CN103136599A - 一种移动数据流量动态预测方法 - Google Patents
一种移动数据流量动态预测方法 Download PDFInfo
- Publication number
- CN103136599A CN103136599A CN2013100784673A CN201310078467A CN103136599A CN 103136599 A CN103136599 A CN 103136599A CN 2013100784673 A CN2013100784673 A CN 2013100784673A CN 201310078467 A CN201310078467 A CN 201310078467A CN 103136599 A CN103136599 A CN 103136599A
- Authority
- CN
- China
- Prior art keywords
- city
- intelligence
- agriculture
- ratio
- flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种移动数据流量动态预测方法，包括以下步骤：预测地区通话用户数；换手机用户数；计算智能机和功能机换机用户比例；计算TD和非TD智能机、功能机换机用户比例；计算TD和非TD智能机、功能机换机用户数；计算城市和非城市TD智能机、非TD智能换机用户比例；计算城市TD智能机和非TD智能机换机用户数，以及非城市TD智能机和非TD智能机换机用户数；计算城市智能机净增用户占换机用户比例和非城市智能机净增用户占换机用户比例；计算智能机到达用户数；计算功能机到达用户数；计算智能机用户流量；计算功能机用户流量；计算TD客户驻留在T网的比例，计算得到城市和非城市各网承载流量。
Description
技术领域
本发明涉及一种通信运营商的移动数据流量动态预测方法，特别是一种基于SPD（Smartphone（智能手机）、Proportion of city/rural（城市、非城市比例）、Data traffic（数据流量））的移动数据流量动态预测方法。
背景技术
快速增长的移动数据流量给中国移动的网络带来了巨大的压力，特别是GSM网络的利用率居高不下，造成了语音质量下降的情况。同时，能够大量承载数据流量的TD网络利用率却较低，没有发挥应有的作用，造成投资浪费。因此，如何准确预测GSM和TD网络承载的流量，为建设提供准确指导一直是移动公司面临的难题之一。同时如何根据网络的负担情况，反向推导市场发展策略，从而减轻网络压力也一直是移动公司重点关注的内容。常用的流量预测思路为用户数乘以单用户流量，但对用户数的预测没有将用户细分为各终端类型，特别是智能机用户的预测缺少精确的模型，导致预测的准确度较低。
发明内容
发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于SPD的移动数据流量动态预测方法。
为了解决上述技术问题，本发明公开了一种移动数据流量动态预测方法，其特征在于，包括以下步骤：
步骤一，预测地区通话用户数X通话；
步骤二，预测地区换手机用户数Y换机；
步骤三，计算智能机和功能机换机用户比例S智、S功；
步骤四，计算TD和非TD智能机换机用户比例；
步骤五，计算TD和非TD功能机换机用户比例；
步骤六，计算TD和非TD智能机、TD和非TD功能机换机用户数；
步骤七，计算城市TD智能机换机用户比例和非城市TD智能机换机用户比例；
步骤八，计算城市非TD智能机换机用户比例和非城市非TD智能机换机用户比例；
步骤九，计算城市TD智能机和非TD智能机换机用户数，以及非城市TD智能机和非TD智能机换机用户数；
步骤十，计算城市智能机净增用户占换机用户比例和非城市智能机净增用户占换机用户比例；
步骤十一，计算智能机到达用户数；
步骤十二，计算功能机到达用户数；
步骤十三，计算智能机用户流量；
步骤十四，计算功能机用户流量；
步骤十五，计算TD客户驻留在T网的比例，得到TD客户驻留比例J驻留，从而计算得到城市和非城市各网承载流量。
本发明步骤一中，采用以下方法计算预测地区通话用户数X通话：统计i个月中每个月移动电话通话用户数X通话i，i≥10，将每个用户每月消费额、该地区人均可支配收入代入瑞利分布法公式计算得到通信消费极限值，将通信消费极限值和统计的每月通话用户数代入Logistic模型，计算得到地区通话用户数X通话；
本发明步骤二中，采用以下方法计算预测换手机用户数Y换机：对换手机用户数进行统计，得到i个月的换手机用户数Y换机i；将步骤一中统计的i个月中每个月移动电话通话用户数X通话i与换手机用户数Y换机i一一对应进行回归分析计算，得到常参数b1，b0。将b1、b0、X通话代入公式Y换机=b0+b1X通话，计算得到换手机用户数Y换机；
本发明步骤三中，采用以下方法计算预测智能机和功能机换机用户比例S智、S功：
将t个终端厂商的智能机出货比例和市场占有率代入以下公式：
S功=1-S智，
其中，X智t为第t个终端厂商的智能机出货比例，Z智t为第t个终端厂商的智能机市场占有率，S智为智能机换机用户比例，S功为功能机换机用户比例，m为统计的终端厂商样本的个数；
本发明步骤四中，对TD智能机换机用户比例进行统计，得到i个月的TD智能机换机用户比例PTD智i，将统计数据进行线性回归分析，得到TD智能机换机用户比例PTD智，则非TD智能机换机用户比例为1-PTD智；
本发明步骤五中，采用以下方法计算预测TD和非TD功能机换机用户比例：，对TD功能机换机用户比例进行统计，得到i个月的TD功能机换机用户比例PTD功i，代入公式
计算得到TD功能机换机用户比例，其中，n为统计的月数；
本发明步骤六中，采用以下方法计算TD和非TD智能机、TD和非TD功能机换机用户数：将Y换机、S智、S功、PTD智、PTD功代入以下公式：
YTD智换=Y换机×S智×PTD智，
Y非TD智换=Y换机×S智×（1-PTD智），
YTD功换=Y换机×S功×PTD功，
Y非TD功换=Y换机×S功×（1-PTD功）。
其中，YTD智换、Y非TD智换、YTD功换、Y非TD功换分别为TD智能机、非TD智能机、TD功能机和非TD功能机换机用户数；
本发明步骤七中，采用以下方法计算TD和非TD智能机、TD和非TD功能机换机用户数：对城市和非城市的通话用户数和TD智能机用户数进行统计，得到p个月的城市和非城市通话用户数E城p、E农p和TD智能机用户数F城TDp、F农TDp，p≥10，将统计数据代入以下公式计算：
X农发展p=1-X城发展p，
Y农TD比例p=1-X城TD比例p，
