有效使用微型細胞降低行動數據傳輸量之方法研究 - 政大學術集成
58
0
0
全文
(2) 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v.
(3) 有效使用微型細胞降低行動數據傳輸量之方法研究. The Effective Use of the Small-cell to Reduce the Amount of Mobile Data Transmission Research. 研 究 生：陳星詠. Student：Sing-Young Chen. 指導教授：張宏慶. Advisor：Hung-Chin Jang 政 治 大. 學. ‧ 國. 立. 國立政治大學 資訊科學系. ‧. 碩士論文. a. er. io. sit. y. Nat A Thesis. n. v submitted to lDepartment of Computer n i Science C U. h. i e n g c hUniversity National Chengchi. in partial fulfillment of the Requirements for the degree of Master in Computer Science. 中華民國一百零二年一月 January 2013.
(4) 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v.
(5) 有效使用微型細胞降低行動數據傳輸量之方法研究. 摘要. 隨著多元智慧型設備(如智慧型手機、筆記型電腦與平板電腦)的迅速 普及，以及高效能行動網路之導入，行動寬頻市場之接受度持續快速提升 中。已有越來越多的智慧型手機用戶，會在移動狀態中使用各式各樣應用. 政 治 大 然而面對行動數據傳輸量的暴增，如何利用 small-cell 進行行動數據 立. 及網際網路服務，預計未來十年內資訊流量將成長近百倍。. ‧ 國. 學. 傳輸量的分流，是目前全球所有電信營運商及行動網路設備供應商所面臨 的一大課題。若毫無篩選規劃的廣泛建置 small-cell 將耗費龐大的建置維護. ‧. 成本(包含設備、電路、人力及維運等支出)，卻無法得到與投入成本相對. sit. y. Nat. 應的行動數據傳輸量分流效益。. er. io. 於本研究中，我們將建立一個 small-cell 覓點模型來有效找出真正需. n. al 要分流行動數據傳輸量的地點來建置 small-cell。由i v2010 年 Informa 的統計 C. Un. hengchi 資料【19】可知，行動數據來源有住家屋內、辦公場所、交通運輸據點及. 公眾開放空間等四大部分。因交通運輸據點及公眾開放空間有直接較明顯 的目標地點，如何精準找出住家及辦公場所亟需分流的地點為本論文研究 之重點。 最後我們透過實驗並以 off-load、throughput、建置成本及選點準確率 等指標，驗證本研究所建立之 small-cell 覓點模型確實可有效找出需要分流 行動數據傳輸量的地點。.
(6) 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v.
(7) The Effective Use of the Small-cell to Reduce the Amount of Mobile Data Transmission Research. Abstract With multiple intelligent devices (such as smart phones, notebooks and tablet PCs) extensively spread and high-performance mobile networks introduced, the acceptance of mobile broadband market is continuing to increase rapidly. There are. 政 治 大. more and more smartphone users on the move using various applications and Internet services. We can expect the information flow will grow dozens of times in the next. 立. ten years.. ‧ 國. 學. With the surge of mobile data traffic, how to use small-cell for mobile data. ‧. traffic diversion is currently a major issue that all telecom operators and mobile network equipment vendors are facing at. If there is no widespread filtering programs. Nat. sit. y. to build small-cell, it will rapidly increase the huge building maintenance costs. io. er. (including equipments, circuits, manpower, maintenance, operation and other expenses) and can not get the mobile data traffic diversion efficiency in corresponding. al. n. to the investment.. Ch. engchi. i Un. v. In this study, we proposed a small-cell locations seeking model to effectively identify the high demanding diversion mobile data traffic locations to build small-cells. According to Informa’s statistics in 2010【19】, mobile data sources mainly come from home, office, transportation stations and public areas. Since transportation stations and public areas are obvious target locations, how to find out the much-needed diversion locations of homes or offices is the main objective of this research. Finally, we intend to get through the off-load, throughput, cost and selection accuracy to verify that the small-cell locations seeking model proposed in this study can effectively identify the needing diversion mobile data traffic locations..
(8) 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 2. i Un. v.
(9) 目 錄 第一章............................................................................................................................ 1 1.1 背景說明 ........................................................................................................ 1 1.2 研究動機與目的 ............................................................................................ 2 第二章............................................................................................................................ 4 2.1 行動市場經營環境 ......................................................................................... 4 2.2 行動訊務發展趨勢 ........................................................................................ 7 2.3 訊務分流議題 .............................................................................................. 13 第三章.......................................................................................................................... 22 3.1 問題定義 (Problem definition) ................................................................. 22 3.1.1 Off-load 3G 訊務成效(O) ........................................................................ 22 3.1.2 Throughput 成效(T/t) ............................................................................... 23 3.1.3 建置成本效益(C) ..................................................................................... 23. 立. 政 治 大. ‧ 國. 學. 3.1.4 設備閒置率............................................................................................... 23 3.2 研究進行步驟 .............................................................................................. 23 3.2.1 高用量群篩選............................................................................................ 25 3.2.2 高用量群固定 Cell 上網分析 ................................................................... 25. ‧. 3.2.3 用戶及基地台地址比對 ............................................................................ 28 3.2.4 辦公場所區域覓點作業 ............................................................................ 30 第四章.......................................................................................................................... 35 4.1 實驗設計與假設 .......................................................................................... 35 4.1.1 實驗區域................................................................................................... 35 4.1.2 高用量群戶數篩選 ................................................................................... 35 4.1.3 高負荷基地台篩選 ................................................................................... 36 4.1.4 實驗前環境現況....................................................................................... 36 4.1.5 實驗假設值............................................................................................... 36. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 4.1.6 比較方法................................................................................................... 36 4.2 結果與分析 .................................................................................................. 37 4.2.1 利用實驗區訊務量驗證 Off-load 成效大增 .......................................... 37 4.2.2 高用量用戶接受使用 small-cell 有助訊務分流 .................................... 37 4.2.3 根據離峰時段與尖峰時段實測驗證 throughput 成效提升.................. 38 4.2.4 訊務分流成效驗證建置成本效益 ........................................................... 39 4.2.5 設備使用率驗證選點精準度 ................................................................... 40 第五章.......................................................................................................................... 42.
(10) 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v.
