Вы находитесь на странице: 1из 14

Модель для расчета показателей качества обслуживания абонентов

транкинговых радиосетей стандарта TETRA

Подойницын Роман

Введение

Предварительный расчет показателей качества обслуживания QoS абонентов–


важный момент проектирования любых телекоммуникационных сетей, в том числе и сетей
профессиональной радиосвязи. Точный расчет необходимого количества каналов
(канальной емкости) для обслуживания планируемой нагрузки абонентов с необходимым
качеством поможет: с одной стороны – обеспечить приемлемое качество обслуживания
абонентов, с другой стороны - избежать планирования «лишних» ресурсов системы,
включая дефицитный частотный ресурс, что естественно избавляет ее заказчика от
избыточных финансовых вложений в систему.
В данной статье предлагается метод расчета показателей обслуживания нагрузки в
профессиональных транкинговых радиосетях наиболее перспективного на данный момент
стандарта TETRA. Предложенный метод основан на более реалистичных вероятностных
предположениях, касающихся распределения времени обслуживания абонентов, что
позволяет лучше аппроксимировать нагрузку на сеть и достичь большей точности
проводимых расчетов. Стандарт TETRA взят в качестве примера, метод может быть
использован для расчета показателей качества обслуживания абонентов транкинговых
сетей других стандартов.

1. Процедура установления соединения и показатели качества обслуживания в


транкинговых радиосетях

В сетях транкинговой радиосвязи радиоканалы выделяются пользователям


динамически, по запросам на установление соединения, а не закрепляются за
определенными абонентами, как в конвенциональных радиосетях. Процедура
установления соединения заключается в определенном порядке взаимодействия
оборудования сети радиосвязи. Взаимодействие обеспечивается передачей сигнальных
сообщений и реакциями на них различного оборудования сети, реализующего её
функциональные возможности.
В общем виде можно выделить три фазы установления исходящего соединения от
абонента транкинговой радиосети:
1) передача мобильной станцией запроса канала и параметров запрашиваемого
соединения;
2) назначение радиоканала и передача его параметров мобильной станции и
обеспечение необходимой коммутации в инфраструктуре сети;
3) занятие радиоканала мобильной станцией и начало передачи информации.

Однако, поскольку подразумевается, что число пользователей сети заведомо больше


числа радиоканалов, а потребность в связи у абонентов возникает случайно, то возможны
ситуации запроса радиоканала абонентами сети в момент, когда все радиоканалы уже
заняты. В сотовых сетях персональной радиосвязи в подобных ситуациях абоненты
получают отказ в установлении соединения. Вероятность события занятости всех каналов
на этапе установления соединения называется «вероятностью блокировки вызова»,
поскольку устанавливаемый вызов «блокируется», то есть не может быть установлен. В
отличие от сотовых сетей, транкинговая сеть радиосвязи (в том числе стандарта TETRA)
является сетью с очередями, то есть при условии занятости всех радиоканалов, абоненты,
пытающиеся установить соединение, не получают отказ, а получают уведомление о том,
что их вызов поставлен в очередь на его установление. После освобождения ресурсов,
система завершает установление соединений для вызовов, находящихся в очереди на их
установление в соответствии с дисциплиной обслуживания.
Таким образом, в сетях профессиональной радиосвязи стандарта TETRA и прочих
транкинговых радиосетях с очередями более верным показателем качества обслуживания
абонентов является не вероятность блокировки вызова абонента, а вероятность
постановки вызова в очередь на ожидание установления соединения (в дальнейшем
используется термин «вероятность ожидания»).
В статье предлагается модель для расчета вероятности ожидания вызовов
абонентов транкинговой радиосети после успешного завершения процедуры случайного
доступа к радиоканалу. Не рассматриваются вопросы оценки временных характеристик
процедуры установления соединения. Подробный анализ и оценка этой процедуры для
сетей стандарта TETRA был проведен в статье [6]. Входные параметры модели позволяют
достаточно гибко моделировать параметры нагрузки на сеть (число абонентов и типы
устанавливаемых вызовов) и число обслуживающих приборов (радиоканалов), таким
образом получать оценку качества обслуживания абонентов в различных сценариях.

