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

O artigo apresenta o UPSim, um simulador de propagação escalável e semi-determinístico que aproveita a geometria de edifícios em 3D e a projeção de sombras para gerar mapas de canal ar-terra consistentes espacialmente na faixa FR3 para redes de UAVs, oferecendo uma alternativa computacionalmente eficiente ao rastreamento de raios completo, ao mesmo tempo que mantém alta precisão para o planejamento consciente da mobilidade.

O essencial

Imagine que você está tentando pilotar um drone equipado com uma estação celular (chamada de "UxNB") sobre uma cidade movimentada como Barcelona para fornecer internet às pessoas no solo. O grande desafio é que os prédios bloqueiam o sinal. Às vezes, o drone tem uma visão clara de uma pessoa (Linha de Visão), e às vezes um arranha-céu está no caminho (Sem Linha de Visão).

No passado, descobrir exatamente onde o sinal seria forte ou fraco exigia muito poder de processamento para simular milhões de "feixes de laser" invisíveis (raios) refletindo em cada prédio individual. Isso é chamado de Rastreamento de Raios (Ray Tracing). É incrivelmente preciso, mas tão lento e caro que não se pode usá-lo para planejar a rede de uma cidade inteira ou rastrear usuários em movimento no solo sob a cobertura de um drone implantado ao longo de um grande trecho da cidade.

Por outro lado, os métodos antigos apenas adivinhavam a força do sinal usando matemática aleatória. Eles eram rápidos, mas não se importavam com a forma real dos prédios, então não podiam dizer exatamente onde o sinal cairia enquanto você descia a rua.

Aqui entra o UPSim.

Os autores deste artigo criaram uma nova ferramenta chamada UPSim (Simulador de Propagação UxNB). Pense no UPSim como um "projetor de sombras" inteligente que encontra o meio-termo perfeito entre a simulação lenta de laser e o chute aleatório.

Veja como funciona, usando analogias simples:

1. O Espetáculo de Sombras (Em vez de Feixes de Laser)

Em vez de disparar milhões de feixes de laser do drone para cada pessoa no solo, o UPSim olha para o mapa 3D da cidade e pergunta: "Se o sol fosse o drone, onde os prédios projetariam suas sombras?"

• A Analogia: Imagine segurar uma lanterna (o drone) bem acima de uma cidade. Os prédios projetam sombras longas e escuras no chão. Se você estiver parado na luz, tem uma conexão clara. Se estiver parado na sombra, o prédio está bloqueando você.
• A Magia: O UPSim calcula essas "sombras" matematicamente usando um mapa 3D dos prédios. Isso é instantâneo e não requer processamento pesado. Ele cria instantaneamente um mapa mostrando exatamente quais ruas estão "na luz" (bom sinal) e quais estão "na escuridão" (sinal bloqueado).

2. Adicionando o "Clima" (Calibrando o Sinal)

Saber onde estão as sombras é ótimo, mas não diz quão fraco é o sinal dentro da sombra ou o quanto ele flutua. Para corrigir isso, os autores "ensinaram" o UPSim usando dados dessas simulações lentas e caras de laser.

• A Analogia: Imagine que você sabe exatamente onde estão as nuvens de chuva (sombras). Mas você também precisa saber se é uma garoa leve ou uma tempestade forte dentro dessas nuvens.
• A Magia: O UPSim pega o "mapa de sombras" e adiciona "padrões climáticos" realistas a ele. Ele usa dados das simulações caras de laser para aprender quanto sinal é perdido ao voar em diferentes altitudes (baixa vs. alta) e como o sinal "desvanece" ou "piscar" enquanto você se move. Ele cria uma imagem completa da qualidade do sinal sem precisar executar a simulação lenta de laser toda vez.

3. Por Que Isso Importa: O Teste da "Rota"

O artigo mostra que o UPSim é incrivelmente útil para planejar a conectividade de usuários em movimento.

