Está en la página 1de 39

SCF

LANZAMIENTO 10,0 scf.io

DOCUMENTO

230.10.01
Planificación de precisión para redes 5G Era

con celdas pequeñas

Octubre de 2019

www.scf.io/ www.5gamericas.org www.smallcellforum.org


FORO DE CÉLULAS PEQUEÑAS

LANZAMIENTO 10,0 scf.io

Small Cell Forum acelera la adopción de células pequeñas para impulsar el despliegue a gran escala de
células pequeñas y alentar la entrega de HetNets totalmente integrados.

Somos una organización dirigida por transportistas. Esto significa que los miembros de nuestro operador establecen
requisitos que impulsan las actividades y los resultados de nuestros grupos técnicos. Hemos impulsado la
estandarización de elementos clave de la tecnología de células pequeñas, como Iuh, FAPI, nFAPI, SON, API de
servicios, evolución TR-069 y la mejora de la interfaz X2.

Hoy en día, nuestros miembros están impulsando soluciones que incluyen integración de células pequeñas / Wi-Fi, evolución y
automatización de SON, virtualización de la capa de células pequeñas, impulsando la adopción masiva a través de un host neutral
de múltiples operadores, asegurando un enfoque común para API de servicio para impulsar la comercialización y el integración de
células pequeñas en la evolución de los estándares 5G.

El Programa de lanzamiento de Small Cell Forum ha establecido casos de negocios e impulsores del mercado para todos
los casos de uso principales, aclarando las necesidades del mercado y abordando las barreras para el despliegue de
células pequeñas residenciales, empresariales, rurales y remotas y urbanas.

El sitio web del Small Cell Forum Release Program se puede encontrar aquí: www.scf.io

Todo el contenido de este documento, incluidos los enlaces y las referencias, es solo para fines informativos y se
proporciona "tal cual" sin garantías de ningún tipo.
cualquier garantía de comerciabilidad, idoneidad para un propósito particular o cualquier garantía que surja de
cualquier propuesta, especificación o muestra.

Ninguna licencia, expresa o implícita, de ningún derecho de propiedad intelectual se otorga o pretende por este medio.

© 2007-2017 Todos los derechos reservados con respecto a artículos, dibujos, fotografías, etc. publicados en forma
impresa o disponibles en formato electrónico por Small Cell Forum Ltd en cualquier parte del mundo.

Si desea obtener más información sobre Small Cell Forum o desea ser incluido en nuestra lista de correo,
comuníquese con:

Correo electrónico info@smallcellforum.org

Enviar Small Cell Forum, PO Box 23, GL11 5WA Reino Unido

Servicios para los miembros memberservices@smallcellforum.org


SCF

LANZAMIENTO 10,0 scf.io

Acerca de 5G Americas: la voz de 5G y LTE para las Américas

5G Americas es una organización comercial de la industria compuesta por proveedores y fabricantes líderes de
servicios de telecomunicaciones. La misión de la organización es defender y fomentar el avance y las capacidades
completas de la tecnología inalámbrica LTE y su evolución más allá de 5G, a través de las redes, servicios,
aplicaciones y dispositivos inalámbricos del ecosistema en las Américas.

5G Americas invierte en el desarrollo de una comunidad inalámbrica conectada mientras lidera el desarrollo de 5G para
todas las Américas. La asociación prepara numerosos libros blancos e informes sobre iniciativas clave, desafíos y
oportunidades para la industria con un enfoque particular en los de mayor importancia para América del Norte y
América Latina y el Caribe. Los informes están disponibles en el sitio web de la asociación www.5gamericas.org Los
miembros de la Junta de Gobernadores de 5G Americas incluyen: América Móvil, AT&T, Cable & Wireless, Cisco,
CommScope, Entel, Ericsson, HPE, Intel, Kathrein, Mitel, Nokia, Qualcomm , Sprint, T-Mobile USA y Telefónica. 5G
Americas colabora con organismos gubernamentales y reguladores, así como con organizaciones de estándares y
otras asociaciones en todo el mundo para fomentar el desarrollo exitoso de tecnologías inalámbricas.

• 5G Americas, en asociación con 5G PPP, 5GMF, 5G Forum e IMT-2020, participa en la organización del
evento Global 5G cada dos años.

• 5G Americas es un socio de representación de mercado en 3GPP

• 5G Americas tiene acuerdos, membresías, relaciones y / o memorandos de entendimiento con: 5G Forum,


5G PPP, ASETA, ASIET, ATIS, CASETEL, CINTEL, CITEL, ITU, NGMN Alliance, Small Cell Forum y el Foro
UMTS con el propósito de cooperación para mejorar las comunicaciones móviles.

Siga las noticias de 5G Americas en Twitter en @ 5GAmericas y Facebook en


www.facebook.com/5gamericas.
Resumen Ejecutivo

La demanda cada vez mayor de datos móviles está impulsando la densificación de la red con el despliegue de celdas pequeñas.
Aunque es más económico que las macro torres, la naturaleza compacta y de baja potencia de las celdas pequeñas significa que
también tienen un área de servicio más pequeña. Esto, a su vez, significa que deben ubicarse más cerca de los puntos críticos de
demanda para ser eficaces en el suministro eficiente del tráfico y ofrecer un buen retorno de la inversión (ROI). El beneficio de
cualquier sitio de celda pequeña se reduce esencialmente a la cantidad de tráfico que transporta, mientras que el costo está
relacionado con la instalación, la energía, el backhaul, el alquiler, etc., y es en gran medida independiente de su utilización. De
ello se deduce que el valor (o ROI) de un sitio determinado se ve afectado por la precisión con la que se puede planificar y ubicar.
Las celdas pequeñas deben ubicarse cerca de áreas de alta demanda de tráfico que no están bien atendidas por la red existente,
pero deben colocarse con cuidado. La mejor práctica recomendada es ubicar la celda pequeña dentro de 20-40 m del ideal.

Una entrada clave para el proceso de planificación de precisión son las mediciones geolocalizadas de la calidad de la red, que se
utilizan para construir un mapa de qué tan bien la red existente sirve a la demanda de tráfico. Las celdas pequeñas deben
desplegarse donde hay una gran demanda de tráfico pero baja calidad de señal.

La precisión de la ubicación de los informes de calidad contribuye a la precisión general del proceso de planificación. En un estudio se
encontró que el promedio de las estimaciones de ubicación de la red de diferencia horaria de llegada observada (OTDOA) tenía un error
medio de 60 m, lo que limita su aplicabilidad a la planificación de células pequeñas. Se descubrió que un análisis más inteligente de los
datos de localización utilizando un enfoque de aprendizaje automático reduce la mediana del error de ubicación a 18 m, que está dentro
del rango requerido.

Finalmente, se comparte un ejemplo de diseño de celda pequeña. Usando datos y los objetivos de cobertura y dominio, la
colocación de células pequeñas se determina mediante un proceso automatizado. El ejemplo compartido en este
documento proporciona una cobertura mejorada y costos reducidos sobre un diseño manual.

Las mejores prácticas recomendadas para la planificación de precisión.

• Para obtener un ROI máximo, las celdas pequeñas se deben colocar lo más cerca posible para exigir los picos;
La mejor práctica es dentro de 20-40m.
• Los operadores de redes móviles desearían que los equipos que estiman la ubicación del uso y los informes de calidad
adopten algoritmos más inteligentes, como el enfoque de aprendizaje automático demostrado. Se esperan errores medios de
localización de menos de 20 m para la planificación de células pequeñas.

