3G业务研究总结报告.docx

无线数据业务规模应用时代的网优应对策略研究报告

上海电信无线网络优化中心
二O一一年八月

目 录
1 专题概述 13
2 网络问题分析研究 15
2.1 月度走势 15
2.1.1 网络侧 15
2.1.2 业务侧 16
2.1.3 终端侧 16
2.2 忙时分析 17
2.2.1 忙时定义 17
2.2.1.1 连接忙时 17
2.2.1.2 流量忙时 18
2.2.2 PCMD数据分析 18
2.2.2.1 用户分布 19
2.2.2.2 每连接时长分布* 19
2.2.2.3 每连接间隔分布 20
2.2.3 KPI指标分析 21
2.2.3.1 每载扇连接时长分布 21
2.2.3.2 每载扇等效用户数分布 22
2.2.3.3 每载扇连接请求次数分布 22
2.2.3.4 每载扇RoT分布 23
2.2.4 特性分析 24
2.3 研究原则 24
3 策略研究创新思路 26
3.1 用户业务评估模型 27
3.1.1 业务研究 27
3.1.2 终端研究 28
3.1.3 策略总结 29
3.2 网络性能评估方法 29
3.2.1 资源占用 29
3.2.1.1 业务信道负荷 30
3.2.1.2 信令信道负荷 30
3.2.2 网络性能 30
3.2.2.1 PCMD性能指标统计 30
3.2.2.2 COUNT性能指标统计 30
4 网络侧策略 31
4.1 优化流程 31
4.2 资源分析 32
4.2.1 业务信道负荷 32
4.2.1.1 策略一－Dormancy timer参数优化 32
4.2.1.2 策略二－RABThreshold优化 32
4.2.1.3 策略三－软切换参数优化 33
4.2.2 信令信道负荷 33
4.2.2.1 策略四－Colorcode边界结构调整 33
4.2.2.2 策略五－寻呼参数优化 33
4.2.2.3 策略六－接入参数优化 33
4.2.3 总结 34
4.3 策略一-Dormancy Timer优化 34
4.3.1 RNC级的优化结果 35
4.3.2 扇区级的优化结果 42
4.3.3 策略总结 45
4.3.3.1 RNC级别 45
4.3.3.2 扇区级别 46
4.4 策略二-RAB Threshold优化 46
4.4.1 RNC级别的优化 47
4.4.2 扇区级的优化 48
4.4.3 覆盖分析 49
4.4.4 策略总结 49
4.5 策略三-软切换参数优化 50
4.5.1 理论研究 50
4.5.2 优化调整 54
4.5.2.1 MaxLegs参数实践论证 54
4.5.2.2 soft/softerHandoffDelay实践论证 55
4.5.2.3 EVDO动态软切换实践论证 56
4.5.3 策略总结 57
4.6 策略四-ColorCode调整 58
4.6.1 理论研究 59
4.6.2 优化调整 60
4.6.2.1 调整方案 60
4.6.2.2 优化效果 61
4.6.2.2.1 连接建立成功率 61
4.6.2.2.2 会话建立请求次数 62
4.6.2.2.3 控制信道负荷 63
4.6.3 策略总结 64
4.7 策略五-寻呼策略 65
4.7.1 理论研究 65
4.7.2 优化调整 66
4.7.2.1 寻呼成功率 67
4.7.2.2 控制信道负荷 69
4.7.2.3 评估结果 70
4.7.3 策略总结 71
4.7.3.1 不开启QoS 71
4.7.3.2 开启QoS 72
4.8 策略六-接入参数优化 72
4.8.1 理论研究 73
4.8.2 优化调整 75
4.8.2.1 AccessCycleDuration实践论证 75
4.8.2.2 OpenLoopAdjust实践论证 77
4.8.3 策略总结 79
4.9 网络基础优化应对策略 79
4.9.1 覆盖优化 79
4.9.2 干扰排查 80
4.9.3 DO载频边界优化 81
4.9.3.1 理论研究 81
4.9.3.2 优化调整 87
4.9.3.3 策略总结 89
5 终端侧策略 91
5.1 终端性能分析 91
5.1.1 评估方法 91
5.1.2 评估结论 93
5.1.2.1 终端级 93
5.1.2.2 厂商级 94
5.1.3 策略总结 97
5.2 终端异常处理机制 97
5.2.1 处理机制研究 97
5.2.1.1 初始化状态 98
5.2.1.2 空闲态 98
5.2.1.2.1 多载频扇区单载频资源不足 98
5.2.1.2.2 扇区下所有载频资源不足 99
5.2.1.2.3 接入探针捕获失败 100
5.2.1.3 连接态 103
5.2.1.3.1 1X业务触发 103
5.2.1.3.2 自主下切 104
5.2.2 网络评估 104
5.2.3 策略建议 105
5.2.3.1 终端侧 105
5.2.3.1.1 处理机制建议 105
5.2.3.1.2 相关Feature 106
5.2.3.2 网络侧 106
5.3 特殊业务（QCHAT）终端问题分析 107
5.3.1 终端灵敏度问题 107
5.3.2 终端软件问题 107
5.3.3 终端芯片问题 107
5.3.4 策略建议 108
6 业务侧策略 109
6.1 典型业务(BE)研究 109
6.1.1 业务选取 109
6.1.2 分析结果 109
6.1.2.1 IM类业务分析 109
6.1.2.2 微博类业务分析 112
6.1.2.3 财经类业务分析 114
6.1.2.4 游戏类业务分析 116
6.1.2.5 浏览类业务分析 117
6.1.2.6 视频音乐类业务分析 118
6.1.3 策略建议 118
6.1.3.1 优化应用的心跳机制 118
6.1.3.2 刷新频次优化 119
6.1.3.3 结合业务特点的网络优化 119
6.1.3.4 跟踪应用研究及优化 120
6.2 QoS业务(QCHAT)研究 120
6.2.1 参数优化 121
6.2.2 策略建议 122