2. Аналитический подход к расчету показателей качества обслуживания


абонентов транкинговых радиосетей

Для расчета показателей качества обслуживания абонентов транкинговых


радиосетей аналитическими методами теории массового обслуживания обычно
принимается следующий подход. Каждая зона обслуживания базовой станции (сота)
моделируется как система массового обслуживания с очередью, то есть:
- каналы базовой станции являются обслуживающими устройствами;
- вызовы пользователей (абонентов) моделируются входящим процессом
запросов на обслуживание;
- время занятия канала радиосвязи представляет собой время обслуживания
запроса (заявки);
- в случае занятости всех обслуживающих приборов вызовы абонентов
становятся в очередь на обслуживание.
Время занятия канала (в данном случае радиоканала) – это время, на которое вызов
абонента занимает радиоканал в зоне обслуживания базовой станции. Естественно, это
время является случайной величиной и ее распределение аппроксимируется известными
законами вероятностных распределений.
Следует отметить, что обе ниже рассматриваемые модели не учитывают наличия в
системе приоритетных вызовов, полагая, что входящий поток нагрузки состоит из вызовов
с одинаковым приоритетом (одноприоритетные вызовы).

2.1 Аналитическая модель с экспоненциально распределенным временем


обслуживания

Для простоты трактования моделей и аналитических вычислений многие


исследователи допускают, что время занятия канала (и соответственно, время
обслуживания заявок в модели) распределено экспоненциально. Заметим также, что часто
используемая С-формула Эрланга, плохо оценивает показатели качества обслуживания в
сетях профессиональной радиосвязи, поскольку предполагает достаточно большое число
пользователей, что далеко не всегда является верным предположением и вызывает в итоге
ошибку в определении параметров оцениваемых систем. Поэтому в ниже описываемых
моделях число пользователей предполагается конечным.
Пусть в системе обслуживаются N абонентов. Среднюю интенсивность запросов от
одного пользователя обозначим λ. Под системой понимается одна ячейка (сота),
обслуживаемая одной базовой станцией, предоставляющей S каналов радиосвязи.
Входящий поток требований создается конечной группой пользователей. Предполагается,
что все клиенты действуют независимо друг от друга, и каждый создает нагрузку с
интенсивностью λ, и интервалы времени между поступлениями запроса распределены по
экспоненциальному закону. Пользователи, отправившие требование в систему и
находящиеся на обслуживании, уже более не создают нагрузки, так что при увеличении
числа требований в системе, нагрузка на нее уменьшается.
Для обслуживания абонентской нагрузки в системе может быть использовано
максимум S обслуживающих приборов. Поскольку время занятия канала в этой модели
принимается экспоненциально распределенным, то интенсивность обслуживания одного
обслуживающего прибора (канала) равна µ = 1 / t , где t равно среднему времени занятия
канала абонентом. Интенсивность обслуживания растет с числом поступивших
требований, поскольку радиоканалов несколько и требования могут обслуживаться
параллельно, но она имеет предел, равный S·µ, поскольку в один момент времени в
системе может обслуживаться не более S вызовов (по числу доступных обслуживающих
приборов).
В этих предположениях для вычисления вероятности ожидания заявок
пользователей может быть использована модель, обозначаемая в теории массового
обслуживания как M/M/S/К/N. В реальных системах очередь не является бесконечной, но
будем считать, что максимальное число заявок в очереди К может быть равно числу
абонентов в соте, что вполне реализуемо в существующем оборудовании. В нашей модели
условие К>N эквивалентно бесконечной очереди. Это лишь означает, что вызов абонента
не может быть блокирован из-за переполнения очереди, то есть в случае занятости
радиоканалов ему всегда найдется место в очереди.

