The Vienna 4G/5G Drive-Test Dataset

Cet article présente le jeu de données de tests de conduite de Vienne, une ressource open source à l'échelle urbaine combinant des mesures passives et actives de réseaux 4G et 5G avec des modèles géographiques détaillés pour faciliter l'apprentissage automatique, la modélisation de propagation et l'optimisation des réseaux mobiles.

L'essentiel

📡 Le Grand Inventaire des Ondes de Vienne

Imaginez que vous voulez construire une maison parfaite. Vous avez besoin de deux choses :

1. Le plan du terrain (où sont les arbres, les collines, les bâtiments).
2. Une mesure réelle de ce qui se passe sur le terrain (où le vent souffle fort, où il fait froid).

Jusqu'à présent, les ingénieurs qui créent les réseaux mobiles (4G et 5G) avaient souvent le plan, mais pas assez de mesures réelles. Ou alors, ils avaient des mesures, mais pas de plan détaillé. C'était comme essayer de cuisiner un gâteau sans recette précise, ou avec une recette mais sans ingrédients.

Ce papier présente le "Jeu de Données de Test de Conduite de Vienne 4G/5G". C'est un immense trésor de données ouvert à tout le monde, qui combine enfin les deux mondes.

---

🚗 Comment ont-ils fait ? (La Mission d'Espionnage)

Les chercheurs ont équipé une voiture comme un laboratoire mobile volant.

• Le "Nose" (Scanner passif) : Ils ont posé une antenne sur le toit de la voiture. C'est comme un oreille géante qui écoute tout ce qui se dit dans le quartier, sans parler. Elle entend les signaux de toutes les antennes, même celles que votre téléphone ne voit pas.
• Le "Cœur" (Téléphones actifs) : À l'intérieur, ils avaient trois smartphones branchés. C'est comme si la voiture avait trois clients normaux qui regardent des vidéos et envoient des messages. Cela permet de voir ce que l'utilisateur réellement ressent (vitesse, qualité).

Ils ont conduit partout dans Vienne, dans les rues animées et les banlieues calmes, entre mars 2024 et mars 2025, collectant des millions de points de données.

---

🧩 Les Trois Pièces du Puzzle

Ce dataset est spécial car il assemble trois pièces qui ne se trouvaient jamais ensemble auparavant :

1. Les Mesures (Le "Quoi") : Des millions de points indiquant la force du signal (comme la température de l'air, mais pour les ondes).
2. Les Déductions (Le "Qui" et "Où") : Comme les opérateurs ne donnent pas toujours les plans exacts de leurs antennes, les chercheurs ont utilisé des mathématiques pour deviner où se trouvent les antennes, leur hauteur et la direction qu'elles regardent. C'est comme retrouver le propriétaire d'une maison en observant les traces de pas autour.
3. La Carte 3D (Le "Contexte") : Ils ont inclus un modèle numérique ultra-précis de Vienne. Imaginez une maquette 3D parfaite de la ville, avec chaque immeuble et chaque colline.

---

🛠️ À quoi ça sert ? (Les Super-Pouvoirs)

Grâce à ce mélange, les chercheurs et les ingénieurs peuvent faire des choses magiques :

• Le "Jeu de Simulation" (Ray Tracing) : Imaginez un jeu vidéo ultra-réaliste où l'on simule comment les ondes rebondissent sur les murs. Avant, on ne savait pas si le jeu était juste. Maintenant, avec les vraies mesures de Vienne, on peut calibrer le jeu pour qu'il soit parfait.
• L'IA qui apprend la ville : On peut entraîner une intelligence artificielle avec ces données pour qu'elle apprenne à prédire où le réseau sera fort ou faible, simplement en regardant la carte 3D. C'est comme apprendre à un robot à connaître les embouteillages avant même qu'ils n'arrivent.
• Le "Jumeau Numérique" : On crée une copie virtuelle exacte de la ville de Vienne dans un ordinateur. On peut y tester de nouvelles antennes virtuelles pour voir si elles fonctionneront bien avant de les installer pour de vrai.

🌟 En Résumé

Ce papier dit : "Arrêtez de deviner ! Voici une carte complète, des mesures réelles et un modèle 3D de Vienne. Tout est là, gratuit, pour que tout le monde puisse construire un réseau mobile plus intelligent, plus rapide et plus fiable."

C'est comme donner aux architectes du futur non seulement une boussole, mais aussi une carte au trésor complète pour naviguer dans le monde invisible des ondes radio.

Résumé technique

1. Problématique

L'application de l'apprentissage automatique (Machine Learning - ML) à l'analyse, la planification et l'optimisation des réseaux mobiles est actuellement entravée par le manque de grands ensembles de données réels, complets et géoréférencés.

• Le fossé existant : Bien que plusieurs jeux de données ouverts existent, ils se concentrent souvent soit sur des traces de mesures et des indicateurs de performance clés (KPI), soit sur des modèles synthétiques (basés sur le traçage de rayons).
• La lacune critique : Il manque des ensembles de données qui combinent simultanément :
  1. Des mesures réelles à grande échelle.
  2. Des descripteurs de déploiement explicites (localisation des stations de base, azimuts, hauteurs).
  3. Un contexte environnemental 3D haute résolution (bâtiments et terrain).
     Cette absence limite la capacité à créer des "jumeaux numériques" (Digital Twins) précis, à calibrer des modèles de propagation déterministes et à développer des modèles d'apprentissage sensibles à l'environnement.