• Los modelos de aprendizaje automático deberían ser parte de cualquier esfuerzo de diseño de células pequeñas. Las
diferentes entradas y supuestos serán factores en los modelos resultantes que se generan.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01
Contenido

1) Introducción: por qué es importante la ubicación precisa de las células pequeñas


........................................ ............................. 1
2) Metodología de planificación de red y requisitos de precisión
............................................ .................... 3
2.1 Diferenciación interior / exterior y ubicación 3D .................... 3
2.2 2.2 Planificación al aire libre ................................................ ............. 4
2.3 Planificación interior ................................................ ............. 14
2,4 Precisión de las fuentes de datos de calidad de red para la planificación ....... 19

3) Impacto de la precisión de la ubicación en el ROI ............................... 20


4) Mejora de la precisión de la ubicación de UE con aprendizaje automático
......................................... ............................. 21
4.1 Tipos de UE localizar .............................................. ........... 21
4.2 4.2 Uso del aprendizaje automático para crear soluciones 'mejoradas' basadas en el tiempo para
mejorar la precisión de la ubicación ....................... 22
4.3 4.3 Uso de ML para mejorar las técnicas de ubicación basadas en el tiempo ....... 22

4.4 Cálculo del desplazamiento de tiempo relativo entre los sitios de celda para usar en cálculos
de ubicación y sincronización efectiva entre sitios ............................... .............................. 24

4.5 Algoritmos de aprendizaje automático para mejorar la precisión y los resultados con OTDOA
....................................... ................ 25
5) Mejora de la colocación de células pequeñas mediante el aprendizaje automático
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
5.1 Factores incluidos en el modelo ML .......................................... 28
5.2 Mejora de costos y cobertura usando ML ....................... 28
6) Agradecimientos ................................................. ... 31
Referencias ................................................. ........................... 32

Cifras

Figura 1–1 Coincidencia de ubicaciones de celdas pequeñas con puntos calientes ........................................ 1

Figura 2–1 Diferenciación entre pronóstico de carga útil exterior e interior en 2D ... 3 Figura 2–2 Distribución vertical del tráfico
dentro de los edificios ....................... .......... 4
Figura 2–3 Por tráfico del edificio ........................................... ............................ 4
Figura 2–4 ​DVHM de Los Ángeles (Modelo digital de altura del vector): vertical del submetro
y modelo digital horizontal del entorno, incluidos elementos que tienen un gran impacto en la propagación
de señales 5G, como árboles y edificios .......................... .................................................. ........ 5

Figura 2–5 Mapa de densidad de demanda compuesta de Los Ángeles. La demanda no es


distribuido uniformemente. Los puntos críticos aparecen como áreas más rojas, cada edificio

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01
presenta un perfil de demanda único y las carreteras también se caracterizan por patrones de movilidad
..................................... ................................... 5
Figura 2-6 RSRP de Los Ángeles que muestra celdas macro y pequeñas (AWS, Nivel 1
operador) ................................................ ................................... 6
Figura 2-7 Manhattan RSRP que muestra celdas macro y pequeñas (AWS, Tier 1
operador) ................................................ ................................... 7
Figura 2–8 Primer plano de Manhattan RSRP que muestra macro y pequeñas celdas (AWS,
Operador de nivel 1). .................................................. ....................... 7
Figura 2–9 Vista 3D del Brooklyn DHVM (Modelo digital de altura del vector): submeter
Modelo digital vertical y horizontal del entorno, incluidos elementos que tienen un gran impacto en la
propagación de señales 5G, como árboles y edificios ......................... ............................................. 9

Figura 2–10 Reston, VA RSRP. La interacción de la señal exterior con el


Se deben modelar con precisión varios elementos del entorno, especialmente para comprender su
impacto en la cobertura interior a diferentes alturas ............................. .................................................. .....
10
Figura 2-11 Optimización automatizada del alcance de células 5G: complejo acumulativo de
conexiones a frecuencias 5G mmWave (FWA e IAB). Rojo = menor latencia; Verde = mayor latencia
.............................................. ... 14
Figura 2–12 Mapa de cobertura de capacidad interior .......................................... .......... dieciséis
Figura 2-13 Un sector de 120 ° con siete haces estrechos (16 ° cada uno) ...................... 17
Figura 2-14 Cobertura compuesta de un sector de 120º con 35 haces estrechos .......... 17
Figura 2–15 Precisión de ubicación indicativa para diferentes fuentes de datos .................. 19
Figura 3–1 Estudio del efecto del ROI con la distancia desde el ideal [Fuente:
Nokia] ................................................ ..................................... 20
Figura 4–1 Ejemplo de degradación de la precisión del GPS en áreas del centro (en este
caso Dallas, Tx). Verde = más del 85% a 40 mo más, Amarillo / Naranja = 50 a 85% <40 m, Rojo = menos
del 50% <40 m ............ 21
Figura 4–2 Área de recolección del metro de Dallas .......................................... ............. 22
Figura 4–3 Un 'conjunto' de ubicaciones derivadas de pares OTDOA (círculos azules), y
la supuesta ubicación conocida (círculo verde). .................................. 23
Figura 4–4 Porcentaje de tiempo con menos de N pares de células que producen la ubicación
estimaciones en un lugar determinado ............................................. ......... 24
Figura 4–5 Enfoque patentado hacia la sincronización de sitios celulares ....................... 25
Figura 4–6 Estimación de ubicación cuando hay al menos 10 pares de celdas usando simples
promedio, el algoritmo de aprendizaje automático de AT&T y un 'genio' (estimación de ubicación más
cercana desde los pares de células a la ubicación conocida). .......... 26

Figura 4–7 Ejemplo de uso de la precisión mejorada de ubicación OTDOA en


áreas del centro (en este caso Dallas, Tx). Verde = más del 85% a 40 mo más, Amarillo / Naranja = 50 a
85% <40 m, Rojo = menos del 50% <40 m. .................................................. .................................. 27

Figura 5–1 Factores incluidos en la generación de sitios ML .................................... 28


Figura 5–2 Manual de Manhattan vs. Diseños automatizados ....................... 29
Figura 5–3 Cobertura (RSRP) en Manhattan en diseños manuales vs. diseños automatizados ... 29 Figura 5–4 Dominio en
Manhattan en diseños manuales vs. diseño automatizado ............... 30

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01
1) Introducción: por qué es importante la ubicación precisa de las células pequeñas

La planificación y optimización de la red se está volviendo cada vez más importante a medida que las celdas pequeñas, ubicadas en puntos calientes, se
utilizan cada vez más para abordar las necesidades de capacidad. Pero la ubicación de tales células pequeñas es en sí misma críticamente importante.
Cuando la ubicación de las celdas pequeñas estaba apagada en tan solo la mitad del radio de una celda de un punto de acceso determinado, el
resultado, según un operador
- era que se requerían cuatro veces más celdas pequeñas para transportar el mismo tráfico. La precisión de la ubicación es
aún más difícil cuando se utilizan bandas de frecuencia más altas, lo que reduce el radio de servicio práctico de las celdas.

La Figura 1–1 ilustra el desafío de ubicar celdas pequeñas para alinearse con puntos calientes de demanda que la red existente
ya no atiende, como lo indican las personas en el gráfico superior. La línea púrpura indica la utilización potencial de la capacidad
de una celda pequeña cuando se coloca en una ubicación determinada.

Figura 1–1 Coincidencia de ubicaciones de celdas pequeñas con puntos calientes

Una celda pequeña bien ubicada tiene su área de servicio que cubre ubicaciones con alta demanda. Como resultado, la mayor
parte o la totalidad de su capacidad será altamente utilizada. Esto representará un buen retorno de la inversión para la compañía
que despliega la celda pequeña. Una celda pequeña mal ubicada está demasiado lejos del punto de acceso; su área de servicio
no cubre un área de alta demanda. Una complicación adicional es que la eficiencia con la cual cualquier sitio celular puede
atender la demanda disminuye con la distancia desde la antena. Esto se indica en el diagrama por el color desvanecido del área
de servicio. El objetivo más elevado de alinear las partes más eficientemente espectralmente del área de servicio de la celda con
los picos de demanda aumenta aún más la precisión de ubicación requerida.

