Сотовый трафик

При проектировании сот радиоподсистемы задаются целевые показатели качества обслуживания (QoS): допустимая перегрузка и блокировка вызовов, преобладающая зона покрытия, уровень C/I, вероятность отказа, частота сбоев при хэндовере, общая успешность вызова, скоростные параметры передачи данных, задержки и др. В стандарте 3GPP Release 18 (5G-Advanced) введены новые ключевые показатели эффективности (KPI) и метрики качества обслуживания. Для сверхнадёжной связи с низкой задержкой (URLLC) средняя задержка снижена до уровня менее 1 миллисекунды. Для трафика расширенной реальности (XR) внедрены новые параметры QoS, такие как бюджет задержки набора PDU (PDU Set Delay Budget, PSDB), позволяющие сети обрабатывать связанные данные как единое целое^[2][3]. Для управления сетевыми слайсами (Network Slicing) применяются механизмы обеспечения строгой изоляции ресурсов и контроля пропускной способности. Правила применения профилей QoS (QoS Enforcement Rules, QER) гарантируют выполнение соглашений об уровне услуг и изолируют специфический трафик. Для точного контроля пропускной способности потоков с гарантированной доставкой используются параметры гарантированной (GFBR) и максимальной (MFBR) битовой скорости^[4].

По мере роста трафика требуется всё больше базовых станций для обслуживания пользователей. Численность базовых станций в простой сотовой сети соответствует количеству сот. Для покрытия увеличивающегося числа пользователей инженер-телетрафика увеличивает число сот, что также ведёт к увеличению числа базовых станций. Такой метод называется «разделение сот» (cell splitting); в сочетании с секторизацией эта стратегия является практически единственным способом обслуживания растущего числа абонентов. Суть подхода — деление существующих сот на меньшие, что увеличивает ёмкость сети. Уменьшение радиуса соты позволяет обслуживать больший объём трафика^[1].

Снизить стоимость оборудования можно за счёт уменьшения числа базовых станций: три соседние соты обслуживают каждую свою 120-градусную секторную область с разными наборами каналов.

В мобильных радиосетях ресурсы (частотный спектр) конечны и ограничены. Для того, чтобы обеспечить обслуживание всех пользователей и стабильность качества, используется эффективное перераспределение доступных ресурсов. Именно эта задача привела к введению сот в мобильных сетях и повторному использованию частот кластерами сот^[1]. Системы с высокой спектральной эффективностью, например система GSM, были специально разработаны для эффективного использования спектра. Бернард Уолке^[1] определяет спектральную эффективность как отношение ёмкости трафика к произведению полосы пропускания и площади соты. Она зависит от числа радиоканалов на соту и размера кластера (группы сот):

где N_c — число каналов на соту, BW — системная полоса пропускания, A_c — площадь соты.

Секторизация (см. выше) — ещё один приём снижения затрат на оборудование, позволяющий одновременно уменьшить интерференцию между сотами (по Уолке^[1]). Это связано с минимальной мощностью излучения в нерабочие направления при использовании направленных антенн; результат — снижение помех в соседних сотах. (Число каналов прямо пропорционально числу сот). Максимальная трафиковая ёмкость сети с секторными антеннами превышает аналогичный показатель для всенаправленных антенн во столько раз, сколько секторов выделено в каждой соте (или кластере)^[1].

В сетях 5G-Advanced интеграция алгоритмов машинного обучения (ML) позволяет реализовать самоорганизующиеся сети (SON). Их ключевые функции включают самовосстановление (автоматическое изменение направления антенн и уровней мощности передатчиков для устранения проблем в сети), оптимизацию покрытия с учётом лучей (автоматическая реконфигурация лучей на основе анализа метрик) и динамическое управление нагрузкой и энергопотреблением^[5].

В сотовых системах используются четыре базовые технологии доступа: TDMA, FDMA, CDMA, SDMA. Подробнее см. Сотовые технологии. Рассмотрим случай множественного доступа с кодовым разделением каналов (CDMA) для анализа зависимости между трафиковой ёмкостью и зоной покрытия. В сотовых сетях CDMA возможно наращивание трафиковой ёмкости за счёт некоторого ухудшения качества обслуживания^[6].

