精品案例_小流量业务模型精准资源分配

小流量业务模型精准资源分配
目录
第一章项目创新背景 (3)
1.1 LTE网络资源有限 (3)
1.2 VoLTE商用在即 (3)
第二章项目创新总体思路 (3)
2.1 创新原理 (4)
2.2 参数定义及建议配置 (6)
2.3 评估KPI (7)
第三章项目创新方案和实施过程 (7)
3.1“五高”场景应用 (7)
3.1.1 高校 (7)
3.1.2 高铁 (9)
3.1.3 高速 (10)
3.1.4 高流量商务区 (12)
3.1.5 高密集住宅区 (13)
3.1.6 小结 (15)
3.2“二维”业务评估 (15)
3.2.1 “二维”定义 (16)
3.2.2 业务评估 (17)
3.2.3 小结 (22)
3.3“三段式”门限评估 (23)
3.4 高负荷小区应用评估 (24)
3.5 测试评估 (26)
3.5.1 数据感知业务评估 (26)
3.5.2 VoLTE业务评估 (31)
3.6 感知平台评估 (31)
第四章项目创新成效 (32)
成效一：资源分配精准，有效利用资源最大化 (32)
成效二：type1资源分配方式，小流量业务模型下增益最大.. 33
第一章项目创新背景
随着通信科技的进步，各类手机APP应用层出不穷，手机给人们的工作与生活带来了极大的便利。

电信LTE经过多年的发展提升，给人们带来高速网络体验的同时，资源问题也凸显，尤其在高校。

高清语音通话（VoLTE）功能商用在即，感知优化成为我们优化工作的重中之重。

1.1 LTE网络资源有限
随着不限量套餐的推广，在网用户数量突增，即时通讯、新闻、视频、游戏类等应用井喷式的发展，LTE业务量呈飞越式增长，在高校场景中高负荷小区问题凸显，为降低单小区负荷，提升用户体验，目前通过滚动扩容来从根本上解决高负荷问题。

扩容建设存在周期长、建设条件有限问题，另外在业务量集中的区域，过多的小区覆盖同时存在重叠覆盖度高，同频干扰严重的问题。

1.2 VoLTE商用在即
中国电信目前接受用户短信开通VoLTE功能，并将于上半年正式商用。

届时LTE网络中的高清语音通话业务激增，PRB资源利用率会有明显升高。

第二章项目创新总体思路
随着网络的发展，移动终端上APP业务的丰富，同时会出现小流量业务多的现象。

当前资源分配采用type0分配方式，最小资源分配粒度为1个RBG（15M/20M带宽下为4个RB），即每个TTI至少分配4个RB。

对于小流量业务，资源需求会少于4个，
在资源分配的过程中则通过padding来填充至4个RB来进行资源分配，因此会造成RB资源上的浪费。

由此引入type1资源分配方式，来进行资源分配优化，根据3gpp协议算法，可以在每个TTI分配到1个RB，分配精度更高，高效提升小流量业务模型下的资源有效利用率。

结合电信现网情况，分别针对“五高”场景，“二维”业务场景、高负荷场景进行资源分配方式优化，并通过KPI对比、测试验证以及感知平台等多个维度进行应用评估。

通过对以上几个维度进行应用评估，为优化提供更具针对性的指导方向。

2.1 创新原理
下行DCI主要用于发送下行调度分配信息，包括DCI format 1/1A/1B/1C/1D/2/2A/2B/2C/2D。

当调度UE的的DCI格式为DCI1、DCI2、DCI2A、DCI2B、DCI2C、DCI2D时，调度UE下行位置分配方式既可以用Type0的方式，又可以用Type1。

表1 下行DCI format与下行资源分配类型的对应关系
在资源分配类型0中，DCI format 1/2/2A/2B/2C通过一个bitmap来指示分配给UE的RBG。

RBG（Resource Block Group，资源块组）是一组连续的集中式VRB（localized VRB，虚拟资源块，是资源分配中最基本的单元，大小与PRB一样）。