El tamaño de esta área de servicio está estrechamente relacionado con el caso de uso de la celda pequeña. En escenarios urbanos, hasta la

fecha se han utilizado celdas pequeñas para aumentar la capacidad en las plazas de la ciudad, en una serie de paradas de autobús

adyacentes o alrededor de tiendas, cafeterías y restaurantes. Obtener la ubicación correcta requiere una comprensión de la precisión

requerida en el proceso de planificación para celdas pequeñas. Este documento considera la precisión de diferentes partes del proceso. Está

organizado de la siguiente manera:

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 1
La Sección 2 detalla el proceso de planificación de la red para celdas pequeñas. Esto comenzará con una comprensión general
de dónde la red requiere cobertura y capacidad adicionales. Dependiendo de la ubicación, la red se puede mejorar a través de la
densificación en exteriores o la implementación en interiores. Sin embargo, las consideraciones involucradas en cada caso serán
bastante diferentes, como se describe en las secciones 2.2 y 2.3.

La Sección 3 comparte los resultados de un estudio sobre el impacto de la precisión de la ubicación en el retorno de la inversión
(ROI) y recomienda la precisión de las mejores prácticas. Una entrada clave para el proceso de planificación es comprender qué
tan bien la red existente está sirviendo a la demanda, en efecto, la curva de demanda de tráfico residual púrpura en la Figura
1–1. Esta comprensión se puede construir a partir de información sobre el uso del tráfico geolocalizado y de informes de calidad
entregados por dispositivos en la red. Dichos informes están disponibles en sondeos de interfaces de red o en datos recopilados
de redes sociales, combinados con estadísticas de red. La precisión de las ubicaciones asociadas determina la precisión de la
curva de demanda y, por lo tanto, la comprensión del operador de dónde están realmente los puntos críticos. La Sección 4
considera la precisión de esta ubicación y, en particular,

Incluso con una planificación altamente precisa para identificar la ubicación óptima para una celda pequeña, existen limitaciones en el
mundo real que significan que no se pueden usar en la práctica. Los sitios candidatos para celdas pequeñas, como mobiliario urbano o
montaje en interiores, pueden no estar disponibles en ubicaciones ideales. Además, las distribuciones de demanda de tráfico varían
diariamente, semanalmente y durante años, por lo que los puntos críticos pueden moverse con el tiempo. Aunque la optimización a
través de los cambios de configuración de RAN puede ayudar a compensar ubicaciones subóptimas, no puede lograr el mismo
rendimiento que usar los sitios óptimos en primer lugar. Estos desafíos se analizan más adelante en nuestro documento [ SCF195 ] [ 1 ] Desafíos
y recomendaciones de ubicación de células pequeñas.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 2
2) Metodología de planificación de red y requisitos de precisión

2.1 Diferenciación interior / exterior y ubicación 3D

Se puede encontrar una descripción detallada de la planificación de redes heterogéneas (redes que combinan células pequeñas
y macro) en un documento adjunto [ SCF174 ] [ 2 ] Planificación de capacidad para HetNets. En resumen, sin embargo, la
planificación comienza con una comprensión general de dónde la red requiere cobertura y capacidad adicionales. Dependiendo
de la ubicación, la red se puede mejorar a través de la densificación en exteriores o la implementación en interiores. La figura 2–1
ilustra diferentes vistas del tráfico de red diferenciado en el nivel de la calle y los edificios individuales.

Figura 2–1 Diferenciar entre pronóstico de carga útil exterior e interior en 2D

Aunque 2D es la norma para la visualización de la ubicación de UE o la carga útil, la mejora en 3D puede revelar información
importante que puede ayudar al operador a identificar mejor las estrategias efectivas de colocación de células pequeñas. Por
ejemplo, el mapeo 2D no identifica variaciones de tráfico en diferentes pisos de un edificio. Esto puede llevar a la expectativa de
que múltiples celdas pequeñas a nivel de calle puedan descargar la mayoría del tráfico interior. Sin embargo, esto es poco
probable debido a la naturaleza física de la solución general del sitio, incluido el patrón de radiación de la antena utilizada, y
podría provocar que se coloquen celdas pequeñas a nivel de la calle, a 5-10 m del suelo con una antena direccional. En estos
despliegues, la celda pequeña no podría atender el tráfico en los pisos más altos del edificio.

Por lo tanto, una vista solo en 2D podría conducir a un número excesivo de pequeñas celdas exteriores a nivel de calle.
Luego, será necesario recortarlos una vez que se complete la planificación inicial, como parte de un proceso de revisión del
diseño.

El uso de la ubicación y visualización en 3D, por el contrario, proporciona una comprensión de la distribución del tráfico dentro de
los edificios, como se muestra en la Figura 2-2. Esto ayuda a los operadores a decidir si la demanda interior podría satisfacerse
utilizando un enfoque exterior-interior, o si se necesita un despliegue interior.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 3
Figura 2–2 Distribución vertical del tráfico dentro de los edificios.

Se puede resumir información complementaria, como el tráfico por edificio, como se muestra en la Figura 2-3. Esto permitiría
crear casos comerciales iniciales, o soluciones específicas para pequeños grupos de pisos, en lugar de todo el edificio.

Figura 2–3 Por el tráfico del edificio

La planificación interior y exterior tiene diferentes consideraciones de diseño, que se detallan en las siguientes secciones.

2.2 2.2 Planificación al aire libre

2.2.1 ¿Por qué es necesario examinar todo el sistema de manera integral?

Si un operador no construye la mejor red posible, una que no solo satisfaga la demanda, sino que maximice los ingresos y
minimice el gasto de capital y opex, no obtendrá el mejor ROI. Para asegurarse de que así sea, ciertos elementos clave deben
modelarse con precisión. Estos elementos son el entorno (figura 2-4), la señal (figura 2-5) y la demanda (figura 2-6). Este proceso
de modelado es holístico y toma datos de una amplia gama de fuentes a menudo recopiladas de un área amplia.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 44
Figura 2–4 Los Ángeles DVHM (Modelo digital de altura del vector): modelo digital vertical y horizontal del submedidor del entorno, incluidos
elementos que impactan en gran medida la propagación de señales 5G, como árboles y edificios

Figura 2-5 Mapa de densidad de demanda compuesta de Los Ángeles. La demanda no se distribuye uniformemente. Los puntos críticos
aparecen como áreas más rojas, cada edificio presenta un perfil de demanda único y las carreteras también se caracterizan
por patrones de movilidad.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 55
Figura 2-6 RSRP de Los Ángeles que muestra celdas macro y pequeñas (AWS, operador de nivel 1)

Este no fue siempre el caso. Las personas alguna vez diseñaron redes utilizando equipos: un equipo de cobertura, un equipo de
capacidad y un equipo de backhaul, por ejemplo. Cada uno trabajaría de forma independiente y proporcionaría información a los otros
equipos. La entrada de datos requerida fue modesta, al igual que las redes, que tenían un pequeño número de estaciones base
utilizadas principalmente para proporcionar comunicaciones de voz.

Las redes inalámbricas modernas se utilizan no solo para las tareas que realiza la telefonía fija, sino también para las que
ofrece la informática de banda ancha fija. Están influenciados por una gran cantidad de factores independientes y, por lo tanto,
deben planificarse de manera integral, utilizando múltiples entradas de datos. Dada la gran cantidad de entradas, el proceso
necesita ser automatizado, y puede serlo, utilizando herramientas de software de diseño de red.

