4G時代一種市場評估選擇的方法研究

杜翠鳳　蔣仕寶

【摘 要】日益復雜的移動市場競爭環境對市場份額預測提出了微區域、實時性的要求，掌握了微區域的市場份額，就能對微區域市場有一個比較全面的認識。基于此，結合擴展卡爾曼濾波算法在預測實時性方面的優點，提出了一種基于擴展卡爾曼濾波市場份額的實時預測算法，該算法可以通過對基站業務量的實時監測，實現對移動網市場份額的實時預測。實驗結果表明，該算法具有良好的實時性和預測精確性。

【關鍵詞】4G 微區域市場份額預測 卡爾曼濾波 實時性

中圖分類號：TP399 文獻標識碼：A 文章編號：1006-1010（2014）-03-

1 引言

移動通信市場競爭日趨激烈，用戶爭奪戰持續展開。由于市場態勢的瞬息萬變，運營商需要時時關注市場競爭狀態和自身市場地位狀況，市場份額無疑是一個重要的指標。對于未來4G網絡的部署，移動運營商不僅需要知道自己在該微區域市場份額的情況，更需要知道該微區域市場份額的動態變化，以確定在該區域的市場地位，制定相應的資源投入策略。

國內有部分學者對通信市場的份額做了一些研究。文獻[1]用博弈論分析了電信業重組后三寡頭壟斷下移動通信市場初期以及成熟期的市場份額，但是該方法只關注了初期和成熟期的市場份額，并沒有對市場份額做一個實時的追蹤方法，對三家運營商當前的市場份額無法測算，更不能評估微區域的三家運營商當前的市場份額，對市場的實施決策支撐作用有限；文獻[2]通過引入效用函數與市場份額進行映射進而求出交通工具的市場份額，但是該方法在通信行業無法應用，主要是因為對于三家運營商提供的產品，無論是從服務還是價格都是不可知的，所以該模型無法從效用函數的角度分析三家運營商微區域的市場份額；文獻[3]從總市場份額、服務市場份額和相對市場份額三個方面對市場份額的衡量方法進行了探討。但是，上述研究都沒有從微觀角度衡量區域市場份額。移動通信運營商已經逐漸認識到數據流量的微區域市場份額的評估對資源的投入策略及4G的網絡部署起到重要的支撐作用，并且想方設法利用大數據對4G微區域的市場份額進行實時預測。由于卡爾曼濾波算法具有復雜度較低、實時性好的特性，因此本文采用該算法預測微區域市場份額。

2 卡爾曼濾波原理

2.1 基于數據流量預測的微區域市場份額模型

在移動通信網絡中，運營商網絡的數據流量是可以定時自動采集的，實時業務量與微區域市場份額存在一定的映射關系。由于用戶存在較大的流動性，對微區域用戶數的計算是相當困難的，因此通過擴展卡爾曼濾波對微區域業務量預測處理，再利用微區域數據流量與微區域市場份額的映射關系將微區域數據流量轉化為微區域市場份額，實現對微區域市場份額的預測。如圖1所示：

圖1 移動網實時市場份額預測算法

宏區域由一個或者多個微區域組成，如圖2所示：

圖2 宏區域與微區域的關系

宏區域中各運營商的數據流量和市場份額是可以通過官方或者政府部門統計獲得，而微區域則無法得到各運營商的數據流量和市場份額。一般來講，由于競爭的保密性要求，一個運營商只知道自身在每個微區域的運營數據，而不知道其他運營商的數據。

假設宏區域H的三大運營商（移動、聯通和電信）的數據流量為（M移，M聯，M電），對應的市場份額為（P移，P聯，P電），若宏區域H擁有N個微區域（w1，w2，…，wN），且每個微區域可得知其移動數據流量（m1，m2，…，mN）。由于移動運營商無法得到其他運營商在其微區域的數據流量，因此需要通過對各運營商在每個微區域的數據流量預測，從而預測各運營商在每個微區域的市場份額。假設第i個微區域的各運營商市場份額為（Pi移，Pi聯，Pi電），且各運營商的市場份額滿足：