Случайная величина ″число заявок пользователей в системе″ является дискретной с


непрерывным временем. В сделанных предположениях случайный процесс является
марковским. Соответствующая этому процессу марковская цепь представлена на рисунке
1.
Состояние системы с точки зрения обслуживания абонентской нагрузки полностью
описывается числом запросов пользователей i, находящихся в системе в данный момент
времени. При поступлении нового запроса в случае наличия свободных радиоканалов
(i<S) абоненту выделяется радиоканал и соединение считается установленным. При
поступлении нового требования на обслуживание в момент времени, когда все
радиоканалы заняты (i>=S), требование попадает в очередь на установление соединения.
Таким образом, вероятность нахождения системы в состояниях с i>S соответствует
постановке вызова пользователя сети в очередь на установление соединения,
следовательно равна искомой нами «вероятности ожидания».
Матрица интенсивностей переходов в предложенной марковской цепи задается
следующими выражениями:
qi ,i +1 = λi = λ ⋅ ( N − i );
i ⋅ µ , если 0 ≤ i ≤ S ; (1)
qi , i −1 = µi = 
 S ⋅ µ , если i > S .
Определив матрицу интенсивностей переходов марковской цепи, можем решить
уравнение равновесия системы с наложением нормирующего условия [3]:
N
P·Q=0 ∑p(i ) =1
i =0
(2)

Получим стационарное распределение вероятностей состояний системы p (i ) .


Согласно сделанным выше выводам, вероятность постановки вызова пользователя
на ожидание (вероятность ожидания) равна:
N
Pож = ∑ p(i)
i = S +1
(3)
Вероятность ожидания для такой системы может быть выражена аналитически, но
из-за громоздкости формулы мы не будем приводить ее в тексте статьи.

