好的，我们继续进行深度拆解。

深度解析 3GPP TS 28.552：5.1.1.4 RRC connection number (RRC连接数)

本文技术原理深度参考了3GPP TS 28.552 V18.10.0 (2025-03) Release 18规范中，关于“5.1.1.4 RRC connection number”的核心章节，旨在为读者提供一个关于5G网络用户连接状态测量的全面解析。

引言：一场音乐节的网络“人口普查”

夜幕降临，“5G Sonic Boom”音乐节现场人头攒动，数万名乐迷汇聚于此。现场保障团队的年轻工程师小李，正紧张地盯着监控大屏上不断跳动的流量数据。这是他第一次参与如此大规模的重保任务。

“王哥，主舞台马上要开始了，人流量已经接近饱和。我该怎么判断我们的网络到底还能不能撑住？光看流量，好像还不够直观。”小李通过对讲机向后方的总指挥老王请教。

老王沉稳的声音传来：“小李，别只盯着‘车流量’（数据吞吐量）。在‘道路’（无线资源）变得拥堵之前，我们首先要搞清楚这条路上到底有多少‘车’（用户），以及有多少‘车’是正在跑的，有多少是停在路边随时准备启动的。这，就是网络世界的‘人口普查’。打开你的‘教科书’28.552，翻到5.1.1.4节，今天我们来学习如何给一个小区做最基础也是最重要的用户统计——RRC连接数测量。”

老王继续说道：“这一节定义的四个测量项，就像是人口普查的四个核心数据：常住活跃人口、峰值活跃人口、常住暂住人口、峰值暂住人口。它们共同描绘出一幅动态的用户全景图，是所有容量管理、资源调配和网络规划的基石。搞懂了它，你就能在流量洪峰到来之前，预判网络的承载压力。”

这篇文章，我们将跟随小李的视角，在音乐节这个极限压力场景下，深入解剖RRC连接数测量的每一个细节，理解5G如何区分用户的“动”与“静”，以及这些数据对于保障大型活动网络稳定性的关键作用。

1. 网络的“在线人数”：RRC Connected模式测量 (5.1.1.4.1 & 5.1.1.4.2)

当暖场乐队结束表演，主舞台灯光渐暗，现场数万名观众纷纷举起手机，准备记录下偶像登场的瞬间。小李看到监控屏上的一个关键指标开始稳步爬升。这，就是RRC连接用户数。

“RRC Connected”模式，是用户与网络之间最紧密的联系状态。你可以把它想象成，一个用户在网络这个“市政大厅”里，已经拿了号，并且正在和一个特定的“办事窗口”（gNB小区）建立了一条专属的通信通道。在这个状态下，用户可以随时收发数据，网络也精确地知道该用户的位置（小区级别）。

1.1 常态负载的晴雨表：5.1.1.4.1 Mean number of RRC Connections (RRC连接平均数)

老王让小李首先关注这个平均值指标，它是评估网络常规负载的核心。

a) This measurement provides the mean number of users in RRC connected mode for each NR cell during each granularity period. The measurement is optionally split into subcounters per PLMN ID.

b) SI.

c) This measurement is obtained by sampling at a pre-defined interval, the number of users in RRC connected mode for each NR cell and for each PLMN ID, and then taking the arithmetic mean.

e) RRC.ConnMean, or optionally RRC.ConnMean.PLMN, where PLMN identifies the PLMN ID.

1.1.1 深度解析

“小李，我们来逐句分析这段定义，理解它的精髓。”

• 目标 (a项): mean number of users in RRC connected mode。非常明确，这个测量项的目标是统计在一个测量周期（Granularity Period，通常是15分钟）内，处于RRC连接态的用户的平均数量。它反映的是这段时间里，网络的“平均在线活跃人数”。

• 类型 (b项): SI (Statistical Integration)。这是一种测量类型，意味着这个值是通过在一个周期内多次采样、然后进行统计计算（这里是求平均）得出的，而不是一个简单的累计计数。

• 方法 (c项): sampling at a pre-defined interval... and then taking the arithmetic mean。这是具体的实现方法。你可以想象基站内部有一个“人口普查员”，它每隔一个极短的时间（例如5秒），就去点一下当前小区里有多少个RRC连接态的用户。在15分钟的周期内，它会点15 * 60 / 5 = 180次。最后，它把这180次的人数加起来，再除以180，就得到了这个周期的Mean number of RRC Connections。

