无线数据业务规模应用时代的网优应对策略研究报告.docx

《无线数据业务规模应用时代的网优应对策略研究报告.docx》由会员分享，可在线阅读，更多相关《无线数据业务规模应用时代的网优应对策略研究报告.docx（202页珍藏版）》请在课桌文档上搜索。

1、无线数据业务规模应用时代的网优应对策略研究报告无线数据业务规模应用时代的网优应计策略研究报告上海电信无线网络优化中心-O一一年八月1专题概述132网络问题分析研究152.1 月度走势152.1.1 网络侧152.1.2 业务侧162.1.3 终端侧162.2 忙时分析172.2.1 忙时定义172.2.1.1 连接忙时172.2.1.2 流量忙时182.2.2 PCMD数据分析182.2.2.1 用户分布192.2.2.2 每连接时长分布*192.2.2.3 每连接间隔分布202.2.3 KPl指标分析211.1.1 .1每载扇连接时长分布211.1.2 每载扇等效用户数分布222.233每载

2、扇连接请求次数分布222.23.4每载扇ROT分布232.2.4特性分析242.3研究原则243策略研究创新思路263.1 用户业务评估模型273.1.1 业务研究273.1.2 终端研究283.1.3 策略总结293.2 网络性能评估方法293.2.1 资源占用293.2.1.1 业务信道负荷303.2.1.2 信令信道负荷303.2.2 网络性能303.2.2.1 PCMD性能指标统计303.2.2.2 COUNT性能指标统计304网络侧策略314.1 优化流程314.2 资源分析324.2.1 业务信道负荷324.2.1.1 策略Dormancytimer参数优化324.2.1.2 策略

3、二一RABThreShOkl优化324.2.1.3 策略三一软切换参数优化334.2.2 信令信道负荷334.2.2.1 策略四一COlOrCode边界结构调整334.2.2.2 策略五一寻呼参数优化334.2.2.3 策略六一接入参数优化334.2.3 总结344.3 策略一-DormanCyTimer优化344.3.1 RNC级的优化结果354.3.2 扇区级的优化结果424.3.3.1RNC级别454.332扇区级别464.4 策略二-RABThreshold优化464.4.1 RNC级别的优化464.4.2 扇区级的优化474.4.3 覆盖分析494.4.4 策略总结494.5 策略三

4、-软切换参数优化504.5.1 理论研究504.5.2 优化调整534.5.2.1 MaXLegS参数实践论证534.5.2.2 soft/SofterHandoffDelay实践论证554.5.2.3 EVDO动态软切换实践论证564.5.3 策略总结574.6 策略四-ColOrCOde调整584.6.1 理论研究594.6.2 优化调整604.6.2.1 调整方案604.6.2.2 优化效果614.6.2.2.1 连接建立成功率614.6.2.2.2 会话建立请求次数624.622.3操纵信道负荷634.6.3策略总结644.7策略五-寻呼策略654.7.1理论研究654.7.2.1寻呼

5、成功率674.722操纵信道负荷694.7.23评估结果704.7.3策略总结711.1.1 .1不开启QOS711.1.2 开启QoS724.8 策略六-接入参数优化724.8.1 理论研究734.8.2 优化调整754.8.2.1 AccessCycIeDuration实践论证754.8.2.2 OPenLOOPAdjUSt实践论证774.8.3 策略总结794.9 网络基础优化应计策略794.9.1 覆盖优化794.9.2 干扰排查804.9.3 DO载频边界优化811.1.1 .1理论研究811.1.2 优化调整871.1.3 策略总结895终端侧策略915.1 终端性能分析915.1

6、.1 评估方法915.1.2 评估结论935.1.2.1 终端级935.2 终端特殊处理机制975.2.1 处理机制研究975.2.1.1 初始化状态985.2.1.2 空闲态985.2.1.2.1 多载频扇区单载频资源不足985.2.1.2.2 扇区下所有载频资源不足995.2.1.2.3 接入探针捕获失败1OO5.2.1.3 连接态1031.1.1.1 .1IX业务触发1031.1.1.2 自主下切1045.2.2 网络评估1045.2.3 策略建议1055.2.3.1 终端侧1055.2.3.1.1 处理机制建议1055.2.3.1.2 有关Fealllre1065.23.2网络侧106