(11) 圖目錄 圖 1.1 互補的 HetNet 異質網路(本研究整理) ...................................................................................... 2 圖 1.2 行動數據來源分佈【19】(資料來源：Informa,2010 年 7 月) .................................................. 3 圖 2.1.1 全球上網用戶數調查與預測趨勢圖(資料來源：MIC,2011 年 1 月) .................................... 4 圖 2.1.2 全球行動應用服務需求預測【11】(資料來源：Cisco VNI Mobile,2012) ............................ 5 圖 2.1.3 行動通訊流量與營收隨時間之關係(資料來源：Unstrung,2007 年 12 月) ........................... 6 圖 2.1 4 台灣行動數據營收成長趨勢圖(資料來源：NCC,2012 年 3 月)........................................... 6 圖 2.1.5 台灣行動數據營收現況示意圖(資料來源：NCC,2012 年 3 月)........................................... 7 圖 2.2.1 全世界固網與行動使用者用戶數調查(資料來源：Informa,2011 年 12 月) ......................... 8 圖 2.2.2 全球智慧型手機與基本功能手機銷售數量預估(資料來源：MIC,2011 年 4 月) ................ 8 圖 2.2.3 全球智慧型手機與個人電腦銷售數量預估(資料來源：Strategy Analytics,2010 年 4 月) ... 9 圖 2.2.4 各種手持設備數據傳輸量比(資料來源：Cisco Mobile,2012 年 2 月) ................................. 10 圖 2.2.5 2009Q1 至 2012Q2 中華電信 3G 訊務量成長趨勢圖(資料來源：CHT,2012 年 8 月) ........ 10 圖 2.2.6 全球行動數據流量預測(資料來源：Cisco Mobile,2012 年 2 月) .................................... 12 圖 2.2.7 智慧型手機用戶在一天不同時段的數據服務使用情況(資料來源：愛立信,2012 年 2 月).......... 12 圖 2.2.8 台灣 100 年 10 月 3G 全網平均分時傳輸量及用戶量百分比(資料來源：NCC) ............... 13. 立. 政 治 大. ‧ 國. 學. ‧. 圖 2.3.1 室內行動傳輸速率示意圖(資料來源：Berlin,LTE 研討會,2008) ...................................... 15 圖 2.3.2 HetNet 架構示意圖(本研究整理) ........................................................................................... 16 圖 2.3.3 行動數據傳輸量分流架構圖(本研究整理)........................................................................... 17 圖 2.3.4 SCF 小型基地台定義範疇(資料來源：SCF,2012 年 4 月).................................................. 18 圖 2.3.5 2011~2015 femtocell 出貨量預估(資料來源：MIC ,2012 年 4 月) ............................... 19 圖 2.3.6 2011~2015 全球 Poblic Hotspots 數預估(資料來源：SCF,2012 年 3 月) .................... 19 圖 2.3.7 2015 年整體行動數據流量預估(資料來源：Juniper/MIC) .............................................. 20 圖 2.3.8 訊務分流網路架構 ................................................................................................................ 21 圖 3.2.1 Small-cell 覓點流程 ............................................................................................................ 24. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 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) .......................................... 25 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) .................................... 26 圖 3.2.4 固定 Cell 判斷流程 ................................................................................................................ 27 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).............................................. 28 圖 3.2.6 路測 3G Throughput 分析(本研究整理).............................................................................. 31 圖 4.1.1 巨蛋商圈實驗區........................................................................................................ 35 圖 4.2.1 離峰時段(5~7 時) Throughput 成效(T1/t1)................................................................ 38 圖 4.2.2 尖峰時段(20~22 時)Throughput 成效(T2/t2)............................................................. 39 圖 4.2.3 本研究方法導入前之設備使用狀況分佈圖 ................................................................. 40 圖 4.2.4 本研究方法導入後之設備使用狀況分佈圖 ................................................................. 41. I.
(12) 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. II. i Un. v.
(13) 表目錄 表 4.1 Off-load 成效 ....................................................................................................... 37 表 4.2 高用量用戶 Off-load 成效 ..................................................................................... 38 表 4.3 Throughput 改善比例 ........................................................................................... 39 表 4.4 建置成本效益 ....................................................................................................... 40 表 4.5 選點精準度 .......................................................................................................... 41. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. I. i Un. v.
(14) 第一章 研究背景與動機 1.1 背景說明. 隨著無線寬頻網路普及、行動寬頻網路急遽發展、網際網路全面行動化、智. 政 治 大. 慧型載具多元普及與雲端運算之廣泛應用，通訊技術(CT)與資訊技術(IT)融合. 立. (ICT)，已徹底改變人類的生活及溝通模式，網路型社會已正式來臨。因為無線. ‧ 國. 學. 網路與行動網路的普及，已漸漸讓網路成為無所不在的資訊網路，使用者可以隨. ‧. 時隨地利用多元載具透過網路資源使用各類應用服務，邁入隨時、隨處及隨需求 自由使用服務的雲端運算與數位匯流新時代。以往受限於固定網路，使用網路服. y. Nat. io. sit. 務均需透過桌上型電腦或筆記型電腦連接有線網路，隨著無線寬頻網路及行動寬. n. al. er. 頻網路的普及而有很大改變，使用者使用網路的載具也有重大的變動。具高運算. Ch. i Un. v. 能力的多元智慧行動設備成為熱門的載具，也因此直接大幅提升使用者對行動上. engchi. 網頻寬上升的需求，行動數據傳輸量也隨之快速暴增成長。. 以目前全球暢銷之 iPhone 手機為例，使用者除作為傳統行動電話手機外， 並大量使用行動網路瀏覽網頁、收發 e-mail、使用 App Store 下載遊戲與應用程 式、進行線上遊戲、觀看線上視訊等。因為使用者需求的產生，資訊數據使用量 快速增加，行動數據傳輸量倍數成長，造成全球各電信業者均遭遇行動數據傳輸 量倍數暴增而衍生的服務品質問題，要如何以 WiFi/picocell/femtocell 等 small-cell 異質網路(HetNet)的建設來分流行動網路龐大數據傳輸量的壓力，是當前極度被 重視的議題。 1.
(15) 圖 1.1 互補的 HetNet 異質網路(本研究整理). 1.2 研究動機與目的. 立. 政 治 大. 隨著多元智慧載具(智慧手機、筆記型電腦與平板電腦)的迅速普及，以及高. ‧ 國. 學. 效能行動網路(3.5G、LTE 等)導入，行動寬頻的市場接受度持續快速提升中。愈. ‧. 來愈多的智慧手機用戶，會在移動狀態中使用各種應用及網際網路服務。愛立信. sit. y. Nat. 2011 年 5 月 10 日在美國史丹福大學「商業創新論壇」發表未來十年的寬頻戰略. io. er. 分享中，提到 2011 年到 2016 年間，預計資料業務流量將增長 30 倍，而語音業. al. 務將不會發生大變化。面對下一個十年，網路建設的重點在於如何滿足流量激增. n. iv n C 的需求，包括如何利用 small-cell h 如 WiFi、picocell、femtocell 等異質網路的建設 engchi U. 分流網路壓力，同時透過智慧管道(Smart Pipe)建設實現良性互惠的商業模式，並 善用雲端運算技術架構來獲得更低成本及更豐富的創新服務。面對行動數據傳輸 量的暴增，如何利用 small-cell 進行行動數據傳輸量的分流，是目前全球所有電 信營運商及行動網路設備供應商所面臨的一大課題。然而毫無篩選規劃的廣泛建 置 small-cell 將耗費龐大的建置維護成本(包含設備、電路、人力及維運等支出)， 卻無法得到與投入成本相對應的行動數據傳輸量分流效益。. 根據 2010 年 7 月 Informa 之統計資料【19】，行動數據中有 41%來自住家屋. 2.
(16) 內、23%來自辦公場所、16%來自交通運輸據點、10%來自室內公眾開放空間、 10%來自室外公眾開放空間，總計有 70%以上來自室內(含 Home、Work 及 Public indoors)。由 Informa 的調查可看出使用者的行為模式，如能針對使用者的使用行 為進行規劃建置 small-cell 之地點，將能有效獲得行動數據傳輸量分流效益，並 降低網路營運成本。. 立. 政 治 大. ‧. ‧ 國. 學. Nat. n. al. er. io. sit. y. 圖 1.2 行動數據來源分佈【19】(資料來源：Informa,2010 年 7 月). i Un. v. 本論文的研究重點在於建立 small-cell 覓點模型來有效率找出真正需要分流. Ch. engchi. 行動數據傳輸量的地點以建置 small-cell。由 Informa 的統計資料可知，行動數據 來源有住家屋內、辦公場所、交通運輸據點及公眾開放空間等四大部分。本論文 所要建立的覓點模型主要針對住家屋內及辦公場所，因交通運輸據點及公眾開放 空間有直接較明顯的目標地點，針對佔 64%的住家屋內及辦公場所地點，如何精 準找出急需分流的地點為本論文研究之核心重點。. 3.