得到城市和非城市TD智能机发展潜力参数X城发展p、X农发展p和TD智能机用户比例参数Y城TD比例p、Y农TD比例P，将X城发展p进行线性回归分析，得到TD智能机发展潜力参数X城发展。
对城市和非城市居民的人均收入和月均通信消费进行统计，得到p个月的城市和非城市居民人均收入I城p、I农p和月均通信消费M城p、M农p，将统计数据代入公式计算：
X农消费p=1-X城消费p，
得到城市和非城市消费空间系数X城消费p、X农消费p，将X城消费p进行线性回归分析，得到消费空间系数X城消费。
将TD智能机用户比例参数Y城TD比例p，TD智能机发展潜力参数X城发展p，对消费空间系数X城消费p进行二元线性回归分析，得到线性回归方程：
Y城TD智比例=β城0+β城1X城发展+β城2X城消费+ε城，
Y农TD智比例=1-Y城TD智比例，
其中，β城0、β城1、β城2、ε城为回归参数，由二元线性回归计算得出。并将X城发展、X城消费代入回归方程，计算得到城市和非城市TD智能机换机比例；
本发明步骤八中，采用以下方法计算城市和非城市非TD智能机换机用户比例：对城市和非城市非TD智能机换机用户比例进行统计，得到p个月的城市和非城市非TD智能机换机用户比例Y城非TD智比例p、Y农非TD智比例p，将统计数据代入公式计算：
Y农非TD智比例=1-Y城非TD智比例，
得到对城市和非城市非TD智能机换机用户比例，其中，n为统计的月数；
本发明步骤九中，采用以下方法计算城市和非城市TD智能机、非TD智能机换机用户数：
将Y城TD智比例、Y农TD智比例、Y城非TD智比例、Y农非TD智比例代入公式计算：
Y城TD智换=YTD智换×Y城TD智比例，
Y农TD智换=YTD智换×Y农TD智比例，
Y城非TD智换=Y非TD智换×Y城非TD智比例，
Y农非TD智换=Y非TD智换×Y农非TD智比例，
得到城市和非城市的TD智能机、非TD智能机换机用户数，其中，Y城TD智换、Y城非TD智换、Y农TD智换、Y农非TD智换分别为城市TD智能机、城市非TD智能机、非城市TD智能机、非城市非TD智能机换机用户数；
本发明步骤十中，采用以下方法计算城市和非城市智能机净增用户占换机用户比例：
对城市和非城市智能机净增用户与到达用户数进行统计，得到p个月累计智能机净增和到达用户Y城TD智增p、Y城非TD智增p、Y农TD智增p、Y农非TD智增p和Y城TD智到达p、Y城非TD智到达p、Y农TD智到达p、Y农非TD智到达p，将统计数据代入公式计算：
得到城市和非城市智能机净增用户占换机用户比例，其中，Y城TD智增比为城市TD智能机净增用户占换机用户比例，Y城非TD智增比为城市非TD智能机净增用户占换机用户比例，Y农TD智增比为非城市TD智能机净增用户占换机用户比例，Y农非TD智增比为非城市非TD智能机净增用户占换机用户比例；
本发明步骤十一中，采用以下方法计算城市和非城市智能机到达用户数：
将Y城TD智增比、Y城非TD智增比、Y农TD智增比、Y农非TD智增比代入公式计算：
Y城TD智到达=Y城TD智到达p+Y城TD智换×Y城TD智增比，
Y城非TD智到达=Y城非TD智到达p+Y城非TD智换×Y城非TD智增比，
Y农TD智到达=Y农TD智到达p+Y农TD智换×Y农TD智增比，
Y农非TD智到达=Y农非TD智到达p+Y农非TD智换×Y农非TD智增比，
Y临时=X通话-Y城TD智到达-Y城非TD智到达-Y农TD智到达-Y农非TD智到达，
得到城市和非城市的TD智能机、非TD智能机换机用户数，其中，Y城TD智换、Y城非TD智换、Y农TD智换、Y农非TD智换分别为城市TD智能机、城市非TD智能机、非城市TD智能机、非城市非TD智能机换机用户数；
本发明步骤十二中，采用以下方法计算功能机到达用户数：对城市和非城市TD、非TD功能机用户数进行统计，得到城市和非城市TD、非TD功能机用户占功能机总用户比例Y城TD功比例、Y城非TD功比例、Y农TD功比例、Y农非TD功比例。将统计数据代入公式计算：
Y城TD功到达=Y临时×Y城TD功比例，
Y城非TD功到达=Y临时×Y城非TD功比例，
Y农TD功到达=Y临时×Y农TD功比例，
Y农非TD功到达=Y临时×Y农非TD功比例，
得到城市和非城市TD、非TD功能机用户占功能机用户比例Y城TD功比例、Y城非TD功比例、Y农TD功比例、Y农非TD功比例；
本发明步骤十三中，对各类型智能机用户月均通信消费和流量资费进行统计，得到p个月城市和非城市TD智能机和非TD智能机通信消费M城TD智p、M城非TD智p、M农TD智p、M农非TD智p及流量资费Hp，将统计数据代入公式计算：
得到城市和非城市TD/非TD智能机的极限流量K城TD智极限、K城非TD智极限、K农TD智极限、K农非TD智极限，其中，n为统计的月数。对城市和非城市智能机流量进行统计，分别得到p个月城市和非城市智能机流量Y城龚流量TD智p、Y城龚流量非TD智p、Y农龚流量TD智p、Y农龚流量非TD智p，将统计数据和极限流量进行线性回归分析，得回归方程：
Y城龚流量TD智=K城TD智极限×exp(-a城TD智×exp(-b城TD智×（p+6）))，
Y城龚流量非TD智=K城非TD智极限×exp(-a城非TD智×exp(-b城非TD智×（p+6）))，
Y农龚流量TD智=K农TD智极限×exp(-a农TD智×exp(-b农TD智×（p+6）))，
Y农龚流量非TD智=K农非TD智极限×exp(-a农非TD智×exp(-b农非TD智×（p+6）))，
其中，exp为常数e的指数函数；a城TD智、b城TD智、a城非TD智、b城非TD智、a农TD智、b农TD智、a农非TD智、b农非TD智为常参数，由回归方程计算得出。
将统计数据和极限流量进行Logistic曲线回归分析，得到回归方程：
其中，d城TD智、r城TD智、d城非TD智、r城非TD智、d农TD智、r农TD智、d农非TD智、r农非TD智为常参数，由回归方程计算得出。将以上由龚波兹曲线和Logistic曲线计算得出的智能机流量代入公式计算：
Y城TD智流量=0.5×(Y城龚流量TD智+Y城L流量TD智)，
Y城非TD智流量=0.5×(Y城龚流量非TD智+Y城L流量非TD智)，
Y农TD智流量=0.5×(Y农龚流量TD智+Y农L流量TD智)，
Y农非TD智流量=0.5×(Y农龚流量非TD智+Y农L流量非TD智)，
得到城市和非城市智能机流量；
本发明步骤十四中，对功能机用户流量进行统计，得到p个月的城市和非城市功能机用户流量Y城TD功流量p、Y城非TD功流量p、Y农TD功流量p、Y农非TD功流量p，将统计数据进行线性回归分析，得到城市和非城市功能机用户流量Y城TD功流量、Y城非TD功流量、Y农TD功流量、Y农非TD功流量；
