Методика оценки качества функционирования сетей ATM

Цитирование: Батенков К. А. Методика оценки качества функционирования сетей ATM / К. А. Батенков // Журн. Сиб. федер. ун-та. Техника и технологии, 2026, 19(4). С. 532–545. EDN: UJGWCC

Сети с асинхронным режимом передачи (ATM) играют ключевую роль в современных телекоммуникационных системах, обеспечивая высокоскоростную передачу данных с различными требованиями к качеству обслуживания. Одной из важнейших задач при эксплуатации таких сетей является объективная оценка их качества функционирования, включая анализ временных задержек, потерь данных и ошибок передачи.

Целью данного исследования является описание комплексной методики оценки качества сетей ATM на основе анализа ключевых параметров передачи данных. В рамках работы решаются следующие задачи: систематизация показателей качества функционирования сетей ATM, включая временные характеристики передачи, коэффициенты потерь и ошибок; классификация сетей по качеству обслуживания с учетом приоритетов передаваемых ячеек; практическая апробация предложенной методики на реальных статистических данных; выявление ограничений и несоответствий, препятствующих отнесению сети к более высоким классам качества.

Теоретическая значимость исследования заключается в уточнении методик оценки качества сетей ATM. Практическая ценность работы состоит в возможности применения разработанных алгоритмов для мониторинга и оптимизации работы телекоммуникационных систем, а также для сертификации сетей по классам качества.

Оценка качества функционирования сетей является важной задачей в современных телекоммуникациях, включающей анализ надежности, пропускной способности, задержек и устойчивости к отказам. Постоянное развитие методов оценки и повышения качества функционирования сетей приводит как к теоретическим, так и практическим решениям. Большинство работ подчеркивают важность аналитических методов для оценки и оптимизации сетевых характеристик, особенно в условиях высокой нагрузки [1, 2, 3].

Важным направлением исследований является анализ надежности сетей с учетом механизмов защитного переключения и резервирования. Например, в [1, 4] рассмотрены методы повышения устойчивости сетей за счет защитного переключения и восстановления после отказов, отмечено их влияние на общую структурную надежность сети.

Вопросы производительности и задержек особенно актуальны в беспроводных сетях и сетях с высокой нагрузкой. Например, исследование [5] посвящено вероятностно-временным характеристикам беспроводных сетей с методом доступа CSMA/CA, показывая, как оптимизация параметров позволяет снизить задержки и увеличить пропускную способность. Аналогично в [6] рассмотрены механизмы управления трафиком в беспроводных ATM-сетях, что позволяет снизить потери пакетов и улучшить производительность сети.

Важную роль в оценке функционирования сетей играет анализ специфики различных технологий передачи данных. В частности, в [7] исследуются особенности передачи данных в оптоволоконных FDDI-сетях, что критично для цифровых подстанций, требующих высокой надежности и минимальных задержек. В [3] рассматривается анализ ATM-сетей, где отмечается их высокая эффективность в передаче мультимедийного трафика за счет использования виртуальных каналов и ячеек фиксированного размера.

Многие авторы используют математическое моделирование и компьютерные симуляции для оценки сетевых параметров. Например, в [6] применен инструмент OPNET для моделирования беспроводных ATM-сетей, оценивая производительность различных режимов работы.

В [8] использованы вычислительные модели для расчета вероятности связности сети и влияния отказов на ее устойчивость.

Исследования показывают, что разные типы сетей требуют специфических подходов к обеспечению их качества. В ATM-сетях применяется механизм управления полосой пропускания [9]. В беспроводных сетях важную роль играют методы доступа и управления нагрузкой [10], что позволяет адаптировать их к изменяющимся условиям эксплуатации.

Анализ работ показывает, что надежность, отказоустойчивость, пропускная способность и адаптивность ATM-сетей являются основными критериями их функционирования [3, 9, 11]. Использование математического моделирования и симуляций позволяет глубже изучить влияние различных факторов на производительность сетей [4, 5, 7, 8].

Несмотря на значительный объем исследований, остаются нерешенные проблемы, связанные с учетом динамических изменений нагрузки при оценке качества сети [12], разработкой универсальных методов исключения статистических погрешностей при анализе существенных ошибок и созданием адаптивных алгоритмов классификации сетей для различных сценариев использования [13]. Кроме того, актуальными являются вопросы оптимизации параметров оценки для сетей со смешанным трафиком (голос, видео, данные), автоматизации процессов классификации сетей на основе машинного обучения [14] и разработки методов прогнозирования качества обслуживания при изменении конфигурации сети.

