一种建立数据业务模型的方法和装置的制造方法
【技术领域】
[0001] 本发明涉及移动通信技术，特别是指一种建立数据业务模型的方法和装置。
【背景技术】
[0002] 现有的业务模型仅适用于电路域模型，如GSM通信系统和TD-SCDMA语音系统。因 为，每个用户独占一个资源，如频点、时隙或者码道，因此采用爱尔兰模型是合理的。现有的 业务模型采用了离散状态的马尔科夫过程，业务模型如图1所示，离散状态马尔科夫过程 假设：电话呼叫流的到来服从Poisson过程，每个呼叫的持续时间服从参数μ的负指数分 布。系统有s条中继线，如果没有空闲的中继线，就拒绝新来的呼叫，并且该呼叫不再进入 系统。这是典型的生灭过程，其达到率和离去率分别I
]
[0003] 根据生灭过程的稳态分布规_
根据概
率的归一彳
I可以得致 稳定的分布为 k= 0，l，2,…， > So
[0004] 当服务用户数k与服务窗口S相等时，表示发生拥塞，拥塞概率
[0005] 这是电路域的爱尔兰模型，在使用时首先假定允许的拥塞率B(s，a)，在假定到达 率和服务率确定a，最终确定系统的容量s。后续的数据业务采用等效爱尔兰模型：支持的 用户数=(待传数据量/平均速率）（1+允许的误码率），这种方式本质上还是确定了用户 独占资源和允许的误码率后，计算用户数。
[0006] 现有技术存在如下问题：现有的业务模型并不适用于具有调度机制的资源共享通 信系统，现代移动通信的调度机制通常采用正比公平，需要考虑用户待传数据量的大小、历 史吞吐量信息以及当前的信噪比（SNR,SignaltoNoiseRatio),这种模式本身不再是马 尔科夫过程。
【发明内容】
[0007]本发明要解决的技术问题是提供一种建立数据业务模型的方法和装置，解决现有 技术中，有的业务模型并不适用于具有调度机制的资源共享通信系统的缺陷。
[0008] 为解决上述技术问题，本发明的实施例提供一种建立数据业务模型的方法，方法 包括：当用户数不大于第一阈值时，采用第一数据业务模型描述小区吞吐量随着用户数的 增加而增加，以及单个用户的吞吐量下降的过程；当用户数上升达到并超过第一阈值时，采 用第二数据业务模型描述小区吞吐量下降，以及单个用户的吞吐量下降的过程；根据第一 数据业务模型和第二数据业务模型获取用户数和吞吐量之间的最佳关系。
[0009] 所述的方法中，第一数据业务模型和第二数据业务模型中，小区吞吐量q=k*u(k)，其中，k是小区用户数，u(k)是用户平均传输速率，第一数据业务模型是线性模型， 第二数据业务模型是指数模型。
[0010] 所述的方法中，当用户数不大于第一阈值时，采用第一数据业务模型描述小区吞 吐量随着用户数的增加而增加，以及单个用户的吞吐量下降的过程包括：当用户数小于等 于第一阈值时，采用线性模型描述小区吞吐量随着用户数的增加而增加，单个用户的吞吐 量呈下降的过程。
[0011] 所述的方法中，线性模型中的用户平均传输速率
l<k <kwufil是单个用户在用户数不大于第一阈值时的用户平均传输最大速率，第一阈值U是线性模型的临界点用户数，α是根据测试或者仿真的样本拟合得到的线性密度修正 系数。
[0012] 所述的方法中，指数模型中的用户平均传输速率yU彡k ，,? < U，其中，ufinil是单个用户在用户数在第一阈值U时的用户平均传输最大速率，U是指 数模型最大用户数，β是根据测试或者仿真的样本拟合得到的指数密度修正系数。
[0013] 所述的方法中，线性模型中，对用户数k求微分计算出最佳用户
最 佳吞吐i
i;指数模型中，对用户数k求微分计算出最佳用户数
最佳吞吐I 第一阈值kml彡k<km2。 , >
[0014] 一种建立数据业务模型的装置，包括：第一数据业务模型单元，用于当用户数不大 于第一阈值时，采用第一数据业务模型描述小区吞吐量随着用户数的增加而增加，以及单 个用户的吞吐量下降的过程；第二数据业务模型单元，用于当用户数上升达到并超过第一 阈值时，采用第二数据业务模型描述小区吞吐量下降，以及单个用户的吞吐量下降的过程； 最佳关系单元，用于根据第一数据业务模型和第二数据业务模型获取用户数和吞吐量之间 的最佳关系。
[0015] 所述的装置中，第一数据业务模型单元包括：第一线性模型，用于当用户数不大于 第一阈值时，小区吞吐量随着用户数的增加而增加，单个用户的吞吐量呈下降的过程，以及 第二线性模型，用于当用户数大于等于第一阈值时，小区吞吐量随着用户数的增加而下降， 单个用户的吞吐量呈下降的过程。
[0016] 所述的装置中，第一数据业务模型单元包括：线性模型中的用户平均传输速率
1彡k<kwufil是单个用户在用户数小于第一阈值U时的用 户平均传输最大速率，第一阈值U是线性模型和指数模型之间的临界点用户数，α是根据 测试或者仿真的样本拟合得到的线性密度修正系数。
[0017] 所述的装置中，指数模型中的用户平均传输速_
knl^k < ，其中，Ufinil是用户数在第一阈值时的用户平均传输最大速率，1^2是符合指数模型 最大用户数，β是根据测试或者仿真的样本拟合得到的指数密度修正系数。
