1.4.2 场景业务模型建模

根据5G典型业务的时延及体验速率,本小节将直接使用《5G网络深度覆盖技术基础解析》中的“表1-2 5G典型业务模型”中的技术参数。5G场景业务模型需要做的就是预测不同场景中可能发生的业务与这些业务发生的概率,选用相关业务的技术参数要求,再根据场景的流量密度、时延以及用户体验速率计算公式,就能推导出5G场景的业务模型。

1. 密集住宅区

密集住宅区5G典型业务包括视频会话、IPTV、虚拟现实(Virtual Reality,VR)、在线游戏、数据下载、云存储、OTT、智能家居等,根据密集住宅区的特点设定了这些业务的发生概率。密集住宅区的场景业务见表1-4。

表1-4 密集住宅区的场景业务

按现行城市规划法规体系下编制的各类居住用地的控制性详细规划,密集住宅区的容积率不大于5,假定人均面积为50m2,密集住宅区人口密度的计算公式如下。

密集住宅区的区域面积为1平方千米,其人口密度的计算如下。

密集住宅区人口密度=1(平方千米)×5÷50(平方米/人)÷1(平方千米)=10(万人/平方千米)

假定密集住宅区5G终端渗透率为80%,5G终端激活率为30%,则密集住宅区5G激活终端密度的计算如下。

密集住宅区5G激活终端密度=10(万人/平方千米)×80%(个/人)×30%=2.4(万个/平方千米)

按照场景业务模型技术参数的计算公式,得到密集住宅区场景业务模型。密集住宅区的场景业务模型见表1-5。

表1-5 密集住宅区的场景业务模型

2. 办公室

办公区域内的5G典型业务包括视频会话(双方或多方)、云桌面、数据下载、云存储、OTT等。根据办公室的特点设定了这些业务的发生概率。办公室的场景业务见表1-6。

表1-6 办公室的场景业务

按照现行城市规划法规体系下编制的各类居住用地的控制性详细规划,中央商务区(Central Business District,CBD)容积率一般为4,假定办公室人均面积为20m2,则CBD人口密度的计算公式如下。

办公室的区域面积为1平方千米,其人口密度的计算如下。

办公室人口密度=1(平方千米)×4÷20(平方米/人)÷1(平方千米)=20(万人/平方千米)

假定办公室5G终端渗透率为1.2,5G终端激活率为30%,则办公室5G激活终端密度的计算如下。

办公室5G激活终端密度=20(万人/平方千米)×1.2(个/人)×0.3=7.2(万个/平方千米)

按照场景业务模型技术参数的计算公式,得到办公室场景业务模型。办公室的场景业务模型见表1-7。

表1-7 办公室的场景业务模型

3. 体育场

体育场的5G典型业务包括视频播放、增强现实、实时视频分享、高清图片上传、OTT等。根据体育场的特点设定了这些业务的发生概率。体育场的场景业务见表1-8。

表1-8 体育场的场景业务

假定体育场面积为5万平方米,比赛时体育场内人数为5万人,5G终端渗透率为1.2, 5G终端激活率为30%,体育场的人口密度的计算方法如下。

按照场景业务模型技术参数的计算公式,得到体育场的场景业务模型。体育场的场景业务模型见表1-9。

表1-9 体育场的场景业务模型

4. 露天集会

与体育场类似,露天集会在很小的区域内汇集大量人群,人口密度极高,其典型业务包括视频播放、增强现实、实时视频分享、高清图片上传、OTT等,根据露天集会的特点设定了这些业务的发生概率。露天集会的场景业务见表1-10。

表1-10 露天集会的场景业务

假定露天集会场所的面积为1万平方米,参与人数为1万人,5G终端渗透率为1.2, 5G终端激活率为30%,则露天集会的人口密度的计算方法如下。

人口密度=1(万人)÷1(万平方米)=100(万人/平方千米)

按照场景业务模型技术参数的计算公式,得到露天集会的场景业务模型。露天集会的场景业务模型见表1-11。

表1-11 露天集会的场景业务模型

5. 地铁

地铁内汇集大量人群,人口密度极高,其典型业务包括视频播放、在线游戏、OTT等,根据地铁的特点设定了这些业务的发生概率。地铁的场景业务见表1-12。

表1-12 地铁的场景业务

地铁站之间的距离一般为1~2km,地铁列车跑完一站需要1~3分钟,采用移动闭塞分区地铁列车间隔可以控制在60~90s,因此,在两个地铁站之间,双向线路上最多可能有4辆地铁列车在同时运行。

