3.1 問題定義 (Problem definition)
3.1.3 建置成本效益(C)
3.1.2 Throughput 成效(T/t)
依據 NCC 資料，以離峰期(5~7 時)及尖峰期(20~22 時)比較本研究 small-cell 覓點模型導入前後之下載 throughput 成效；公式如下所示：
比較本研究 small-cell 覓點模型導入前後之設備使用率比，公式如下所示：
設備使用率 = (設備總數-閒置設備數) / 設備總數
設備之月累積訊務量小於或等於 100MB 時視為閒置設備。
3.2 研究進行步驟
本研究 small-cell 覓點模型的執行步驟流程如圖 3.2.1 所示。
‧
User behavior analysis
Top 20% of heavy users
Most Internet access via fixed cell
Internet access period (day /
Address distance comparison Base
station address
distance ≤ 2 km
User address is the target deployed
location YES
Signal simulation and actual road test
High load
Sections address whether the same
The company/user address is the target deployed
location 或辦公場所為 small-cell 之目標建置地點。透過用戶申請服務時填寫之聯絡地址 與固定上網之 cell 地址計算距離，當距離小於等於 2 公里時，則用戶之聯絡地址 為 small-cell 之目標建置地點。反之，當距離大於 2 公里時，用戶之聯絡地址可 能為其辦公場所地址。
有關辦公場所覓點作業，透過 3G 訊號模擬器，針對高負荷基地台區進行訊
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
路段。取得待改善路段資料後，比對這些路段上有哪些公司行號及高用量用戶之 聯絡地址，則可以進一步找出適合建置 small-cell 的地點。
3.2.1 高用量群篩選
首先，依據 100 年 10 月 NCC 資料可發現，約 50%行動數據量來自使用量前 1%的用戶及約 99%行動數據量來自使用量前 20%的用戶(如圖 3.2.2)。由前述資料 可以發現，大部分的行動資源被少數用戶佔用，常會發生急需使用的使用者無法 使用行動上網或速度非常慢，造成同樣付費卻無法得到公平對待之問題。因此如 何將霸佔大部分行動資源的少數用戶之訊務分流至 small-cell，將珍貴的行動資源 釋放給真正需要的使用者使用亦是本研究探討的重點。因此，本研究推論如能針 對前 20%高用量用戶作訊務分流，將有非常顯著成果。
圖 3.2.2 用戶數與數據量比例示意圖(資料來源：NCC，本研究整理)
3.2.2 高用量群固定 Cell 上網分析
要針對前 20%高用量用戶作訊務分流，需先找出其大量使用 3G 之地點，若 固定區域，則可在該區域建置 small-cell 來進行訊務分流。依據中華電信公司 100 年 11 月之 3G 使用者資料，本研究分析發現，該公司前 20%高用量的用戶約有
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
60%在固定 cell 上網，且在固定 cell 上網的數據用量約佔前 20%高用量用戶之總 流量 50%(如圖 3.2.3)，因此我們得到一個推論，那就是高用量用戶有在固定 cell 上網的特性。
圖 3.2.3 Top20%用戶訊務使用分析(資料來源：中華電信，本研究整理)
其中本研究針對固定 cell 上網之定義是指用戶一日不同時段多次或長時間自 特定的 cell 上網；針對固定 cell 判斷方式說明如下：
高用量用戶若均在單一 cell 上網，則該用戶在固定 cell 上網。
當高用量用戶在多個 cell 上網時，針對其在每個 cell 之訊務分析，若有 單 cell 之訊務大於該用戶 30%之使用量，則定義該用戶在固定 cell 上網。
判斷流程詳圖 3.2.4。
‧
user traffic analysis
Single cell> 30% YES Multi-cell
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3.2.5 固定 Cell 使用時間比(資料來源：中華電信，本研究整理)
3.2.3 用戶及基地台地址比對
由前述推論分析，若該用戶辦公場所或住家在其固定上網 cell 之涵蓋範圍 內，則該用戶辦公場所或住家即是 small-cell 建置之地點。因為使用者在申請電 信服務時，會留下其通訊地址及帳單寄送地址作為聯繫用，我們將其留下之通訊 地址或帳寄地址與其固定上網之 cell 作距離計算，當距離小於 2 公里(3G 基地台 訊號涵蓋範圍)時，則該通訊地址或帳單寄送地址即為 small-cell 建置之地點。
至於通訊地址/帳單寄送地址要如何與 3G 基地台計算距離部分，首先要將地 址轉成座標，再利用座標計算彼此距離。地址轉座標部分，可使用地圖資料庫(如 Google Map API) 取得 WGS84 經緯度座標，再將 WGS84 轉換為 TWD97 二度分帶 座標值(本研究使用成大水工所大地坐標轉換程式) 。
Google Map API 可使用標準的 HTTP 協定，透過網址取得座標資訊；輸入網 址: http://maps.googleapis.com/maps/api/geocode/[輸出格式]?sensor=false&address=[地 址]即可取得座標資訊，例如 http://maps.googleapis.com/maps/api/geocode/xml? sensor=