RBG的大小（P，即每个RBG中包含的VRB数。

最后一个RBG包含的VRB数可能小于P）与下行系统带宽DL
N相关。

RB
表2 系统带宽与RBG大小的对应关系
如果某个RBG分配给了某个UE，则bitmap中对应比特置为1；否则置为0。

图1 DCI format 1/2/2A/2B/2C中与Type 0相关的字段
资源分配类型0支持频域上的非连续RB分配，调度的最小单位是RBG，无法按照单个RB来分配资源。

当payload较小时，可能会造成资源的浪费。

在资源分配类型1中，DCI format 1/2/2A/2B/2C通过3个域来指示分配给UE的VRB（注意：与资源分配类型0不同，这里是VRB，而不是RBG）。

图2 DCI format 1/2/2A/2B/2C中与Type 1相关的字段
资源分配类型1支持频域上的非连续RB分配；与资源分配类型0相比，资源分配类型1支持粒度为1 RB的分配。

下行默认的资源分配方式为Type0，资源分配的基本单位为RBG，即在20M带宽下最少给单UE分配4RB，尤其在小流量业务模型下，下行分配的RB数存在较大可能的浪费，通过引入下行type1资源分配方式后，可以降低Padding的资源消耗，节省更多的RB资源给其他用户使用。

2.2 参数定义及建议配置
表3 参数定义及建议配置
2.3 评估KPI
下行信道PRB资源利用率：eNodeB下行物理信道PRB平均资源利用率。

反映系统无线资源利用情况。

下行padding率：表示下行RB资源未被有效利用的比例。

PDCP SDU时延：表示PDCP SDU从eNodeB接收到全部成功在空口传输完成的平均时间。

下行信道PRB满负荷概率：表示统计时间范围内，下行信道PRB满负荷的采样点数与总采样点数的比例。

PDCCH资源使用率：该指标定义为PDCCH信道的CCE占用率。

反映系统无线资源利用情况，为系统是否需要扩容以及系统算法优化提供依据。

分QCI用户体验下行平均速率（Mbps）：统计周期内，eNodeB 小区用户面PDCP层下行吞吐量（不含下行突发数据尾流量）与PDCP层下行发送数据的业务总时长（不含下行突发数据尾时长）的比值。

第三章项目创新方案和实施过程
3.1“五高”场景应用
从基站数据库中，筛选“五高”场景小区清单，每个场景分别挑选6-10个小区。

3.1.1 高校
特征：该场景用户数量庞大、高流量、高价值，业务集中，潮汐效应明显。

教学楼、宿舍内部隔断多，信号衰减大。

图3 高校场景下的KPI 趋势
500001000001500002000002500003000003500000
1000
200030004000500060007000最大RRC 连接用户数
空口上行用户面流量（MB ）（次坐标）
0.00%
1.00%
2.00%
3.00%
4.00%
5.00%
6.00%
7.00%
8.00%
9.00%10.00%0.00%
5.00%10.00%15.00%20.00%25.00%30.00%35.00%40.00%PDCCH 资源使用率下行信道PRB 资源利用率下行信道PRB 满负荷概率
下行Padding 率（次坐标）
102030405060700
51015202530分QCI 用户体验下行平均速率（Mbps ）
PDCP SDU 时延（ms ）（次坐标）
高校用户数量庞大，而且集中，业务可挖掘潜力大。

引入type1资源分配方式后，业务量较之前保持稳定，下行padding 率由8.69%下降至3.12%，下降64%，下行信道PRB 满负荷概率由27.73%下降至19.43%，下降30%，下行信道PRB 资源利用率由31.34%下降至27.66%，下降12%，下行控制信道资源利用率前后变化不大，用户体验下行平均速率在周末较高，在资源分配方式优化前后变化不大，PDCP SDU 时延优化后有所下降。

3.1.2 高铁
特征：瞬时用户多，移动速度快
1000020000300004000050000600000
5001000150020002500最大RRC 连接用户数
空口上行用户面流量（MB ）（次坐标）
0.00%
2.00%4.00%6.00%8.00%10.00%12.00%14.00%0.00%
5.00%10.00%15.00%20.00%25.00%30.00%PDCCH 资源使用率下行信道PRB 资源利用率下行信道PRB 满负荷概率
下行Padding 率（次坐标）
图5 高铁场景下的KPI 趋势
高铁用户移动速率快，时延较其他场景要高。