2. Méthodologie

L'équipe a collecté et traité des données sur une période d'un an (mars 2024 – mars 2025) couvrant environ 100 km² de Vienne (Autriche), incluant des zones urbaines et suburbaines.

A. Collecte de données (Dualité Modale)
Le dataset combine deux approches de mesure pour offrir une vue complète (côté réseau et côté utilisateur) :

• Mesures passives (Scanner) : Utilisation d'un récepteur de balayage PCTEL IBflex avec deux antennes omnidirectionnelles OmniLOG PRO montées sur le toit d'un véhicule. Cela permet une surveillance large bande, indépendante de la technologie, capturant les signaux de multiples cellules (y compris les niveaux de faisceau pour la 5G NR).
• Mesures actives (Téléphones) : Utilisation de trois smartphones compatibles 5G connectés au logiciel Nemo Outdoor. Ces appareils enregistrent les métriques de qualité radio (RSRP, RSRQ, SINR, RSSI) ainsi que les indicateurs de performance utilisateur (débit, Timing Advance - TA).

B. Traitement et Estimation

• Nettoyage et Harmonisation : Les logs bruts Nemo ont été analysés pour extraire les blocs d'information système (MIB/SIB) et les signaux de référence (CRS/SSB). Les données ont été normalisées pour assurer l'alignement temporel et spatial.
• Estimation du déploiement (Base Station Localization) : Pour un sous-ensemble représentatif de stations de base (BS), les auteurs ont estimé :
  • Localisation : En utilisant le Timing Advance (TA) des mesures de téléphones et en croisant ces données avec les registres publics des émetteurs autrichiens pour contraindre l'espace de recherche.
  • Azimuts et Hauteurs : Les azimuts des secteurs ont été déduits du centroïde pondéré par la puissance RSRP des points de mesure, et les hauteurs d'antennes ont été estimées via Google Earth Pro.
• Modélisation Environnementale : Intégration de modèles de bâtiments (BKM) et de terrain (GLM) haute résolution (1 m) fournis par l'administration municipale de Vienne.

3. Contributions Clés

Ce dataset se distingue par plusieurs caractéristiques uniques :

• Échelle et Diversité : Couverture ville-wide avec un échantillonnage géospatial dense.
• Prêt pour le Jumeau Numérique (Digital Twin Ready) : C'est le premier jeu de données public qui fournit conjointement des mesures réelles, des métadonnées de déploiement estimées (position, azimut, hauteur) et un modèle 3D de l'environnement urbain.
• Dualité LTE et 5G NR : Inclut des mesures pour les technologies LTE et 5G New Radio (mode NSA), avec des métriques au niveau du faisceau (beam-level) pour la 5G.
• Structure Organisée : Les données sont divisées en quatre composants principaux :
  1. Informations de cellule estimées (estimated_cell_info).
  2. Mesures téléphoniques (phone_data).
  3. Mesures de scanner (scanner_data).
  4. Modèle de la ville de Vienne (vienna_city_model).

4. Résultats et Validation

Les auteurs ont effectué une validation technique rigoureuse pour garantir la fiabilité des données :

• Précision Géoréférencée : L'erreur quadratique moyenne (RMSE) de la position GPS par rapport aux segments de rue est d'environ 4 mètres, ce qui est suffisant pour l'analyse de propagation.
• Cohérence des Assignations de Cellules : L'association entre les mesures de signal (CRS/SSB) et les informations système (MIB/SIB) a été validée. Environ 82 % des enregistrements ont été correctement appariés.
• Précision de l'Estimation des Stations de Base (LTE) : Pour les sites LTE validés, l'erreur de localisation (RMSE) est de 38,55 m et l'erreur circulaire moyenne sur l'azimut est de 27,95°.
• Cohérence 5G NR : Bien que les identifiants physiques 5G ne soient pas exposés par les téléphones commerciaux, la distribution des résidus du Timing Advance (médiane de 69,6 m) confirme que les localisations estimées sont compatibles avec les contraintes physiques du réseau.
• Statistiques KPI : Les distributions de RSRP et RSRQ montrent des comportements réalistes selon les bandes de fréquence (ex. : meilleure pénétration et puissance sur la bande 800 MHz LTE, plus faible sur la bande 3500 MHz 5G).

5. Signification et Impact

Le Vienna 4G/5G Drive-Test Dataset comble un vide majeur dans la recherche sur les réseaux mobiles. Sa disponibilité permet :

• Benchmarking Reproductible : Comparer équitablement les méthodes d'apprentissage automatique avec les approches déterministes traditionnelles (comme le traçage de rayons).
• Calibration de Jumeaux Numériques : Faciliter la construction et la calibration de jumeaux numériques de réseaux à l'échelle d'une ville.
• Modélisation de Propagation Avancée : Entraîner des modèles de propagation conditionnés par la géométrie (bâtiments, terrain) pour prédire la couverture et les interférences.
• Études de Gestion des Faisceaux (Beam Management) : Analyser la sélection et le suivi des faisceaux 5G dans des scénarios de mobilité réels.

En résumé, ce dataset est une ressource fondamentale pour la communauté scientifique, permettant de passer de la simulation purement synthétique à l'analyse basée sur des données réelles, enrichies par un contexte environnemental détaillé.