(17) 第二章 相關研究 近年來，為什麼行動數據傳輸量的分流(off-loading)被廣為討論及施行，我們 從行動市場經營環境、行動訊務發展趨勢及訊務分流議題做如下整理。. 立. 政 治 大. 2.1 行動市場經營環境. ‧ 國. 學. 根據 MIC 2010 年 1 月的調查，2007 年到 2009 年全球固網用戶數雖大於行. ‧. 動上網用戶數，但兩者差距有逐年縮小趨勢（如圖 2.1.1） ，至 2009 年以後，行動. Nat. sit. y. 上網用戶數則已超越固網用戶數，且差距有越來越大的趨勢。到了 2013 年，預. n. al. er. io. 計全球將有近二十億人會利用行動裝置上網，約占總上網用戶數的七成【1】。. Ch. engchi. i Un. v. 圖 2.1.1 全球上網用戶數調查與預測趨勢圖(資料來源：MIC,2011 年 1 月). 行動上網用戶數之所以會快速劇增，有資料顯示 PAD、Tablet 等載具出現是 一個重要助因；另由於 3G 行動網路推出後，能提供數據傳輸，使用者可透過行. 4.
(18) 動上網隨時獲取資訊服務，尤其是多媒體服務，但多媒體服務通常具有較龐大數 據資料量，其中用戶對影音服務的需求增加尤為快速（如圖 2.1.2） 。即使 HSPA 的 3.5G 網路支援 14Mbps 之峰值傳輸速率，以傳送播放時間為 2 小時的 DVD 電影 為例需 2 小時；若換成播放時間為 1 小時的高解析度電影則需 8 小時；除了較長 的傳輸時間外，若要進行視訊會議，以現有的 3G 網路傳輸仍有流暢度不足之問 題，勢必衝擊行動上網用戶的使用體驗。由此現象可知，行動上網用戶對多媒體 服務的大量需求，造成現有行動通訊技術在容量上無法負荷，因此極需能支援更 快傳輸速率的技術出現【11】。 12. Exabytes per Month. 立. 政 治 大78% CAGR 2011-2016. ‧ 國. 學. Mobile VoIP. Mobile File Sharing. ‧. 6. Mobile Gaming. Mobile M2M. sit. y. Nat. Mobile Web/Data. io. er. Mobile Vedio(70.5%). al. iv n C 2013 2014 2016 h e n2015 g c h i U Source: Cisco VNI Mobile,2012. n. 0 2011. 2012. 圖 2.1.2 全球行動應用服務需求預測【11】(資料來源：Cisco VNI Mobile,2012). 早期電信業者所提供的行動通訊服務以語音服務為主，由於語音服務是以通 話時間的長度計價，因此營收會和語音傳輸流量成正比，然而在行動數據服務方 面，由於市場競爭激烈，電信業者為了吸引客戶，紛紛拋棄以用戶所使用的數據 流量來計價之方式、而改用吃到飽（Flat-Rate）的計價方案，導致營收無法隨著 數據流量上升而增加，造成營收與數據流量的走向出現背離（如圖 2.1.3）。. 5.
(19) 立. 政 治 大. 圖 2.1.3 行動通訊流量與營收隨時間之關係(資料來源：Unstrung,2007 年 12 月). ‧ 國. 學. 台灣行動電話業者因競爭激烈，更紛紛推出無限量吃到飽（flat-rate）的計價. ‧. 方案，服務推出前後，從圖 2.1.4 可看出，行動數據的營收占行動服務總營收比. y. Nat. n. al. Ch. engchi. er. io. 營收貢獻(Average Revenue Per User , ARPU)逐年降低！. sit. 重逐年提升，但是又可從圖 2.1.5 看出話務及數據訊務持續增加，但每用戶平均. i Un. v. 圖 2.1 4 台灣行動數據營收成長趨勢圖(資料來源：NCC,2012 年 3 月). 6.
(20) 圖 2.1.5 台灣行動數據營收現況示意圖(資料來源：NCC,2012 年 3 月). 政 治 大. 從全球各業者推出的吃到飽計價方案可發現有兩大類，一類是限量吃到飽. 立. (flat rate with cap)，另一類是無限量吃到飽(unlimited flat rate)。限量吃到飽實際是. ‧ 國. 學. 以分級計費(tiered pricing)，目前大部分的業者均是採取此種計價模式，根據 2012. ‧. 年 Cisco VNI 的調查統計資料，此種模式的用戶每月平均用量為 600 ~ 800MB； 而台灣的行動電話業者採用的均是無限量吃到飽計價方案，依據 NCC 的 2012 年. y. Nat. er. io. sit. 統計資料，用戶每月的平均用量約為 2.8GB ~ 3.4GB。由於全球電信營運商在利 潤受到壓縮的情形下，必須設法降低總成本（Total Cost of Ownership，TCO） ，如. n. al. Ch. i Un. v. 資本支出（Capital Expenditure，CAPEX）與營運支出（Operating Expenditure，OPEX）. engchi. 等。因此利用較便宜的 small-cell 分流解決方案除能滿足行動上網用戶的需求並 降低電信業者的營運成本，選擇正確的建置地點更有助達成前述效益，而這個議 題對採用無限量吃到飽的臺灣行動電話業者更是顯得分外重要。. 2.2 行動訊務發展趨勢 GSM 協會的 Wireless Intelligence 發表統計資料，表示在 2010 年時，全世界 使用行動寬頻上網的人數已超過使用固網人數(如圖 2.2.1)，並預估到了 2015 年， 將會有 31 億行動寬頻使用人口，而固網寬頻使用人口約為 8 億 4 仟 8 百萬使用 人口，行動寬頻用戶驚人的成長速度，用戶數將在 4 年內佔所有寬頻網路用戶數. 7.
(21) 之 80%，成為使用網際網路的主要接取方式【1】。. 政 治 大. 圖 2.2.1 全世界固網與行動使用者用戶數調查(資料來源：Informa,2011 年 12 月). 立. 因行動寬頻網路技術之發展，上網速度愈來愈快，且可使用的應用服務也隨. ‧ 國. 學. 雲端運算而愈來愈多，前述因素直接促使智慧型手機銷售量持續攀升。根據 MIC. ‧. 的調查及預測【6】【7】，全球智慧型手機的銷售數量將於 2015 年超越基本功能 手機銷售數量(如圖 2.2.2)。. n. 2,500.0. Ch. engchi. 2012(f) 1,130.5 559.8 1,690.3. er. io. al. sit. y. Nat. Worldwide Mobile Phone Market by Device Type, 2008-2015 2008 2009 2010 2011(e) Feature Phone 1,109.1 1,061.3 1,141.0 1,133.0 Smartphone 155.0 188.2 287.1 431.6 Total 1,264.1 1,249.5 1,428.1 1,564.6 Source: MIC, April 2011. i Un. v. 2013(f) 1,103.8 703.4 1,807.2. Unit: Million 2014(f) 2015(f) 1,050.9 989.5 861.3 1,018.8 1,912.2 2,008.3. Million Units. 2,000.0 1,500.0 1,000.0 500.0 0.0 2008. 2009. 2010. 2011(e). Feature Phone. 2012(f). 2013(f). 2014(f). 2015(f). Smartphone. 圖 2.2.2 全球智慧型手機與基本功能手機銷售數量預估(資料來源：MIC,2011 年 4 月). 8.