6.2.2.1 载波连续性 122
6.2.2.2 版本升级 122
6.2.2.3 覆盖优化 123
6.2.2.4 寻呼策略 123
6.2.2.5 接入策略 123
6.2.3 典型案例 124
6.2.3.1 载波连续性问题 124
6.2.3.2 基站版本问题 124
6.2.3.3 容量问题 125
6.2.3.4 局间边界问题 125
7 3G用户业务模型 127
7.1 模型分析 127
7.1.1 业务分析 127
7.1.2 终端分析 128
7.1.3 维度定义 129
7.2 3G(BE)用户业务模型研究 130
7.2.1 统计说明 130
7.2.1.1 采样样本 130
7.2.1.2 属性分类 130
7.2.2 业务概况 130
7.2.3 日均业务分析 132
7.2.3.1 用户数 132
7.2.3.1.1 周激活用户数 132
7.2.3.1.2 日均激活用户数 132
7.2.3.2 连接数 133
7.2.3.3 连接时长 135
7.2.3.4 数据流量 136
7.2.3.4.1 日均总的数据流量(含前反向) 136
7.2.3.4.2 前反向流量分别统计 137
7.2.3.4.3 前反向流量比例 138
7.2.3.4.4 连接发起方统计 138
7.2.4 用户日均业务情况 139
7.2.4.1 用户使用频次 139
7.2.4.2 每用户日均建立的连接数 140
7.2.4.3 每用户日均连接时长 141
7.2.4.4 每用户日均数据流量 141
7.2.5 业务趋势变化 142
7.2.5.1 工作日和周末的业务趋势比较 142
7.2.5.2 工作日业务趋势 142
7.2.5.2.1 连接数 142
7.2.5.2.2 数据流量 143
7.2.5.3 周末的业务趋势 144
7.2.5.3.1 连接数 144
7.2.5.3.2 数据流量 145
7.2.6 忙时每用户业务情况 146
7.2.6.1 均值统计 146
7.2.6.1.1 连接数忙时 146
7.2.6.1.2 流量忙时 147
7.2.6.2 区间统计 148
7.2.6.3 每用户忙时和其他时段的业务对比 148
7.3 3G QoS(QCHAT)业务影响研究 149
7.3.1 研究目的 149
7.3.2 对BE业务影响的曲线测试 150
7.3.3 对BE业务的影响及QChat语音时延指标测试 151
7.3.4 QChat业务切换对BE数据业务前向的影响 153
8 网络容量规划建议 155
8.1 负荷门限定义 156
8.1.1 信令信道门限 156
8.1.1.1 控制信道 156
8.1.1.2 接入信道 158
8.1.2 前向业务信道 159
8.1.2.1 连接时长（平均MAC Index） 159
8.1.2.2 等效用户数 160
8.1.2.3 有效占用率 161
8.1.3 反向业务信道 162
8.1.3.1 ROT门限 162
8.2 网络负荷预估体系 162
8.2.1 预测算法 163
8.2.2 负荷预估 163
8.2.2.1 预测用户模型 164
8.2.2.2 预测门限 164
8.2.3 资源现状分析 164
8.2.3.1 连接时长 164
8.2.3.2 控制信道负荷 165
8.2.3.3 接入信道负荷 165
8.2.3.4 预估结果 166
9 后续研究 167
10 附录 170
10.1 专题计划 170
10.1.1 专题目的 170
10.1.2 专题组织 170
10.1.3 专题内容 171
10.1.3.1 全网性能评估和优化策略研究 171
10.1.3.2 3G用户业务模型评估和网络规划策略研究 172
10.1.4 时间安排 172
10.1.4.1 专题沟通合作 172
10.1.4.2 各子项具体时间表 174
10.2 终端分析算法 175
10.2.1 用户区分标识 175
10.2.2 分析算法 176
10.2.3 属性分类 177
10.2.4 未知终端 178
10.2.5 未知手机 178
10.3 DRC信道参数优化 180
10.4 高通芯片-CSM6800/6850介绍 181
10.4.1 标准模式下的容量 181
10.4.2 特定功能下的容量 182
10.4.3 接入信道分配机制 183
10.4.4 CSM6850的4x 接入信道增强 184
10.4.5 时隙接入信道周期 184
10.4.6 2次解调/接入信道周期 185
10.5 RapidDormancy功能 185
10.6 用户业务模型(区间统计) 186
10.6.1 忙时激活用户数(连接数忙时) 186
10.6.2 忙时激活用户数(流量忙时) 187
10.6.3 忙时每用户连接数 (连接数忙时) 188
10.6.4 忙时每用户连接数 (流量忙时) 188
10.6.5 忙时每用户前向RLP流量 (连接数忙时) 189
10.6.6 忙时每用户前向RLP流量 (流量忙时) 189
10.6.7 忙时每用户反向RLP流量 (连接数忙时) 190
10.6.8 忙时每用户反向RLP流量 (流量忙时) 191
10.6.9 忙时每用户连接时长 (连接数忙时) 191
10.6.10 忙时每用户连接时长 (流量忙时) 192
10.6.11 忙时每用户连接间隔 (连接数忙时) 192
10.6.12 忙时每用户连接间隔 (流量忙时) 193
10.6.13 忙时每连接时长 (连接数忙时) 194
10.6.14 忙时每连接时长 (流量忙时) 195
10.6.15 忙时每连接RLP 流量 (连接数忙时) 195
10.6.16 忙时每连接RLP 流量(流量忙时) 196
10.6.17 忙时每用户前向RLP吞吐率 (连接数忙时) 196
10.6.18 忙时每用户前向RLP吞吐率 (流量忙时) 197
10.6.19 忙时每用户反向RLP吞吐率 (连接数忙时) 197
10.6.20 忙时每用户反向RLP吞吐率 (流量忙时) 198

