Evaluation of EMF Exposure to Throughput Ratio for Sustainable 5G Networks

Este artículo presenta un marco de geometría estocástica que utiliza procesos de punto beta-Ginibre para evaluar la exposición a campos electromagnéticos y la eficiencia energética (REBT-DL) en redes 5G, demostrando mediante simulaciones y datos reales de París que este modelo ofrece una precisión superior a los tradicionales y resalta la importancia de estrategias de despliegue conscientes de la energía para la sostenibilidad.

Lo esencial

¡Claro que sí! Imagina que este artículo es como un manual de ingeniería para diseñar ciudades del futuro, pero en lugar de edificios y carreteras, se trata de las torres de telefonía (antenas) que nos dan internet.

Aquí tienes la explicación de la investigación de Trinh, Wang y Wiart, traducida a un lenguaje sencillo y con analogías creativas:

1. El Problema: ¿Demasiadas antenas o muy pocas?

Imagina que la red móvil es como una orquesta.

• El crecimiento: Cada vez hay más personas (músicos) queriendo escuchar música (datos). Para que todos escuchen bien, necesitamos más instrumentos (antenas) en la ciudad.
• El dilema: Si ponemos demasiadas antenas muy juntas, la gente empieza a preocuparse por la "radiación" (como si la orquesta tocara tan fuerte que doliera los oídos). Pero si ponemos pocas, la música se escucha mal (internet lento).
• El objetivo: Los autores quieren encontrar el punto perfecto: una red que sea rápida, eficiente en energía y segura para la salud.

2. La Herramienta: El "Mapa de la Ciudad" (Geometría Estocástica)

Para estudiar esto sin tener que medir cada antena de París una por una (lo cual sería una locura), los autores usan una herramienta matemática llamada Geometría Estocástica. Es como usar un simulador de tráfico para predecir cómo se comportará la red.

Usaron dos tipos de "mapas" para imaginar dónde están las antenas:

1. El Mapa "Aleatorio" (PPP): Imagina que lanzas confeti al suelo y las antenas caen donde caigan, sin orden. A veces se juntan mucho, a veces hay huecos.
2. El Mapa "Social" (β-GPP): Imagina que las antenas son como personas en una fiesta. A las personas no les gusta estar pegadas una encima de la otra; se respetan un poco de espacio. Este mapa (llamado proceso β-Ginibre) es más realista porque en la vida real, las empresas no ponen dos antenas justo una encima de la otra; las separan para que funcionen mejor.

El hallazgo clave: El mapa "Social" (β-GPP) se ajusta mucho mejor a la realidad de París que el mapa "Aleatorio". El modelo aleatorio subestima un poco la exposición a la radiación porque no entiende que las antenas se "empujan" entre sí.

3. La Innovación: La "Red Dual" (EN-DC)

Hoy en día, las redes no son solo 4G o solo 5G; a menudo usan ambas al mismo tiempo.

• La analogía: Imagina que para llegar a tu casa, usas dos camiones de mudanza al mismo tiempo. Uno es viejo (4G) y el otro es nuevo y rápido (5G).
• El beneficio: Llegas más rápido (más velocidad).
• El riesgo: Como hay dos camiones trabajando a la vez, hay más ruido y más "emisiones" (radiación) en el camino.
• La pregunta: ¿Vale la pena tener dos camiones si aumenta el ruido?

4. La Nueva Medida: "Energía por Bit" (REBT-DL)

Antes, los ingenieros solo miraban cuánta energía gastaba la antena. Pero estos autores dicen: "Eso no es suficiente".

• La analogía: Imagina que quieres medir qué tan eficiente es un coche.
  • La forma vieja de medir: "¿Cuánta gasolina gasta?".
  • La forma nueva (REBT-DL): "¿Cuánta gasolina gasta por cada kilómetro que realmente recorres?".
• La conclusión: Si un coche gasta mucha gasolina pero recorre 1000 km, es mejor que uno que gasta poca gasolina pero solo recorre 1 km.
• En la red: Ellos crearon una métrica que divide la exposición a la radiación entre la velocidad de internet. Quieren saber: "¿Cuánta radiación necesito para enviarte un mensaje?".

