中国联通网络技术研究院 北京 100048

前言

移动互联网应用的迅猛发展对于电信运营商来说既是机遇，又是挑战。移动用户对于数据业务需求的进一步提高，使得电信运营商不仅需要建设容量更大、速率更高的LTE网络，而且不同用户的个性化业务需求也要求构建完善的大数据信息处理平台。在LTE网络的规划与设计中，LTE业务模型是其重要的组成部分，并且对LTE网络的建设与优化具有基础性的指导意义。为更加准确地探究移动业务发展趋势及其对网络的影响，我们有必要拨开统计数据的表面迷雾，深入研究现网中每种类型业务的典型特征及其变化规律，分析用户行为变化对网络性能的影响，从而建立LTE网络的精细化业务模型，为LTE网络升级演进与业务运营提供有效支撑。

业务模型是用来表征用户使用业务行为的统计性特征，统计参数可以从不同角度表征。具体来讲，业务模型包括不同场景下的业务统计特征、业务与用户增长态势、用户行为特征等诸多方面。已有文献从不同角度给出业务模型分析，统计用户使用不同业务的习惯特征，和不同业务数据流量的变化特征；也有些文献对业务发展做出了预测，包括用户数量、流量和业务构成等。由于大量高速数据业务基本发生在室内环境下，针对室内业务，肖清华等人在文献[1]中提出一种TD-LTE室内数据业务模型的分析流程。在9种不同的场景下，细化业务分类，并结合用户使用业务习惯的差异性，利用统计分析的方法，给出较为细化的业务模型；文献[2]从网络建设角度出发，在已有的GSM、TD-SCDMA、WLAN等网络的基础上，考虑加入LTE网络的多网资源配置问题，针对不同业务，从业务需求、终端分布和用户习惯等方面进行数据分析，给出LTE建设及资源配置的方案。另外，也有研究针对某种LTE业务单独建立业务分析模型，如文献[3]提出了一种用于分析“一键通”业务流量的排队模型，该模型采用了排队理论和改进的扩展Erlang B公式。

本文针对LTE精细化业务建模问题展开研究工作。首先从时域、地域和业务量发生概率角度分析了现网业务特征；其次，分析LTE业务发展趋势，给出业务发展预测分析结果；最后基于以上分析结果，以业务价值评估为例给出业务模型的一种应用方法。

1 UMTS现网业务特征分析

本文依托中国某地区的现网3G数据作为分析基础。该区域UMTS网络覆盖面积约为138平方千米，包含1 572个小区，627个业务应用，各项业务数据的时间采集粒度为小时级，空间采集粒度为小区级。基于上述UMTS现网业务数据，业务特征分析从时间、空间和用户三个维度展开，分析思路及主要业务特征参数如图1所示。

图1 业务分析思路

首先，在时间维度上分析天粒度和小时粒度的业务特性。1) 天粒度数据可用于分析一周内各类业务参数的变化趋势。主要分析目标包括一周内的业务流量与用户数总体变化情况、工作日与周末的用户业务行为对比等。2) 小时粒度数据可用于分析一天内各类业务参数的变化规律，并且提取忙时业务特性。主要分析目标包括业务流量与用户数在24小时内的周期性特性分析、业务波动性分析、忙时业务构成及其主要参数分析等。然后，在空间维度上着重考虑该区域的总体业务特性分析、各类典型场景业务特性分析，以及小区层面的业务特征共性与差异化分析。最后，针对一些主要的业务特征参数分析其概率分布，可作为不同类型业务占用网络资源情况的研究基础。虽然数据分析结果仅代表该区域的业务特征，但是至少在分析思路和方法上具有普适性意义，而且业务特征分析的一些共性结果可以作为参考。

1.1 总体业务构成

根据UMTS现网数据的业务属性，本文将业务类型分为八类，即网页浏览、流媒体、社交网站、即时通信、背景类业务、软件应用、传统电信增值业务、其它业务。其中，其它业务包括网络协议和无法解析的业务；流媒体业务包括视频流、VoIP等业务；社交网站业务包括微博等业务；即时通信业务包括微信、QQ信息交互等业务；背景类业务包括邮件、下载、P2P等传统数据业务；软件应用业务包括智能手机中的一些典型APP软件；传统电信增值业务包括彩信等业务。