引入type1资源分配方式后，业务量较之前保持稳定，下行padding 率由11.29%下降至7.15%，下降36.65%，下行信道PRB 满负荷概率由26.04%下降至21.36%，下降17.97%，下行信道PRB 资源利用率由24.8%下降至24%，下降2.8%，下行控制信道资源利用率前后变化不大，用户体验感知指标变化不大，PDCP SDU 时延在引入type1分配方式后由69.62ms 下降至65.26ms ，下降6.25%。

3.1.3 高速
特征：瞬时用户多，移动速度快
56
586062646668707274760
2468101214分QCI 用户体验下行平均速率（Mbps ）
PDCP SDU 时延（ms ）（次坐标）
图6 高速场景下的KPI 趋势
2000400060008000100001200014000160000
50100150200250300350400450最大RRC 连接用户数
空口上行用户面流量（MB ）（次坐标）
0.00%
5.00%10.00%15.00%20.00%25.00%30.00%35.00%0.00%
5.00%10.00%15.00%20.00%25.00%30.00%35.00%PDCCH 资源使用率下行信道PRB 资源利用率下行信道PRB 满负荷概率
下行Padding 率（次坐标）
1020304050607080901000
12345678910分QCI 用户体验下行平均速率（Mbps ）
PDCP SDU 时延（ms ）（次坐标）
高速用户移动速率快，时延较其他场景要高。

引入type1资源分配方式后，业务量较之前保持稳定，下行padding 率由20.22%下降至12.41%，下降38.64%，下行信道PRB 满负荷概率由26.72%下降至20.84%，下降22%，下行信道PRB 资源利用率由21.31%下降至18.71%，下降2.2%，下行控制信道资源利用率前后变化不大，用户体验感知指标有所提升，用户体验下行平均速率由7.45Mbps 提升至8.1Mbps ，提升8.72%,PDCP SDU 时延由85.17ms 下降至73.32ms ，下降13.91%。

3.1.4 高流量商务区
特征：用户集中，潮汐效应明显。

高价值用户多。

1000020000300004000050000600007000080000900000
200400600800100012001400160018002000最大RRC 连接用户数
空口上行用户面流量（MB ）（次坐标）
图7 高流量商务区场景下的KPI 趋势
高流量商务区潮汐效应明显，周末业务量较工作日明显增长。

引入type1资源分配方式后，下行padding 率由10.58%下降至7.03%，下降33.54%，下行信道PRB 满负荷概率由22.06%下降至17.9%，下降18.86%，下行业务及控制信道资源利用率变化不大，用户感知指标变化不大，用户感知速率及时延前后保持相当。

3.1.5 高密集住宅区
特征：用户集中，潮汐效应明显。

0.00%
2.00%4.00%6.00%8.00%10.00%12.00%0.00%
5.00%10.00%15.00%20.00%25.00%30.00%35.00%40.00%PDCCH 资源使用率下行信道PRB 资源利用率下行信道PRB 满负荷概率
下行Padding 率（次坐标）
1020304050607019
20212223242526分QCI 用户体验下行平均速率（Mbps ）
PDCP SDU 时延（ms ）（次坐标）
图8 高密度住宅区场景下的KPI 趋势
100002000030000400005000060000700008000090000100000860
8809009209409609801000102010401060最大RRC 连接用户数
空口上行用户面流量（MB ）（次坐标）
0.00%
1.00%
2.00%
3.00%
4.00%
5.00%
6.00%
7.00%
8.00%0.00%
5.00%10.00%15.00%20.00%25.00%30.00%PDCCH 资源使用率下行信道PRB 资源利用率下行信道PRB 满负荷概率
下行Padding 率（次坐标）
24
25262728293025
26272829303132333435分QCI 用户体验下行平均速率（Mbps ）
PDCP SDU 时延（ms ）（次坐标）
高密度住宅区用户基本使用家庭宽带，因此占用LTE网络的用户业务多以小流量为主。