El nuevo normal

A medida que se acerca el 5G, HetNets y la densificación se están convirtiendo en la nueva normalidad para el despliegue de la
red. Por lo tanto, se requiere un proceso de diseño automático HetNet para reducir el tiempo de planificación. El software de
diseño que permite esto, necesariamente, aprenderá y se adaptará en un proceso de aprendizaje automático. Pero necesita algo
para aprender y adaptarse. Deberá incluir muchas entradas para informar las decisiones que se tomarán: decisiones sobre conteo
de sector, acimut, tipo de fibra y ubicación, mobiliario urbano, fronthaul, backhaul (cableado o inalámbrico) y docenas de otras
consideraciones que serán parte de un flujo de trabajo de diseño. Pero esto solo comienza a ilustrar las complejidades que se
enfrentan al planificar una red de comunicaciones moderna. Obviamente, desde el advenimiento de las células pequeñas y la
introducción de un número creciente de frecuencias (con más, como mmWave, por venir), También deben tenerse en cuenta los
desafíos de múltiples bandas, el espectro y la colocación e interferencia celular. IoT, Wi-Fi, LoRa, WiGig y muchos otros
protocolos, habilitadores de conectividad y tecnologías de acceso pronto serán parte de las capacidades o requisitos de muchos
operadores.

La lógica de HetNets es que estarán formados por muchas celdas de diferentes tamaños y potencias. Por lo tanto, la interferencia
será una preocupación constante. Incluso si una macrocelda es

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 66
A muchos kilómetros de distancia, podría causar interferencia a las celdas pequeñas en el último piso de un edificio si se coloca
en una colina o una montaña que no interrumpa la señal. Al mismo tiempo, los edificios pueden bloquear las señales y afectar la
planificación al aire libre. Esto significa que la escala también es importante: el área en consideración podría ser vasta si las
entradas de datos relevantes se dispersan en un área grande (Figura 2-7 y Figura 2-8).

Figura 2-7 Manhattan RSRP que muestra celdas macro y pequeñas (AWS, operador de nivel 1)

Figura 2-8 Cierre de Manhattan RSRP que muestra células macro y pequeñas (AWS, operador de nivel 1).

Pero una red es tan buena como la eficiencia de su servicio para los usuarios finales. Por lo tanto, una herramienta de
planificación necesitará responder muchas preguntas, preguntas como: ¿Dónde está el

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 77
demanda desatendida? ¿Dónde está la capacidad? ¿Qué tan eficiente es el rendimiento de la red durante la hora punta? ¿Se
puede mejorar? ¿Cuál es el radio celular preferido? ¿Dónde se necesitan los postes de la calle para las celdas pequeñas y cómo
deben espaciarse? ¿Cuál es la relación señal / ruido (SNR)? ¿Cómo afectará la SNR a la eficiencia espectral de la célula, una
parte crítica del diseño moderno de la red? ¿Puede extrapolar y predecir las hojas de ruta de la demanda y la densificación
futuras? Y, en caso afirmativo, ¿con cuánto tiempo por delante?

Hay varias dimensiones que deben evaluarse, y todas estas dimensiones diferentes deben entrar en el proceso de planificación lo
antes posible para garantizar la precisión y acortar el tiempo de implementación. Al mismo tiempo, será necesario agregar nuevos
datos con el tiempo, aunque esto, por supuesto, ayudará a reforzar el modelo y la planificación de beneficios.

Entradas en todas partes

Afortunadamente, muchas entradas de datos están ampliamente disponibles que pueden ofrecer información útil. En los Estados Unidos, por ejemplo, es
posible conectarse a la base de datos del espectro de la FCC para obtener una imagen completa de la propiedad del espectro de los Estados Unidos.

Pero se pueden usar muchas otras entradas, no directamente específicas de la celda o de la señal, para evaluar la actividad y el
movimiento del usuario en particular, lo que influirá en la ubicación de la celda. La mayoría de los países publican los resultados
de su auditoría del censo nacional, ofreciendo información residencial y de empleo junto con estimaciones de crecimiento. Las
estimaciones de tráfico, las rutas GPS y otros datos pueden ayudar a establecer la densidad del vehículo en diferentes
momentos del día. Del mismo modo, las pistas GPS, la movilidad de eventos sociales y un modelo preciso del entorno pueden
ayudar a calcular la movilidad y el estado interior / exterior de la distribución del usuario. Los eventos de redes sociales también
pueden ayudar. Por ejemplo, los servicios como tiendas y restaurantes a menudo implican la mayor cantidad de demanda
concentrada en una red móvil, y son los lugares donde la distribución de la población alcanza su mayor densidad.

Múltiples fuentes de datos son útiles, pero están ahí para cumplir un propósito: evaluar la eficiencia, la cobertura y la capacidad,
que a su vez deben equilibrarse con el ROI. Cuando un operador decide si colocar o no un sitio en una posición determinada,
tiene que equilibrar el costo de colocar una celda y la red de retorno contra la demanda y el uso probable. ¿Cuál es el tiempo de
retorno de la inversión? ¿Cuándo la inversión se convierte en ganancia? El modelado de red se trata tanto de ingresos como de
eficiencia.

Todos estos factores, y muchos más, deben considerarse durante la evaluación del caso de negocios, ya que ambos informan y
definen la estrategia. Y es por eso que es importante comprender la naturaleza holística de la planificación de redes.

2.2.2 ¿Qué tan preciso debe ser el modelo de computadora para mezclar macros potentes con picos
menos potentes y puntos de acceso Wi-Fi, etc.?

La señal localizada de una celda pequeña dentro de un edificio puede verse abrumada por señales de dispositivos externos más potentes.
Por lo tanto, es importante para una buena planificación interior garantizar que la planificación exterior no sea un obstáculo. No solo la
proximidad de las macros a las celdas pequeñas sino la altura formarán parte de esta planificación. Las células pequeñas en los niveles
inferiores de un edificio tienen menos probabilidades de verse afectadas por las macrocélulas. Pero si una macro en sí está a una gran altura
(en una colina o montaña, por ejemplo), su efecto se puede sentir a decenas de kilómetros de distancia.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 8
Por supuesto, a medida que las células pequeñas se vuelvan parte de HetNet en exteriores, la interferencia en la red en exteriores
también será un dolor de cabeza para los planificadores. ¿Cómo, entonces, el software de planificación mitiga la amenaza de
interferencia?

Comenzará con toda el área analizada. Esa podría ser una ciudad de, digamos, 50 km de ancho. A continuación, creará un
modelo de computadora de toda el área en consideración: terreno, árboles, carreteras, ferrocarriles y edificios, por ejemplo. Los
edificios en particular son críticos porque pueden bloquear la señal. Este modelado debe llevarse a cabo con mucha precisión: el
estado actual de la técnica es modelar con una precisión de un metro vertical y horizontalmente (Figura 2-9).

Figura 2-9 Vista 3D de Brooklyn DHVM (Modelo digital de altura del vector): modelo digital vertical y horizontal del submedidor del
entorno, que incluye elementos que tienen un gran impacto en la propagación de señales 5G, como árboles y edificios

El software de planificación de red debe proporcionar a los operadores diferentes opciones para la colocación de celdas pequeñas
o cambios en la red macro. Por ejemplo, podrían reducir la potencia de una macro, por ejemplo, o reorientarla, o reducir la señal
en un edificio. Para la cobertura en el edificio, el objetivo del software de planificación es permitirle usar un diseño interior
completo, pero también puede ayudarlo a minimizar los costos. ¿Puede, por ejemplo, realmente permitirse pequeñas células en
cada piso y luego fibra para cada una de ellas? ¿De hecho, podría haber un uso mínimo en pisos específicos que requieran un
despliegue mínimo?