通过对UMTS业务数据分析，可得到该区域的现网业务构成，如图2(a)所示。在日均业务流量构成中，流媒体业务的所占比重最大，网页浏览业务位居第二，背景类业务也占有较大比重(其中文件传输流量较大)，上述三类业务流量合计达到95%以上。在用户数构成分析中，如图2(b)所示，网页浏览用户数所占比重最大，即时通信业务用户数位居第二，背景类业务也占有较大比重(其中文件传输用户数较多)，上述三类业务用户数合计达到近90%。可见，流媒体业务由少量用户使用，但是提供了较大的业务流量；即时消息的用户使用率较高，不过其提供的业务流量很少。

图2 UMTS现网的业务构成

1.2 时域特性分析

1.2.1 天粒度时域特性分析

本节着重分析业务流量与用户数在工作日与周末的总体业务波动性及其变化规律。图3(a)和图3(b)给出一周内总体业务流量与用户数量的数据分析结果。这里用户数量分为两类，即物理用户数与逻辑用户数。物理用户数就是我们通常所说的用户个体数量，逻辑用户数表示针对一个用户使用多个业务应用进行重复计算的用户数，也就是说一个用户使用一个业务应用即为一个逻辑用户。可见，该区域工作日的业务流量与用户数量基本保持稳定，不过周末的业务流量明显高于工作日，但是周末的用户数量却低于工作日。这说明周末可能会有一些流动用户离开该区域，但是单用户的业务使用量会有明显的增加。对数据进一步分析会发现，用户在周末对流媒体、网页浏览与背景类业务的使用量明显高于工作日。

图3 总体业务流量及用户数的天粒度时域分析

1.2.2 小时粒度时域特性分析

本节着重分析各类业务流量在24小时内的变化规律。图4(a)给出了总业务流量的24小时平均变化特性，可见该区域的总业务量忙时主要出现在夜间0点，结合该区域的市场营销分析，会发现这是由于在该地区推广的“夜间流量包”运营策略提升了用户在夜间使用多媒体业务的积极性。另外，在白天业务流量会出现早(8时)、中(12时)、晚(18时)三个小高峰。这应该是用户在上下班途中及中午就餐等空闲时间使用数据业务造成的。进一步地，通过对各类业务流量在24小时之内的数据变化进行统计，得到图4(b)。如图4所示，各大类业务流量趋势基本一致。流媒体业务夜间流量较高，其他业务每日6点或7点为业务量增长的拐点，每日23点或0点为业务量下降的拐点，大部分业务在12点和17～18点出现业务流量小高峰。

图4 业务流量的小时粒度时域分析

1.3 地域特性分析

由于不同类型业务在空间分布上可能存在差异，图5给出了网页浏览、流媒体、即时通信三种业务的用户空间分布图，并且对比其在工作日与周末的差异。可见，网页浏览和流媒体两种业务在工作日和周末的空间分布趋于一致，但是即时消息业务在工作日与周末的空间分布差异较大。

1.4 业务特征参数的概率分析

在UMTS网络的基本业务特性分析中，可以从流量特性、用户数特性、业务访问特性等方面考虑。其中，流量特性和用户数特性在前文中已经分析过，这里就不再赘述。为更好地体现在一次业务连接中的业务量和业务种类的占比关系，本文选取单次TCP连接的业务量进行分析，如图6所示。从图6(a)中可以看出，单次TCP连接的业务量所占比例随着业务量增大而降低，有一半以上的单次TCP连接业务量在15KB以下，其中在5KB以下的占比约为30%。图6(b)中给出不同类型业务单次TCP连接业务量的累积概率分布曲线，可见流媒体业务单次连接的业务量要远远大于其他各类业务。归纳单次TCP连接业务量的具体表现为：传统电信增值业务80%集中在5KB以下，即时消息、网页浏览和社交网站业务80%集中在30KB以内，背景类业务80%集中在60KB以内，而流媒体业务有50%的单次连接业务量高于200KB。

图5 主要业务的用户空间分布图

图6 单次连接业务量的概率分布图

2 LTE网络精细化业务建模

本文中LTE精细化业务模型是指针对多种业务类型而构建的LTE业务模型。通过综合分析核心网与基站侧的业务监测数据，对不同类型业务分别进行业务特征分析。LTE精细化业务模型构建是以UMTS现网业务数据分析为基础的。在业务构成方面，北美运营商AT&T曾对LTE网络和HSPA网络的业务构成进行对比，虽然LTE网络的业务流量通常比HSPA网络有所提升，但是LTE网络初期的各类业务占比却与HSPA网络基本保持一致。因此，可以将基于HSPA技术演进后的3G现网业务数据作为LTE精细化业务模型构建的参考依据之一。

