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

Het artikel introduceert UPSim, een schaalbare, semi-deterministische propagatiesimulator die gebruikmaakt van 3D-gebouwgeometrie en schaduwprojectie om ruimtelijk consistente FR3 lucht-grondkanaalkaarten voor UAV-netwerken te genereren, en biedt zo een rekenkundig efficiënt alternatief voor volledige straaltracering terwijl het een hoge nauwkeurigheid behoudt voor mobiliteitsbewuste planning.

De kern

Stel je voor dat je probeert een drone te vliegen die uitgerust is met een zendmast (een "UxNB") boven een drukke stad zoals Barcelona, om internet te leveren aan mensen op de grond. De grote uitdaging is dat gebouwen het signaal blokkeren. Soms heeft de drone een vrij zicht op een persoon (Line-of-Sight), en soms staat een wolkenkrabber in de weg (Non-Line-of-Sight).

In het verleden vereiste het precies bepalen waar het signaal sterk of zwak zou zijn, een flinke hoeveelheid rekenkracht om miljoenen onzichtbare "laserstralen" (stralen) te simuleren die van elk enkel gebouw afkaatsen. Dit heet Ray Tracing. Het is ongelooflijk nauwkeurig, maar zo traag en duur dat je het niet kunt gebruiken om het netwerk van een hele stad te plannen of bewegende gebruikers op de grond te volgen onder de dekking van een ingezette drone over een lange strook van de stad.

Aan de andere kant gokten oude methoden het signaalvermogen gewoon met willekeurige wiskunde. Ze waren snel, maar ze keken niet naar de werkelijke vorm van de gebouwen, dus konden ze je niet precies vertellen waar het signaal zou uitvallen terwijl je de straat afdaalde.

Maak kennis met UPSim.

De auteurs van dit artikel hebben een nieuw hulpmiddel ontwikkeld genaamd UPSim (UxNB Propagation Simulator). Denk aan UPSim als een slimme "schaduwwerper" die het perfecte middenweg vindt tussen de trage lasersimulatie en het willekeurige gokwerk.

Hier is hoe het werkt, met eenvoudige analogieën:

1. Het Schaduwpoppenkast (In plaats van laserstralen)

In plaats van miljoenen laserstralen van de drone naar elke persoon op de grond te schieten, kijkt UPSim naar de 3D-kaart van de stad en vraagt: "Als de zon de drone was, waar zouden de gebouwen dan hun schaduwen werpen?"

• De Analogie: Stel je voor dat je een zaklamp (de drone) hoog boven een stad houdt. De gebouwen werpen lange, donkere schaduwen op de grond. Als je in het licht staat, heb je een duidelijke verbinding. Als je in een schaduw staat, blokkeert het gebouw je.
• De Magie: UPSim berekent deze "schaduwen" wiskundig met behulp van een 3D-kaart van de gebouwen. Dit is direct en vereist geen zware rekenkracht. Het creëert direct een kaart die precies aangeeft welke straten "in het licht" liggen (goed signaal) en welke "in het donker" (geblokkeerd signaal).

2. Het Toevoegen van het "Weer" (Kalibreren van het signaal)

Weten waar de schaduwen liggen is geweldig, maar het vertelt je niet hoe zwak het signaal is binnen de schaduw of hoeveel het fluctueert. Om dit op te lossen, hebben de auteurs UPSim "geleerd" met behulp van data uit die trage, dure lasersimulaties.

• De Analogie: Stel je voor dat je precies weet waar de regenwolken (schaduwen) zijn. Maar je moet ook weten of het een lichte motregen of een zware storm is binnen die wolken.
• De Magie: UPSim neemt de "schaduwkaart" en voegt realistische "weerspatronen" toe. Het gebruikt data uit de dure lasersimulaties om te leren hoeveel signaal er verloren gaat bij verschillende hoogtes (laag versus hoog) en hoe het signaal "verdwijnt" of "flikkert" terwijl je beweegt. Het creëert een compleet beeld van de signaalkwaliteit zonder elke keer de trage lasersimulatie hoeven te draaien.

3. Waarom Dit Belangrijk Is: De "Route"-test

Het artikel toont aan dat UPSim ongelooflijk nuttig is voor het plannen van routes voor gebruikers op de grond.