步骤十五中，对TD客户驻留在T网的比例进行统计，得到TD客户驻留比例J驻留，从而计算得到城市和非城市各网承载流量，计算公式为：
T城市=（Y城TD智到达×Y城TD智流量+Y城TD功到达×Y城TD功流量）×J驻留，
G农村=Y农TD智到达×Y农TD智流量+Y农TD功到达×Y农TD功流量+Y农非TD智到达×Y农非TD智流量
+Y农非TD功到达×Y农非TD功流量
本发明从前后端联动的角度建立TD和GSM网络的数据流量预测模型。通过该模型对承载在TD和GSM网络的数据流量进行准确预测，从而有效指导网络建设。同时通过该模型，可根据网络流量承载情况反向推导市场策略，从而引导流量承载在TD网络，有效减小GSM网络的压力。
本发明的技术方案是：将智能手机、城市和非城市用户比例和单户用流量作为影响网络流量的关键因素。其中，对智能机用户数的预测，通过终端厂商智能机出货量确定智能机换机用户数。同时通过对TD和非TD智能机发展趋势进行回归分析，得到TD和非TD智能机换机用户数；对城市和非城市用户数预测，考虑用户发展空间、消费空间情况等影响因素，综合确定城市和非城市用户数比例；对单用户流量的预测，采用龚波兹曲线和Logistic曲线进行预测，并综合取定得到各终端类型的单用户流量；最后根据用户所在区域网络的覆盖情况，得到承载在TD和GSM网络的流量。
本发明在流量预测过程中克服了传统思路精细度低的缺点，将用户分为TD智能机、非TD智能机、TD功能机和非TD功能机四类。并以智能机换机用户为切入点，根据终端厂商出货情况，分别对四类手机用户预测。并根据用户所在区域的情况（城市、非城市），得到TD和GSM网络所承载的数据流量。同时本发明中的模型可根据网络承载的流量情况，反推前端市场策略，形成前后端联动的预测模型。
本发明以智能机换机用户数为切入点，通过换机用户和通话用户的相关关系得到预测期内的换机用户数。并以市场占有较高的t家终端厂商的智能机出货量为输入参数，预测换机用户中的智能机、功能机换机用户数；同时在区分智能机和功能机的基础上，进一步细分为TD和非TD手机，得到TD智能机、非TD智能机、TD功能机、非TD功能机的换机用户。在城市和非城市换机用户预测过程中，将TD智能机发展空间、消费空间作为影响因素，通过二元线性回归确定城市和非城市TD智能机换机用户比例。在流量预测过程中，以用户人均通信消费和流量资费为输入因子，计算用户的极限流量K，并运用龚波兹曲线和Logistic曲线拟合综合取定各终端类型的单用户流量。最后根据各终端类型用户所在区域的网络覆盖情况，计算分别承载在TD和GSM网络的数据流量。
有益效果：本发明的有益效果：准确把握影响网络承载流量的关键因素，克服了传统预测方法的不足，提高了移动数据流量预测的准确性。同时本发明还克服了传统城市和非城市用户预测精细度较低的难题，通过综合考虑城市和非城市TD智能机发展空间、消费空间情况等因素，有效提高预测的精确性。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。
图1为本方法实施例示意图。
具体实施方式
本发明公开了一种移动数据流量动态预测方法，包括以下步骤：
步骤一：预测地区移动电话通话用户数X通话。对地区移动电话用户月均通信消费额（可查询地区通信管理局统计公报）、人均可支配收入（可查询地区经济年鉴）、每个月的移动电话通话用户数X通话i（可查询地区通信管理局统计公报）进行统计，得到i（i≥10）个月以上的相关历史数据。将月均通信消费额、人均可支配收入数据代入瑞利分布公式，计算得到人均通信消费极限值。再将通信消费极限值和移动电话通话用户数代入Logistic模型，计算得到地区移动电话通话用户数X通话。本步骤为较成熟的预测方法，具体实施过程可参考论文《移动电话用户预测中Logistic模型和瑞利分布的综合运用》（杭州电子科技大学学报，Vol.26,No.3,Jun.2006）进行。
步骤二：预测换手机用户数Y换机。对换手机用户数（可查询地区移动公司市场分析报告）进行统计，得到i个月的换手机用户数Y换机i。将步骤一中统计的移动电话通话用户数X通话i与本步骤中的换手机用户数Y换机i进行回归分析计算，得到常参数b1，b0，计算公式为：
其中，
为通话用户的平均数；
为换手机用户的平均数；w为统计数据的月数。
将b1、b0、X通话代入公式，计算得到换手机用户数Y换机，计算公式为：
Y换机=b0+b1X通话。
步骤三：智能机/功能机换机用户比例S智、S功预测。对市场上主要终端厂商的智能机出货比例和市场占有率（可查询终端厂商生产计划报告）进行统计，分别得到t（t≥5）个终端厂商的智能机出货比例X智t和市场占有率Z智t。将统计数据代入公式计算，得到智能机/功能机换机用户比例，计算公式为：
S功=1-S智，
其中，m为统计的终端厂商个数。
步骤四：预测TD-SCDMA（以下简称TD）和非TD-SCDMA（以下简称非TD）智能机换机用户比例。对TD智能机换机用户比例（可查询地区移动公司市场分析报告）进行统计，得到i个月的TD智能机换机用户比例PTD智i。将统计数据输入“统计产品与服务解决方案”软件（Statistical Product and Service Solutions，由“析数软件（上海）有限公司”出售，以下简称SPSS）进行线性回归分析（本发明中的所有回归分析都可以采用该软件获得，当然也可以采用其他软件获得）得到TD智能机换机用户比例PTD智，则非TD智能机换机用户比例为1-PTD智。
步骤五：TD和非TD功能机换机用户比例预测。对TD功能机换机用户比例（可查询地区移动公司市场分析报告）进行统计，得到i个月的TD功能机换机用户比例PTD功i，代入公式计算，得到TD功能机换机用户比例，计算公式为：
其中，w为统计数据的月数。
则非TD功能机用户换机比例为1-PTD功。
步骤六：将Y换机、S智、S功、PTD智、PTD功代入公式计算，得到TD和非TD智能机、TD和非TD功能机换机用户数，计算公式为：
YTD智换=Y换机×S智×PTD智，
Y非TD智换=Y换机×S智×（1-PTD智），
YTD功换=Y换机×S功×PTD功，
Y非TD功换=Y换机×S功×（1-PTD功），
其中，YTD智换、Y非TD智换、YTD功换、Y非TD功换分别为TD智能机、非TD智能机、TD功能机和非TD功能机换机用户数。
步骤七：城市和非城市TD智能机换机用户预测。对城市和非城市的通话用户数（可查询地区移动公司市场分析报告）和TD智能机用户数（可查询地区移动公司市场分析报告）进行统计，得到p（p≥10）个月的城市和非城市通话用户数E城p、E农p和TD智能机用户数F城TDp、F农TDp。将统计数据代入公式计算，得到城市和非城市TD智能机发展潜力参数X城发展p、X农发展p和TD智能机用户比例参数Y城TD比例p、Y农TD比例P，计算公式为：