2.1 LTE网络业务发展趋势

基于各标准组织的业务类型划分方法，综合考虑各类业务在国内UMTS网络中的运营现状，及其在国外LTE网络运营中的增长态势，本节对LTE网络的各类业务发展趋势进行分析。

1) 视频流类业务。包括在线视频等，该类业务特点为下行数据包较大，下行流量较多。目前，在国外很多国家和地区，视频业务已经成为LTE网络的主流业务。例如，在北美运营商AT&T的业务构成中，视频业务的流量占比位居首位，约为32%。实际上，AT&T业务统计数据显示在3G/4G业务套餐基本保持一致导向的情况下，4G与3G网络的业务流量占比变化不大。另一方面，很多研究机构(例如思科等)指出，移动互联网业务发展趋势与早前的传统互联网业务发展有诸多相似之处[4]。综上，视频业务也将成为我国LTE网络的主流业务之一，并且在后续的网络演进中具备很大的业务增长潜力，占据较大的业务占比。

2) 背景下载类业务。包括网页浏览、E-mail、FTP等，该类业务属于传统移动互联网业务。在我国UMTS现网中，背景下载类业务的业务量占比较大，尤其是网页浏览类业务。但是，在国外比较成熟的3G/4G网络中，网页浏览的平均占比约为10%～15%。据爱立信提供的数据，欧美等地的网页浏览业务流量基本达到饱和状态，单用户的月均使用量为230MB左右；因此，网页浏览业务在我国LTE业务中将占据较大的流量占比，未来一段时间内将处于稳中有增的状态。但是其存在饱和节点，达到饱和后流量增长将不明显。

这里值得注意的是，社交网站作为近两年的新生业务，受到用户社交需求的影响，其增长势头将比其它网页浏览业务更加迅猛。据社交发现和分享平台Shareaholic于2015年10月28日发布的最新季度报告数据，与2014年同期相比，Facebook的影响力增长115%，为第三方网站输送了超过22%的流量[5]。所以，有必要从用户社交网络行为的角度出发，将社交网站提炼出来，单独进行分析[6]。

3) 即时通信类业务。包括微信、QQ消息等，该类业务属于典型的小数据包业务，有可能带来较大的信令开销。即时通信类业务虽然业务量占比较小，但是其大量信令开销造成的信令风暴有可能对网络性能造成影响。因此有必要将其提炼出来做独立研究。欧美等国家的网络运营经验中，即时通信业务的流量占比很低，不会高于5%，甚至很多情况下都低于1%。但是，国内在微信的推动下，即时通信业务的流量占比并不低，例如某地区的QQ业务流量占比接近10%。因此，即时通信类业务在未来一段时间应该继续保持较高的增长态势，不过由于其流量消耗较少，主要是通过用户使用率的提高带来流量增长。所以，在达到用户渗透率饱和后，其业务流量增长将不明显[6]。

4) 会话类业务。包括VoLTE等，该业务属于传统电信业务范畴，在3G网络中属于CS业务。但是，LTE网络中该类业务都是通过IP数据来传输信息的。因此，LTE网络中会话类业务的特点需要进一步分析。不过，我国LTE前期网络中普遍采用CSFB技术，因此，本文并未将VoLTE业务作为关注重点[6]。

5) 游戏类业务。在智能终端领域，该类业务的流量占比还比较小，尚未对网络性能造成明显影响。但是，手机互动游戏类业务具有发展潜力，随着智能终端功能增强，该类业务流量增长可能是跨越性的[6]。

2.2 LTE业务预测模型

基于国内UMTS与LTE现网业务数据，以及前文的业务发展分析，可以对LTE业务流量的增长进行预测，包括单用户业务流量、LTE用户数量、用户信令开销等。对业务流量统计数据进行分析可以获得业务流量模型，该模型能够静态涵盖发生的所有该类业务实例。

基于LTE业务的发展趋势，每项业务的流量预测结果可用公式(1)-(3)表示。其中，TRi,j代表单用户在第j年、使用业务i的月均流量。业务i可以是视频业务、网页浏览、社交网站、文件传输、即时通信和游戏类业务等。TRtotal, 0代表2015年单用户月均使用各类业务的总流量。Ri,j表示在第j年、业务i流量在所有业务中的占比。