2.2 Недостатки экспоненциального распределения и предлагаемая модель c


гиперэкспоненциальным распределением времени обслуживания

Экспоненциальное распределение обладает рядом полезных и замечательных


свойств и его выбор естественен для упрощения формализации расчетов и получения
аналитической формулы. Но это распределение «бедно» и ограниченно для более полного
описания времени обслуживания абонентов. Как известно, все характеристики
экспоненциального распределения полностью определяются его единственным
1 1
параметром μ. Значение μ определяет математическое ожидание ( ) и дисперсию ( 2 )
µ µ
случайной величины, описываемой этим распределением. Соответственно, коэффициент
вариации экспоненциальной случайной величины равен единице:
σt
cV = =1 (4)
t
Однако, статистическая обработка результатов измерения времени обслуживания во
многих телекоммуникационных системах показывает, что распределение времени
обслуживания часто имеет значение коэффициента вариации большее единицы.
Например, в фиксированных телефонных сетях значение коэффициента вариации часто
равно 2,2 [5]. Значение коэффициента вариации времени обслуживания также больше
единицы и в сетях профессиональной радиосвязи [5], для абонентов которых основными
являются два типа вызовов:
- внутрисетевой вызов или вызов к диспетчеру с оцениваемым средним
значением времени соединения, равным 20 секундам;
- вызов во внешнюю телефонную сеть с оцениваемым средним значением
продолжительности вызова в 2 минуты.
Если системы с коэффициентом вариации времени обслуживания большим
единицы оценивать с применением экспоненциального распределения, которое
предполагает (подразумевает), что распределение времени обслуживания имеет меньший
разброс значений, то вычисляемые показатели качества обслуживания могут быть
недооценены, и спланированные (расчетные) сетевые ресурсы могут на практике
оказаться недостаточными для обслуживания абонентов с заданным качеством.
Поэтому многими исследователями было предложено гиперэкспоненциальное
распределение времени обслуживания для моделирования времени обслуживания
абонентов (времени занятия канала радиосвязи в нашей моделируемой ситуации).
Плотность распределения вероятностей такого распределения выражается формулой:
R R
pH R (t ) = ∑ ρ i ⋅ µi ⋅ e −µi ⋅t , t ≥ 0, ∑ρ i = 1 (5)
i =1 i =1
Математическое ожидание и дисперсия случайной величины, распределенной по
гиперэкспоненциальному закону вычисляются по формулам:
R
ρ R
ρ
t=∑ i σ t2 = 2 ⋅ ∑ 2i (6)
i =1 µi i =1 µi
Коэффициент вариации гиперэкспоненциального распределения всегда больше или
равен единице [3]:
σt
cV = >=1 (7)
t
Физический смысл гиперэкспоненциального распределения довольно прост:
нетрудно заметить, что оно выражается суммой экспоненциальных распределений
различной интенсивности с весовыми коэффициентами, причем сумма весовых
коэффициентов равна единице. Таким образом, используется разложение распределения
времени обслуживания в набор составляющих показательных распределений с
соответствующими весовыми коэффициентами. Это аналогично тому, что после
поступления заявки на обслуживающий прибор, она с вероятностью, равной весовому
коэффициенту ρ i , обслуживается по показательному закону со средним значением
1
времени обслуживания . Схематически обслуживающий прибор, соответствующий
µi
такому распределению показан на рисунке 2.
Учитывая наличие в системе транкинговой радиосвязи в основном двух типов
вызовов с разным средним значением времени обслуживания, целесообразно
моделировать время обслуживания гиперэкспоненциальным распределением с R=2, то
есть с двумя слагаемыми в разложении. В этом случае интенсивности обслуживания μ 1 и
μ2 будут определяться средним временем обслуживания соответствующего типа вызова, а
весовые коэффициенты ρ1 и ρ2 в разложении будут соответствовать долям вызовов
соответствующего типа в сети транкинговой радиосвязи, что соответствует сделанным
выше предположениям относительно двух основных типов вызовов в транкинговых
радиосетях. Условное обозначение такого распределения H2.
Кроме того, распределения, входящие в разложение, являются экспоненциальными,
поэтому свойство отсутствия последействия сохраняется, позволяя использовать цепи
Маркова для моделирования системы (используя предложенный еще Эрлангом метод
этапов).
Предлагаемая Марковская модель представлена на рисунке 3. Обозначение в
теории массового обслуживания M/Н2/S/К/N. Значение параметра m=2S.
Эта модель аналогична модели представленной на рисунке 1, если рассматривать
состояния, находящиеся вертикально друг над другом, как альтернативные состояния
обслуживающих приборов системы. То есть, возвращаясь обратно к моделируемой
ситуации: радиоканал может обслуживать один из двух типов вызовов, и в зависимости от
типа вызова, будет занят большее или меньшее время. Поэтому индекс состояния
Марковской модели состоит из двух цифр – первая соответствует числу заявок в системе,
а вторая – комбинации поступивших в систему вызовов. Поскольку каждая поступающая
заявка на обслуживание может быть с определенными вероятностями одного из двух
типов в зависимости от типа поступившего вызова, то каждая поступающая заявка
увеличивает число комбинаций состояния обслуживающих приборов (а соответственно и
общую интенсивность обслуживания системы приборов) в два раза. При поступлении
новой заявки на установление соединения, система «выбирает» один из альтернативных
путей в цепи Маркова. Процесс перестает «ветвиться» после занятия всех
обслуживающих приборов, поскольку поступающая заявка становится в очередь на
обслуживание, и не изменяет интенсивность обслуживания. Это можно увидеть на
рисунке 3, проанализировав поведение систем в состояниях, находящихся левее и правее S
заявок. Введением различных несовместимых состояний обслуживающих приборов
системы мы получили многомерную Марковскую модель. Это несколько усложнило
задачу, но зато подобное введение позволило учесть более сложное и более
правдоподобное вероятностное распределение времени обслуживания, оставляя верным
свойство марковости описываемого процесса и позволяя использовать хорошо
разработанные математические методы анализа цепей Маркова.
Многомерную модель Маркова предлагается свести к одномерной путем
предложенной нумерации состояний и соответствующим изменением матрицы
интенсивностей переходов из состояния в состояние в соответствии с введенной
нумерацией. Номера состояний приведены на рисунке 3 в разрезах окружностей,
обозначающих состояния системы. Еще раз отметим, что введение данной нумерации
позволяет перейти к одномерной модели для проведения расчетов и не несет более
никакой смысловой нагрузки. Это увеличивает размер матрицы интенсивностей
переходов, но позволяет сохранить методы анализа, используемые для одномерных цепей
Маркова.
Определив матрицу интенсивностей переходов марковской цепи (алгоритмы не
приводятся в тексте статьи из-за их громоздкости, поскольку размер матрицы и значения
ее элементов зависят от значений параметров N, S, λ, μ1, μ2, ρ1 и ρ2. Правила заполнения
матрицы интенсивностей переходов можно вывести из рисунка 3 и приведенного выше
словесного описания системы.), решаем уравнение равновесия системы с наложением
нормирующего условия (2), получим стационарные вероятности состояний одномерной
марковской цепи p(m). Поскольку все состояния многомерной марковской модели (кроме
состояния i=0) представлены двумя или несколькими состояниями эквивалентной
одномерной марковской цепи, то изменим пределы суммирования в выражении (3) и
получим искомую вероятность ожидания:
( N − S +1)⋅2S −1
Pож = ∑ p(m) (8)
m =2 S