X农发展p=1-X城发展p，
Y农TD比例p=1-X城TD比例p，
将X城发展p输入SPSS软件进行线性回归分析，得到TD智能机发展潜力参数X城发展。
对城市和非城市居民的人均收入（可查询地区经济年鉴）和月均通信消费（可查询地区通信管理局统计公报）进行统计，得到p个月的城市和非城市居民人均收入I城p、I农p和月均通信消费M城p、M农p。将统计数据代入公式计算，得到城市和非城市消费空间系数X城消费p、X农消费p，计算公式为：
X农消费p=1-X城消费p，
将X城消费p输入SPSS软件进行线性回归分析，得到消费空间系数X城消费。
将TD智能机用户比例参数Y城TD比例p，TD智能机发展潜力参数X城发展p，消费空间系数X城消费p输入SPSS软件进行二元线性回归分析，得到线性回归方程。并将X城发展、X城消费代入回归方程，计算得到城市和非城市TD智能机换机比例，计算公式为：
Y城TD智比例=β城0+β城1X城发展+β城2X城消费+ε城，
Y农TD智比例=1-Y城TD智比例，
其中，β城0、β城1、β城2、ε城为回归参数，由SPSS软件二元线性回归计算得出。
步骤八：对城市和非城市非TD智能机换机用户比例（可查询地区移动公司市场分析报告）进行统计，得到p个月的城市和非城市非TD智能机换机用户比例Y城非TD智比例p、Y农非TD智比例p。将统计数据代入公式计算，得到对城市和非城市非TD智能机换机用户比例，计算公式为：
Y农非TD智比例=1-Y城非TD智比例，
其中，n为统计数据的月数。
步骤九：将Y城TD智比例、Y农TD智比例、Y城非TD智比例、Y农非TD智比例代入公式，计算得到城市和非城市的TD智能机、非TD智能机换机用户数，计算公式为：
Y城TD智换=YTD智换×Y城TD智比例，
Y农TD智换=YTD智换×Y农TD智比例，
Y城非TD智换=Y非TD智换×Y城非TD智比例，
Y农非TD智换=Y非TD智换×Y农非TD智比例，
其中，Y城TD智换、Y城非TD智换、Y农TD智换、Y农非TD智换分别为城市TD智能机、城市非TD智能机、非城市TD智能机、非城市非TD智能机换机用户数。
步骤十：对城市和非城市智能机净增用户与到达用户数（可查询地区移动公司市场分析报告）进行统计，得到p个月累计智能机净增和到达用户Y城TD智增p、Y城非TD智增p、Y农TD智增p、Y农非TD智增p和Y城TD智到达p、Y城非TD智到达p、Y农TD智到达p、Y农非TD智到达p。将统计数据代入公式计算，得到城市和非城市智能机净增用户占换机用户比例，计算公式为：
其中，Y城TD智增比为城市TD智能机净增用户占换机用户比例，Y城非TD智增比为城市非TD智能机净增用户占换机用户比例，Y农TD智增比为非城市TD智能机净增用户占换机用户比例，Y农非TD智增比为非城市非TD智能机净增用户占换机用户比例。
步骤十一：将Y城TD智增比、Y城非TD智增比、Y农TD智增比、Y农非TD智增比代入公式计算，得到城市和非城市智能机到达用户数，计算公式为：
Y城TD智到达=Y城TD智到达p+Y城TD智换×Y城TD智增比，
Y城非TD智到达=Y城非TD智到达p+Y城非TD智换×Y城非TD智增比，
Y农TD智到达=Y农TD智到达p+Y农TD智换×Y农TD智增比，
Y农非TD智到达=Y农非TD智到达p+Y农非TD智换×Y农非TD智增比，
Y临时=X通话-Y城TD智到达-Y城非TD智到达-Y农TD智到达-Y农非TD智到达。
步骤十二：对城市和非城市TD、非TD功能机用户数（可查询地区移动公司市场分析报告）进行统计，得到城市和非城市TD、非TD功能机用户占功能机用户比例Y城TD功比例、Y城非TD功比例、Y农TD功比例、Y农非TD功比例。将统计数据代入公式计算，得到功能机到达用户数，计算公式为：
Y城TD功到达=Y临时×Y城TD功比例，
Y城非TD功到达=Y临时×Y城非TD功比例，
Y农TD功到达=Y临时×Y农TD功比例，
Y农非TD功到达=Y临时×Y农非TD功比例。
步骤十三：智能机用户流量预测。对各类型智能机用户月均通信消费和流量资费（可查询地区移动公司市场分析报告）进行统计，得到p个月城市和非城市TD智能机和非TD智能机通信消费M城TD智p、M城非TD智p、M农TD智p、M农非TD智p及流量资费Hp。将统计数据代入公式计算，得到城市和非城市TD和非TD智能机的极限流量K城TD智极限、K城非TD智极限、K农TD智极限、K农非TD智极限，计算公式为：
其中，n为统计数据的月数。
对城市和非城市智能机流量（可查询地区移动公司市场分析报告）进行统计，分别得到p个月城市和非城市智能机流量Y城龚流量TD智p、Y城龚流量非TD智p、Y农龚流量TD智p、Y农龚流量非TD智p，将统计数据和极限流量输入SPSS进行线性回归分析，得回归方程：
Y城龚流量TD智=K城TD智极限×exp(-a城TD智×exp(-b城TD智×（p+6）))，
Y城龚流量非TD智=K城非TD智极限×exp(-a城非TD智×exp(-b城非TD智×（p+6）))，
Y农龚流量TD智=K农TD智极限×exp(-a农TD智×exp(-b农TD智×（p+6）))，
Y农龚流量非TD智=K农非TD智极限×exp(-a农非TD智×exp(-b农非TD智×（p+6）))，
其中，exp为常数e的指数函数；a城TD智、b城TD智、a城非TD智、b城非TD智、a农TD智、b农TD智、a农非TD智、b农非TD智为常参数，由SPSS软件计算得出。
将统计数据和极限流量输入SPSS进行Logistic曲线回归分析，得到回归方程：
其中，d城TD智、r城TD智、d城非TD智、r城非TD智、d农TD智、r农TD智、d农非TD智、r农非TD智为常参数，由SPSS软件计算得出。
将以上由龚波兹曲线和Logistic曲线计算得出的智能机流量代入公式计算，得到城市和非城市智能机流量，计算公式为：
Y城TD智流量=0.5×(Y城龚流量TD智+Y城L流量TD智)，
Y城非TD智流量=0.5×(Y城龚流量非TD智+Y城L流量非TD智)，
Y农TD智流量=0.5×(Y农龚流量TD智+Y农L流量TD智)，
Y农非TD智流量=0.5×(Y农龚流量非TD智+Y农L流量非TD智)。
步骤十四：功能机用户流量预测。对功能机用户流量（可查询地区移动公司市场分析报告）进行统计，得到p个月的城市和非城市功能机用户流量Y城TD功流量p、Y城非TD功流量p、Y农TD功流量p、Y农非TD功流量p。将统计数据输入SPSS软件进行线性回归分析，得到城市和非城市功能机用户流量Y城TD功流量、Y城非TD功流量、Y农TD功流量、Y农非TD功流量。