• Het Scenario: Stel je voor dat een drone boven een stad hangt en internet naar mensen op de grond straalt. Een gebruiker loopt van punt A naar punt B langs een straat. De vraag is: terwijl de gebruiker beweegt, waar zal hij de verbinding verliezen — voor 50 meter? voor 200 meter? De drone zelf blijft op zijn plaats; wat verandert is de positie van de gebruiker op de grond ten opzichte van de gebouwen.
• Het Resultaat: Omdat UPSim snel is, kan het simuleren dat een gebruiker op de grond langs een specifiek straatniveau-pad beweegt onder dekking van de statische drone en je precies vertellen hoe lang de "uitval"-zones (signaalverlies) langs dat pad zijn.
• De Bevinding: Ze ontdekten dat het vliegen van de drone hoger (bijvoorbeeld 150 meter omhoog) de "schaduwen" korter maakt, wat betekent dat je langer in het "licht" blijft. Echter, zelfs op grote hoogtes, als je te dicht bij hoge gebouwen vliegt, kom je nog steeds "dode zones" tegen.

Samenvatting van hun Beweringen

• Het is Snel: Het maakt gebruik van geometrie (schaduwen) in plaats van zware fysische simulaties, waardoor het schaalbaar is voor grote steden.
• Het is Nauwkeurig: Het is getest tegen echte lasersimulatie-data en komt daar zeer nauw bij in de buurt.
• Het is Realistisch: Het gebruikt echte 3D-kaarten van Barcelona (uit een wereldwijd dataset genaamd 3D-GloBFP) in plaats van neppe, verzonnen stadsvormen.
• Het is Open: De auteurs hebben de code gratis beschikbaar gesteld voor iedereen zodat anderen erop kunnen voortbouwen.

Kortom, UPSim is een hulpmiddel dat ingenieurs toelaat om snel en nauwkeurig te voorspellen waar het internet-signaal van een drone zal werken en waar het zal falen in een echte stad, waardoor ze betere routes voor gebruikers kunnen plannen zonder zware rekenkracht nodig te hebben.

Technische samenvatting

Technische Samenvatting: UPSim – UxNB-Propagatiesimulator voor 3D-kaartgedreven FR3-deployments

Probleemstelling
De deploy van onbemande luchtvaartuigen (UAV's) met aan boord gemonteerde basisstations (UxNB's) in het mid-band spectrum van Frequentiebereik 3 (FR3) staat voor unieke propagatie-uitdagingen. In dichte stedelijke omgevingen wordt het linkbudget sterk bepaald door snelle overgangen tussen Line-of-Sight (LOS) en Non-Line-of-Sight (NLOS) omstandigheden. Waar standaard stochastische modellen (bijv. ITU of 3GPP) vertrouwen op abstracties van de stedelijke opzet, slagen zij er vaak niet in de ruimtelijke consistentie vast te leggen die vereist is voor mobiliteitsbewuste planning. Omgekeerd biedt high-fidelity Ray Tracing (RT) geometrische nauwkeurigheid en continuïteit, maar levert dit een verbodsbepalende rekenkundige overhead op wanneer dit wordt toegepast op grootschalige radiokaarting of massale trajectanalyse. Er is behoefte aan een schaalbare oplossing die de kloof overbrugt tussen rekenkundig dure volledige RT en puur stochastische kanaalgeneratie, specifiek door gebruik te maken van de toenemende beschikbaarheid van globale 3D-gebouwdata.

Methodologie
Het artikel introduceert UPSim (UxNB Propagation Simulator), een semi-deterministische, 3D-kaartgedreven oplossing ontworpen voor ruimtelijk consistente Air-to-Ground (A2G) propagatiemodeling. De methodologie werkt via de volgende fasen:

1. Geometrische Basis: UPSim maakt gebruik van het 3D-GloBFP-dataset, dat consistente gebouwhoogtes en plattegronden biedt afgeleid van OpenStreetMap (OSM). In tegenstelling tot standaard OSM-data, waar hoogte-tags optioneel en inconsistent zijn, biedt 3D-GloBFP een betrouwbare 3D-beschrijving die noodzakelijk is voor het modelleren van blokkering.
2. Geometrie-gebaseerde Schaduwprojectie (GBSP): In plaats van stralen te lanceren voor elke ontvangerpositie, leidt UPSim deterministische zichtbaarheidsgebieden af door gebouwschaduwen vanuit het UxNB-zichtpunt op het grondvlak te projecteren. Dit creëert een totale schaduwkaart ($S_{total}$) waarbij het complement het LOS-gebied voorstelt. Deze benadering omzeilt punt-tot-punt RT voor zichtbaarheidsbepaling, wat de complexiteit aanzienlijk verlaagt.
3. Kanaalsynthese: Zodra de LOS/NLOS-toestand geometrisch is bepaald, synthetiseert UPSim de kanaaldemping ($\Lambda$) door de volgende componenten te combineren:
   • Deterministisch Verlies: Een hoogte-afhankelijke Path Loss Exponent (PLE) voor NLOS-omstandigheden, terwijl de LOS-PLE vaststaat.
   • Grootschalige Vervaging (LSF): Ruimtelijk gecorreleerde schaduwing gegenereerd uit gefilterd Gaussisch ruis, met standaardafwijking en decorrelatie-afstanden die afhankelijk zijn van de UxNB-hoogte en LOS-toestand.
   • Kleinschalige Vervaging (SSF): Gemodelleerd als een log-logistische verdeling met een vormparameter die afhankelijk is van de LOS/NLOS-toestand maar onafhankelijk is van de hoogte.
4. Calibratie: De modelparameters (PLE, LSF-statistieken, decorrelatie-afstanden) worden gekalibreerd tegen een referentie FR3 Ray Tracing-dataset gegenereerd over een 1 km × 1 km stedelijk tafereel in Barcelona, gebruikmakend van de 3D-GloBFP-geometrie.

