一种IMT系统的频谱需求预测方法及设备

摘要

本发明提供一种IMT系统的频谱需求预测方法及系统，该方法包括：选取IMT系统的典型业务密集场景；获取典型业务密集场景对应的业务量统计信息以及基站部署种类；根据业务量统计信息确定预测年的业务总量；将预测年的业务总量根据不同的接入技术进行分流；将每种接入技术对应的业务量按照其所支持的基站部署种类进行分流；确定预测年的基站总数；将基站总数根据不同的接入技术进行分流；将每种接入技术对应的基站数按照其所支持的基站部署种类进行分流；根据接入技术的每种基站部署的业务量、基站数确定每种接入技术的频谱需求；根据每种接入技术的频谱需求确定总频谱需求。本发明提高了频谱资源的有效利用率。

说明书

技术领域

本发明关于移动通信技术领域，特别是关于频谱需求的预测技术，具体 的讲是一种IMT（International Mobile Telecommunication，国际移动通信）系 统的频谱需求预测方法及设备。

背景技术

电磁频率资源是国际共用、国家支配的一种自然资源，是促进经济社会 建设、服务国防建设与党政机关的稀缺的战略性资源。电磁频率资源广泛应 用到公众移动通信、专网通信、航空航天、广播电视、气象、铁路、交通、 渔业、公安等国民经济和国防建设的各个方面，涉及固定业务、移动业务、 空间业务等四十多项无线电业务。

电磁频率资源涉及的行业广泛、业务种类繁多，各个行业对频率的使用 方式、保护要求和使用效率存在差别。近年来，伴随着各行业信息化的不断 发展，已规划频率资源已逐渐不能满足各行业的发展需要，频率供需矛盾日 益凸显。如果不能做好相应的频率资源需求预测等工作，将对相关行业的发 展及产业化进程带来不利影响。当前，各行业相关工作者，从本行业的发展 和需求出发，有针对性得开展了本行业频率需求预测的方法研究。

由国际电信联盟无线通信分部（ITU-R）定义的第四代移动通信系统 （IMT-Advanced），又被广泛的称为4G。IMT-Advanced系统的承载能力全面 超越了第三代移动通信系统（3G，IMT-2000）。根据ITU-R所提出的需求，IMT- Advanced主要具备如下特征：与早期IMT系统和固定网络在业务上的兼容性； 与其它无线通信系统交互工作的能力；高质量的无线业务；世界通用的用户 终端（UE）；网络应用、服务于设备的用户友好性；国际漫游支持；能够支持 更先进业务与应用的增强峰值传输速率（高速移动场景支持到100Mbit/s，低 速移动场景支持到1Gbit/s）。

IMT-Advanced系统在带来技术革新的同时，对频谱的需求力度持续增加。 频率资源预测结论对未来频谱规划与管理具有重要意义。虽然相关的国际标 准化工作虽然已初具规模，但由于其内容主要着眼于整个国际环境，对我国 具体国情缺乏有效的认识，其结论与我国相关行业的发展需求具有一定的不 匹配性。因此，需要结合我国国情，研究一种IMT频谱需求的预测方法。

发明内容

针对IMT系统，本发明提出一种频谱需求预测方法及系统，以提高频谱 资源的有效利用率。

本发明的目的之一是，提供了一种IMT系统的频谱需求预测方法，所述 的方法包括：选取所述IMT系统的典型业务密集场景；获取所述的典型业务 密集场景对应的业务量统计信息以及基站部署种类；根据所述的业务量统计 信息确定预测年的业务总量；将所述预测年的业务总量根据不同的接入技术 进行分流，得到每种接入技术对应的业务量；将每种接入技术对应的业务量 按照其所支持的基站部署种类进行分流，得到每种基站部署的业务量；确定 预测年的基站总数；将所述的基站总数根据不同的接入技术进行分流，得到 每种接入技术对应的基站数；将每种接入技术对应的基站数按照其所支持的 基站部署种类进行分流，得到每种基站部署的基站数；根据接入技术的每种 基站部署的业务量、基站数确定每种接入技术的频谱需求；根据每种接入技 术的频谱需求确定总频谱需求。

本发明的目的之一是，提供一种IMT系统的频谱需求预测设备，所述的 设备包括：业务场景选取装置，用于选取所述IMT系统的典型业务密集场景； 统计信息获取装置，用于获取所述的典型业务密集场景对应的业务量统计信 息以及基站部署种类；业务总量预测装置，用于根据所述的业务量统计信息 确定预测年的业务总量；第一业务量分流装置，用于将所述预测年的业务总 量根据不同的接入技术进行分流，得到每种接入技术对应的业务量；第二业 务量分流装置，用于将每种接入技术对应的业务量按照其所支持的基站部署 种类进行分流，得到每种基站部署的业务量；基站总数预测装置，用于确定 所述预测年的基站总数；第一基站数分流装置，用于将所述的基站总数根据 不同的接入技术进行分流，得到每种接入技术对应的基站数；第二基站数分 流装置，用于将每种接入技术对应的基站数按照其所支持的基站部署种类进 行分流，得到每种基站部署的基站数；频谱需求确定装置，用于根据接入技 术的每种基站部署的业务量、基站数确定每种接入技术的频谱需求；总频谱 需求确定装置，用于根据每种接入技术的频谱需求确定总频谱需求。