步骤十五：对TD客户驻留在T网的比例进行统计（可查询地区移动公司网络质量分析报告），得到TD客户驻留比例J驻留。将城市和非城市各终端流量代入公式，计算得到城市和非城市各网承载流量，计算公式为：
T城市=（Y城TD智到达×Y城TD智流量+Y城TD功到达×Y城TD功流量）×J驻留，
G农村=Y农TD智到达×Y农TD智流量+Y农TD功到达×Y农TD功流量+Y农非TD智到达×Y农非TD智流量
。
+Y农非TD功到达×Y农非TD功流量
本发明所述数据可以采集自各“地区移动公司网络质量分析报告”，各“地区移动公司市场分析报告”、各“地区经济年鉴”、各“地区通信管理局统计公报”，各“终端厂商生产计划报告”以及各“地区经济年鉴”，从而确保了本发明的可行性和可靠性。
实施例1
如图1所示，为验证本发明方法的准确性，采用1年的样本数据进行流量预测，将预测结果与2012年实际产生的数据流量进行偏差分析，以获取预测方法的准确度。其中，样本数据来源为云南省通信管理局公布的云南移动公司2011年运营情况统计报告，数据表1：
表1
根据步骤一的方法，对云南移动2012年通话用户数X通话预测，结果为2981万户。
根据步骤二的方法，对换手机用户与通话用户进行回归分析，得到回归方程Y换机=316293+0.038X通话。将X通话用户数代入回归方程，得到2012年换手机用户为1391万户。
根据步骤三的方法，工信部电信研究院的2012年手机行业运营状况统计报告，2012年智能手机出货量占比S智为56.3%，功能机出货量占比S功为43.7%。
根据步骤四的方法，将TD智能机换机用户比例PTD智i输入SPSS软件进行线性回归分析，得到TD智能机换机用户比例为51.3%，非TD智能机换机用户比例为48.7%。
根据步骤五的方法，将TD功能机换机用户比例PTD功i代入公式，计算得到TD功能机换机用户比例为7.6%，非TD功能机换机用户比例为92.4%。
根据步骤六的方法，将Y换机、S智、S功、PTD智、PTD功代入公式，计算得到各类型终端的换机用户数见表2：
表2
| 单位：户 | 2012年 |
| TD智能机换机用户 | 4017372 |
| 非TD智能机换机用户 | 3813762 |
| TD功能机换机用户 | 461967 |
| 非TD功能机换机用户 | 5616551 |
根据步骤七，将统计数据输入SPSS软件，计算得到城市TD智能机换机用户比例为68.2%，非城市TD智能机换机用户比例为31.8%。
根据步骤八，计算得到城市非TD智能机换机用户比例为80.4%，非城市非TD智能机换机用户比例为19.6%。
根据步骤九，计算得到城市和非城市的TD智能机、非TD智能机换机用户数见表3：
表3
根据步骤十，计算得到城市TD智能机净增用户占换机用户比例70.2%，非城市TD智能机净增用户占换机用户比例75.3%，城市非TD智能机净增用户占换机用户比例52.3%，非城市TD智能机净增用户占换机用户比例47.9%。
根据步骤十一，计算得到智能机到达用户数见表4：
表4：
根据步骤十二，计算得到功能机到达用户见表5：
表5：
对各类型终端用户流量进行分析，样本数据如表6：
表6
根据步骤十三和步骤十四，计算得到各终端用户人均流量见表7：
表7：
则各类型终端的流量见表8：
表8：
根据步骤十五，得到TD网络和GSM网络承载的流量见表9：
表9：
将预测结果与云南移动2012年实际数据流量进行比较，T网承载流量偏差为6.7%、城市G网承载流量偏差为5.06%、非城市G网承载流量偏差为5.39%，见表10。
表10：
可见本实施例可见发明的方法预测结果偏差较小、准确度高，具有较高的实用性。实施例2
为了进一步验证本申请所述方法的重复性、再现性和准确性。本实施例还分别采用四川、贵州、重庆地区2011年1月到2011年12月的相关数据进行本申请方法的移动数据流量动态预测计算，并将预测结果与2012年各地区实际发生值进行对比，以检测预测方法的准确性。预测的准确性可见表11～表13，通过三个表的数据对比可以看出，本发明方法基本准确地计算了流量，偏差度在5%左右，具有技术上的以及统计学意义上的再现性。
表11：
表12：
表13：
本发明提供了一种移动数据流量动态预测方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (10)
1.一种移动数据流量动态预测方法，其特征在于，包括以下步骤：
步骤一，预测地区通话用户数X通话；
步骤二，预测地区换手机用户数Y换机；
步骤三，计算智能机和功能机换机用户比例S智、S功；
步骤四，计算TD和非TD智能机换机用户比例；
步骤五，计算TD和非TD功能机换机用户比例；
步骤六，计算TD和非TD智能机、TD和非TD功能机换机用户数；
步骤七，计算城市TD智能机换机用户比例和非城市TD智能机换机用户比例；
步骤八，计算城市非TD智能机换机用户比例和非城市非TD智能机换机用户比例；
步骤九，计算城市TD智能机和非TD智能机换机用户数，以及非城市TD智能机和非TD智能机换机用户数；
步骤十，计算城市智能机净增用户占换机用户比例和非城市智能机净增用户占换机用户比例；
步骤十一，计算智能机到达用户数；
步骤十二，计算功能机到达用户数；
步骤十三，计算智能机用户流量；
步骤十四，计算功能机用户流量；
步骤十五，计算TD客户驻留在T网的比例，得到TD客户驻留比例J驻留，从而计算得到城市和非城市各网承载流量。
2.根据权利要求1所述的一种移动数据流量动态预测方法，其特征在于，
步骤一中，采用以下方法计算地区通话用户数X通话：统计i个月中每个月移动电话通话用户数X通话i，i≥10，将每个用户每月消费额、该地区人均可支配收入代入瑞利分布法公式计算得到通信消费极限值，将通信消费极限值和统计的每月通话用户数代入Logistic模型，计算得到地区通话用户数X通话。
3.根据权利要求2所述的一种移动数据流量动态预测方法，其特征在于，
步骤二中，采用以下方法计算换手机用户数Y换机：对换手机用户数进行统计，得到i 个月的换手机用户数Y换机i；将步骤一中统计的i个月中每个月移动电话通话用户数X通话i与换手机用户数Y换机i一一对应进行回归分析计算，得到常参数b1，b0。将b1、b0、X通话代入公式Y换机=b0+b1X通话，计算得到换手机用户数Y换机。
4.根据权利要求3所述的一种移动数据流量动态预测方法，其特征在于，
步骤三中，采用以下方法计算智能机和功能机换机用户比例S智、S功：
将t个终端厂商的智能机出货比例和市场占有率代入以下公式：
S功=1-S智，
其中，X智t为第t个终端厂商的智能机出货比例，Z智t为第t个终端厂商的智能机市场占有率，S智为智能机换机用户比例，S功为功能机换机用户比例，m为统计的终端厂商样本的个数。
