kaz44Вестник Университета Шакарима. Серия технические наукиBulletin of Shakarim University. Technical Sciences2788-79953006-0524«Шәкәрім университеті» КеАҚ10.53360/2788-7995-2025-2(18)-6kaz44-1756Research ArticleАВТОМАТИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ (ОРИГИНАЛЬНАЯ СТАТЬЯ)AUTOMATION AND INFORMATION TECHNOLOGY (ORIGINAL ARTICLE)ОЦЕНКА СТАТИСТИЧЕСКИХ ХАРАКТЕРИСТИК МУЛЬТИСЕРВИСНОГО ТРАФИКАEVALUATION OF STATISTICAL CHARACTERISTICS OF MULTISERVICE TRAFFICШингисовД.ShingissovD.

Данияр Серикович Шингисов – докторант кафедры информационных систем, 

010000, г. Астана, ул. Пушкина, 11 

Daniyar Serikovich Shingissov – PhD student, Department of Information Systems, 

010000, Astana, Pushkin Street, 11

shingissov@gmail.comhttps://orcid.org/0000-0002-9179-0428ТусуповД.TussupovD.

Джамалбек Алиаскарович Тусупов – доктор физико-математических наук, профессор кафедры информационных систем,

010000, г. Астана, ул. Пушкина, 11 

Dzhamalbek Aliaskarovich Tussupov – Doctor of Physical and Mathematical Sciences, Professor, Department of Information Systems,

010000, Astana, Pushkin Street, 11

tussupov_da@enu.kzhttps://orcid.org/0000-0001-5716-4506СеиловШ.SeilovSh.

Шахмаран Журсинбекович Сеилов – кандидат технических наук, профессор кафедры компьютерной и программной инженерии,

010000, г. Астана, ул. Пушкина, 11 

Shakhmaran Zhursinbekovich Seilov – Candidate of Technical Sciences, Professor, Department of Computer and Software Engineering,

010000, Astana, Pushkin Street, 11

seilov_shzh@enu.kzЕвразийский национальный университет имени Л.Н. ГумилеваКазахстанL.N. Gumilyov Eurasian National UniversityKazakhstan20250807202502(18)4656Copyright © Шингисов Д., Тусупов Д., Сеилов Ш., 20252025Шингисов Д., Тусупов Д., Сеилов Ш.Shingissov D., Tussupov D., Seilov S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://tech.vestnik.shakarim.kz/jour/article/view/1756

Мультисервисный трафик характеризуется стохастической природой, что значительно усложняет задачи оценки пропускной способности и производительности телекоммуникационных сетей. Для эффективного планирования и проектирования современных сетей необходимо использование достоверных методов анализа и оценки статистических характеристик трафика, таких как интенсивность потока, коэффициенты вариации, автокорреляция, распределение интервалов между пакетами и длительность сессий. В статье представлен анализ методов сбора, обработки и интерпретации параметров мультисервисного трафика. Рассмотрены подходы к проведению сетевого мониторинга и использования статистического анализа данных в условиях изменчивости сетевой нагрузки. Особое внимание уделено формулированию научно обоснованных гипотез для моделирования поведения трафика различных типов: голосового, видео трафика и данных. Это позволяет более точно учитывать особенности каждого типа трафика при прогнозировании нагрузки на сеть. В результате исследования разработаны рекомендации по выбору методов измерений и анализа трафика для обеспечения оптимального распределения сетевых ресурсов. Также предложены подходы по повышению надежности и точности оценки производительности сети в условиях непредсказуемых изменений нагрузки. Полученные результаты будут применены для формирования методики проектирования перспективной мультисервисной сети в Республике Казахстан, что обеспечит повышение эффективности использования сетевой инфраструктуры, оптимизацию процессов маршрутизации и улучшение качества обслуживания конечных пользователей. Итоги работы будут полезны специалистам в области телекоммуникаций, проектирования и эксплуатации сетей для решения задач по повышению производительности и надежности мультисервисных сетей.

