Quanto bene arriva davvero il 5G al telefono? Un record su scala urbana da Vienna offre indizi

Auto, scanner e telefoni trasformano Vienna in un laboratorio di rete mobile

Un gruppo della TU Wien ha trasformato auto ordinarie in un laboratorio mobile per le reti mobili di Vienna. Tra il 27 giugno 2024 e l’8 marzo 2025, i veicoli hanno attraversato strade urbane e vie suburbane più tranquille. In oltre 18 giornate di drive test, le auto hanno coperto circa 100 chilometri quadrati e hanno prodotto un ampio registro pubblico di ciò che i telefoni possono vedere.

Il record pubblicato contiene 2893129 righe di misurazioni, raggruppate in 986698 voci con timestamp e operatore. Queste voci indicano circa 929217 posizioni GPS univoche dopo l’arrotondamento delle coordinate a cinque cifre decimali. Indicano anche 7911 identità di cella distinte, il che consente agli analisti di confrontare molti siti piuttosto che una sola antenna.

Ogni auto portava uno scanner wideband che ascoltava i segnali LTE e 5G vicini senza connettersi a essi. Conteneva anche tre telefoni con supporto 5G, montati sul cruscotto e collegati a software di test. Lo scanner offre una visione lato rete di ciò che è distribuito e visibile. I telefoni offrono una visione lato utente della cella servente, inclusa la qualità del segnale e il tasso dati.

La configurazione dello scanner usava un ricevitore PCTEL IBflex, due antenne sul tetto e un’unità GPS. Il software Keysight Nemo Outdoor su un portatile controllava l’intero processo di raccolta. Questo rendeva il monitoraggio agnostico rispetto alla tecnologia, in modo che i segnali LTE e NR potessero essere osservati nella stessa passata.

I log dei telefoni registrano letture di qualità radio come potenza ricevuta, qualità del segnale, intensità totale ricevuta e qualità corretta per interferenza. Includono anche throughput downlink e uplink oltre a timing advance. Questi valori provengono da interfacce diagnostiche dei telefoni, non da un’app di test di velocità mostrata sullo schermo.

La campagna è multioperatore, ma i record attuali basati su telefono per il 5G provengono da un solo vettore. Questo limite si applica anche ai metadati stimati delle celle 5G inclusi nella pubblicazione. I dati arrivano in quattro parti: misurazioni dello scanner, misurazioni del terminale, informazioni stimate sui siti e modelli ad alta risoluzione di edifici e terreno.

Le bande basse coprono più lontano mentre le bande alte si attenuano nelle strade dense

Nelle strade urbane dense, le onde radio non viaggiano in modo uguale a ogni frequenza. Un segnale cellulare su una banda bassa può raggiungere più lontano e reggere meglio quando deve attraversare muri, finestre, angoli e fitti gruppi di edifici. Le misurazioni del drive test di Vienna rendono facile vedere questo schema. La banda LTE a frequenza più bassa usata nei dati è 800 MHz, e ha prodotto la potenza ricevuta più forte nelle strade misurate. Gli strati LTE mid-band a 1800 MHz e 2600 MHz erano più deboli. Lo strato a frequenza più alta, una banda C 5G intorno a 3500 MHz, era il più debole di tutti perché le sue onde subiscono più perdita di percorso e penetrano meno bene negli edifici. Una banda 5G vicino a 2100 MHz si collocava tra questi estremi, con un comportamento più vicino alla mid-band che agli strati molto bassi o molto alti.

La qualità del segnale ricevuto segue la stessa logica fisica. Il LTE a banda bassa ha dato le letture di qualità più stabili, con una RSRQ mediana vicina a meno nove decibel. Questo numero conta perché descrive quanto sia pulito il segnale ricevuto rispetto a interferenza e rumore. Gli strati mid-band e ad alta banda hanno mostrato variazioni molto più ampie da luogo a luogo. Nelle strade dense, più celle sono concentrate in un’area più piccola, quindi telefoni e scanner possono vedere diversi trasmettitori vicini contemporaneamente. I loro segnali si sovrappongono, rimbalzano sulle facciate e competono per le stesse onde radio. Il risultato è una qualità meno prevedibile sulle bande più alte, anche quando la rete ha molti siti distribuiti.

Questo comportamento in frequenza aiuta a spiegare perché gli operatori usano le bande basse come base di copertura. Possono riempire edifici e coprire aree più grandi usando meno siti. Le bande più alte possono aggiungere capacità dove le persone sono concentrate, ma si attenuano più velocemente quando un segnale incontra ostacoli urbani densi. Le misurazioni mostrano che entrambi gli effetti coesistono nella stessa città: le onde a bassa frequenza viaggiano più lontano attraverso le strade, mentre le onde ad alta frequenza riducono il loro raggio utile man mano che aumentano muri e traffico.

Quando un segnale rilevato non può essere collegato alla sua cella

Uno scanner può sentire un segnale radio molto prima di sapere quale cella lo sta trasmettendo. Nei dati del drive test di Vienna, ogni segnale LTE o 5G rilevato è stato confrontato con eventi broadcast decodificati vicini usando identità fisica della cella, numero di canale e file di misurazione. L’obiettivo era semplice: abbinare ciò che il ricevitore sentiva alle informazioni di rete che identificavano il trasmettitore.

L’abbinamento non ha sempre funzionato, perché un segnale senza identità di cella non può essere posizionato su una mappa con sicurezza. Dei 2649377 record di segnali esaminati, 472645 non hanno potuto essere abbinati a nessun evento broadcast decodificato, il che è 17.84 percento del totale. Il LTE ha lasciato 14.90 percento senza corrispondenza, mentre il 5G NR ha lasciato 18.81 percento senza corrispondenza.

Tra i record che hanno avuto corrispondenza, i problemi di timing erano comuni ma i problemi spaziali rari. Nel complesso, 13.84 percento mostrava outlier temporali e solo 0.53 percento mostrava outlier spaziali. Il LTE aveva 17.99 percento di outlier temporali e 1.96 percento di outlier spaziali; il 5G NR aveva 12.48 percento e 0.06 percento. Circa due terzi di tutti i record erano pienamente coerenti in entrambe le dimensioni.

Gli scivolamenti di timing indicano decodifica asincrona e buffering dentro i log dello scanner. Una finestra di abbinamento rigorosa di dieci secondi era troppo stretta per quel jitter, quindi i dati pubblicati usano un fallback spaziale. Ogni record di segnale è collegato all’evento broadcast candidato più vicino tra corrispondenze esatte della chiave. Le statistiche di timing vengono comunque riportate, consentendo agli utenti di scegliere soglie diverse.

Stimare le posizioni delle antenne da cerchi di timing e registri pubblici

Il timing advance è un indizio radio che dice quanto lontano si trova un telefono dalla sua cella servente. Ogni valore di timing può essere trasformato in un cerchio attorno alla posizione misurata. Il raggio del cerchio proviene da quella distanza, quindi molti cerchi dovrebbero sovrapporsi vicino a un trasmettitore. Per il LTE, il metodo ha usato voci pubbliche del registro austriaco dei trasmettitori per restringere i siti candidati. Questi record fornivano indirizzi plausibili prima che venisse adattata qualsiasi geometria radio. Le altezze delle antenne sono state lette da immagini di Google Earth Pro piuttosto che prese da file degli operatori. In ogni giornata di misurazione, le dieci stazioni base LTE più frequentemente osservate per operatore sono state selezionate. Nel corso di diciotto giorni, questo ha prodotto cinquanta siti LTE distinti per ogni operatore in quello strato. Questa regola distribuiva il lavoro su più strade, orari e celle invece che su poche forti. Per il 5G non standalone, i log dei telefoni non espongono direttamente i nomi delle stazioni base. La stessa identità fisica della cella è stata quindi trattata come un sito entro una singola giornata. Questo presupposto è più sicuro perché ogni drive copriva un’area limitata e lo spazio di identità è ampio. Una cella aveva bisogno di almeno cinque misurazioni da luoghi distinti prima che potesse essere localizzata. Le trenta identità qualificate più frequenti al giorno sono state mantenute per la stima. I cerchi di timing sono stati disegnati attorno a ogni punto del telefono, e il loro sovrapporsi ha testato la geometria. Se un cluster di cerchi adattava un singolo punto, quel cluster è stato usato per la localizzazione. Gruppi più piccoli incoerenti sono stati scartati in modo che dati misti non tirassero via la stima del sito. Per i siti LTE con metadati di riferimento, le posizioni stimate avevano un errore quadratico medio di 38.55 metri. Le orientazioni dei settori avevano un errore circolare assoluto medio di 27.95 gradi. Questi valori sono fisicamente plausibili, anche se non dimostrano le vere posizioni delle antenne. Per il 5G, nessuna verità esterna era disponibile perché i log dei telefoni mancavano di etichette dirette dei siti. Un controllo interno ha confrontato le distanze di timing advance con le distanze in linea retta verso i siti stimati. Su tutti i 17433 campioni usati in quel controllo, il residuo mediano era 69.6 metri. Il percentile 95 raggiungeva 318.8 metri, e il percentile 99 raggiungeva 585.4 metri. Quel risultato dice che i siti 5G inferiti rispettano i vincoli di timing, ma non è una prova indipendente.

Una città che può essere misurata, ma non conosciuta del tutto

Cento chilometri quadrati di Vienna ora stanno in un dataset aperto, e il valore sta meno in qualsiasi singolo numero che in ciò che i dati rendono possibile. Lo scanner vede la rete dall’esterno; i telefoni mostrano come gli utenti la vivono, e i modelli degli edifici danno a entrambi una scena fisica. Insieme supportano mappe radio, verifiche di copertura, gemelli digitali e apprendimento automatico che può essere testato contro strade reali piuttosto che simulate. Questo dà una rara possibilità di passare dalle dashboard degli operatori verso infrastrutture pubbliche per la ricerca wireless.

Gli ostacoli sono anche chiari, perché la parte più pulita del quadro rimane parzialmente nascosta. Molti segnali dello scanner non possono essere collegati a un’identità di cella decodificata, e i log dei telefoni nel 5G non standalone mancano di etichette stabili delle stazioni base. Le posizioni stimate delle antenne aiutano a colmare il vuoto, ma coprono solo un sottoinsieme di siti e si basano su cerchi di timing, registri pubblici e immagini. I log del throughput contengono pause reali, handover e vuoti di scheduling, quindi un’analisi che tratta ogni campione come uguale fraintenderà la rete. Questi limiti non sono difetti da nascondere; definiscono dove deve iniziare una modellazione accurata.

L’opportunità più ampia è che altre città potrebbero seguire lo stesso percorso, abbinando drive test a dati aperti sugli edifici e registri pubblici dei trasmettitori. Se gli operatori espongono più identificatori, i dispositivi riportano informazioni di beam più pulite e il meteo si unisce alle tracce, queste mappe potrebbero diventare strumenti viventi per la pianificazione. Allora una città non è più solo un luogo dove i telefoni si connettono; diventa uno strumento che può essere letto, confrontato e migliorato. Una mappa radio può essere fidata quando le antenne sono inferite dai segnali che emettono?