7、5.3特殊业务(QCHAT)终端问题分析1075.3.1 终端灵敏度问题1075.3.2 终端软件问题1075.3.3 终端芯片问题1075.3.4 策略建议1086业务侧策略1086.1 典型业务(BE)研究1086.1.1 yk务选取1096.1.2.2 微博类业务分析1126.1.2.3 财经类业务分析1146.1.2.4 游戏类业务分析1166.1.2.5 浏览类业务分析1176.1.2.6 视频音乐类业务分析1186.1.3策略建议1186.1.3.1 优化应用的心跳机制1186.1.3.2 刷新频次优化1196.1.3.3 结合业务特点的网络优化1196.1.3.4 跟踪应用研究及

8、优化1206.2QoS业务(QeHAT)研究1206.2.1 参数优化1216.2.2 策略建议1226.2.2.1 载波连续性1226.2.2.2 版本升级1221.1.1.1 覆盖优化1236.2.2.4 寻呼策略1236.2.2.5 接入策略1236.2.3典型案例1246.2.3.1载波连续性问题1246.232基站版本问题1246.2.33容量问题1256.2.3.4局间边界问题12573G用户业务模型1277.1 模型分析1277.1.1 业务分析1277.1.3 维度定义1297.2 3G(BE)用户业务模型研究1307.2.1 统计说明1307.2.1.1 采样样本1307.2

9、.1.2 属性分类1307.2.2 业务概况1307.2.3 日均业务分析1327.2.3.1 用户数1327.23.1.1 周激活用户数1327.23.1.2 2日均激活用户数1327.23.2连接数1337.233连接时长1357.23.4数据流量1361.1.1.4.1 日均总的数据流量(含前反向)1361.1.1.4.2 前反向流量分别统计1371.1.1.4.3 前反向流量比例1381.1.1.4.4 连接发起方统计1387.2.4 用户日均业务情况1397.2.4.1 用户使用频次1397.2.4.2 每用户日均建立的连接数1407.2.4.3 每用户日均连接时长1417.2.4.

10、4 每用户日均数据流量1417.2.5 业务趋势变化1427.2.5.1 工作日与周末的业务趋势比较1427.2.5.2 工作日业务趋势1427.2.5.2.1 连接数1427.2.53.1连接数1447.253.2数据流量1457.2.6忙时每用户业务情况1467.2.6.1 均值统计1467.2.6.1.1 连接数忙时1467.2.6.1.2 流量忙时1477.262区间统计1487.2.63每用户忙时与其他时段的业务对比148733GQoS(QCHAT)业务影响研窕1497.3.1 研究目的1497.3.2 对BE业务影响的曲线测试1507.3.3 对BE业务的影响及QChat语音时延指

11、标测试1517.3.4 QChat业务切换对BE数据业务前向的影响1538网络容量规划建议1558.1 负荷门限定义1568.1.1 信令信道门限1568.1.1.1 操纵信道1568.1.1.2 接入信道1588.1.2 前向业务信道1598.1.2.1 连接时长(平均MACIndeX)1598.1.2.2 等效用户数1608.1.2.3 有效占用率1618.1.3 反向业务信道1628.1.3.1 ROT门限1628.2 网络负荷预估体系1628.2.1 负荷预估1638.2.1.1 预测用户模型1648.2.1.2 预测门限1648.2.2 资源现状分析1641.1.1 .1连接时长16

12、41.1.2 操纵信道负荷1651.1.3 接入信道负荷1658.23.4预估结果1669后续研究16710附录17010.1 专题计划17010.1.1 专题目的17010.1.2 专题组织17010.1.3 专题内容17110.1.3.1 全网性能评估与优化策略研究17110.1.3.2 3G用户业务模型评估与网络规划策略研究17210.1.4 时间安排17210.1.4.1 专题沟通合作17210.1.4.2 各子项具体时间表17410.2 终端分析算法17510.2.1 用户区分标识17510.2.2 分析算法17610.2.3 属性分类17710.2.4 未知终端17810.2.5