根据统计，引入type1资源分配方式后业务量保持平稳，下行padding率由6.86%下降至2.81%，下降59.07%，下行信道PRB满负荷概率由19.5%下降至14.94%，下降23.41%，下行信道PRB资源利用率由24.36%下降至22.58%，下降7.28%，下行控制信道资源利用率变化不大，用户体验下行平均速率较之前略有下降，由32.53Mbps下降至30.15Mbps,与该场景下小流量业务较多有关。

PDCP SDU时延前后保持相当。

3.1.6 小结
❖引入type1资源分配方式后，各场景业务量较之前基本保持稳定，下行padding率较之前均有明显下降❖下行业务信道PRB资源利用率及满负荷概率在各场景也均有不同程度的改善，其中高流量商务区的效果相对较小❖下行控制信道资源利用率在引入type1资源分配方式后基本保持稳定，并未出现受资源分配粒度更小，调度更细影
响而出现增长的情况
❖引入type1资源分配方式后，高速及高密度住宅区场景下的用户感知指标改善基本为明显，其他场景用户感知指标
变化不大，用户感知速率及时延保持相当
3.2“二维”业务评估
根据空口下行用户面流量及最大RRC连接用户数两个维度，分别从低流量低用户数、低流量高用户数、高流量高用户数、高流量高用户数四种场景进行业务评估。

3.2.1 “二维”定义
统计近一周小区天级指标，分别按日均空口下行用户面流量和日均最大RRC连接用户数两个维度进行透视，统计出小区数分
布。

最大RRC连接用户数
小区数
0-50 50-100 100-150 150-200 200-250 250-300 300-350 350-400 空口下行用户面流量
500M以下1107 17 4
500M-800M 798 12 4
800M-2G 2428 106 43 5
2G-4G 1409 554 53 18
4G-6G 307 596 112 20 5 1
6G-8G 136 220 98 19 3 1
8G-10G 72 97 43 17 6 2
10G-12G 20 64 23 8 3 1
12G-14G 3 45 10 8 0 1 1
16G-18G 13 5 1 1
18G-20G 2 2 1 1 1
20G以上 3 3 3
低流量低用户数
低流量高用户数
高流量低用户数
高流量高用户数
表4 “二维”小区数分布
根据统计出的用户数分布，分别按以下规则，筛选出低流量低用户数、低流量高用户数、高流量低用户数和高流量高用户数的小区清单，每个场景分别挑选6-10个小区。

♠低流量低用户数：全天下行流量小于500M，最大RRC连接用户数少于50个；
♠低流量高用户数：全天下行流量小于800M，最大RRC连接用户数多于100个；
♠高流量低用户数：全天下行流量大于10G，最大RRC连接用户数少于50个；
♠高流量高用户数：全天下行流量多于16G，最大RRC连接
用户数多于150个。

3.2.2 业务评估
3.2.2.1 低流量低用户数场景评估：
0500100015002000
2500
102030405060708090100最大RRC 连接用户数
空口上行用户面流量（MB ）（次坐标）
0.00%
0.50%1.00%1.50%2.00%2.50%3.00%0.00%
5.00%10.00%15.00%20.00%25.00%PDCCH 资源使用率下行信道PRB 资源利用率下行信道PRB 满负荷概率
下行Padding 率（次坐标）
图9 低流量低用户数场景下的KPI 趋势
在低流量低用户数的场景下，引入type1资源分配方式后业务量较之前保持平稳，下行padding 率由2.38%下降至1.88%，下降21%。

资源利用率前后变化不大，用户感知指标变化不大，用户感知速率及时延前后保持相当。

3.2.2.2 低流量高用户数场景评估：
204060801001201400
0.511.522.533.544.5分QCI 用户体验下行平均速率（Mbps ）
PDCP SDU 时延（ms ）（次坐标）
100002000030000400005000060000700000
5001000150020002500最大RRC 连接用户数
空口上行用户面流量（MB ）（次坐标）
图10 低流量高用户数场景下的KPI 趋势
在低流量高用户数的场景下，引入type1资源分配方式后业务量较之前保持平稳，下行padding 率由4.55%下降至1.96%，下降57%；下行信道PRB 满负荷概率由49.7%下降至38.51%，下降22.51%，下行信道PRB 资源利用率由56.98%下降至53.19%，下降6.65%，下行控制资源利用率前后变化不大，用户感知指标变化不大，用户感知速率及时延前后保持相当。