1 专题概述
随着3G多元化业务和智能终端的迅猛发展，网络业务形态和用户行为迅速转变，现有的网络配置策略已难以适应，网络性能已受到冲击，部分区域的资源瓶颈问题已逐步显现。
这一影响引起了集团网优中心的高度重视，相关领导专门布置，由上海网优中心牵头，组织相关方面专家团队，开展了为期60天的网优策略应对研究专题。希望通过本次研究，也为兄弟省分提供具有参考意义的3G业务优化网优新思路。本次研究，结合了上海电信前期的3G业务优化研究成果，通过对3G的业务模型和网络新问题进行深入研究，提出了针对业务规模化发展应做好的应对策略，以及针对端到端网络的预防和优化措施，以期为网络持续、稳定、健康发展做好充分准备。
通过本专题的研究，创建并使用了基于用户话单(PCMD)的多资源维度分布模型分析体系（以终端类型级别为评估对象，多种资源为评估维度，用户级区间统计为评估方法），分析并建立了现网的3G用户业务模型，为网络优化方法制定打下了良好的基础。同时，根据长期的体系分析结果和各资源维度门限研究，建立了一套网络负荷预估体系，为网络规划提供了详实的数据基础。
本专题在研究中，从三种角度（网络侧、终端侧、业务侧）、六大策略（DormancyTimer参数、RAB参数、软切换参数、ColorCode边界、寻呼参数和接入参数优化策略）、一个分析体系（基于PCMD的分析体系）和一种评估方式（资源评估），来诊断现网主要性能问题，以及预估业务规模应用下可能存在的问题，并通过参数算法优化和网络结构优化研究，提供了各侧的预防和优化措施。同时，深入也通过挖掘无线网络资源的潜力，提高无线网络资源有效利用率，为市场、终端部门和公司领导的决策提供参考数据。
此次研究工作得到了集团网优中心、高通公司、阿朗公司和研究院等单位和部门的大力支持，也是我们研究领域一种全新合作方式的尝试，从多方位、多角度建立了网优研究的新思路和架构。上海网优中心将基于本次专题的合作方式和研究方向，继续进行3G业务网络优化的专题研究工作，及时分析和掌握不断变化的网络情况，与时俱进地开展网络优化工作，力争在3G领域取得更多、更具有推广意义的研究成果。