• O Cenário: Imagine que um drone está pairando sobre uma cidade, enviando internet para as pessoas no solo. Um usuário caminha do Ponto A ao Ponto B ao longo de uma rua. A questão é: conforme o usuário se move, onde ele perderá a conexão — por 50 metros? por 200 metros? O próprio drone fica parado; o que muda é a posição do usuário no solo em relação aos prédios.
• O Resultado: Como o UPSim é rápido, ele pode simular um usuário no solo se movendo ao longo de um caminho específico em nível da rua sob a cobertura do drone estático e dizer exatamente quão longas são as zonas de "interrupção" (perda de sinal) ao longo desse caminho.
• A Descoberta: Eles descobriram que posicionar o drone mais alto (por exemplo, 150 metros de altura) torna as "sombras" mais curtas, o que significa que os usuários permanecem "na luz" por mais tempo. No entanto, mesmo em grandes altitudes, se o usuário estiver muito perto de prédios altos, ainda atingirá "zonas mortas".

Resumo do Que Eles Afirmam

• É Rápido: Usa geometria (sombras) em vez de simulações físicas pesadas, tornando-o escalável para grandes cidades.
• É Preciso: Foi testado contra dados reais de simulação de laser e corresponde muito de perto.
• É Realista: Usa mapas 3D reais de Barcelona (de um conjunto de dados global chamado 3D-GloBFP) em vez de formas de cidade falsas e inventadas.
• É Aberto: Os autores tornaram o código gratuito para qualquer pessoa usar, para que outros possam construí-lo.

Em resumo, o UPSim é uma ferramenta que permite aos engenheiros prever rápida e precisamente onde o sinal de internet de um drone funcionará e onde falhará em uma cidade real, ajudando-os a planejar melhores rotas para usuários no solo sem precisar de recursos de computação pesados.

Resumo técnico

Resumo Técnico: UPSim – Simulador de Propagação UxNB para Implantações em FR3 Orientadas por Mapas 3D

Declaração do Problema
A implantação de Veículos Aéreos Não Tripulados (UAVs) carregando estações-base a bordo (UxNBs) no espectro de banda intermediária da Faixa de Frequência 3 (FR3) enfrenta desafios de propagação únicos. Em ambientes urbanos densos, o orçamento de enlace é fortemente ditado por transições rápidas entre condições de Linha de Visada (LOS) e Sem Linha de Visada (NLOS). Enquanto modelos estocásticos padrão (por exemplo, ITU ou 3GPP) dependem de abstrações de layout urbano, eles frequentemente falham em capturar a consistência espacial necessária para o planejamento consciente da mobilidade. Por outro lado, o Rastreamento de Raios (RT) de alta fidelidade oferece precisão geométrica e continuidade, mas incorre em sobrecarga computacional proibitiva quando aplicado ao mapeamento de rádio em grande escala ou à análise de trajetórias massivas. Há uma necessidade de uma solução escalável que preencha a lacuna entre o RT completo computacionalmente caro e a geração de canais puramente estocástica, aproveitando especificamente a disponibilidade crescente de dados globais de edifícios 3D.

Metodologia
O artigo apresenta o UPSim (Simulador de Propagação UxNB), uma solução semi-determinística e orientada por mapas 3D, projetada para modelagem de propagação Ar-Terra (A2G) espacialmente consistente. A metodologia opera através das seguintes etapas:

1. Fundação Geométrica: O UPSim utiliza o conjunto de dados 3D-GloBFP, que fornece alturas e pegadas de edifícios consistentes derivadas do OpenStreetMap (OSM). Ao contrário dos dados OSM padrão, onde as tags de altura são opcionais e inconsistentes, o 3D-GloBFP oferece uma descrição 3D confiável necessária para modelar o bloqueio.
2. Projeção de Sombra Baseada em Geometria (GBSP): Em vez de lançar raios para cada posição do receptor, o UPSim deriva regiões de visibilidade determinísticas projetando sombras de edifícios a partir do ponto de vista do UxNB no plano do solo. Isso cria um mapa de sombra total ($S_{total}$), onde o complemento representa a região LOS. Essa abordagem contorna o RT ponto a ponto para determinação de visibilidade, reduzindo significativamente a complexidade.
3. Síntese do Canal: Uma vez que o estado LOS/NLOS é determinado geometricamente, o UPSim sintetiza a atenuação do canal ($\Lambda$) combinando:
   • Perda de Caminho Determinística: Um Expoente de Perda de Caminho (PLE) dependente da altura para condições NLOS, enquanto o PLE LOS é fixo.
   • Desvanecimento de Grande Escala (LSF): Sombreamento espacialmente correlacionado gerado a partir de ruído gaussiano filtrado, com desvio padrão e distâncias de decorrelação dependentes da altitude do UxNB e do estado LOS.
   • Desvanecimento de Pequena Escala (SSF): Modelado como uma distribuição log-logística com um parâmetro de forma dependente do estado LOS/NLOS, mas independente da altitude.
4. Calibração: Os parâmetros do modelo (PLE, estatísticas LSF, distâncias de decorrelação) são calibrados contra um conjunto de dados de referência de Rastreamento de Raios em FR3 gerado sobre uma cena urbana de Barcelona de 1 km $\times$ 1 km, utilizando a geometria do 3D-GloBFP.

Principais Contribuições
O artigo delineia quatro contribuições primárias:

• Simulador Escalável: O desenvolvimento do UPSim, que combina projeção de sombra determinística com geração de canais em FR3 calibrada por RT, oferecendo um meio-termo prático para análise em grande escala.
• Modelo de Canal Compacto: Um modelo unificado para perda de caminho e desvanecimento de grande escala espacialmente correlacionado como funções da altitude do UxNB, integrado com desvanecimento de pequena escala dependente do estado.
• Validação: Validação rigorosa contra benchmarks de rastreamento de raios em FR3 usando geometria do mundo real do subconjunto de Barcelona do 3D-GloBFP, demonstrando a reprodução precisa de distribuições de canal empíricas.
• Análise ao Nível de Rota: Uma análise dos comprimentos dos segmentos LOS/NLOS e estatísticas de distância de interrupção, provando a utilidade do simulador para avaliar métricas de desempenho ao nível de rota, como intervalos de interrupção.

Resultados
Os resultados de validação indicam que o UPSim reproduz com precisão as Funções de Distribuição Acumulada (CDFs) empíricas da atenuação do canal observadas nos dados de referência de Rastreamento de Raios, superando a linha de base padrão 3GPP TR 38.901 UMi em termos de consistência geométrica.

• Consistência Espacial: O simulador captura com sucesso a evolução contínua das realizações do canal ao longo das trajetórias.
• Impacto da Altitude: A análise ao nível de rota revela que o aumento da altura de implantação do UxNB (por exemplo, de 30m para 150m) aumenta significativamente a probabilidade de LOS e reduz os comprimentos dos segmentos NLOS. No entanto, as distâncias LOS permanecem relativamente estáveis entre as altitudes, enquanto as zonas NLOS encolhem.
• Estatísticas de Interrupção: A análise de interrupção (definida por limiares de potência recebida) mostra que as zonas de interrupção estão concentradas ao redor dos edifícios. Mesmo em altitudes elevadas (150m) e potências de transmissão moderadas, probabilidades significativas de interrupção (por exemplo, ~32% para 23 dBm EIRP) persistem, destacando o impacto crítico do bloqueio por edifícios nas bandas FR3.
• Características Estatísticas: As CDFs das distâncias NLOS exibem um comportamento de "degrau" em torno de 50 metros, um fenômeno consistente com estruturas de grade semelhantes a Manhattan encontradas no layout de Barcelona.

Significado e Alegações
O artigo alega que o UPSim oferece uma alternativa altamente escalável e prática ao rastreamento de raios completo para planejamento consciente da mobilidade e construção de mapas de rádio em cenários de acesso aéreo. Ao desacoplar a determinação de visibilidade computacionalmente intensiva (via projeção de sombra) da síntese do canal (via modelos estatísticos calibrados), o UPSim alcança a precisão do rastreamento de raios a uma fração da complexidade.

Os autores enfatizam que a ferramenta permite análise baseada em rota da evolução do canal sobre layouts urbanos complexos, expondo estatísticas críticas ao nível de trajetória, como distâncias de interrupção, que são difíceis de derivar de modelos puramente estocásticos. O trabalho posiciona-se como um passo em direção a uma análise de propagação realista e orientada por mapas que aproveita dados 3D globais, superando as limitações dos modelos urbanos abstratos. O framework é fornecido como uma ferramenta de código aberto para facilitar pesquisas adicionais e reprodutibilidade na comunidade.