无线网数据业务热点模型分析

1、 无线网数据业务热点模型分析二一一年十一月 无线网数据业务热点模型分析 目录1概述11.1分析范围11.2数据业务忙时取定22数据业务热点分布情况分析32.1数据业务热点总体分布情况32.2数据业务热点分类统计42.2.1热点小区覆盖类型分布情况52.2.2不同覆盖类型小区热点集中情况63典型数据热点区域分析83.1典型区域热点分布特点83.2全天忙时分布103.3周末对全天忙时分布的影响114数据流量业务构成154.1忙时数据业务构成154.2各类业务忙时分布情况174.3典型区域的忙时数据业务构成特点195典型区域的平均业务模型215.1彩信接收业务模型215.2快讯业务模型215.3WA

2、P上网业务模型2211 概述1.1 分析范围本次数据业务热点分析主要针对GSM网络中划定的城市城区范围。城市城区范围涵盖了合肥市蜀山区大蜀山以东、双凤工业区以南地区、庐阳区大房呈水库以东以南地区、瑶海区瑶海工业园以西以南地区和滨湖区以西以北地区。城市城区边界如下图中黑线所示。图1.1-1 城市城区覆盖范围示意图如图1.1-1所示，合肥城市城区总覆盖面积为390.8平方公里。1.2 数据业务忙时取定分析处理合肥市2010年4月份24小时的数据业务流量，根据各个时段数据流量取各小区月平均值，全网各时段月平均总流量折线图如下：图1.2-1 数据业务忙时取定由上图可确定发现合肥市市数据业务忙时在周末和

3、非周末忙时分布曲线大致接近，但略有差别：l 非周末日早忙时出现在早8点，周末日早忙时推迟了一个小时，至9点左右；l 非周末日和周末日的晚忙时均出现在晚22点左右。l 上午和中午时段（早7点至下午16点），非周末日流量明显大于周末日；l 傍晚和夜间时段（下午17点至次日6点），非周末日流量与周末日基本持平；l 周末和非周末总数据流量的峰均比相同，都为1.48。若取定22点作为系统忙时，此时整个合肥市区平均数据业务密度为226kbps/km2表1.2-1 城市城区范围统计值城市城市城区面积（km2）系统忙时总数据流量 (kbps)平均数据流量密度(kbps/km2)合肥市390.888344226

4、2 数据业务热点分布情况分析2.1 数据业务热点总体分布情况本次数据分析工作采用2010年4月份现网采集GPRS数据流量作为基础数据，提取各小区每天24小时各时段GPRS数据流量平均值，然后取定每天24小时GPRS数据流量最大值作为各个小区的忙时数据流量。然后通过规划工具APOX仿真确定现网GSM基站的覆盖范围，根据各个小区的忙时数据流量，通过规划工具生成数据业务密度图如下所图所示。图2.1-1 数据业务密度图上图中三角形为现网2G站址，黑色线为合肥市城区区域范围，枚红色线为数据业务热点区域范围。若采用小区忙时数据计算，合肥市城市城区忙时平均数据业务密度为293kbps/平方公里。采用相对业务

5、密度标准，确定数据业务热点区域。如上图中所示红、黄、蓝、绿四种颜色分别代表大于3倍平均值、23倍平均值、1-2倍平均值、平均值以下四类数据业务密度区域。从图中可以看出合肥市数据业务热点区域主要分布在三块区域：l 合肥市一环路以内：该区域为合肥市老城区，集中分布有四牌楼、三孝口、淮河路、长江中路等繁华商业区，历来是人流量集中和数据业务高发区域。l 合肥市一环和二环之间，特别是西一环和西二环之间，蜀山区靠近邮电新村、炮院附近，该区域高校集中、电信业从业人员集中，且有大量写字楼分布，数据流量集中；l 高新区及政务区部分区域：这2块区域主要分布有医院、学校、银行、饭店及很多企事业单位，高档写字楼、商场