Pi移+Pi聯+Pi電=1 （1）

定義狀態變量為：

x=（P1移，P1聯，P1電，P2移，P2聯，P2電，…，PN移，PN聯，PN電）

（2）

則宏區域H的各運營商數據流量可以表示為：

（3）

定義預測矩陣T為：

（4）

則狀態變量x和協方差矩陣P定義為：

（5）

其中，Qk是在第k次迭代的過程激勵協方差矩陣。在EKF（Extended Kalman Filter，擴展卡爾曼濾波）的觀察步驟中，雅可比矩陣J、觀察殘余變量y和殘余協方差矩陣S定義為：

（6）

（7）

（8）

其中，mk、Rk是在第k次迭代的觀察變量和觀眾噪聲協方差矩陣。k+1|k代表前一次的估計值，k+1|k+1r代表當前估計值。在更新步驟中，協方差矩陣由卡爾曼增益K計算得到：

（9）

（10）

（11）

其中，I為單位矩陣。

基于擴展卡爾曼濾波的微區域市場份額算法流程如圖3所示：

圖3 擴展卡爾曼濾波的微區域市場份額算法流程

2.2 實驗分析

為了驗證算法的有效性，本文通過某省的運營商數據流量進行測試。在實驗中，只采用六個微區域數據進行預測：埠龍鄉、打安鎮、金波鄉、九架、民中和南開鄉。EKF中的R和Q通過文獻[3]可以計算得到六個微區域所組成的宏區域數據流量及市場份額，如表1所示：

表1 某省的宏區域市場份額

指標 2012年

1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月

數據流量/GB 23.6 22.0 25.8 23.2 23.2 24.6 24.5 25.0 25.7 27.2 28.5 29.5

市場份額/% 13.4 12.6 13.9 12.1 12.9 12.8 13.5 13.6 12.4 13.0 12.9 13.3endprint

圖4給出了六個微區域的預測情況。其中，紅色為本算法通過擴展卡爾曼算法進行預測的移動在各個微區域的市場份額；藍色為移動在各個微區域的真實市場份額。從圖4可以看到，本算法可以準確地預測移動運營商在各個微區域的市場份額。

（a） （b）

（c） （d）

（e） （f）

圖4 六個微區域市場份額預測結果

擴展卡爾曼濾波預測準確率與迭代次數存在一定的關系，如圖5所示。可以看到，當迭代次數達到70次左右時，準確率趨向穩定。

圖5 EKF迭代次數與準確率的關系

3 總結

本文提出了基于擴展卡爾曼濾波的市場份額預測算法，通過預測各個微區域的數據流量映射關系，從而計算各個運營商在各個微區域的市場份額，并采用某省六個微區域對本算法進行驗證，實驗證明其可以準確地預測某運營商各個微區域的市場份額。因此，在4G網絡部署中，運營商能夠清楚獲知自己在該區域的地位，進而可以對自己優勢區域采取優先部署的措施，從而達到資源優化配置的目的；對微區域市場做出相比于傳統更加精準的分析，對于4G網絡部署的孤島式部署的特點，能夠實時分析部署4G網絡之后市場份額是增加還是減少，并找出市場份額增加或者減少的原因，對未部署的地區提供了實證參考。

參考文獻：

[1] 程子陽，Sunanda Sangwan，關沖，等. 中國移動通信市場份額分析[J]. 經濟與管理， 2008（9）： 49-52.

[2] 沈睿，劉凱. 運輸產品市場份額預測模型的研究[J]. 鐵道運輸與經濟， 2001（2）： 29-32.

[3] Alfred R exenfeldt. How to Use Market-Share Measurement[J]. Harvard Business Review， 1969： 9-68.

[4] David M Szymanski， Sundar G Bharadwaj， P Rajan Varadarajan. An Analysis of the Market Share-Profitability Relationship[J]. Journal of Marketing， 1993，57（3）： 11-18.