(22) 摩根史坦利在 2010 年發表的網路趨勢報告中指出，預計在 2013 年底前全球 使用智慧手機上網的數量與使用個人電腦上網的數量將出現交叉點；雖然過去幾 年配發給桌上型個人電腦及使用個人電腦的數量在都遠遠超過智慧型手機，但是 也隨消費型和商業型之智慧型手機銷售量的高幅度成長，目前智慧型手機數量正 以三倍於個人電腦數量的幅度快速成長，預估在 2013 年智慧手機數量將首度超 過個人電腦(如圖 2.2.3)。. 立. 政 治 大. ‧. ‧ 國. 學 y. Nat. n. al. er. io. sit. 圖 2.2.3 全球智慧型手機與個人電腦銷售數量預估(資料來源：Strategy Analytics,2010 年 4 月). i Un. v. 隨智慧型手機、平版電腦、筆記型電腦等個人裝置的普及，加上提供給使用. Ch. engchi. 者多樣化的服務，造成行動數據流量呈現爆炸式成長，ABI 預測 2008~2015 年， 全球行動數據流量將成長 100 倍，但營收僅成長 1.9 倍；以智慧型手機為例，數 據傳輸量是基本功能手機的 35 倍，平版電腦是基本功能手機的 121 倍，而筆記 型電腦更高達 498 倍(如圖 2.2.4)。. 9.
(23) 立. 政 治 大. ‧. ‧ 國. 學. 圖 2.2.4 各種手持設備數據傳輸量比(資料來源：Cisco Mobile,2012 年 2 月). 以中華電信公司為例，該公司 3G 行動數據訊務量，自 2009 年第一季至 2012. n. al. er. io. sit. y. Nat. 年第二季，約成長 22 倍 (年複合成長率：187%)，且成長率逐年快速遞增。. Ch. engchi. i Un. v. 圖 2.2.5 2009Q1 至 2012Q2 中華電信 3G 訊務量成長趨勢圖(資料來源：CHT,2012 年 8 月). 加拿大第二大電信商 Telus 在 Broadband World Forum 2011 中發表，在該公司. 10.
(24) 提供的行動寬頻服務上，發現行動寬頻網路流量呈現倍數成長，尤其是在開始提 供 iPhone 和 HSPA 服務後，從 Telus 在 2009-2011 年間的行動數據流量變化來看， 2011 年行動數據流量是 2010 年的 3.5 倍，而語音流量卻小幅下降。. Sprint 也在 Broadband World Forum 2011 中針對行動寬頻服務市場發展提出以 下幾點看法：第一為 4G 時代儼然已經來臨；第二為語音、網路之規劃已與終端 裝置的功能變得沒有太大的關連性；第三為語音的 ARPU 正在快速衰退中，而成 長快速和高使用率的行動數據是接下來幾年要面臨的最大挑戰，但也是最大商機 所在。根據 Sprint 的行動數據流量顯示，若以使用時間點來劃分，以下午 5 點到. 政 治 大. 10 點的流量為一天裡的高峰。面對數據流量所帶來的挑戰(包括尖峰時段的網路. 立. 分散、技術標準、終端裝備和應用、影音、M2M、安全性和認證性等)，Sprint 在. ‧ 國. 學. 未來網路建構上，將採取 small-cell 架構來佈建網路，此架構可以有效加強網路. ‧. 效能，並可改善頻譜的使用率；另外，可同時透過提供差異化服務、確保網路傳. y. sit. io. er. 【2】。. Nat. 遞性、技術升級、骨幹和傳輸網路升級等來解決網路流量快速增加所帶來的問題. al. n. iv n C 根據思科（Cisco）2012 年 2h 月發佈的 VNI (Visual e n g c h i U Networking Index)行動數據. 流量白皮書，預估五年後，全球行動數據流量將暴增 18 倍，年平均複合成長率. 將達到 78%(如圖 2.2.6)。預估 2016 年全球行動數據流量將從 2011 年每月平均行 動數據流量 0.6 EB（Exabytes；1EB=1,024PB）成長至 10.8EB（相當於每年達到 130EB 或者 330 億片 DVD 數據量)【11】。. 11.
(25) 政 治 大. 圖 2.2.6 全球行動數據流量預測(資料來源：Cisco Mobile,2012 年 2 月). 立. ‧ 國. 學. 愛立信消費者行為研究室（Consumer Lab）每年追蹤全球消費者行為變化， 由其 2011 年全球調查中可以發現，消費者對網路的依賴持續加深，數位化生活. ‧. 趨勢更加明顯(如圖 2.2.7)。全球 40% 的智慧型手機用戶，在未起床之前就開始. sit. y. Nat. 造訪網際網路；消費者已逐漸養成一種習慣便是尋找並下載新的應用軟體，用來. n. al. er. io. 解決日常生活中所遇到的難題【12】。. Ch. engchi. i Un. v. 圖 2.2.7 智慧型手機用戶在一天不同時段的數據服務使用情況(資料來源：愛立信,2012 年 2 月). 12.
(26) 越來越多的消費者全年無休保持智慧型手機與網路連結，比以往任何時候都 更加依賴網路，台灣的消費者也是如此；由圖 2.2.8 可看出用戶數最大量出現在 每日 19 時，而總傳輸量最大值出現在每日 23 時。. 立. 政 治 大. ‧. ‧ 國. 學. 圖 2.2.8 台灣 100 年 10 月 3G 全網平均分時傳輸量及用戶量百分比(資料來源：NCC). sit. y. Nat. io. al. er. 在【16】中，統計之每日分時傳輸量分佈離峰期為上午 5~7 時，高峰期為夜. v. n. 間 20~24 時，與台灣用戶習慣雖有差異，但趨勢是雷同的。. 2.3 訊務分流議題. Ch. engchi. i Un. 面對行動資料訊務量的快速成長，對於行動網路營運商而言，不論對於今日 或未來的網路營運皆造成相當大威脅，於是營運商紛紛尋找解決方案。 目前主要解決方法包含下例三種方式【8】【9】： 以併購或購買的方式取得新的特許頻譜（licensed spectrum）： 以 AT&T Mobile 及 Verizon 為例，2011 年 AT&T Mobile 花費 390 億美元 併購 T-Mobile USA。而 Verizon 花費 39 億美元向由 Comcast、Time Warner Cable、Bright House Communications 共同組成的公司 SpectrumCo 購買 20MHz 的無線頻譜等來解決系統容量問題。但購買頻譜與建置新基地台是一項耗時. 13.
(27) 及昂貴的投資，且僅能短暫解決流量問題。 由 1948 年 Claude Shannon 提出之理論，網路容量本身會被傳送媒介或 使用者所產生的雜訊所限制。當使用者增加，整個網路的容量將會降低，因 此使用者聚集之高用量區域，必須提升該區域之網路容量才有辦法提供符合 使用者需求之服務。3G 營運商為了增加網路容量及室內覆蓋率，需要建置 更多基地台，然而無線頻帶屬於有限資源，租賃費用高，架設戶外基地台亦 是高價的投資。密集架設戶外基地台不僅增加網路設備佈建成本，也會因為 頻帶重疊造成訊號干擾而不利於通訊品質。依據 Alcatel-Lucent 公司之模擬 結果發現，在基站高度均為 30 公尺的條件下，透過增加基站建置密度雖可. 治 政 增加整體網路容量，但當基站間距離低於 240 大 公尺時，隨著基站間距縮小， 立 容量反而變小。 ‧ 國. 學. 提升頻譜使用效率：. ‧. 藉由 LTE 的佈建，採用新的調變與更先進的天線技術，如 OFDMA. sit. y. Nat. （Orthogonal Frequency Division Multiple Access）調變技術、MIMO（Multi-Input. io. er. Multi-Output）與 beamforming 等 smart antenna 技術。雖可提升頻譜使用效率， 但平均而言，LTE 僅能比 HSPA 提升 50%的效率，短期雖然可改善流量不足. n. al. ni Ch 的窘境，但仍無法徹底解決問題。 U engchi. v. 提升頻譜再利用能力：. 頻譜再利用的方法便是使用 small-cell（femto/pico/micro/Wi-Fi），大部分 的行動網路便是採用此種異質網路（Heterogeneous Network, HetNet）架構。 在異質網路架構中，macrocell 提供廣泛的 3G／4G 訊號覆蓋，在此訊號覆蓋 下，其中 picocell / femtocell 為小型的行動基地台，訊號覆蓋半徑約 25~200 公尺，主要用來加強小範圍的 3G／4G 網路訊號及提升整體網路容量。此外， Wi-Fi AP 可將 3G／4G 網路流量分流至 Wi-Fi 網路，使頻譜達到最高使用效 率【10】。. 14.
