Research of the Future Traffic Model in
Mobile Internet Base Station

LAN Xu-chang，WEI Sun-bo, YIN Rui-xiang
(School of Electronic and Information Engineering ,South China University of Technology, Guangzhou 510640,China)
Abstract：Based on backbone networks traffic and network business model，the future traffic model in base station and the demand for network bandwidth were researched. The HTTP internet business, gaming business and video business models of internet users in typical region and the distribution of internet user behavior were analyzed. To plan and form the future mesh networks, the basis data was provided here.
Keywords：network traffic; business model; model estimation; mesh

1 引言
無線Mesh網絡(也稱無線網狀網、無線網格網等)，是一種新型的寬帶無線網絡結構，即一種高容量、高速率的分布結構，是因特網的無線版本[1]。規劃和組建一個能夠適應網絡流量的動態性、不穩定性、突發性等特性的mesh網絡，必須對網絡流量特性和流量模型進行研究。網絡流量模型的研究對網絡運行控制、業務量預測與網絡規劃、高性能價格比的網絡設備與服務器、流量均衡以及網絡體系結構設計等等都能提供必不可少的依據。
本文目的是求出無線接入網中Mesh節點基站的網絡流量模型，估算未來網絡流量帶寬需求。首先，對網民的行為進行分析，調研和分析了網民在一天時間內上網可能性和所用的業務可能性的概率分布；然后，對現有的各種業務的流量模型進行分析和研究；最后，根據一天時間內上網用戶數分布，按一定的粒度抽取出某時刻的用戶數，并累計疊加匯總各個用戶當前時刻的帶寬需求，計算出此小區一天時間內的基站總流量帶寬分布。
2 網民行為分析
2.1 網民上網時間分布
根據2008年1月中國互聯網信息中心（CNNIC）的中國互聯網發展狀況統計報告分析：目前網民平均上網時長是16.2小時/周。這些網民中，上網時長在1~10小時之間的最多，占到總體網民的45.1%，但與2006年12月的16.9小時/周相比略有下降。原因在于2007年涌入了大量的新上網網民，而新增網民的上網時長要短一些。這里對2004、2005、2006、2007四年澳門某社區的所以網民在一天內時間段的網民行為進
行了統計如圖1所示。


圖1 網民的上網時間分布圖

根據中國互聯網發展統計報告分析中對澳門區的調查結果進行分析[2,3,4]，此圖認為是社區用戶的上網時段。理解為用戶一天內上網時間可能性概率分布。對四年的數據進行了平均，參考平均后數據，用15階多項式擬合逼近網民任意時刻的上網可能概率分布有：
Is_on(t)=0.0001t9-0.000113t8 +0.0097t7 -0.0511t6 +0.1814t5-0.4035 t4
+0.4788t3-0.1261t2-0.3151t+0.322 (0< = t < 4hours)
其中Is_on(t)函數是用戶上網時間概率分布，當t為20時，表示用戶在晚上8點時上網的可能性為40.94%。通過隨機產生一個概率與40.94%進行比較判斷網民上網與否。
2.2網民使用各種業務的比例
判斷當前時間用戶上網后，需要知道用戶當前時間所采用的業務。主要考慮三種業務：http業務、gaming 業務、video業務。根據表1給出各種用戶上網業務的信息[5]。從表中可以知道網民一天上網用到的各種業務的概率和流量大小。
一個用戶可能同時上多種業務，如表1給出75%的人用過web browser、33%的人用過Interactive Gaming等�？紤]流視頻在未來網絡中的地位，將表1中針對video的數據進行折算。P2P業務的主要流量是網絡視頻數據[6]，這是符合實際的。所以將主要以流視頻類為代表進行分析。這里將p2p、video clips、IPTV、Streaming audio等歸類為混合視頻流，將用戶使用各種業務的可能概率進行整體歸一化，約為58.5%，視為用戶使用混合視頻流的概率分布。

表1各種用戶上網業務的信息
Application Type/
Quality Sessions
Per day % of
Users w/
App TotalLoad
User/Day
(Mbytes) %of Bytes Traffic
Asymmetry
(%uplink) Equiv.per-
User Busy Hour
Rate D/U(bps)
Web browser(includes email) 2.5 75% 18.4 27.5% 10.1% 2680/302
Streaming Audio
.Song MP3
quality 1.5 25% 1.88 2.8% 0% 307
Streaming Video
.Clip Web
quality 1 50% 6.12 9.2% 0% 999
IPTV-program SDTV
quality 1 0.5% 3.3 5.0% 0% 539
VoIP Toll
quality 2 15% 1.2 1.8% 50% 98/98
Video
Communication Web
quality 0.5 5% 0.56 0.8% 50% 45/45
Interactive
Gaming FPS 1 33% 5.1 7.6% 46.4% 445/385
P2P File sharing 650
MB file .14(once
A week 5% 29.2 43.8% 83.6% 781/3980
Misc.Down/
Upload(includes
Video clips) Web
quality 2 50% 1.02 1.5% 10.4% 147/17
Total 66.7 66.7 44.3% 6060/4830

3 業務模型分析
不同的網絡業務有不同的網絡流量模型，前面將網民的業務主要參考歸類為：http業務、gaming業務、video業務。下面對三種不同的業務流量模型進行分析[7,8,9,10,11]：
3.1 http業務模型
如下圖2所示，一次會話(session)是用來表示從用戶發出網頁請求到其斷開網絡連接的時間。在一次網頁瀏覽中總流量Total size主要涉及以下幾個變量：主網頁實體Main object size (SM)、嵌入網頁實體Embedded object size (SE)、嵌入網頁實體的個數Number of embedded objects per page（Nd）。它們之間的關系是：
Total size = SM + SE*Nd