Multiservice traffic is characterized by its stochastic nature, which significantly complicates the tasks of evaluating the capacity and performance of telecommunication networks. For effective planning and design of modern networks, it is necessary to use reliable methods for analyzing and evaluating the statistical characteristics of traffic, such as flow intensity, variation coefficients, autocorrelation, packet interarrival time distribution, and session duration. This paper presents an analysis of methods for collecting, processing, and interpreting multiservice traffic parameters. Approaches to network monitoring and the use of statistical data analysis under conditions of variable network load are considered. Special attention is given to formulating scientifically grounded hypotheses for modeling the behavior of different traffic types, such as voice, video, and data traffic. This allows for more accurate consideration of the specific characteristics of each traffic type when predicting network load. As a result of the study, recommendations were developed for selecting measurement and analysis methods to ensure optimal distribution of network resources. Approaches to improving the reliability and accuracy of performance evaluation under unpredictable load changes are also proposed. The results obtained will be applied to the development of a methodology for designing a prospective multiservice network in the Republic of Kazakhstan, which will enhance the efficiency of network infrastructure use, optimize routing processes, and improve the quality of service for end users. The findings will be useful for telecommunications specialists, as well as those involved in the design and operation of networks, in addressing tasks related to improving the performance and reliability of multiservice networks.

