- •Теория телетрафика
- •1.1. Теория телетрафика – одна из ветвей теории массового обслуживания
- •1.2. Математические модели систем распределения информации
- •1.3. Основные задачи теории телетрафика
- •1.4. Общие сведения о методах решения задач теории телетрафика
- •1.5. Краткий исторический обзор развития теории телетрафика
- •Контрольные вопросы
- •2.1. Основные понятия
- •2.2. Принципы классификации потоков вызовов
- •2.3. Характеристики потоков вызовов
- •2.4. Простейший поток вызовов
- •2.5. Нестационарный и неординарный пуассоновские потоки
- •2.6. Потоки с простым последействием
- •2.7. Симметричный и примитивный потоки
- •2.8. Поток с повторными вызовами
- •2.9. Поток с ограниченным последействием. Поток Пальма
- •2.10. Просеивание потоков. Потоки Эрланга
- •2.11. Длительность обслуживания
- •2.12. Поток освобождений
- •Контрольные вопросы
- •3.1. Поступающая, обслуженная, потерянная нагрузки
- •3.2. Концентрация нагрузки
- •3.3. Основные параметры и расчет интенсивности нагрузки
- •3.4. Характеристики качества обслуживания потоков вызовов
- •3.5. Пропускная способность коммутационных систем
- •Контрольные вопросы
- •4.1. Обслуживание вызовов симметричного потока с простым последействием
- •4.2. Обслуживание вызовов простейшего потока
- •4.3. Обслуживание вызовов примитивного потока
- •Контрольные вопросы
- •5.1. Обслуживание вызовов простейшего потока при показательном законе распределения длительности занятия
- •5.2. Обслуживание вызовов простейшего потока при постоянной длительности занятия
- •5.3. Область применения систем с ожиданием
- •Контрольные вопросы
- •6.1. Постановка задачи
- •6.2. Предельная величина интенсивности поступающей нагрузки
- •6.3. Уравнения вероятностей состояний системы с повторными вызовами
- •6.4. Основные характеристики качества работы системы с повторными вызовами
- •Контрольные вопросы
- •7.1. Общие сведения
- •7.2. Моделирование случайных величин
- •7.3. Моделирование коммутационных систем на универсальных вычислительных машинах
- •7.4. Точность и достоверность результатов моделирования
- •Контрольные вопросы
- •8.1. Общие сведения
- •8.2. Некоторые характеристики неполнодоступных схем
- •8.3. Выбор структуры ступенчатой неполнодоступной схемы
- •8.4. Выбор структуры равномерной неполнодоступной схемы
- •8.5. Построение цилиндров
- •8.6. Идеально симметричная неполнодоступная схема
- •8.7. Формула Эрланга для идеально симметричной неполнодоступной схемы
- •8.8. Априорные методы определения потерь в неполнодоступных схемах
- •8.9. Инженерный расчет неполнодоступных схем
- •Контрольные вопросы
- •9.1. Общие сведения
- •9.2. Комбинаторный метод. Полнодоступное включение выходов
- •9.3. Потери в двухзвеньевых схемах при отсутствии сжатия и расширения
- •9.4. Потери в двухзвеньевых схемах при наличии сжатия или расширения
- •9.5. Двухзвеньевые неполнодоступные схемы
- •9.6. Метод эффективной доступности
- •9.7. Структура многозвеньевых коммутационных схем
- •9.8. Способы межзвеньевых соединений и методы искания в многозвеньевых схемах
- •9.9. Расчет многозвеньевых коммутационных схем в режиме группового искания. Метод клигс
- •9.10. Метод вероятностных графов
- •9.11. Оптимизация многозвеньевых коммутационных схем
- •Контрольные вопросы
- •10.1. Качество обслуживания на автоматически коммутируемых сетях связи
- •10.2. Расчет нагрузок на входах и выходах ступеней искания коммутационных узлов
- •10.3. Расчет нагрузок, поступающих на регистры и маркеры
- •10.4. Способы распределения нагрузки
- •10.5. Колебания нагрузки. Расчетная интенсивность нагрузки
- •Контрольные вопросы
- •11.1. Общие сведения
- •11.2. Обходные направления и использование метода эквивалентных замен при расчете числа линий в обходных пучках
- •11.3. Динамическое управление. Характер задач, возникающих при управлении потоками
- •11.4. Кроссовая коммутация как управление структурой сети
- •11.5. Метод укрупнения состояний пучков при определении характеристик управляющей информации
- •Контрольные вопросы
- •12.1. Цели и задачи измерений
- •12.2. Принципы измерений параметров нагрузки и потерь
- •12.3. Обработка результатов измерений
- •12.4. Определение объема измерений
- •Контрольные вопросы
- •Список литературы
2.4. Простейший поток вызовов
Определение. Простейшим потоком называется стационарный ординарный поток без последействия. Простейший поток вызовов является наиболее распространенной моделью реального потока вызовов, применяемой в системах массового обслуживания, в том числе в теории телетрафика. Действительно, как отмечалось при рассмотрении принципов классификации потоков вызовов, поток телефонных вызовов от большой группы абонентов характеризуется отсутствием последействия. Его можно считать ординарным, а при ограничении исследуемого промежутка времени 1–3 ч и стационарным. Аналогичные случайные потоки событий характерны для многих отраслей народного хозяйства.