文章结构概述：
第一章 专题内容概述
第二章 现网问题分析
第三章 策略研究分析体系介绍
第四章 网络侧策略
第五章 终端侧策略
第六章 业务侧策略
第七章 3G用户模型
第八章 网络容量规划建议
第九章 后续研究计划
第十章 附录

专题说明：
1、此专题主要研究EVDO网络
2、此项目开展各项参数调整优化主要针对上海贝尔设备，同时方法和思路可推广至其它设备业务区域。
2 网络问题分析研究
随着3G多元化数据业务的规模发展和智能终端的快速普及，网络性能和资源有效利用已经面临挑战，传统的2G单一业务优化模式已很难适应 3G数据业务（特别是智能手机）的需求。因此，网络优化需要抽丝剥茧，将关注点从底层传输管道的信号、信令分析逐渐转向上层。随着关注点的改变，困扰优化工程师的问题逐步显现：
1、 3G网络分析优化是否仅关注无线侧？
2、 需要建立怎样的3G网络性能评估方法？
3、 对于多样的用户使用情况如何建立3G用户业务模型？
带着这三个问题，我们从网络侧、业务侧、终端侧三个方面进行了研究。
2.1 月度走势
首先通过对网络月度指标统计，进行直观全面的分析。
2.1.1 网络侧

2010年9月至今，网络流量基本平稳，增幅仅为7.5%，而EVDO话务量增长近30％，连接次数增长近三倍，尤其是2011年3月以来，增长趋势更加明显。从无线侧数据已经突显出3G用户业务多元化的趋势。
2.1.2 业务侧
通过DPI系统对8月初各类应用流量分CTWAP和CTNET两种接入方式进行了分析。普通手机终端的接入方式为CTWAP，数据卡的接入方式为CTNET，智能手机终端可采用以上两种接入方式。（增加流量对比）目前CTWAP日总流量约500G，CTNET日总流量20T，是CTWAP的40倍。随着智能终端的不断普及，今后研究的主要方向为CTNET。

从DPI数据可以看出，目前手机用户应用以WAP和HTTP类的低流量连接类业务为主。数据卡用户应用以流量类业务占比最高，但HTTP类业务也已高居第二位，和首类业务占比不相上下。
2.1.3 终端侧
终端侧的用户数统计可采用激活用户和开账用户两类，为更好的反应网络实际承载情况。采用网络实际有业务使用需求的用户进行统计。这样我们就需要运用到PCMD的统计工具，将PCMD基于用户级的统计数据真实反应出网络情况。
通过对PCMD 的分析，我们可以发现全网用户数稳步增长，尤其是智能手机用户增长明显。上半年（2010年12月至2011年5月）智能手机用户增长573%。

终端类型分布
终端类型
2010年12月
2011年3月
2011年5月
数据卡
43.90%
36.47%
27.95%
普通机
17.45%
19.32%
19.94%
智能机
3.40%
7.55%
15.21%
类型未知手机
35.25%
36.67%
36.90%
2.2 忙时分析
2.2.1 忙时定义
根据资源使用情况，将忙时定义为连接忙时和流量忙时。
2.2.1.1 连接忙时
分别取1月和7月一周工作日24小时连接时长按小时平均，变化趋势如下：

