PRCTICA N4: MODELOS DE TRFICO

Por: Eduardo Campoverde Encalada.

Paralelo: A Fecha: 2014-06-30

Objetivo:
Simulacin del trfico en red de telecomunicaciones.

SIMULACIN DE TRFICO TELEFNICO (VOZ)

1. FUNDAMENTO TERICO

Un modelo de trfico permite realizar una estimacin precisa del comportamiento de una red,
esencial para modelar una red de telecomunicaciones. Los modelos de trfico contienen
caractersticas estocsticas del comportamiento que tendra el trfico.
Para el modelado de trfico telefnico, se asume que:
1. Slo una llamada puede ocurrir en cualquier intervalo lo suficientemente pequeo (dt).
2. La probabilidad de una llamada en dt es directamente proporcional a la longitud del intervalo
(i.e. probabilidad de una llegada = dt).
3. La probabilidad de una llamada en cualquier intervalo particular es independiente de lo que
ha ocurrido en otros intervalos.
La probabilidad de que sucedan n llamadas en un intervalo de tiempo t est definida por la siguiente
ecuacin, que resulta ser el modelo de trfico de Poisson:

() (

) ()

[1]
El nmero de llamadas en un intervalo de longitud t sigue la distribucin Poisson, con media t. Si se
denota como Tn el tiempo entre la llamada (n-1) y la n-sima llamada, la secuencia {T
1
, T
2
, T
3
, ... ,Tn}
se conoce como la secuencia de tiempo entre llamadas. Tn, n = 1,2,... son variables aleatorias
independientes que siguen una distribucin exponencial, es decir:
()

[2]
Donde FT(t) representa la probabilidad que hay entre una llamada en un intervalo menor o igual a t.
La media entre los tiempos entre llamada es 1/. La figura siguiente muestra la relacin existente
entre las distribuciones de Poisson y exponencial. La distribucin de Poisson corresponde a una
variable aleatoria discreta: el nmero de llamadas en un intervalo; mientras que la distribucin
exponencial corresponde a una variable aleatoria continua: el tiempo entre las llamadas.

Fig. Relacin entre las distribuciones de Poisson y Exponencial.
Distribucin de
Poisson
Distribucin
Exponencial
Como objetivo de esta prctica se debe simular los primeros n eventos de un Proceso de Poisson con
razn de llamadas , para esto se genera un proceso de tiempos entre llamadas {T
1
, T
2
...,Tn}. Visto de
otra forma, los n eventos se generaran en un intervalo T, donde T = T
1
+ T
2
... + Tn.
Esto se puede lograr generando nmeros aleatorios uniformemente distribuidos entre 0 y 1 {U
1
,
U
2
,..., Un}, hasta llegar a un tiempo T. Usando la ecuacin (2), se puede despejar t para obtener los
valores de T
1
, T
2
, ..., Tn. La media y la varianza (
2
) de los tiempos entre llegadas debe ser igual a 1/..
El nmero promedio de llegadas en el intervalo T deber estar dado por T. La varianza del nmero
de llegadas tambin est dada por T.
Para el desarrollo de un cdigo que semeje las caractersticas estocsticas del trfico es necesario
correr muchas simulaciones y por un intervalo largo de tiempo, por lo que se requiere utilizar una T
grande (1000 o 10000), y que se repita la simulacin un gran nmero de veces.
Se requiere comprobar que los tiempos entre llegadas poseen una media (promedio) igual a 1/, una
varianza de 1/
2
, y tambin que verificar que el nmero de llegadas promedio y varianza del nmero
de llegadas es T. Por ltimo, se realiza un histograma de las llegadas, para comprobar que las
llegadas siguen una distribucin de Poisson.

2. SIMULACIN
En Matlab se desarroll el cdigo de simulacin de trfico telefnico usando el modelo de Poisson
descrito anteriormente, para lo cual se cre un vector de nmeros aleatorios con valores en un rango
entre 0 a 1, y despus se cre otro vector a partir de esos nmeros aleatorios, obtienios mediante la
siguiente ecuacin:

) 1 log( u
t

[3]
Donde:
t: es el tiempo en que se genera una llamada.
u: es nmero aleatorio entre 0 a 1.
: es la razn de llegada (llamada/segundos).