• 命名 (e项): RRC.ConnMean。名字非常直观，RRC族的连接平均数。可选的.PLMN过滤器则是在多运营商共享网络（MORAN）场景下使用的，可以区分出每个运营商的连接用户数。

1.1.2 场景化举例：音乐节的“入场阶段”

音乐节刚开始，观众陆续进场。小李观察着主舞台前核心区域小区的RRC.ConnMean指标。

• 19:00 - 19:15: 观众稀少，大家还在场外。RRC.ConnMean显示为50。
• 19:15 - 19:30: 观众开始涌入，许多人拿出手机扫健康码、发定位朋友圈。RRC.ConnMean上升到300。
• 19:30 - 19:45: 暖场乐队登台，现场气氛渐热，越来越多人开始拍照、录小视频。RRC.ConnMean进一步攀升至800。

“王哥，这个平均数的变化曲线，完美复现了现场人流和用户活跃度的增长趋势！”小李兴奋地说。

“没错，”老王回应，“RRC.ConnMean就是你判断网络常规负载趋势最可靠的‘晴雨表’。通过观察它的变化斜率，我们甚至可以预测下一个周期的负载情况。”

1.2 极限压力的试金石：5.1.1.4.2 Max number of RRC Connections (RRC连接最大数)

就在这时，主舞台灯光大亮，万众期待的超级巨星登场！现场瞬间爆发出的欢呼声几乎掀翻了屋顶。与此同时，小李看到另一个指标瞬间冲到了一个惊人的峰值。

a) This measurement provides the maximum number of users in RRC connected mode for each NR cell during each granularity period.

c) This measurement is obtained by sampling at a pre-defined interval, the number of users in RRC connected mode for each NR cell and for each PLMN ID, and then taking the maximum.

e) RRC.ConnMax, or optionally RRC.ConnMax.PLMN, where PLMN identifies the PLMN ID.

1.2.1 深度解析

“如果说平均数是‘常规巡航’，那么最大数就是‘极限冲刺’。”老王的声音在对讲机里显得格外清晰。

• 目标 (a项): maximum number of users in RRC connected mode。与平均数不同，它要捕捉的是在整个统计周期内，RRC连接用户数的最高瞬时值。

• 方法 (c项): sampling... and then taking the maximum。计算方法同样基于周期性采样。还是那个“人口普查员”，它在180次的点名中，不再是计算平均值，而是找出并记录下那个最高的数字。可能在19:44:55那一秒，所有人都举起手机录像，人数达到了1500，而在其他时间都低于这个值，那么这个周期的RRC.ConnMax就是1500。

• 命名 (e项): RRC.ConnMax。RRC族的连接最大数。

1.2.2 场景化举例：偶像登场的“信令风暴”

超级巨星登台并演唱了最热门的歌曲，现场所有乐迷几乎在同一时间开始录制视频并尝试分享。

• 19:45 - 20:00: 在这个15分钟的周期里，RRC.ConnMean可能稳定在1200左右。但小李看到RRC.ConnMax的值瞬间飙升到了1950！
• 小区的RRC连接用户容量上限是2000。这个1950的峰值，意味着网络在那个最火爆的瞬间，承载能力已经接近极限。

“王哥，峰值达到了容量的97.5%！太惊险了！”小李手心有些出汗。

“这就是RRC.ConnMax的价值所在，”老王说，“它告诉了我们网络所承受的最严峻的考验。这个数据对于未来的网络规划至关重要。下次再有类似规模的活动，我们就会知道，这个区域的基站容量必须扩容，否则就有拒绝用户接入的风险。平均数只能告诉我们‘路很忙’，而最大数能告诉我们‘路在某一刻差点就塌了’！”

2. 网络的“潜在线人数”：RRC Inactive模式测量 (5.1.1.4.3 & 5.1.1.4.4)