Luego, puede indicarle a la herramienta de planificación que optimice los pisos inferiores y asegúrese de que haya una buena
cobertura de una macro en los pisos inferiores y menos interferencia en los pisos superiores. Se puede alcanzar un equilibrio
(figura 2-10).

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 99
Figura 2–10 Reston, VA RSRP. La interacción de la señal exterior con los múltiples elementos.
del entorno debe modelarse con precisión, especialmente para comprender su impacto en la cobertura interior a diferentes alturas

Recuerde también que la planificación de celdas pequeñas en interiores y exteriores aumenta la necesidad de precisión en el cálculo de
la señal, ya que los errores inyectados en los cálculos de la señal se intensifican al calcular la relación señal / interferencia. Si hay
errores en el modelo de la computadora (como el uso de desorden y terreno muy toscos), esto podría resultar en una incapacidad para
predecir la señal. Y esto nos lleva de vuelta al retorno de la inversión: la incapacidad de predecir el retorno real de una nueva
implementación destruye el valor del proceso de planificación. La IA y el aprendizaje automático desempeñarán necesariamente un
papel en la colocación de las células. Los algoritmos metaheurísticos, del tipo utilizado en las herramientas de planificación actuales,
tienen como objetivo minimizar la diferencia entre los datos de medición de entrada y los datos pronosticados. Como sucede con los
algoritmos de aprendizaje automático, los aportes de análisis anteriores ayudarán a la herramienta de planificación a decidir cuál es su
próximo movimiento. Por ejemplo, ¿se rotó un sitio en el pasado? ¿Qué se aprendió? ¿Puede esa experiencia influir en la próxima
situación en la que la rotación del sitio podría ser una opción?

2.2.3 La actividad del usuario es hipersensible al rendimiento de la red. ¿Cómo? ¿Por qué?

La colocación correcta de la celda no se trata solo de llenar los agujeros de cobertura. En áreas de alta demanda, los operadores
necesitarán, por supuesto, más celdas, pero las señales de algunas celdas pueden interferir con las señales de otras, y esto
influirá en el rendimiento que pueden obtener los usuarios. Por lo tanto, se necesita una estimación precisa de la interferencia. Eso
requiere un modelo preciso de cómo se propaga una señal y, como se señaló anteriormente, eso solo se puede lograr con un
modelo preciso del entorno.

En particular, también debe considerarse la relación señal / ruido. Las fuertes relaciones señal / ruido debido a una mala ubicación,
interferencia u otras razones no solo molestarán a los usuarios finales. Requerirán un esquema de modulación robusto y afectarán la
eficiencia espectral de la célula. El mal rendimiento de la celda, a su vez, significará menos capacidad y mayores costos. La
distribución del consumidor afecta en gran medida la eficiencia espectral celular. Una herramienta de planificación que mitiga esto

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 10
se centrará en la precisión en la predicción de señales y la distribución del consumidor como una parte importante del proceso de
planificación.

La precisión del cálculo de la eficiencia espectral de la celda es directamente relevante, ya que permite que la herramienta
de planificación de red elija la ubicación óptima para nuevas implementaciones de RF. Por lo tanto, también es importante
tener un modelo preciso de la distribución del usuario.

2.2.4 ¿Cómo se identifican las zonas exteriores de demanda desatendida?

¿Dónde están los usuarios? Los operadores pueden proporcionar estimaciones de dónde están y cuánta demanda están
generando, por supuesto, pero hay muchas otras fuentes de apoyo disponibles y útiles, por ejemplo, las redes sociales. Los
eventos sociales de Twitter e Instagram se correlacionan con las pisadas reales reunidas electrónicamente. Con mucho, los
datos más útiles para estimar la distribución de la población en el tiempo son las redes sociales que permiten una transmisión
pública que incluye la ubicación y la hora de un evento. La combinación de esto con un modelo de clasificación de terrenos
vectoriales (desorden) significa que cuando ocurren eventos, pueden clasificarse con mayor precisión. Por ejemplo, ¿se produjo
un tweet dentro de un edificio o un parque, o en un ferry?

Twitter presenta un gran volumen de tales eventos. Del mismo modo, Instagram y Flickr incluyen la ubicación de las cargas de
fotos y pueden incluir información EXIF ​que permite estimar la altura de un evento.

Cuanto más preciso sea el modelo, más granulará la información. La altura de un edificio, junto con la demanda en cada edificio,
puede permitir que se realicen muchos análisis diferentes sobre esta información. Se pueden analizar paisajes urbanos
completos y aislar los edificios que requieren la mayor capacidad. Agregue la información mencionada anteriormente (censos,
trabajos, tráfico, terreno, redes sociales e incluso datos sobre delitos) y es posible construir una indicación estadísticamente
significativa de la distribución de la población y, por lo tanto, combinada con las entradas del operador, la demanda real y la
prevista. El software de planificación podría incluso proporcionar un modelo de crecimiento que se utilizará para una hoja de ruta
de densificación, aunque cuanto más avance esto, mayor será el margen de error. Sin embargo, una visión de tres años por
delante es ciertamente posible,

2.2.5 ¿Cuál es el efecto de los diseños de red óptimos que minimizan simultáneamente el costo
y maximizan la capacidad?

Esta es una pregunta simple de responder, pero hacer que el diseño óptimo de la red realmente suceda es difícil. El objetivo es
colocar sitios con alta eficiencia espectral en áreas de alta demanda. Sin embargo, el conjunto de cosas que usted, el operador,
puede elegir es enorme. Puedes elegir bandas. Puede elegir tecnologías: Wi-FI, por ejemplo, puede ser una opción en algunos
lugares. ¿Utiliza backhaul con cable o inalámbrico? ¿Están disponibles postes de la calle o incluso (muy barato) montaje de
filamentos? ¿Se modela con precisión el espaciado de las celdas, no solo para satisfacer la demanda sino para mantener bajos
los costos?

Todo está asociado con el costo. Un operador está tratando de maximizar la eficiencia espectral para obtener la mayor capacidad,
pero también para maximizar el retorno de la inversión minimizando el gasto de capital y los gastos operativos.

Si hace todo eso correctamente, los diseños de red óptimos que minimizan simultáneamente el costo y maximizan la
capacidad, en teoría, afectarán positivamente la compra de equipos,

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 11
eficiencia del equipo, planificación a medio e incluso largo plazo, y, sobre todo, retención de clientes, ahora y en el
tiempo.

2.2.6 ¿Cómo juegan el espectro y las bandas múltiples un papel en el control de la capacidad y la
cobertura?

Los operadores ya pueden elegir entre varias bandas y, a menudo, las necesidades de un operador determinarán su función. En
algunas áreas, un operador puede estar mejor usando un espectro de cobertura como 700MHz y sin considerar celdas pequeñas.
En otros lugares, donde se necesitan celdas pequeñas por razones de capacidad, se necesitará un espectro diferente. También
puede haber una compensación. Eventualmente, el despliegue de mmWave dará a los operadores un mayor ancho de banda,
pero hará otras demandas, por ejemplo, requisitos de línea de visión más estrictos. La cantidad de espectro también importa. Si la
cantidad de espectro es de 20MHz y la eficiencia espectral de la celda es de un bit por segundo por hertz, eso significa 20
megabits por segundo. Esa es la capacidad total de un sitio o sector con buen rendimiento en un sitio. Multiplique eso por el
número de celdas y obtendrá la verdadera capacidad de la red. Pero incluso con un espectro adecuado, la eficiencia espectral y
la interferencia son importantes, especialmente cuando se considera el ROI. Por lo tanto, el espectro y las bandas múltiples son
útiles, pero solo si su uso se planifica correctamente.

