對網(wǎng)絡帶來的沖擊影響。

>網(wǎng)絡問題優(yōu)化策略

針對網(wǎng)絡評估發(fā)現(xiàn)的網(wǎng)絡可能面對的問題，采取對應的優(yōu)化流程，通過網(wǎng)絡側(cè)的

六大機制對網(wǎng)絡資源進行全面優(yōu)化。

>網(wǎng)絡負荷預警和負荷預測機制

在解決現(xiàn)網(wǎng)問題的基礎上，持續(xù)關(guān)注網(wǎng)絡資源配置和用戶變化情況，對網(wǎng)絡資源

負荷進行監(jiān)控，并針對可能存在的瓶頸及時預警并采取相應的措施。

此外，本分冊還提供了相應的優(yōu)化效果評估方法，并通過具體案例說明分析方法。

2終端業(yè)務模型分析

2.1分析思路

2.1.1業(yè)務研究

根據(jù)業(yè)務占用資源特性的差異，可以將業(yè)務分為連接類和流量類兩大類：

>連接類：傳輸數(shù)據(jù)量小，有效傳輸包占比較小，使用這類應用時用戶對資源可用

性較敏感，對帶寬不敏感。如：網(wǎng)頁瀏覽、即時通信、微博等應用。

>流量類：傳輸數(shù)據(jù)量大，有效傳輸包占比較大，使用這類應用時用戶對資源可用

性以及帶寬均較敏感。如：P2P下載、在線視頻等應用。

針對近期3G多元化業(yè)務和智能手機的迅猛發(fā)展，網(wǎng)絡業(yè)務形態(tài)和用戶行為迅速轉(zhuǎn)變

的現(xiàn)狀，以及智能手機的使用業(yè)務特性，本分冊選定連接類業(yè)務為主要對象。建立業(yè)務模

型和分析業(yè)務特性時，采用連接特性和流量特性兩大維度，以突顯不同業(yè)務對不同資源的

需求特性。

2.1.2終端研究

根據(jù)用戶使用習慣和PCMD的初步分析結(jié)果，不同終端類別的用戶業(yè)務模型有較大差

異。因此，本分冊將終端按照主要功能分為智能手機、普通手機和數(shù)據(jù)卡三大類：

>智能手機：采用開放式的操作系統(tǒng)，支持多元化的網(wǎng)絡應用程序，業(yè)務發(fā)展迅速。

移動性較強，應用以連接類業(yè)務為主。

>普通手機：采用Brew和其他一些比較低端的操作系統(tǒng)，網(wǎng)絡應用較單一，以網(wǎng)頁

流量等基本應用為主。

>數(shù)據(jù)卡：僅作為接入終端，業(yè)務以PC應用為主。移動性弱。

業(yè)務模型和性能分析都將采用以上三類終端維度進行統(tǒng)計。針對近期智能手機的迅速

普及以及智能手機的使用業(yè)務特性，本分冊以智能手機為主要對象。

2.1.3用戶模型

多元化業(yè)務應用最終在用戶粒度匯聚，為更貼近反映多元化業(yè)務應用匯聚后對無線側(cè)

