概述 5G 网络能够提供高速率、超低时延、海量连接的 增强型移动宽带服务，2019 年是 5G 网络布局建设的 一年，随着网络部署规划节奏加快，关于 5G 网络无线 容量分析的研究也成为重要的研究课题。现有关于 系统容量的评估方法，通常是基于业务模型和话务模 型的抽象模型，或通过系统平均频谱效率分析获得， 一般首先基于单业务模型，考虑业务数据经过各个传 输协议层处理后到达物理传输层的实际速率需求，再 结合空口平均吞吐量，从而获得单业务的用户容量；

然后依据用户的话务模型分布，即各种业务的分布比 例等特征，从而获得综合业务的用户容量，这种传统的 容量评估方法主要有以下缺点。 a）基于业务模型和话务模型进行分析，业务模型 和话务模型的准确性直接影响容量分析结果。目前各 种移动应用业务在快速发展，其种类和数量远超已有 的经验模型，经验模型无法准确反映实际的业务特征， 因此现有容量评估方法的基础依据存在一定的不准确 性和不完备性。 b）现有的分析方法需要分析业务源数据包从应 用层经过各个协议层的开销，各个协议层的处理过程 在分析中通常只能简化建模分析，一方面准确性不高， 另一方面该分析过程需要各种分段打包处理，分析过程过于繁琐复杂。 c）该方法只适用于建网初期的网络容量模糊评 估，无法对网络容量的发展进行有效的预测，对于网络 扩容和未来网络升级不具备指导意义。 为了能够更合理简便预测评估 5G NR 系统的用 户容量，本文将针对基于现网大数据的预测 5G NR 系 统容量的方法进行研究。 2 容量预测方法 未来的5G NR系统普通用户基本由现网LTE网络 用户升级，因此目前 LTE 用户的实际业务状态与未来 5G NR 系统中的业务存在一定的关联性和趋势性关 系，可以利用现网大数据的分析结果，结合 5G NR 系 统与 LTE 系统的频谱效率差异、带宽差异等，估算 5G NR系统的用户容量。 基于大数据的容量分析基本过程是通过对LTE网 路的网元统计量、城市维度、时间维度、区域维度、人群 分布维度等大数据进行分析，对系统容量相对于各项 参考值的趋势关系进行建模，从而对未来系统容量进 行预测。流程如图1所示。

基于大数据的容量分析方法实施过程中关键步骤 实施过程如下。 a）获取原始数据：从实际运营网络中提取如下统 计量：业务资源负荷（包括上行和下行）、控制资源负荷 （包括上行和下行）、用户容量（RRC 连接用户数）、网 络性能指标（包括但不限于 BLER、接通率、掉线率、切 换成功率）。 b）资源负荷维度切片处理：分别以上行业务资源 负荷、下行业务资源负荷、上行控制资源负荷、下行控 制资源负荷为统计维度，分别统计各个负荷强度下的 相应指标（用户容量或网络性能指标）。例如以 5%作 为负荷强度颗粒度，分别统计各负荷水平所对应的用 户容量或网络性能指标。 c）资源负荷与用户容量关系序列提取：依据步骤 b）的切片处理，每个负荷强度对应一个用户容量，各个 负荷强度区间内有多组数据（负荷强度、用户容量），对 各个负荷强度区间的数据（负荷强度、用户容量）对进 行数据平滑，数据平滑方法可采用取平均方法、概率中 值方法等数学统计方法。经过处理后，每个负荷强度 区间对应一组相应的数据（负荷强度、用户容量）代表 该负荷区间的用户容量水平。 d）负荷与容量关系曲线拟合：依据步骤c）提取的 数据序列，将序列按照负荷强度从低到高或从高到低 排序，采用数学拟合方法（例如最小二乘法）对序列进 行拟合，从而得到用户容量相对于负荷强度的趋势关 系曲线。e）资源负荷与实际网络性能关系序列提取：参考 步骤c），将用户容量替换为实际网络性能指标量。 f）负荷与实际网络性能关系曲线拟合：参考步骤 d），将用户容量替换为实际网络性能指标量。 g）极限用户容量估算：依据步骤 f）拟合的负荷与 网络实际性能关系曲线，确定实际网络中极限网络性 能门限下的网络负荷，结合步骤d）拟合的负荷与用户 容量的关系曲线，确定极限网络性能下的网络用户容 量。对于未规模建网的通信系统，可依据现网的容量 结合带宽比例、频谱效率比例等进行折算。 h）时间维度切片：以时间为维度，分别统计每个 时间段系统的资源负荷（包括上行业务资源负荷、下行 业务资源负荷、上行控制资源负荷、下行控制资源负 荷）。时间段的颗粒度以实际的网元统计时间颗粒度 为依据，例如小时级颗粒度统计。 i）季节性负荷周期提取：依据步骤 h）的数据，对 每日的负荷时间切片数据进行分析，从中提取出季节 性周期规律。例如以各时间段负荷按照从高到低排