从上图可以看出，连接忙时为下午14：00－15：00，从1月至今，连接忙时尚未改变，但早忙时（10：00-11：00）连接时长比例出现了大幅增长，开始接近下午忙时，反映出用户连接类业务行为的转变。
2.2.1.2 流量忙时
分别取1月和7月一周工作日24小时连接时长按小时平均，变化趋势如下：
从上图可以看出，连接忙时为下午21：00－22：00，从1月至今，连接忙时尚未改变。但晚上除晚忙时外，其他时段流量比例明显下降，反映出流量类业务向连接类业务的迁移。
2.2.2 PCMD数据分析
为了进一步对网络业务特性进行分析，我们研究了2011年5月13日两个忙时的PCMD的数据：
Ø 14:00-15:00：连接数和连接时长的忙时
Ø 21:00-22:00：数据流量的忙时
注：5月份网络的Dormancy Timer = 10秒。
2.2.2.1 用户分布
2011/05/13 14:00-15:00的用户分布情况如下：
类型
数量
百分比
数据卡
37,419
23.51%
手机
智能机
44,190
27.76%
非智能机
34,544
21.70%
类型未知手机
43,040
27.04%
2011/05/13 21:00-22:00的用户分布情况如下：
类型
数量
百分比
数据卡
38,172
27.82%
手机
智能机
37,877
27.61%
非智能机
25,317
18.45%
类型未知手机
35,839
26.12%
2.2.2.2 每连接时长分布*
数据卡有如下的特性：
约60%的连接的连接时长 > 12秒，数据卡相对手机终端（见下图）连接时长较长。
手机终端（特别是智能机）有如下的特性：
约75%的连接 的连接时长 < 12秒，智能机的连接普遍连接时长较短。同时对于智能机~61%的连接的连接时长集中在2-3秒（因某些终端rapid timer＝1秒）、6-7秒（因终端的rapid timer=5秒）和11-12秒（因dormancy timer = 10s）。如果减去终端rapid timer或网络的dormancy timer的时间，其实智能机真正使用网络的时间也就1-2秒左右，而其他的时间基本上是在浪费网络资源。
具体的分布请参看下图 ：

(* 注：计算连接时长分布时不包括与session相关的连接)
通过以上的分析我们可以得出如下的结论：随着智能机的快速增长，智能机对网络资源的冗余的占用需要及时释放。智能机真正使用网络的时间也就1-2秒，部分资源存在冗余占用情况。所以非常有必要对冗余资源进行优化（比如缩短dormancy timer的时间）从而更有效地利用网络资源。
2.2.2.3 每连接间隔分布
数据卡的特性：
约60%的连接其连接间隔 < 10秒。 也就是说数据卡相对智能机（见下图）更频繁地建连接。
手机终端（特别是智能机）有如下的特性：
只有约30%的连接其连接间隔 < 10秒（或者约70%的连接其连接间隔 > 10秒）。智能机相对数据卡连接频繁度较低。

从如上的数据分析可以得出如下的结论：从连接间隔的角度来看，如果下一次数据包较快的到达，那么较长的timer可以避免包到达而引起的连接请求。但是从智能机的特性我们可以看到智能机相对不那么频繁地建新的连接，也就是说可以将当前连接的dormancy的时间缩短从而释放不必要的资源占用。而且随着智能机的快速增长，有必要进行优化释放冗余资源的占用和提供网络资源的有效利用率。
2.2.3 KPI指标分析
对忙时网络载扇级能力进行分析。通过各资源统计，确定目前网络的资源使用情况。
2.2.3.1 每载扇连接时长分布
超过30%的载扇连接时长<1Erl，约1%的载扇的连接时长>28Erl。目前看来全网连接时长负荷不高，但部分载扇已达到预警门限，急需优化。请参看下图详细分布图。
连接忙时
流量忙时

2.2.3.2 每载扇等效用户数分布
由于流量具有较强突发性，因此采用等效用户数对前向流量类负荷进行表征。约90%的载扇等效用户数<1，约0.3%的载扇的等效用户数>4。目前看来全网连接时长负荷不高，但部分载扇已达到预警门限，急需优化。请参看下图详细分布图。
连接忙时
流量忙时

2.2.3.3 每载扇连接请求次数分布
大概约90%的载扇连接请求次数 < 600次/小时。没有一个载扇的连接请求次数 6000 次/小时。请参看下图分布：
连接忙时
流量忙时

