We further compare the difference b

We further compare the difference between heavy users and normal users in terms of their daily and hourly activity. We can clearly see from Fig. 5(a) that most heavy users (83.84%) activate the data service more than six days in a week. As shown in Fig. 5(b), heavy users generate traffic in 14 hours averagely in a day, 70% and 31% of heavy users use applications for more than 10 and 20 hours respectively.

We can conclude from above analysis that different mobile users tend to have distinct data usage patterns. Top 1% heavy users contribute up to 88% of the total mobile data traffic, and use applications much more frequently.

B. Mobility Pattern
Human mobility pattern is essential for a deep understanding of network dynamics and evolution. User mobility pattern in Mobile Internet also impact the network resource allocation and social network [27]. Here we investigate the users’ mobility patterns when they are active in data service usage.

Due to the cell tower oscillation (a mobile device located at the boundary of two cells may access alternately one cell and then the other, even if the user location is not changed), we study the number of distinct cells that a user visit instead of the number of cells a user actually cross during a certain period of time, which represent the moving range of the user when he/she is connecting into Mobile Internet and how frequently the user moves across.

There are Formula cells in the area. In this paper, we define four groups of users according to their mobility to represent the user moving activities in the week. Define Formula the number of a cell user access in a week. Accordingly, we define user groups in terms of :

Non mobility users, if

ผลลัพธ์ (ไทย) 1:

เราเพิ่มเติมเปรียบเทียบความแตกต่างระหว่างหนักและผู้ใช้ปกติในแง่ของกิจกรรมรายวัน และรายชั่วโมง เราสามารถเห็นอย่างชัดเจนจากรูป 5(a) ที่ผู้ใช้งานหนักสุด (83.84%) เปิดบริการข้อมูลมากกว่าหกวันในหนึ่งสัปดาห์ ดังแสดงในรูป 5(b) หนักผู้สร้างในทำเลในวัน 14 ชั่วโมง 70% และ 31% ของผู้ใช้งานหนักใช้งานมากกว่า 10 และ 20 ชั่วโมงตามลำดับเราสามารถสรุปวิเคราะห์ที่ผู้ใช้มือถือที่แตกต่างกันมักจะ มีรูปแบบการใช้ข้อมูลที่แตกต่าง ก สูงสุด 1% ใช้งานหนักมีส่วนร่วมในการรับส่งข้อมูลรวมถึง 88% และใช้งานบ่อยครั้งมากB. รูปแบบเคลื่อนรูปแบบการเคลื่อนไหวของมนุษย์เป็นสิ่งสำคัญสำหรับความเครือข่าย dynamics และวิวัฒนาการ รูปเคลื่อนไหวผู้ใช้ในอินเทอร์เน็ตมือถือผลกระทบต่อการจัดสรรทรัพยากรเครือข่ายและเครือข่ายทางสังคม [27] นี่เราตรวจสอบรูปแบบการเคลื่อนไหวของผู้ใช้เมื่อพวกเขาอยู่ในการใช้บริการข้อมูลเนื่องจากการเซลล์ทาวเวอร์สั่น (อุปกรณ์เคลื่อนขอบของเซลล์สองเซลล์อาจเข้าถึงเซลล์สลับ และอื่น ๆ แม้ไม่มีการเปลี่ยนแปลงตำแหน่งของผู้ใช้), ศึกษาจำนวนของเซลล์แตกต่างกันที่ผู้ใช้เยี่ยมชมแทนจำนวนของเซลล์ที่ผู้ใช้จริงข้ามระหว่างช่วงเวลา ซึ่งเป็นช่วงเคลื่อนไหวของผู้ใช้เมื่อเขาเชื่อมต่อเข้าอินเทอร์เน็ตมือถือ และความถี่ ผู้ใช้ย้ายข้ามมีเซลล์สูตรในพื้นที่ ในกระดาษนี้ เรากำหนดกลุ่มผู้ใช้ตามการเคลื่อนไหวเพื่อแสดงผู้ใช้ย้ายกิจกรรมในสัปดาห์ที่สี่ กำหนดสูตรของเซลล์ผู้ใช้เข้าในหนึ่งสัปดาห์ ดังนั้น เรากำหนดกลุ่มผู้ใช้ในแง่ของ:ผู้ใช้ที่เคลื่อนไหวไม่ใช่ ถ้า