本发明的有益效果在于，依托现有IMT频谱预测方法，结合我国业务量 与系统承载能力等实际情况，选取典型业务密集区进行频谱预测计算，增加 了数据可信度和算法普适性，且避免了多种用户密度下的测算、减少了运算 量；同时，本发明充分考虑了总业务量与基站数量在不同接入技术的不同基 站部署场景下的映射关系，使得结果更加可靠，具有较强的实用性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面 描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲， 在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种IMT系统的频谱需求预测方法的流程图；

图2为图1中的步骤S104的具体流程图；

图3为图1中的步骤S105的具体流程图；

图4为本发明实施例提供的一种IMT系统的频谱需求预测方法的实施方 式二的流程图；

图5为本发明实施例提供的一种IMT系统的频谱需求预测设备的结构框 图；

图6为本发明实施例提供的一种IMT系统的频谱需求预测设备中第一业 务量分流装置的结构框图；

图7为本发明实施例提供的一种IMT系统的频谱需求预测设备中第二业 务量分流装置的结构框图；

图8为本发明实施例提供的一种IMT系统的频谱需求预测设备的实施方 式二的结构框图；

图9为本发明实施例提供的一种IMT系统的频谱需求预测方法的示意图；

图10为中国通信标准化协会预测2020年接入技术组占比结果示意图；

图11为一次线性拟合总基站数示意图；

图12为西单商区建筑分布示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而 不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

有鉴于现有技术存在的技术问题，针对我国国情，需要设计一套合理的、 可靠的IMT频谱预测方法及设备，以促进相关行业的健康发展，充分挖掘网 络的性能潜力，提高频谱资源的有效利用率。由于整个频谱需求预测的原理 和过程可以近似概括为：频谱需求=业务量/系统承载能力。其中，业务量的预 测是根据当前业务量，通过合理估计，预测未来某阶段的业务量。系统承载 能力的预测可以分为两部分因素：一是网络部署情况，涉及部署种类与每种 部署的数量、密度等；二是每种部署的频谱效率能力。

从业务量到系统承载能力，将需要根据场景、接入技术、部署种类进行 细分，然后一一映射。热点地区分析与映射方法建立是本发明的核心内容。 本发明中，F表示频谱需求，T表示业务量，d表示场景，v表示话务量，m 表示数据业务量，a表示增长因子，下标0表示基准年数据，下标Y表示目标 年数据，u表示用户，n表示数量，S表示样本，R表示接入技术组，β表示 占比，dp表示基站部署种类，B表示基站，A表示面积。变量间通过数字或 变量下标等方式区分。

因此，本发明实施例提供了一种IMT系统的频谱需求预测方法，其对应 的流程图如图1所示，由图1可知，该方法具体包括；

S101：选取所述IMT系统的典型业务密集场景。

选取的典型业务密集场景，将能够代表一个地区或城市里业务量最密集 的情况。通常情况下，这种场景是用户密度较高，且处于忙时（日忙时、周 忙时、年忙时）阶段的场景。

城市、郊区、乡村等场景的业务量呈现不同的密度和量级等特征。一个 典型的频谱需求预测方法需要综合考虑各类场景，最终的频谱需求结果需要 满足不同业务量场景中对频谱需求最高的区域。由ITU-R、美国FCC、俄联 邦、GSMA等国家和组织的预测过程与结论可知，城市的业务量与最终频谱 需求是最高的。也即：

F=max{F_d}。

因此，在具体的实施方式中可直接选取城市业务密集区作为预测场景。 这种选取方法可以避免从全地域总业务量到各种不同密度场景业务量的分流 所带来的不客观性。

S102：获取所述的典型业务密集场景对应的业务量统计信息以及基站部 署种类。所述的业务量统计信息包括话务量统计信息以及数据业务量统计信 息。典型业务密集场景的业务量统计信息与基站部署情况的获取，可以通过 运营商年报等数据统计或者社会调查等方式。

S103：根据所述的业务量统计信息确定预测年的业务总量。

业务总量对于预测场景而言，业务量预测分为城市、郊区、乡村等场景 预测。对于预测内容而言，业务量预测分为话务量与数据业务量预测。对于 预测客体而言，业务量预测分为总业务量预测、及用户数预测与每用户业务 量预测。

对于预测内容，首先需要选择预测基准年。考虑到未来无线通信发展趋 势与用户行为方式，基准年的选取非常重要，如果恰好选择在技术新变革、 用户迅猛增长后的时间点，那么同样的增长因子将会高估频谱需求结果，造 成资源的浪费，反之亦然。同时，话务量与数据业务量的变化将呈现不同的 趋势。总体而言，

T₀=T_v,0+T_m,0,T_Y=T_v,0a_v+T_m,0a_m.

