一种基于DPI的CMNet城域网用户模型流量预测方法

张忠杰

（吉林吉大通信设计院股份有限公司，吉林 长春 130012）

1 深度包检测DPI概述

DPI，即深度包检测（Deep Packet Inspection），是一种基于数据包的深度检测技术，针对不同网络的应用层载荷（如DNS、HTTP等）进行深度检测，通过对报文的有效载荷检测决定其合法性。DPI设备可以根据事先定义的策略对网络的关键点处的流量和报文内容进行检测分析，对检测流量进行过滤控制，对所在链路执行包括业务流量流向分析、业务流量占比统计、业务精细化识别、业务占比整形，以及应用层DDOS攻击、对滥用P2P的控制和对木马、病毒进行过滤等在内的相关功能。

运营商部署DPI系统可以有针对性的对通过网络边界关键节点的流量报文进行深度分析，通过业务流量的定向分析可以对业务进行精细化管理、对用户类型进行判定，进一步精准识别用户热点行为及不同类型用户流量流向趋势。基于DPI的统计分析，可指导运营商对网络流量进行合理规划和管理，也可对流量预测方法进行定量分析，改进方法中相关参数指标，优化方法应用效果[1]。

2 CMNet承载业务分析

目前运营商互联网架构基本分为骨干层、省内网层及城域网层三个层次，骨干层将全国网络划分为几个区域，区域内互联网流量较大省会或直辖市作为该区域的互联互通网络骨干层核心节点，后期随着互联网流量爆炸式增长，骨干层核心节点作用不再明显，全国以各省会城市作为骨干层核心节点实现全互联网络架构，流量疏导可直达目的省份，网络层级扁平化，流量转发速度进一步提升；省内网层作为省内至骨干网和省内互通转接节点实现出省及省内各地市间流量疏导作用；城域网实现各地市出口、地市内流量转发及地市内业务接入功能，靠近用户侧，网络结构较复杂。

DPI系统根据运营商互联网架构的特点及运营商部署DPI系统的需求和目的，目前主要部署在骨干层各节点间、省内网层至骨干层间及城域网层至省内网层间，后期针对大型城域网中流量热点设备也将部署DPI系统用于有针对性的检测业务形态，为更好维护网络提供数据侧分析保障，提升网络价值。

通过DPI数据分析可知，CMNet城域网中承载的主要业务包括家庭宽带、集团专线、4G及VoLTE、5G等业务，其他业务占比极低。

（1）家庭宽带业务：宽带接入业务主要通过PON接入网实现接入。用户数据经过PON接入网二层透传后上行至BRAS，由BRAS进行业务接入控制。PON接入网与BRAS间采用直连方式组网。

（2）集团专线业务：集团客户宽带接入业务主要通过城域传送网PTN或PON接入网实现接入。用户数据经过PTN或PON接入网二层透传后上行至SR/BRAS，由SR/BRAS进行业务接入控制。

（3）4G及VoLTE、5G业务：无线数据业务主要由无线基站实现接入。用户数据经过城域传送网PTN汇聚至核心网SAE-GW/UPF，再接入CMNet城域网。

3 CMNet流量预测方法

在互联网发展初期，特别是国内一些运营商主要在无线领域发力的情况下，互联网流量呈缓慢增长趋势，主要承载的互联网业务也以运营商自有业务居多，向IT公司或ICP厂商提供通道等服务较少，业务多样性亦无从谈起，甚至可以定位为未提供相应互联网服务。这个特别的时期，互联网流量平滑增长，在此背景下，互联网流量预测主要采用平均增长率的方式进行预测。

随着互联网大潮的蓬勃发展，互联网流量也呈现爆炸式的增长，增长幅度出现不规律、不平稳的趋势，经常出现短期内的极高波峰现象。传统平均增长率预测方法不再适用互联网流量陡增地情况下，一种以用户为模型的流量预测方法应运而生。无论互联网流量如何增长，产生流量的发起端永远都是用户本身，如果以用户为出发点进行流量预测，那么流量预测的准确性将大幅提升。此种预测方法在使用中也存在一定偏差，因此各种改进的方法不断出现，本文提出的基于DPI的用户模型预测方法就是其中一种。

