中国移动设计院陕西分公司 董安吉

1.前言

近年来移动通信在我国发展迅猛，2010年底全国移动电话用户达到85900万户，移动电话普及率达到64.4部/百人。可见移动通信已成为当前个人通信的最主要方式。为适应用户规模的迅速增长，移动通信网络每年都在大规模建设，与此同时第三代通信网络的建设全面铺开，GSM网络将逐步被第三代无线网络替代，这样GSM网络的过度投资将大大增加成本风险。

话务量预测作为网络规划的重要组成部分，是载频与信道测算的基础，而新增载频数量是进行无线网络投资分析和提高投资收入比计算的依据。话务预测技术如何适应移动通信话务量迅速增长，这对移动通信运营商的网络建设及调整提出新的问题。因此，更为准确的话务预测成为移动通信领域急需解决的问题。目前应用到话务预测领域的预测算法中，如曲线拟合、移动平均、指数平滑、单机话务量和VLR用户数相关预测等，对中短期话务量发展趋势的预测较为准确，但不能预测中短期话务量的周期性变化，不能体现出话务波动，预测较为粗糙。为了准确地预测移动通信的话务量，反映话务波动情况，本文以传统的单机话务量和VLR用户数相关预测方法为基础，根据移动通信话务量自身特点，采用综合分析的方法进行分段匹配对话务量进行预测分析。

2.话务量预测的方法及适用分析

在移动通信网络规划设计中，无线网络话务量的预测常用以下几种方法：

2.1 无线网话务量预测=单机话务量×预测用户数

这是在网络规划和工程设计中常用的一种方法，基本能准确反映话务量的增长情况，但需要先进行单机话务量及VLR通话用户数的预测。

单机话务量又称平均每用户忙时话务量是系统忙时用户的平均话务量，反映了这一地区用户对移动电话的使用率，也是衡量该地区话务负荷的一个重要指标，是预测系统承载能力的基石。工程中普遍做法是对单机话务量的取定过程中采用一个确定值，未考虑周期性的变化，造成与实际统计的话务量在一定时期产生严重偏差。虽然最终预测结果较准确，但反映不了整个话务波动的过程。

公式中预测用户数是指VLR用户数，工程设计上经常的做法是根据本地区业务发展用户数（也称市场发展用户数）和服务用户率（服务用户率＝忙时VLR用户数/在网用户数）来预测VLR用户数，并通过历史VLR用户发展数曲线拟合出增长率再修正预测数，确定VLR用户数。

所以在进行话务量预测分析过程中重点对以上相关问题进行修正，力求准确。

2.2 实际话务量趋势（曲线）拟合预测

此方法主要是用曲线拟合法根据历史数据得到话务量发展的函数模型，通过数学公式修正后得到数据，一般采用曲线拟合主要考虑历史因素，其预测结果对近期预测具有参考性，远期预测结果偏差较大。而且复杂的曲线拟合模型对数学要求较高，还需要对模型的参数不断测试、调整。

2.3 同比增长预测

本方法可对月增长率、季度增长率、年增长率及历年新增用户和新增话务的对比关系等用来做话务量的同比预测，可粗略进行话务量估算，以供对比修正时使用。

2.4 其他预测法

如计费时长预测法，主要通过定性定量相结合分析预测移动话音业务量及MOU值的发展趋势以移动用户和MOU预测为基础测算出无线网的话务量需求；还可根据经济、资费等权重因子调整话务量预测，这些方法可用于话务量预测的对比修正，而移动平均、指数平滑预测法主要是对小区话务量的短期预测较为适用。

3.采用分段匹配预测话务量的方法

根据历史话务统计的结果观察到话务波动规律以年为周期较为明显，分段匹配方法主要是在使用单机话务量和VLR用户数预测话务量基础上进行的根据话务量年波动情况的规律性分阶段的取定单机话务量，进行话务预测，并根据特殊节假日前后VLR用户数进行修正。

根据某移动运营商某地区GSM的实际话务量数据用上面提出的预测算法进行处理分析。一共有385天的实际每天忙时话务量数据，从2008年9月到2009年10月。对于小时话务量序列来说，每一个值代表在一小时内话务量的积累值，每个数据的单位为爱尔兰。我们用这385天的数据进行建模并得出2010年1月到12月的话务预测值，通过和真实值比较来评估分段匹配算法的性能。

