中国电信3G业务规模发展优化手册(上海贝尔分册)(2)

2.2.2.1属性分类

首先，需要确定使用的主要数据来源和用户标识：

1.1X EVDO呼叫测量记录：用户信息索引为ESN/MEID，IMSI

2.1X呼叫测量记录：用户信息索引为MIN。根据MIN号提取相关信息时，选择service

option为1、3和68的语音业务，以此判断是否为手机终端用户。通过

46003+MIN=IMSI对应关系，可建立1X和1X EVDO呼叫测量记录的关联关系。

第9页/共143页

中国电信集团公司

3.终端信息表：ESN/MEID与终端类型的对应表。用户信息索引为ESN/MEID 。列

入此表的均为手机终端用户，并且包含此手机的具体型号。

然后，结合以上数据源将用户终端分为以下几类：

1.IMSI出现在EVDO话单中，并且在1X中进行过语音呼叫：手机

2.ESN/MEI和IMSI在终端信息表中：手机

3.不符合以上条件，但有可用IMSI：数据卡

4.不符合以上所有条件：未知

通过分类算法，可对数据卡和手机进行分类。如需要进行细致化的用户模型分析，可以采用属性分类方式（如操作系统、套餐等）。由于智能手机是目前的一个关注焦点，因此本分册采用了操作系统的属性分类方式，将手机终端分类需进一步细化，以判断用户行为的差异性。具体分类如下：

1.数据卡：只使用EVDO数据业务的USB/PCMCIA 卡

2.手机：产生EVDO PCMD记录，并且1X PCMD 有语音呼叫记录或者所对应的

ESN/MEID和IMSI 在终端信息表里存在的终端。

智能手机：操作系统是Android, Windows mobile, windows CE, RIM和其他一些高级操作系统(比如BADA)

普通手机：Brew和其他一些比较低端的操作系统

未知手机：终端型号和操作系统不可知的手机

根据以上关联关系，可建立区分3G用户类别区分算法计算流程图：

第10页/共143页

中国电信集团公司

2.2.2.2未知终端

未知终端的记录是由于EVDO呼叫测量记录未出现IMSI信息。当用户关闭手机连接重启终端后，终端进行Session协商后不会进行ANAAA鉴权，因此AN中无用户IMSI信息，如果此时发生Idle Session Transfer则会出现不含IMSI的话单。通过用户业务模型统计，也可以看出此类用户基本不产生业务，这部分有HWID无IMSI，且不能在终端信息表中找到的用户，可在用户业务模型统计中做去除处理。

2.2.2.3未知手机

计算终端类别模型时，需要使用唯一的（MEID/ESN，IMSI）进行终端信息表匹配。但在进行用户数预估时，过多的未知手机会影响预估和评估的结果。因此，需对未知手机做进一步的分类评估。

在进行不同终端类别的用户数统计时，对于未知手机类别区分可采用以下两种方法：

1.根据模型统计，进行用户数的划分：参考

2.2.2.

3.1

2.根据IMSI统计，进行用户数的划分：参考2.2.2.

3.2

2.2.2.

3.1模型评估

未知手机的模型，可采用统计学的理论计算，大致计算智能手机和非智能手机的比例，采用“每用户”的方式给设备归类，这主要是由于对这三类设备的统计基本是独立的：

1.每用户连接数

2.每用户总RLP字节数

3.每用户空口连接时长

部分关键的假设：

1.在所有的“未知手机”里，只存在极小部分接近数据卡模型的手机用户。如用户

使用手机进行modem拨号上网。

2.智能手机/普通手机/数据卡用户的行为方式对于已经进行过分类统计的用户和尚

未进行过统计分类的用户是完全相同的。

步骤如下：

1.判别数据卡：通过统计“每用户总RLP字节数”，筛选出那些总的数据流量超过

阀值A的用户。阀值A主要是用于确保剩余百分之九十九的用户均为智能手机或

者普通手机的用户。如此筛选的的用户就可以被认为根据X%分布的数据卡用户

（注：之所以选择“每用户总RLP字节数”是因为它总是处于正态分布，并且在三

种“每用户”统计方式里最能够区分出手机和数据卡用户）。

第11页/共143页

中国电信集团公司

2.计算智能手机和普通手机：用以下的公式来计算每种统计方式下智能手机和普通

手机的分布：

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

模型统计的区分计算方式是未知手机的一种归类算法。同时，也可根据不同需求，使用IMSI（详见2.2.2.3.2）和HWID（详见2.2.3）进行分类算法。

2.2.2.