資源的占用特性。根據(jù)業(yè)務研究特點（以連接類業(yè)務為主）和終端研究特點（以智能手機

為主），確立了以用戶為粒度，按終端類別進行分類，以連接類業(yè)務特征為維度，建立基

于PCMD的用戶業(yè)務評估模型。

連接流量

終端類別

時長間隔前向反向

智能手機J與值、區(qū)間統(tǒng)計方法

2.2分析算法

結(jié)合話單、終端信息等數(shù)據(jù)建立算法，形成基于終端類型的基本用戶業(yè)務模型。

2.2.1用戶區(qū)分標識

在進行用戶級分析之前，需要先找到區(qū)分用戶的方法。在CDMA系統(tǒng)中存在多種碼作

為區(qū)分用戶的標識：

1.IMSI:移動用戶識別碼/國際移動用戶識別碼(InternationalMobileSubscriber

Identity),用于唯一識別移動用戶的一個，共有15位十進制數(shù)。

2.MIN:移動臺標識號(MobileIdentificationNumber),用于唯一識別移動用戶的一

個，共有10位十進制數(shù)。中國CDMA移動網(wǎng)絡的IMSI和MIN號的對應關(guān)系為

46003+MIN=IMSL

3.ESN:電子序列號(ElectronicSerialNumber)終端的唯一標識，用于唯一識別3G

移動臺設備，長度32比特。

4.MDN:移動臺(MobileDirectoryNumber)MDN為本網(wǎng)移動用戶作被叫時，主叫

用戶所需撥的。

5.AKEY:一個同時保存在移動臺及相關(guān)交換機的鑒權(quán)中心的一個64-bit的值。它被

用作CAVE算法的輸入，以生成SSD。AKEY僅在移動臺與AC中保存，不能在

其它任何接口上傳送。

6.MEID:移動臺設備標識(MobileEquipmentIdentifiers)用于唯一識別3G移動臺設

備。包含56個比特。

通過以上六類標識或定義，可以看出用戶區(qū)分主要分成兩類：1)移動終端區(qū)分；2)

用戶區(qū)分。針對中國機卡分離的特性，需要特別關(guān)注UIM卡和終端對用戶分類的影響。結(jié)

合呼叫測量記錄中對IX和IXEVDO網(wǎng)絡的用戶定義，將做如下區(qū)分：

1.IX呼叫測量記錄：包含MIN、IMSI、ESN,MDN

2.IXEVDO呼叫測量記錄：包括MIN、IMSI、ESN、MEID

根據(jù)的唯一標識性，將選用IMSI、ESN/MEID作為分析算法中的用戶索引信息。

2.2.2模型分類算法

2.2.2.1屬性分類

首先，需要確定使用的主要數(shù)據(jù)來源和用戶標識：

1.IXEVDO呼叫測量記錄：用戶信息索引為ESN/MEID,1MSI

2.IX呼叫測量記錄:用戶信息索引為MIN。根據(jù)MIN號提取相關(guān)信息時，選擇service

option為1、3和68的語音業(yè)務，以此判斷是否為手機終端用戶。通過

46003+MIN=IMSI對應關(guān)系，可建立IX和IXEVDO呼叫測量記錄的關(guān)聯(lián)關(guān)系。

3.終端信息表：ESN/MEID與終端類型的對應表。用戶信息索引為ESN/MEID。列

入此表的均為手機終端用戶，并且包含此手機的具體型號。

然后，結(jié)合以上數(shù)據(jù)源將用戶終端分為以下幾類:

I.IMSI出現(xiàn)在EVDO話單中，并且在IX中進行過語音呼叫：手機

2.ESN/MEI和IMSI在終端信息表中：手機

3,不符合以上條件，但有可用IMSI：數(shù)據(jù)卡

4.不符合以上所有條件：未知

通過分類算法，可對數(shù)據(jù)卡和手機進行分類。如需要進行細致化的用戶模型分析，可

以采用屬性分類方式（如操作系統(tǒng)、套餐等）。由于智能手機是目前的一個關(guān)注焦點，因

此本分冊采用了操作系統(tǒng)的屬性分類方式，將手機終端分類需進一步細化，以判斷用戶行

為的差異性。具體分類如下：

1.數(shù)據(jù)卡：只使用EVDO數(shù)據(jù)業(yè)務的USB/PCMCIA卡

2.手機：產(chǎn)生EVDOPCMD記錄，并且IXPCMD有語音呼叫記錄或者所對應的

ESN/MEID和IMSI在終端信息表里存在的終端。

>智能手機：操作系統(tǒng)是Android,Windowsmobile,windowsCE,RIM和其他一

些高級操作系統(tǒng)（比如BADA）

>普通手機：Brew和其他一些比較低端的操作系統(tǒng)

