改进的移动网络数据业务忙时检测算法

刘俊霞， 贾振红， 覃锡忠， 常 春， 王 浩

（①新疆大学 信息与工程学院，新疆 乌鲁木齐 830046；②中国移动通信集团新疆分公司，新疆 乌鲁木齐 830000；③新疆机电职业技术学院，新疆 乌鲁木齐 830011）

0 引言

由于无线频谱资源有限，移动网络中每个基站可用的载频数受限，该区域内的用户使用网络资源的时间又相对集中，因此，在GSM网络中存在相当多的忙时、忙点、忙区，特别是在推出(E)GPRS服务后，使这个问题变得更加突出。网络忙时和小区忙时，基站忙时和移动交换中心忙时，不同小区的忙时是不同的；无线网络是以满足全网忙时话务量需求为目标进行规划和建设的，故正确的忙时检测显得尤为重要。

1 忙时检测算法

其中m是测试次数，NX是X取离散值的个数，RU(X)的取值为[0,1]，m＞NX，当RU(X)=0时表示X是常量，其分布具有显著特征，当RU(X)=1时表明X服从均匀分布[1-4]。

文献[4]用上述相对熵理论检测EDGE网络忙时,取某个特定的时间测量网络的用户数X，计算RU(X)的值，分析X的分布特性。该方法中相对熵RU(X)公式（1）的计算结果受观测次数m的影响，若则当且仅当时，RU(X)=1，此时X的分布具有最大的不确定性，并不是我们检测忙时所要的。因此只有当m＞NX时，相对熵理论才能用于检测忙时，此方法受观测次数的影响，具有一定的局限性。

2 改进的忙时检测算法

改进算法采用相对条件熵

在(E)GPRS网络中，X是具有一维特征的观测变量，是不同时刻的用户数,A是X取特定值的集合。令是采样次数，mi是ai在m次采样中出现的次数；让

将采样数据值，分成2类S和R。S是A的子集，S中所有元素均大于R中所有元素，是的最小整数，则S中的元素的分布具有忙时特性，R中元素的分布接近均匀分布，无忙时特性。所以S中的元素即为检测出的忙时。

3 案例分析

数据从移动现网某小区提取，利用改进的忙时检测算法检测出该小区忙时是23点、0点和1点。

若将该小区的吞吐量值从现网数据中提取，可以得到如图1所示。

图1 现网某小区一周内24小时的平均吞吐量

可以看出吞吐量最大的时间是23点，0点和1点，与用本文采用的基于条件相对熵忙时检测算法结果是一致的，证明了该算法的有效性。

4 结语

无线网络是以满足全网忙时话务量需求为目标进行规划和建设的，故忙时检测在数据网络中变得越来越重要，本文将忙时算法进行改进可以准确的管理并检测出数据网络的忙时，不仅可以提高载频利用率还能更合理的分配网络资源，从而为网络优化提供依据。

[1]冯桂,林其伟,陈东华.信息论与编码技术[M].北京:清华大学出版社,2007:20-21.

[2]THOMAS M, CORER J, THOMAAS A.信息论基础[M].北京:机械工业出版社,2008:2-3.

[3]贾世楼,信息论基础[M].第 2版.哈尔滨:哈尔滨工业大学出版社,2004:35-36.

[4]LIU Lu, ZHOU Wenan, MA Fei, et al. QOE-oriented EDGE Network Busy Time Detection and Analysis[C].USA:IEEE International Conference on.,2009:232-236.

[5]XU Kuai, ZHANG Zhili, SUPRATIK Bhattacharyya. Profiling Internet Backbone Traffic: Behavior Models and Applications[C]. USA, Proceedings of the 2005 Conference on Applications, Technologies, Architectures, and Protocols for Computer Communications,2005: 169-180.