高负荷与业务感知劣化门限研究.docx

高负荷与业务感知劣化门限研究〔移动网感知质量提升及优化创新劳动竞赛〕工程成员： 袁元 徐卉 申报单位： 中国电信南通分公司 创新类型：移动网感知大数据营运支撑申报日期： 2021年11月 摘 要南通电信于2021年7月推出“不限流量套餐〞以来，不限量套餐用户月均流量为25GB，约为普通套餐用户的20倍，流量的快速增长对网络的冲击越创造显，为了保障用户业务不受影响，南通电信对于长期处于高负荷状态下的小区进行集中优化。

目前南通电信针对扩容小区制订了基于用户感知的扩容门限，确定用户数、PRB利用率、PDCCH信道利用率和流量为扇区扩容衡量指标为了更好地保障用户感知，激发用户流量，故而需要对负荷与感知的问题进行深入的研究本创新通过建立KPI和KQI映射关系和数据模型，从关系和模型中探究全网用户数、下行流量、下行PRB利用率及感知优良率之间是否存在某种关系，定位出感知劣化的负荷门限值；对场景和业务行为进行细分，探究不同场景下负荷与感知的关联性、高负荷下业务的流畅度和不同业务行为对负荷的影响，找出不同的负荷门限值，并对负荷门限值进行关联分析验证，为数据业务下的精确扩容提供依据根据研究出的感知劣化负荷门限值可为日后用户申告和扩容提供依据，当小区到达劣化门限值时需要重点关注，保障小区下的业务不受影响，本课题研究对高负荷小区优化有着重要意义，不仅保障了用户感知同时也激发了用户流量，成果应用效果显著关键字：用户感知、高负荷、业务行为、劣化门限目 录目录一、工程概述 3二、工程关键创新点 3三、创新成果展示 6四、成果介绍 64.1用户数、下行流量和下行PRB平均利用率关系 64.1.1 数据说明 64.1.2 关联分析算法说明 64.1.3 对应关系 74.2用户数、下行流量、下行PRB利用率与感知优良率关系 84.2.1 数据说明 84.2.2 用户数与感知优良率关系 94.2.3 下行流量与感知优良率关系 104.2.4 下行PRB利用率与感知优良率关系 114.3不同场景下行PRB利用率与感知优良率关系 124.3.1 数据说明 124.3.2 高速场景 134.3.3 高铁场景 144.3.4 高校场景 154.3.5 商业区场景 184.3.6 总结 194.4 不同负荷对主流应用的影响 194.4.1 数据说明 194.4.2 视频业务〔腾讯视频〕 204.4.3 游戏业务〔王者荣耀〕 204.5 高负荷小区业务行为研究 214.5.1 数据说明 214.5.2 小包业务下行PRB利用率与感知优良率关系 224.5.3 中包业务下行PRB利用率与感知优良率关系 224.5.4 大包业务下行PRB利用率与感知优良率关系 244.5.5 总结 26五、效益评估及成果价值 265.1 保障用户感知 275.2 激发用户流量 275.3 提供优化依据 27六、成果推广现状及推广前景 276.1 推广现状 276.2 推广前景 29一、工程概述通过取全网1.8G小区级忙时用户数数据、上下行PRB利用率、上下行流量和用户综合感知优良率，从海量数据中发现用户数、PRB利用率、流量和用户感知优良率是否存在某种对应的关系，具体表现为当用户数、PRB利用率或流量到达多少时感知优良率出现明显恶化趋势,同时进行数据关联性验证。

由于一些如高速高铁等场景的特殊性PRB利用率和感知优良率的对应关系会不同，对不同场景进行负荷与感知关系的研究，选取高速、高铁、高校、商业区4场景确定不同PRB利用率对应感知优良率的关系，同时对研究出的PRB利用率进行数据关联性验证选取PRB利用率长时间较高的小区进行现场测试，选取主流视频〔腾讯〕和游戏〔王者荣耀〕进行验证，从中得知高负荷小区是否对日常应用存在影响，定位不同负荷下业务运行的流畅度根据每ERAB流量区分大/中/小包扇区进行业务行为分析，研究不同业务行为〔小包、中包、大包〕对负荷及感知的影响，同时进行数据关联性验证由于小区处于高负荷下对业务的正常运行有着较大的影响，本课题研究出的高负荷小区感知劣化门限对高负荷小区优化有着重要的意义，可为高负荷小区扩容提供数据借鉴，同时创新提出对负荷门限值进行关联分析验证，为数据业务下的精确扩容提供依据二、工程关键创新点创新点1：结合KPI与KQI映射关系探寻感知指标劣化门限值，通过提取无线网优平台的KPI数据和用户感知平台的KQI数据，从全网海量KPI和KQI数据中建立映射关系和数据模型，包含平均激活用户数、下行流量和下行PRB利用率之间的映射关系，用户数、下行流量、下行PRB利用率三者分别和感知优良率的映射关系，进而从映射关系中直接找出负荷指标与用户感知的对应关系；创新点2：以劣化门限值为依据进行关联分析算法验证，根据劣化负荷门限值将负荷值分成门限值以上和以下两批数据，通过关联分析算法分别算出两批数据负荷值与对应数据的相关性系数，根据相关性系数临界标准〔0.8~1.0为极强相关、0.6~0.8 强相关、0.4~0.6 中等相关、0~0.4 弱相关〕确定门限值与相应数据的相关性强度；创新点3：为日后用户申告和扩容提供依据，由于目前不限流量套餐和校园优惠套餐的推出，用户数和流量的快速增长使得某些小区长期处于高负荷下，带来了网速慢、无法接入网络、用户投诉等一系列负面影响，故急需对这类小区进行优化，通过本课题研究出的感知劣化负荷门限值可为小区扩容提供依据，包含不同场景和不同业务类型下的门限值，同时高负荷下定位业务正常运行的流畅度可为日后用户投诉游戏卡顿、上网速度慢等现象提供数据借鉴。