6、和宾馆集中。2.2 数据业务热点分类统计如表2.2-1所示，合肥市区的小区数据流量呈现出了高度集中的特性，占小区总数量20%不到的高流量小区，总数据流量占到了总流量的47.5%。而占总小区数量的51%以上的低流量密度小区，其总流量只占23.6%。表2.2-1 小区业务密度分类表分类小区数量所占比例总数据流量所占比例低于平均数据流密度51.7%23.6%一倍和二倍数据密度之间20.2%17.8%二倍和三倍数据密度之间8.7%11.1%三倍数据密度以上19.3%47.5%图2.2-1 小区业务密度分类图2.2.1 热点小区覆盖类型分布情况从表2.2-2可以看出，合肥市区较热的数据业务区域主要分布在

7、交通要道、大中专院校、商业区以及居民区。其中三倍以上热点区域26%集中在交通要道，23%分布在大中专院校，其余20%左右分布在商业区和居民小区。表2.2-2 热点小区覆盖类型统计表分类三倍以上二倍和三倍之间一倍和二倍之间低于平均密度宾馆酒店1%0%2%1%大型企业6%15%18%25%大中专院校23%12%5%4%风景区0%1%0%1%交通枢纽0%0%0%1%交通要道26%25%19%15%居民区19%22%27%30%商业区21%21%21%14%特殊区域0%0%0%2%乡镇0%1%1%1%学校3%3%7%5%总计100%100%100%100%低于平均密度水平的小区主要分布在居民区和大型企

8、业，这两类覆盖目标占低于平均密度小区的50%以上。图2.2-2 热点小区覆盖类型统计图2.2.2 不同覆盖类型小区热点集中情况图2.2-3 不同覆盖类型站点热点集中情况由上图可以看出，大中专院校中数据热点最多，超过60%的覆盖大中专院校的小区均大于城区平均业务密度的2倍；其次是党政机关，超过50%的覆盖党政机关的小区均大于城区平均业务密度的2倍。再次是商业区和交通要道，超过30%的覆盖这两类区域的小区均大于城区平均业务密度的2倍。表2.2-3 不同覆盖类型站点热点集中情况统计表分类三倍以上二倍和三倍之间一倍和二倍之间低于平均密度总计宾馆酒店12%0%28%60%100%大型企业6%7%19%6

9、8%100%大中专院校51%12%11%26%100%风景区0%7%13%80%100%交通枢纽11%0%22%67%100%交通要道27%12%20%42%100%居民区14%7%20%59%100%商业区24%11%24%42%100%特殊区域0%0%9%91%100%乡镇5%5%14%76%100%学校11%5%29%55%100%总计19%9%20%52%100%由上图可以看出，会展中心、奥体中心等特殊区域和风景区的数据热点最少，覆盖此类区域的小区在通常（非会展日、非比赛日等）绝大部分均低于城区平均业务密度。3 典型数据热点区域分析3.1 典型区域热点分布特点以下针对三类典型数据热点区

10、域进行分析：大中专院校、商业区、居民小区。表3.1-1 三类热点区域与城市平均密度对比分类小区平均密度（kbps/km2）与城市城区平均流量相比大中专院校1728 590%商业区866 296%居民区504 172%由上表中可以看出，这三类区域的忙时数据业务明显高于全网平均水平：其中大中专院校的小区平均密度达城市城区平均密度的5.9倍，商业区小区的平均密度为城市城区平均密度的3倍左右。图3.1-1 大中专院校覆盖热点分布合肥市区覆盖大中专院校的站点分布情况如图3.1-1所示，红色、黄色、蓝色、绿色方块依次代表平均密度3倍以上、2倍3倍之间、1倍2倍之间、平均值以下四类小区。这些小区普遍高于城市

11、城区平均密度，尤其是一环以西、以南以及大学城的高校，数据业务密度非常集中，高于平均值二倍以上的区域较多。图3.1-2 商业区覆盖热点分布合肥市区覆盖商业区的站点分布情况如图3.1-2所示，红色、黄色、蓝色、绿色圆点依次代表平均密度3倍以上、2倍3倍之间、1倍2倍之间、平均值以下四类小区。可以看出，数据业务密度高的小区仍然集中在一环以内，其他区域覆盖商业区的小区普遍数据业务密度不高。这与目前合肥成熟发达的商圈仍然高度集中于一环之内的老城区、城市周边的副商业中心尚未形成较大规模有一定关系。合肥市区居民区的站点分布情况如图3.1-3所示，红色、黄色、蓝色、绿色菱形依次代表平均密度3倍以上、2倍3倍之

