5G系统将支持多种垂直行业应用场景,以及各类具有差异化服务质量需求的业务,其中,海量机器类型通信（m MTC）作为5G三大应用场景之一,是机器类型通信的新型行业应用,致力于保障大量互联设备的数据传输,以实现万物互联的愿景。5G系统需要满足远高于4G的性能要求,以支持爆炸性增长的数据流量、海量连接设备等。同时,丰富的业务类型和高流量密度、高设备连接密度也为网络负载的管理带来挑战。本文主要围绕业务流量和负载均衡进行研究,包括研究m MTC类业务的数学建模,m MTC场景与混合场景的业务流量统计,以及基于用户移动性预测的小区间负载均衡。本文首先研究现有业务模型,考虑到机器类型通信业务与传统人类通信业务的差异,本文采用简化后的通用两层模型,分别从会话层和分组层对m MTC类业务进行描述,并选取家庭能量管理系统、智能电网、无线自动售货、家庭监控、共享单车、汽车应用等典型业务,分别建立数学模型并进行仿真,然后对比蒙特卡洛仿真以分析业务的数据速率特性并验证模型的准确性。基于单业务建模的研究基础,本文继续研究应用场景中的业务流量统计。对于多用户多业务的场景,本文建立基于卷积的流量模型并描述统计方法,然后针对智慧住宅、智能建筑、公共服务等m MTC场景与智慧园区等混合场景,分别根据数值分析方法与蒙特卡洛方法进行对比仿真并分析场景的流量特性,最后通过曲线拟合得出流量模型的近似八阶高斯分布。本文所建立的业务流量模型具备一定的通用性,可以为通信网络的规划与相关技术的研究提供参考。最后,本文基于3GPP网络架构对蜂窝系统中用户的移动性预测进行研究,首先描述基于历史位置的通用预测方法,然后选取支持向量机与神经网络两种模型,基于人类自相似性最小行走移动模型进行预测与对比分析。基于预测结果,本文通过资源预留与接入控制方法均衡各小区之间的负载,在保障用户服务质量需求的前提下,根据小区负载与业务速率需求为用户选择合适的小区接入。仿真结果表明,该方法在满足服务质量和均衡系统负载之间实现了合理折衷,并在资源利用率方面有所提高。