>未知手機：終端型號和操作系統(tǒng)不可知的手機

根據(jù)以上關(guān)聯(lián)關(guān)系，可建立區(qū)分3G用戶類別區(qū)分算法計算流程圖：

提取EVDOPCMD呼叫

終端信IXPCMD呼

記錄中

息表叫記錄

IMSI,ESN/MEID

IMSI-^ESN/MEID

組合是否出現(xiàn)在

終端信息表中

No

IMSI是否使用過

?No—

IX語音業(yè)務

/

EVDOPCMD

呼叫記錄中

.是否有IMSI

智能手機'普通手機未知手機數(shù)據(jù)卡’未知終端

2.2.2.2未知終端

未知終端的記錄是由于EVDO呼叫測量記錄未出現(xiàn)IMSI信息。當用戶關(guān)閉手機連接

重啟終端后，終端進行Session協(xié)商后不會進行ANAAA鑒權(quán)，因此AN中無用戶IMSI信

息，如果此時發(fā)生IdleSessionTransfer則會出現(xiàn)不含IMSI的話單。通過用戶業(yè)務模型統(tǒng)

計，也可以看出此類用戶基本不產(chǎn)生業(yè)務，這部分有HWID無IMS1,且不能在終端信息

表中找到的用戶，可在用戶業(yè)務模型統(tǒng)計中做去除處理。

2.2.2.3未知手機

計算終端類別模型時，需要使用唯一的（MEID/ESN,IMSI）進行終端信息表匹配。

但在進行用戶數(shù)預估時，過多的未知手機會影響預估和評估的結(jié)果。因此，需對未知手機

做進一步的分類評估。

在進行不同終端類別的用戶數(shù)統(tǒng)計時，對于未知手機類別區(qū)分可采用以下兩種方法：

1.根據(jù)模型統(tǒng)計，進行用戶數(shù)的劃分：參考2.223.1

2.根據(jù)IMSI統(tǒng)計，進行用戶數(shù)的劃分：參考2.223.2

2.2.2.3.1模型評估

未知手機的模型，可采用統(tǒng)計學的理論計算，大致計算智能手機和非智能手機的比例，

采用“每用戶”的方式給設備歸類，這主要是由于對這三類設備的統(tǒng)計基本是獨立的：

1.每用戶連接數(shù)

2.每用戶總RLP字節(jié)數(shù)