13、未知手机178103DRC信道参数优化18010.4 高通芯片-CSM6800/6850介绍18110.4.1 标准模式下的容量18110.4.2 特定功能下的容量18210.4.3 接入信道分配机制18310.4.4 CSM6850的4x接入信道增强18410.4.5 时隙接入信道周期18410.4.6 2次解调/接入信道周期18510.5 RapidDormancy功能18510.6 用户业务模型（区间统计）1861061忙时激活用户数（连接数忙时）18610.6.1 忙时激活用户数（流量忙时）18710.6.2 忙时每用户连接数（连接数忙时）18810.6.3 忙时每用户连接数（流量忙时

14、）18810.6.4 忙时每用户前向RLP流量（连接数忙时）18910.6.5 忙时每用户前向RLP流量（流量忙时）18910.6.6 忙时每用户反向RLP流量（连接数忙时）19010.6.7 忙时每用户反向RLP流量（流量忙时）19110.6.8 忙时每用户连接时长（连接数忙时）19110.6.9 忙时每用户连接时长（流量忙时）19210.6.10 忙时每用户连接间隔（连接数忙时）19210.6.11 忙时每用户连接间隔（流量忙时）19310.6.12 忙时每连接时长（连接数忙时）19410.6.13 忙时每连接时长（流量忙时）19510.6.14 忙时每连接RLP流量（连接数忙时）1951

15、0.6.15 忙时每连接RLP流量（流量忙时）19610.6.16 忙时每用户前向RLP吞吐率（连接数忙时）19610.6.17 忙时每用户前向RLP吞吐率（流量忙时）19710.6.18 忙时每用户反向RLP吞吐率（连接数忙时）19710.6.19 忙时每用户反向RLP吞吐率（流量忙时）1981专题概述随着3G多元化业务与智能终端的迅猛进展，网络业务形态与用户行为迅速转变，现有的网络配置策略已难以习惯，网络性能已受到冲击，部分区域的资源瓶颈问题已逐步显现。这一影响引起了集团网优中心的高度重视，有关领导专门布置，由上海网优中心牵头，组织有关方面专家团队，开展了为期60天的网优策略应对研究专题。

16、希望通过本次研究，也为兄弟省分提供具有参考意义的3G业务优化网优新思路。本次研究，结合了上海电信前期的3G业务优化研究成果，通过对3G的业务模型与网络新问题进行深入研究，提出了针对业务规模化进展应做好的应计策略，与针对端到端网络的预防与优化措施，以期为网络持续、稳固、健康进展做好充分准备。通过本专题的研究，创建并使用了基于用户话单（PCMD）的多资源维度分布模型分析体系（以终端类型级别为评估对象，多种资源为评估维度，用户级区间统计为评估方法），分析并建立了现网的3G用户业务模型，为网络优化方法制定打下了良好的基础。同时，根据长期的体系分析结果与各资源维度门限研究，建立了一套网络负荷预估体系，为

17、网络规划提供了详实的数据基础。本专题在研究中，从三种角度（网络侧、终端侧、业务侧）、六大策略（DOrmanCyTimer参数、RAB参数、软切换参数、COlOrCode边界、寻呼参数与接入参数优化策略）、一个分析体系（基于PCMD的分析体系）与一种评估方式（资源评估），来诊断现网要紧性能问题，与预估业务规模应用下可能存在的问题，并通过参数算法优化与网络结构优化研究，提供了各侧的预防与优化措施。同时，深入也通过挖掘无线网络资源的潜力，提高无线网络资源有效利用率，为市场、终端部门与公司领导的决策提供参考数据。此次研究工作得到了集团网优中心、高通公司、阿朗公司与研究院等单位与部门的大力支持，也是我们

18、研究领域一种全新合作方式的尝试，从多方位、多角度建立了网优研究的新思路与架构。上海网优中心将基于本次专题的合作方式与研究方向，继续进行3G业务网络优化的专题研究工作，及时分析与掌握不断变化的网络情况，与时俱进地开展网络优化工作，力争在3G领域取得更多、更具有推广意义的研究成果。文章结构概述：第一章专题内容概述第二章现网问题分析第三章策略研究分析体系介绍第四章网络侧策略第五章终端侧策略第六章业务侧策略第七章3G用户模型第八章网络容量规划建议第九章后续研究计划第十章附录专题说明：1、此专题要紧研究EVDo网络2、此项目开展各项参数调整优化要紧针对上海贝尔设备，同时方法与思路可推广至其它设备业务区域

