TCH拥塞率、时间拥塞率与每线话务量相关方程

时间：2025-07-09 来源：未知

小中大

字号：

TCH拥塞率、时间拥塞率与每线话务量相关方程估计

网优室王剑波

摘要：本文通过数学统计的方法，推导出网络拥塞情况与每线话务的关系。

一. 前言：

一直以来，由于TCH每线话务量的变化与相应的TCH拥塞率、时间拥塞率之间的变化关系没有可直接套用的公式来计算，造成了在新建基站的载波配置、现有基站的载波调整等工作时主要靠个人经验来决定，盲目性较大。本文将利用现有数据，从统计的角度来分析两者之间的关系，希望可以为相关工作提供有用的信息。二. 分析方法：

1. 数据采集：

为提高分析结果的准确度，我们通过本地网管采集了全网3月3日至3月23日每天8点至23点话务数据92.6万多条，内容包括小区TCH每线话务量、TCH拥塞率和时间拥塞数等。 2. 数据分类：

1) 根据信道数的不同进行分类：

由于载波配置少的小区较载波配置多的小区更容易在受到瞬间突发话务冲击时出现低话务高拥塞的现象，为提高分析结果的准确度，我们将不同的载波配置的小区分开处理。

2) 根据不同的系统进行分类：

由于1800小区主要是用来吸收话务，因此1800小区的参数设置也是以可以最大限度的吸收话务为原则。例如，1800小区的LAYER级别通常较共站同方向的900小区高、天线倾角也较小等。同时，1800小区的载波配置一般较共站同方向的900小区少。受以上因素的影响，1800小区受突发话务的影响也较900小区严重，也更容易出现低话务拥塞的情况；另外，一些900小区因覆盖目的不同，也会出现低话务拥塞的情况。因此，为了提高分析结果的准确度，在排除异常数据的同时，将900和1800小区分开处理，选择拟合度较佳的曲线方程。 3. 绘制相关关系图（散点图）：

为提高工作的效率，我们使用统计分析工具SPSS 11.5对已经分类的数据绘

制散点图。以下使用可用信道为28条的1800小区为例进行说明。（图一）是可用信道为28条的1800小区的拥塞率与每线话务相关图（散点图）；（图二）是可用信道为28条的1800小区的时间拥塞数与每线话务相关图。

CONGS_RATE_DCS

图一

NUM_TIME_CONGS

图二

4. 拟合曲线：

1) 拥塞率与每线话务量相关曲线：

根据散点图，我们发现图中点的分布方式与三次项方程

Y B0 B1X B2X

2

B3X的曲线图象相接近，因此以三次项方程为模

3

型进行曲线拟合，采用最小二乘法作参数估计。拟合结果如下：

拟合方程：

C% 21.74 194.55 ERPAC 573.68 ERPAC 2 476.93 ERPAC 3

判定系数R2 0.95891。判定系数的公式为R2 SSR

SST

，式中SSR=

回归平方和、SST=总平方和＝回归平方和+误差平方和。判定系数在0和1之间取值，可以用这个比率来评估回归方程拟合的好坏程度。当用百分比来表示判定系数时，R2可以解释为：总平方和中能够被估计回归方程解释的百分比。显示该曲线的拟合度达到了满意的程度。对于TCH可用信道为28条的1800小区的拥塞率与每线话务之间关系的问题，我们可以得出结论：如果用估计回归方程

C% 21.74 194.55 ERPAC

573.68 ERPAC 2 476.93 ERPAC 3

来预测信道拥塞率，则总平方和中有95.891%被解释。换言之，TCH可用信道为28条的1800小区的拥塞率与每线话务之间的关系解释了拥塞率中95.891%的变化程度。因此，所求出的估计回归方程达到了令人满意的程度。

根据方程推算出的每线话务量与拥塞率的对应情况如下表：

2) 拥塞率与时间拥塞数相关曲线：

根据散点图，我们发现图中点的分布方式与指数方程Y A0 B0e数估计。拟合结果如下：

B1X

的

曲线图象相接近，因此以指数方程为模型进行曲线拟合，采用最小二乘法作参

判定系数R2 0.95987,显示了该曲线的拟合度达到了满意的程度。拟合方

程：TFTCONGS

2.14 0.03e