UPSim: UxNB Propagation Simulator for 3D Map-Driven FR3 Deployments

본 논문은 UAV 네트워크를 위한 공간적으로 일관된 FR3 공중-지상 채널 지도를 생성하기 위해 3D 건물 기하학과 그림자 투영을 활용하는 확장 가능하고 준결정론적인 전파 시뮬레이터인 UPSim을 소개하며, 이는 높은 정확도를 유지하면서 이동성 인식 계획에 있어 완전한 광선 추적에 대한 계산 효율적인 대안을 제공합니다.

핵심

드론에 기지국 (UxNB) 을 탑재하여 바르셀로나와 같은 붐비는 도시 위를 비행하며 지상의 사람들에게 인터넷을 제공한다고 상상해 보세요. 여기서 가장 큰 도전 과제는 건물들이 신호를 차단한다는 점입니다. 드론이 때로는 사람과 직접적인 시야 (Line-of-Sight) 를 확보하지만, 때로는 고층 빌딩이 그 사이에 가로막아 시야가 가려지는 (Non-Line-of-Sight) 상황도 발생합니다.

과거에는 신호가 어디서 강해지고 어디서 약해질지 정확히 파악하기 위해 많은 계산 자원 (compute) 이 필요했습니다. 이는 모든 건물을 반사하는 수백만 개의 보이지 않는 '레이저 빔 (rays)'을 시뮬레이션해야 했기 때문입니다. 이를 '레이 트레이싱 (Ray Tracing)'이라고 합니다. 이는 놀라울 정도로 정확하지만, 너무 느리고 비용이 많이 들어 전체 도시의 네트워크를 계획하거나 지상에서 이동하는 사용자들을 드론의 커버리지 하에 장거리로 추적하는 데는 사용할 수 없습니다.

반면, 구식 방법들은 무작위 수학을 이용해 신호 강도를 추측했습니다. 이는 빠르지만 건물의 실제 형태를 고려하지 않아, 거리를 따라 이동할 때 신호가 정확히 어디서 끊길지 알려줄 수 없었습니다.

이제 UPSim 이 등장합니다.

이 논문의 저자들은 **UPSim(UxNB Propagation Simulator)**이라는 새로운 도구를 개발했습니다. UPSim 을 느린 레이저 시뮬레이션과 무작위 추측 사이의 완벽한 중간 지점을 찾는 똑똑한 '그림자 투사기'로 생각하세요.

다음은 간단한 비유를 통해 작동 원리를 설명한 것입니다:

1. 그림자 인형극 (레이저 빔 대신)

드론에서 지상의 모든 사람으로 수백만 개의 레이저 빔을 쏘는 대신, UPSim 은 도시의 3D 지도를 보고 다음과 같이 질문합니다: "만약 태양이 드론이라면, 건물들은 어디에 그림자를 드리울까?"

• 비유: 드론을 도시 위 높은 곳에서 손전등으로 들고 있다고 상상해 보세요. 건물들은 지면에 길고 어두운 그림자를 드리웁니다. 빛 속에 서 있으면 연결이 원활하지만, 그림자 속에 서 있으면 건물이 신호를 차단하는 것입니다.
• 마법: UPSim 은 건물들의 3D 지도를 이용해 수학적으로 이러한 '그림자'를 계산합니다. 이는 초고속으로 이루어지며 무거운 계산 자원 (heavy compute) 이 필요하지 않습니다. 이는 즉시 어떤 거리가 '빛 속에' (좋은 신호) 있고 어떤 거리가 '어둠 속에' (차단된 신호) 있는지를 보여주는 지도를 생성합니다.

2. '날씨' 추가 (신호 보정)

그림자의 위치를 아는 것은 훌륭하지만, 그림자 안에서 신호가 얼마나 약해지는지 또는 얼마나 변동하는지는 알려주지 않습니다. 이를 해결하기 위해 저자들은 UPSim 에 그 느리고 비싼 레이저 시뮬레이션 데이터를 이용해 '학습'시켰습니다.

• 비유: 비구름 (그림자) 이 정확히 어디에 있는지 안다고 가정해 보세요. 하지만 그 구름 안에서 가벼운 이슬비인지, 아니면 폭풍우인지도 알아야 합니다.
• 마법: UPSim 은 '그림자 지도'를 가져와 현실적인 '날씨 패턴'을 추가합니다. 이는 고비용의 레이저 시뮬레이션 데이터를 활용하여 다양한 고도 (낮음 vs 높음) 에서 비행할 때 신호가 얼마나 손실되는지, 그리고 이동하면서 신호가 어떻게 '약해지거나' '깜빡이는지'를 학습합니다. 매번 느린 레이저 시뮬레이션을 실행하지 않고도 신호 품질에 대한 완전한 그림을 만들어냅니다.

