论文导读：列举了几种常用的话务预测方法，分析了它们各自的优势和局限性，提出了一种基于指数平滑模型和一元线性回归分析模型的组合模型，用于大型赛事的话务预测，并用两个实例验证其有效性和准确性。指数平滑模型无需知道各种具体影响因素对话务量的影响方式，但只能用于近期预测，无法进行远期预测。因此，指数平滑模型无法用于大型赛事活动的话务预测。因此回归分析模型也无法用于大型赛事活动的话务预测。
关键词：大型赛事，话务预测，指数平滑，回归分析
列举了几种常用的话务预测方法，分析了它们各自的优势和局限性，提出了一种基于指数平滑模型和一元线性回归分析模型的组合模型，用于大型赛事的话务预测，并用两个实例验证其有效性和准确性。
随着中国的进一步开放和中国经济的增长，越来越多的演唱会、会展、赛事等大型赛事活动开始登陆中国，大量人群的聚集对无线网络的建设和配置提出了更高的要求。然而如何设置最合理的硬件配置来达到信道利用率最大化，仍缺乏有效的话务预测与话务模型做基础，也缺乏特殊话务模型下的硬件配置准则，也使得大型赛事的保障缺乏理论的突破。分析各类大型赛事活动，可以得到大型赛事活动的共性：在城市特定区域举办，一般情况下场馆周边环境短期内不会有明显变化；两次举办存在一定时间间隔，两次活动的话务统计在时间上不连续；大量流动用户的集中是影响大型赛事活动话务变化的主要因素，人数不同是同类活动话务量的变化的主因；用户习惯明显区别于日常话务
1．话务预测模型
预测是指以准确的调查统计资料和市场经济信息为依据，从现象的历史、现状和规律出发，运用科学的方法，对未来发展前景的测定。预测方法可以分为定性预测和定量预测。定性预测是指，通过调查研究，了解实际情况，凭自己的实践经验和理论、业务水平，对发展前景的性质、方向和程度做出判断进行预测的方法。定量预测是指，根据准确、及时、系统、全面的调查统计资料和市场经济信息，运用统计方法和数学模型，对未来发展的规模、水平、速度和比例关系的测定。实际工作中，为了保证预测结果的可信度，定性预测和定量预测往往结合起来使用[1]。定量预测话务量的方法有回归分析模型和指数平滑模型。
1.1 指数平滑模型
指数平滑模型[2] [3]是一种改良的加权平均法，使用平滑系数α对时间序列进行平滑修匀，增强近期数据作用，适当参考远期数据，来预测未来的走势。
指数平滑模型无需知道各种具体影响因素对话务量的影响方式，但只能用于近期预测，无法进行远期预测；同时该方法要求下一时刻的话务量与当前时刻和过去时刻的话务量存在相关性。
典型的两次大型赛事活动话务特点是两次活动期间的话务量相关性良好，但时间上不连续；活动期间话务量与日常话务量时间上连续，但相关性很差。因此，指数平滑模型无法用于大型赛事活动的话务预测。
1.2 回归分析模型
回归分析模型[4]是将预测目标的历史数据按时间的顺序排列成为时间序列，然后利用数理统计方法进行回归处理，拟合数学模型，预测未来发展趋势。论文发表。
一元线性回归模型的优势在于简单且不要求话务统计在时间上连续，但要求应变量只于单一自变量相关。多元非线性回归模型的优势在于可用于任何场景，不要求话务统计在时间上连续，不要求数据存在相关性，但考虑因素太多，需要先利用控制变量法分析各因素对话务量的影响，分析、计算复杂，实用性较差。论文发表。因此回归分析模型也无法用于大型赛事活动的话务预测。
1.3 大型赛事话务预测的方法
指数平滑模型要求数据时间连续性和相关性好；简单的回归分析模型要求话务变化只于一个到两个因素成线性关系；而复杂的多元非线性回归分析模型又太复杂而难以运用。这是由于我们始终将大型赛事活动的话务量作为一个整体进行预测造成的。
分析发现大型赛事活动期间的话务量由相互独立的两部分组成：日常部分和活动部分。
日常部分是指大型赛事活动区域内固定的用户产生的话务量，这部分用户人数固定，话务量与活动是否举行无关，其变化趋势与区域话务量日常变化趋势相一致。也就是说这部分话务量与活动举办前的日常话务相关性很好，且时间上连续，可适用指数平滑模型。
活动部分是指由于大型赛事活动的举办带来的大量流动用户产生的话务量，这部分用户人数随着活动时间和活动类型变化很大，但同类活动中单位用户话务量变化很小。也就是说这部分话务量基本只和用户相关，且为简单的线性关系，适用一元线性回归模型。
1.3.1 大型赛事话务预测的理论基础
l独立性假设
假设各种因素对话务变化造成的影响视为相互独立事件的，可将其共同影响视为各因素单独影响的叠加。
l继承性假设
假设处于活动保障区域用户的行为特点与上一次活动期间相一致或变化较小，因此上一次活动期间的用户模型可作为参照模型用于本次话务预测。
1.3.2 大型赛事话务预测的数学表示
其中 ， ， ，
Ft+n为话务总量预测值，Gt+n为日常部分话务总量预测值，Et+n为活动部分话务总量预测值，F(1)t表示t期的一次平滑值，F(2)t表示t期的二次平滑值，At表示t期实际值，α为平滑系数，0≤α≤1，β为拟合系数（单位用户话务量），p和q为特殊事件修正因子，Xt+n为赛事区域用户人数预测值，S为安全预留因子。论文发表。
1.3.3 修正因子
安全预留因子S
为降低预测偏差和不可预知突发事件对网络安全的影响，引入安全预留因子S。由于日常部分预测相对比较准确，同时考虑保障成本，S仅对活动部分话务产生影响。依据活动重要性取值，一般取值1~1.5。
特殊事件修正因子p & q
为修正可能存在的特殊事件(如节假日带来的差异)对话务量预测的影响，引入特殊时间修正因子p和q，其值可通过拟合历史数据得到。
1.3.4大型赛事话务预测的流程
  
图1 大型赛事话务预测流程图
①确定预测时间点，即话务量峰值时间点，只要保证话务量峰值时间点的网络安全，即可保证整个活动期间的网络安全；
②预测时间点确定后，将预测话务量拆分为日常部分和活动部分，日常部分使用指数平滑模型进行预测，活动部分使用一元线性回归模型进行预测，分别得到初步预测值[5]；
③分析历史时间点和预测时间点是否存在客观差异，如历史时间点是工作日而预测时间点是节假日等，确定修正因子p和q的数量。然后分析历史数据，确定p和q的取值；
④分别使用p和q修正日常部分和活动部分的初步预测值；
⑤合并日常部分和活动部分，得到最终的话务量预测值。
结论
本项目研究给出了一种相对简单的话务预测方法，该预测方法可用于各类大型赛事活动的话务预测。
参考文献
[1][M]罗伯特S．平狄克等． 计量经济模型与经济预测． 钱小军等译．北京：机械工业出版社，2002
[2][M]项静恬，史久恩．非线性系统中数据处理的统计方法．北京：科学出版社，1997
[3][EB/OL]基于季节变动模型的话务量预测．程伟， 2007-10
[4][M]全国统计专业技术资格考试大纲、考试用书编写委员会．统计基础理论及相关知识．北京：中国统计出版社，2001.
[5][M]唐五湘，程桂枝．Excel在预测中的应用．北京：电子工业出版社，2002
|