(28) 根據 ABI Research 研究，70%的行動通訊行為發生在室內，透過架設戶外基 地台之作法除前述訊號干擾議題外，2008 年柏林 LTE 研討會之報告資料(如圖 2.3.1)提出，因建築物阻隔、訊號衰減等物理特性因素，室內傳輸速率將可能衰 減數十倍，因此室內傳輸問題並不適合以室外增建基地台的方式來解決，在增加 無線頻帶使用效率與降低網路建置成本的考量下，以建置於室內的 small-cell 取 代密集佈建戶外無線基地台成為未來無線通訊發展的趨勢，訊務分流議題亦隨之 被廣泛討論【3】。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 圖 2.3.1 室內行動傳輸速率示意圖(資料來源：Berlin,LTE 研討會,2008). 加拿大第二大電信商 Telus 在 Broadband World Forum 2011 中表示，行動寬頻 網路未來將有四大發展機會，第一為 4G-下世代網路接取；第二為 small-cell(也就 是小型基地台)；第三為網路分享；第四為政策管理(例如標準制訂、頻譜管理、 收費)。在 small-cell 部分，因為頻譜的稀少性和價格昂貴，為了提供更好的服務 給用戶，未來將把網路更拉近用戶端，這可能會導致一種現象：一個城市用在 voice 的 cells 約有 300-500 個，而用在 data 的 cells 則大幅增加為 2,000 個以上。 以目前將網路更貼近用戶的方法有三種，第一為 Pico(約可提供 200 公尺的覆蓋. 15.
(29) 範圍)，第二為 Femto(一般用戶約可提供 25 公尺的覆蓋範圍，企業則為 50 公尺)， 第三為 Wi-Fi(需要各處佈建，特別是在家裡)【2】。 綜合前述，可以發現未來的行動網路將朝向 HetNet 架構，架構示意圖如圖 2.3.2。在 2G GSM /3G UMTS/HSPA+/LTE 等環境下，用戶均可以直接無線上網， 但行動資源是有限的，在用戶數眾多的公眾區域仍會有網路壅塞的狀況。透過同 區域 small-cell 的建置，利用 HetNet handover 管理機制讓用戶 UE 可以選擇在當下 環境，使用哪個網路費用最優惠、資料速度最快，除提供更大範圍的服務，並可 進行訊務分流，疏通網路壅塞問題。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 圖 2.3.2 HetNet 架構示意圖(本研究整理). 針對各類行動網路基礎設施之經濟效益來分析，Macro 有最大的涵蓋範圍及 最小的網路容量，建置 Macrocell 可獲得最大的訊號涵蓋主要範圍，而 Wi-Fi 訊號 涵蓋範圍雖然較小，但卻具有最大的頻寬與網路流量。由於行動數據流量的成 長，使得營運商對無線網路投資的注意力，從過去的涵蓋範圍轉移至容量大小， 即希望每單位投資可獲得最大頻寬與網路容量。因此使 Wi-Fi 在行動網路占據重 要的策略性地位；行動數據傳輸量分流架構圖如圖 2.3.3。透過 small-cell 的建置，. 16.
(30) 開闢另一個管道，針對在固定區域傳送大量資料之資料流進行訊務分流，能釋放 出有限的行動網路資源給移動中真正有需求的用戶使用。 除此之外，Wi-Fi 可提供新的應用與服務，並具有較低的佈建成本，不僅可 降低營運商的用戶退租率，甚至帶來新的營收機會，亦讓 Wi-Fi 成為各式營運商 網路佈建的首要選項。. 立. 政 治 大. ‧. ‧ 國. 學. io. sit. y. Nat. n. al. er. 圖 2.3.3 行動數據傳輸量分流架構圖(本研究整理). Ch. engchi. i Un. v. Femto Forum 於 2007 年成立後即大力推動 femtocell 微型基地台的技術與產 品。由於產品概念與運作模式合理且滿足行動電信營運商之室內訊號改善與數據 傳輸量分流的需求，因此短時間吸引電信產業廠商陸續加入聯盟。但針對行動電 信營運商的數據傳輸量分流，並非只有 femtocell 解決方案，另有 WiFi 與 DAS (Distributed Antenna Systems)等替代方案可選擇，造成 femtocell 沒有產生預期的出 貨量。加上 WiFi hotspot 在 2011 年起受到行動電信營運商加倍關注，Femto Forum 為主動掌握對小型基地台的主導權，重新劃分產品推廣的範疇，並將 Femto Forume 改名為 Small-Cell Forum (SCF)。. 17.
(31) SCF 最新小型基地台範疇規劃除大型基地台 Macrocell 外，可服務鄉村與都 會、企業用及家用的各型授權頻段中之基地台，包括 Microcell、Metrocell、Picocell、 Femtocell 都是 SCF 推廣與開發的範圍項目。但考量系統整合及完整度，大型基 地台、WiFi、DAS 與 Cloud RAN 也都被部分納入 SCF 推動範圍(如圖 2.3.4)【4】。. 立. 政 治 大. ‧. ‧ 國. 學 er. io. sit. y. Nat. 圖 2.3.4 SCF 小型基地台定義範疇(資料來源：SCF,2012 年 4 月). Informa Telecoms &Media 在 2012 年 2 月公佈最新的市場白皮書，揭露微型基. al. n. iv n C 年將有近 6,000 。Infonetics h e萬台的出貨量 ngchi U. 地台 femtocell 到 2015. 透過 2012 Small-cell. Asia 也發表數年的 femtocell 預測數字，到 2015 年則估計有相對保守的 4,500 萬 台出貨，但兩者對於 2013 年之後 femtocell 的市場都呈現樂觀的看法(如圖 2.3.5)。主要原因在於包括 Data offload、3G coverage 的需求下，更多行動電信商 將投入佈建，帶動微型基地台的生態鏈與設備成本出現正向互動。SCF 預估到 2015 年全球將有約 6 百萬點公眾熱點( 如圖 2.3.6)【5】。. 從 2008 至 2011 年之 femtocell 用戶成長狀況可知，家庭用戶並沒有出現大幅 度的成長。可見用戶儘管了解 femtocell 的概念與好處但並沒有強烈的申請意 願，除語音節費與室內行動訊號優化外，用戶還需要行動商透過 femtocell 提供 18.
(32) 更多獨特的加值應用以提高使用需求。所以在 2013 年後，除了 LTE 網路的商用 有機會促使更多行動運營商以各類大小型同質/異質網路基地台共組無縫隙的 4G 高速網路外，femtocell 應用端的開發將十分關鍵。. 立. ‧. ‧ 國. 學. 圖 2.3.5. 政 治 大. 2011~2015 femtocell 出貨量預估(資料來源：MIC ,2012 年 4 月). n. er. io. sit. y. Nat. al. 圖 2.3.6. Ch. engchi. i Un. v. 2011~2015 全球 Poblic Hotspots 數預估(資料來源：SCF,2012 年 3 月). 另外，根據 Juniper2010 年的調查報告，有 43%的行動數據流量透過 Wi-Fi 與 19.