公式(2)预测了各业务的增长趋势，vi,j表示第j年、业务i的复合增长率。根据不同的业务类型，vi,j的增长率表达式也不同，如公式(3)所示。

图7给出单用户月均流量增长的预测结果。其中，图7(a)给出LTE业务流量增长预测曲线，图7(b)给出2017年预期的业务流量占比。可见，视频流业务占比将逐步提升，到2020年预期达到40%；文件传输业务将保持持续增长，到2020年其占比预期可超过10%；网页浏览与即时通信业务将继续稳步增长，预期在2019～2020年基本达到饱和状态。

图7 联通LTE业务流量增长预测

基于各类业务单位流量信令开销的统计数据，根据LTE业务流量增长的预测结果，可得到LTE网络信令增长态势，具体计算方法详见公式(4)，图8给出了预测结果。可见，即时通信业务仍然是信令开销的主要来源。不过，随着视频业务流量的增长，总体业务的单位流量信令开销还是会有所下降的，预期到2020年可从现在的45千条/MB降低到30千条/MB。

根据国内3G网络用户数量历史数据分析，可得用户复合增长率呈几何下降趋势，如公式(4)所示。由于不同网络中用户增长规律具有一定的相似性，公式(5)同样适用于LTE网络用户数的增长规律。其中，Nj表示第j年的用户数量，vjuser表示同年访问不同业务i的用户数复合增长率。根据来自3G网络的统计数据，我们得到基于联通3G建网以来的用户数增长数据，可预测LTE用户数的增长曲线。按照用户数复合增长率等比递减的规律，可得到LTE用户数增长预测结果(详见图9)，预期到2020年联通LTE用户数可达1.2亿。

图8 联通LTE网络信令开销预测

图9 联通LTE手机用户数增长预测

3 LTE精细化业务模型应用

精细化的业务模型相较基本业务模型，包含了更为丰富的用户行为信息，因此更接近于现实网络。利用精细化的业务模型可以进行业务价值评估、小区价值评估，为网络部署与业务运营提供有效依据。

3.1 基于LTE精细化业务模型的业务价值评估

业务价值评估可以从以下三个维度考虑，即业务收入维度、用户体验维度、资源消耗维度。其中，业务收入维度的主要影响因素包括平均业务流量、平均用户数量等。用户体验维度的主要影响因素包括信息传输速率、丢包率、乱序率、端到端时延以及时延抖动等。资源消耗维度重点关注忙时业务，包括忙时业务流量、忙时用户数量、忙时信令开销和忙时访问次数等。

以某类业务为例，图10(a)给出了一种基本算法。基于该算法，对各类业务应用的价值进行评价，图10(b)给出了对某区域业务评估得到的TOP10业务。可见，该区域内HTTP网页浏览和下载业务的价值最高，视频流业务紧随其后，社交网站和一些游戏类业务也具有较高价值。

图10 业务价值评估算法及示例

3.2 基于LTE精细化业务模型的小区价值评估

基于业务空间分布的分析结果，可以对现网进行价值区域分析[6]。例如，以视频流和文件传输作为高价值业务，图11给出针对业务总流量[7]、高价值业务流量占比，基于九宫格的小区价值评估方法。

图11 小区价值的九宫格评估方法

4 结束语

移动通信网络是提供资源以承载业务、实现用户信息交互的基础设施，业务是向用户展示不同内容及应用信息的载体。针对各类不同业务进行特征分析，是未来移动互联网业务分析的切入点，也是移动通信网络升级演进的依据。本文以UMTS现网业务数据分析为基础，结合国内外LTE业务的发展现状，构建了LTE网络精细化业务模型，并给出该模型应用于业务价值和小区价值评估的方法。在后续研究中，可以通过提取更加全面的LTE现网数据，完善业务模型及其参数建议值，为LTE网络后续的建设与优化提供更为有力的支撑。

参考文献

[1] 肖清华,林栋.TD-LTE室内分布业务模型分析[J].移动通信,2013(17):44-48

[2] 黄春伟,陈宁宁.多维业务分析模型在LTE工程建设中的应用[J].邮电设计技术,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] 调查机构报告:Facebook稳坐输送流量王座[EB/OL].(2014-10-28)[2015-07-27].http://tech.sina.com.cn/i/2014-10-28/doc-iawrnsfu3188347.shtml

[6] 刘琪,王蕴实,盛煜,等.移动互联网业务在LTE时代的发展分析及业务建模[J].信息通信技术,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