3.每用戶空口連接時長

部分關(guān)鍵的假設：

1.在所有的“未知手機”里，只存在極小部分接近數(shù)據(jù)卡模型的手機用戶。如用戶

使用手機進行modem撥號上網(wǎng)。

2.智能手機/普通手機/數(shù)據(jù)卡用戶的行為方式對于已經(jīng)進行過分類統(tǒng)計的用戶和尚

未進行過統(tǒng)計分類的用戶是完全相同的o

步驟如下：

1.判別數(shù)據(jù)卡：通過統(tǒng)計''每用戶總RLP字節(jié)數(shù)”，篩選出那些總的數(shù)據(jù)流量超過

閥值A的用戶?閥值A主要是用于確保剩余百分之九十九的用戶均為智能手機或

者普通手機的用戶。如此篩選的的用戶就可以被認為根據(jù)X%分布的數(shù)據(jù)卡用戶

（注：之所以選擇“每用戶總RLP字節(jié)數(shù)”是因為它總是處于正態(tài)分布，并且在三

種“每用戶”統(tǒng)計方式里最能夠區(qū)分出手機和數(shù)據(jù)卡用戶）。

2.計算智能手機和普通手機：用以下的公式來計算每種統(tǒng)計方式下智能手機和普通

手機的分布：

SMARTPHONE_AVG*a%+FEATUREPHONE_AVG*（1-a%-x%）=UNKNOWN_HANDSET_AVG

模型統(tǒng)計的區(qū)分計算方式是未知手機的一種歸類算法。同時，也可根據(jù)不同需求，使

用IMSI（詳見222.3.2）和HWID（詳見2.2.3）進行分類算法。

.2IMSI分類

以用戶類別（IMSI）作為索引的分類判斷算法，可作為現(xiàn)網(wǎng)用戶數(shù)的另一種估計方法。

具體算法如下：

智能手機普通手機未知手機數(shù)據(jù)卡未知終端

此類算法可最大程度將用戶進行類別劃分。但是由于未做HWID的匹配，有部分用戶

可能使用了非天翼定制機（未上報更新后的終端類型），造成普通手機和智能手機的比例

差異。后續(xù)將繼續(xù)對用戶上報終端信息庫的字段進行研究，完善終端類別的統(tǒng)計。

2.2.3性能分類算法

以終端類別HWID（MEID/ESN）作為索引的分類判斷算法，可作為終端性能的估計方法。

主要使用在終端性能評估中。具體算法如下：

提取EVDOPCMD呼叫終端信

記錄中

IMSI,ESN/MEID息表

ESN/MEID是否出

現(xiàn)在終端信息表

中

IMSI是否使用過:

IX語音業(yè)務

終端信息表中EVDOPCW

是否存在智能呼叫記錄中

操作系統(tǒng)是否有IMSL

智能手機普通手機未知手機iI數(shù)據(jù)卡；「未知終端

V________/V.________/V________/K_________/V________y

此類算法可最大程度將終端進行類別劃分。在統(tǒng)計終端性能時，將以HWID（MEID/ESN）

作為天翼定制機的評估分類依據(jù)。

2.2.4用戶群匹配模型算法

針對特殊用戶群（如iPhone）,可建立特殊用戶群的跟蹤算法。

提取EVDO無線側(cè)用戶呼叫記

特定用戶群

錄（包含IMSI,連接時長,連

IMSI列表

接流量等字段）

用戶群IMSI是否存在于

EVDO話單中

每用戶連接次數(shù)每用戶前向流量每用戶反向流量每用戶連接時長

每連接前向流量每連接反向流量每連接連接時長

用戶群匹配模型流程

通過特定用戶群（IMSI）列表從EVDO話單中提取IMSI、流量、時長等字段，計算

用戶數(shù)，連接次數(shù)，前、反向流量連接時長等用戶模型。

目前智能手機用戶匹配方法采用終端信息表匹配，可能存在時延和手機未上報的問題。

后續(xù)將研究其他關(guān)聯(lián)方式，提高用戶的匹配度。

225時間均分算法

起始時間與結(jié)束時間,計算結(jié)束時間與起始

是否為同一小時-N-時間的時間差

計算所在時段內(nèi)每小

Y時的占用時長，根據(jù)