5.根据权利要求4所述的一种移动数据流量动态预测方法，其特征在于，
步骤四中，对TD智能机换机用户比例进行统计，得到i个月的TD智能机换机用户比例PTD智i，将统计数据进行线性回归分析，得到TD智能机换机用户比例PTD智，则非TD智能机换机用户比例为1-PTD智。
6.根据权利要求5所述的一种移动数据流量动态预测方法，其特征在于，
步骤五中，对TD功能机换机用户比例进行统计，得到i个月的TD功能机换机用户比例PTD功i，代入公式
计算得到TD功能机换机用户比例，其中，n为统计的月数。
7.根据权利要求6所述的一种移动数据流量动态预测方法，其特征在于，
步骤六中，将Y换机、S智、S功、PTD智、PTD功代入以下公式计算：
YTD智换=Y换机×S智×PTD智，
Y非TD智换=Y换机×S智×（1-PTD智），
YTD功换=Y换机×S功×PTD功，
Y非TD功换=Y换机×S功×（1-PTD功），
得到TD和非TD智能机、TD和非TD功能机换机用户数，其中，YTD智换、Y非TD智换、YTD功换、Y非TD功换分别为TD智能机、非TD智能机、TD功能机和非TD功能机换机用户数。
8.根据权利要求7所述的一种移动数据流量动态预测方法，其特征在于，
步骤七中，对城市和非城市的通话用户数和TD智能机用户数进行统计，得到p个月的城市和非城市通话用户数E城p、E农p和TD智能机用户数F城TDp、F农TDp，p≥10，将统计数据代入以下公式计算：
X农发展p=1-X城发展p，
Y农TD比例p=1-X城TD比例p，
得到城市和非城市TD智能机发展潜力参数X城发展p、X农发展p和TD智能机用户比例参数Y城TD比例p、Y农TD比例P，将X城发展p进行线性回归分析，得到TD智能机发展潜力参数X城发展。
对城市和非城市居民的人均收入和月均通信消费进行统计，得到p个月的城市和非城市居民人均收入I城p、I农p和月均通信消费M城p、M农p，将统计数据代入公式计算：
X农消费p=1-X城消费p，
得到城市和非城市消费空间系数X城消费p、X农消费p，将X城消费p进行线性回归分析，得到消费空间系数X城消费。
将TD智能机用户比例参数Y城TD比例p，TD智能机发展潜力参数X城发展p，消费空间系数X城消费p进行二元线性回归分析，得到线性回归方程：
Y城TD智比例=β城0+β城1X城发展+β城2X城消费+ε城，
Y农TD智比例=1-Y城TD智比例，
其中，β城0、β城1、β城2、ε城为回归参数，由二元线性回归计算得出。并将X城发展、X城消费代入回归方程，计算得到城市和非城市TD智能机换机比例；
步骤八中，对城市和非城市非TD智能机换机用户比例进行统计，得到p个月的城市和非城市非TD智能机换机用户比例Y城非TD智比例p、Y农非TD智比例p，将统计数据代入公式计算：
Y农非TD智比例=1-Y城非TD智比例，
得到对城市和非城市非TD智能机换机用户比例，其中，n为统计的月数。
9.根据权利要求8所述的一种移动数据流量动态预测方法，其特征在于，
步骤九中，将Y城TD智比例、Y农TD智比例、Y城非TD智比例、Y农非TD智比例代入公式计算：
Y城TD智换=YTD智换×Y城TD智比例，
Y农TD智换=YTD智换×Y农TD智比例，
Y城非TD智换=Y非TD智换×Y城非TD智比例，
Y农非TD智换=Y非TD智换×Y农非TD智比例，
得到城市和非城市的TD智能机、非TD智能机换机用户数，其中，Y城TD智换、Y城非TD智换、 Y农TD智换、Y农非TD智换分别为城市TD智能机、城市非TD智能机、非城市TD智能机、非城市非TD智能机换机用户数。
10.根据权利要求9所述的一种移动数据流量动态预测方法，其特征在于，
步骤十中，对城市和非城市智能机净增用户与到达用户数进行统计，得到p个月累计智能机净增和到达用户Y城TD智增p、Y城非TD智增p、Y农TD智增p、Y农非TD智增p和Y城TD智到达p、Y城非TD智到达p、Y农TD智到达p、Y农非TD智到达p，将统计数据代入公式计算：
得到城市和非城市智能机净增用户占换机用户比例。其中，Y城TD智增比为城市TD智能机净增用户占换机用户比例，Y城非TD智增比为城市非TD智能机净增用户占换机用户比例，Y农TD智增比为非城市TD智能机净增用户占换机用户比例，Y农非TD智增比为非城市非TD智能机净增用户占换机用户比例；
步骤十一中，将Y城TD智增比、Y城非TD智增比、Y农TD智增比、Y农非TD智增比代入公式计算：
Y城TD智到达=Y城TD智到达p+Y城TD智换×Y城TD智增比，
Y城非TD智到达=Y城非TD智到达p+Y城非TD智换×Y城非TD智增比，
Y农TD智到达=Y农TD智到达p+Y农TD智换×Y农TD智增比，
Y农非TD智到达=Y农非TD智到达p+Y农非TD智换×Y农非TD智增比，
Y临时=X通话-Y城TD智到达-Y城非TD智到达-Y农TD智到达-Y农非TD智到达，
得到城市和非城市的TD智能机、非TD智能机换机用户数，其中，Y城TD智换、Y城非TD智换、Y农TD智换、Y农非TD智换分别为城市TD智能机、城市非TD智能机、非城市TD智能机、非城市非TD智能机换机用户数；
步骤十二中，对城市和非城市TD、非TD功能机用户数进行统计，得到城市和非城市TD、非TD功能机用户占功能机总用户比例Y城TD功比例、Y城非TD功比例、Y农TD功比例、Y农非TD功比例。将统计数据代入公式计算：
Y城TD功到达=Y临时×Y城TD功比例，
Y城非TD功到达=Y临时×Y城非TD功比例，
Y农TD功到达=Y临时×Y农TD功比例，
Y农非TD功到达=Y临时×Y农非TD功比例，
得到城市和非城市功能机到达用户数，其中Y城TD功到达、Y城非TD功到达、Y农TD功到达、Y农非TD功到达分别为城市TD功能机到达用户数、城市非TD功能机到达用户数、非城市TD功能机到达用户数、非城市非TD功能机达到用户数；
步骤十三中，对各类型智能机用户月均通信消费和流量资费进行统计，得到p个月城市和非城市TD智能机和非TD智能机通信消费M城TD智p、M城非TD智p、M农TD智p、M农非TD智p及流量资费Hp，将统计数据代入公式计算：
得到城市和非城市TD/非TD智能机的极限流量K城TD智极限、K城非TD智极限、K农TD智极限、K农非TD智极限，其中，n为统计的月数。对城市和非城市智能机流量进行统计，分别得到p个月城市和非城市智能机流量Y城龚流量TD智p、Y城龚流量非TD智p、Y农龚流量TD智p、Y农龚流量非TD智p，将统计数据和计算得出的极限流量进行线性回归分析，得回归方程：
Y城龚流量TD智=K城TD智极限×exp(-a城TD智×exp(-b城TD智×（p+6）))，
Y城龚流量非TD智=K城非TD智极限×exp(-a城非TD智×exp(-b城非TD智×（p+6）))，