[5] Vinay A Bavdekar， Anjali P Deshpande， Sachin C Patwardhan. Identification of process and measurement noise covariance for state and parameter estimation using extended Kalman filter[J]. Journal of Process Control， 2011，21（4）： 585-601.★endprint

圖4給出了六個微區域的預測情況。其中，紅色為本算法通過擴展卡爾曼算法進行預測的移動在各個微區域的市場份額；藍色為移動在各個微區域的真實市場份額。從圖4可以看到，本算法可以準確地預測移動運營商在各個微區域的市場份額。

（a） （b）

（c） （d）

（e） （f）

圖4 六個微區域市場份額預測結果

擴展卡爾曼濾波預測準確率與迭代次數存在一定的關系，如圖5所示。可以看到，當迭代次數達到70次左右時，準確率趨向穩定。

圖5 EKF迭代次數與準確率的關系

3 總結

本文提出了基于擴展卡爾曼濾波的市場份額預測算法，通過預測各個微區域的數據流量映射關系，從而計算各個運營商在各個微區域的市場份額，并采用某省六個微區域對本算法進行驗證，實驗證明其可以準確地預測某運營商各個微區域的市場份額。因此，在4G網絡部署中，運營商能夠清楚獲知自己在該區域的地位，進而可以對自己優勢區域采取優先部署的措施，從而達到資源優化配置的目的；對微區域市場做出相比于傳統更加精準的分析，對于4G網絡部署的孤島式部署的特點，能夠實時分析部署4G網絡之后市場份額是增加還是減少，并找出市場份額增加或者減少的原因，對未部署的地區提供了實證參考。

參考文獻：

[1] 程子陽，Sunanda Sangwan，關沖，等. 中國移動通信市場份額分析[J]. 經濟與管理， 2008（9）： 49-52.

[2] 沈睿，劉凱. 運輸產品市場份額預測模型的研究[J]. 鐵道運輸與經濟， 2001（2）： 29-32.

[3] Alfred R exenfeldt. How to Use Market-Share Measurement[J]. Harvard Business Review， 1969： 9-68.

[4] David M Szymanski， Sundar G Bharadwaj， P Rajan Varadarajan. An Analysis of the Market Share-Profitability Relationship[J]. Journal of Marketing， 1993，57（3）： 11-18.

[5] Vinay A Bavdekar， Anjali P Deshpande， Sachin C Patwardhan. Identification of process and measurement noise covariance for state and parameter estimation using extended Kalman filter[J]. Journal of Process Control， 2011，21（4）： 585-601.★endprint

圖4給出了六個微區域的預測情況。其中，紅色為本算法通過擴展卡爾曼算法進行預測的移動在各個微區域的市場份額；藍色為移動在各個微區域的真實市場份額。從圖4可以看到，本算法可以準確地預測移動運營商在各個微區域的市場份額。

（a） （b）

（c） （d）

（e） （f）

圖4 六個微區域市場份額預測結果

擴展卡爾曼濾波預測準確率與迭代次數存在一定的關系，如圖5所示。可以看到，當迭代次數達到70次左右時，準確率趨向穩定。

圖5 EKF迭代次數與準確率的關系

3 總結

本文提出了基于擴展卡爾曼濾波的市場份額預測算法，通過預測各個微區域的數據流量映射關系，從而計算各個運營商在各個微區域的市場份額，并采用某省六個微區域對本算法進行驗證，實驗證明其可以準確地預測某運營商各個微區域的市場份額。因此，在4G網絡部署中，運營商能夠清楚獲知自己在該區域的地位，進而可以對自己優勢區域采取優先部署的措施，從而達到資源優化配置的目的；對微區域市場做出相比于傳統更加精準的分析，對于4G網絡部署的孤島式部署的特點，能夠實時分析部署4G網絡之后市場份額是增加還是減少，并找出市場份額增加或者減少的原因，對未部署的地區提供了實證參考。

參考文獻：

[1] 程子陽，Sunanda Sangwan，關沖，等. 中國移動通信市場份額分析[J]. 經濟與管理， 2008（9）： 49-52.

[2] 沈睿，劉凱. 運輸產品市場份額預測模型的研究[J]. 鐵道運輸與經濟， 2001（2）： 29-32.

[3] Alfred R exenfeldt. How to Use Market-Share Measurement[J]. Harvard Business Review， 1969： 9-68.

[4] David M Szymanski， Sundar G Bharadwaj， P Rajan Varadarajan. An Analysis of the Market Share-Profitability Relationship[J]. Journal of Marketing， 1993，57（3）： 11-18.

[5] Vinay A Bavdekar， Anjali P Deshpande， Sachin C Patwardhan. Identification of process and measurement noise covariance for state and parameter estimation using extended Kalman filter[J]. Journal of Process Control， 2011，21（4）： 585-601.★endprint