按照国家对地铁核载的标准,每平方米6人算是满员,到达每平方米9人算是超员,假定高峰期每平方米为8人,地铁车厢每节面积约为45m2,按常规6节车厢编组计算,总面积约为270m2,因此,交通高峰期每列地铁车厢人数约为2200(270×8≈2200)人。

依据《地铁设计规范》(GB 50157—2013),大站台容纳乘客数为2150人左右。

地铁每站人口密度的计算公式如下。

地铁人口密度=车辆数×每辆车容纳乘客数+站台容纳乘客数

地铁人口密度=(4×2200+2150)(人)÷1(站)≈1.1(万人/站)

假定地铁5G终端渗透率为1.2,5G终端激活率为70%,则地铁5G激活终端密度的计算如下。

按照场景业务模型技术参数的计算公式,得到地铁的应用场景业务模型。地铁的应用场景业务模型见表1-13。

表1-13 地铁的应用场景业务模型

6. 快速路

快速路上的车辆行驶速度约为每小时80千米,移动速度快,其典型业务包括视频会话、视频播放、增强现实、OTT、车联网等。此应用场景的主要挑战是高速移动,根据快速路的特点设定了这些业务的发生概率。快速路的场景业务见表1-14。

表1-14 快速路的场景业务

高峰期快速路车辆间距假定为10m,平均每车有2人,双向6车道,快速路的人口密度的计算如下。

人口密度=1000(千米)÷10(米)×2(人)×6÷1(千米)=1200(人/千米)

假定5G终端渗透率为1.2,快速路场景下5G终端激活率为30%,则快速路的5G激活终端密度的计算如下。

按照场景业务模型技术参数计算公式,得到快速路的场景业务模型。快速路的场景业务模型见表1-15。

表1-15 快速路的场景业务模型

7. 高铁

高铁行驶速度大于每小时250千米,移动速度极快,其典型业务包括视频会话、视频播放、在线游戏、云桌面、OTT等。此应用场景的主要挑战是高速移动,根据高铁的特点设定了这些业务的发生概率。高铁的场景业务见表1-16。

表1-16 高铁的场景业务

高铁列车8节编组载客数为600人左右,16节编组载客数为1200人。高铁的人口密度的计算如下。

人口密度=1200(人/车)

假定高铁5G终端渗透率为1.2,5G终端激活率为70%,高铁的5G激活终端密度的计算如下。

按照场景业务模型技术参数计算公式,得到高铁场景业务模型。高铁场景业务模型见表1-17。

表1-17 高铁场景业务模型

8. 广域覆盖

广域覆盖区域内的典型业务包括视频播放、增强现实、视频直播、OTT、视频监控等。此应用场景的主要挑战是广域覆盖区内用户体验速率的保障,根据广域覆盖的特点设定了这些业务的发生概率。广域覆盖的场景业务见表1-18。

表1-18 广域覆盖的场景业务

假定广域覆盖场景人口密度为1万人/平方千米,5G终端渗透率为80%,5G终端激活率为30%,则广域覆盖5G激活终端密度的计算如下。

按照场景业务模型技术参数计算公式,得到广域覆盖的场景业务模型。广域覆盖的场景业务模型见表1-19。

表1-19 广域覆盖的场景业务模型

续表

以上为各类应用场景业务模型的测算过程,已详细解释了各技术指标参数的计算方法,为了便于读者参考使用,我们将以上场景业务模型整理为一张场景业务模型的技术参数表。场景业务模型的技术参数见表1-20。

表1-20 场景业务模型的技术参数

需要说明的是,本节以介绍场景业务模型测算方法为主要目的,不少参数如业务发生概率和终端密度等均为假定值,各应用场景下可能发生的业务也都是预测,因此,最后的场景业务模型仅供参考。另外,由于各地的实际情况各有不同,应用场景的设定也可以扩展或者重新定义,所以不一定要按照3GPP TR 38.913或IMT-2020推进组建议的分类方法。