Данное исследование направлено на совершенствование методик оценки качества сетей ATM с учетом современных требований к телекоммуникационным системам.

Временные параметры качества функционирования

Параметры качества функционирования сетей, использующих протокол ATM (asynchronous transfer mode – асинхронный режим доставки), изложены в рекомендации I.356 [15]. Здесь мы также будем акцентировать внимание только на фазе обмена информацией, поскольку классы сетей вводятся, основываясь исключительно на параметрах этой фазы обслуживания.

Время переноса ячейки τ ( CTD – cell transfer delay ) информации пользователя определяется как разность между временами второго t 2 и первого t 1 эталонных событий переноса ячейки (например, поступление ячейки в коммутатор):

т = (t2 - tj, где t2 > t1 и (t1 – t2) ≤ Tmax [15]. Применительно к качеству функционирования сети ATM Tmax является пределом времени, после которого ячейка считается потерянной. При этом значение Tmax остается не точно определенным, но оно должно быть не больше практически наблюдаемого (измеряемого) времени переноса ячейки [15].

Среднее время переноса ячейки m τ – арифметическое среднее задержек передачи ячеек для анализируемой совокупности:

где τ_i – задержка передачи i -й ячейки; n – объем исследуемой выборки (рассматриваются только доставленные ячейки).

Верхний квантиль времени переноса ячеек порядка h ( upper lower h quantiles of CTD ) – значение, при котором функция распределения времени переноса ячеек переходит от величин меньших 1 – h к величинам большим 1 – h ϵ (0, 1).

Нижний квантиль времени переноса ячеек порядка h ( lower lower h quantiles of CTD ) – значение, при котором функция распределения времени переноса ячеек переходит от величин меньших h к величинам большим h ϵ (0, 1).

Вариация времени переноса ячейки v ( CDV – cell delay variation ) – разность между временем переноса ячейки τ и временем переноса эталонной (опорной) ячейки x τ :

V — т — хт, где xτ определяется для так называемой нулевой ячейки (cell 0), описание которой в существующих рекомендациях не приводится. При расчетах за эталонную ячейку принимают такую ячейку, время переноса которой соответствует квантилю времени переноса ячеек порядка 10–8. Отметим, что распределение вариации времени переноса v идентично смещенному на время переноса эталонной ячейки xτ распределению времени переноса ячеек τ. Кроме того, вариация задержки является двухточечной характеристикой и в отличие от одноточечной измеряется относительно двух точек регистрации ячеек.

Квантиль вариации времени переноса ячеек v h порядка h ( difference between upper and lower h quantiles of CTD ) – разность между верхним и нижним квантилями времени переноса ячеек порядка h . При условии упорядоченности в порядке неубывания времен переноса ячеек τ i , то есть если τ_{i + 1} ≥ τ_i, i = 1, 2, …, n – 1, квантиль вариации времени переноса ячеек определяется следующим образом:

^h ^[(l-/i)-nl ^[h n\> ^i + l — T^ii ^ ~ 1; 2, ... ,TL ~ 1, где W – округление в меньшую сторону числа x до ближайшего целого. В рекомендации [15] используется порядок квантиля h = 10–8, что обеспечивает приближение квантиля вариации к значению разности между максимальным и минимальным временами переноса ячеек из выбранной совокупности, не беря в расчет ячейки, имеющие резкие отклонения во времени переноса и являющиеся, по сути, статистической погрешностью. Кроме того, такой порядок квантиля позволяет настраивать буферы устройств, гарантируя при этом вероятность потери ячеек не выше 10–8.

Параметры потерь

Коэффициент потери ячеек p _l ( cell loss ratio – CLR ) – отношение числа потерянных ячеек n l к общему числу переданных n = n l (объем исследуемой выборки определяется как сумма доставленных n и потерянных ячеек n _l):

Отметим, что все передаваемые ячейки делятся на высокоприоритетные и низкоприоритетные. Высокоприоритетные ячейки помечаются нулевым битом приоритета отбрасывания ячейки (CLP – cell loss priority), а низкоприоритетные – единичным. Поэтому в рекомендации I.356 [15] используется обозначение для этого параметра CLR 0+1, хотя и так понятно, что при его расчете берутся во внимание все существующие ячейки.