Предлагаемая и описанная в данном разделе модель является более общей по


сравнению с моделью, описанной в разделе 2.1. Общность предложенной модели
позволяет рассчитывать модель, описанную в разделе 2.1 (приняв R=1, ρ2=0, ρ1=1, μ1=μ).
Такой подход позволяет также моделировать большее количество типов вызовов,
используя R>2. Подбором параметров R, ρi, μi гиперэкспоненциального распределения
можно моделировать распределение нагрузки общего типа, полученное по результатам
статистических измерений в реальной сети связи. Единственное ограничение состоит в
том, что коэффициент вариации времени обслуживания (времени занятия канала) не
может быть меньше единицы, поскольку является свойством гиперэкспоненциального
распределения (7).
3 Примеры расчетов

Для проведения расчетов в соответствии с предложенной моделью была


разработана программа для математического пакета MATLAB, позволяющая проводить
вычисления вероятности ожидания (вероятности постановки вызова абонента в очередь на
ожидание установления соединения) при разных значениях и диапазонах значений
входных параметров модели. Использование данной программы позволяет моделировать
различные сценарии нагрузки на сеть и число частотных каналов при проектировании
системы стандарта TETRA, получая оценки качества обслуживания абонентов.
На рисунке 4 приведены результаты расчета вероятности ожидания установления
вызова в зависимости от числа абонентов в зоне обслуживания базовой станции для
следующих исходных данных:
1) число пользователей системы радиосвязи в одной соте – от 15 до 100, средняя
нагрузка от одного пользователя – 1 вызов в час;
2) число несущих стандарта TETRA (число приемопередатчиков базовой станции)
- 1, 2, 3. Соответственно, число каналов трафика (учитывая временное
мультиплексирование четырех логических каналов на одной несущей и один
канал сигнализации) S = 3, 7, 11.
3) средняя продолжительность внутрисетевого вызова 20 секунд, средняя
продолжительность телефонного вызова 120 секунд;
4) доля внутрисетевых вызовов в общем числе вызовов – 80%, доля телефонных
вызовов в общем числе вызовов – 20%.
Получившиеся в результате расчета зависимости изображены кривыми разных
цветов на графике. Кривая синего цвета соответствует одной несущей на базовой станции,
красного цвета – двум несущим, зеленого цвета – трем несущим. Установив допустимую
вероятность ожидания установления соединения равной 1%, для указанных параметров
нагрузки получим, что базовая станция с одной несущей может обслужить до 22
абонентов, с двумя несущими – до 45 абонентов, с тремя несущими – более 100 абонентов.
На рисунке 5 приведены результаты расчета вероятности ожидания установления
вызова при различных значениях соотношения типов вызовов в суммарной нагрузке
пользователей системы. Расчеты проведены для базовой станции с двумя несущими (S=7)
и средней нагрузке от одного пользователя, равной 5 вызовам в час. Средняя
продолжительность внутрисетевого вызова 20 секунд, средняя продолжительность
телефонного вызова 120 секунд. Зеленая кривая соответствует доле внутрисетевых
вызовов в общем числе вызовов – 80%, доле телефонных вызовов в общем числе вызовов
– 20%, красная кривая – 60% и 40% соответственно, синяя кривая – 40% и 60%. Как и
следовало ожидать, увеличение доли вызовов в телефонную сеть (с более
продолжительным средним временем занятия канала) увеличивает вероятность ожидания
установления соединения и требует большего числа каналов для сохранения требуемого
качества обслуживания абонентов.
Заключение

