IP城域网流量预测模型分析

精品文档-下载后可编辑IP城域网流量预测模型分析【摘要】介绍了一种IP城域网流量预测分析方法，并根据设备的带宽流量与用户数的关系，提出了一种流量预测模型和方法，为网络的建设和优化提供理论依据。

【关键词】IP城域网流量预测流量模型

1引言

IP城域网提供高速数据及多媒体业务，用于接入用户和发展增值业务。随着每年网络流量的迅速增长，为了有效提高网络利用率，减少不必要的带宽扩容，优化网络建设已成为运营商急需解决的问题，而网优分析的关键是流量预测。

2IP城域网流量分析

IP城域网采用3层组网结构，在比较大的网络规模中，任何一条上行链路出现拥塞，都会影响其下游用户的正常上网。统计分析IP城域网的链路带宽利用率，必须要覆盖到网络的各个层次，从中找出瓶颈点，进行扩容和优化。

2.1IP城域网网络结构

IP城域网的网络结构按组网功能分为：核心层、业务控制层、二层汇聚层。

核心层的路由器负责城域网数据出口的高速转发，同时负责与骨干网的互联。为保证网络的安全性采用双上联、负载分担的方式，即双星型拓扑结构，具体如图1所示。

业务控制层为用户PPPOE接入、VoIP、IPTV等业务提供统一的终端/用户管理平台和业务控制平台，是业务提供、管理、计费和控制的关键点。并关注对业务QoS的控制，主要包括两大核心网元：宽带接入服务器BRAS、业务路由器SR。

接入汇聚层主要负责二层接入网业务的汇聚。

2.2IP城域网流量特征

由于产生网络流量的用户受到各种因素的影响，其上网的集中时间段行为具有一定的规律性，了解流量的特性对掌握流量预测本质、提高流量预测精度有重要的意义。同时大容量网络本身就是属于非线性系统，因此产生的网络流量具有一定的规律性、突发性和偶然性。如图2所示，据统计晚上7点至10点为人们集中上网的时间，宽带流量峰值一般出现在这个时段。

3流量预测模型

3.1预测的思路和方法

流量预测是根据统计到的流量历史数据，建立恰当的数学模型对未来的流量进行预测。运用定性和定量分析相结合的方法，充分考虑经济发展水平、行业竞争和国家政策等诸多因素，对中长期宽带市场发展规模和速度进行预测。流量预测的基数是用户数。用户预测基于电信业务预测方法，首先分析业务发展现状，通过统计方法建立一定的数学模型，探讨业务发展的规律并结合定性分析，确定规划期内的总用户规模、分业务用户数规模；根据各类用户的业务特点分别测算宽带业务、WLAN、移动核心网、IDC等数据流量，最后汇总为本期总流量，具体如图3所示：

3.2流量预测模型法

IP城域网的流量测算通常采用流量模型法。其中一类业务的网络流量可按公式（1）计算：

用户网络流量=用户数×忙时用户集中系数×某类业务每用户平均接入带宽×用户平均带宽占用率×出城域网流量比例（1）

其中：

忙时用户集中系数：指一天内最忙的1小时内在线用户占总出账用户的比例，一般应参照忙时的在线用户数比例数据；

某类业务每用户平均接入带宽：指某类业务用户平均的接入速率，如4M、6M、8M、20M用户的加权平均值；

用户平均带宽占用率：指忙时用户对带宽使用率，该数据应参照现网忙时在线用户户均流量除以户均接入带宽；

出城域网流量比例：简化测算80%为出口流量。

（1）参数取定

忙时用户集中系数

某链路流量在一天中的分布如图4所示，横轴表示时间，竖轴表示流量，可以看出晚上21点到22点IP流量达到峰值，为一天中的最忙时。这个时间段内这条链路所在BRAS的最大并发用户数与当月出账用户数平均值的比例即为该系数。

每用户平均接入带宽

统计各地市不同接入带宽类型（2M、4M、6M、8M、10M、20M）的用户数量，可用公式（2）表示如下：

每用户平均接入带宽=（2M带宽的用户数×2+4M带宽的用户数×4+……）/某地市的总用户数（2）

再结合预测期带宽提速计算不同接入带宽类型（2M、4M、6M、8M、10M、20M）的用户数量变化，再次代入上面公式（2）中算出预测期的每用户平均接入带宽。

用户平均带宽占用率可用公式（3）表示如下：

用户平均带宽占用率=忙时在线用户户均流量/户均接入带宽=（出口峰值流量/在线用户总数）/户均接入带宽（3）

其中，在线用户总数用最大并发用户总数近似估计。

忙时在线用户户均流量

为估算城域网各层面设备带宽需求，有必要确定宽带用户的平均流量值。此数值反映了开通宽带业务的大量用户整体产生流量的统计平均值，便于根据城域网内宽带用户数对网络流量需求进行估算，具体如公式（4）所示：

忙时在线用户户均流量=每用户平均接入带宽×用户平均带宽占用率（4）

（2）出口流量预测模型

出口流量=（宽带用户流量+互联网专线业务流量+IPTV业务流量+WLAN业务流量+移动核心网业务流量+IDC业务流量等）×城域网出口流量占比（5）

其中：

宽带用户流量=忙时用户集中系数×每用户平均接入带宽×用户平均带宽占用率×预测宽带用户数

（6）