以用户感知为出发点，根据PRB利用率对用户感知的影响找出感知指标劣化门限，对到达劣化门限的小区进行优化，变被动为主动，以往优化主要为被动优化，而现在的方式是从用户感知角度出发，主动优化，通过不同场景和不同业务类型定位出不同的优化门限值，保障用户感知，从而激发用户流量图2-1 本课题较传统优化方法优势详细比照三、创新成果展示四、成果介绍4.1用户数、下行流量和下行PRB平均利用率关系4.1.1 数据说明提取全网14天忙时小区级平均激活用户数、下行流量、下行PRB利用率，以用户数为基准进行透视，获取相同用户数下对应的平均下行流量和平均下行PRB利用率4.1.2 关联分析算法说明根据门限值通过皮尔逊公式excel公式=CORREL(A列数据,B列数据)得出pearson相关系数，pearson相关系数反响的是两个定距变量之间的相关程度，数字越大相关程度越高，根据相关性系数临界标准〔0.8~1.0为极强相关、0.6~0.8 强相关、0.4~0.6 中等相关、0~0.4 弱相关〕确定劣化门限值与相应数据的相关性强度4.1.3 对应关系将透视后的数据做成关系图表如下图4-1 用户数、下行流量、下行PRB利用率对应关系根据用户数、下行流量、下行PRB利用率对应关系可知，随着用户数的增长下行PRB利用率整体呈上行趋势且流量和下行PRB利用率呈现正相关关系。

将PRB利用率与对应的流量进行统计，统计结果如下:图4-2 PRB利用率与流量对应关系根据PRB与流量的对应关系可知流量没有伴随着PRB利用率的增长而快速增长，当PRB利用率大于50%的时候，流量波动平缓相关性验证：为了验证PRB利用率与流量是否存在相关性，进行PRB利用率与流量关联性分析，将PRB利用率分成50%以上和50%以下两批数据，得出的相关性系数如下〔相关性系数越大那么相关性越强〕：图4-3 PRB利用率与流量相关性系数根据相关性系数可知PRB利用率在50%以下时流量与PRB利用率呈强相关关系，在PRB利用率为50%以上时流量与PRB利用率呈中等相关关系4.2用户数、下行流量、下行PRB利用率与感知优良率关系4.2.1 数据说明提取全网14天忙时小区级平均激活用户数、下行流量、下行PRB利用率和感知优良率，分别以用户数、下行流量、下行PRB利用率为基准进行透视，获取相同用户数、相同流量区间、相同下行PRB利用率下对应的用户感知优良率4.2.2 用户数与感知优良率关系图4-4 用户数与感知优良率对应关系从用户数和感知优良率关系图可知平均激活用户数在< 5人时，感知优良率最优；5-15人之间时感知优良率降幅最大，平均激活用户数在到达80人左右时感知优良率出现明显波动且出现低于省控90%的要求的采样点。

相关性验证：将平均激活用户数分成低于80人和高于80人两局部，分别得出与感知优良率的相关性系数，结果如下：图4-5 平均激活用户数与感知优良率相关性系数根据相关性系数可知平均激活用户数在80人以下时用户数与感知优良率呈强相关关系，平均激活用户数在80人以上时用户数与感知优良率呈弱相关关系4.2.3 下行流量与感知优良率关系图4-6 下行流量与感知优良率对应关系从下行流量与感知优良率关系可知，下行流量在<140M时，感知优良率最优且指标平稳，大于140M后下行流量和感知优良率关系整体呈现负相关关系，在大于6G后，感知优良率波动较大且出现优良率低于90%省控要求的采样点相关性验证：将下行流量分成小于6G和大于6G两局部，分别得出与感知优良率的相关性系数，结果如下：图4-7 下行流量与感知优良率相关性系数根据相关性系数可知下行流量在6G以下时流量与感知优良率呈强相关关系，下行流量在6G以上时流量与感知优良率呈弱相关关系4.2.4 下行PRB利用率与感知优良率关系图4-8 下行PRB利用率与感知优良率对应关系通过下行PRB利用率和感知优良率关系可知，下行PRB利用率在到达<3%时感知优良率最优；在3-10%时指标下降明显；在10-25%时，感知优良率出现缓慢下降，未出现波动；在25- 50%时，感知优良率出现小幅波动；在下行PRB利用率在到达>50%感知优良率出现大幅波动，且优良率低于90%省控要求的采样点变多。

相关性验证：将PRB利用率分成50%以上和50%以下两局部，分别得出与感知优良率的相关性系数，结果如下：图4-9 PRB利用率与感知优良率相关性系数根据相关性系数可知PRB利用率在50%以下时利用率与感知优良率呈强相关关系，在PRB利用率为50%以上时利用率与感知优良率呈弱相关关系4.3不同场景下行PRB利用率与感知优良率关系4.3.1 数据说明提取全网高速、高铁、高校和商业区四个场景下小区级下行PRB利用率和感知优良率，以下行PRB利用率为基准进行透视，获取4个场景相同下行PRB利用率下对应的平均用户感知优良率4.3.2 高速场景图4-10 。