3.2.2.3 高流量低用户数场景评估：
0.00%
1.00%
2.00%
3.00%
4.00%
5.00%
6.00%0.00%
10.00%20.00%30.00%40.00%50.00%60.00%70.00%PDCCH 资源使用率下行信道PRB 资源利用率下行信道PRB 满负荷概率
下行Padding 率（次坐标）
2040608010012014013.6
13.81414.214.414.614.815分QCI 用户体验下行平均速率（Mbps ）
PDCP SDU 时延（ms ）（次坐标）
图11 高流量低用户数场景下的KPI 趋势
500010000150002000025000300003500040000210
220230240250260270280最大RRC 连接用户数
空口上行用户面流量（MB ）（次坐标）
0.00%
1.00%
2.00%
3.00%
4.00%
5.00%
6.00%0.00%
2.00%4.00%6.00%8.00%10.00%12.00%14.00%16.00%18.00%20.00%PDCCH 资源使用率下行信道PRB 资源利用率下行信道PRB 满负荷概率
下行Padding 率（次坐标）
246810121416180
510152025303540分QCI 用户体验下行平均速率（Mbps ）
PDCP SDU 时延（ms ）（次坐标）
在高流量低用户数的场景下，引入type1资源分配方式后业务量较之前保持平稳，下行padding 率由4.82%下降至3.63%，下降34.62%；下行业务信道资源利用率前后变化不大，下行控制信道利用率前后变化不大，并未出现受资源分配粒度更小，调度更细影响出现增长的情况，用户感知指标变化不大，用户感知速率及时延前后保持相当。

3.2.2.4 高流量高用户数场景评估：
1000020000300004000050000600007000080000900000
5001000150020002500最大RRC 连接用户数
空口上行用户面流量（MB ）（次坐标）
0.00%
0.50%1.00%1.50%2.00%2.50%3.00%3.50%4.00%0.00%
5.00%10.00%15.00%20.00%25.00%30.00%35.00%40.00%45.00%PDCCH 资源使用率下行信道PRB 资源利用率下行信道PRB 满负荷概率
下行Padding 率（次坐标）
图12 高流量高用户数场景下的KPI 趋势
在高流量高用户数的场景下，引入type1资源分配方式后业务量较之前保持平稳，下行padding 率由2.82%下降至1.95%，下降30.89%；下行业务信道资源利用率前后变化不大，下行控制信道利用率前后变化不大，并未出现受资源分配粒度更小，调度更细影响出现增长的情况，用户感知指标变化不大，用户感知速率及时延前后保持相当。

3.2.3 小结
❖ 引入type1资源分配方式后，各场景的下行padding 率均有明显下降
❖ 在低流量高用户场景下，小流量用户较多，下行业务信道资源利用率有明显下降
❖ 引入type1资源分配方式后，各场景的下行控制信道资源利用率较之前变化不大，并未出现受资源分配粒度更小，调度更细影响而出现增长的情况
❖ 引入type1资源分配方式后，各场景的用户感知指标变化不大，用户感知速率及时延保持相当
1020304050607080900
51015202530354045分QCI 用户体验下行平均速率（Mbps ）
PDCP SDU 时延（ms ）（次坐标）
3.3“三段式”门限评估
结合以上不同场景的评估结果，从低流量高用户数场景中挑选10个小区进行“三段式”门限设置，对“下行type1资源分配节省资源比例”门限，分别设置15%、45%、75%，对三段不同门限配置后的业务进行对比评估。

图13 “三段式”门限KPI对比
下行type1资源分配节省资源比例配置越小，越容易进去Type1分配,下行padding率、下行信道PRB满负荷概率以及下行PRB资源利用率指标趋势与其取值大小对应。