Cdigo:
veces=0;
f=0;
c=0; % indica cuando se va a crear el primer vector
while veces<100, % repeticin de 100 vectores
u=0;
lam=2.5; % lambda (razn de llegada)
u=rand(1,10000);% matriz con un nmero de elementos aleatorios fijo
"1000"
t=-(log(u))/lam; % tiempos de llegada de las llamadas
stop=0;% variable que asegura que si en el vector se lleg a los mil
elementos ya no sume ms elementos del vector
N=0;% inicializacin de la sumatoria de todo el vector antes de que se
pase de los "1000seg"
a=1;% indicador de elemento del vector
b=a+1;% indicador de elemento del vector
while N<=10000,% Mientras sumatoria del tiempo de las N llamadas esta
dentro del rango de 1000seg
stop=stop+4;% contador de los mil elementos
N=t(a)+t(b)+N;
a=a+2;% estas dos lineas solo modifican a y b
b=b+2;%b-2 es el litmo elemento del vector
if stop==10000
N=10000
end
end
if c==0 % entra cuando se crea al primer vector y se le asigna a c su
tamao de vector "b-2"
c=b-2;
end
if b<c % entra cuando el nmero de elementos de un vector a sido menor
que los que se encuentran
%ya creados.
c=b-2;
end
if f==0 % entra cuando no se a creado ningn vector completo para
guardarlo en tx
tx=t;
f=f+1;
end
if f>1
tx=tx+t;
end
f=f+1;% se le suma uno para que despues de la primera vez pueda entrar
al if f>1
% que se encuentra en las tres lineas arriba y que se sumen a los
100 vectores realizados
veces=veces+1 % se crea el arrreglo de 100 vectores
end
tx=tx(:,1:b);%A la sumatoria del arreglo de los 100 vectores se la ajusta
para que todos
% los vectores queden con el menor nmero de elementos que se
crearon

tx=tx/100; % promedio
hist(tx); % grfica del hostograma
title ('Histograma con lambda = 2.5','color','b')
xlabel('Tiempos de llegada')

for k=1:b
final(k)=sum(tx(1:k));
end
figure();
plot3(final,0,0,'o'); % grfica en 3D de tiempos de llegada de llamadas
grid on
axis square
axis([0 1000 -1 1 -1 1 ]);
title ('Tiempos de llegada con lambda = 2.5','color','b')
xlabel('Tiempo (seg)')
media=mean(tx); % media
var=cov(tx)*100; % varianza







Resultado:
Los resultados que a continuacin se muestran, se los obtuvo para distintos valores de lambda (razn
de llegada).
a. Para






b. Para











c. Para














Tabla comparativa de la media y la varianza para distintos valores de



Media
(100 corridas)
Media
calculada
Varianza
(100 corridas)
Varianza
calculada
0.1 10.0447 10 97.4957 100
1.2 0.8340 0.833 0.6829 0.694
2.5 0.4011 0.400 0.1608 0.160

De acuerdo a lo observado en las grficas anteriores, se tiene que mientras mayor sea la razn de
llegada de las llamadas (), la mayora de las llamadas ocurren en periodos de tiempo ms pequeos.
Lo que ocasiona que sea mucho ms difcil para una central telefnica suministrar el nmero de
troncales suficientes para todos los abonados de la red telefnica. Por otra parte, al realizarse la
comparativa entre los valores tericos de la media y la varianza con los obtenidos en la simulacin se
obtuvo valores muy prximos a los tericos, debido a que el tiempo entre llamadas T as como el
nmero de repeticiones de la simulacin (100 veces) fueron considerables.

REFERENCIA:
LOPEZ Roberto, HERNNDEZ Fernando, INSTITUTO TECNOLGICO DE ESTUDIOS SUPERIORES DE
OCCIDENTE, PRCTICA 2, Simulador de trfico de central telefnica [en lnea], <
http://www.desi.iteso.mx/telecom/siscom/informacion/p2trafico%20de%20llamadas.doc>, [Consulta de 29 de junio de
2014].