3.1 年平均增长率法

年平均增长率预测方法主要应用于在流量增长平缓的情况下，预测相应系统的流量增长预期，具体分为如下3个步骤：

（1）取定所预测年份前三年的流量现状，流量现状以运营商提供数据为准；

（2）分别计算出给定现状中各年份的流量增长率；

（3）对计算出的流量增长率进行取平均数，得出年平均增长率。

年平均增长率预测方法公式如下：

年平均增长率方法在目前业务发展背景下已不再适用，通过数据对比，此方法一般性误差在50%～100%，有些情况下误差可能在100%以上，因此此方法不做重点分析。

3.2 用户模型流量预测方法

用户模型流量预测方法对用户数规模及用户流量模型分别进行预测，测算用户侧发起的流量需求。其中用户数规模以运营商提供的数据为准，预测公式如下：

在我国，长期或大剂量应用皮质激素已是非创伤性股骨头坏死的首位发病因素［1］。激素性股骨头坏死（osteonecrosis of femoral head,ONFH）恢复困难，致残率高，严重影响患者的生活质量，是骨科学领域亟待解决的难题之一。由于其发病机制尚未阐明，目前主要是姑息治疗，缺乏有效的治愈方法。最近有研究显示基因组的表观遗传学改变在该病的发生与发展过程中起着很重要作用［2］。

其中，调整系数=最近一年流量实际峰值/模型给出的最近一年预测流量。

虽然通过调整系数对模型预测数据进行调优，使其准确率提升，但也存在预测模型本身存在的预测误差问题，主要因为用户并发系数和业务复用比两类参数均为经验值。经测算，此模型2017年误差率平均在22%，2018年误差率平均在24%。

3.3 基于DPI的用户模型预测方法

DPI可对用户流量进行用户类型、业务类型及业务流向、峰值时段用户并发情况、用户使用行为等分析，可支撑模型中用户并发系数和业务复用比参数的确定。通过DPI对某省份运营商CMNet城域网分析可知，家宽流量占比超过70%，用户使用行为包括上网、视频直播、视频点播，其中视频流量的占比在70%左右，因此以家宽用户为例对参数进行分析说明。

3.3.1 用户并发系数

一般家庭宽带用户并发系数涉及到用户渗透率、峰值用户比、业务并发率、单播用户比等。其中，业务并发率指用户同时使用业务的比率；单播用户比，目前运营商主要以视频点播为主，分析得出单播用户比例约为70%，未来视频业务以IPTV为主，采用组播方式可大幅降低对CDN的能力需求，但目前仍以OTT单播业务为主。

表1 流量预测对比

家庭宽带用户的晚忙时特征比较明显，并发率逐年提升，分析计算得出用户并发系数为60%。

3.3.2 单用户忙时平均使用速率

上网：光宽带接入的推进将推动用户上网平均速率持续增长，在没有开放视频直播的省份，基本为700 ～ 800 kb/s。

点播：点播业务中，4K比例会比直播略有提高，但4K视频的占比由于节目源尚处于发展期仍不会太高。

直播：考虑电视台节目制作、有线电视播出的限制，标清、高清仍会占较大比重，4K比例较低。

以2019年中数据为例，重点分析用户模型和基于DPI的用户模型两种预测方法对比可得表1。其中，预测值偏差率平均值为0.27，基于DPI预测值偏差率平均值为0.095。

通过上述数据分析，基于DPI的用户模型预测方法较大程度提升了模型预测的准确性，平均误差基本可控制在10%左右[2]。

4 结 论

本文对运营商DPI功能进行了简要介绍，并对CMNet城域网承载业务进行分析。重点分析了传统年平均增长率预测方法和用户模型流量预测方法存在的准确度不足问题及基于DPI的用户模型流量预测方法的改进优势。通过例证数据分析，基于DPI的用户模型流量预测方法可较大程度提升模型的精准度，有力支撑运营商在CMNet网络规划建设方面的投资决策，提高投资效益，为运营商在未来网络规划中起到辅助作用。