而对于接入能力而言，报警门限是每载扇连接请求次数 < 27000次/小时。这个门限是按接入信道的40%的容量以及AccessCycleDuration = 32 slots计算出来的。如果AccessCycleDuration 设置为16 slots，那么这个报警门限将增加一倍至 <53891次/小时。所以从目前的网络现状来说，连接请求次数并不是一个受限指标。分析过程详见8.1.2。
2.2.3.4 每载扇RoT分布
大概约5%的载扇的RoT （长期平均RSSI）> 7dB。目前看来网络反向负荷不高，但是随着负荷的增加，部分参数优化计划急需制定。请参看下图详细分布图。
连接忙时
流量忙时

2.2.4 特性分析
目前全网网络负荷总体不高，下午忙时连接时长负荷较高，晚忙时流量类负荷较高。部分载扇连接时长和等效用户数已达到瓶颈，连接时长负荷明显高于等效用户数负荷，连接次数远未达到瓶颈。部分载扇的ROT偏高。
忙时智能机用户的连接时长和连接间隔有着如下的特性：
1. 现网大约60%的智能机用户真正使用网络资源的时间大概就1~2秒。随着智能机的快速增长，需要对网络时长资源进行优化。
2. 对智能机用户，现网大约 >70%连接间隔 > 10秒，也就是说智能机用户建连接不是很频繁。需要通过优化减小来释放网络冗余资源的占用。
3. 部分载扇的RoT过高。同时随着用户的增长，RoT也会随之增加。所以需要通过参数优化调整降低RoT。
4. 通过KPI对连接数的分析，可以看出现网有着较大的余量。每小时产生的连接数远远小于接入信道的容量门限。所以目前连接请求次数并不是一个受限指标。
从以上对话单（PCMD）以及KPI的分析，我们可以得出如下的结论：
智能手机以相当快的速度增长，2011年上半年智能机用户增长了573%。而智能机用户行为和传统的数据卡用户行为有着显著的差别。所以随着智能机用户的增长，很有必要对网络进行针对性的优化。
2.3 研究原则
针对3G网络优化新问题，专家组根据以上三个维度的总体分析结果。确定了此次专题的策略研究的几个原则：
1、 提出端到端的研究策略：多样化的业务使用，使3G网络的用户使用习惯具有业务特性（连接类、流量类）和终端特性（智能终端、普通终端、数据卡）。端到端的研究需要从终端、网络和业务三方面全面展开。
2、 建立业务和信令两种无线资源负荷评估角度：将3G网络细分为业务和信令的两种资源优化评估方式。具体可参见4.2 网络性能评估方法。
3、 形成基于终端类型的用户业务评估模型：多种业务使用在无线侧具有资源叠加性，因此，用户业务模型仍从无线侧入手。通过基于终端类型的PCMD分析，不同终端类型对无线资源的占用具有一定的差异性，但在时域和地域上具有一致性（参见2.3章节）。因此，确定基于终端类型的用户业务评估模型的研究方向。具体请参见4.1用户业务评估模型。

3 策略研究创新思路
在无线网络中有两种统计方式，一种是基于计数器的指标统计，一种是基于呼叫测量记录的统计。通常在评估整个网络性能的时候，会采用基于计数器的指标统计（如掉话率、接通率、前向数据流量等）。但这种统计仅能判断和建立地域维度（如基站、扇区等）的话务模型， 用户级维度的业务模型必须使用基于用户级别的呼叫测量记录。
无线侧系统中提供的PCMD(Per Call Measurement Data，呼叫测量记录)信息是在用户通话结束时生成，内容包括接入过程、通话过程及通话结束时的无线环境、切换过程、通话质量、流量、时长等关键数据。其中，1X 呼叫测量记录包括了300个以上字段，EVDO呼叫测量记录包括了350个以上的字段。通过这些详尽的呼叫测量记录信息，可对用户级的性能指标和业务指标做精细化判断。
本次研究创新思路是建立一套基于PCMD的多资源维度分布模型的分析体系。以终端类型级别（智能终端、普通终端和数据卡）为评估对象，多种资源为评估维度，建立用户级PCMD的区间统计评估方法。
基于PCMD的多资源维度分布模型分析体系，主要有以下特点：
Ø 多资源维度：针对资源占用特性不同，从连接数、时长、流量等资源维度进行分析。并根据不同资源维度的特性采用个性化的统计方法。
Ø 基于终端类别统计：将用户级数据按照终端类别进行统计，突显不同终端类别的业务模型，进行差异化研究。
Ø 区间统计 ：从分布特征和聚集特征两方面反映资源占用特性，相对传统的平均统计法建立业务模型更精细、更科学。
同时，通过KPI性能指标的深入研究，将无线侧流量的包传输时间和连接的连接时长两个主要业务特性KPI相结合，表征连接时长内有效占用数据传输的时隙比例，综合评价资源的使用效率。通过网络评估，发现目前网络的资源占空比较小。根据分析体系针对连接特性的区间统计，进一步确定了网络资源可用性敏感，资源占空比小的特点。因此，最终确定了基于分析体系的用户业务模型分析，研究每连接的业务特性（如连接时长、间隔等），以参数优化和网络调整为手段，以Dormancy timer优化为主线，将解决网络问题和提升资源利用率为目标。并初步建立3G无线侧用户业务模型。
策略优化目标为降低各项资源的冗余占用，改善DO网络关键KPI指标。为准确评估策略应对效果，评估分析方法将基于count的性能指标统计和使用PCMD得到的用户模型以及其他相关性能指标有效结合。从选择样本开始，到优化效果评估，全面跟踪用户级业务模型和网络性能的变化。因此，分析、评估分为两种方式：
1、 基于PCMD的用户业务评估模型
2、 结合PCMD与count的网络性能评估方法
3.1 用户业务评估模型
3.1.1 业务研究