歌曲间隙，现场灯光变暗，观众暂时放下了手机。小李发现RRC.ConnMean有所回落，但另一个指标却悄然上升。

“RRC Inactive”模式是5G引入的一项重要的节能和快速连接恢复技术。用户在一段时间没有数据传输后，会从Connected态进入Inactive态。在这个状态下，UE保留了大部分上下文信息（如安全密钥、承载配置），但无线链路已释放，极大地节省了电量。它就像音乐节现场那些把手机放回口袋，但随时准备掏出来拍照的观众——他们没有占用宝贵的无线信道，但网络（gNB）依然为他们保留了“VIP快速通道”的资格（存储了UE上下文），一旦有数据需求，可以迅速恢复到Connected态，而无需经历完整的RRC连接建立流程。

2.1 潜在负载的指示器：5.1.1.4.3 Mean number of stored inactive RRC Connections (存储的非激活RRC连接平均数)

a) This measurement provides the mean number of users in RRC inactive mode for each NR cell during each granularity period.

c) This measurement is defined according to measurement “Mean number of stored inactive UE contexts” in TS 38.314.

e) The measurement name has the form RRC.InactiveConnMean…

2.1.1 深度解析

• 目标 (a项): mean number of users in RRC inactive mode。统计在测量周期内，处于RRC非激活状态的用户的平均数量。

• 方法 (c项): 规范再次展现了其模块化思想，直接引用了TS 38.314中关于“存储的非激活UE上下文平均数”的定义。其原理与RRC.ConnMean类似，也是通过周期性采样求平均值得出。

• 物理意义: 这个指标衡量的是gNB需要消耗内存资源来维持的“潜在活跃用户”的平均规模。每一个Inactive用户，都意味着gNB需要为其存储一份“档案”（UE Context），以便其快速恢复。

2.1.2 场景化举例：风暴前的宁静

在两首劲爆歌曲之间，有一个抒情的慢歌环节。

• 20:15 - 20:30: 现场观众沉浸在音乐中，大部分人放下了手机。
• 小李观察到：RRC.ConnMean（活跃用户）从1200下降到了400。
• 但同时，RRC.InactiveConnMean（非激活用户）从之前的500迅速上升到了3000。

“王哥，这是什么情况？”小李问道。

“这是典型的‘潮汐’现象。大量活跃用户暂时‘休眠’，进入了Inactive状态。但这绝不意味着网络负载降低了，”老王解释道，“这3000个非激活用户，就像是蹲在起跑线上的运动员。只要主持人喊一句‘大家一起打开闪光灯’，他们就会在几秒钟内全部转换成RRC Connected用户，对网络造成巨大的瞬时冲击。RRC.InactiveConnMean这个指标，就是衡量这股‘潜在能量’有多大。同时，它也提醒我们，gNB的内存资源正在被大量占用。”

2.2 内存压力的警戒线：5.1.1.4.4 Max number of stored inactive RRC Connections (存储的非激活RRC连接最大数)

a) This measurement provides the max number of users in RRC inactive mode during each granularity period.

c) This measurement is defined according to measurement “Max number of stored inactive UE contexts” in TS 38.314.

e) The measurement name has the form RRC.InactiveConnMax…

2.2.1 深度解析

与RRC.ConnMax类似，RRC.InactiveConnMax捕捉的是在统计周期内，RRC非激活用户数的最高瞬时值。它直接反映了gNB为维持UE上下文所承受的峰值内存压力。

2.2.2 场景化举例：内存容量的极限挑战

在音乐节即将结束，主持人号召大家参与最后的线上抽奖时，几乎所有在场用户的手机都被“唤醒”参与活动。活动结束后，大部分用户又几乎同时进入了Inactive状态。

• 21:45 - 22:00: 小李发现RRC.InactiveConnMax达到了一个前所未有的峰值4500。而这个小区的非激活用户上下文存储容量上限是5000。

“王哥，非激活用户数也快到顶了！”

“是的。如果这个值超过了gNB的配置上限，那么后续再有用户想从Connected进入Inactive时，gNB可能会因为‘档案柜’满了，而直接命令其进入RRC Idle状态（彻底断开连接，上下文被删除）。当这个用户下次再想上网时，就需要走一套完整的、更慢的连接建立流程。所以，RRC.InactiveConnMax是衡量gNB内存资源配置是否合理的‘警戒线’。”