19、。2网络问题分析研究随着3G多元化数据业务的规模进展与智能终端的快速普及，网络性能与资源有效利用已经面临挑战，传统的2G单一业务优化模式已很难习惯3G数据业务（特别是智能手机）的需求。因此，网络优化需要抽丝剥茧，将关注点从底层传输管道的信号、信令分析逐步转向上层。随着关注点的改变，困扰优化工程师的问题逐步显现：1、 3G网络分析优化是否仅关注无线侧？2、 需要建立如何的3G网络性能评估方法？3、 关于多样的用户使用情况如何建立3G用户业务模型？带着这三个问题，我们从网络侧、业务侧、终端侧三个方面进行了研究。2.1 月度走势首先通过对网络月度指标统计，进行直观全面的分析。2.1.1 网络侧一话务

20、信道占用（0万Erf）一连接建立请求次数值万次）TA用向物理层总流量（TB）2010年9月至今，网络流量基本平稳，增幅仅为7.5%,而EVDo话务量增长近30%,连接次数增长近三倍，特别是2011年3月以来，增长趋势更加明显。从无线侧数据已经突显出3G用户业务多元化的趋势。2.1.2 业务侧 ThtMdM HTTP.NP*SHMI BlTefNfif .*P5VMm MrrF. mkRMF通过DPI系统对8月初各类应用流量分CTWAP与CTNET两种接入方式进行了分析。普通手机终端的接入方式为CTWAP,数据卡的接入方式为CTNET,智能手机终端可使用以上两种接入方式。（增加流量对比）目前CT

21、WAP日总流量约500G,CTNET日总流量20T,是CTWAP的40倍。随着智能终端的不断普及，今后研究的要紧方向为CTNETo WAP HTTPMBKTorrent Thunder HTTP台频下蜕H11Pa传下就 QQMGTaIkH11P探序下或MRTPIHnPFIdSh视海MFTPPassive2.1.3终端侧终端侧的用户数统计可使用激活用户与开账用户两类，为更好的反应网络实际承载情况。使用网络实际有业务使用需求的用户进行统计。这样我们就需要运用到PCMD的统计工具，将PCMD基于用户级的统计数据真实反应出网络情况。通过对PCMD的分析，我们能够发现全网用户数稳步增长，特别是智能手机用

22、户增长明显。上半年（2010年12月至2011年5月）智能手机用户增长573%。1周内的总用户数1 ,0,000600,000.e.o Q寰 400,000200,0000332,910277,129211Noo2010年12月日20”，3月37日201145 月 1*17 日未知类B+M督两机UhKK机YA令器终端类型分布终端类型2010年12月2011年3月2011年5月数据卡43.90%36.47%27.95%普通机17.45%19.32%19.94%智能机3.40%7.55%15.21%类型未知手机35.25%36.67%36.90%2.2忙时分析2.2.1 忙时定义根据资源使用情况，

23、将忙时定义为连接忙时与流最忙时。2.2.1.1 连接忙时分别取1月与7月一周工作日24小时连接时长按小时平均，变化趋势如下:从上图能够看出，连接忙时为下午14：00-15：00,从1月至今，连接忙时尚未改变，但早忙时（10：00-11：00）连接时长比例出现了大幅增长，开始接近下午忙时，反映出用户连接类业务行为的转变。2.2.1.2 流量忙时分别取1月与7月一周工作日24小时连接时长按小时平均，变化趋势如下:从上图能够看出，连接忙时为下午21：00-22：00,从1月至今，连接忙时尚未改变。但晚上除晚忙时外，其他时段流量比例明显下降，反映出流量类业务向连接类业务的迁移。2.2.2 PCMD数据