Коэффициент потери высокоприоритетных ячеек p _l,0 ( CLR ₀) – отношение числа потерянных высокоприоритетных ячеек n l,0 к общему числу переданных n 0 + n l,0 (объем исследуемой выборки определяется как сумма доставленных n ₀ и потерянных высокоприоритетных ячеек n _l,0):

Pl.o - +    ■

Коэффициент потери низкоприоритетных ячеек p l,1 ( CLR 1 ) – отношение числа потерянных низкоприоритетных ячеек n _l,1 к общему числу переданных n ₁ + n _l,1 (объем исследуемой выборки определяется как сумма доставленных n 1 и потерянных низкоприоритетных ячеек n l,1 ):

Ри------■

' щ + п1л

Естественно, что в случае отсутствия приоритизации (все ячейки по умолчанию имеют единичный бит приоритета) коэффициенты потери низкоприоритетных и всех ячеек являются идентичными, то есть p _l,1 = p _l. Также отметим, что при расчете коэффициентов потери ячеек ни потерянные, ни принятые ячейки, входящие в состав блоков с существенными ошибками, не учитываются.

Коэффициент ошибок в ячейках p e ( cell error ratio – CER ) – отношение числа ячеек c ошибками n _e к общему числу принятых ячеек n (объем исследуемой выборки n определяется как сумма успешно доставленных, помеченных и ошибочных ячеек):

пе

Ре= — П

Отметим, что при расчете коэффициента ошибок в ячейках принятые ячейки, входящие в состав блоков с существенными ошибками, не учитываются.

Интенсивность ложных ячеек a _m ( cell misinsertion rate – CMR ) – отношение числа ложных ячеек n m , наблюдаемых на некотором временном интервале, к длительности этого интервала t m :

^т "7 ■

Ложными ячейками являются принятые ячейки, для которых в рамках данного соединения отсутствуют события передачи этих ячеек, то есть данные ячейки не передавались в этом соединении. Возникновение ложных ячеек может быть обусловлено ошибками ассоциации ячеек с определенным соединением на физическом уровне. Также отметим, что при расчете интенсивности ложных ячеек ячейки, относящиеся к интервалам измерения, соответствующим блокам с существенными ошибками, не учитываются.

Блок ячеек ( cell block ) – последовательность заданного числа ячеек n _a в рассматриваемом соединении.

Блок ячеек c существенными ошибками ( severely errored cell block ) – последовательность более чем n o ячеек с ошибками, потерянных и ложных ячеек в рассматриваемом блоке ячеек.

Значение числа ячеек в блоке n _a определяется пиковой скоростью передачи (PCR – peak cell rate) агрегированного потока высоко- и низкоприоритетных ячеек. При этом предполагается, что за секунду должно передаваться от 12,5 до 25 блоков ячеек на пиковой скорости, то есть

где 1600 <  v PCR ≤ 819200 ячеек/с – пиковая скорость передачи ячеек.

Скорость передачи информации пользователя (байт/с) при этом составит vu = 48 ■ vPCR.

Граница существенности числа ошибок в блоке: n_a

П° “ 32'

Коэффициент существенных ошибок в блоках ячеек p _b ( severely errored cell block ratio – SECBR ) – отношение числа блоков ячеек с существенными ошибками n b, e к общему числу переданных блоков n _b:

Рь

Данный коэффициент количественно характеризует всплески неуспешно переданных ячеек и позволяет не учитывать влияние данных всплесков на коэффициенты потери ячеек, ошибок в ячейках и интенсивность ложных ячеек.

Основываясь на данных показателях, в [15] определены пять классов качества функционирования сетей ATM (табл. 1). Отметим, что для всех классов, за исключением четвертого, задаются граничные показатели, в связи с чем этот класс иногда называют неопределенным.