在具体的实施方式中，可以分别针对话务量与数据业务量进行预测，或 者将话务量等效为数据业务量，对合并后的数据业务量进行预测；也可以分 别从用户数增长与单位用户增长进行联合预测。

本实施例中，通过经验手段将话务量等效为数据业务量，仅对数据业务 量增长进行总体预测。这符合未来通信技术将使用满足语音业务QoS指标的 IP数据电话来承载语音业务的趋势。类似的，用户数预测与每用户业务量预 测可以表示为：

T₀=T_u,0n_u,0,$T_Y=T_{u,0}{a}_{T_u}{n}_{u,0}{a}_{n_u}.$

上述的增长因子的计算方法主要包括：

（1）社会调查多个数据源的数据平均；

（2）根据过去数据进行曲线拟合。

其中，方法（1）是通过广泛搜集社会调查的预测增长因子，做出平均：

$a_T={\Sigma }_{i=1}^{n_{a_T}}{a}_{T,i}.$

社会调查主要来自权威机构的规范的、具有代表性的数据，如通信业企 业、协会、政府、标准化组织等，该类样本空间越大，预测结果越平稳可靠。

方法（2）更多的依靠现有历史数据，通过对过去几年业务量数据的准确 搜集，依靠数学方法对未来数据进行拟合。本方法选取的拟合因子I_T,i动态可 调，根据业务量增速先快后慢的趋势。

$a_{T,i}=f_{a_T}(I_{T,i},a_{T,i-1},a_{T,i-2},a_{T,i-3},···),I_{T,0}=2.$

在业务量预测完毕之后，需要完成到接入技术组和部署种类的分流映射 过程，如表1所示。由于在方法初始阶段已经选定业务密集场景，因此不需 针对场景再一重映射。这降低了计算复杂度，带来了更精准的预测结果。

表1

  部署种类1 部署种类2 部署种类3 部署种类4 … IMT接入技术组1 % % % % … IMT接入技术组2 % % % % … IMT接入技术组3 % % % % … … … … … … …

注：表格所有分流占比求和为1。

S104：将所述预测年的业务总量根据不同的接入技术进行分流，得到每 种接入技术对应的业务量。

图2为图1中的步骤S104的具体流程图，由图2可知，步骤S104具体 包括：

S201：获取非IMT系统对业务总量的分流比例。非IMT系统诸如WLAN 等宽带无线接入系统。

S202：确定除去非IMT系统分流后的剩余业务总量。

S203：获取IMT系统内不同接入技术对业务总量的分流比例；

S204：将所述的剩余业务总量按照所述IMT系统内不同接入技术对业务 总量的分流比例进行配比。

所述的接入技术包括但不限于IMT范围内的多项技术，如第二代/第三代 /第四代移动通信所使用的频分双工/时分双工系统，也包括非IMT范围内的技 术，如宽带无线接入系统等。

对于IMT系统内的多种接入技术，依据其系统能力与预测年的技术发展 情况进行分流，确定IMT系统内接入技术分流比满足如表2所示。非IMT技术同样对业务量进行分流，且不计入IMT承载范畴。 由此，IMT接入技术组业务量占比可以求得为：

${\beta }_{R_i,\mathrm{IMT}}={\beta }_{R_i,\mathrm{IMT}}^{\prime }(1-{\Sigma }_{j=1}^{n_{\mathrm{non}-\mathrm{IMT}}}{\beta }_{R_j,\mathrm{non}-\mathrm{IMT}}).$

表2

注：表格所有分流占比求和为1。

本发明实施例提供了一种IMT系统的频谱需求预测方法，其对应的流程 图如图1所示，由图1可知，该方法还包括；

S105：将每种接入技术对应的业务量按照其所支持的基站部署种类进行 分流，得到每种基站部署的业务量。

图3为图1中的步骤S105的具体流程图，由图3可知，所述的步骤S105 具体包括：

S301：获取每种接入技术对应的基站部署种类。所述的接入技术具备多 种基站部署种类，包括但不限于宏小区、微小区、微微小区、热点小区等。

S302：确定所述的基站部署种类对应的分流比例，如表3所示。

表3

注：表格所有分流占比求和为1。

S303：将每种接入技术的业务量按照基站部署种类对应的分流比例进行 配比。每个部署种类，根据选取典型密集区域场景的建筑、街道和其它热点 等分布情况，根据场景内用户移动速度等特征，对业务量的承载能力（覆盖 占比）不同，如表4、表5所示，表4为技术组部署种类对场景的支持能力， 表5为技术组部署种类对用户移动性的支持占比。

表4

  高层建筑 街道 其它热点 … 宏基站 100% 100% 100% … 微基站 θ_micro,bu% θ_micro,str% θ_micro,oth% … 微微基站 θ_pico,bu% θ_pico,str% θ_pico,oth% … 热点基站 θ_hot,bu% θ_hot,str% θ_hot,oth% … … … … …  

表4中，支持能力用来衡量部署种类对场景覆盖的情况，例如θ_micro,bu%表示， 高层建筑的所有面积中，微基站至多覆盖到θ_micro,bu%。

表5

表5的支持占比中，对某个移动性占比求和为1，例如：

在实际的预测过程中，可按照如下原则与顺序进行：微微蜂窝与热点蜂 窝覆盖密集子区域（高层建筑、其它热点）与较低速用户与静止用户，占比 中间量取两表格相应取值的乘积：