Математическая модель простейшего потока. Определим вероятности поступления точноk(k=0, 1, 2, ...) вызовов на отрезке времени [t0, t0+t): pk(t0, t0+t). Исследования будем проводить на отрезке времени [t0, t0+t+), который можно представить состоящим из двух примыкающих друг к другу отрезков: [t0, t0+t+)=[t0,+t0+t)+[t, t+).
Для того чтобы в течение отрезка [t0, t0+t+) поступило точноk вызовов, необходимо, чтобы за первый промежуток времени [t0,t0+t) поступилоk, илиk–1, ..., илиk–i, ..., или 0 вызовов и соответственно за второй промежуток 0, или 1, ..., илиi, ..., илиk вызовов.
Введем обозначения: pk(t0, t0+t+) – вероятность поступления точноk вызовов за отрезок времени [t0,t0+t+); pk-i(t0, t0+t) – вероятность поступления точноk–i вызовов за первый отрезок времени [t0, t0+t); pi(t, t+) – вероятность поступления точноiвызовов за второй отрезок времени [t, t+). Согласно определению простейший поток является стационарным. Из этого следует, что вероятности поступления того или иного числа вызовов за отрезки времени [t0, t0+t+), [t0, t0+t), [t, t+) не зависят от моментов начала отсчета времени, а зависят только от длины отрезков времени. Поэтому упростим обозначения как отрезков времени, так и вероятностей: [t0, t0+t+) будем обозначать [t+); [t0, t0 + t) – [t); [t, t+) – [) и соответственноpk(t0, t0+t+) –pk(t+); pk-i(t0,t0+t)–pk-i(t); pi(t, t+) –pi().
Простейший поток является потоком без последействия. Поэтому независимыми являются события, заключающиеся в поступлении какого-либо числа вызовов за первый и второй промежутки времени, и вероятность поступления точно k вызовов за время [t+) для каждой реализацииi=0, 1, ...,k составляетpk(t+)i=pk-i(t)pi(), i=0, 1, ...,k. Поскольку реализации сi=0, 1, ...,k представляют несовместимые события, то согласно формуле полной вероятности имеем
Выражение (2.13) представляет собой систему, состоящую из бесконечного числа уравнений. Устремим отрезок времени к нулю. Вследствие ординарности простейшего потока2(t, t+)=o(t), . Тем более вероятности поступления точно 2, 3, ... вызовов –p2(), p3(), ... – есть бесконечно малые более высокого порядка по отношению к. Следовательно, в системе ур-ний (2.13) вероятностиpi имеют конечные значения только приi, равном 0 и 1. На основании этого (2.13) преобразуются к виду
Определяем вероятности p1() иp0():
С учетом (2.10) и (2.6)
(0() – вероятность поступления 0 и более вызовов, т. е. вероятность достоверного события, она равна 1).
Подставим в систему ур-ний (2.14) полученные значения вероятностоей p1() иp0(). Затем, перенеся в левую часть уравненийpk(t), поделим левые и правые части уравнений на. Переходя к пределу, получим
Решив систему дифференциальных ур-ний (2.16), получим формулу Пуассона
Таким образом, вероятность поступления точно k вызовов простейшего потока за отрезок времениt определяется формулой Пуассона. По этой причине простейший поток также называют стационарным пуассоновским потоком.
Основные характеристики простейшего потока. При объединениип независимых простейших потоков с параметрами1, 2, ...,nобразуется общий простейший поток с параметром1+2+...+n.Вероятность поступления точноk вызовов за отрезок времениt определяется формулой Пуассона
Можно также показать, что объединение большого числа независимых стационарных ординарных потоков с практически любым последействием при малых значениях параметров этих потоков создает общий поток, близкий к простейшему. Если каждый из потоков поступает от отдельных источников вызовов, то простейший поток можно представить как поток от бесконечного числа источников, параметр каждого из которых стремится к нулю.