Таблица 1. Классы качества функционирования сетей ATM

Table 1. ATM network quality classes

Параметр			CTD	CDV	CLR 0+1	CLR 0	CER	CMR	CECBR
Граница			Верхняя для среднего m τ , мс	Верхняя для квантиля v 10 –8, мс	Верхняя для ко-эффици-ента p l	Верхняя для ко-эффици-ента p l,0	Верхняя для ко-эффици-ента p e	Верхняя для интенсив-ности a m, сут.-1	Верхняя для коэффициента p b
о о га Ч й	строгий	1	400	3	3·10–7	–	4·10–6	1	10–4
	допустимый	2	–	–	10–5	–	4·10–6	1	10–4
	двухуровневый	3	–	–	–	10–5	4·10–6	1	10–4
	неопределенный	4	–	–	–	–	–	–	–
	строгий двухуровневый	5	400	6	–	3·10–7	4·10–6	1	10–4

Анализ качества функционирования сети

Рассмотрим пример: измеренные статистические данные непрерывно передаваемой пользовательской информации с пиковой скоростью 105 ячеек/с для исследуемой сети ATM приведены в табл. 2. Определить, к какому классу сетей ATM принадлежит рассматриваемая сеть.

Дано: v PCR = 10⁵ ячеек/с, n b,0, i , n b,1, i , n l,0, i , n l,1, i , n e,0, i , n e,1, i , τ 0, i , τ 1, i , n m, i , i = 1,2,…, n g = 6 (соответствующие столбцы табл. 2).

Таблица 2. Статистические данные исследуемой сети ATM

Table 2. Statistical data of the ATM network under study

Номер интервала измерений i	X । 2 2 ® * S к о S та а Ч 3 ^ о 2    2 с а к О Л 5 и « 2 и и tr и «	1 X 2 3 vo * S и о 2 с и i с 2 ^ о з 5 ® о 2 га 22 tr И «	о 2 ^ 2 «и му * w 3 £ х к h S 5 £ з О S 5 О ц га £ О * и м	® 2 - Й * з £ X = 5 £ з О S 5 О ц га £ О * и м	S S S 2 - Он     - ° 1    § 3    “ S Q S Ч § « s о X га 3 3 ^ ^ ffi CQ	Н 1 - S о 2 к а « В ° о § “^ со w С Й S §«^ о X га 3 3 ^ ьС й СО	° о" 2 О л 1) м ^ га « 2 о 2 з Он Он Ш с	о _г м ^ га « £ з 2 о 2 з Рн Он ffl с	*  СО х а 4 2 ^ 2 к ® ч 3 И а ® о я ю
1	5,9∙106	5,7∙106	0	47	0	0	396,6	400,3	1
2	7,6∙106	7,1∙106	0	14	0	0	395	399,2	2
3	1	1	2,6∙103	3,5∙103	0	0	393	403,7	5
4	6,3∙106	3,5∙106	0	44	0	0	400,1	395,5	8
5	1,9∙105	5,3∙106	0	7	0	0	397	395,3	0
6	3,1∙103	8,7∙103	1	4	0	1	399,9	400,6	2

Найти: класс сети ATM.

= 21'08=^1 = 2И =

Число ячеек в блоке определяется на основе пиковой скорости ⁿa

= 4096.

Первоначально определим блоки ячеек c существенными ошибками. Граница существен- na 4096

ности числа ошибок в блоке: n_o= — = ----= 128.

0   32    32

Следовательно, на третьем интервале измерения ( i = 3) присутствуют блоки ячеек с существенными ошибками, поскольку ⁿo,3 ^{— n}l,0,3 + ⁿl,1,3 + ⁿe,0,3 + ⁿe,l,3 + ⁿm,3 ^— 2,6 ■ 10³ + 3,5 ■ ■ 10³ + 0 + 0 + 8 = 6,1 ■ 10³ >  n_o = 128.

Число блоков с существенными ошибками ⁿb,e - ⁿb,0,3 + ⁿb,0,3 -1 + 1-2.

ng

Общее число переданных блоков H^ — ^(^b.o.i + ^b,i,i) — 5,9 ' 10^ + 5,7 ■ 10^ + 7,6 ■ 10^ + i=l

+ 7,6 ■ IO6 + 7,1 ■ IO6 + 1 + 1 +6,3 ■ IO6 + 3,5 ■ IO6 + 1,9 ■ 105 + 5,3 ■ IO6 + 3,1 ■ 103 + 8,7 ■ ■ 103 = 4,2 ■ 107.