(33) femtocell 卸載。預計到 2016 年將成長至 63%(將近 9,000 Petabytes 的行動卸載流 量)，且預估 2015 年的整體行動數據流量，僅有 37%由行動網路傳輸，57%是藉 由 Wi-Fi 網路傳輸，6%是藉由 femtocell 傳輸，可見 Wi-Fi 在行動流量卸載的重要 性仍將持續提高(如圖 2.3.7)。. 立. 政 治 大. ‧. ‧ 國. 學. 圖 2.3.7. 2015 年整體行動數據流量預估(資料來源：Juniper/MIC). io. sit. y. Nat. n. al. er. 在【13】中，提及隨著資料量的暴增，電信營運商將透過 small-cells 進行訊. Ch. i Un. v. 務分流。透過比較 femtocell 與 WiFi 之技術差異，並就訊務分流議題下各自之技. engchi. 術特性及限制作分析，並以於維也納之實測數據，驗證透過整合 femtocell 和 WiFi 提升覆蓋率來進行訊務分流是可被實現的，提供電信營運商採用 small-cells 和較 少的控制程序來解決訊務分流問題之參考。. 在【14】中，一樣提到為了因應未來行動資料量之遽增，電信營運商將被迫 大幅增加系統容量，但無論是購買額外頻譜或導入更先進技術(如 LTE)都無法解 決這個問題，唯有透過密集之 small-cell 佈建，進行訊務分流才能解決此問題。 透過在維也納實測發現，室內用戶接收 small-cell 之訊號甚至大於 Macrocell 訊號， 且 small-cell 建置有助增強 3G 訊號。. 20.
(34) 在【15】中，採用【18】之 Macro Cell 部署演算法，可得到 Macro-cell 之最 少建置數量，利用異質網路(HetNet)架構，以 small-cell 來提升系統容量及訊號涵 蓋率。. 在【17】中，提出訊務分流的網路架構(如圖 2.3.8)，small-cell 佈建區域可含 括機場、購物中心及個人家庭室內，利用建置 small-cell 來增加行動網路系統容 量。並可透過 small-cell 直接連結有線網路，將行動訊務分流，解決訊務壅塞問 題。另外依據貝爾實驗室觀察建構模型案例之研究分析，發現若能將尖峰期之訊. 治 政 務導到離峰期，將可在不增加基礎建置成本下，解決訊務壅塞問題，但要達到此 大 立 目的，需要透過離峰期優惠方案來促成。 ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 圖 2.3.8 訊務分流網路架構. 21.
(35) 第三章 研究方法 3.1 問題定義 (Problem definition) 本研究重點在於建立 small-cell 覓點模型來有效率找出真正需要分流行動數 據傳輸量的地點來建置 small-cell。本研究選擇 off-load 3G 訊務成效(含高用量戶. 政 治 大. off-load 成效)、throughput 成效、建置成本效益及設備使用率等四指標來驗證本研. 立. 究所提 small-cell 覓點模型。. ‧ 國. 學 ‧. 3.1.1 Off-load 3G 訊務成效(O). 將分為全區 off-load 3G 訊務成效及高用量用戶 off-load 成效作討論。. y. Nat. er. io. 式如下所示：. sit. 有關全區 off-load 3G 訊務成效，採用普遍被電信營運商接受之計算公式，公. al. n. v. SmallCell (n月i ) C h 總訊務量 O1 U i n )gc3h SmallCell 總訊務量e(月 G基地台總訊務量 (月) . Small-cell 總訊務量(月)=每月 WiFi AP 及 femtocell 等訊務量之總和。. . 3G 基地台總訊務量(月)=每月全區 3G 基地台訊務量之總和。. 有關高用量用戶 off-load 成效計算公式如下所示：. O2 . 高用量用戶之SmallCell 總訊務量(月) 高用量用戶之SmallCell 總訊務量(月) 高用量用戶之3G總訊務量(月). . 本研究所指高用量用戶，係指電信營運商 3G 前 10%高用量用戶。. . 高用量用戶之 small-cell 總訊務量(月)=每月高用量用戶透過 small-cell 上 22.
(36) 網之總流量。 . 高用量用戶之 3G 總訊務量(月)=每月高用量用戶透過 3G 上網之總流量。. 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： 離峰時段：T1/t1 尖峰時段：T2/t2 . T1、T2 為改善後下載 throughput。. . t1、 2. 政 治 大 t 為改善前下載 立throughput。. ‧ 國. 學. 3.1.3 建置成本效益(C). ‧. n. al. sit er. 以相同 off-load 作基準點計算。. io. . Nat. C = 導入前所需建置熱點數 / 導入後所需建置熱點數. 3.1.4 設備使用率. y. 比較本研究 small-cell 覓點模型導入前後之建置成本比，公式如下所示：. Ch. engchi. i Un. v. 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。. 23.
(37) Top 20% of heavy users. END. No. User behavior analysis. Signal simulation and actual road test. Most Internet access via fixed cell. High-traffic sections addresses. High load base station. YES. Daytime: company Night: home. Internet access period (day / night). User address data. Address distance comparison. Base station address. 立. User address data. Sections address whether the same. 政 治 大. Company address information. NO. END. NO. distance ≤ 2 km. YES. The company/user address is the target deployed location. 學. YES. io. sit. 圖 3.2.1 Small-Cell 覓點流程. er. Nat. Small-Cell depolyed location. y. User address is the target deployed location. ‧. ‧ 國. Compare sections addresses. al. n. iv n C 首先，針對前 20%高用量用戶之使用行為進行分析，判斷是否都在同一個 hengchi U. cell 上網或大部份時間在固定的 Cell 上網，再從高用量用戶在同一個 cell 上網或 固定的 cell 之上網時段分析，若上網時間集中在白天時，推論用戶在辦公場所上 網；若上網時間集中在晚上或整天，則推論在住家上網，因此高用量用戶的住家 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 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 24.
(38) 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. 政 治 大. 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. 立. 對前 20%高用量用戶作訊務分流，將有非常顯著成果。. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 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 25.
(39) 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。. 政 治 大. 立. 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). ‧ 國. 學. 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：. Nat. . 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. n. al. er. sit. y. 高用量用戶若均在單一 cell 上網，則該用戶在固定 cell 上網。. io. . i Un. v. 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。 . Ch. 判斷流程詳圖 3.2.4。. engchi. 26.
(40) TOP 20% user traffic analysis. Single cell YES NO. Multi-cell traffic analysis. 立 NO. YES. 學. Nonfixed cell. ‧. ‧ 國. Fixed cell. 政 治 大. Single cell> 30%. 圖 3.2.4 固定 Cell 判斷流程. io. sit. y. Nat. n. al. er. 另外依據中華電信公司 100 年 11 月之 3G 使用者資料，本研究分析發現，前. Ch. i Un. v. 20%高用量的用戶在固定 cell 上網之使用時間比為白天 25.42%、晚上 18.67%、全. engchi. 天 55.91%(詳圖 3.2.5)。其中，若白天、晚上固定在不同的特定 cell 上網之用戶， 推論白天在辦公場所，晚上在住家；全天或只固定在相同 cell 上網之用戶，推論 在住家。. 27.
(41) 政 治 大. 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). 學. ‧ 國. 立. 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. Nat. sit. y. 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. n. al. er. io. 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. i Un. v. 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。. Ch. engchi. 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： …. 28.
(42) <!--住址轉出之 WGS84 座標--> <location> <lat>22.6699740</lat> <lng>120.3035090</lng> </location>. 接下來將 WGS84 座標換算成 TWD97 座標，程式碼如下所示： private string Cal_lonlat_To_twd97(double lon, double lat){ string TWD97 = ""; double a = 6378137.0;. 政 治 大. //赤道半徑. 立. double lon0 = 121 * Math.PI / 180;. //中央經線尺度(比例). //x 座標位移(公尺). sit. y. Nat. int dx = 250000;. //弧度. ‧. double k0 = 0.9999;. 學. ‧ 國. double b = 6356752.3142451; //極半徑. io. //WGS84 座標換算成 TWD97 座標公式. n. al. er. int dy = 0; //y 座標位移(公尺). i n double e = 1 - Math.Pow(b, 2)C / Math.Pow(a, 2); U hengchi. v. double e2 = (1 - Math.Pow(b, 2) / Math.Pow(a, 2)) / (Math.Pow(b, 2) / Math.Pow(a, 2)); lon = (lon - Math.Floor((lon + 180) / 360) * 360) * Math.PI / 180; lat = lat * Math.PI / 180; double V = a / Math.Sqrt(1 - e * Math.Pow(Math.Sin(lat), 2)); 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) * 29.
(43) Math.Sin(2.0 * lat) + (15.0 * Math.Pow(e, 2) / 256.0 + 45.0 * Math.Pow(e, 3) / 1024.0) * Math.Sin(4.0 * lat) - (35.0 * Math.Pow(e, 3) / 3072.0) * Math.Sin(6.0 * lat)); double x = dx + k0 * V * (A + (1 - T + C) * Math.Pow(A, 3) / 6 + (5 - 18 * T + Math.Pow(T, 2) + 72 * C - 58 * e2) * Math.Pow(A, 5) / 120); double y = dy + k0 * (M + V * Math.Tan(lat) * (Math.Pow(A, 2) / 2 + (5 - T + 9 * C + 4 * Math.Pow(C, 2)) * Math.Pow(A, 4) / 24 + ( 61 - 58 * T + Math.Pow(T, 2) + 600 * C - 330 * e2) * Math.Pow(A, 6) / 720)); TWD97 = x.ToString() + "," + y.ToString(); return TWD97; }. 立. 政 治 大. ‧ 國. 學. 將通訊地址、帳單寄送地址及 3G 基地台建置地址均轉為 TWD97 座標後，. y. sit. io. A 與 B 距離= Math.Sqrt((X2-X1)^2+(Y2-Y1)^2). n. al. Ch. engchi. er. B(X2,Y2). Nat. A(X1,Y1). ‧. 使用畢氏定理即可計算兩點間距離，計算公式如下所示：. i Un. v. 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 寫之通訊地址或帳單寄送地址產生關連，因此無法使用住家屋內之 small-cell 覓 30.
(44) 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)。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 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. 31.
(45) 段，亦將該用戶通訊住址列為 small-cell 目標建置地點。比對方法說明如下： 首先將地址格式及高負荷基地台區之待改善路段格式統一，除戶號為數字 外，其他路段資料均為文字。接下來利用 hash 雜湊表篩選出相同路段之公司行 號或高用量用戶通訊地址。將高負荷基地台區之待改善路段資料存入 A 檔案， 公司行號地址及高用量用戶通訊地址存入 B 檔案。再從 A、B 檔案中取出數字前 的路段當作雜湊表的 key，再將要比較之 A(路段)、B（詳細地址）兩檔存成陣列 作為雜湊表的值，取出 A 雜奏表的 key ，比對 B 雜奏表中是否存在此 key。若 有則將 key 放入陣列中得到 small-cell 目標建置地址，最後再進行目標公司行號或 高用量用戶通訊地址之現地查勘，確認是否確定為目標建置地點。若是則進行. 治 政 small-cell 細部建置地點規劃。比對地址路段之程式碼如下所列： 大 立 #!/usr/bin/perl. ‧ 國. 學. use strict;. ‧. my $filenamea = "1.txt"; my $filenameb = "2.txt";. y. sit. n. al. er. io. my %addrb;. Nat. my %addra;. my @ary_addr;. Ch. engchi. i Un. v. # 從 A, B 兩個檔案中，取出數字之前的路段當作雜湊表的 key # 詳細地址存成陣列做為雜奏表的值 open FH, "<$filenamea"; while(my $addr = <FH>) { if($addr =~ m/^([^0-9]+)(.+)$/ig) { if(exists $addra{$1}) { push (@{$addra{$1}}, $2); } else { $addra{$1} = [$2]; }. 32.
(46) } } close FH; open FH, "<$filenameb"; while(my $addr = <FH>) { if($addr =~ m/^([^0-9]+)(.+)$/ig) { if(exists $addrb{$1}) { push (@{$addrb{$1}}, $2); } else { $addrb{$1} = [$2]; }. 立. }. ‧. ‧ 國. close FH;. 學. }. 政 治 大. # 取得 A 雜奏表的 key ，並查詢在 B 雜奏表中是否存在此 key. Nat. sit. y. # 若存在則把該 key 放入陣列 @ary_addr 中. al. er. io. foreach my $key (keys %addra) {. n. if(exists $addrb{$key}) {. Ch push @ary_addr, $key; }. engchi. } # 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}}) { 33. i Un. v.
(47) print 'B:', $detail, "\n"; } print $key. "\n"; }. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 34. i Un. v.
(48) 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. 立. 政 治 大. 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)。. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 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。 35.
(49) 4.1.3 高負荷基地台篩選 挑選巨蛋商圈之高負荷基地台，共計四座基地台(包含前述三座基地台)。. 4.1.4 實驗前環境現況 本研究方法導入前，在四座基地台範圍內之 WiFi AP 數量原有 107 台。依據 高雄市政府民政局之戶籍統計資料，本研究選定之巨蛋商圈實驗區域共約 1,200 戶；四座基地台之總訊務量為 9.92TB，而 107 台 WiFi AP 之總訊務量為 1.068TB， off-load 成效為 9.72%[O=1.068TB / ( 9.92TB + 1.068TB )=9.72%]。我們將 WiFi AP. 政 治 大. 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. 立. 台屬閒置設備。. ‧ 國. 學. 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. Nat. sit. n. al. er. io. 因素。. y. 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. 4.1.6 比較方法. Ch. engchi. i Un. v. 【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。. 36.
(50) 4.2 結果與分析 4.2.1 利用實驗區訊務量驗證 Off-load 成效大增 透過本研究之 small-cell 覓址模型，篩選之 20 名高用量用戶，最後安裝 WiFi AP 之用戶數為 14 名。四座高負荷基地台需改善路段篩出之目標地點有 64 處， 實際完成建置之熱點數有 36 處。其中因個人或公司政策因素，未能安裝 WiFi AP 之 6 名高用量用戶及 28 處待改善路段目標地點，因本研究訊務分流的成效也有 相當的改善。 實測結果為四座基地台之總訊務量為 10.24TB，157 部 AP 之總訊務量為. 政 治 大. 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. 立. 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. ‧ 國. 學. 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. sit. y. Nat. 仍持續增加。. ‧. 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. n. al. er. io. O1=4.69TB/(10.24TB+4.69TB)=31.41%. i Un. 表 4.1 Off-load 成效. Ch. v. e n g行動網路訊務量 chi. WiFi 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. 37.
(51) 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%. 政 治 大. 4.2.3 根據離峰時段與尖峰時段實測驗證 throughput 成效提升. 立. 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). ‧ 國. 學. 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. sit. y. Nat. 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. io. er. 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. n. al. Ch. 較佳，因此改善情形較不明顯。. engchi. i Un. v. 圖 4.2.1 離峰時段(5~7 時) throughput 成效(T1/t1). 38.
(52) 圖 4.2.2 尖峰時段(20~22 時)throughput 成效(T2/t2). 政 治 大. 立表 4.3 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. ‧. ‧ 國. 平均 throughput 改善比例. 學. throughput 改善比例. 2.1. n. er. io. al. sit. y. Nat. 4.2.4 訊務分流成效驗證建置成本效益. i Un. v. 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. Ch. engchi. 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， 正是本研究列入假設所不探討之項目。但因其未考慮訊務分流急迫性區域，本研 究所提方法剛好可互補選出急迫訊務分流之區域建置 small-cell。. 39.
(53) 表 4.4 建置成本效益 採用本研究方法前. 採用本研究方法後. 節降成本倍數. 以用戶數比較. 372 點. 157 點. 1.37. 以熱點平均 Off-load 比較. 341 點. 157 點. 1.17. 4.2.5 設備使用率驗證選點精準度 導入本研究方法前，原 107 處 WiFi AP 使用量分佈如圖 4.2.3 所示，平均每. 政 治 大. 處 AP 月累積訊務量約為 9.98GB，其中有 47 點月累計訊務量小於 100MB。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 圖 4.2.3 本研究方法導入前之設備使用狀況分佈圖. 導入本研究 small-cell 覓點模型新增 50 點熱點後，157 處 WiFi AP 使用量分 佈如圖 4.2.4 所示，平均每處 AP 月累積訊務量約為 29.9GB。其中本研究新增之 50 點熱點，平均 AP 月累積訊務量約為 38.6GB，且每處 AP 月累積訊務量均達 2.6GB 以上，由前述數據可以驗證透過本研究選點精準度。. 40.
(54) 圖 4.2.4 本研究方法導入後之設備使用狀況分佈圖. 立. 政 治 大 表 4.5 選點精準度. 月累計訊務量. 1GB 之熱點數量. 採用本研究方法前. 9.98GB. 41 點. 採用本研究方法後. 29.9GB. 91 點. 備註. ‧ 點，平均 AP 月累積訊務. n. al. er. io. sit. Nat. 本研究新增之 50 點熱. y. ‧ 國. 月累計訊務量大於. 學. 平均每處 AP. Ch. engchi U. v ni. 量約為 38.6GB，且每處 AP 月累積訊務量均達 2.6GB 以上. 41.
(55) 第五章 結論與未來研究 我們在本篇論文中所提出之 small-cell 覓點模型，主要針對使用者的使用行 為進行規劃建置 small-cell 之地點，以有效獲得行動數據傳輸量分流效益，提升 throughput 成效，並降低網路營運成本。. 立. 政 治 大. 在研究方法中，我們從住家及辦公場所兩方面著手規劃，分別針對高用量用. ‧ 國. 學. 戶及高負荷基地台區域兩方面進行 small-cell 覓點模型訂定。運用使用者訊務及. ‧. 3G 系統營運數據分析，透過 Google Map API 等現成工具及演算法快速得到 small-cell 目標建置地點。. io. sit. y. Nat. n. al. er. 在實驗設計與驗證部分，我們以實際區域之數值驗證在導入本研究 small-cell. Ch. i Un. v. 覓址模型後，在 off-load 訊務分流、DL throughput 提升、節省建置成本及選點精. engchi. 準率等指標均有顯著成效。使用 small-cell 來進行訊務分流，這個觀念已被各電 信營運商接受，但如何執行才是最有效的方法。本論文依據實際數據驗證本研究 之 small-cell 覓址模型可有效使用 small-cell 降低行動數據傳輸量。. 如何讓用戶接受使用 small-cell 上網及提升 small-cell 效益，除用戶設備之功 能設計、電信營運商的行銷手法外，為簡化研究之複雜度，本研究未將依據場地 特性之 small-cell 規劃設計與建置方式納入考量，亦即將其預設為最佳化。若能 依據場地特性規劃 small-cell 建置方式，將可讓成效更顯著，但整個研究也將變 得更為複雜。另隨著智慧型手持裝置的普及，衍生使用者行為的改變，整體行動. 42.
(56) 用戶之行動數據傳輸量均會大幅提昇，加上電信業者行動訊務分流改善措施，將 會影響高用量用戶行動數據使用量對整體用戶用量之佔比，故選擇多少百分比之 高用量用戶套用本研究方法才是最有效率的，這些部分均可作為未來研究的可能 延伸。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 43. i Un. v.
(57) References 【1】 MIC,“LTE 技術架構發展與應用現況”, January 2011. 【2】 IEK,“從 Broadband World Forum 2011 看行動寬頻產業發展趨勢”, October 2011. 【3】 S. Carlow, C. Wheelock,“ABI Research: femtocell market challenges and opportunities”, April 2007.. 政 治 大 【5】 MIC,“Managing Trust―從 2012 年德國 CeBIT 展觀察電信產業發展趨勢”, 立 【4】 工研院，“femtocell 國際標準及技術分析報告”, January 2011.. ‧ 國. 學. March 2012.. 【6】 MIC,“全球行動電話市場預測(2011~2015)”, April 2011.. ‧. 【7】 MIC,“全球行動電話用戶數預測(2011~2015) ”, April 2011.. sit. y. Nat. 【8】 拓墣產業研究所,“femtocell 於行動數據分流趨勢分析”, June 2011.. al. n. 2011.. er. io. 【9】 拓墣產業研究所,“4G 世代下基礎建設發展與機會分析”, November. Ch. engchi. i Un. v. 【10】Laura Wood,“Small-cells Will Play a Very Large Part In Next-Generation Networks: Worldwide Femto, Pico, and Microcell Market Analysis”, September 2010. 【11】Cisco,“The Cisco® Visual Networking Index (VNI)”, February 2012. 【12】愛立信,“擁抱「網路型社會」完美風暴 - 2012 年產業趨勢展望”, January 2012. 【13】Paul Fuxjäger,“Radio Resource Allocation in Urban Femto-WiFi Convergence Scenarios”, June 2010. 【14】Paul Fuxjäger,“Measurement-Based Small-cell Coverage Analysis for Urban. 44.
(58) Macro-Offload Scenarios”, May 2011. 【15】R.Razavi and H. Claussen, Bell Laboratories, Alcatel-Lucent, Blanchardtown Industrial Park, Dublin 15, Republic of Ireland ,“Urban Small-cell Deployments: Impact on the Network Energy Consumption”, April 2012. 【16】G. Auer and et aI., “D2.3: Energy Efficiency Analysis of the Reference Systems, Areas of Improvements and Target Breakdown”, November 2010. 【17】Rati Thanawala, Mohamed El-Sayed, Tom Morawski, Amit Mukhopadhyay, John Zhao, Carlos Urrutia-Valdés ,“The Mobile Data Explosion and New Approaches to Network Planning and Monetization”, September 2010.. 治 政 【18】H. Claussen,“Autonomous self-deployment of wireless 大 access networks”, May 立 2009. ‧ 國. 學. 【19】Informa Telecoms & Media,“Future Mobile Operator Business Models”,. ‧. November 2010.. n. er. io. sit. y. Nat. al. Ch. engchi. 45. i Un. v.
(59)
數據
Outline
相關文件
• Cell coverage area: expected percentage of locations within a cell where the received power at these. locations is above a
In this paper, we evaluate whether adaptive penalty selection procedure proposed in Shen and Ye (2002) leads to a consistent model selector or just reduce the overfitting of
In Case 1, we first deflate the zero eigenvalues to infinity and then apply the JD method to the deflated system to locate a small group of positive eigenvalues (15-20
Now, nearly all of the current flows through wire S since it has a much lower resistance than the light bulb. The light bulb does not glow because the current flowing through it
An algorithm is called stable if it satisfies the property that small changes in the initial data produce correspondingly small changes in the final results. (初始資料的微小變動
• To achieve small expected risk, that is good generalization performance ⇒ both the empirical risk and the ratio between VC dimension and the number of data points have to be small..
Advantages of linear: easier feature engineering We expect that linear classification can be widely used in situations ranging from small-model to big-data classification. Chih-Jen
To solve this problem, this study proposed a novel neural network model, Ecological Succession Neural Network (ESNN), which is inspired by the concept of ecological succession