根据业务占用资源特性的差异，可以将业务分为连接类和流量类两大类：
Ø 连接类：传输数据量小，有效传输包占比较小，使用这类应用时用户对资源可用性较敏感，对带宽不敏感。如：网页浏览、即时通信、微博等应用。
Ø 流量类：传输数据量大，有效传输包占比较大，使用这类应用时用户对资源可用性以及带宽均较敏感。如：P2P下载、在线视频等应用。
针对近期3G多元化业务和智能终端的迅猛发展，网络业务形态和用户行为迅速转变的现状，以及多智能终端的使用业务特性，本次研究选定连接类业务为主要研究对象。建立业务模型和分析业务特性时，采用连接特性和流量特性两大维度，以突显不同业务对不同资源的需求特性。
3.1.2 终端研究

根据用户使用习惯和PCMD的初步分析结果，不同终端类别的用户业务模型有较大差异。因此，本次研究将终端按照主要功能分为智能终端、普通终端和数据卡三大类 ：
Ø 智能终端：采用开放式的操作系统，支持多元化的网络应用程序，业务发展迅速。移动性较强，应用以连接类业务为主。
Ø 普通终端：无操作系统，网络应用较单一，以网页流量等基本应用为主。
Ø 数据卡：仅作为接入终端，业务为PC应用。移动性弱。
业务模型和性能分析都将采用以上三类终端维度进行统计。针对近期智能终端的迅速普及以及多智能终端的使用业务特性，本次研究以智能终端为主要研究对象。
3.1.3 策略总结
多元化业务应用最终在用户粒度汇聚，为更贴近反映多元化业务应用汇聚后对无线侧资源的占用特性。根据业务研究特点（以连接类业务为主）和终端研究特点（以智能终端为主），确立了以用户为粒度，按终端类别进行分类，以连接类业务特征为维度，建立基于PCMD的用户业务评估模型。
终端类别
(每连接)
连接
流量
时长
间隔
前向
反向
智能终端
区间统计方法
普通终端
数据卡
3.2 网络性能评估方法
优化前后的分析与评估方式作为策略研究的重点，需要全面和可操作。因此，策略研究首先需要制定较为完善的评估手段。除了基于PCMD的用户业务模型分析体系外，本次专题提出了基于PCMD和KPI网络性能评估方法，评估目标主要分为两部分：
1、 资源的有效利用
2、 主要性能指标的改善
3.2.1 资源占用
主要从业务和信令信道负荷两方面对资源占用负荷进行评估。通过优化策略调整前后的指标对比，确定网络问题或资源利用的改善效果。