圖2 http業務模型
分析估計web browser的session per day 為2.5次和一個session的瀏覽網頁個數約為16個。假設當某個時刻網民在用http業務時，把此時刻作為網民的一次web瀏覽的session開始，即接下去網民將瀏覽16個網頁。這里就認為此時刻網民瀏覽網頁的帶寬http_bandwidth為16個網頁的總流量TotalSize除以16個網頁的傳輸時間T（一個session的時間）：





3.2 gaming 業務模型
這里分析First Person Shooter(FPS).的gaming業務模型。一個網民玩游戲時，從進入游戲（Start gaming）到一次游戲結束（End gaming，為游戲的存活期的結束）的這段時間叫為Gaming sessions。根據游戲的生存規則分析，一個網民退出游戲理解為一個事件的發生或游戲失敗終結。此定義一個生存函數來表示網民游戲的生存模型（the survival function）:
S(t) = Pr (a session that survives longer than time t)
=1- Pr(a session that fails before, or at time t)
=1- F(t)
在一次gaming session期間，游戲環境場景的變化、游戲動作等都有packet的up和down的傳輸。這些包的傳輸時間packet arrival time的累積和就構成了一個gaming session。利用packet arrival time的最大極值分布隨機產生的N個Tpacket arrival time來逼近Tgaming session, 從而確定此gaming session期間包傳輸的個數N，進而知道此gaming session總流量的大小Totals size：


3.3 video業務模型
對于video業務的分析，是極其復雜的。不同的編碼幀格式：I幀，B幀，P幀，就有不同的模型；對于可變速率、不可變速率的模型也有較大的差別。而這里分析的可以稱之為混合的Video，是由p2p、video clips、IPTV、Streaming audio等組成的混合視頻流。
對于混合視頻流，如果考慮各個因素那是非常復雜的，所以將其簡單化，只考慮幀的大小和傳輸的時間來統計它的傳輸流量。NGMN Performance Evaluation Methodology一文提出：Video Streaming每秒傳輸為10個幀，每幀8個數據包，這樣每秒傳輸80個包；而每幀數據包之間有Inter-arrival time(這個延遲是由視頻的編解碼引起的)。同時此文提出video的packet size和 Inter-arrival time服從截斷的伯拉圖分布（Truncated Pareto Distribution）。分布的參數如下表所示。當知道一次video的session time 時，統計此session time 時間內的總流量需求：

而傳輸的時間應為session time減去延遲時間：

帶寬：
4 仿真實驗
移動互聯網中，網民的實際上網行為是三種業務的交叉。根據網民上網時75%可能性用web browser、33%用gaming業務和58.2%用video業務。網民在移動互聯網中的行為與固網中的行為差別比較大，在有線網絡中用戶可以同時上多個業務。而對于移動互聯網且基于手機的屏幕，用戶同時用多個業務的可能性就非常小。所以考慮用戶手機上網的優先級別，假設如下
1） 用戶首選web browser業務：75%；
2） 次選video業務：25%*58.2%；
3） 余為gaming業務比例：25%*41.8*33%。
如圖2仿真流程圖，根據澳門某社區的網民上網時段分布，以基數為1000人進行仿真。


圖2 仿真流程圖

圖3顯示的是總的帶寬需求、http帶寬需求、gaming帶寬需求和video帶寬需求。根據仿真圖分析：一個基站的總流量大小主要取決于其下的上網網民的總數量。在仿真過程中gaming、video的session time為15minutes和30minutes。從圖中顯示最大的帶寬需求是在晚上22：08時為：25.47Mbits。最小帶寬在6：40時為：0.215Mbits。平均帶寬為：7.57Mbits。
對于gaming、video業務的session time 分布還沒有較好的數據，所以只給出典型的值如15分鐘，30分鐘。對于video業務是多種業務的混合，這里去除了很多其他的因數如上下行P2P的影響因子、video的編碼幀格式等。
5 結束語
本文調研現有固網的各種網絡流量模型和網民的上網行為，以其為基礎對下一代移動互聯網絡Mesh的基站流量模型和網絡帶寬需求進行研究。分析了典型小區的各種業務流量模型和網民的行為概率分布，估算出了一天內的基站總流量帶寬分布。而校園，商業區，車站等特定區域及目前也沒有數據，對于不同的時間網民行為分布也有一定的差別：工作日、周末、其他節假日，這些都有待進一步研究。


圖3 各業務匯總仿真圖

參考文獻
[1] 方旭明 等. 下一代無線因特網技術：無線Mesh網絡[M] 北京：人民郵電出版社，2006，5：7-10.
[2] 中國互聯網信息中心（CNNIC）的中國互聯網絡發展狀況統計報告
[3] 全球互聯網統計信息第27期報告
[4] 全球互聯網統計信息第28期報告
[5] UMTS網絡仿真中基于OPNET的HTTP業務建模
[6] Global IP Traffic Forecast and Methodology, 2006-2011 - Cisco Systems – 2007.
[7] Traffic and Network Modeling for Next Generation Applications
[8] Draft IEEE 802.16m Evaluation Methodology Document
[10] Johannes Farber. Network Game Traffic Modelling . University of Stuttgart, Inst. of Communication Networks and Computer Engineering
[11] Hua Xu, Pranav Joshi, Yi-Chiun Chen, Xiao Xu, Jeongeun Julie Lee, Belal Hamzeh Bong Ho Kim, Ronny (Yong-Ho) Kim, Kiseon Ryu. Gaming Traffic Model. IEEE C802.16m-07/144
[12] NGMN Performance Evaluation Methodology; Version 1.2 June 20th,20

作者簡介：
蘭許昌（1982-），男，福建省龍巖市人，華南理工大學碩士，專業研究方向為信號與信息處理。<