Tlbe 2

Тогда коэффициент существенных ошибок в блоках ячеек:Pb=C = ZJ^ = 4'8'10

Отсюда следует, что исследуемая сеть удовлетворяет требованиям любого класса сетей.

Для определения интенсивности ложных ячеек необходимо знать интервал измерения.

Поскольку измерения, согласно исходным данным, проводились непрерывно, то интервал измерения вычисляется исходя из скорости и объема переданных ячеек за время, в котором не учи- тт о ст                                                                         [пЬ (ПЬ,0,3 + пЬ,1,3

a

тываются интервалы блоков с существенными ошибками:

VPCR

4,2 ■ 107 - (1 + 1) -4096

----------Ц— ------= 1,7 ■ 106 c = 19,7 сут.

105                                 y

В число ложных ячеек не включаются ячейки, полученные при наблюдении блоков с су-пз щественными ошибками, то естьnm — ^m,i — 1+2+8+0+2 — 13.

i=l

^l*^{3             n}m 13

Таким образом, интенсивность ложных ячеек a_m= — = 7ТГЧ = °’^{66 С}У^Т ■

^m 19,7

Отсюда также следует, что рассматриваемая сеть удовлетворяет требованиям любого класса сетей.

Общее число ячеек, переданных не в интервале наблюдения существенных ошибок:

n + щ - n_a ■ У (n_boi + n_b i;) = n_a(n_b - n_bs) = 4096 ■ (4,2 ■ 10⁷ - 2) = 1,7 ■ IO¹¹.

1*3

Общее число потерянных ячеек, переданных не в интервале наблюдения существенных ошибок: Щ = ^(ni,o,inb,o,i + ni,i,inb,i,d — 0 ■ 5,9 ■ 106 + 47 ■ 5,7 ■ IO6 + 0 ■ 7,6 ■ IO6 + 14 ■ 7,1 i=l i*3

■ 106 +0 ■ 6,3 ■ IO6 + 44 ■ 3,5 ■ IO6 + 0 ■ 1,9 ■105 + 7 ■ 5,3 ■106 + 1 ■ 3,1 ■103 + 4 ■ 8,7 ■ 103 = щ 5,6 ■ 10°

Коэффициент потери ячеек Pl = --- — = ------77 = 3,3 ■ 10³ n + n_; 1,7 ■ IO¹¹

Отсюда следует, что данная сеть не удовлетворяет требованиям для первого и второго класса сетей.

Общее число высокоприоритетных ячеек, переданных не в интервале наблюдения сущест-ng венных ошибок: n0 + n;,0 =na-^ nbM = 4096 ■ (5,9 ■ IO6 +7,6 ■ IO6 + 6,3 ■ IO6 + 1,9 ■ 105 + i=l i*3

+ 3,1 ■ 103) = 8,2 ■ IO10.

Общее число потерянных высокоприоритетных ячеек, переданных не в интервале наблю-ng дения существенных ошибок: n; 0 = У ni oi nb oi = 0 ■ 5,9 ■ 106 + 0 ■ 7,6 ■ IO6 + 0 ■ 6,3 ■ IO6 +

1=1

1*3

+ 0 ■ 1,9 ■ 10s + 1 ■ 3,1 ■ 103 = 3,1 ■ 103.

n_l0 3,1-Ю³         __я

Коэффициент потери высокоприоритетных ячеек ^^l'° п₀+пю 8,2 ■ 10¹⁰  З'^'Ю ■

Отсюда также следует, что исследуемая сеть удовлетворяет требованиям любого класса сетей.

Общее число принятых ячеек, переданных не в интервале наблюдения существенных ошибок: n = (n + nJ - n( = 1,7 ■ IO11 - 5,6 ■ IO8 = 1,7 ■ IO11.