PDCCH资源使用
率在下行type1资源分配节省资源比例配置为75%时最高。

PDCP SDU时延，用户感知速率在不同门限设置下的变化不大。

因此根据实际网络情况需要，通过下行type1资源分配节省资源比例的不同设置，控制Type1分配的难易程度。

该值设置越小，下行资源利用率越低，对用户感知指标影响不大。

3.4 高负荷小区应用评估
图14 高负荷小区定义
根据安徽电信高负荷小区定义，从现网高负荷小区中筛选20个小区，进行下行资源分配方式优化，下行type1资源分配节省资源比例配置为默认值15。

图15 高负荷小区的KPI 趋势
200004000060000800001000001200001400001600001800000
500100015002000250030003500最大RRC 连接用户数
空口上行用户面流量（MB ）（次坐标）
0.00%
1.00%
2.00%
3.00%
4.00%
5.00%
6.00%
7.00%
8.00%
9.00%0.00%
5.00%10.00%15.00%20.00%25.00%30.00%35.00%40.00%PDCCH 资源使用率下行信道PRB 资源利用率下行信道PRB 满负荷概率
下行Padding 率（次坐标）
1020304050600
510152025分QCI 用户体验下行平均速率（Mbps ）
PDCP SDU 时延（ms ）（次坐标）
高负荷小区在引入type1资源分配方式后，业务量较之前保持平稳，下行padding率由7.3%下降至2.8%，下降61.6%，下行信道padding率由32.41%下降至23.96%，下降26.07%，下行业务和控制信道资源利用率前后变化不大，用户感知指标变化不大，用户感知速率及时延前后保持相当。

3.5 测试评估
结合以上场景评估结果，在低流量高用户数场景中挑选158705-130小区进行CQI测试验证，并对其下行资源分配方式优化前后的数据感知及VoLTE进行评估。

3.5.1 数据感知业务评估
➢网页浏览类业务：
➢手游业务：
根据现场测试，各类数据感知业务在下行资源分配方式优化前后保持稳定。

3.5.2 VoLTE业务评估
表5 优化前后VoLTE指标统计
此次测试评估由于现场缺少MOS盒，未能统计MOS值，不过根据抖动、时延等指标，VoLTE业务在下行资源分配方式优化前后保持稳定。

说明：目前安徽电信暂无VoLTE端到端分析平台，暂无法提供下行资源分配方式优化前后VoLTE端到端的感知对比。

3.6 感知平台评估
在以上评估中，共优化了86个小区的下行资源分配方式，通过感知平台，统计以上小区的感知类指标。

DPI感知优良率(%)DPI浏览类优良率(%)DPI视频类优良率(%)
DPIIM类优良率(%)DPI手游类优良率(%)
100.00
99.00
98.00
97.00
96.00
95.00
94.00
93.00
图16 感知类指标对比
引入type1资源分配方式后，各感知类指标均有明显提升，其中，感知优良率提升0.5PP，浏览类优良率提升0.5PP，视频类优良率提升0.75PP，手游类优良率提升1PP。

第四章项目创新成效
成效一：资源分配精准，有效利用资源最大化
通过分配精度更高的type1资源分配方式，高效提升PRB资源有效利用率。

优化后下行padding率下降7%，下行信道PRB满负荷概率下降5%，下行信道PRB资源利用率下降3%,PDCP SDU时延下降5ms，分QCI用户体验下行平均速率提升1Mbps。

图17 整体指标趋势
成效二：type1资源分配方式，小流量业务模型下增益最大 移动终端上各类APP 丰富，小流量业务存在于现网各类场景中，其中低流量高用户数场景下的小流量业务占比最高。

在type0资源分配方式的基础上，引入type1
资源分配方式后，分配精度更高，小流量业务模型下增益最大。

0.00%
5.00%10.00%15.00%20.00%25.00%30.00%0.00%
5.00%10.00%15.00%20.00%25.00%30.00%35.00%PDCCH 资源使用率下行信道PRB 资源利用率下行信道PRB 满负荷概率
下行Padding 率（次坐标）
102030405060700
510152025分QCI 用户体验下行平均速率（Mbps ）
PDCP SDU 时延（ms ）（次坐标）。