The Vienna 4G/5G Drive-Test Dataset

Este artículo presenta el conjunto de datos de pruebas de conducción de 4G/5G de Viena, una base de datos abierta y georreferenciada que combina mediciones pasivas y activas con modelos urbanos detallados para facilitar el aprendizaje automático, la planificación y la optimización de redes móviles.

Lo esencial

¡Hola! Imagina que las redes móviles (como el 4G y el 5G) son como un sistema de riego gigante que cubre toda una ciudad. A veces, el agua (la señal) llega fuerte a tu jardín, y otras veces, por culpa de un edificio alto o una colina, llega goteando.

Los ingenieros que diseñan estas redes necesitan saber exactamente dónde está el agua y por qué se comporta así para arreglar los "parches secos". El problema es que, hasta ahora, no tenían un mapa detallado y real de cómo funciona todo en la vida real; solo tenían teorías o mapas muy simples.

Este artículo presenta el "Vienna 4G/5G Drive-Test Dataset", que es básicamente el mapa de la verdad para las redes móviles en Viena, Austria.

Aquí te explico los puntos clave con analogías sencillas:

1. ¿Qué es exactamente este "Dataset"?

Imagina que dos equipos de exploradores salieron a recorrer Viena en un coche:

• El Equipo 1 (El Escáner Pasivo): Lleva una antena gigante en el techo que actúa como una "nariz superpoderosa". No se conecta a ninguna red, solo "huele" todas las señales de todos los operadores de telefonía que pasan por ahí. Es como tener un oído que escucha todas las conversaciones en una plaza sin hablar con nadie.
• El Equipo 2 (El Teléfono Activo): Lleva tres teléfonos móviles normales en el salpicadero. Estos se conectan a las redes y nos dicen cómo se siente el usuario: ¿La descarga es rápida? ¿La llamada se corta? ¿Qué tan fuerte es la señal que siente el teléfono?

Al combinar ambos, tienen una visión completa: lo que la red "cree" que está enviando (escáner) y lo que el usuario realmente recibe (teléfono).

2. ¿Por qué es tan especial? (El "Gemelo Digital")

La mayoría de los mapas de redes son como dibujos en una hoja de papel plana. Este dataset es diferente porque incluye un modelo 3D de la ciudad.

• La analogía del "Gemelo Digital": Imagina que tienes una réplica exacta de Viena en un videojuego, con cada edificio, cada árbol y cada colina. Ahora, superpones los datos reales de las señales sobre ese videojuego.
• Esto permite a los científicos usar la Inteligencia Artificial para aprender no solo dónde está la señal, sino por qué se comporta así (por ejemplo: "La señal se debilita aquí porque hay un edificio de cristal que la refleja").

3. ¿Qué información nueva nos dan?

Antes, si querías saber dónde estaba una antena, tenías que adivinar o pedirle permiso a la compañía telefónica (que a veces no te lo dice).

• El "Detective de Antenas": Este dataset incluye una parte donde los autores dedujeron (como detectives) dónde están las antenas, hacia dónde apuntan y qué tan altas son, basándose en las señales que recogieron. Es como si pudieras ver las torres invisibles desde el suelo y decir: "¡Ahí está la antena del operador A, apuntando al norte!".

4. ¿Para qué sirve todo esto?

Con este "tesoro de datos", los científicos pueden hacer cosas increíbles:

• Ajustar los simuladores: Imagina que tienes un simulador de clima. Si el simulador dice que lloverá, pero en la realidad no llueve, lo ajustas. Con este dataset, los ingenieros pueden ajustar sus simulaciones de redes para que sean 100% reales.
• Crear ciudades inteligentes: Pueden diseñar redes futuras que sepan exactamente cómo interactuar con los edificios de una ciudad, evitando zonas muertas antes de instalar una sola antena.
• Mejorar el 5G: El 5G usa "haces" de señal (como linternas) en lugar de bombillas que iluminan todo. Este dataset ayuda a entender cómo esos haces se mueven y se pierden entre los edificios.