类似的，微蜂窝覆盖街道场景、重点覆盖中速用户，占比中间量取两表 格相应取值的乘积：

宏蜂窝覆盖全部场景，微微蜂窝与热点蜂窝、微蜂窝的覆盖不足之处由 宏基站完成。最后，将四种覆盖的占比中间量归一化：

${\beta }_{R_i,\mathrm{macro}}=\frac{{\beta }_{R_i,\mathrm{macro}}^{\prime }}{{\beta }_{R_i,\mathrm{macro}}^{\prime }+{\beta }_{R_i,\mathrm{micro}}^{\prime }+{\beta }_{R_i,\mathrm{pico}}^{\prime }+{\beta }_{R_i,\mathrm{hot}}^{\prime }}.$

由于各个接入技术组对不同部署场景的支持能力不同，各接入技术组在 同一典型业务密集场景中的不同部署种类的业务量分流需要分别计算。

本发明实施例提供了一种IMT系统的频谱需求预测方法，其对应的流程 图如图1所示，由图1可知，该方法还包括；

S106：确定预测年的基站总数。网络基站部署预测与业务量预测类似， 对预测年的基站总量进行估算。主要采用如下方法：

（1）社会调查多个数据源的数据平均。该方法主要来自权威机构的规范 的、具有代表性的数据，如通信业企业、协会、政府、标准化组织等，该类 样本空间越大，预测结果越平稳可靠。

$a_B={\Sigma }_{i=1}^{n_{a_B}}{a}_{B,i}.$

（2）根据过去数据进行曲线拟合。该方法更多的依靠现有历史数据，通 过对过去几年基站建设的准确搜集，依靠数学方法对未来数据进行拟合。本 方法选取的拟合因子I_B,i动态可调，根据基站部署难度有增加趋势进行修正。

$a_{B,i}=f_{a_B}(I_{B,i},a_{B,i-1},a_{B,i-2},a_{B,i-3},···),I_{B,0}=1.$

（3）通过合理建模，根据典型业务密集场景的实际情况与单位部署种类 的覆盖能力，通过总带覆盖区域与单位覆盖区域的比例计算求得。该方法结 合所选取的典型业务密集场景，根据预测年的场景建设情况，对场景内建筑、 街道、人口分布进行更精确的估计。

S107：将所述的基站总数根据不同的接入技术进行分流，得到每种接入 技术对应的基站数；

S108：将每种接入技术对应的基站数按照其所支持的基站部署种类进行 分流，得到每种基站部署的基站数；

方法（1）和（2）在完成基站总数预测之后，也需要结合方法（3）的思 路进行不同部署种类配比计算。概述如下：

由于各个接入技术组对不同部署场景的支持能力不同，各接入技术组在 同一典型业务密集场景中的不同部署种类的配比需要分别计算。

假设预测年所选取的典型业务密集场景可以进一步分为（但不限于）高 层建筑、街道和其它热点（地铁、广场等）三种场景，各场景面积占比分别 为β_bu,β_str,β_oth，满足三者求和为1。设宏基站、微基站、微微基站与热点基站 的单位基站覆盖面积分别为A_macro,A_micro,A_pico,A_hot。高层建筑中，假设单位高层建 筑面积为A_bu，平均楼层数量为n_bu,floor。假设街道面积为A_str。假设其它热点中， 单位建筑面积为A_oth，平均楼层数量为n_oth,floor。

则各类基站数量比例为：

$\frac{{\beta }_{\mathrm{bu}}{n}_{\mathrm{bu},\mathrm{floor}}}{A_{\mathrm{bu}}{A}_{\mathrm{macro}}}:\frac{{\beta }_{\mathrm{str}}}{A_{\mathrm{str}}{A}_{\mathrm{micro}}}:\frac{{\beta }_{\mathrm{oth}}{n}_{\mathrm{oth},\mathrm{floor}}{A}_{\mathrm{pico}}}{A_{\mathrm{oth}}(A_{\mathrm{pico}}+A_{\mathrm{hot}})}:\frac{{\beta }_{\mathrm{oth}}{n}_{\mathrm{oth},\mathrm{floor}}{A}_{\mathrm{hot}}}{A_{\mathrm{oth}}(A_{\mathrm{pico}}+A_{\mathrm{hot}})}.$

S109：根据接入技术的每种基站部署的业务量、基站数确定每种接入技 术的频谱需求。该步骤具体包括：

确定每种接入技术对应的预测年的频谱效率。网络频谱效率衡量接入技 术在特定部署种类下的单位频谱承载信息量的能力。针对不同接入技术和不 同部署种类，频谱效率不同，其中一个示例如表6所示，为3G系统频谱利用 率表（bit/s/Hz/cell）。

表6

  Macro Micro Pico Hot 城市典型业务密集区 2 4 4 –

根据接入技术的频谱效率、每种基站部署的业务量、基站数确定所述接 入技术的频谱需求，每种接入技术组的频谱需求，由其每种部署种类下频谱 需求综合得出，该步骤主要通过如下公式进行：

每种基站部署的频谱需求=所述基站部署的业务量／所述基站部署的基 站数／所述基站部署的频谱效率，即

在具体的实施方式中，宏基站和微基站可以共享频率。微微基站和热点 基站可以共享频率。也即：

$F_{R_i}=\max (F_{R_i,\mathrm{macro}},F_{R_i,\mathrm{micro}})+\max (F_{R_i,\mathrm{pico}}+F_{R_i,\mathrm{hotspot}}).$