12、间、1倍2倍之间、平均值以下四类小区。可以看出，数据业务密度高的小区较为分散，且大部分小区的平均密度较低。图3.1-3 居民区覆盖热点分布3.2 全天忙时分布针对合肥市区覆盖以上三类区域的的小区单独进行忙时分析：图3.2-1 三类区域的忙时分布特征从图3.2-1中可以看出，在全天24小时忙时集中情况方面，大中专院校和居民区比较类似，早忙时出现在早8点-早10点左右，晚忙时出现在晚22点-23点左右，中间时段的数据流量明显低于早晚忙时。而商业区的忙时集中情况与以上两类有明显不同，从早8点开始至晚23点，整个白天每时段流量比较均衡，没有出现较为明显的波动。大中专院校和居民区的小区在一天之中的峰均比

13、较大，分别为1.7和1.5。商业区的峰均比小于以上两类，为1.4左右。此外，大中专院校区域和全网随时间波动整体趋势类似，但晚忙时出现的时间晚于全网，全网的晚忙时出现在22点左右，而大中专院校的晚忙时推迟至23点左右。3.3 周末对全天忙时分布的影响表3.3-1 三类区域周末/非周末日流量比例时段大中专院校商业区居民区0点105%115%110%1点128%123%127%2点132%127%118%3点113%131%109%4点113%126%105%5点109%107%106%6点79%92%87%7点77%94%95%8点76%76%83%9点84%113%109%10点75%97%94

14、%11点73%101%94%12点77%102%94%13点83%102%99%14点71%98%90%15点76%101%97%16点81%107%101%17点93%111%112%18点93%101%101%19点91%103%100%20点95%105%101%21点99%103%102%22点101%104%103%23点94%105%100%由上表和以下三张图可以看出，周末对于三类区域的全天忙时分布有着不同的影响：图3.3-1 大中专院校周末/非周末日流量比例分布图在大中专院校区域，早忙时在周末向后延迟了一个小时至9点钟左右，周末白天（6点至16点）的数据流量明显低于非周末日，大约

15、是非周末日的80%左右，周末晚间（17点至23点）的数据流量略低于非周末日，凌晨（0点至5点）数据流量则高于非周末日15%左右。这一特点的出现，可能与大学生在周末的生活规律有关。在非周末日，大中专院校小区的峰均比为1.64，在周末则增加至1.77。图3.3-2 商业区周末/非周末日流量比例分布图在商业区，与大中专院校类似，早忙时在周末向后延迟了一个小时至9点钟左右。整个周末白天（6点至23点）的数据流量与非周末日基本持平，未出现明显波动。凌晨（0点至5点）数据流量则高于非周末日25%左右。这一特点的出现，可能与人们周末在商业区的休闲购物活动有关。在非周末日，商业区的峰均比为1.49，在周末则出

16、现微量增加至1.5。图3.3-3 居民区周末/非周末日流量比例分布图在居民区，早忙时也在周末向后延迟了一个小时至9点钟左右，周末白天（6点至15点）的数据流量略低于非周末日，大约是非周末日的95%左右，周末傍晚及晚间（16点至23点）的数据流量略与非周末日基本持平，凌晨（0点至5点）数据流量则高于非周末日10%左右。相对大中专院校来说，波动较小。在非周末日，商业区的峰均比为1.49，在周末则增加至1.54。4 数据流量业务构成4.1 忙时数据业务构成如表4.1-1所示，目前合肥地区数据业务流量中占比最大的是WAP上网业务，具有绝对优势，占到了总流量的89%以上，其次是彩信接收，占总流量的7%左

17、右，其他业务流量占总流量的比例不足1%。前10项业务已占总流量的99.9%以上，其余业务在后续分析中将忽略不计。表4.1-1 各类业务占总流量比例表序号业务总流量占比1非内容计费cmwap流量89.324%2彩信(接收)7.261%3快讯(DCD)0.991%4手机报0.502%5手机电视业务0.467%6音乐随身听0.389%7手机阅读0.315%8中央音乐平台全曲下载平台0.265%9彩信(发送)0.261%10飞信（客户端下载）0.130%11异常流量（如DNS查询消息、组播包等）0.026%12游戏业务0.025%13掌上营业厅0.010%14手机网游流量套餐0.009%1512530