图3.1-1 某地区早晚忙时话务量曲线图

图3.2-1 某地区早晚忙时话务量、单机话务量、VLR用户数叠加图

表3.2-1 四个阶段单机话务量取值表

表3.4-1 系统忙时话务量预测结果表

3.1 步骤一：收集本地区的话务量统计数据，数据需一年以上，尽量包括每天早晚忙时系统话务量及VLR用户数据

只有统计分析的数据完整、可靠，结果才比较准确。对每天的系统忙时话务量做统计，绘制一年的话务量波动性曲线，就可对基础话务量目标值的取定提供一定的支持。某地区从2008年9月到2009年10月这385天的早、晚忙时话务量曲线图如图3.1-1所示，可以看出：

（1）某地区晚忙时话务量总体大于早忙时话务量，2008年10月中旬到2009年2月中旬左右是早忙时稍高于晚忙时。

（2）2008年9月到2008年10月中旬话务量总体呈下降趋势，波动较大的一天为中秋节，第二次波动较大为9月30号国庆前夜，随后趋于平稳。

（3）2008年10月中下旬到2008年12月底，话务量比较平稳。

（4）2009年元月到2月底，话务量较前一阶段稍高，话务量发展也较为平稳。中间有两次波动，一次除夕在夜，一次在元宵节。

（5）2009年3月到2009年7月，话务量总体上呈平稳，到7月底增长达到顶峰。

（6）2009年8月开始，又逐步回落，波动较大的两次为国庆前夜，和中秋节。

从以上分析可以看出，以年话务量为周期，话务量的变化趋势分为4个阶段，如果以年为单位可表示为“平稳增长—阶段增高—整体回落—低位平稳”。话务量波动较大的时间段为除夕、元宵节、国庆前夜、中秋节，所以在话务预测分析时注意对以上时间点的预测。

3.2 步骤二：分析本地区话务量波动情况

通过对单机话务量、VLR用户数发展，以及对本地区话务量波动规律的分析，来确定一年4个阶段的单机话务量的取值。对某地区早晚忙时话务量、单机话务量、VLR用户数图表进行叠加后可以看出单机话务量的曲线与系统忙时话务量曲线图类似（图3.2-1），系统话务量随着VLR用户数的增加而增加，但是在除夕、元宵节前后，因外出务工人员大量返乡，使得VLR用户数的增加非常迅猛，由图3.2-1可以看出VLR用户数已经达到了2009年8月的水平；VLR用户数的增加是话务量增加的主要动力，单机话务量的变动是系统话务量波动的原因。

根据以上分析，从网络安全和冗余度综合考虑在现网统计的数值基础上乘以一定的冗余系数，可以得出四个阶段的单机话务量取值，见表3.2-1。如果两个地区为同一MSC，由于经济发展的不平衡，还要依据各地区经济、通信资费情况分别进行单机话务量确定。由于春节、中秋等时间点为农历时间，所以根据实际情况可以对单机话务量取定阶段可向前后作部分推移。

3.3 步骤三：通过对运营商市场部门了解2010年的用户发展情况，预测用户发展数

通过网络部门了解本地区用户服务率，确定预测的VLR用户数，再结合每月的VLR用户数平均增长率，根据曲线拟合法，测算出VLR用户数的增长速度。并对预测数据进行修正后得出VLR用户增长的预测数据。

3.4 步骤四：得出初步结论

根据以上分析建立相关模型得到话务量预测如表3.4-1。

移动通信话务量作为移动通信业务量的标志性指标，主要受到单机话务量、用户发展的速度（包括用户忠诚度）、移动运营商采取的各种话务营销策略以及资费政策等各种因素综合影响。因此在预测话务量时要全面分析历史数据，多向运营商市场部门、网络部门了解网络、用户的具体情况，做好预测，为网络规划和工程建设提供可信支持。

4.话务量预测后的结果与实际值的比较

将预测值和实际值进行比较，可以发现预测值和实际值还是比较接近的，预测值和实际值的相对误差最大值小于9%，平均误差率为4.4%，最终误差为3%。

而采用传统的对单机话务量单一取值方法做出的预测值与分段预测法和实际值进行比较，如图4.1-1，可以看出分段预测法更能体现话务的波动规律，预测结果更接近于实际统计值，因此证明了这种预测方法的有效性。

图4.1-1 2010年某地区移动运营商月话务量统计值与预测值比较图

5.结论

分段预测依据地区话务量的波动规律进行分别建模，充分利用有效历史数据，能准确反映不同时期话务波动情况，充分了解每个时期话务量的需求，有利于全面分析本地网的话务状况，为网络规划提供比较准确的预测基础数据。

综上所述，对话务增长进行正确的预测并对网络进行合理配置，不仅需要掌握覆盖区域内话务量的现状，还需要准确把握各个层面上话务量的增长变化趋势。由此才可得出较接近实际话务的预测值，以上话务量预测分析也表明分段预测的方法可以较好的抓住网络业务的实际特性，对于网络规划、设计和管理等方面能起到一定的参考作用。