2.2.7 ¿Cómo planeas para multi-RAT: mezclar diferentes tecnologías para diferentes objetivos (por
ejemplo, Wi-Fi, IoT)?

Todo debe tenerse en cuenta en el proceso de planificación. Toda la interfaz aérea es una mezcla de diferentes frecuencias de muchos dispositivos diferentes, algunos de

ellos interfiriendo entre sí, otros aislados y sin interferir. Pero todo debe tenerse en cuenta, porque cuando un operador despliega su negocio, necesita observar cada uno de

sus aspectos. Nuevamente, este es un proceso holístico. Por ejemplo, la planificación de diferentes objetivos puede guiarse por modelos de demanda. Alta movilidad, baja

movilidad, demanda interior, demanda exterior, tipo de demanda (voz, datos o ambos), gran demanda en, por ejemplo, estadios o parques, cómo están cubiertos y el costo:

todas estas consideraciones pueden informar el despliegue de tecnología y si un operador usa, por ejemplo, Wi-Fi, LTE, 5G, 700MHz, 1900MHz, 2500 MHz o 28GHz. Si un

operador está construyendo una red moderna, como EE (Reino Unido) o Verizon (EE. UU.), Probablemente tenga que considerar todas las bandas. Todo esto debe

predecirse dentro de una herramienta de planificación: otro aspecto del examen holístico requerido para una planificación precisa de la red. Relativamente nuevas

tecnologías como IoT también tienen que ser consideradas. IoT hoy se considera pequeñas cantidades de información de medidores inteligentes, medidores de temperatura

o sensores en equipos de fábrica, pero ¿cómo evolucionará IoT en el uso y la demanda de la red? ¿La información se agregará a través de las puertas de enlace? ¿Qué

significa esto para el diseño de red? Relativamente nuevas tecnologías como IoT también tienen que ser consideradas. IoT hoy se considera pequeñas cantidades de

información de medidores inteligentes, medidores de temperatura o sensores en equipos de fábrica, pero ¿cómo evolucionará IoT en el uso y la demanda de la red? ¿La

información se agregará a través de puertas de enlace? ¿Qué significa esto para el diseño de red? Relativamente nuevas tecnologías como IoT también tienen que ser

consideradas. IoT hoy se considera pequeñas cantidades de información de medidores inteligentes, medidores de temperatura o sensores en equipos de fábrica, pero ¿cómo

evolucionará IoT en el uso y la demanda de la red? ¿La información se agregará a través de las puertas de enlace? ¿Qué significa esto para el diseño de red?

Y luego está el backhaul. Si estás a diez metros de la fibra, es relativamente barato. Si no, ¿cuáles son tus opciones? La red
de retorno por satélite o microondas es posible, pero con 5GNR los operadores podrán realizar una red de retorno de forma
inalámbrica utilizando WiGIG - Wi-Fi a 60 GHz. No tiene licencia y, por lo tanto, es bastante barato. ¿Cómo debe planificar un
operador para eso?

Luego está mmWave: cambio de juego para la conexión inalámbrica fija y eventualmente otras formas de conexión inalámbrica:
acceso integrado y backhaul y, por lo tanto, más ancho de banda. los

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 12
Lo malo es que es una tecnología de línea de visión de corto alcance que puede verse afectada no solo por los objetos sino
incluso por la lluvia.

Massive MIMO ofrecerá sus propios desafíos. Pero todas estas tecnologías y frecuencias tienen que ser parte del proceso de
modelado.

Finalmente, por supuesto, la combinación de tecnología también se verá afectada por los perfiles de usuarios nuevos o en crecimiento: los
viajeros por carretera, ferrocarril y aire, por ejemplo. ¿Y cuáles serán los requisitos de los vehículos autónomos?

2.2.8 ¿Cómo afectan el diseño y las estrategias de implementación al ROI?

Una vez que el software de diseño de red ha brindado al operador toda la información de modelado de red necesaria para una
capacidad máxima y, por lo tanto, un ROI máximo para su opex
- el operador puede elegir entre varios planes de negocios sabiendo cuál (y cuándo) es probable que sea el ROI con un pequeño
margen de error posible. Un operador puede hacer esto con la confianza de que, suponiendo que el software de diseño de red
haya hecho su trabajo, el modelo es tan desplegable como puede ser porque la mayoría de las eventualidades que es posible
predecir se han incluido en el modelado. El operador sabe que, incluso si un modelo de negocio difiere ligeramente de otro,
obtendrá un rendimiento en este diseño de red en particular.

2.2.9 ¿Por qué 5G, y en particular mmWave, cambian la planificación tradicional?

5G traerá una serie de ventajas de planificación y desafíos. En particular, significará una planificación más cuidadosa, no solo
por la densificación, sino porque donde todo está en la misma banda y la celda pequeña está en la misma frecuencia que otras
celdas, es más probable que las celdas pequeñas experimenten interferencia de la macro. Aunque es parte de 5G, mmWave es
importante por derecho propio porque brinda ancho de banda a los operadores, y cuando todo está automatizado en 3GPP
versión 16, eso significa acceso integrado y backhaul. Ese acceso integrado y backhaul es lo que lo cambia todo. mmWave
permite a los operadores crear conjuntos de antenas que son del tamaño de naipes que pueden ir en una caja del tamaño de un
libro de bolsillo a lo que se considera un costo muy bajo y, potencialmente, acceder a grandes cantidades de ancho de banda y
64 usuarios en un determinado hora.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 13
Figura 2-11 Optimización automatizada del alcance de células 5G: complejo acumulativo de conexiones en
5G mm Frecuencias de onda (FWA e IAB). Rojo = menor latencia; Verde = mayor latencia

Quizás lo más importante de todo es que 5G requiere no solo HetNets optimizados sino también hojas de ruta de densificación, con
toda la complejidad adicional que implica para la colocación de la celda.

2.2.10 Resumen de planificación al aire libre

La primera red móvil ofrecida en Londres tenía unos 18 sitios. Podemos esperar redes en toda la ciudad de 2,000 o más sitios
con múltiples bandas en un futuro no muy lejano, y ese número se expandirá. El 5G, en particular, tendrá un efecto sorprendente
sobre la demanda y la capacidad, pero generará demandas cada vez más complejas sobre la planificación. Pero la planificación
también evolucionará. Las herramientas de planificación pronto podrán utilizar datos derivados de drones, equipos sensibles al
contexto y soluciones de autodespliegue, por nombrar solo tres.

Sin embargo, sea cual sea el futuro de la planificación, la oportunidad subyacente será la misma: coloque sus celdas donde
están los usuarios, y evite interferencias, y usted maximizará el retorno de la inversión.

2.3 Planificación interior

Las redes interiores se implementan en una variedad de lugares que tienen muy pocas cosas en común. Los lugares públicos,
como grandes estadios, centros de convenciones, aeropuertos y estaciones de metro, tienen condiciones de propagación
favorables, en su mayoría con visibilidad directa, entre puntos de acceso y UE. Los lugares empresariales, como hospitales,
hoteles o sedes corporativas, pondrán muchos obstáculos en el camino de propagación, lo que resultará en una propagación
mayoritariamente sin línea de visión (NLOS), con reflexión y difracción de las superficies cercanas. Algunos lugares, como los
centros comerciales, tienen una cantidad aproximadamente igual de LOS y NLOS.