18、WAP门户0.008%16彩信相册WAP访问0.005%17号簿管家0.004%18139邮箱 PushEmail0.002%19手机钱包0.002%20Mobile Market业务0.002%21车e行及手机导航0.001%22手机电视MBBMS0.000%23航信通0.000%24手机医疗0.000%25条码识别0.000%图4.1-1 各类业务占总流量比例 图4.1-2 全天24小时忙时数据构成如图4.1-2所示，在全天24小时中，在WAP业务流量均占有绝对优势。在早8点和晚16点时，全网出现了较为集中的彩信接收流量，占到了全网总流量的30%左右。4.2 各类业务忙时分布情况图4.2-

19、1 WAP业务忙时分布情况由图4.2-1可见，WAP业务的忙时分布和全网数据流量总体趋势接近，早忙时出现9点10点，晚忙时出现在晚21点22点，峰均比为1.58。因为WAP业务在全部数据业务具有绝对优势，因此WAP数据业务的忙时分布特性在相当程度上决定了整网数据业务忙时分布特性。图4.2-2 彩信（接收）业务忙时分布情况由图4.2-2可见，彩信（接收）业务的忙时分布和全网数据流量总体趋势不同，具非常明显的高度集中特性，在早8点和晚16点分别出现一次非常集中的数据流量，峰均比达到6.76。图4.2-3 快讯业务忙时分布情况由图4.2-3可见，快讯业务的忙时分布和全网数据流量总体趋势不同，呈现出规

20、律性的震荡特性，且高度集中特性较明显，在7点、10点、15点、19点、21点均出现了较为集中的数据流量，峰均比为2.66。图4.2-4 其他数据业务忙时分布情况由图4.2-4可见，其他几类业务的忙时分布和全网数据流量总体趋势并不完全相同，手机报业务在早9点有一个明显的峰值，这与系统在早上集中发送手机报有关。手机电视、音乐随身听、手机阅读的最忙时均出现在晚上21点-23点之间，这几类业务的峰均比都在2左右。4.3 典型区域的忙时数据业务构成特点图4.3-1 大中专院校区域的忙时数据业务构成对比图4.3-13，可以发现大中专院校小区和其他两个区域的忙时数据业务构成有明显不同，大中专院校的业务种类比

21、较单一，WAP业务以外的其他业务所占比重极小。在彩信接收的2个忙时，彩信数据流量占比为20%左右，在三类区域中最小。在居民区和商业区中，业务种类明显多于大中专院校区域，在彩信接收的2个忙时，彩信流量占比明显上升，在商业区占到40%左右，在居民区占到30%左右。图4.3-2 商业区的忙时数据业务构成图4.3-3 居民区的忙时数据业务构成5 典型区域的平均业务模型5.1 彩信接收业务模型假定同一交换机下的所有用户的单机话务模型都是一致的，可以根据VLR上的用户数，取定每个小区下用户数，以下取定三类区域中早忙时10点钟的数据进行分析。表5.1-1 彩信接收业务数据统计类型上行彩信(接收)流量（KB）

22、下行彩信(接收)流量（KB）彩信(接收)总时长（s）彩信(接收)GPRS次数彩信(接收)用户数（个）总用户数（个）大中专院校35916396318219315191356119825商业区41707838312647517941648209195居民区721213181431149430992871349848表5.1-2 彩信接收业务模型类型渗透率BHSA平均时长(s)数据流量(KBBH)大中专院校1.1%1.12119.9449.82商业区0.8%1.0970.5050.09居民区0.8%1.08100.5148.42由表5.1-2可以看出，在商业区和居民区的彩信接收业务渗透率明显低于大中专院校，三个区域中的平均时长，大中专院校最长，达119s，居民区的平均时长为大中专院校的84%左右，商业区的平均时长最短，仅为大中专院校平均时长的58%左右。单用户数据流量和BHSA次数在三个区域无明显差异。5.2 快讯业务模型表5.2-1 快讯业务数据统计类型上行快讯(DCD)流量（KB）下行快讯(DCD)流量（KB）快讯(DCD)总时长（s）快讯(DCD)GPRS次数快讯(DCD)用户数（个）用户数（个）大中专院校384727465177114176512261