每种接入技术的频谱需求=所述接入技术所支持的每种基站部署的频谱 需求的总和。

S110：根据每种接入技术的频谱需求确定总频谱需求。IMT系统的频谱 需求=每种接入技术的频谱需求的总和。即每个运营商的频谱需求，是其所运 营的接入技术组的频谱需求之和：

图4为本发明实施例提供的一种IMT系统的频谱需求预测方法的实施方 式二的流程图，由图4可知，在实施方式二中，该方法还包括：

S111：根据每种接入技术的最小部署带宽，对IMT系统的频谱需求进行 修正。

频谱需求的修正，是指根据每种接入技术组的最小部署带宽，对频谱需 求总量进行修正，通过如下公式进行：

其中，表示接入技术组的最小部署带宽，表示大于等于x的最小 整数。

图5为本发明实施例提供的一种IMT系统的频谱需求预测设备的结构框 图，由图5可知，该设备包括：

业务场景选取装置100，用于选取所述IMT系统的典型业务密集场景。 选取的典型业务密集场景，将能够代表一个地区或城市里业务量最密集的情 况。通常情况下，这种场景是用户密度较高，且处于忙时（日忙时、周忙时、 年忙时）阶段的场景。

城市、郊区、乡村等场景的业务量呈现不同的密度和量级等特征。一个 典型的频谱需求预测方法需要综合考虑各类场景，最终的频谱需求结果需要 满足不同业务量场景中对频谱需求最高的区域。由ITU-R、美国FCC、俄联 邦、GSMA等国家和组织的预测过程与结论可知，城市的业务量与最终频谱 需求是最高的。也即：

F=max{F_d}。

因此，在具体的实施方式中可直接选取城市业务密集区作为预测场景。 这种选取方法可以避免从全地域总业务量到各种不同密度场景业务量的分流 所带来的不客观性。

统计信息获取装置200，用于获取所述的典型业务密集场景对应的业务量 统计信息以及基站部署种类。所述的业务量统计信息包括话务量统计信息以 及数据业务量统计信息。典型业务密集场景的业务量统计信息与基站部署情 况的获取，可以通过运营商年报等数据统计，或者社会调查等方式。

业务总量预测装置300，用于根据所述的业务量统计信息确定预测年的业 务总量。

业务总量对于预测场景而言，业务量预测分为城市、郊区、乡村等场景 预测。对于预测内容而言，业务量预测分为话务量与数据业务量预测。对于 预测客体而言，业务量预测分为总业务量预测、及用户数预测与每用户业务 量预测。

对于预测内容，首先需要选择预测基准年。考虑到未来无线通信发展趋 势与用户行为方式，基准年的选取非常重要，如果恰好选择在技术新变革、 用户迅猛增长后的时间点，那么同样的增长因子将会高估频谱需求结果，造 成资源的浪费，反之亦然。同时，话务量与数据业务量的变化将呈现不同的 趋势。总体而言，

T₀=T_v,0+T_m,0,T_Y=T_v,0a_v+T_m,0a_m.

在具体的实施方式中，可以分别针对话务量与数据业务量进行预测，或 者将话务量等效为数据业务量，对合并后的数据业务量进行预测；也可以分 别从用户数增长与单位用户增长进行联合预测。

本实施例中，通过经验手段将话务量等效为数据业务量，仅对数据业务 量增长进行总体预测。这符合未来通信技术将使用满足语音业务QoS指标的 IP数据电话来承载语音业务的趋势。类似的，用户数预测与每用户业务量预 测可以表示为：

T₀=T_u,0n_u,0,$T_Y=T_{u,0}{a}_{T_u}{n}_{u,0}{a}_{n_u}.$

上述的增长因子的计算方法主要包括：

（1）社会调查多个数据源的数据平均；

（2）根据过去数据进行曲线拟合。

其中，方法（1）是通过广泛搜集社会调查的预测增长因子，做出平均：

$a_T={\Sigma }_{i=1}^{n_{a_T}}{a}_{T,i}.$

社会调查主要来自权威机构的规范的、具有代表性的数据，如通信业企 业、协会、政府、标准化组织等，该类样本空间越大，预测结果越平稳可靠。

方法（2）更多的依靠现有历史数据，通过对过去几年业务量数据的准确 搜集，依靠数学方法对未来数据进行拟合。本方法选取的拟合因子IT,i动态可 调，根据业务量增速先快后慢的趋势。

$a_{T,i}=f_{a_T}(I_{T,i},a_{T,i-1},a_{T,i-2},a_{T,i-3},···),I_{T,0}=2.$

在业务量预测完毕之后，需要完成到接入技术组和部署种类的分流映射 过程，如表1所示。由于在方法初始阶段已经选定业务密集场景，因此不需 针对场景再一重映射。这降低了计算复杂度，带来了更精准的预测结果。

第一业务量分流装置400，用于将所述预测年的业务总量根据不同的接入 技术进行分流，得到每种接入技术对应的业务量。图6为本发明实施例提供 的一种IMT系统的频谱需求预测设备中第一业务量分流装置的结构框图，由 图6可知，第一业务量分流装置400具体包括：