24、分析为了进一步对网络业务特性进行分析，我们研究了2011年5月13日两个忙时的PCMD的数据：14:00-15:00：连接数与连接时长的忙时21:00-22:00：数据流量的忙时注：5月份网络的DormanCyTimer=IO秒。2.2.2.1 用户分布2011/05/1314:00-15:00的用户分布情况如下:类型数量百分比数据卡37,41923.51%手机智能机44J9027.76%非智能机34,54421.70%类型未知手机43,04027.04%2011/05/1321:00-22:00的用户分布情况如下:类型数量百分比数据卡38,17227.82%手机智能机37,87727.61%

25、非智能机25,31718.45%类型未知手机35,83926.12%2.2.2.2 每连接时长分布*数据卡有如下的特性：约60%的连接的连接时长12秒，数据卡相对手机终端（见下图）连接时长较长。手机终端（特别是智能机）有如下的特性：约75%的连接的连接时长12秒，智能机的连接普遍连接时长较短。同时关于智能机61%的连接的连接时长集中在2-3秒（因某些终端rapidtimer=1秒）、6-7秒（因终端的rapidtimer=5秒）与1112秒（因dormancytimer=10s）。假如减去终端rapidtimer或者网络的dormancytimer的时间，事实上智能机真正使用网络的时间也就1-

26、2秒左右，而其他的时间基本上是在浪费网络资源。具体的分布请参看下图：（*注：计算连接时长分布时不包含与SeSSiOn有关的连接）通过以上的分析我们能够得出如下的结论：随着智能机的快速增长，智能机对网络资源的冗余的占用需要及时释放。智能机真正使用网络的时间也就12秒，部分资源存在冗余占用情况。因此非常有必要对冗余资源进行优化（比如缩短dormancytimer的时间）从而更有效地利用网络资源。2.2.2.3 每连接间隔分布数据卡的特性：约60%的连接其连接间隔10秒。也就是说数据卡相对智能机（见下图）更频繁地建连接。手机终端（特别是智能机）有如下的特性：只有约30%的连接其连接间隔10秒（或者者

27、约70%的连接其连接间隔10秒）。智能机相对数据卡连接频繁度较低。2O115J13(I 14:00-15:002011M 5jl3EJ 21:00 22:00从如上的数据分析能够得出如下的结论：从连接间隔的角度来看，假如下一次数据包较快的到达，那么较长的Iimer能够避免包到达而引起的连接请求。但是从智能机的特性我们能够看到智能机相对不那么频繁地建新的连接，也就是说能够将当前连接的dormancy的时间缩短从而释放不必要的资源占用。而且随着智能机的快速增长，有必要进行优化释放冗余资源的占用与提供网络资源的有效利用率。2.2.3 KPI指标分析对忙时网络载扇级能力进行分析。通过各资源统计，确定目

28、前网络的资源使用情况。1.1.1 .1每载扇连接时长分布超过30%的载扇连接时长lErl,约1%的载扇的连接时长28Erl.目前看来全网连接时长负荷不高，但部分载扇已达到预警门限，急需优化。请参看下图全面分布图。流量忙时连接忙时1.1.2 每载扇等效用户数分布由于流量具有较强突发性，因此使用等效用户数对前向流量类负荷进行表征。约90%的载扇等效用户数1,约0.3%的载扇的等效用户数4。目前看来全网连接时长负荷不高，但部分载扇已达到预警门限，急需优化。请参看下图全面分布图。2.23.3每载扇连接请求次数分布大概约90%的载扇连接请求次数600次/小时。没有一个载扇的连接请求次数6000次/小时。

29、请参看下图分布：连接忙时流量忙时而关于接入能力而言，报警门限是每载扇连接请求次数27000次/小时。这个门限是按接入信道的40%的容量与AccessCycleDuration=32slots计算出来的。假如ACCeSSCyCIeDUration设置为16slots,那么这个报警门限将增加一倍至53891次/小时。因此从目前的网络现状来说，连接请求次数并不是一个受限指标。分析过程详见8.1.2。2.23.4每载扇RoT分布大概约5%的载扇的ROT（长期平均RSSD7dB0目前看来网络反向负荷不高，但是随着负荷的增加，部分参数优化计划急需制定。请参看下图全面分布2.2.4特性分析目前全网网络负荷总