[0018] 本发明的上述技术方案的有益效果如下：采用统计的方式建立数据业务模型，不 以马尔科夫过程为基础，而是根据实际测试结果提出模型，同时模型本身的参数α和β可 以根据场景进行修正，有更好的适用范围，基于该数据业务模型描述用户数和吞吐量之间 的关系，以及预测小区最大吞吐量。
【附图说明】
[0019] 图1表示离散状态马尔科夫过程的示意图；
[0020] 图2表示小区吞吐量的状态迁移图；
[0021] 图3表示一种建立数据业务模型的方法流程图；
[0022] 图4表示场外测试中用户平均吞吐量与用户密度的关系示意图；
[0023] 图5表示用户密度与用户下行平均吞吐量的关系示意图。
【具体实施方式】
[0024] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具 体实施例进行详细描述。
[0025] 现代移动通信系统的两个重要特征是调度机制和资源共享。因此，影响小区吞吐 量的因素非常多，调度机制、用户业务、无线资源配置以及网络结构都会影响小区吞吐量。 因此，不能直接得到这些因素和小区吞吐量的直接映射关系。
[0026] 如图2所示的状态迁移图，Mo--Ms表示小区吞吐量的最大值和最小值，Mi表示 小区可能出现的吞吐量，是Mo~Ms之间的连续实数，存在无数种可能的小区吞吐量，且每 种状态可能会直接跳变至其他状态，因此，具有调度机制的资源共享通信系统并不是传统 意义上的生灭过程，因此，电路域的业务模型并不适用于现代的数据业务模型。
[0027] 本发明实施例提供一种建立数据业务模型的方法，如图3所示，包括：
[0028] 步骤31，当用户数不大于第一阈值时，采用第一数据业务模型描述小区吞吐量随 着用户数的增加而增加，以及单个用户的吞吐量下降的过程；
[0029] 步骤32,当用户数上升达到并超过第一阈值时，采用第二数据业务模型描述小区 吞吐量下降，以及单个用户的吞吐量下降的过程；
[0030] 步骤33,根据第一数据业务模型和第二数据业务模型获取用户数和吞吐量之间的 最佳关系。
[0031] 应用所提供的新的数据业务模型，采用统计的方式建立数据业务模型，不以马尔 科夫过程为基础，而是根据实际测试结果提出模型，同时模型本身的参数α和β可以根据 场景进行修正，有更好的适用范围，基于该数据业务模型描述用户数和吞吐量之间的关系， 以及预测小区最大吞吐量。
[0032] 在一个优选实施例中，当用户数小于第一阈值时，采用线性模型描述小区吞吐量 随着用户数的增加而变化，以及单个用户的吞吐量下降的过程包括：
[0033] 当用户数小于第一阈值时，小区吞吐量随着用户数的增加而增加，单个用户的吞 吐量呈下降的过程，以及
[0034] 当用户数大于第一阈值时，小区吞吐量随着用户数的增加而下降，单个用户的吞 吐量呈下降的过程，所述第一阈值小于第一阈值。
[0035] 线性模型中，具体地，用户数小于第一阈值时，小区吞吐量随着用户数的增加而提 升，单用户的吞吐量呈明显下降的过程，以及，用户数大于第一阈值时，小区吞吐量下降，单 用户的吞吐量呈缓慢下降的过程。
[0036] 数据业务模型适用不同的应用场景：
[0037] 用户数较少时，因网络干扰较低，随着用户数的增加，小区吞吐量会出现提升，而 单用户的吞吐量会呈明显下降；可采用线性模型描述这一过程。
[0038] 用户数达到一定阈值后，因网络干扰较高；随着用户数的增加，小区吞吐量会下 降，而单用户的吞吐量会呈缓慢下降；可采用指数模型描述这一过程。
[0039] 在一个优选实施例中，第一数据业务模型和第二数据业务模型中，小区吞吐量q =k*u(k)，其中，k是小区待传用户数，u(k)是用户平均传输速率，第一数据业务模型是线 性模型，第二数据业务模型是指数模型。
[0040] 计算u(k)的方法，通过小区用户数量及单用户吞吐量的变化趋势，构建线性模型 和指数模型得到u(k)。
[0041] 在一个优选实施例中，当用户数不大于第一阈值时，采用第一数据业务模型描述 小区吞吐量随着用户数的增加而增加，以及单个用户的吞吐量下降的过程包括：
[0042] 当用户数小于等于第一阈值时，采用线性模型描述小区吞吐量随着用户数的增加 而增加，单个用户的吞吐量呈下降的过程。 众.
[0043] 在一个优选实施例中，线性模型中的用户平均传输速率辦φ (1-αρ) 1 <k<kwUfil是单个用户在用户数不大于第一阈值U时的用户平均传输最大速率，第 一阈值U是线性模型的临界点用户数，α是根据测试或者仿真的样本拟合得到的线性密 度修正系数。
[0044] 在一个优选实施例中，指数模型中的用户平均传输速率 U彡k<k"2，其中，是单个用户在用户数在第一阈值U时的用户平均传输最大速率， k"2是指数模型最大用户数，β是根据测试或者仿真的样本拟合得到的指数密度修正系数。
[0045] 根据各个优选实施例建立分段模型，在一个优选实施例中，构建的小区吞吐量和 用户数的之间的关系：
[0046]
[0047] 公式1是线性模型，公式2是指数模型，α和β是