第一分流比例获取单元401，用于获取非IMT系统对业务总量的分流比 例；

剩余业务总量确定单元402，用于确定除去非IMT系统分流后的剩余业 务总量；

第二分流比例获取单元403，用于获取IMT系统内不同接入技术对业务 总量的分流比例；

第一配比单元404，用于将所述的剩余业务总量按照所述IMT系统内不 同接入技术对业务总量的分流比例进行配比，得到每种接入技术对应的业务 量。

所述的接入技术包括但不限于IMT范围内的多项技术，如第二代/第三代 /第四代移动通信所使用的频分双工/时分双工系统，也包括非IMT范围内的技 术，如宽带无线接入系统等。

对于IMT系统内的多种接入技术，依据其系统能力与预测年的技术发展 情况进行分流，确定IMT系统内接入技术分流比满足如表2所示。非IMT技术同样对业务量进行分流，且不计入IMT承载范畴。 由此，IMT接入技术组业务量占比可以求得为：

${\beta }_{R_i,\mathrm{IMT}}={\beta }_{R_i,\mathrm{IMT}}^{\prime }(1-{\Sigma }_{j=1}^{n_{\mathrm{non}-\mathrm{IMT}}}{\beta }_{R_j,\mathrm{non}-\mathrm{IMT}}).$

本发明实施例提供了一种IMT系统的频谱需求预测设备还包括；

第二业务量分流装置500，用于将每种接入技术对应的业务量按照其所支 持的基站部署种类进行分流，得到每种基站部署的业务量。图7为本发明实 施例提供的一种IMT系统的频谱需求预测设备中第二业务量分流装置的结构 框图，由图7可知，第二业务量分流装置500具体包括：

基站部署种类获取单元501，用于获取每种接入技术对应的基站部署种 类。所述的接入技术具备多种基站部署种类，包括但不限于宏小区、微小区、 微微小区、热点小区等。

分流比例确定单元502，用于确定所述的基站部署种类对应的分流比例， 如表3所示。

第二配比单元503，用于将每种接入技术的业务量按照基站部署种类对应 的分流比例进行配比，得到每种基站部署的业务量。每个部署种类，根据选 取典型密集区域场景的建筑、街道和其它热点等分布情况，根据场景内用户 移动速度等特征，对业务量的承载能力（覆盖占比）不同，如表4、表5所示， 表4为技术组部署种类对场景的支持能力，表5为技术组部署种类对用户移动 性的支持占比。表4中，支持能力用来衡量部署种类对场景覆盖的情况，例如 θ_micro,bu%表示，高层建筑的所有面积中，微基站至多覆盖到θ_micro,bu%。

表5的支持占比中，对某个移动性占比求和为1，例如：

在实际的预测过程中，可按照如下原则与顺序进行：微微蜂窝与热点蜂 窝覆盖密集子区域（高层建筑、其它热点）与较低速用户与静止用户，占比 中间量取两表格相应取值的乘积：

类似的，微蜂窝覆盖街道场景、重点覆盖中速用户，占比中间量取两表 格相应取值的乘积：

宏蜂窝覆盖全部场景，微微蜂窝与热点蜂窝、微蜂窝的覆盖不足之处由 宏基站完成。最后，将四种覆盖的占比中间量归一化：

${\beta }_{R_i,\mathrm{macro}}=\frac{{\beta }_{R_i,\mathrm{macro}}^{\prime }}{{\beta }_{R_i,\mathrm{macro}}^{\prime }+{\beta }_{R_i,\mathrm{micro}}^{\prime }+{\beta }_{R_i,\mathrm{pico}}^{\prime }+{\beta }_{R_i,\mathrm{hot}}^{\prime }}.$

由于各个接入技术组对不同部署场景的支持能力不同，各接入技术组在 同一典型业务密集场景中的不同部署种类的业务量分流需要分别计算。

基站总数预测装置600，用于确定所述预测年的基站总数。网络基站部署 预测与业务量预测类似，对预测年的基站总量进行估算。主要采用如下方法：

（1）社会调查多个数据源的数据平均。该方法主要来自权威机构的规范 的、具有代表性的数据，如通信业企业、协会、政府、标准化组织等，该类 样本空间越大，预测结果越平稳可靠。

$a_B={\Sigma }_{i=1}^{n_{a_B}}{a}_{B,i}.$

（2）根据过去数据进行曲线拟合。该方法更多的依靠现有历史数据，通 过对过去几年基站建设的准确搜集，依靠数学方法对未来数据进行拟合。本 方法选取的拟合因子I_B,i动态可调，根据基站部署难度有增加趋势进行修正。

$a_{B,i}=f_{a_B}(I_{B,i},a_{B,i-1},a_{B,i-2},a_{B,i-3},···),I_{B,0}=1.$

（3）通过合理建模，根据典型业务密集场景的实际情况与单位部署种类 的覆盖能力，通过总带覆盖区域与单位覆盖区域的比例计算求得。该方法结 合所选取的典型业务密集场景，根据预测年的场景建设情况，对场景内建筑、 街道、人口分布进行更精确的估计。