В статье предлагается аналитическая модель для расчета параметров качества


обслуживания абонентов в транкинговых сетях радиосвязи. Предложенная модель дает
более точную оценку по сравнению с формулами Эрланга, поскольку :
• учитывает неэкспоненциальный характер распределения времени обслуживания
вызовов абонентов;
• учитывает конечную популяцию (число) пользователей, что характерно для сетей
транкинговой профессиональной радиосвязи;
• позволяет учитывать различные сценарии нагрузки на сеть;
• может аппроксимировать распределение времени обслуживания абонентов
общего вида, полученное статистической обработкой результатов измерений в
реальной сети связи.
Модель может использоваться для предварительной оценки параметров качества
обслуживания абонентов транкинговых сетей стандарта TETRA и других стандартов.
С использованием разработанной программы вычислений, возможно:
- составление таблиц (номограмм),
- разработка законченного программного продукта с графическим интерфейсом
пользователя,
которые могут использоваться для быстрой оценки качества обслуживания
абонентов в различных сценариях нагрузки при проектировании сетей транкинговой
радиосвязи.

Благодарности

Автор хочет выразить благодарность д.т.н. Тихонову Д.А. за помощь в поиске


необходимого для проведения расчетов математического метода решения больших систем
линейных уравнений.

Литература

1. Овчинников А.М., Воробьев С.В., Сергеев С.И. Открытые стандарты цифровой


транкинговой радиосвязи. Серия изданий «Связь и бизнес», М. МЦНТИ –
Международный центр научной и технической информации, ООО «Мобильные
коммуникации», 2000.
2. Steppler M. Maximum number of users which can be served by TETRA systems//Aachen
university of technology proceedings.
3. Клейнрок Л. Теория массового обслуживания. Пер. с англ./Пер. И.И. Грушко; ред. В.И.
Нейман. – М.: Машиностроение, 1979.
4. Bolotin V. Telephone Circuit Holding Time Distributions// Proc. 14th International
Teletraffic Congress, p. 125 (1994).
5. Aguilar M., Barcelo F., Paradells J. Mean Waiting Time in the M/H2/s Queue: Application to
Mobile Communications Systems// IMACS’97, pp 577-582.
6. Подойницын Р.Н. Оценка производительности алгоритма случайного доступа к
радиоканалу, принятого в стандарте TETRA, в условиях радиоканалов с замираниями//
готовится к выходу в журнале «Электросвязь»
N ⋅λ ( N − 1) ⋅ λ (N − S) ⋅ λ
( N − S + 1) ⋅ λ λ

0 1 2 S S+1 N
µ 2⋅µ S⋅µ S⋅µ S⋅µ

Рисунок 1. Марковская цепь, описывающая состояние системы M/M/S/K/N


µ1
ρ1

ρ2

µ2

Рисунок 2. О бслуживающий прибор с гиперэкспоненциальным


распределением времени обслуживания H 2
Рисунок 4. Зависимость вероятности ожидания установления вызова от числа пользователей в соте при различном числе несущих базовой
станции
Рисунок 5. Зависимость вероятности ожидания установления вызова от числа пользователей в соте при различных сценариях
пользовательского трафика (различных распределениях времени обслуживания пользователей)

Оценить