5. Los Resultados: ¿Qué descubrieron?

Al aplicar sus fórmulas a los datos reales de las antenas de Orange en París, descubrieron cosas interesantes:

• La 5G es más "inteligente": Las antenas 5G tienen "focos" (haces) que apuntan solo a donde hay un usuario, como un faro. Las 4G son como bombillas que iluminan todo alrededor.
  • Resultado: A veces la 5G da más radiación localizada (porque el foco es muy fuerte), pero en promedio es más eficiente porque no desperdicia energía iluminando a nadie.
• La combinación (EN-DC): Usar 4G y 5G juntos aumenta un poco la radiación total (dos camiones), pero como la velocidad se dispara, la eficiencia (energía por bit) sigue siendo muy buena. Es una solución de transición muy sostenible.
• El mapa importa: Si usas el mapa "Social" (β-GPP), ves que la red real es más eficiente de lo que pensábamos con el mapa "Aleatorio".

En resumen

Este paper nos dice que para construir redes 5G sostenibles en el futuro:

1. No debemos asumir que las antenas están colocadas al azar; debemos respetar su "espacio personal" (usar el modelo β-GPP).
2. No debemos solo medir la radiación, sino cuánto internet nos da por esa radiación.
3. La combinación de tecnologías (4G + 5G) es un paso necesario y eficiente hacia un futuro verde, siempre que se planifique bien.

Es como decir: "No se trata solo de tener más antenas, sino de tenerlas en el lugar correcto, apuntando en la dirección correcta, para que la red sea rápida sin ser un horno para la ciudad."

Resumen técnico

Resumen Técnico: Evaluación de la Relación Exposición-EMF a Tasa de Transferencia para Redes 5G Sostenibles

1. Planteamiento del Problema

El crecimiento explosivo de suscriptores móviles y tráfico de datos ha impulsado la densificación de las estaciones base (BS) como solución clave. Sin embargo, esto genera un dilema entre el rendimiento de la red y la sostenibilidad ambiental y de salud pública.

• Desafío Principal: Existe una preocupación pública persistente sobre la exposición a campos electromagnéticos (EMF) y sus efectos en la salud. Las estrategias de despliegue deben equilibrar la eficiencia energética y el rendimiento con el cumplimiento de los límites de exposición.
• Limitaciones Actuales: Los métodos de evaluación tradicionales (mediciones in-situ, ray-tracing) son computacionalmente costosos para redes a gran escala. Además, la mayoría de los estudios existentes basados en Geometría Estocástica (SG) se centran en redes de una sola capa (single-tier) y asumen distribuciones de estaciones base independientes (Proceso de Poisson), lo cual no refleja la repulsión espacial observada en despliegues reales.
• Brecha de Investigación: Falta un marco analítico que evalúe simultáneamente la exposición a EMF y el rendimiento (throughput) en escenarios de multi-conectividad (como 5G EN-DC), donde coexisten tecnologías 4G y 5G.

2. Metodología

Los autores proponen un marco de Geometría Estocástica para analizar la exposición a EMF en el enlace descendente (downlink) y la eficiencia energética en redes 5G multi-RAT (Radio Access Technology).

• Modelado Espacial:
  • Se modelan las estaciones base 4G y 5G como procesos puntuales espaciales independientes.
  • Se comparan dos modelos:
    1. Proceso de Punto de Poisson (PPP): Asume independencia espacial (distribución aleatoria pura).
    2. Proceso de Punto de Ginibre $\beta$ ($\beta$-GPP): Captura la repulsión espacial entre estaciones base (las BS tienden a no estar demasiado cerca entre sí), lo cual es más realista. El parámetro $\beta$ controla el grado de repulsión ($\beta \to 0$ es PPP, $\beta = 1$ es GPP estándar).
• Escenario de Estudio: Se utiliza la configuración 5G EN-DC (E-UTRAN New Radio - Dual Connectivity), que permite transmisiones simultáneas de 4G y 5G. Se asume que las BS 5G suelen estar co-ubicadas con las 4G con una probabilidad $p$.
• Modelo de Propagación:
  • Pérdida de trayectoria acotada (bounded path loss) con una zona de guarda.
  • Desvanecimiento a pequeña escala Rayleigh.
  • Beamforming (Formación de Haz): Las BS 5G utilizan haces direccionales (3 arrays de 120°), mientras que las 4G son omnidireccionales.
• Métrica Propuesta (REBT-DL):
  • Se introduce el Radiated Energy per Bit Transmitted in the Downlink (REBT-DL).
  • Definición: $Y = \frac{\text{Exposición Total a EMF}}{\text{Throughput Total}}$.
  • Esta métrica cuantifica la energía radiada necesaria por bit transmitido, ofreciendo una visión centrada en el usuario que vincula la exposición con la eficiencia espectral.

3. Contribuciones Clave

1. Derivación Analítica: Se han obtenido expresiones tratables (en forma de integrales) para la Función de Distribución Acumulada (CDF) de la exposición a EMF y del REBT-DL en redes 4G, 5G y EN-DC, considerando tanto modelos PPP como $\beta$-GPP.
2. Nueva Métrica de Sostenibilidad: La introducción del REBT-DL permite evaluar el compromiso (trade-off) entre la exposición a radiación y la capacidad de la red, superando las evaluaciones basadas únicamente en potencia media.
3. Validación con Datos Reales: El marco se ha validado utilizando:
   • Simulaciones de Monte Carlo.
   • Datos reales de la red de Orange en París: Se utilizaron ubicaciones de BS 4G (2600 MHz) y 5G (3500 MHz) extraídas de la base de datos Cartoradio.
   • Ajuste de parámetros: Se determinó que $\beta_4 = 0.75$ y $\beta_5 = 0.83$ son los mejores ajustes para los datos empíricos, confirmando la presencia de repulsión espacial.

4. Resultados Principales

• Precisión del Modelo $\beta$-GPP:
  • El modelo $\beta$-GPP se ajusta significativamente mejor a los datos reales que el modelo PPP.
  • El modelo PPP tiende a subestimar la exposición a EMF. Esto se debe a que la repulsión espacial (realidad) evita la superposición excesiva de interferencias en ciertos puntos, pero también concentra la energía de manera diferente a la aleatoriedad pura de Poisson.
  • La probabilidad de cobertura bajo PPP actúa como un límite inferior para despliegues reales.
• Comparación de Exposición (4G vs. 5G vs. EN-DC):
  • 5G (Single-tier): Muestra una exposición ligeramente superior a la 4G en umbrales altos debido a la concentración de energía en los lóbulos principales del beamforming, pero reduce la interferencia general.
  • EN-DC: Presenta la mayor exposición acumulada debido a las transmisiones simultáneas de 4G y 5G. Sin embargo, el aumento en el throughput compensa parcialmente este incremento.
• Eficiencia Energética (REBT-DL):
  • La configuración 5G de una sola capa es la más eficiente en términos de REBT-DL (mejor balance entre energía radiada y bits transmitidos).
  • Aunque el EN-DC tiene mayor exposición, su alto throughput resulta en un REBT-DL mejor que el de la red 4G pura, demostrando que la doble conectividad es una solución sostenible de transición.
  • En todos los casos, el modelo $\beta$-GPP predice un REBT-DL más bajo (mejor eficiencia) que el PPP, debido a que la repulsión espacial mejora la probabilidad de cobertura y el rendimiento.

5. Significado e Impacto

• Herramienta para la Planificación Sostenible: El estudio demuestra que la Geometría Estocástica, combinada con modelos de repulsión ($\beta$-GPP), es una herramienta robusta para diseñar redes 5G que cumplan con los límites de seguridad EMF sin sacrificar el rendimiento.
• Validación de EN-DC: Confirma que la arquitectura EN-DC es una estrategia viable y sostenible para la transición hacia redes 5G independientes (Standalone), ya que optimiza el uso de la infraestructura existente y mejora la eficiencia energética global (bits por joule radiado).
• Implicaciones Regulatorias: Los resultados sugieren que los modelos tradicionales (PPP) pueden ser insuficientes para la evaluación de riesgos de exposición, ya que no capturan la realidad de los despliegues celulares densos y estructurados.

En conclusión, el artículo proporciona un marco matemático riguroso y validado empíricamente que permite a los operadores y reguladores tomar decisiones informadas sobre el despliegue de redes 5G, equilibrando la salud pública, la eficiencia energética y la calidad del servicio.