结论：四维一体，描绘用户连接全景

音乐节圆满落幕，网络平稳运行。小李在复盘报告中写道：

通过对TS 28.552中5.1.1.4节四个核心指标的实时监控，我们得以构建了一个“四维一体”的用户连接状态模型，成功保障了本次音乐节的网络体验。

• RRC.ConnMean (平均活跃数) 让我们掌握了网络常规负载的演进趋势。
• RRC.ConnMax (峰值活跃数) 让我们评估了网络在极限压力下的无线信道资源承载能力。
• RRC.InactiveConnMean (平均非激活数) 让我们洞察了潜在的负载冲击规模和常规的内存资源占用。
• RRC.InactiveConnMax (峰值非激活数) 让我们预警了gNB的峰值内存压力，验证了上下文存储容量配置的合理性。

这四个看似简单的数字，共同构成了一幅动态、立体的用户行为画像。它们不再是孤立的KPI，而是相互关联、相互印证的诊断工具，帮助我们从“有多少人用”的表象，深入到“用户正在如何用”、“网络还能容纳多少人用”的本质。这，正是精细化网络运维的魅力所在。

---

FAQ 环节

Q1：用户手机上显示5G信号满格，是否就意味着他处于“RRC Connected”状态？ A1：不一定。信号满格，通常意味着手机处于RRC Idle（空闲）或RRC Inactive（非激活）状态，能够接收到良好的小区广播信号，并且已经成功注册在网络上。只有当用户发起或接收数据业务（如打开App、收到消息）时，才会通过信令流程转换到RRC Connected状态。简单比喻，信号满格相当于你在“市政大厅”门口，知道大门开着，但只有当你真正开始办理业务时，你才处于“Connected”状态。

Q2：RRC.ConnMax和RRU.PrbDl（PRB利用率）都达到100%，哪个更严重？ A2：两者都很严重，但反映的问题层面不同。RRU.PrbDl达到100%意味着时频资源（公路车道）被完全占满，新来的数据传输请求必须排队等待，直接导致用户速率下降和时延增加。而RRC.ConnMax达到容量上限，意味着RRC连接资源（进入大厅办理业务的名额）已满，新用户甚至无法发起RRC连接建立请求，会被网络直接拒绝。从用户感知来看，后者更严重，因为用户会直接“无法连接”，而前者是“连接慢”。

Q3：既然RRC Inactive状态这么省电又连接快，为什么不让所有用户都保持在这个状态？ A3：主要是因为资源开销的权衡。维持一个RRC Inactive状态的用户，虽然不占用无线信道，但需要在gNB和AMF中为其保留一份完整的UE上下文（几十到几百KB的内存）。如果一个小区内有数千个非激活用户，对gNB的内存资源将是巨大的消耗。因此，网络需要通过定时器（Inactive Timer）来管理，如果一个用户在Inactive状态下停留过久仍无任何活动，网络就会将其释放到RRC Idle状态，彻底清除其在gNB的上下文，以节约资源。

Q4：为什么规范中提到RRC.InactiveConnMean的定义要参考TS 38.314？ A4：这是3GPP规范体系化和分层设计的体现。TS 28.552主要定义的是从OAM（运维管理）层面需要采集的性能测量项。而RRC Inactive状态下UE上下文如何精确定义、其统计的触发点和具体逻辑，属于L2/L3层面的内部实现细节。这些细节在更底层的协议规范TS 38.314（NR; Layer 2 measurements）中有更详尽的规定。28.552通过引用的方式，确保了上层运维测量与底层协议实现的一致性，避免了重复定义和潜在的歧义。

Q5：如果我发现一个小区的RRC.InactiveConnMean一直很高，这意味着什么？我该如何优化？ A5：持续很高的RRC.InactiveConnMean可能意味着：1）该小区覆盖范围内的用户基数非常大；2）用户的业务模型以突发性、非周期性的小流量为主，导致用户频繁在Connected和Inactive之间切换；3）RRC Inactive定时器设置得过长，导致“僵尸”上下文过多。优化方向包括：1）评估该小区的内存资源配置是否足够，考虑扩容；2）分析业务类型，如果确实是物联网等小包业务为主，高Inactive是正常现象，需确保内存足够；3）检查并适当调低Inactive定时器的时长，让真正长时间不活动的用户能及时被释放到Idle态，释放gNB的内存资源。