La cantidad de LOS vs NLOS es importante si una red interior está diseñada para cobertura. Un diseño para
cobertura especifica un cierto nivel de señal sobre cierto

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 14
porcentaje de un plano de planta. Por ejemplo, un diseño de cobertura típico requeriría un LTE RSRP ( potencia de señal recibida
de referencia ) nivel de señal de -95 dBm sobre el 95% del plano de planta para un canal LTE de 10 MHz. El nivel exacto de la
señal objetivo es una función de la potencia de la señal de referencia de transmisión y del ancho de banda del canal. El
porcentaje del plano de piso que necesita ser cubierto generalmente está entre 90 y 95%; La cobertura del 100% no es realista
porque requeriría demasiados puntos de acceso. Para cobertura, entonces, los lugares con propagación mayoritariamente NLOS
necesitan más puntos de acceso por unidad de área que los lugares con mayoritariamente LOS. Por ejemplo, un plano de planta
de un hospital requeriría más antenas que un plano de planta de garaje.

Cuando se trata de diseñar una red interior para la capacidad, es importante saber la cantidad de UE y los tipos de tráfico que
demandarán. Aquí hay dos límites en juego: un límite de hardware (Capa 2) y un límite de capa física (Capa 1). En LTE, un límite
de hardware (Capa 2) para celdas pequeñas puede ser de hasta 32 conexiones simultáneas (como ejemplo). Sin embargo, con la
llegada de las redes distribuidas C-RAN y O-RAN, las unidades de banda base, que son fuentes de capacidad, se separan del
amplificador y se pueden compartir con muchas celdas pequeñas, lo que disminuye la importancia de un límite de hardware por
unidad individual célula. Por otro lado, la limitación de la capa física por celda sigue siendo importante. El cálculo de la capacidad
de la capa 1 implica calcular la cantidad de tiempo necesario para transmitir los archivos hacia y desde los UE durante la hora pico
o la hora punta, uso y compararlo con el tiempo total durante la hora punta. Si se conectan demasiados UE y todos solicitan
transferencias de archivos grandes, el tiempo necesario para completar la transmisión puede ser demasiado largo para una
experiencia de usuario aceptable. En áreas donde esperamos un uso intensivo de datos (como archivos de video 4K o juegos), se
necesitan más celdas pequeñas que en áreas donde se espera un uso ligero de datos (como impresión inalámbrica o intercambio
de archivos).

Una red interior bien planificada diseñada para la capacidad debe identificar las áreas donde los usuarios tienden a congregarse
(por ejemplo, una cafetería para almorzar en la oficina corporativa, bares de hoteles, clubes nocturnos o salas de conferencias de
convenciones), el tipo de tráfico esperado (descarga de videos, videos de Facebook carga, intercambio de correo electrónico o
publicación en Twitter, digamos) y descarga / carga aproximada del tamaño de archivo por usuario durante la hora pico. Un
diseño de red interior también necesita un desglose del porcentaje de tráfico anticipado entre Wi-Fi existente en el lugar y el tráfico
celular. El tráfico celular también debe desglosarse en MNO de acuerdo con su tasa de penetración de usuario. Además, dentro
de cada MNO, el tráfico debe desglosarse entre tecnologías (3G, 4G y 5G).

Cuando se aborda todo esto, finalmente podemos colocar celdas pequeñas en el plano del piso. Se debe tener cuidado al
colocarlos cerca o en áreas de mucho tráfico, pero también cerca o en áreas VIP, como las suites de nivel C o los áticos. También
debemos recordar cubrir otras áreas donde el tráfico no es pesado para proporcionar una cobertura continua en todo el lugar.
Finalmente, el análisis de capacidad debe calcular el porcentaje de uso de tiempo aire para cada celda / nodo pequeño. El uso de
tiempo aire también se puede interpretar como 'carga celular'. Una carga de celda del 80% significa que, en promedio durante el
uso pico, una celda pequeña está ocupada transmitiendo y recibiendo el 80% del tiempo. Un sistema bien diseñado debe
diseñarse para una carga del 50-80%, lo que representa una buena utilización y también deja espacio para el crecimiento antes
de que se necesite una actualización.

Un ejemplo de un mapa de cobertura de capacidad se muestra en la figura a continuación. Aquí asumimos que el número
máximo de conexiones por nodo es 32, y la carga de celda objetivo es 80%. Las áreas en rojo oscuro y claro indican nodos que
experimentan fallas de hardware (más de 32 conexiones) y fallas en la capa física (carga de celda mayor al 80%). Los nodos
que pasaron son de color verde.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 15
Figura 2–12 Mapa de cobertura de capacidad interior

Otro indicador clave de rendimiento es la cobertura de velocidad de datos máxima alcanzable (MADR). El MADR es una función
de la relación señal / ruido e interferencia (SINR), que calcula la relación entre la señal de la celda de servicio y la interferencia
más el ruido proveniente de las celdas pequeñas sin servicio. En las redes LTE, que despliegan principalmente antenas
direccionales omnidireccionales y de haz ancho (60-90 grados), la interferencia proveniente de celdas pequeñas que no sirven
puede ser significativa, lo que degrada el SINR cerca del borde de la celda. En consecuencia, MADR también es bajo en el borde
de la celda. Con el advenimiento de las antenas de formación de haz, que se desplegarán ampliamente en 5G, la interferencia se
reducirá mucho, porque los haces estrechos significan que el área objetivo es estrecha, lo que reduce la probabilidad de que el
servicio y la señal interferente puedan llegar al UE en al mismo tiempo.

Aquí hay un ejemplo que ilustra este punto. Supongamos que tenemos una antena de panel de celda pequeña de 8x8x2 que
crea haces estrechos individuales de 16º. Para cubrir un sector de 120º, se necesitan siete vigas estrechas:

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 dieciséis
Figura 2-13 Un sector de 120 ° con siete haces estrechos (16 ° cada uno)

Estas siete vigas cubren un sector horizontal de 120º, pero solo un sector vertical de 16º. Si queremos cubrir un sector vertical
de ± 40º, entonces necesitamos cinco filas de vigas, lo que significa que necesitamos 7x5 = 35 vigas. La cobertura del panel
compuesto con 35 vigas se muestra a continuación:

Figura 2-14 Cobertura compuesta de un sector de 120º con 35 haces estrechos

Si suponemos que el conjunto de antenas es analógico, lo cual es una suposición razonable dado el estado actual de la técnica
en celdas pequeñas de onda milimétrica, entonces solo se transmite un haz a la vez. Si solo se puede detectar un haz como
interferencia en el UE (nuevamente una suposición razonable dado que los haces son estrechos), entonces la interferencia se
puede detectar solo 1/35 th del tiempo. Esto nos lleva a la conclusión de que la interferencia se reduce en un factor de 10log (1/35)
= -15.4 dB con respecto a una antena de 120 grados de sector completo. Por lo tanto, podemos ver una reducción significativa de
la interferencia con la formación del haz. También se deben mencionar dos KPI más: intensidad de la señal y rango MIMO. Para
la planificación de la cobertura, el KPI principal es RSRP para LTE y SS-RSRP (potencia de señal recibida de señal de referencia
de sincronización) para 5GNR. Un indicador de rango MIMO muestra el rendimiento de MIMO en todo el plano. Para MIMO 2x2, el
rango MIMO puede ser 1 o 2. Para MIMO 4x4, el rango de rango MIMO es de 1 a 4. Cuanto mayor sea el rango, mejor será el
rendimiento de MIMO.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 17
Por último, una red 5G debe diseñarse teniendo en cuenta el rendimiento y el retraso de la red de retorno. Un rendimiento de
retorno es una función de la capacidad y la carga de celda prevista. Nos dice cuánto rendimiento se necesita para proporcionar
conectividad a la red externa. Un retraso de la red interior es un retraso causado por elementos activos y fibra y debe calcularse
desde una celda pequeña hasta el armario principal / MDF. Esto es importante para la computación perimetral, ya que muchas
aplicaciones 5G son sensibles al retraso.