En resumen

Este papel es como entregarle a la comunidad científica un manual de instrucciones real, un mapa 3D detallado y una grabación de audio de cómo funciona la red móvil en una ciudad real.

Antes, los investigadores tenían que adivinar o usar datos falsos (simulados). Ahora, tienen los datos reales de Viena para entrenar a sus inteligencias artificiales y crear redes más rápidas, estables y eficientes para todos nosotros. ¡Es como pasar de dibujar un mapa a mano a tener un GPS en tiempo real de la ciudad!

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo "The Vienna 4G/5G Drive-Test Dataset" en español, estructurado según los puntos solicitados:

Resumen Técnico: El Conjunto de Datos de Pruebas de Conducción 4G/5G de Viena

1. Planteamiento del Problema

El avance del aprendizaje automático (Machine Learning) en el análisis, planificación y optimización de redes móviles se ve frenado por la falta de conjuntos de datos reales, grandes y comprehensivos. Existe una brecha crítica, especialmente para problemas condicionados por la geometría y el entorno (como la estimación de mapas de radio, predicción de cobertura, calibración de modelos de propagación y construcción de Gemelos Digitales).

• Limitaciones actuales: Los conjuntos de datos abiertos existentes suelen centrarse en trazas de medición y KPIs (indicadores clave de rendimiento), pero carecen de la integración conjunta de descriptores de despliegue explícitos (ubicación de estaciones base, azimuts, alturas) y contexto ambiental detallado (modelos 3D de edificios y terreno).
• Necesidad: Se requiere un recurso que combine mediciones reales de campo con metadatos de despliegue y modelos de entorno de alta resolución para permitir la validación de métodos basados en IA frente a enfoques deterministas tradicionales (como el trazado de rayos).

2. Metodología

El equipo de investigación de la TU Wien recopiló y procesó el conjunto de datos entre marzo de 2024 y marzo de 2025, cubriendo aproximadamente 100 km² de Viena (entornos urbanos y suburbanos).

• Recolección de Datos (Dualidad de Modos):
  • Mediciones Pasivas: Se utilizó un receptor escáner PCTEL IBflex con dos antenas omnidireccionales OmniLOG PRO montadas en el techo de un vehículo. Esto permitió una monitorización de banda ancha y agnóstica a la tecnología, capturando señales de múltiples celdas simultáneamente (incluyendo identificadores PCI, canales y bloques de sincronización SSB/CRS).
  • Mediciones Activas: Se utilizaron tres smartphones 5G montados en el salpicadero, conectados al mismo software de control. Estos dispositivos capturaron métricas centradas en el usuario (RSRP, RSRQ, RSSI, SINR, throughput y Timing Advance - TA).
• Procesamiento y Limpieza:
  • Se desarrollaron tuberías de procesamiento paralelas para escáneres y teléfonos.
  • Escáner: Se fusionaron registros de señales (CRS/SSB) con información de bloques de sistema (MIB/SIB) utilizando claves exactas (PCI, canal) y filtrado temporal/espacial para resolver ambigüedades.
  • Teléfonos: Se extrajo un subconjunto armonizado de métricas. Se procesaron los valores de Timing Advance (TA) para inferir la ubicación de las estaciones base, interpolando coordenadas faltantes y eliminando valores inválidos.
• Inferencia de Despliegue y Gemelo Digital:
  • Se estimaron las ubicaciones de un subconjunto representativo de estaciones base (BS) utilizando el método de TA. Para LTE, se agruparon por ID de celda reportado por la red; para 5G NR (modo NSA), se utilizó una heurística basada en la agrupación de PCI.
  • Se estimaron las alturas de las antenas (usando Google Earth Pro) y los azimuts de los sectores (basados en el centroide ponderado por RSRP de las mediciones de los teléfonos).
  • Se integraron modelos de edificios y terreno de alta resolución (1m de resolución) proporcionados por la administración municipal de Viena.

3. Contribuciones Clave

El artículo presenta el Vienna 4G/5G Drive-Test Dataset, un recurso de acceso abierto con las siguientes características distintivas:

• Escala y Diversidad: Cobertura a nivel de ciudad con muestreo geoespacial denso en áreas urbanas y suburbanas.
• Dualidad de Modos: Combina observaciones de escáner pasivo (visión de la red) con registros de teléfonos activos (visión del usuario), ofreciendo una perspectiva complementaria.
• Descriptores de Despliegue Inferidos: Proporciona ubicaciones estimadas de BS, azimuts de sector y alturas de antena para un subconjunto de sitios, algo raro en conjuntos de datos abiertos.
• Contexto Ambiental 3D: Incluye modelos de edificios y terreno de alta resolución, habilitando flujos de trabajo condicionados por la geometría (ej. calibración de trazado de rayos).
• Soporte Multi-Tecnología: Cubre consistentemente LTE (4G) y 5G NR (en modo NSA), incluyendo mediciones a nivel de haz (beam-level) para 5G.
• Estructura de Datos: Organizado en componentes de escáner, teléfono, información de celda estimada y modelo de ciudad, con documentación detallada sobre cómo unir estas tablas.

4. Resultados y Validación

Los autores realizaron análisis técnicos exhaustivos para validar la fiabilidad del dataset:

• Precisión de Georreferenciación: La precisión de posicionamiento GPS, tras corregir los puntos a las calles más cercanas (OpenStreetMap), tiene un Error Cuadrático Medio (RMSE) de aproximadamente 4 metros, suficiente para análisis de propagación.
• Consistencia de Asignación de Celdas: Se validó la vinculación entre las mediciones de señal (CRS/SSB) y la información de sistema (MIB/SIB). El 82.16% de los registros se emparejaron correctamente. Se observó que los residuos temporales tienen una cola larga (debido a la asincronía de decodificación), por lo que el dataset prioriza la consistencia espacial (umbral de 750m) para el emparejamiento.
• Estadísticas de KPI: Las distribuciones de RSRP y RSRQ muestran comportamientos realistas según la banda de frecuencia (ej. LTE 800 MHz con mayor potencia que 5G 3500 MHz debido a la pérdida de trayectoria).
• Validación de Metadatos Estimados:
  • Para LTE, la comparación con registros públicos mostró un RMSE de ubicación de 38.55 m y un error circular medio de 27.95° en la orientación del sector.
  • Para 5G NR, la consistencia interna de las ubicaciones inferidas mediante TA mostró un residuo mediano de 69.6 m, confirmando la compatibilidad con las restricciones físicas de la red.

5. Significado e Impacto

Este conjunto de datos cierra una brecha significativa en la investigación de redes móviles:

• Benchmarking Reproducible: Permite comparar directamente métodos de aprendizaje automático con modelos deterministas (como el trazado de rayos) en un entorno real, algo que antes solo era posible con datos sintéticos o mediciones parciales.
• Calibración de Gemelos Digitales: Facilita la construcción y calibración de Gemelos Digitales de Red (DNT) al proporcionar la "tríada" necesaria: mediciones reales, metadatos de despliegue y contexto 3D del entorno.
• Avance en Modelado de Propagación: Habilita el entrenamiento de modelos de propagación conscientes del entorno (environment-aware) que pueden aprender patrones de bloqueo y difracción basados en la morfología urbana real.
• Accesibilidad: Al proporcionar datos procesados y listos para usar (sin necesidad de scripts de limpieza propietarios), reduce la barrera de entrada para investigadores sin un profundo conocimiento técnico de telecomunicaciones.

En resumen, el dataset de Viena es un recurso fundamental para la próxima generación de investigación en redes 5G/6G, inteligencia artificial aplicada a redes y planificación de infraestructuras digitales.