根据本次专题研究的业务（连接类）、终端（智能手机），与连接相关的资源类指标将作为重点研究对象。可分为以下几类：
3.2.1.1 业务信道负荷
1. 平均MacIndex占用数（连接时长）：反映用户数和用户连接时长。
2. ROT：影响接入性能和反向容量的重要指标
3.2.1.2 信令信道负荷
1. 控制信道负荷
Ø 同步控制包囊：发送系统消息和寻呼消息等。
Ø 子同步控制包囊：仅发送寻呼消息。
Ø 异步控制包囊：主要发送连接建立过程的信令消息。
2. 接入信道负荷：用户发送连接建立过程的信令消息。
3.2.2 网络性能
目前评估网络性能指标主要采用COUNT计数器的统计方式，但由于COUNT统计方式本身的局限性，为更好的完善性能统计，本次专题根据PCMD所具有的统计特性，将覆盖、下切性能统计引入网络性能统计中。
3.2.2.1 PCMD性能指标统计
基于PCMD统计方法的网络性能评估评估主要有：
1、 覆盖性能：详见4.4.3覆盖分析
2、 DO下切1X：详见5.2.2网络评估
3.2.2.2 COUNT性能指标统计
基于COUNT统计方法的网络性能评估主要有DO连接建立成功率、连接掉话率、寻呼成功率、切换成功率、RAB激活率等。

4 网络侧策略
本章节将通过网络侧优化流程定义，六大资源优化策略和网络基础优化策略展开。通过各个策略的理论分析、优化调整和评估结果，阐述各策略对网络资源、性能等各方面改善的情况。
4.1 优化流程

整个研究工作从如下步骤入手：
1. 网络分析和研究
2. 资源利用效率和资源占有率情况
3. 网络参数和结构优化
4. 网络评估
4.2 资源分析
根据业务和信令信道负荷两方面对资源占用的划分，可将有效提高各资源利用的方面分成以下几类：
4.2.1 业务信道负荷
4.2.1.1 策略一－Dormancy timer参数优化
平均MacIndex占用数（连接时长）表示了载扇中处于空口连接状态的用户数。虽然理论每载扇可占用的MacIndex数为114个，但是由于信道板的制约，目前采用CSM6800芯片支持6载扇192个CE（请见附录10.5高通芯片），考虑各载扇用户随机分布和CE资源，目前单载扇的最大用户数设置为40个。同时，由于连而不传的用户愈发增多，资源得不到及时释放，造成干扰变大，可用连接数量变低，甚至于无法及时接入真正有数据需求的用户。通过有效传输包时长资源分析，发现目前网络的资源占空比较小。根据分析体系针对连接特性的区间统计，进一步确定了网络资源可用性敏感，资源占空比小的特点。因此，Dormancy timer优化将作为应对前向业务信道连接时长负荷上升和反向容量的应对策略展开研究。
4.2.1.2 策略二－RABThreshold优化
EVDO反向容量受ROT影响，RABThreshold是用来调节反向容量的一个重要参数。RABThreshold设置高，可以允许终端以更高的速率发送数据，但会造成反向ROT抬升，从而影响反向解调能力，降低反向容量，同时影响接入性能。RABThreshold设置低，可以将终端反向数据对系统ROT的影响降低，但是终端只能以较低的速率发送数据，在反向ROT较低的情况下，设置低会造成反向容量的浪费。因此，需要RABThreshold优化将作为应对业务信道负荷中反向容量的应对策略展开研究。
4.2.1.3 策略三－软切换参数优化
平均MacIndex占用数还包含一部分软切换连接数。软切换参数的优化在DO系统中也尤为重要。在保证用户感知的同时，减少软切换的冗余资源的占用。因此，DO软切换参数将作为应对业务信道负荷中连接时长上升(切换部分)的应对策略展开研究。
4.2.2 信令信道负荷
4.2.2.1 策略四－Colorcode边界结构调整
在位置和话务基本一致的情况下，ColorCode边界基站与非边界基站相比非同步包囊控制信道时隙占用率和接入信道负荷都有不同程度的增加。现网部分控制信道负荷超过10%的载扇，处于ColorCode边界或与周围载扇ColorCode配置不同。因此，ColorCode边界调整将作为应对信令信道负荷中控制和接入信道负荷的应对策略展开研究。
4.2.2.2 策略五－寻呼参数优化
DO网络具有多次寻呼机制，寻呼范围、寻呼次数及两次寻呼间隔均可设定。寻呼消息是在控制信道同步和非同步包囊中发送。寻呼策略的不同，对控制信道负荷会有影响。因此，寻呼参数优化将作为应对信令信道负荷中控制信道负荷的应对策略展开研究。
4.2.2.3 策略六－接入参数优化
对于接入信道来讲，由于在每一个AccessCycle里面最多只能解调出一个接入试探，因此接入信道容