CC BY
96
УДК 51
М. С. Содномова, Л.М. Макшанова АНАЛИЗ ЧИСЛЕННОСТИ АБОНЕНТСКОЙ БАЗЫ
В статье рассмотрены методы прогнозирования и анализа динамики изменения абонентской базы филиала ОАО «Ростелеком» в разрезе приоритетных услуг ОТА и ШПД.
Ключевые слова: абонентская база, методы прогнозирования и анализа.
M.S. Sodnomova, L.M. Makshanova ANALYSIS OF THE NUMBER OF SUBSCRIBERS BASE
In the article the methods of forecasting and analysis of dynamics in change of subscribers base of the Buryat Brunch OAO “Rostelekom” from the point of view of prior services OTA and ShPD..
Key words: subscribers base, methods of forecasting and analysis.
Для пропускной способности сети, перечня поддерживаемых ею услуг и показателей качества обслуживания очень важно с практической точки зрения получить три вида прогностических оценок. Во-первых, оператор должен знать краткосрочный прогноз на ближайшие два-три года; во-вторых, для разработки разумной технической политики оператору необходим также и среднесрочный прогноз, обычно охватывающий период в пять лет; в-третьих, полезен долгосрочный прогноз на десять-пятнадцать лет, то есть на период срока службы наиболее дорогостоящих видов
инфокоммуникационного оборудования.
На сегодня актуальными параметрами прогноза является:
1) прогнозирование плотности ТА для сети;
2) спрос населения на услуги телекоммуникации;
3) прогнозирование трафика сети оператора и его распределение по направлениям и т.д. [1].
Для прогнозирования рекомендуется четыре метода:
S тренд линейной процедуры;
S нормативный метод;
S метод причинной связи;
S метод экстраполяции.
Анализ прироста абонентской базы БФ
Прогноз количества абонентов является результатом многих предположений. Для составления прогноза необходимо использовать несколько методов прогнозирования и сравнить полученные результаты.
Метод экстраполяции - один из стандартных математических методов прогнозирования - может быть использован, если: количество абонентов телекоммуникационной сети в будущем подвержено подробному рассмотрению; в прошлом развитие сети было регулярным; можно пренебречь небольшими колебаниями роста количества абонентов во времени и размеров сети. Существуют прямой и косвенный методы экстраполяции. В случае прямой экстраполяции изменения рассматриваемых величин во времени известны. При косвенной экстраполяции рассматриваемые величины пропорциональны величинам, функции которых, выраженные во времени, известны. Прямая экстраполяция делится на линейную, нелинейную и приростную.
Для прогноза численности абонентской базы рассмотрены статистические данные за 2008-2011гг. В качестве метода прогноза рассматривался метод линейной экстраполяции, так как в прошлом развитие сети было регулярным и можно пренебречь небольшими колебаниями роста количества абонентов во времени и размерами сети [2].
60000
50000
40000
30000
20000
10000
Анализ численности абонентской базы филиала
у = 1070,7х + 7478,6
и2 = 0,99
|||||||||||||||||
0
Рис.1. Анализ численности абонентской базы филиала
Анализ показал, что в прошлом в период с июня 2008 г. - первый квартал 2011 г. численность абонентской базы росла по линейному закону и выросла в 4,4 раза. Вероятность достоверности аппроксимации составила 0,9927. Во второй квартал 2011г. прогнозируется рост абонентской базы на 3500 пользователей.
Но для составления адекватного прогноза численности абонентской базы филиала и, соответственно, развития сети необходим прогноз в разрезе услуг ОТА и ШПД. Спрос на услуги связи - это готовность пользователей оплатить определенное число услуг конкретного вида с учетом действующих тарифов. И именно спрос влияет на технологическое развитие филиала.
Прогнозирование плотности ТА
Для прогнозирования плотности ТА для вышеописанных трёх периодов используются нижеприведенные формулы:
—
N = Б * от или N =-----* а
т 100
Здесь от - число телефонных аппаратов на 1 Га участка;
Б - площадь ГТС в гектарах (Га);
Н - население на заданной территории; а - телефонная плотность.