時長比例均分化流量

將話務統(tǒng)計（如流

量、時長）納入對

應小時的計數(shù)器

均分化流程

由于PCMD呼叫測量記錄是在每次呼叫完成后才形成記錄的，并以1小時為最小保存

周期（例如，一個數(shù)據(jù)卡用戶在8點10分發(fā)起數(shù)據(jù)連接，9點30分斷開數(shù)據(jù)連接，記錄

將保存在10點生成的1XEVDOPCMD文件中）。因此，從時域維度上進行小時化分析，

存在話務統(tǒng)計的滯后性。為了解決這個問題，在計算中需引入PCMD均分化算法。

目前由于話單記錄不能區(qū)分業(yè)務，因此模型分析中不區(qū)分每業(yè)務的具體模型。后續(xù)將

對每業(yè)務模型特征做進一步的研究分析。

2.2.6連接模型算法

以每連接話單作為樣本，對連接模型進行統(tǒng)計。通過對每連接時長、每連接前/反向流

量、連接間隔的計算，建立各類型用戶的每連接模型。

>每連接時長：對各類用戶每條話單的連接時長進行平均，得出不同類型用戶的每

連接時長（可根據(jù)需求設定門限值，將連接時長超長話單或異常話單從樣本中剔

除）；

>每連接前/反向流量：對各類用戶每條話單的RLP層前/反向流量進行求平均，得

出不同類型用戶每連接前/反向流量；

>平均連接間隔：通過將每連接的連接建立時間與連接時長求和，得出連接結(jié)束時

間。以IMSI為標識，計算同一用戶時間相鄰的話單中，后一條話單的連接建立時

間與前一條話單的連接結(jié)束時間的差值，并對同類用戶的差值求平均，得到各類

用戶的平均連接間隔。（注1：當用戶在統(tǒng)計周期內(nèi)僅存在1條話單記錄，則在

統(tǒng)計平均連接間隔時將此用戶剔去。注2：當計算跨天連接間隔時，需將后一條

話單的連接建立時間+N*24小時，其中N為相隔日期數(shù)）。

通過以上算法，可分析各類用戶的連接特性，并可以通過每連接模型的分布，對心跳

機制等行為特征進行研究。

2.3模型特征

2.3.1時域

2.3.1.1同類終端不同資源

由于智能手機的應用多樣性，用戶不同時段應用存在差異使其不同資源占用最忙時及

24小時變化趨勢存在差異。

下圖為智能手機24小時流量和連接數(shù)變化趨勢圖：

從智能手機24小時流量和連接數(shù)變化情況可以看到，智能手機流量忙時出現(xiàn)在晚上

18:00-19:00,而連接忙時出現(xiàn)在下午14:00-15:00。反映出智能手機用戶不同時段的應用特

性存在差異。因此分析同類終端的不同資源維度時，需關(guān)注不同的最忙時特性。

2.3.1.2不同終端同類資源

不同類別終端，因用戶使用業(yè)務特性差異，同類資源消耗的時域特征存在差異。

下圖分別為智能手機和數(shù)據(jù)卡工作日24小時流量變化趨勢：

智能手機24小時流量趨勢

9,000,000

8,000.000

7,000,000

6,000,000

5,000,000

4,000,000

3,000,000

2,000,000

1,000,000

0

Ohlh2h3h4h5h6h7h8h9hlOhllh12h13h14h15h16h17h18h19h20h21h22h23h

數(shù)據(jù)卡24小時流量趨勢

通過一周工作日24小時流量變化趨勢對比可以看出：智能手機的流量最忙時出現(xiàn)在

18:00-19:00,而數(shù)據(jù)卡的流量最忙時出現(xiàn)在21:00-22:00。不同終端類別的流量最忙時不同，

流量變化趨勢也存在差異。因此分析不同終端的同類資源維度時，同樣需關(guān)注不同的最忙

時特性。

2.3.1.3忙時遷移

同類終端（尤其是智能手機），隨著應用的快速發(fā)展，用戶的使用習慣發(fā)生變化，也使

得終端資源占用特性在逐漸變化。

下圖為3個月的智能手機24小時流量變化趨勢：

■3月?5月6月

月份智能手機流量最忙時

3月18:00-19:00

5月18:00-19:00

6月21:00-22:00

通過三個月智能手機用戶的流量最忙時統(tǒng)計可以看出，忙時從18:00-19:00遷移至6月

21:00-22:00。因此對于終端資源占用的忙時特征，需要持續(xù)跟蹤分析。

2.3.2地域

由于終端特性不同，不同時段用戶的移動性存在明顯差異，造成地域特性的差異。通

過PCMD可以針對不同終端類型進行移動性變化分析。

下圖為某智能手機24小時用戶數(shù)變化趨勢：

下圖為某智能手機部分時段地域活躍度:

/站用El

8:00-9:002?綣*18線。21:0022:00

移動性統(tǒng)計8-9時17-18時21-22時

平均每用戶占用小區(qū)數(shù)4.14.02.6

與24小時用戶數(shù)進行對比分析，8-9點、17-18點的用戶數(shù)與21-22點的用戶數(shù)基本相

同，但用戶分布的扇區(qū)數(shù)明顯高于晚忙時，說明用戶的移動性較強。

針對不同終端類別的移動性特征，將做進一步的研究。找出移動性與性能指標和呼叫

記錄之間的關(guān)系，從而制定相應的優(yōu)化策略研究。

2.3.3統(tǒng)計方式

確定資源忙時后，可通過PCMD針對相應時段各終端類別進行模型分析，按模型統(tǒng)計

對象不同，可分為每用戶模型和每連接模型：

1.每用戶模型：反映不同終端的總體資源占用特征值

2.每連接模型：反映不同終端各類資源消耗特征的聚集性

按模型統(tǒng)計方式不同，可分為均值模型和區(qū)間分布模型:

1.均值模型：反映不同終端的資源占用的對比特征

2.區(qū)間分布模型：反映聚集性區(qū)域數(shù)值

2.3.3.1用戶模型

均值模型

各類終端主要資源類別均值模型統(tǒng)計維度如下:

忙時連接忙時流量忙時

指標數(shù)據(jù)卡普通手機智能手機數(shù)據(jù)卡普通手機智能手機

連接數(shù)

總連接時長(分鐘)

總流量(Kbytes)忙時均值模型統(tǒng)計

前向流量(Kbytes)

反向流量(Kbytes)

2.3.3.1.2區(qū)間模型

40%的連接為1分鐘以內(nèi)的短連接，而數(shù)據(jù)卡則有超過30%的連接為30分鐘以上的長連接。

下圖為智能手機和數(shù)據(jù)卡的每用戶流量區(qū)間分布：

智能手機每用戶流量分布數(shù)據(jù)卡每用戶流量分布

從流量區(qū)間分布對比可以看出，智能手機用戶以低流量為主，而高流量的數(shù)據(jù)卡用戶

則更多一些。

從智能手機和數(shù)據(jù)卡的均值模型對比可以看出，相較于數(shù)據(jù)卡，智能終端短連接集中，

對連接資源的要求較高，而對流量資源的需求較小。因此隨著智能手機的普及，需要更多

的關(guān)注連接類資源，部署連接類資源優(yōu)化的策略。

23.3.2連接模型

2.3.3.2.1均值模型

各類終端主要資源類別均值模型統(tǒng)計維度如下:

忙時連接忙時流量忙時

指標數(shù)據(jù)卡普通手機智能手機數(shù)據(jù)卡普通手機智能手機

每連接流量（KB）

每連接間隔（秒）忙時均值模型統(tǒng)計

每連接時長（秒）

2.3.3.2.2區(qū)間模型

下圖為智能手機和數(shù)據(jù)卡的每連接時長的區(qū)間分布:

智能手機每連接時長區(qū)間分布

數(shù)據(jù)卡每連接時長區(qū)間分布

約60%的數(shù)據(jù)卡連接時長＞12秒，數(shù)據(jù)卡相對手機終端連接時長較長。約75%的智能

手機連接時長＜12秒，智能手機的連接時長普遍較短。同時對于智能手機約60%的連接時

長集中在2-3秒、6-7秒和11-12秒。如果減去終端rapiddormancytimer(附錄7.56)或網(wǎng)

絡的dormancytimer的時間，智能手機真正使用網(wǎng)絡的時間在1-2秒左右。

下圖為智能手機和數(shù)據(jù)卡的每連接間隔的區(qū)間分布:

智能手機每連接間隔區(qū)間分布

25.00%100.00%

20.00%80.00%

15.00%60.00%

a

d10.00%40.00%

5.00%20.00%

0.00%0.00%

數(shù)據(jù)卡每連接間隔區(qū)間分布

100.00%

80.00%

60.00%

40.00%

20.00%

0.00%

約60%的數(shù)據(jù)卡連接間隔＜10秒，約30%的智能手機連接間隔＜10秒，智能手機相對

數(shù)據(jù)卡連接頻繁度較低。

通過模型分析，可以看出不同終端類別的每連接的連接時長和間隔特性有所不同。同

時，智能終端具有短連接、小流量的連接特性，需要針對此類特性制定相應的網(wǎng)絡優(yōu)化策

略。

2.3.4智能手機(iPhone)模型

智能手機(iPhone)的模型分析，主要包括智能手機的資源占用特性分析、時域地域特性

分析和總體資源占用評估：

＞資源占用特性分析：需要從每用戶模型分析用戶的總體特征，從每連接模型分析

其行為和業(yè)務特性。通過其特性與其它終端進行對比，找出不同終端之間在總體

特征和使用特性上的差異,從而就其對網(wǎng)絡資源的影響等不同角度進行全面評估。

＞時域地域特性分析:綜合不同時段的特性變化趨勢及區(qū)域分布特性,可以從時域、

地域等角度進一步分析智能手機(iPhone)在不同時段、不同區(qū)域、不同資源維

度的影響。

>總體資源占用評估：建立模型后，通過終端的總用戶數(shù)，評估其資源占用情況，

就必須了解該類終端的激活度，才能結(jié)合終端的資源占用模型，分析其對現(xiàn)網(wǎng)資

源的實際占用情況。

2.3.4.1資源占用特性

2.均值模型

統(tǒng)計項全天21-22時14-15時最忙時

每用戶每小時連接次數(shù)15171824

每用戶每小時總流量(KB)1042127912961799

每用戶每小時前向流量(KB)951116411761665

每用戶每小時反向流量(KB)91115120160

每用戶每小時時長(s)3403853221037

2.模型對比

終端類型連接次數(shù)(次)總流量(KB)前向流量(KB)反向流量(KB)時長(S)

iPhone4s周末1524052251155237

iPhone4s工作日1614621352110257

對比樣本

iPhone43612391141156421

高端機3366160259396

中端機3351245169299

低端機1527724136222

智能手機2651946750437

2.3.4.1.3每連接模型

每連接時長(秒)

■連接時長cdf

連接時長以短連接為主。

每連接前向流量(BYTE)

—前向頻度cdf

連接流量以小流量為主。

統(tǒng)計每連接的區(qū)間和均值模型，確定智能手機(iPhone)的連接分布特性，并制定相

應的優(yōu)化策略。優(yōu)化策略判別流程請參見本冊第421章節(jié)。

每連接連接模型

時長

均值統(tǒng)計

流量

用戶數(shù)

■工作日■周末

工作日用戶數(shù)略高于周末，兩者趨勢基本相同。

每用戶連接次數(shù)

工作日連接數(shù)略高于周末，兩者趨勢基本相同。

每用戶流量

周末流量明顯高于工作日，工作日工作時段流量偏低。

每用戶連接時長

工作日連接時長略高于周末，兩者趨勢基本相同。

統(tǒng)計智能手機(iPhone)工作日和周末的每用戶24小時模型，確定變化趨勢的異同點。

對均值模型的計算需考慮工作日和周末的最忙時需求。

23.4.2連接特性

各類終端連接特性對比如下:

終端類型每用戶主動連接次數(shù)（次）每用戶被叫連接次數(shù)（次）

數(shù)據(jù)卡15.698.27

普通手機9.9113.7

智能手機10.1415.57

iPhone4s13.955.76

iPhone46.4929.27

iPhone4s連接以AT發(fā)起的連接為主，與其他智能終端不同。

iPhone4s及智能手機24小時連接分類對比圖如下:

IPHONE4s24小時連接次數(shù)變化趨勢

0-j111111dli111111tl：???-0

123456789101112131415161718192021222324

一網(wǎng)絡發(fā)起T-終端發(fā)起

智能機24小時連接次數(shù)變化趨勢

毒

—-網(wǎng)絡發(fā)起一^端發(fā)起

從上圖對比可以看出，iPhone4s終端發(fā)起的連接在白天較平穩(wěn)，終端發(fā)起的連接次數(shù)

與智能手機接近。與智能手機不同的時，iPhone4s連接次數(shù)在凌晨較低，且全天網(wǎng)絡發(fā)起

的連接次數(shù)均遠低于智能手機水平。

進一步將iPhone與幾款典型終端連接特性對比如下:

對比指標iPhone4siPhone4SCH-i909MOTO-XT800HW-C8500

每用戶忙時主動發(fā)起連接次數(shù)13.956.4915.2911.247.34

每用戶忙時被叫發(fā)起連接次數(shù)5.7629.2718.3321.367.69

從以上對比可以看出，iPhone4s終端的連接中AT發(fā)起的連接比例遠遠高于其它幾款

典型智能手機。

在分析iPhone4s的連接特性時，發(fā)現(xiàn)iPhone4s與iPhone4存在較大區(qū)別，主要是由于：

1、iPhone4s對消息推送方式進行了改進。

2、iPhone4s采用CT-WAP接入方式，與CT-NET的接入方式相比，被端口掃描的可

能性降低。端口掃描可參見本冊355.1章節(jié)。

為更好的掌握iPhone4s的連接特性，需要對單機進行業(yè)務測試，以掌握統(tǒng)計數(shù)據(jù)的特

征。單機業(yè)務測試請參見本冊3.5章節(jié)。

2.3.4.3時域地域特性

24小時趨勢

（一）連接次數(shù)

24小時連接次數(shù)

S

E

U

O

q

d

一

由以上數(shù)據(jù)顯示，iPhone4s用戶DO連接次數(shù)與全網(wǎng)用戶連接次數(shù)隨時間段波動較一

致。

（二）連接時長

24小時連接時長（Erl）

20

00120000

00

00

00100000

15

s180000

z

u

o0

q60000%

d

-

40000

5

20000

0

iPhone4s?全網(wǎng)

由以上數(shù)據(jù)顯示,iPhone4s用戶DO連接時長與全網(wǎng)用戶連接時長隨時間段波動在上、

下班高峰時間有所差異。

(三)流量分析

24小時前向流量(MB)

s

w

u

o

q

d

一

24小時反向流量(MB)

由以上數(shù)據(jù)顯示，iPhone4s用戶DO流量與全網(wǎng)用戶流量隨時間段波動在晚忙時有所

差異。

統(tǒng)計智能手機(iPhone)與全網(wǎng)各維度資源的24小時趨勢對比，確定變化趨勢的異同點。

預估智能手機忙時段，挖掘可能存在的突發(fā)資源需求。

.2區(qū)域分布

IPHONE用戶區(qū)域分布網(wǎng)

基站IPHOHE用閂ft

8:00-9:0017:00-18:0021:00-22:00

8-9時IPHONE用戶小區(qū)占用數(shù)分布

7000

6000

5000

4000

J000■次數(shù)

2000

1000

0

12345678910>10

17-18時IPHONE用戶小區(qū)占用數(shù)分布

21-22時IPHONE用戶小區(qū)占用數(shù)分布

移動性統(tǒng)計8-9時17-18時21-22時

平均每用戶占用小區(qū)數(shù)4.14.02.6

與24小時用戶數(shù)進行對比分析，8-9點、17-18點的用戶數(shù)與21-22點的用戶數(shù)基本相

同，但用戶分布的扇區(qū)數(shù)明顯高于晚忙時，說明用戶的移動性較強。

隨著智能手機的快速增長，白天的手機終端移動性對網(wǎng)絡產(chǎn)生的影響需特別關(guān)注。后

續(xù)將繼續(xù)對手機終端的移動性影響進行研究。

23.4.4激活度

激活度：小時內(nèi)出現(xiàn)的終端用戶與出帳用戶數(shù)的比值

用戶數(shù)*實際激活度即可得到單個小時的實際激活用戶。

終端類型激活度

數(shù)據(jù)卡20.32%

普通手機22.62%

智能手機23%

iPhone65%

與其他終端相比，iPhone的激活度明顯高于其他終端，說明用戶的活躍度較強。

網(wǎng)絡容量預估時，針對不同終端類別的發(fā)展用戶數(shù)，需乘以不同的激活度，以預測網(wǎng)

絡資源消耗情況。

2.4分析工具

2.4.1終端分類工具

根據(jù)不同的未知手機分類方式（2.223.1和222.3.2兩類算法），將終端分類工具分

為兩種，通過主界面進入，如下圖：

更換工具路徑更換支聯(lián)

算法1:基于IMS物分類工具

終端分類