3.2IMSI分类

以用户类别（IMSI）作为索引的分类判断算法，可作为现网用户数的另一种估计方法。具体算法如下：

此类算法可最大程度将用户进行类别划分。但是由于未做HWID的匹配，有部分用户可能使用了非天翼定制机（未上报更新后的终端类型），造成普通手机和智能手机的比例差异。后续将继续对用户上报终端信息库的字段进行研究，完善终端类别的统计。

2.2.3性能分类算法

以终端类别HWID(MEID/ESN)作为索引的分类判断算法，可作为终端性能的估计方法。主要使用在终端性能评估中。具体算法如下：

第12页/共143页

中国电信集团公司

此类算法可最大程度将终端进行类别划分。在统计终端性能时，将以HWID(MEID/ESN)作为天翼定制机的评估分类依据。

2.2.4用户群匹配模型算法

针对特殊用户群（如iPhone），可建立特殊用户群的跟踪算法。

用户群匹配模型流程

第13页/共143页

中国电信集团公司

通过特定用户群号码（IMSI）列表从EVDO话单中提取IMSI、流量、时长等字段，计算用户数，连接次数，前、反向流量连接时长等用户模型。

目前智能手机用户匹配方法采用终端信息表匹配，可能存在时延和手机未上报的问题。后续将研究其他关联方式，提高用户的匹配度。

2.2.5时间均分算法

均分化流程

由于PCMD呼叫测量记录是在每次呼叫完成后才形成记录的，并以1小时为最小保存周期（例如，一个数据卡用户在8点10分发起数据连接，9点30分断开数据连接，记录将保存在10点生成的1X EVDO PCMD文件中）。因此，从时域维度上进行小时化分析，存在话务统计的滞后性。为了解决这个问题，在计算中需引入PCMD均分化算法。

目前由于话单记录不能区分业务，因此模型分析中不区分每业务的具体模型。后续将对每业务模型特征做进一步的研究分析。

2.2.6连接模型算法

以每连接话单作为样本，对连接模型进行统计。通过对每连接时长、每连接前/反向流量、连接间隔的计算，建立各类型用户的每连接模型。

每连接时长：对各类用户每条话单的连接时长进行平均，得出不同类型用户的每连接时长（可根据需求设定门限值，将连接时长超长话单或异常话单从样本中剔

除）；

每连接前/反向流量：对各类用户每条话单的RLP层前/反向流量进行求平均，得出不同类型用户每连接前/反向流量；

第14页/共143页

中国电信集团公司

平均连接间隔：通过将每连接的连接建立时间与连接时长求和，得出连接结束时间。以IMSI为标识，计算同一用户时间相邻的话单中，后一条话单的连接建立时

间与前一条话单的连接结束时间的差值，并对同类用户的差值求平均，得到各类

用户的平均连接间隔。（注1：当用户在统计周期内仅存在1条话单记录，则在

统计平均连接间隔时将此用户剔去。注2：当计算跨天连接间隔时，需将后一条

话单的连接建立时间+N*24小时，其中N为相隔日期数）。

通过以上算法，可分析各类用户的连接特性，并可以通过每连接模型的分布，对心跳机制等行为特征进行研究。

2.3模型特征

2.3.1时域

2.3.1.1同类终端不同资源

由于智能手机的应用多样性，用户不同时段应用存在差异使其不同资源占用最忙时及24小时变化趋势存在差异。

下图为智能手机24小时流量和连接数变化趋势图：

从智能手机24小时流量和连接数变化情况可以看到，智能手机流量忙时出现在晚上18:00-19:00，而连接忙时出现在下午14:00-15:00。反映出智能手机用户不同时段的应用特性存在差异。因此分析同类终端的不同资源维度时，需关注不同的最忙时特性。

第15页/共143页

中国电信集团公司2.3.1.2不同终端同类资源

不同类别终端，因用户使用业务特性差异，同类资源消耗的时域特征存在差异。

下图分别为智能手机和数据卡工作日24小时流量变化趋势：

通过一周工作日24小时流量变化趋势对比可以看出：智能手机的流量最忙时出现在18:00-19:00，而数据卡的流量最忙时出现在21:00-22:00。不同终端类别的流量最忙时不同，流量变化趋势也存在差异。因此分析不同终端的同类资源维度时，同样需关注不同的最忙时特性。

2.3.1.3忙时迁移

同类终端(尤其是智能手机)，随着应用的快速发展，用户的使用习惯发生变化，也使得终端资源占用特性在逐渐变化。

下图为3个月的智能手机24小时流量变化趋势：

第16页/共143页

中国电信集团公司

通过三个月智能手机用户的流量最忙时统计可以看出，忙时从18:00-19:00迁移至6月21:00-22:00。因此对于终端资源占用的忙时特征，需要持续跟踪分析。

2.3.2地域

由于终端特性不同，不同时段用户的移动性存在明显差异，造成地域特性的差异。通过PCMD可以针对不同终端类型进行移动性变化分析。

下图为某智能手机24小时用户数变化趋势：

下图为某智能手机部分时段地域活跃度：

与

同，但用户分布的扇区数明显高于晚忙时，说明用户的移动性较强。

针对不同终端类别的移动性特征，将做进一步的研究。找出移动性与性能指标和呼叫记录之间的关系，从而制定相应的优化策略研究。

第17页/共143页

中国电信集团公司

第18页 /共143页 2.3.3 统计方式

确定资源忙时后，可通过PCMD 针对相应时段各终端类别进行模型分析，按模型统计对象不同，可分为每用户模型和每连接模型：

1. 每用户模型：反映不同终端的总体资源占用特征值

2. 每连接模型：反映不同终端各类资源消耗特征的聚集性

百度搜索“70edu”或“70教育网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，70教育网，提供经典知识文库中国电信3G业务规模发展优化手册(上海贝尔分册)(2)在线全文阅读。