Население на прогнозируемый периоде - Нп определяется по формуле:
-п = -н *(1 + = -
(1)
100
а
(2)
Где в - средний прирост населения в %;
Нн - население в начальный период проектирования; а - коэффициент прироста;
1 - период прогноза при проектировании в годах (1=5, . . .,10-20 лет).
По данным отчета правительства Республики Бурятия за 2010 г. естественный прирост Республики Бурятия составил а =3,3%. Численность населения - 964,7 тыс. чел. Плотность телефонных аппаратов составила 21,0 [3]. На рисунке 2 представлен прогноз численности пользователей для последующих десяти лет, рассчитанный по формуле (1).
Прогнозируемая численность пользователей ОТА
Рис. 2. Прогнозируемая численность пользователей ОТА
Как видно из рис. 2, прогнозируемая численность пользователей фиксированной связи линейно возрастает, но использование формулы является некорректным, так как анализ динамики изменения численности пользователей ОТА филиала (методом линейной регрессии) выявил монотонное убывание
численности ОТА по республике. Это объясняется в первую очередь влиянием рынка мобильной связи на ТФОП и социально-экономическим развитием Республики Бурятия. Нужно подчеркнуть, что уменьшение пользователей ОТА в мире происходит повсеместно. На сегодня эта услуга прошла все три этапа своего развития: начальный этап, этап быстрого роста и этап спада. В развитых странах телефонная связь несколько лет уже не растет, изменяясь в диапазоне от 50 до 80 ОТА на 100 жителей.
В ряде работ предложены прогностические оценки, основанные на данных о ВВП. В этих работах оценивается рынок новых видов услуг и соответствующий трафик. Спрос на такие услуги прямо связан с уровнем ВВП на душу населения. В частности, известна оценка спроса на широкополосные услуги -D(t), включающая два значения ВВП:
D(t) =
(г \
F}
V <0 у
Р. а). (3)
<0
Величины и <0 - значения ВВП на душу населения для прогнозируемого момента времени t и начальной точки на оси «Время». Следует отметить, что й < 0. Коэффициент Ь определяет степень влияния роста ВВП на уровень платежеспособного спроса для оцениваемой услуги. Функция Р. ^) -одна из прогностических кривых.
Набор функций р. ^), входящих в формулу (3), весьма обширен. Выбор приемлемого тренда часто
осуществляется при помощи метода наименьших квадратов. Часто этот метод используется для решения следующей задачи:
^ для плоскости задано некое множество из N точек с координатами (х{, у{);
^ объединение всех точек какой-либо кривой, выраженной в виде известной функции, не представляется возможным без погрешностей;
^ необходимо выбрать такую функцию / (х), которая обеспечит минимальную погрешность исследуемого процесса.
Метод наименьших квадратов восходит к работам математиков К. Гаусса и А. Лежандра. Он предлагает выбирать функцию / (х), для которой справедливо условие следующего вида:
N
£ = X (1 (х,) - У,' )2 ^ тт. (4)
,=1
Набор функций Р. (V) относятся чаще всего к 8-образным моделям. Подобные модели хорошо
отражают развитие процесса, проходящего три основных этапа: медленный старт, интенсивный рост, фаза насыщения. Характерным примером 8-образной модели служит логистическая кривая, которая часто используется для решения задач прогнозирования.
Не так давно предложена методика прогнозирования, основанная на том, что характер процессов, которые описывают развитие инфокоммуникационной системы в России и в развитых странах, совпадает. Такой вывод основан на анализе имеющейся статистики. Различия можно обнаружить в трех компонентах исследуемых процессов:
^ абсолютные значения максимума (амплитуда);
^ скорость развития (частота);
^ сдвиг начальной точки на оси "Время" (фаза).
Эти факторы можно учесть за счет модификации функции Р■ (V). Изменения амплитуды предлагается
учитывать, умножая выражение (1) на коэффициент кА. Оценка этого коэффициента может осуществляться по такой формуле:
к = <Мм1. (5)
А <А ^0А )
Величина Ок (^ К) определяет душевой ВВП для России к моменту введения новой услуги. Величина <А (^А) - душевой ВВП для аналога также к моменту введения новой услуги. В качестве аналога выбирается процесс развития рынка услуг в стране, для которой известна статистическая информация. Если известен характер идентичных процессов для ряда стран или какого-либо региона, то составляется несколько прогнозов, что повышает достоверность полученных результатов.