Сумма вероятностей всех возможных значений числа поступающих вызовов за рассматриваемый промежуток времени t равна 1. Действительно,
Функция pk(t) есть функция распределения дискретной случайной величиныК. Из (2.17) следует, что она зависит отt иk, а приt=1 – отиk.
Как и для любой дискретной случайной величины, распределенной по закону Пуассона, математическое ожидание М(К), дисперсияD(K) и среднеквадратическое отклонение(К) числа вызовов простейшего потока, поступающих за отрезок времениt, равны
Из этого следует, что интенсивность простейшего потока равна его параметру =М(К)=. Равенство=справедливо не только для простейшего потока, но и для любого стационарного ординарного потока.
Характер зависимости pk(t) отk приt=const (t= 5) показан на рис. 2.1. Влияниеt на характер этой зависимости иллюстрируется рис. 2.2. На нем приведены огибающие значений функцииpk(t) приt=1, 5 и 10. С возрастанием величиныt (приt=1 с возрастанием параметра потока) огибающие кривые принимают все более симметричный вид, приближаясь к нормальному закону распределения непрерывной случайной величины. Приt=10 имеет место хорошее совпадение огибающей значенийpk(t) с нормальным законом распределения (пунктирная кривая).
Вероятность поступления k и более вызовов определяется по формуле
Вероятности pk(t) иpik(t) для различных значенийk иt табулированы [29]. Представляет практический интерес также зависимостьpik(t) отk приt–const. Огибающие кривые значенийpik(t) такой зависимости представлены на рис. 2.3 приt=1, 5 и 10. При этомpik(t) определяется по таблицамpik(t) с учетом того, чтоpik(t)=1–pik(t).
Функция F(z) распределения вероятностей промежутков времени между вызовами. Согласно определению функцияF(z) равна вероятности того, что промежуток времени между вызовамиZ будет меньше заданного промежуткаz, что равносильно вероятности1(z) того, что за промежутокz поступит один и более вызовов. Используя (2.17), получим
а плотность распределения вероятностей промежутков времени между вызовами
Таким образом, распределение промежутков времени между вызовами простейшего потока подчиняется показательному (отрицательному экспоненциальному) закону.Функция F(z) зависит от параметра потока.
Математическое ожидание, дисперсия и среднеквадратическое отклонение промежутка времени между вызовами zсоставляют:
Из (2.24) и (2.26) следует равенствоM(Z)=(Z). Такое равенство характерно при показательном законе распределения любой случайной величины. Формула (2.24) показывает, что с увеличением параметра потока уменьшается математическое ожидание промежутка времени между вызовамиM(Z). Указанное иллюстрируется рис. 2.4, на котором приведены зависимостиF(z) отzпри1, 5 и 10. Из этих кривых видно, что с возрастанием увеличивается вероятность того, что промежуток между вызовами меньше заданного отрезка времениz.
Распределение промежутков времени между вызовами по показательному закону (2.22) является не только необходимым, но и достаточным условием простейшего потока. Можно показать (доказательство не приводится), что поток с независимыми промежутками между вызовами, распределенными по одинаковому показательному закону (2.22), является простейшим потоком.
Показательный закон обладает следующим свойством: если промежуток времени, распределенный по показательному закону, уже длился некоторое время, то это никак не влияет на закон распределения оставшейся части промежутка: он будет таким же, как и закон распределения всего промежутка. Для доказательства предположим, что промежуток времени между вызовами равенt. Найдем условную вероятность того, что он будет продолжаться еще не менее времени. На основании теоремы умножения вероятностей можно записатьP(Z>t+)=P(Z>t)P(Z>/Z>t). С учетом (2.22) e–(t+)=e–tP(Z>/Z>t), откуда условная вероятностьP(Z>/Z>t)=e–=P(Z>), т. е. она не зависит от уже длившейся части времени обслуживания и равна безусловной вероятностиP(Z>), что и требовалось доказать.
Показательный закон – единственный, обладающий таким свойством. Это свойство показательного закона представляет собой, в сущности, другую формулировку основного свойства простейшего потока вызовов – отсутствия последействия. Такое замечательное свойство показательного распределения позволяет упростить математические преобразования, в частности, при анализе процессов поступления потоков вызовов и их обслуживания.