false&address=高雄市左營區博愛二路 678 號 ，則 XML 格式回傳結果摘要如下：
…
‧
private string Cal_lonlat_To_twd97(double lon, double lat){
string TWD97 = "";
double T = Math.Pow(Math.Tan(lat), 2);
double C = e2 * Math.Pow(Math.Cos(lat), 2);
double A = Math.Cos(lat) * (lon - lon0);
double M = a *((1.0 - e / 4.0 - 3.0 * Math.Pow(e, 2) / 64.0 - 5.0 * Math.Pow(e, 3) / 256.0) * lat - (3.0 * e / 8.0 + 3.0 * Math.Pow(e, 2) / 32.0 + 45.0 * Math.Pow(e, 3) / 1024.0) *
‧
A 與 B 距離= Math.Sqrt((X2-X1)^2+(Y2-Y1)^2)
當兩點距離小於 2 公里時，則該用戶申請服務時所填寫之通訊地址或帳單寄 送地址即為其固定上網之區域，亦即為 small-cell 的建置地點。反之，則非其固 定上網之區域。
3.2.4 辦公場所區域覓點作業
根據 2010 年 7 月 Informa 之統計資料，行動數據中有 41%來自住家屋內、23%
來自辦公場所。透過前面的方法，可以精準得到針對目標住家屋內訊務分流之 small-cell 建置地點。但有關辦公場所區域部分，因為不能與用戶申請服務時所填
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
址方法來找建置地點。
從電信營運商之 3G 系統可以得知哪些基地台 backhaul 頻寬長時間滿載以及 數據總流量為前 20%、同時間註冊用戶數常達系統容量 70%、用戶客訴區域或高 用量用戶固定連線之基地台。本研究將這些基地台定義為高負荷基地台，這些基 地台訊號涵蓋區域也是急需訊務分流的區域。透過 3G 訊號模擬器，針對高負荷 基地台區進行訊號模擬，再參考訊號模擬圖以 3G 速度路測工具進行實際路測，
來取得待改善之路段(如圖 3.2.6)。
圖 3.2.6 路測 3G Throughput 分析(本研究整理)
取得待改善路段資料後，如果可以知道這些路段上有哪些公司行號，則可以 進一步找出適合建置 small-cell 的地點。從經濟部商業司網站
(http://gcis.nat.gov.tw/pub/cmpy/cmpyInfoListAction.do)可以查詢公司的基本資料(包 含公司行號地址)。有了待改善路段資料及公司行號地址資料，進行比對公司行 號地址之路段及高負荷基地台區之待改善路段。若為相同路段，則該公司為 small-cell 建置目標地點。為提高 small-cell 覓址之準度，未在同 cell 上網之高用量 用戶，其通訊地址亦一併放入比對高負荷基地台區之待改善路段，若為相同路
‧
small-cell 細部建置地點規劃。比對地址路段之程式碼如下所列：#!/usr/bin/perl use strict;
my $filenamea = "1.txt";
my $filenameb = "2.txt";
my %addra;
my %addrb;
my @ary_addr;
# 從 A, B 兩個檔案中，取出數字之前的路段當作雜湊表的 key
# 詳細地址存成陣列做為雜奏表的值 open FH, "<$filenamea";
while(my $addr = <FH>) {
if($addr =~ m/^([^0-9]+)(.+)$/ig) { if(exists $addra{$1}) {
push (@{$addra{$1}}, $2);
} else {
$addra{$1} = [$2];
}
‧
open FH, "<$filenameb";
while(my $addr = <FH>) {
if($addr =~ m/^([^0-9]+)(.+)$/ig) { if(exists $addrb{$1}) {
push (@{$addrb{$1}}, $2); foreach my $key (keys %addra) {
if(exists $addrb{$key}) { push @ary_addr, $key;
} }
# 印出詳細結果 print '重覆路段:', "\n";
foreach my $key (@ary_addr) { print "\n", '路段:', $key, "\n";
foreach my $detail (@{$addra{$key}}) { print 'A:', $detail, "\n";
}
foreach my $detail (@{$addrb{$key}}) {
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
print 'B:', $detail, "\n";
}
print $key. "\n";
}
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章
實驗結果分析 4.1 實驗設計與假設
為簡化研究與實驗的複雜性，本研究對相關環境作以下限制及假設。
4.1.1 實驗區域
本研究選定高雄市左營巨蛋商圈作為小範圍實驗區(如圖 4.1.1)。
圖 4.1.1 巨蛋商圈實驗區
4.1.2 高用量群戶數篩選
