2011开题报告《基于用户行为的数据业务资源效率提升研究》.docVIP

中国移动集团级重点研发项目（含联合项目） 开题报告 一、项目编号及名称： 二、项目组： 项目组 承担子课题题名称 负责人及手机、邮箱 Xx（牵头单位） Xx（协助单位） 基于用户行为的数据业务资源效率提升研 Xx（协助单位） （注，如该项目为联合项目，需区分牵头单位和协助单位；如为集团重点项目，仅填写该项目承担单位即可，无须区分牵头和协助单位） 三、课题背景和意义 传统的无线信道资源规划是采用坎贝尔算法，该算法存在很多人为的前提假设，如：整片区域各小区业务配比相同，各小区重传率相同等。而事实上，在不同场景下各数据业务的占比分布是有较大差异的，采用相同的全局配置将造成局部资源浪费或资源紧张，影响用户对业务的使用体验，这种坎贝尔算法的前提假设使得信道规划结果较为粗糙。另外该算法只能计算小区数据信道的总需求数，而无法区分静/动态信道配置，实际应用中存在着无法大规模进行快速部署等问题。 随着中国移动数据业务的快速增长，区分用户行为和业务类型的资源分配将成为移动网络的必然选择。本项目将通过DPI（深度包检测）技术，基于用户行为区分出不同场景下的数据业务类型分布，然后通过小区聚类分析及决策树，找出该场景下小区的最佳信道配置方式。 本课题的研究结果基于实际网络中的用户行为，不仅对小区可精确配置动/静态信道资源，而且可快速大范围进行部署配置。使得网络性能更加有效贴近用户实际感知，在提升网络资源利用效率的同时，使用户得到更佳的网络体验。 四、课题研究目标 利用DPI技术区分小区数据业务分布； 通过数据挖掘及聚类、决策树等手段，实现小区的动/静态信道最优配置； 通过小包检测技术，使得BSC能识别QQ业务，并且合理地、有针对性地去控制无线信道的分配； 通过对业务的分析，可以在HLR中针对不同种类业务设计并部署相应的QoS参数组。在BSC进行资源调度的时候，可以根据ARP和THP来决定分配给不同业务RLC资源的多少以及限制不同业务的最大速率等。 利用对不同应用类型的数据业务特性分析，特别是地理分布和增长预期，结合整体网络对数据业务的话务吸收策略，指导将来新站与扩容; 无线资源优化集成到网优平台进行自动实施，实现大规模部署 五、课题研究内容（包括研究总体框架、难点及解决方案、主要技术方案和关键技术等） 总体框架 不同应用类型的数据业务特性分析； 不同业务特性的网络场景聚类分析； 小区的数据业务信道配置研究和建议业务预测和2/3G新站与扩容建设; 研究小包检测技术，提高信道利用率; 分业务QoS设置，充分提高无线资源的综合效率并改善业务质量 网元负荷与不同数据业务的关联研究和网元配置建议 软件工具开发。即将该项研究转化成一个可在网优平台上进行挖掘并自动输出配置建议的软件工具。 难点及解决方案 要实现小包检测技术提高数据信道利用率，在协议实现方面需进行部分修改。需通过试验进行效果验证。 该研究基于DPI（深度包检测技术），因此该研究的开展将依赖于PCC方案的部署实施。按照总部的要求，我省将于6月完成PCC在福州、厦门及泉州地区的部署。 如果PCC部署进度受限，该试验可以采用局部试验验证的方式开展研究。 主要技术方案及关键技术 小包检测技术： 在无线侧通过该技术实现区分不同业务（如即时聊天业务等），从而可以根据不同业务强度或频次分配不同信道数量，达到提升数据信道利用率的目标。 聚类： 业务强度及业务频度是影响信道需求的关键因素，对各小区进行DPI分析。 聚类涉及到对小区的分类归属。因此聚类算法的选择以及聚类参数的设置为本研究的关键。 决策树 决策树得到的分类规则应作为小区信道规划的参考依据。 决策树模型的建立。如何建立一套从业务流量分布到小区类别归属到推荐配置的映射体系为本研究的主要技术方案。 六、专利检索情况 无 七、已有的研究工作积累和取得的研究成果 利用部署在福建移动的DPI平台采集到的各小区各业务流量对小区业务类型划分进行了初步的尝试。根据现有的数据，利用K-Means的聚类算法得到了较为合理的小区业务分类模型。 初步确定了小区配置优劣的评判标准，包括：TBF复用度、拥塞率以及吞吐率等等。 确定了得出小区业务模型与优秀小区信道配置之间关联关系的思路和方法。 尝试了基于现有数据，采用决策树的方法来确立小区业务模型与最优信道配置之间的逻辑关系。 八、本课题的创新点和专利点 本研究课题首次采用基于用户行为的分析研究来进行小区信道配置。综合考虑小区的业务模型以及质量指标，得到与业务模型相对应的信道配置方案。 采用决策树的方法，将局部小区的业务模型及配置方案固化成逻辑计算的关系，提高了该创新方法的实用性和推广性。 本课题可把研究成果转化成软件工具。集成数据挖掘的经典算法，方便快速地对小区进行分析归类，并自动生成小区信道配