Y农龚流量TD智=K农TD智极限×exp(-a农TD智×exp(-b农TD智×（p+6）))，
Y农龚流量非TD智=K农非TD智极限×exp(-a农非TD智×exp(-b农非TD智×（p+6）))，
其中，exp为常数e的指数函数；a城TD智、b城TD智、a城非TD智、b城非TD智、a农TD智、b农TD智、a农非TD智、b农非TD智为常参数，由回归方程计算得出。
将统计数据和极限流量进行Logistic曲线回归分析，得到回归方程：
其中，d城TD智、r城TD智、d城非TD智、r城非TD智、d农TD智、r农TD智、d农非TD智、r农非TD智为常参数，由回归方程计算得出。将以上由龚波兹曲线和Logistic曲线计算得出的智能机流量代入公式计算：
Y城TD智流量=0.5×(Y城龚流量TD智+Y城L流量TD智)，
Y城非TD智流量=0.5×(Y城龚流量非TD智+Y城L流量非TD智)，
Y农TD智流量=0.5×(Y农龚流量TD智+Y农L流量TD智)，
Y农非TD智流量=0.5×(Y农龚流量非TD智+Y农L流量非TD智)，
得到城市和非城市智能机流量；
步骤十四中，对功能机用户流量进行统计，得到p个月的城市和非城市功能机用户流量Y城TD功流量p、Y城非TD功流量p、Y农TD功流量p、Y农非TD功流量p，将统计数据进行线性回归分析，得到城市和非城市功能机用户流量Y城TD功流量、Y城非TD功流量、Y农TD功流量、Y农非TD功流量；
步骤十五中，对TD客户驻留在T网的比例进行统计，得到TD客户驻留比例J驻留，从而计算得到城市和非城市各网承载流量，计算公式为：
T城市=（Y城TD智到达×Y城TD智流量+Y城TD功到达×Y城TD功流量）×J驻留，
G农村=Y农TD智到达×Y农TD智流量+Y农TD功到达×Y农TD功流量+Y农非TD智到达×Y农非TD智流量
+Y农非TD功到达×Y农非TD功流量
。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310078467.3A CN103136599B (zh) | 2013-03-11 | 2013-03-11 | 一种移动数据流量动态预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310078467.3A CN103136599B (zh) | 2013-03-11 | 2013-03-11 | 一种移动数据流量动态预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103136599A true CN103136599A (zh) | 2013-06-05 |
| CN103136599B CN103136599B (zh) | 2016-06-29 |
Family
ID=48496408
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310078467.3A Active CN103136599B (zh) | 2013-03-11 | 2013-03-11 | 一种移动数据流量动态预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103136599B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104966212A (zh) * | 2015-06-04 | 2015-10-07 | 北京京东尚科信息技术有限公司 | 用户移动化程度的检测方法及应用方法 |
| CN106899446A (zh) * | 2015-12-21 | 2017-06-27 | 中国移动通信集团内蒙古有限公司 | 一种流量预测方法及装置 |
| CN107295572A (zh) * | 2016-04-11 | 2017-10-24 | 北京搜狗科技发展有限公司 | 一种动态自适应限流方法及电子设备 |
| CN108234198A (zh) * | 2017-12-19 | 2018-06-29 | 清华大学 | 一种基站流量预测方法和设备 |
| CN108490464A (zh) * | 2018-03-21 | 2018-09-04 | 千寻位置网络有限公司 | 一种适用于消费类终端的网络rtk播发方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080091483A1 (en) * | 2006-09-29 | 2008-04-17 | Nortel Networks Limited | Method and system for predicting the adoption of services, such as telecommunication services |
| CN102355381A (zh) * | 2011-08-18 | 2012-02-15 | 网宿科技股份有限公司 | 自适应的差分自回归移动平均模型的流量预测方法和系统 |
| CN102869033A (zh) * | 2012-09-21 | 2013-01-09 | 西南交通大学 | 基于arma-arch模型族的gsm通信系统gprs数据业务的预测方法 |
-
2013
- 2013-03-11 CN CN201310078467.3A patent/CN103136599B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080091483A1 (en) * | 2006-09-29 | 2008-04-17 | Nortel Networks Limited | Method and system for predicting the adoption of services, such as telecommunication services |
| CN102355381A (zh) * | 2011-08-18 | 2012-02-15 | 网宿科技股份有限公司 | 自适应的差分自回归移动平均模型的流量预测方法和系统 |
| CN102869033A (zh) * | 2012-09-21 | 2013-01-09 | 西南交通大学 | 基于arma-arch模型族的gsm通信系统gprs数据业务的预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈科帆: "基于前后端联动的移动数据流量预测模型构建研究", 《通信与信息技术》, no. 6, 30 November 2012 (2012-11-30) * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104966212A (zh) * | 2015-06-04 | 2015-10-07 | 北京京东尚科信息技术有限公司 | 用户移动化程度的检测方法及应用方法 |