Изменения частоты можно учесть, заменяя переменную V в формуле Р. (V). Новая переменная tF определяется следующим образом:
tF = Н £. (6)
НК
Величина НА равна среднему тарифу, установленному оператором, сеть которого выбрана в качестве аналога. Знаменатель формулы (3) определяет средний тариф - Нк, который предполагает установить российский оператор. Поправочный коэффициент ^ учитывает особенности рассматриваемого процесса с точки зрения скорости его развития. Если правила оценки этого коэффициента не представляются очевидными, то можно считать, что ^ = 1.
Изменение фазы сводится к сдвигу графика вправо по оси "Время" на некоторую величину т. Значение этой величины определяется элементарно. Необходимо установить год начала исследуемого процесса в стране, которая выбрана в качестве модели, и узнать планы российского оператора относительно начала коммерческого использования услуги или технологии.
Для российских сетей доступа формула, определяющая прогноз исследуемого процесса - DR ^), может быть представлена в такой редакции [2]:
Dr (t) = к A
G0 у
Fj (tf -T). (7)
Динамика изменения численности пользователей ОТА
19О ООО 185 ООО 180 ООО
y = -553,55x + 184661
IIIIIIIIIIIII
R2 = 0,9212
Рис. 3. Анализ статистических данных филиала по ОТА
Но для краткосрочного прогноза приемлемы и более стандартные математические методы прогнозирования. Для анализа динамики изменения пользователей ШПД был использован метод линейной регрессии. Использовались статистические данные численности пользователей ШПД в разрезе технологии доступа (рис.4). Как видно из рис. 4 технология xDSL является преобладающей, что связано с существующей кабельно-распределительной сетью филиала. Вполне вероятно, что она останется одной из основных методов передачи информации, тем более, что возможности таких технологий, как VDSL, VDSL2+, позволяют организовывать высокоскоростной доступ в Internet, услуги телефонии и IPTV при низкой себестоимости в сравнении с оптикой и беспроводными технологиями доступа. Но нельзя забывать, что главной движущей силой в развитии рынка сетей доступа является развитие информатизации страны и связанный с ней рост спроса на широкополосные услуги связи. Динамика спроса на услуги определяется только уровнем инерции общества и уровнем активности государства в стремлении к построению ГИО. Для удовлетворения этих потребностей филиалом внедряются технологии ETTH (с 2008г.), GPON (с 2010г.), и в связи с этим активно развиваются волоконнооптические сети доступа, что в будущем обеспечит резерв для новых услуг.
Рис. 4. Динамика изменения численности пользователей ШПД
Вывод. Анализ численности абонентской базы филиала выявил, что она увеличивается по линейному закону. Но прирост абонентской базы происходит за счет увеличения пользователей услуг ШПД на фоне
монотонного убывания пользователей услуг ОТА. Рост первых объясняется достижением и слиянием современных технологий в следующих сферах:
S физические средства телекоммуникации, включающие радиоканалы, волоконную оптику, оптоэлектронику и т.д.;
S логические структуры телекоммуникации, включающие архитектуру и протоколы, необходимые для управления объединенными информационными потоками;
S интеллектуализация современных сетей, объединяющая все достижения последней инфокоммуникационной технологии и т.д.
Литература:
1. Каграманзаде А.Г. Менеджемент и регулирование в Инфокоммуникациях. Баку: Элм, 2006.
2. Соколов Н.А. Телекоммуникационные сети. М.: Альварес Паблишинг, 2004. Ч. 4.
3. URL: http://nicksokolov.narod.ru/lecopts2.html
Содномова Марина Станиславовна, аспирант Сибирского государственного университета телекоммуникаций и информатики.
Макшанова Лариса Михайловна, начальник отдела по работе с операторами связи БФ ОАО "Ростелеком", тел. (3012) 217617.
Sodnomova Marina Stanislavovna, postgraduate student, Siberian State University of Telecommunication and Computer Science
Makshanova Larisa Mikhailovna, head of the department on work with operators of communication BB OAO “Rostelekom”, ph.(3012)217617.