мультисервисный трафиктелекоммуникационная сетьсистема массового обслуживаниявходящий поток заявокдлительность обслуживания заявокmultiservice traffictelecommunication networkqueuing systemincoming request flowrequest service durationReferencesAkimaru H. Teletraffic: Theory and Applications / H. Akimaru, K. Kawashima // Telecommunication Networks and Computer Systems. – 2012. – 225 p.Akimaru H. Teletraffic: Theory and Applications / H. Akimaru, K. Kawashima // Telecommunication Networks and Computer Systems. – 2012. – 225 p. (In English).Степанов С.Н. Теория телетрафика: концепции, модели, приложения / С.Н. Степанов. – М.: Горячая линия – Телеком, 2015. – 867 с.Stepanov S.N. Teoriya teletrafika: kontseptsii, modeli, prilozheniya / S.N. Stepanov. – M.: Goryachaya liniya – Telekom, 2015. – 867 s. (In Russian).Bunge M.A. General Black Box Theory / M.A. Bunge // Philosophy of Science. – 1963. – Vol. 30, № 4. – Р. 346-358.Bunge M.A. General Black Box Theory / M.A. Bunge // Philosophy of Science. – 1963. – Vol. 30, № 4. – R. 346-358. (In English).Леваков А.К. Сеть связи следующего поколения в чрезвычайных ситуациях / А.К. Леваков // Анализ моделей телетрафика. – М.: ИРИАС, 2019. – 124 с.Levakov A.K. Set' svyazi sleduyushchego pokoleniya v chrezvychainykh situatsiyakh / A.K. Levakov // Analiz modelei teletrafika. – M.: IRIAS, 2019. – 124 s. (In Russian).Вадзинский Р.Н. Справочник по вероятностным распределениям / Р.Н. Вадзинский. – СПб.: Наука, 2001. – 296 с.Vadzinskii R.N. Spravochnik po veroyatnostnym raspredeleniyam / R.N. Vadzinskii. – SPb.: Nauka, 2001. – 296 s. (In Russian).Кристалинский Р.Е. Преобразования Фурье и Лапласа в системах компьютерной математики / Р.Е. Кристалинский, В.Р. Кристалинский. – М.: Горячая линия – Телеком, 2021. – 216 с.Kristalinskii R.E. Preobrazovaniya Fur'e i Laplasa v sistemakh komp'yuternoi matematiki / R.E. Kristalinskii, V.R. Kristalinskii. – M.: Goryachaya liniya – Telekom, 2021. – 216 s. (In Russian).Линник Ю.В. Метод наименьших квадратов и основы математико-статистической теории обработки наблюдений / Ю.В. Линник. – М.: Физматгиз, 1958. – 334 с.Linnik YU.V. Metod naimen'shikh kvadratov i osnovy matematiko-statisticheskoi teorii obrabotki nablyudenii / YU.V. Linnik. – M.: Fizmatgiz, 1958. – 334 s. (In Russian).3GPP TR 37.868 V11.0.0 (2011-09) Technical Report 3rd Generation Partnership Project; Technical Specification Group Radio Access Network; Study on RAN Improvements for Machinetype Communications; (Release 11). Sophia Antipolis, 2011. – 28 p.3GPP TR 37.868 V11.0.0 (2011-09) Technical Report 3rd Generation Partnership Project; Technical Specification Group Radio Access Network; Study on RAN Improvements for Machinetype Communications; (Release 11). Sophia Antipolis, 2011. – 28 p. (In English).Wei C.H. Modeling and analysis of random access channels with bursty arrivals in OFDMA wireless networks / C.H. Wei, G. Bianchi, R.G. Cheng // IEEE Transactions on Wireless Communications. – 2015. – Vol. 14, № 4. – Р. 15.Wei C.H. Modeling and analysis of random access channels with bursty arrivals in OFDMA wireless networks / C.H. Wei, G. Bianchi, R.G. Cheng // IEEE Transactions on Wireless Communications. – 2015. – Vol. 14, № 4. – R. 15. (In English).Sharma S.K. Distributed Caching Enabled Peak Traffic Reduction in Ultra-Dense IoT Networks / S.K. Sharma, X. Wang // IEEE Communications Letters. – 2018. – Vol. 22, Issue 6. – Р. 1252-1255.Sharma S.K. Distributed Caching Enabled Peak Traffic Reduction in Ultra-Dense IoT Networks / S.K. Sharma, X. Wang // IEEE Communications Letters. – 2018. – Vol. 22, Issue 6. – R. 1252- 1255. (In English).Ермаков А.В. Выбор функции распределения для описания процесса поступления пакетов в маршрутизатор / А.В. Ермаков, Н.А. Соколов // Информация и космос. – 2021. – № 3. – с. 31- 36.Ermakov A.V. Vybor funktsii raspredeleniya dlya opisaniya protsessa postupleniya paketov v marshrutizator / A.V. Ermakov, N.A. Sokolov // Informatsiya i kosmos. – 2021. – № 3. – s. 31-36. (In Russian).Levakov A.K. Using a Step Distribution Function to Describe the Incoming Packet Flow / A.K. Levakov, A.N. Sokolov, N.A. Sokolov // Proceedings of XXII International Scientific Conference «Distributed Computer and Communication Networks: Control, Computation, Communications», Moscow, 2019. – Р. 469-476.Levakov A.K. Using a Step Distribution Function to Describe the Incoming Packet Flow / A.K. Levakov, A.N. Sokolov, N.A. Sokolov // Proceedings of XXII International Scientific Conference «Distributed Computer and Communication Networks: Control, Computation, Communications», Moscow, 2019. – R. 469-476. (In English).Соколов Н.А. Задачи планирования сетей электросвязи / Н.А. Соколов. – СПб.: Техника связи, 2012. – 432 с.Sokolov N.A. Zadachi planirovaniya setei ehlektrosvyazi / N.A. Sokolov. – SPb.: Tekhnika svyazi, 2012. – 432 s. (In Russian).Башарин Г.П. Массовое обслуживание в телефонии / Г.П. Башарин, А.Д. Харкевич, М.А. Шнепс. – М.: Наука, 1968. – 240 с.Basharin G.P. Massovoe obsluzhivanie v telefonii / G.P. Basharin, A.D. Kharkevich, M.A. Shneps. – M.: Nauka, 1968. – 240 s. (In Russian).Мухин Р.Ф. Эволюция основных положений теории устойчивости / Р.Ф. Мухин // Чебышевский сборник. – 2022. – № 23(4). – с. 327-349.Mukhin R.F. Ehvolyutsiya osnovnykh polozhenii teorii ustoichivosti / R.F. Mukhin // Chebyshevskii sbornik. – 2022. – № 23(4). – s. 327-349. (In Russian).Vitek J. Repeatability, reproducibility and rigor in systems research / J. Vitek, T. Kalibera // Proceedings of the Ninth ACM International Conference on Embedded Software (EMSOFT). – 2011. – Р. 33-38.Vitek J. Repeatability, reproducibility and rigor in systems research / J. Vitek, T. Kalibera // Proceedings of the Ninth ACM International Conference on Embedded Software (EMSOFT). – 2011. – R. 33-38. (In English).Кендалл М. Теория распределений / М. Кендалл, А. Стюарт. – М.: Наука, 1966. – 587 с.Kendall M. Teoriya raspredelenii / M. Kendall, A. Styuart. – M.: Nauka, 1966. – 587 s. (In Russian).Ватульян А.О. Измерение расстояния между функциями / А.О. Ватульян // Соросовский образовательный журнал. – 2000. – № 11. – с. 123-127.Vatul'yan A.O. Izmerenie rasstoyaniya mezhdu funktsiyami / A.O. Vatul'yan // Sorosovskii obrazovatel'nyi zhurnal. – 2000. – № 11. – s. 123-127. (In Russian).Оценка роста интенсивности входящего трафика / В.Ю. Гойхман и др. // Электросвязь. – 2018. – № 3. – с. 75-77.Otsenka rosta intensivnosti vkhodyashchego trafika / V.YU. Goikhman i dr. // Ehlektrosvyaz'. – 2018. – № 3. – s. 75-77. (In Russian).

The authors declare that there are no conflicts of interest present.