| CN104966212B (zh) * | 2015-06-04 | 2018-09-18 | 北京京东尚科信息技术有限公司 | 用户移动化程度的检测方法及应用方法 |
| CN106899446A (zh) * | 2015-12-21 | 2017-06-27 | 中国移动通信集团内蒙古有限公司 | 一种流量预测方法及装置 |
| CN106899446B (zh) * | 2015-12-21 | 2019-12-10 | 中国移动通信集团内蒙古有限公司 | 一种流量预测方法及装置 |
| CN107295572A (zh) * | 2016-04-11 | 2017-10-24 | 北京搜狗科技发展有限公司 | 一种动态自适应限流方法及电子设备 |
| CN108234198A (zh) * | 2017-12-19 | 2018-06-29 | 清华大学 | 一种基站流量预测方法和设备 |
| CN108234198B (zh) * | 2017-12-19 | 2020-07-07 | 清华大学 | 一种基站流量预测方法和设备 |
| CN108490464A (zh) * | 2018-03-21 | 2018-09-04 | 千寻位置网络有限公司 | 一种适用于消费类终端的网络rtk播发方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103136599B (zh) | 2016-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Feng et al. | Joint service pricing and cooperative relay communication for federated learning | |
| Chen et al. | Deep mobile traffic forecast and complementary base station clustering for C-RAN optimization | |
| CN103136599A (zh) | 一种移动数据流量动态预测方法 | |
| Bernard et al. | Products and productivity | |
| CN102938742B (zh) | 基于电力业务需求的通信带宽预测方法及装置 | |
| CN101304590B (zh) | 移动通信网络的无线网络容量确定装置及方法 | |
| CN109978608A (zh) | 目标用户画像的营销标签分析提取方法及系统 | |
| CN105873087B (zh) | 一种网络指标预测方法、装置及电子设备 | |
| CN113256022B (zh) | 一种台区用电负荷预测方法及系统 | |
| CN106991577A (zh) | 一种确定目标用户的方法及装置 | |
| CN107527240A (zh) | 一种运营商行业产品口碑营销效果鉴定系统及方法 | |
| CN109902930A (zh) | 一种基于实有人口指标的配套设施规划辅助系统 | |
| CN110198347A (zh) | 一种基于区块链的预警方法及分控服务器 | |
| CN106714223A (zh) | 一种基站能耗模型的建立方法及装置 | |
| CN114004654A (zh) | 基于大数据分析的互联网卡用户画像构建方法及系统 | |
| CN101247434A (zh) | 一种话务分析方法及系统 | |
| CN108492058A (zh) | 一种线损管理方法 | |
| CN103916870B (zh) | 四网协同综合分析系统及方法 | |
| CN105681287A (zh) | 基于筛选规则的用户服务分配筛选方法 | |
| CN101198091A (zh) | 一种控制用户欠费的方法 | |
| CN106714202A (zh) | 一种网络容量优化方法及装置 | |
| CN104299041A (zh) | 一种基于信令的区域流量价值评估方法 | |
| CN110489893A (zh) | 一种基于可变权值的母线负荷预测方法及系统 | |
| CN107580305A (zh) | 一种客户成员纯度分析方法及系统 | |
| CN111915327B (zh) | 一种基于事件特征的智能分发方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 210006 Zhongshan South Road, Nanjing, Nanjing, Jiangsu Patentee after: Zhong Tong clothing consulting and Design Research Institute Co., Ltd. Address before: 210006 Zhongshan South Road, Nanjing, Nanjing, Jiangsu Patentee before: Jiangsu Posts & Telecommunications Planning and Designing Institute Co., Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: The Jianye District of Nanjing City, Jiangsu province 210000 Jiangdong Street No. 58 Patentee after: CHINA INFORMATION CONSULTING & DESIGNING INSTITUTE Co.,Ltd. Address before: 210006 No. 371 South Zhongshan Road, Jiangsu, Nanjing Patentee before: CHINA INFORMATION CONSULTING & DESIGNING INSTITUTE Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder |