用户服务需求的估计是一个策略问题，因为它直接关系到网络支持的容量。同时，这不是一个简单的问题，因为对于紧急服务来说，没有真实数据来建立传输需求。每个服务的使用强度可以通过服务会话到达速率来描述，这一到达速率可以看作一个泊松过程（见参考文献［Yaco93］）。描述这一分布的平均值是一个典型的忙时呼叫尝试（BHCA）。每个用户或某个待研究区域都可以有一个服务忙时呼叫尝试（BHCA）值。

在参考文献［FeVe04］中，每个小区中的BHCA值估计被用于8个不同的E-UMTS部署场景:商业城中心（BCC）、城市住宅、主要道路、火车、商业区、办公室、工厂和家庭。表8.12中给出了一个情境子集中每个部署场景的服务普及率和使用率。

表8.12 在每个仿真部署场景中服务的使用率（参考文献［FeVe04］）

（续）

在办公室、BCC和车内场景下（分别为0.150，0.031和0.012个用户/m²），人口密度也需要被考虑进去。这些数值的估计来源于对许多研究的推断和修改，这些研究包括宽-、窄-和宽带在固定网络（见参考文献［OZSI96］，［StMu95］）、无线网（见参考文献［ETSI98a］）和移动通信，如UMTS论坛（见参考文献［Foru98］）和RACE-移动宽带系统-RACE项目（MBS）（见参文献［RoSc94］）中的应用。每一项服务都要获取BHCA值，其代表着一个小区所涵盖的所有用户呼叫尝试总数。BHCA值由潜在用户数目和会话中由每个用户和部署场景描述的每个用户的到达速率决定。(www.daowen.com)

参考文献［FeCo03］中介绍了另一种方法，其中在一个地理区域中一组服务的使用率用地理信息系统（GIS）工具来估计。它结合了地理、人口、市场分割的概念，以及服务使用率概况。完整的过程在图8.14中给出。首先，服务中killer cocktail的使用率，如图8.13中所示，其特点为商业和消费客户群。使用率则是由每月平均呼叫数及其忙时的估计频率来决定，从参考文献［Foru03］中改进得到。平均服务时间间隔和数据传输速率值也取决于客户群。其次，我们计算了每一部分用户的实际空间分布。对于地理区域的每个单元（假设20×20m²像素），用户数基于如下考虑进行计算:区域中该单元的估计人数;每一部分的用户普及率和运营商的市场份额;运营环境（如农村和商业区）和相关的客户群份额（企业和消费用户在特定运营环境下的百分比）。

通过结合这两种成分，可以为每种服务和用户类型计算传输需求图。对于每个像素，它们不仅提供BHCA和活跃用户的平均值，而且还提供了上行链路和下行链路在结合每个链路中平均服务传输量时提供的数据传输情况。参考文献［FCXV03］是在IST-MOMENTUM项目（见参考文献［MOME03］）中研究开发的。传输场景是为许多欧洲城市建立;特别是为里斯本、柏林和海牙建立的场景都是公用的并且可以用于MOMENTUM站点的XML格式。这3个场景包含在MORAN倡议中的相关场景中（见参考文献［MuRV04］，［MORA02］），正如8.5.1节所述。规划工具以及静态和动态仿真器可以很容易地使用这些传输场景来探讨如何有效发掘资源，以满足用户的需求。

在参考文献［VaRF99］中提出了一种传输估计模型，其中其他人口特征参数，如薪水、年龄和教育程度也列入考虑范围内。这些参数乘以它们各自的渗透度来生成每个区域中用户和服务的非均匀传输分布。对于这些传输分布，一种应用是给出了小区半径的估计，用以估计传输环境。我们得出如下结论:尽管这一应用基于一个静态方法但是由于干扰最大，人口密度越大，小区半径越小。

图8.14 多服务传输需求场景结构下的一般程序（例如里斯本的城市中心）（由参考文献［FCXV03］修改得到）