第一基站数分流装置700，用于将所述的基站总数根据不同的接入技术进 行分流，得到每种接入技术对应的基站数；

第二基站数分流装置800，用于将每种接入技术对应的基站数按照其所支 持的基站部署种类进行分流，得到每种基站部署的基站数。

方法（1）和（2）在完成基站总数预测之后，也需要结合方法（3）的思 路进行不同部署种类配比计算。概述如下：

由于各个接入技术组对不同部署场景的支持能力不同，各接入技术组在 同一典型业务密集场景中的不同部署种类的配比需要分别计算。

假设预测年所选取的典型业务密集场景可以进一步分为（但不限于）高 层建筑、街道和其它热点（地铁、广场等）三种场景，各场景面积占比分别 为β_bu,β_str,β_oth，满足三者求和为1。设宏基站、微基站、微微基站与热点基站 的单位基站覆盖面积分别为A_macro,A_micro,A_pico,A_hot。高层建筑中，假设单位高层建 筑面积为A_bu，平均楼层数量为n_bu,floor。假设街道面积为A_str。假设其它热点中， 单位建筑面积为A_oth，平均楼层数量为n_oth,floor。

则各类基站数量比例为：

$\frac{{\beta }_{\mathrm{bu}}{n}_{\mathrm{bu},\mathrm{floor}}}{A_{\mathrm{bu}}{A}_{\mathrm{macro}}}:\frac{{\beta }_{\mathrm{str}}}{A_{\mathrm{str}}{A}_{\mathrm{micro}}}:\frac{{\beta }_{\mathrm{oth}}{n}_{\mathrm{oth},\mathrm{floor}}{A}_{\mathrm{pico}}}{A_{\mathrm{oth}}(A_{\mathrm{pico}}+A_{\mathrm{hot}})}:\frac{{\beta }_{\mathrm{oth}}{n}_{\mathrm{oth},\mathrm{floor}}{A}_{\mathrm{hot}}}{A_{\mathrm{oth}}(A_{\mathrm{pico}}+A_{\mathrm{hot}})}.$

频谱需求确定装置900，用于根据接入技术的每种基站部署的业务量、基 站数确定每种接入技术的频谱需求。频谱需求确定装置900具体包括：

频谱效率确定单元，用于确定每种接入技术对应的预测年的频谱效率。 网络频谱效率衡量接入技术在特定部署种类下的单位频谱承载信息量的能 力。针对不同接入技术和不同部署种类，频谱效率不同，其中一个示例如表6 所示，为3G系统频谱利用率表（bit/s/Hz/cell）。

频谱需求确定单元，用于根据接入技术的频谱效率、每种基站部署的业 务量、基站数确定所述接入技术的频谱需求。每种接入技术组的频谱需求， 由其每种部署种类下频谱需求综合得出，主要通过如下公式进行：

每种基站部署的频谱需求=所述基站部署的业务量／所述基站部署的基 站数／所述基站部署的频谱效率，即

在具体的实施方式中，宏基站和微基站可以共享频率。微微基站和热点 基站可以共享频率。也即：

$F_{R_i}=\max (F_{R_i,\mathrm{macro}},F_{R_i,\mathrm{micro}})+\max (F_{R_i,\mathrm{pico}}+F_{R_i,\mathrm{hotspot}}).$

每种接入技术的频谱需求=所述接入技术所支持的每种基站部署的频谱 需求的总和。

总频谱需求确定装置1000，用于根据每种接入技术的频谱需求确定总频 谱需求。即每个运营商的频谱需求，是其所运营的接入技术组的频谱需求之 和：$F_{\mathrm{op}}={\Sigma }_{i=1}^{R_i}{F}_{R_i·}.$

图8为本发明实施例提供的一种IMT系统的频谱需求预测设备的实施方 式二的结构框图，由图8可知，在实施方式二中，该设备还包括：

修正装置1100，用于根据每种接入技术的最小部署带宽，对IMT系统的 频谱需求进行修正。频谱需求的修正，是指根据每种接入技术组的最小部署 带宽。

下面结合具体的实施例，详细介绍本发明的技术方案。根据一个具体的 资源分配实施例来验证本发明在IMT频谱预测方法上的有效性与实用性。

假设为了预测国内某IMT运营商在2020年的频谱需求，参考图9所示的 频谱需求预测方法逐一进行。

S1：选取典型业务密集场景，获取该场景业务量统计信息与基站部署情 况。

首先选取典型热点区域。根据该运营商业务量峰值分布，选择北京市西 单商区，选择2011年为基准年。数据统计显示，2011年忙时平均每小时话务 量为516Erl，数据流量为851430Mb，根据话务量映射经验公式1Erl=5.36 Mbyte，统一得到数据流量约为948630Mb，对应数据速率为263.5Mbps。2011 年基站数量为73。

S2：确定预测年的业务总量，将业务总量按照不同接入技术的承载特征 进行分流，然后将每种接入技术承载的业务量按照其所支持的基站部署种类 进一步分流。

总业务量预测联合采用统计平均与线性拟合的方法。将思科、阿尔卡特 朗讯、ABI、诺基亚、爱立信、UMTS等11家社会调查结果由2011年到2015 年的预测结果分别进行线性拟合，分别得到各家2020年的预测结果，如表7 所示。之后对各家拟合结果为进行平均，得到2020年业务量增长倍数为 76.351，总业务数据速率为20119Mbps。