3. 이것이 중요한 이유: '경로' 테스트

이 논문은 UPSim 이 드론 경로 계획에 매우 유용함을 보여줍니다.

• 상황: 드론이 도시 위에 정지해 (호버링) 지상 사용자에게 인터넷을 비추고 있다고 가정해 보세요. 한 사용자가 A 지점에서 B 지점까지 도시의 거리를 따라 걸어간다고 상상해 보세요. 다음과 같은 정보가 필요합니다: "사용자가 이동하는 동안 50 미터 동안 연결이 끊길까? 200 미터 동안 끊길까?" 드론 자체는 제자리에 머물러 있으며, 변하는 것은 건물에 대한 지상 사용자의 위치입니다.
• 결과: UPSim 은 빠르기 때문에 정지된 드론의 커버리지 하에서 특정 거리를 따라 이동하는 지상 사용자를 시뮬레이션하여 '중단 (신호 손실)' 구역이 정확히 얼마나 긴지 알려줄 수 있습니다.
• 발견: 드론을 더 높이 비행하면 (예: 150 미터 상공) '그림자'가 짧아져 '빛' 속에 머무는 시간이 길어집니다. 그러나 고도에서도 너무 높은 빌딩 근처를 비행하면 여전히 '데드 존'에 부딪히게 됩니다.

그들이 주장하는 내용 요약

• 빠릅니다: 무거운 물리 시뮬레이션 대신 기하학 (그림자) 을 사용하므로 대도시에서도 확장 가능합니다.
• 정확합니다: 실제 레이저 시뮬레이션 데이터와 비교 테스트를 거쳤으며 매우 밀접하게 일치합니다.
• 현실적입니다: 가상의 도시 형태가 아닌, 3D-GloBFP 라는 글로벌 데이터셋에서 가져온 바르셀로나의 실제 3D 지도를 사용합니다.
• 개방적입니다: 저자들이 코드를 무료로 공개하여 다른 사람들이 이를 기반으로 발전시킬 수 있도록 했습니다.

요약하자면, UPSim 은 엔지니어들이 실제 도시에서 드론의 인터넷 신호가 어디서 작동하고 어디서 실패할지 빠르고 정확하게 예측할 수 있게 해주는 도구로, 무거운 계산 자원 없이 더 나은 경로를 계획하는 데 도움을 줍니다.

기술 요약

기술 요약: UPSim – 3D 지도 기반 FR3 배포를 위한 UxNB 전파 시뮬레이터

문제 제기
주파수 대역 3(FR3) 중대역 스펙트럼에서 온보드 기지국 (UxNB) 을 탑재한 무인 항공기 (UAV) 의 배포는 고유한 전파 도전을 직면합니다. 밀집된 도시 환경에서 링크 예산은 가시선 (LOS) 과 비가시선 (NLOS) 조건 간의 급격한 전환에 크게 좌우됩니다. 표준 확률론적 모델 (예: ITU 또는 3GPP) 은 도시 배치의 추상화에 의존하지만, 이동성 인식 계획을 위해 필요한 공간적 일관성을 포착하지 못하는 경우가 많습니다. 반면, 고정밀 레이 트레이싱 (RT) 은 기하학적 정확성과 연속성을 제공하지만, 대규모 무선 매핑이나 방대한 궤적 분석에 적용될 경우 과도한 계산 오버헤드를 초래합니다. 따라서 계산 비용이 많이 드는 전체 RT 와 순수 확률론적 채널 생성 사이의 간극을 메우면서, 특히 글로벌 3D 건물 데이터의 증가하는 가용성을 활용하는 확장 가능한 솔루션이 필요합니다.

방법론
본 논문은 공간적으로 일관된 공대지 (A2G) 전파 모델링을 위해 설계된 준결정론적 3D 지도 기반 솔루션인 UPSim(UxNB 전파 시뮬레이터) 을 소개합니다. 방법론은 다음 단계들을 통해 작동합니다:

1. 기하학적 기초: UPSim 은 OpenStreetMap(OSM) 에서 파생된 일관된 건물 높이와 발자국을 제공하는 3D-GloBFP 데이터셋을 활용합니다. 높이 태그가 선택적이고 불일치하는 표준 OSM 데이터와 달리, 3D-GloBFP 는 차단을 모델링하는 데 필요한 신뢰할 수 있는 3D 설명을 제공합니다.
2. 기하학적 그림자 투영 (GBSP): UPSim 은 각 수신기 위치마다 레이를 발사하는 대신, UxNB 시점에서 지면 평면으로 건물의 그림자를 투영하여 결정론적 가시 영역을 유도합니다. 이는 LOS 영역을 나타내는 여집합인 총 그림자 맵 ($S_{total}$) 을 생성합니다. 이 접근 방식은 가시성 결정에 대한 점대점 RT 를 우회하여 복잡성을 크게 줄입니다.
3. 채널 합성: 기하학적으로 LOS/NLOS 상태가 결정되면, UPSim 은 다음을 결합하여 채널 감쇠 ($\Lambda$) 를 합성합니다:
   • 결정론적 경로 손실: NLOS 조건에 대해서는 높이에 의존하는 경로 손실 지수 (PLE) 를 사용하며, LOS PLE 는 고정됩니다.
   • 대규모 페이딩 (LSF): 필터링된 가우스 잡음에서 생성된 공간적으로 상관된 그림자 효과로, 표준 편차 및 비상관 거리는 UxNB 고도와 LOS 상태에 의존합니다.
   • 소규모 페이딩 (SSF): LOS/NLOS 상태에 의존하지만 고도와는 무관한 모양 매개변수를 가진 로그 - 로지스틱 분포로 모델링됩니다.
4. 보정: 모델 매개변수 (PLE, LSF 통계, 비상관 거리) 는 3D-GloBFP 기하학을 사용하여 1km $\times$ 1km 바르셀로나 도시 장면에서 생성된 기준 FR3 레이 트레이싱 데이터셋에 대해 보정됩니다.

주요 기여
본 논문은 네 가지 주요 기여를 개요화합니다:

• 확장 가능한 시뮬레이터: 결정론적 그림자 투영과 RT 보정 FR3 채널 생성을 결합한 UPSim 개발로, 대규모 분석을 위한 실용적인 중간 지점을 제공합니다.
• 소형 채널 모델: UxNB 고도의 함수로서 경로 손실 및 공간적으로 상관된 대규모 페이딩에 대한 통합 모델로, 상태 의존적 소규모 페이딩과 통합되었습니다.
• 검증: 3D-GloBFP 의 바르셀로나 부분집합에서 실제 세계 기하학을 사용하여 FR3 레이 트레이싱 벤치마크에 대한 엄격한 검증을 통해 경험적 채널 분포의 정확한 재현을 입증했습니다.
• 경로 수준 분석: LOS/NLOS 구간 길이 및 중단 거리 통계에 대한 분석으로, 중단 간격과 같은 경로 수준 성능 지표를 평가하기 위한 시뮬레이터의 유용성을 입증했습니다.

결과
검증 결과는 UPSim 이 기준 레이 트레이싱 데이터에서 관찰된 채널 감쇠의 경험적 누적 분포 함수 (CDF) 를 정확하게 재현하며, 기하학적 일관성 측면에서 표준 3GPP TR 38.901 UMi 기준보다 우수함을 나타냅니다.

• 공간적 일관성: 시뮬레이터는 궤적을 따라 채널 실현의 연속적인 진화를 성공적으로 포착합니다.
• 고도 영향: 경로 수준 분석은 UxNB 배포 고도 증가 (예: 30m 에서 150m 로) 가 LOS 확률을 크게 증가시키고 NLOS 구간 길이를 줄임을 보여줍니다. 그러나 LOS 거리는 고도에 따라 상대적으로 안정적으로 유지되는 반면, NLOS 영역은 축소됩니다.
• 중단 통계: 수신 전력 임계값으로 정의된 중단 분석은 중단 영역이 건물 주변에 집중되어 있음을 보여줍니다. 고도 (150m) 와 중간 전송 전력에서도 상당한 중단 확률 (예: 23 dBm EIRP 의 경우 약 32%) 이 지속되어 FR3 대역에서 건물 차단의 결정적 영향을 강조합니다.
• 통계적 특징: NLOS 거리의 CDF 는 바르셀로나 배치에서 발견된 맨해튼형 격자 구조와 일치하는 현상인 50 미터 주변에서 "계단" 행동을 보입니다.

의의 및 주장
본 논문은 UPSim 이 항공 액세스 시나리오에서 이동성 인식 계획 및 무선 맵 구축을 위한 전체 레이 트레이싱에 대한 매우 확장 가능하고 실용적인 대안을 제공한다고 주장합니다. 계산 집약적인 가시성 결정 (그림자 투영을 통해) 을 채널 합성 (보정된 통계 모델을 통해) 에서 분리함으로써, UPSim 은 복잡성의 일부 수준에서 레이 트레이싱의 정확성을 달성합니다.

저자들은 이 도구가 복잡한 도시 배치를 통한 채널 진화의 경로 기반 분석을 가능하게 하여, 순수 확률론적 모델로부터 도출하기 어려운 중단 거리와 같은 중요한 궤적 수준 통계를 노출한다고 강조합니다. 이 작업은 글로벌 3D 데이터를 활용하고 추상적 도시 모델의 한계를 넘어선 현실적인 지도 기반 전파 분석을 향한 한 걸음으로 자리매김합니다. 이 프레임워크는 커뮤니티 내 추가 연구와 재현성을 촉진하기 위해 오픈 소스 도구로 제공됩니다.