В сотовых системах TDMA/FDMA используется фиксированное распределение каналов (FCA): число каналов в соте постоянно вне зависимости от числа абонентов, что при высокой нагрузке ведёт к перегрузям и потерям вызовов.

Более эффективный способ — динамическое распределение каналов (DCA), поддерживаемое в GSM, DCS и других системах. DCA позволяет не только более эффективно обслуживать скачкообразные изменения трафика, но и лучше задействовать радиоресурсы. Здесь число каналов для соты варьируется в зависимости от текущей загрузки, повышая пропускную способность почти без увеличения затрат^[1].

Каждой соте выделяют определённый диапазон рабочих частот (например, f₁–f₇), что и определяет её полосу пропускания BW. Если сотая зона охватывает площадь A_c, а на каждого пользователя требуется полоса B, то число каналов = BW/B. Плотность каналов вычисляется по формуле: ${\displaystyle {\frac {\mathrm {BW} }{A_{\mathrm {c} }\cdot \mathrm {B} }}}$^[7]. Из формулы видно: по мере увеличения площади покрытия A_c плотность каналов падает.

В современных сетях мобильной связи применяются более продвинутые технологии множественного доступа, такие как OFDMA, NOMA и SCMA. Технология OFDMA обеспечивает высокую надёжность и качество сигнала, SCMA (комбинация OFDMA и CDMA) повышает помехоустойчивость и увеличивает количество обслуживаемых абонентов, а неортогональный множественный доступ (NOMA) обладает наивысшей спектральной эффективностью. Благодаря развитию этих технологий пиковая спектральная эффективность в сетях 5G достигает 30 бит/с/Гц, что значительно превышает показатели классических систем^[8][9].

Ключевые параметры, такие как отношение несущей к помехам (C/I), спектральная эффективность и радиус повторного использования частот, определяют итоговое качество обслуживания в сотовой сети. Важно также время удержания канала (Channel Holding Time) — период, в течение которого мобильная станция (МС) остаётся в одной соте во время вызова^[6]. В большинстве случаев время удержания канала меньше, чем фактическая продолжительность разговора, поскольку при переходе МС из одной соты в другую происходит хэндовер, и канал освобождается. На практике точно определить этот показатель невозможно, поэтому используются различные вероятностные модели. Для телетрафикового планирования, как правило, достаточно подобрать подходящую аппроксимацию среднего времени удержания канала.

По одной из моделей, рассмотренных в монографии Ки и Смита^[6], среднее время удержания канала равно средней продолжительности удержания вызова, делённой на среднее число хэндоверов на вызов плюс один. Для имитационного моделирования чаще используют экспоненциальное распределение как простую и удобную для анализа аппроксимацию. Хотя оно не всегда корректно отражает реальные закономерности, такой подход даёт полезную оценку. Время удержания канала зависит от продолжительности вызова и траектории движения пользователя; чтобы рассчитывать его явно, нужно знать оба этих параметра^[6]. Мобильность абонентов, форма и размер сот оказывают дополнительное влияние, делая функцию распределения времени удержания канала заметно отличной от аналогичной функции для продолжительности вызова. Особенно велико это различие для пользователей в быстром движении и при небольших сотах^[6]. Если пользователь неподвижен, а сота велика, — оба параметра совпадают^[6].

В глобальном масштабе наблюдается рост доли 5G в мировом мобильном трафике. На конец 2025 года этот показатель достиг 48 %, при этом среднегодовой темп роста оценивается в 17 %^[10]. По прогнозам, в 2026 году доля 5G составит 54 %^[11].

В России в 2026 году зафиксировано беспрецедентное снижение объёмов мобильного трафика (прогнозируемое падение по итогам года составляет 5—10 %^[12]). Подобная динамика связана с ограничениями работы мобильного интернета, вводимыми в целях безопасности и для противодействия беспилотным летательным аппаратам (БПЛА)^[13]. В региональном разрезе падение трафика в Москве оценивается от 10 до 30 %, тогда как в ряде других регионов, включая Воронежскую и Курскую области, снижение составило более 40 %^[14].