針對中華電信公司前 40 萬高用量用戶(約 20%)，分析其在固定 cell 上網之情 形，得到有 20 名高用量用戶固定於高雄市左營巨蛋商圈之三座基地台上網。
‧
off-load 成效為 9.72%[O=1.068TB / ( 9.92TB + 1.068TB )=9.72%]。我們將 WiFi AP 設備月訊務量低於 100MB 視為閒置設備，實驗結果顯示原有 107 台 AP 共有 47 台屬閒置設備。
4.1.5 實驗假設值
本研究將用戶不願意建置 small-cell 之個案剔除，不列入計算數值。另為簡 化研究，有關依據場地特性之 small-cell 規劃設計與建置方式，不列入研究影響 因素。
4.1.6 比較方法
【13】【14】所提的方法是以訊號全覆蓋方式建置，針對無需分流改善的區 域並未排除。在【15】中是使用 macro-cell 部署演算法求得最少基站建置數，利 用功率與訊號模擬計算，推算出最少量 small-cell 建置數，但未考量用戶區域群 聚使用效應，急需分流的區域改善效果有限。另現行電信業者僅針對公眾區域佈 建 small-cell 進行訊務分流作業。本研究係以高用量用戶之使用者行為分析，於 高用量用戶固定上網之區域佈建高用量用戶作訊務分流，並取得高負荷基地台待 改善之路段，比對這些路段上有哪些公司行號及高用量用戶之聯絡地址，進一步 找出適合佈建 small-cell 的地點。
‧
4.69TB，off-load 成效為 31.41%，較導入本研究 small-cell 覓址模型前之 off-load 成效成長約 2 倍多。另由實測數據可以發現，雖然已透過訊務分流，但行動數據 量仍持續增加。主要原因為 3G 行動用戶數持續成長，且行動應用服務越來越多 樣化，一般用戶的使用量持續快速增加，導致雖已進行訊務分流，但行動數據量 仍持續增加。O
1=4.69TB/(10.24TB+4.69TB)=31.41%
表 4.1 Off-load 成效
WiFi 訊務量 行動網路訊務量 Off-load 採用研究方法前 1.068TB 9.92TB 9.72%
採用研究方法後 4.69TB 10.24TB 31.41%
4.2.2 高用量用戶接受使用 small-cell 有助訊務分流
14 名高用量用戶之實測數據，透過 small-cell 上網之總訊務量為 2.468TB，而 透過 3G 基地台之總訊務量為 0.449TB，可以發現高用量用戶接受使用 small-cell，
整體 off-load 成效為 84.6%。另由實測數據可以發現，雖然已透過訊務分流，但 高用量用戶之行動數據量仍有持續增加之趨勢。主要原因為高用量用戶轉換至
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
small-cell 使用時，因 small-cell 平均上網速度較行動網路快，高用量用戶使用時 間並未縮短，總數據量反而增加。
O2=2.468TB/(0.449TB+2.468TB)=84.6%
表 4.2 高用量用戶 Off-load 成效
WiFi 訊務量 行動網路訊務量 Off-load
採用本研究方法前 0TB 2.142TB -
採用本研究方法後 2.468TB 0.449TB 84.6%
4.2.3 根據離峰時段與尖峰時段實測驗證 throughput 成效提升
為驗證 throughput 成效提升，本研究於離峰時段(5~7 時)及尖峰時段(20~22 時) 於巨蛋商圈實驗區實際路測各約 200 點。本研究 small-cell 覓點模型導入前，DL throughput 約在 100Kbps~5.9Mbps，導入後之 DL throughput 約在 140Kbps~6.6Mbps。
進一步分析，可發現離峰時段(5~7 時)之 throughput 改善比例約在 1.01~1.11(如圖 4.2.1)，平均改善比例約為 1.06。尖峰時段(20~22 時)之 throughput 改善比例約在 1.3~2.8(如圖 4.2.2)，平均改善比例約為 2.1。尖峰時段之 throughput 改善比例平均 遠大於離峰時段之 throughput 改善比例，主要原因在於離峰時段 throughput 普遍 較佳，因此改善情形較不明顯。
圖 4.2.1 離峰時段(5~7 時) throughput 成效(T1/t1)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4.2.2 尖峰時段(20~22 時)throughput 成效(T2/t2)
表 4.3 Throughput 改善比例
throughput 改善比例 平均 throughput 改善比例 離峰時段(5~7 時) 1.01~1.11 1.06
尖峰時段(20~22 時) 1.3~2.8 2.1
4.2.4 訊務分流成效驗證建置成本效益
以測試區域之地段戶號計總數約 1,200 戶做為計算母數。若以未考慮
small-cell 建置地點之方式佈建【13】【14】，off-load 3G 成效要達到 31%則至少需 建置 372 點(1200*31%)。未導入本研究 small-cell 覓點模型前，原建置熱點數 107 點之 off-load 3G 成效為 9.72%，以每一點熱點平均 off-load 3G 成效計算，要達到 31 %至少需建置 341 點(107*31/9.72)。導入本研究 small-cell 覓點模型後，總熱點 建置數為 157 點， off-load 3G 成效為 31 %，故採用本研究方法建置 small-cell 約 可節省 1.17~1.37 倍成本。
在【15】所提方法主要為依據場地特性之 small-cell 規劃設計與建置方式，
在【15】所提方法主要為依據場地特性之 small-cell 規劃設計與建置方式，