表7

接下来将总业务量根据接入技术进行分流。首先，根据ITU-R报告M.2243 与韩国在ITU-R的5D工作组提案（Document5D/144-E），宽带无线接入技术 组对IMT的分流能力，在2020年约为20%。依据中国通信标准化协会（CCSA） 的一份预测结果，如图10所示，截止到2020年，主流接入技术组为3G和 4G以及宽带无线接入等非IMT技术。其中3G与4G业务量占比约为1:4。因 此，计算分流占比如表8所示：

表8

  3G 4G WLAN 业务量占比 16% 64% 20%

接下来将业务量根据部署种类进行分流。这里仅考虑3G与4G两种IMT 部署场景。参考ITU-R建议书M.1768，3G网络对城区业务密集区域的支持 能力如表9所示：

表9

  高层建筑 街道 其它热点 宏基站 100% 100% 100% 微基站 90% 95% 90% 微微基站 20% 40% 20% 热点基站 80% 40% 80%

考虑到实际部署场景，假设对移动性支持能力如表10所示：

表10

  高速 中速 低速和静止 宏基站 80% 20% 5% 微基站 15% 70% 5% 微微基站 5% 10% 50% 热点基站     40%

由此可得，β′_3G,hot=40%×(80%×80%)=64%。类似可以得到其它占比中间量 为β′_3G,pico=26%,β′_3G,micro=89.75%,β′_3G,macro=110%，归一化后结果如表11所示。

表11

  宏基站 微基站 微微基站 热点基站 3G 38% 31% 9% 22% 4G 26% 21% 22% 31%

综合以上表格，可以得到业务量分流结果如表12所示：

表12

  宏基站 微基站 微微基站 热点基站 3G 6.08% 4.96% 1.44% 3.52% 4G 16.64% 13.44% 14.08% 19.84%

S3：确定预测年的基站总数，接着将基站总数按照不同接入技术的承载 特征进行配比，然后将每种接入技术配比的基站数量按照其所支持的基站部 署种类进一步配比。

总基站数预测采用俄联邦的线性拟合方法，其根据莫斯科热点地区过去 几年的基站建设情况通过一阶线性拟合得到了结果。这里直接参考其曲线拟 合曲线，如图11所示，年增长率约为4.2%。使用2011年基准数据，预测结 果为106个。考虑到宏基站和微基站，与微微基站和热点基站的部署情况是 不一致的，该数字仅针对前两种基站的数量增加。

为了计算微微基站和热点基站的数量，针对西单商区进行建模，如图12 所示。

西单大概面积：2.023千米×1.286千米＝2.6平方千米

复兴门北大街西侧：较高楼30座，较低楼71座；复兴门北大街与太平 桥大街之间：较高楼层43座，较低楼层32座；太平桥大街至西单北大街之 间：较高楼层36座，较低楼层138座。

共有楼层350座，平均每座楼占地面积：59×27＝1593平方米。则所有 的高楼占地面积：0.001593×350＝0.6平方千米。街道面积2.6-0.6＝2.0平方 千米。微微蜂窝小区0.0016平方千米，热点0.000065平方千米。则西单金融 街区域可布微微基站与热点基站的数量约为246和630个。由此得到各类基 站数量比例如表13所示，3G基站和4G基站按照1:4比例建设。

表13

城市典型业务密集区 Macro Micro Pico Hot 基站数量比例 5.8% 5% 25.1% 64.1% 3G基站数量 11 9 49 126 4G基站数量 45 39 197 508

S4：依据步骤S2与S3得到的每种接入技术的每种部署类型的待承 载业务量、基站数量，结合其预测年的频谱效率，计算得到每种接入技术的 频谱需求。依据以上步骤，参考ITU-R对于3G与4G频谱效率的预测，如表 14所示：

表14

  Macro Micro Pico Hot 3G城市密集区 2 4 4 4 4G城市密集区 4.5 6 7.5 9

计算该运营商在2020年运营3G和4G的频谱需求分别为57MHz与18 MHz。

S5：对每种接入技术的频谱需求代数求和，得到总频谱需求。

首先针对3G和4G部署带宽进行调整。参考ITU-R，假设最小部署带宽 为20MHz。3G和4G需求调整结果分别为60MHz和20MHz。

因此该运营商总的频谱需求为80MHz。整个流程如表15所示。

由以上实施例可以看出，本发明依托现有IMT频谱预测方法，结合我国 业务量与系统承载能力等实际情况，选取典型业务密集区进行频谱预测计算， 有利于增加数据可信度和算法普适性，且避免了多种用户密度下的测算、减 少了运算量；同时，方案充分考虑了总业务量与基站数量在不同接入技术的 不同部署场景下的映射关系，使得结果更加可靠，具有较强的实用性。

表15

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流 程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一 般计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施 例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only  Memory，ROM）或随机存储记忆体（Random Access Memory，RAM）等。

本领域技术人员还可以了解到本发明实施例列出的各种功能是通过硬件 还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员 可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现 不应被理解为超出本发明实施例保护的范围。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以 上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于 本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上 均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。