30、体不高，下午忙时连接时长负荷较高，晚忙时流量类负荷较高。部分载扇连接时长与等效用户数已达到瓶颈，连接时长负荷明显高于等效用户数负荷，连接次数远未达到瓶颈。部分载扇的ROT偏高。忙时智能机用户的连接时长与连接间隔有着如下的特性：1 .现网大约60%的智能机用户真正使用网络资源的时间大概就12秒。随着智能机的快速增长，需要对网络时长资源进行优化。2 .对智能机用户，现网大约70%连接间隔10秒，也就是说智能机用户建连接不是很频繁。需要通过优化减小来释放网络冗余资源的占用。3 .部分载扇的ROT过高。同时随着用户的增长，ROT也会随之增加。因此需要通过参数优化调整降低RoTo4 .通过KPl对连接数

31、的分析，能够看出现网有着较大的余量。每小时产生的连接数远远小于接入信道的容量门限。因此目前连接请求次数并不是一个受限指标。从以上对话单（PCMD）与KPl的分析，我们能够得出如下的结论：智能手机以相当快的速度增长，2011年上半年智能机用户增长了573%。而智能机用户行为与传统的数据卡用户行为有着显著的差别。因此随着智能机用户的增长，很有必要对网络进行针对性的优化。5 .3研究原则针对3G网络优化新问题，专家组根据以上三个维度的总体分析结果。确定了此次专题的策略研究的几个原则：1、提出端到端的研究策略：多样化的业务使用，使3G网络的用户使用习惯具有业务特性（连接类、流量类）与终端特性（智能终端

32、、普通终端、数据卡）。端到端的研究需要从终端、网络与业务三方面全面展开。2、 建立业务与信令两种无线资源负荷评估角度：将3G网络细分为业务与信令的两种资源优化评估方式。具体可参见4.2网络性能评估方法。3、 形成基于终端类型的用户业务评估模型：多种业务使用在无线侧具有资源叠加性，因此，用户业务模型仍从无线侧入手。通过基于终端类型的PCMD分析，不一致终端类型对无线资源的占用具有一定的差异性，但在时域与地域上具有一致性（参见2.3章节）。因此，确定基于终端类型的用户业务评估模型的研究方向。具体请参见4.1用户业务评估模型。3策略研究创新思路在无线网络中有两种统计方式，一种是基于计数器的指标统计，

33、一种是基于呼叫测量记录的统计。通常在评估整个网络性能的时候，会使用基于计数器的指标统计（如掉话率、接通率、前向数据流量等）。但这种统计仅能推断与建立地域维度（如基站、扇区等）的话务模型，用户级维度的业务模型务必使用基于用户级别的呼叫测量记录。无线侧系统中提供的PCMD（PerCallMeasurementData,呼叫测量记录）信息是在用户通话结束时生成，内容包含接入过程、通话过程及通话结束时的无线环境、切换过程、通话质量、流量、时长等关键数据。其中，IX呼叫测量记录包含了300个以上字段，EVDo呼叫测量记录包含了350个以上的字段。通过这些详尽的呼叫测量记录信息，可对用户级的性能指标与业务

34、指标做精细化推断。本次研究创新思路是建立一套基于PCMD的多资源维度分布模型的分析体系。以终端类型级别（智能终端、普通终端与数据卡）为评估对象，多种资源为评估维度，建立用户级PCMD的区间统计评估方法。基于PCMD的多资源维度分布模型分析体系，要紧有下列特点：多资源维度：针对资源占用特性不一致，从连接数、时长、流量等资源维度进行分析。并根据不一致资源维度的特性使用个性化的统计方法。基于终端类别统计：将用户级数据按照终端类别进行统计，突显不一致终端类别的业务模型，进行差异化研究。区间统计：从分布特征与聚集特征两方面反映资源占用特性，相对传统的平均统计法建立业务模型更精细、更科学。同时，通过KPI

35、性能指标的深入研究，将无线侧流量的包传输时间与连接的连接时长两个要紧业务特性KPl相结合，表征连接时长内有效占用数据传输的时隙比例，综合评价资源的使用效率。通过网络评估，发现目前网络的资源占空比较小。根据分析体系针对连接特性的区间统计，进一步确定了网络资源可用性敏感，资源占空比小的特点。因此，最终确定了基于分析体系的用户业务模型分析，研究每连接的业务特性（如连接时长、间隔等），以参数优化与网络调整为手段，以DormanCytimer优化为主线，将解决网络问题与提升资源利用率为目标。并初步建立3G无线侧用户业务模型。策略优化目标为降低各项资源的冗余占用，改善DO网络关键KPl指标。为准确评估策略

36、应对效果，评估分析方法将基于count的性能指标统计与使用PCMD得到的用户模型与其他有关性能指标有效结合。从选择样本开始，到优化效果评估，全面跟踪用户级业务模型与网络性能的变化。因此，分析、评估分为两种方式：1、 基于PCMD的用户业务评估模型2、 结合PCMD与count的网络性能评估方法2.1 用户业务评估模型2.1.1 业务研究根据业务占用资源特性的差异，能够将业务分为连接类与流量类两大类：连接类：传输数据量小，有效传输包占比较小，使用这类应用时用户对资源可用性较敏感，对带宽不敏感。如：网页浏览、即时通信、微博等应用。流量类：传输数据量大，有效传输包占比较大，使用这类应用时用户对资源可

37、用性与带宽均较敏感。如：P2P下载、在线视频等应用。针对近期3G多元化业务与智能终端的迅猛进展，网络业务形态与用户行为迅速转变的现状，与多智能终端的使用业务特性，本次研究选定连接类业务为要紧研究对象。建立业务模型与分析业务特性时，使用连接特性与流量特性两大维度，以突显不一致业务对不一致资源的需求特性。2.1.2 终端研究，智能终端/1、终端类别普通终端L数据卡根据用户使用习惯与PCMD的初步分析结果，不一致终端类别的用户业务模型有较大差异。因此，本次研究将终端按照要紧功能分为智能终端、普通终端与数据卡三大类：智能终端：使用开放式的操作系统，支持多元化的网络应用程序，业务进展迅速。移动性较强，应

38、用以连接类业务为主。普通终端：无操作系统，网络应用较单一，以网页流量等基本应用为主。数据卡：仅作为接入终端，业务为Pe应用。移动性弱。业务模型与性能分析都将使用以上三类终端维度进行统计。针对近期智能终端的迅速普及与多智能终端的使用业务特性，本次研究以智能终端为要紧研究对象。2.1.3 策略总结多元化业务应用最终在用户粒度汇聚，为更贴近反映多元化业务应用汇聚后对无线侧资源的占用特性。根据业务研究特点（以连接类业务为主）与终端研究特点（以智能终端为主），确立了以用户为粒度，按终端类别进行分类，以连接类业务特征为维度，建立基于PCMD的用户业务评估模型。终端类别（每连接）连接流量时长间隔前向反向智能

39、终端区间统计方法普通终端I数据卡I2.2 网络性能评估方法优化前后的分析与评估方式作为策略研究的重点，需要全面与可操作。因此，策略研究首先需要制定较为完善的评估手段。除了基于PCMD的用户业务模型分析体系外，本次专题提出了基于PCMD与KPl网络性能评估方法，评估目标要紧分为两部分：1、资源的有效利用2、要紧性能指标的改善3.2.1 资源占用要紧从业务与信令信道负荷两方面对资源占用负荷进行评估。通过优化策略调整前后的指标对比，确定网络问题或者资源利用的改善效果。根据本次专题研究的业务（连接类）、终端（智能手机），与连接有关的资源类指标将作为重点研究对象。可分为下列几类：3.2.1.1 业务信道

40、负荷1 .平均MaClndeX占用数（连接时长）：反映用户数与用户连接时长。2 .ROT：影响接入性能与反向容量的重要指标1 .2.1.2信令信道负荷2 .操纵信道负荷同步操纵包囊：发送系统消息与寻呼消息等。子同步操纵包囊：仅发送寻呼消息。异步操纵包囊：要紧发送连接建立过程的信令消息。3 .接入信道负荷：用户发送连接建立过程的信令消息。3.2.2网络性能目前评估网络性能指标要紧使用COUNT计数器的统计方式，但由于CoUNT统计方式本身的局限性，为更好的完善性能统计，本次专题根据PCMD所具有的统计特性，将覆盖、下切性能统计引入网络性能统计中。3.2.2.1 PCMD性能指标统计基于PCMD统

41、计方法的网络性能评估评估要紧有：1、覆盖性能：详见4.4.3覆盖分析2、DO下切IX：详见5.2.2网络评估3.2.2.2COUNT性能指标统计基于COUNT统计方法的网络性能评估要紧有DO连接建立成功率、连接掉话率、寻呼成功率、切换成功率、RAB激活率等。4网络侧策略本章节将通过网络侧优化流程定义，六大资源优化策略与网络基础优化策略展开。通过各个策略的理论分析、优化调整与评估结果，阐述各策略对网络资源、性能等各方面改善的情况。4.1优化流程整个研究工作从如下步骤入手:1 .网络分析与研究2 .资源利用效率与资源占有率情况3 .网络参数与结构优化4 .网络评估4.2 资源分析根据业务与信令信道

42、负荷两方面对资源占用的划分，可将有效提高各资源利用的方面分成下列几类：4.2.1 业务信道负荷4.2.1.1 策略Dormancytimer参数优化平均MaCIndeX占用数（连接时长）表示了载扇中处于空口连接状态的用户数。尽管理论每载扇可占用的MaCIndeX数为114个，但是由于信道板的制约，目前使用CSM6800芯片支持6载扇192个CE（请见附录10.5高通芯片），考虑各载扇用户随机分布与CE资源，目前单载扇的最大用户数设置为40个。同时，由于连而不传的用户愈发增多，资源得不到及时释放，造成干扰变大，可用连接数量变低，甚至于无法及时接入真正有数据需求的用户。通过有效传输包时长资源分析，

43、发现目前网络的资源占空比较小。根据分析体系针对连接特性的区间统计，进一步确定了网络资源可用性敏感，资源占空比小的特点。因此，Dormancytimerft化将作为应对前向业务信道连接时长负荷上升与反向容量的应计策略展开研究。4.2.1.2 策略二一RABThreShOki优化EVDO反向容量受ROT影响，RABThreshoId是用来调节反向容量的一个重要参数。RABThreShokr设置高，能够同意终端以更高的速率发送数据，但会造成反向ROT抬升，从而影响反向解调能力，降低反向容量，同时影响接入性能。RABThreShOkr设置低，能够将终端反向数据对系统RoT的影响降低，但是终端只能以较低

44、的速率发送数据，在反向RoT较低的情况下，设置低会造成反向容量的浪费。因此，需要RABThreShOkI优化将作为应对业务信道负荷中反向容量的应计策略展开研究。4.2.1.3 策略三一软切换参数优化平均MaCIndeX占用数还包含一部分软切换连接数。软切换参数的优化在Do系统中也尤为重要。在保证用户感知的同时，减少软切换的冗余资源的占用。因此，DO软切换参数将作为应对业务信道负荷中连接时长上升（切换部分）的应计策略展开研究。4.2.2 信令信道负荷4.2.2.1 策略四一CoIorCOde边界结构调整在位置与话务基本一致的情况下，ColorCode边界基站与非边界基站相比非同步包囊操纵信道时隙

45、占用率与接入信道负荷都有不一致程度的增加。现网部分操纵信道负荷超过10%的载扇，处于COlOrCOde边界或者与周围载扇CoIoreode配置不一致。因此，ColOrCode边界调整将作为应对信令信道负荷中操纵与接入信道负荷的应计策略展开研究。4.2.2.2 策略五一寻呼参数优化Do网络具有多次寻呼机制，寻呼范围、寻呼次数及两次寻呼间隔均可设定。寻呼消息是在操纵信道同步与非同步包囊中发送。寻呼策略的不一致，对操纵信道负荷会有影响。因此，寻呼参数优化将作为应对信令信道负荷中操纵信道负荷的应计策略展开研究。4.2.2.3 策略六一接入参数优化关于接入信道来讲，由于在每一个AccessCycle里面最多只能解调出一个接入试探，因此接入信道容量的极限就是每个AccessCycle中都有一个成功的接入试