Общее число принятых ячеек с ошибками, переданных не в интервале наблюдения суще-ng ственных ошибок: ne = ^ (ne,o,inb,o,i + ne,i,inb,i,d = 0 ■ 5,9 ■ IO6 + 0 ■ 5,7 ■ IO6 + 0 ■ 7,6 ■ IO6 + i=1

+ 0 ■ 7,1 ■ 106 +0 ■ 6,3 ■ IO6 + 0 ■ 3,5 ■ IO6 + 0 ■ 1,9 ■ 10s + 0 ■ 5,3 ■ IO6 + 0 ■ 3,1 ■ 103 + + 1 ■ 8,7 ■ 103 = 8,7 ■ 103.

n_e 8,7 ■ 10³

Коэффициент ошибок в ячейках4 =7Г = 7^-7777=5Д-Ю’⁸. n 1,7 ■ IO¹¹

Отсюда следует, что исследуемая сеть удовлетворяет требованиям любого класса сетей. Общее число доставленных ячеек, включая полученные в блоках с существенными ошиб-ng ками: n' = ^[(”a “ ni,o,dnb,o,i + (na - ni.i.i)nb,i,i] = (4096 - °) ■ 5,9 ■ 106 + (4096 - 47) ■ i=l

• ■ 5,7 ■ IO⁶ + (4096 - 0) ■ 7,6 ■ IO⁶ + (4096 - 14) ■ 7,1 ■ IO⁶ + (4096 - 2,6 ■ 10³) ■ 1 + (4096 -- 3,5 ■ 10³) ■ 1 +(4096 - 0) ■ 6,3 ■ IO⁶ + (4096 - 44) ■ 3,5 ■ IO⁶ + (4096 - 0) ■ 1,9 ■ 10⁵ + + (4096 - 7) ■ 5,3 ■ IO⁶ +(4096 - 1) ■ 3,1 ■ 10³ + (4096 - 4) ■ 8,7 ■ 10³ = 1,7 ■ IO¹¹.

Среднее значение времени переноса ячейки (заметим, что здесь учитываются все доставленные ячейки, включая полученные в блоках с существенными ошибками):

• 1    ^Пв

  m_T⁼ ггЕ^”” ” ^У^⁰^ ⁺ (ⁿ“ ^- ’ЧмИд,/4/] = (4096 - 0) ■ 5,9 ■ 10⁶ ■ 396,6 +

i=l

+ (4096 - 47) ■ 5,7 ■ IO6 ■ 400,3 + (4096 - 0) ■ 7,6 ■ IO6 ■ 395 + (4096 - 14) ■ 7,1 ■ IO6 ■ 399,2 +

+ (4096 - 2,6 ■ 103) ■ 1 ■ 393 + (4096 - 3,5 ■ IO3) ■ 1 ■ 403,7 + (4096 - 0) ■ 6,3 ■ IO6 ■ 400,1 +

+ (4096 - 44) ■ 3,5 ■ IO6 ■ 395,5 + (4096 - 0) ■ 1,9 ■ 10s ■ 397 + (4096 - 7) ■ 5,3 ■ IO6 ■ 395,3 +

+ (4096 - 1) ■ 3,1 ■ 10³ ■ 399,9 + (4096 - 4) ■ 8,7 ■ 10³ ■ 400,6 = 397,5 mc.

Отсюда понятно, что исследуемая сеть удовлетворяет требованиям любого класса сетей.

Время переноса ячеек дано в качестве исходных данных в табл. 2. Для получения функции распределения времени переноса достаточно упорядочить интервалы измерения и приоритетность ячеек в порядке невозрастания (тогда число ячеек на интервале анализа будет равно n _i, что соответствует либо группе высокоприоритетных ячеек n _{0, i}, либо низкоприоритетных n 1, i ) и рассчитать соответствующие приросты функции распределения:

• 1    ²

h_2ng = 1, Л_у = 1 - — ^ ⁿt’J = 4'²' -^-Пд- 1.

Результаты расчетов приведены в табл. 3.

Поскольку h1 < 10–8 < h2, то нижний квантиль времени переноса ячеек τ10–8 = 395 мс, а так как h11 < 1 – 10–8 < h2, то верхний – τ1 – 10–8 = 400,6 мс (рис. 1). Следовательно, квантиль вариации времени переноса ячеек v10-8 = t1_10-8 — T10-s = 400,6 — 395 = 5,6 mc.

Откуда ясно, что по этому показателю сеть первому классу не соответствует.

Таким образом, исследуемая сеть ATM принадлежит к третьему, четвертому и пятому классам (табл. 4 – зеленые поля означают соответствие, красные – несоответствие).