ผลลัพธ์ (ไทย) 2:

เรายังเปรียบเทียบความแตกต่างระหว่างผู้ใช้หนักและผู้ใช้ปกติในแง่ของกิจกรรมประจำวันและรายชั่วโมงของพวกเขา เราสามารถเห็นได้ชัดเจนจากรูป 5 (ก) ที่ผู้ใช้หนักมากที่สุด (83.84%) เปิดใช้งานบริการข้อมูลมากกว่าหกวันในหนึ่งสัปดาห์ ดังแสดงในรูป 5 (B), ผู้ใช้หนักสร้างการจราจรใน 14 ชั่วโมงเฉลี่ยในวันที่ 70% และ 31% ของผู้ใช้หนักการใช้งานมานานกว่า 10 และ 20 ชั่วโมงตามลำดับ. เราสามารถสรุปได้จากการวิเคราะห์ข้างต้นที่ผู้ใช้มือถือที่แตกต่างกันมีแนวโน้มที่จะมีความแตกต่างกัน รูปแบบการใช้ข้อมูล สูงสุด 1% ผู้ใช้หนักส่วนร่วมได้ถึง 88% ของการเข้าชมข้อมูลทั้งหมดโทรศัพท์มือถือและการประยุกต์ใช้งานอื่น ๆ อีกมากมายที่พบบ่อย. บี รูปแบบการเคลื่อนไหวรูปแบบการเคลื่อนไหวของมนุษย์เป็นสิ่งจำเป็นสำหรับความเข้าใจอย่างลึกซึ้งของการเปลี่ยนแปลงและวิวัฒนาการเครือข่าย รูปแบบการเคลื่อนไหวของผู้ใช้อินเทอร์เน็ตในมือถือยังส่งผลกระทบต่อการจัดสรรทรัพยากรของเครือข่ายและเครือข่ายทางสังคม [27] ที่นี่เราจะตรวจสอบของผู้ใช้รูปแบบการเคลื่อนไหวเมื่อพวกเขามีการใช้งานในการใช้งานบริการข้อมูล. เนื่องจากการสั่นหอโทรศัพท์มือถือ (โทรศัพท์มือถืออยู่ที่เขตแดนของทั้งสองเซลล์อาจเข้าถึงผลัดเซลล์หนึ่งแล้วอื่น ๆ แม้ว่าตำแหน่งของผู้ใช้คือ ไม่ได้เปลี่ยน) เราศึกษาจำนวนของเซลล์ที่แตกต่างกันที่การเยี่ยมชมของผู้ใช้แทนจำนวนของเซลล์ที่ผู้ใช้จริงข้ามในช่วงระยะเวลาหนึ่งซึ่งเป็นตัวแทนของช่วงการเคลื่อนไหวของผู้ใช้เมื่อเขา / เธอคือการเชื่อมต่อเข้าสู่อินเทอร์เน็ตมือถือและ ความถี่ที่ผู้ใช้ย้ายข้าม. มีเซลล์สูตรในพื้นที่ ในบทความนี้เรากำหนดสี่กลุ่มของผู้ใช้ตามการเคลื่อนไหวของพวกเขาจะเป็นตัวแทนของผู้ใช้ย้ายกิจกรรมในสัปดาห์ กำหนดสูตรจำนวนเข้าถึงผู้ใช้มือถือในรอบสัปดาห์ ดังนั้นการที่เรากำหนดกลุ่มผู้ใช้ในแง่ของ: ผู้ใช้ความคล่องตัวบุหรี่, ถ้า