Belangrijkste Bijdragen
Het artikel schetst vier primaire bijdragen:

• Schaalbare Simulator: De ontwikkeling van UPSim, die deterministische schaduwprojectie combineert met RT-gekalibreerde FR3-kanaalgeneratie, en zo een praktische middenweg biedt voor grootschalige analyse.
• Compact Kanaalmodel: Een unificerend model voor padverlies en ruimtelijk gecorreleerde grootschalige vervaging als functies van UxNB-hoogte, geïntegreerd met toestand-afhankelijke kleinschalige vervaging.
• Validatie: Rigoureuze validatie tegen FR3 ray tracing-benchmarks met gebruik van real-world geometrie uit het Barcelona-subset van 3D-GloBFP, waarbij een nauwkeurige reproductie van empirische kanaalverdelingen wordt aangetoond.
• Trajectniveau-analyse: Een analyse van LOS/NLOS-segmentlengtes en statistieken van onderbrekingsafstanden, wat het nut van de simulator aantoont voor het evalueren van prestatie-indicatoren op trajectniveau, zoals onderbrekingsintervallen.

Resultaten
Validatieresultaten geven aan dat UPSim de empirische Cumulatieve Verdelingsfuncties (CDF's) van kanaaldemping, zoals waargenomen in de referentie Ray Tracing-data, nauwkeurig reproduceert, en dat het de standaard 3GPP TR 38.901 UMi-baseline overtreft wat betreft geometrische consistentie.

• Ruimtelijke Consistentie: De simulator slaagt erin de continue evolutie van kanaalrealisaties langs trajecten vast te leggen.
• Invloed van Hoogte: Trajectniveau-analyse onthult dat het verhogen van de UxNB-deploy-hoogte (bijv. van 30m naar 150m) de LOS-kans aanzienlijk verhoogt en de NLOS-segmentlengtes verkort. Echter, LOS-afstanden blijven relatief stabiel over verschillende hoogtes, terwijl NLOS-zones krimpen.
• Statistieken van Onderbrekingen: Onderbrekingsanalyse (gedefinieerd door ontvangen vermogendrempels) toont aan dat onderbrekingszones geconcentreerd zijn rond gebouwen. Zelfs op grote hoogtes (150m) en bij gemiddelde zendvermogens blijven significante onderbrekingskansen bestaan (bijv. ~32% voor 23 dBm EIRP), wat de kritieke impact van gebouwblokkering in FR3-banden benadrukt.
• Statistische Kenmerken: De CDF's van NLOS-afstanden vertonen een "stap"-gedrag rond de 50 meter, een fenomeen dat consistent is met Manhattan-achtige roosterstructuren die in de lay-out van Barcelona worden aangetroffen.

Betekenis en Claims
Het artikel claimt dat UPSim een zeer schaalbaar, praktisch alternatief biedt voor volledige ray tracing voor mobiliteitsbewuste planning en radiokaartconstructie in scenario's voor luchttoegang. Door de rekenkundig intensieve zichtbaarheidsbepaling (via schaduwprojectie) te ontkoppelen van de kanaalsynthese (via gekalibreerde statistische modellen), bereikt UPSim de nauwkeurigheid van ray tracing voor een fractie van de complexiteit.

De auteurs benadrukken dat de tool trajectgebaseerde analyse mogelijk maakt van kanaalevolutie over complexe stedelijke lay-outs, waardoor kritieke statistieken op trajectniveau, zoals onderbrekingsafstanden, aan het licht komen die moeilijk af te leiden zijn uit puur stochastische modellen. Het werk positioneert zichzelf als een stap naar realistische, kaartgedreven propagatie-analyse die gebruikmaakt van globale 3D-data, en zo voorbijgaat aan de beperkingen van abstracte stedelijke modellen. Het framework wordt als open-source tool beschikbaar gesteld om verder onderzoek en reproduceerbaarheid in de gemeenschap te faciliteren.