Таблица 3. Квантили времени переноса ячеек исследуемой сети ATM

Table 3. Quantiles of cell transfer time in the ATM network under study

Номер интервала измерений i	Приоритет ячеек	Число переданных блоков ячеек n b,0, i или n b,1, i	Число потерянных ячеек в каждом блоке n l,0, i или n l,1, i	Время переноса ячеек τ0, i или τ 1, i	Номер в порядке неубывания времени переноса ячеек j	Квантиль h j
3	высокий – 0	1	2,6∙103	393	1	8,8∙10–9
2	высокий – 0	7,6∙106	0	395	2	0,183
5	низкий – 1	5,3∙106	7	395,3	3	0,31
4	низкий – 1	3,5∙106	44	395,5	4	0,394
1	высокий – 0	5,9∙106	0	396,6	5	0,537
5	высокий – 0	1,9∙105	0	397	6	0,542
2	низкий – 1	7,1∙106	14	399,2	7	0,713
6	высокий – 0	3,1∙103	1	399,9	8	0,713
4	высокий – 0	6,3∙106	0	400,1	9	0,864
1	низкий – 1	5,7∙106	47	400,3	10	0,99979
6	низкий – 1	8,7∙103	4	400,6	11	1–3,5 ∙ 10–9
3	низкий – 1	1	3,5∙103	403,7	12	1

Рис. 1. Гистограмма функции распределения F _τ времени переноса ячеек τ

Fig. 1. Histogram of the distribution function F _τ of the cell transfer time τ

Таблица 4. Соответствие показателей качества функционирования исследуемой сети ATM классам качества

Table 4. Compliance of the quality indicators of the ATM network under study with quality classes

Параметр			CTD	CDV	CLR 0+1	CLR 0	CER	CMR	CECBR	Q S m о 2 03 ° 1=5 и и нет нет да
			Среднее m τ , мс	Квантиль v 10 –8, мс	Коэффициент p l	Коэффициент p l,0	Коэффициент p e	Интенсивность a m , сут.-1	Коэффициент p b
Показатель			397,5	5,6 3 –	3,3·10–3 3·10–7 10–5 –	3,8·10–8	5,1·10–8	0,66	4,8·10–8
л о о га Ч «	строгий	1	400			–	4·10–6	1	10–4
	допустимый	2	–			–	4·10–6	1	10–4
	двухуровневый	3	–	–		10–5	4·10–6	1	10–4
	неопределенный	4	–	–	–	–	–	–	–	да
	строгий двухуровневый	5	400	6	–	3·10–7	4·10–6	1	10–4	да

Заключение

Проведенное исследование позволило рассмотреть комплексную методику оценки качества функционирования сетей с асинхронным режимом передачи данных (ATM). Основное внимание было уделено анализу ключевых параметров, включая временные характеристики передачи, показатели потерь и ошибок ячеек, а также дифференциацию приоритетов трафика.

Рассматриваемый универсальный подход включает статистический анализ временных задержек, расчет коэффициентов потерь и ошибок, а также квантильную оценку вариаций времени передачи. Учет приоритетов ячеек повышает точность оценки, а исключение данных с существенными ошибками минимизирует статистические погрешности.

На примере реальной сети ATM продемонстрирована методика классификации сетей по классам качества обслуживания. Установлено, что исследуемая сеть соответствует третьему, четвертому и пятому классам качества, но не удовлетворяет более строгим требованиям первого и второго классов из-за повышенного коэффициента потерь ячеек.

Основным препятствием для отнесения сети к более высоким классам качества является высокий уровень потерь низкоприоритетных ячеек. При этом сеть демонстрирует высокую надежность передачи высокоприоритетного трафика, что соответствует строгим требованиям. Для повышения класса качества сети необходимо оптимизировать механизмы управления трафиком, снижая потери низкоприоритетных ячеек. Внедрение адаптивных алгоритмов буферизации и приоритизации трафика позволит улучшить временные характеристики. Для повышения точности оценки рекомендуется расширенный мониторинг с учетом динамики нагрузки и внешних факторов.

В качестве перспективных направлений исследований можно выделить следующие: разработка адаптивных методов оценки качества с учетом динамических изменений нагрузки и трафика смешанного типа (голос, видео, данные), использование методов машинного обучения для автоматизации классификации сетей и прогнозирования качества обслуживания, – 543 – исследование влияния новых технологий (SDN, NFV) на параметры ATM-сетей и их соответствие классам качества, оптимизация алгоритмов исключения статистических погрешностей при анализе существенных ошибок передачи.