Para resumir, los KPI importantes para el diseño de redes interiores son

• Capacidad y cobertura,
• SS-RSRP
• MADR
• SINR
• Rango MIMO
• Requisitos de rendimiento de retorno
• Retraso de red interior

Cuando se habla de propagación en interiores de ondas milimétricas, el rango de señal de alta frecuencia es bastante pobre, incluso en
condiciones LOS, mientras que la mayoría de los materiales en interiores crean una gran pérdida de penetración en esa banda de
frecuencia. Por lo tanto, las aplicaciones 5G de onda milimétrica en interiores se limitarán a un despliegue oportunista, en lugar de una
cobertura en todo el edificio. Los casos de uso típicos para una ola milimétrica en interiores serían puntos calientes, cafeterías, estadios,
centros de convenciones y salones de baile.

Otro factor a considerar es el impacto de la red interior en la red exterior. En la mayoría de los casos, este deslizamiento de cobertura debe mantenerse al mínimo. Muchos

operadores especifican el nivel de señal interior máximo permitido a cierta distancia (generalmente 100 pies) de un edificio. Este límite no es difícil de alcanzar en los edificios

más nuevos con vidrio solar, que tiene una alta pérdida de penetración tanto para la luz solar como para las ondas de radio. Sin embargo, los edificios con tipos de vidrio más

antiguos, que tienen mucha menos pérdida de penetración, requieren un diseño de red cuidadoso. Una táctica común es usar antenas direccionales cerca de ventanas,

apuntando hacia adentro. Se deben usar antenas direccionales con una alta relación de adelante hacia atrás, para disminuir aún más la cantidad de radiación a través de los

lóbulos traseros. Sin embargo, debe señalarse que algunas redes interiores requieren la expansión de la red exterior. Específicamente, los estadios experimentan mucho

tráfico antes y después de un evento, por ejemplo, en las calles que conducen a un estadio, paradas de autobús, estaciones de tren y estacionamientos. Mientras que en la

mayoría de los países este tráfico se acumula y disminuye 30-45 minutos antes del evento, en América del Norte la acumulación de tráfico puede durar hasta dos o tres horas

antes de un evento deportivo, especialmente cuando las personas se congregan en un estacionamiento y se quedan allí por un tiempo (llamado 'tailgating'). Por lo tanto, es

una práctica común en esa parte del mundo extender las redes interiores a los estacionamientos que rodean grandes estadios, para satisfacer las necesidades de capacidad

antes del juego. Mientras que en la mayoría de los países este tráfico se acumula y disminuye 30-45 minutos antes del evento, en América del Norte la acumulación de tráfico

puede durar hasta dos o tres horas antes de un evento deportivo, especialmente cuando las personas se congregan en un estacionamiento y se quedan allí por un tiempo

(llamado 'tailgating'). Por lo tanto, es una práctica común en esa parte del mundo extender las redes interiores a los estacionamientos que rodean grandes estadios, para

satisfacer las necesidades de capacidad antes del juego. Mientras que en la mayoría de los países este tráfico se acumula y disminuye 30-45 minutos antes del evento, en

América del Norte la acumulación de tráfico puede durar hasta dos o tres horas antes de un evento deportivo, especialmente cuando las personas se congregan en un

estacionamiento y se quedan allí por un tiempo (llamado 'tailgating'). Por lo tanto, es una práctica común en esa parte del mundo extender las redes interiores a los

estacionamientos que rodean grandes estadios, para satisfacer las necesidades de capacidad antes del juego.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 18 años
2,4 Exactitud de las fuentes de datos de calidad de red para la planificación

Figura 2-15 Precisión de ubicación indicativa para diferentes fuentes de datos.

La precisión de las fuentes de datos disponibles para la planificación se ilustra en la Figura 2-15. Cada uno de los tipos de datos
tiene sus propios beneficios y desventajas; por lo tanto, se requiere un enfoque pragmático para obtener la solución más
adecuada. Por ejemplo, hay una gran cantidad de estadísticas de celdas, pero no se puede resolver debajo del área de servicio
de la celda. Con la minimización de los datos de prueba de manejo (MDT), la ubicación del GPS se informa para un subconjunto
de teléfonos Android, incluida una marca de precisión si el teléfono considera que es una 'ubicación estable'. La geolocalización
2D y 3D con sondas de red tiene una variación de precisión relativamente grande. Mejorar la precisión de esta geolocalización es
el tema de la sección 4 de este documento. Los eventos de redes sociales a menudo se etiquetan con la ubicación GPS.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 19
3) Impacto de la precisión de ubicación en el ROI

¡Error! Fuente de referencia no encontrada. La Figura 3–1 muestra el ROI (retorno de la inversión) de varios perfiles de costos
diferentes del despliegue de celdas pequeñas (trazados en el eje Y) contra la distancia desde la ubicación ideal (en el eje X),
según lo proporciona una herramienta de planificación. Hay 1500 posibles sitios candidatos y 160 ubicaciones ideales elegidas
para cumplir con los criterios de capacidad y cobertura en este estudio. El ROI se basa en el principio de ingresos generados al
transportar un GB de datos, un valor que se estima públicamente en muchas fuentes, y el costo de implementación de varias
soluciones de sitio. La tecnología implementada en este ejemplo es una celda pequeña LTE 5 + 5w con un ancho de banda
relativamente pequeño.

Donde: ROI = beneficio / TCO durante un período de cinco años

Figura 3–1 Estudio del efecto del ROI con la distancia del ideal [Fuente: Nokia]

El retorno de la inversión es positivo para todas las soluciones del sitio, siempre que la mejor ubicación esté asegurada durante el
programa de compilación. Si el sitio preferido no está disponible, entonces hay un margen de maniobra antes de que el ROI
tienda a cero, pero esto depende del perfil de costos del sitio. Sin embargo, para maximizar el verdadero valor de la celda
pequeña, la precisión debe estar dentro de los 20-40 m del ideal. Esto se debe a que hay muchas celdas pequeñas donde la
reducción en el ROI es mucho más pronunciada que el promedio que se muestra aquí y un proceso de planificación bien
construido querría capturar todo el tráfico posible, no solo el caso promedio. Otra consideración es que, desde que se completó
este estudio, la capacidad de transporte de tráfico de las celdas pequeñas ha aumentado significativamente. Esto ayudará a
mejorar el ROI, incluso con una caída del precio minorista de un GByte de tráfico. Sin embargo,

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 20
4) Mejora de la precisión de la ubicación de UE con aprendizaje automático

Dada la importancia de obtener una ubicación precisa para la planificación de celdas pequeñas, tenemos que entender la precisión
de los datos de entrada. Si bien algunos teléfonos móviles (por ejemplo, Android) pueden informar la ubicación precisa en áreas
suburbanas o rurales usando GPS asistido (A-GPS), este método no funciona bien en áreas urbanas. Otras técnicas basadas en el
tiempo, como la diferencia de tiempo de llegada observada estándar (OTDOA) tampoco son, por lo general, lo suficientemente
precisas. Sin embargo, es posible aplicar un enfoque de algoritmo de aprendizaje automático para mejorar la precisión de OTDOA y
otros métodos basados ​en el tiempo. Los resultados son muy buenos, logrando precisiones de ubicación promedio típicas de
aproximadamente 18-25m en áreas suburbanas / urbanas.

4.1 Tipos de UE localizar

Ha habido varios enfoques de ubicación basados ​en la red a lo largo de los años, utilizando niveles de señal o triangulación de tiempo
entre sitios celulares [por ejemplo, Gabe] que podrían obtener una precisión de aproximadamente 50 m en áreas urbanas densas. Sin
embargo, es más probable que estos enfoques tengan una precisión de ubicación de más de 200 m en áreas suburbanas y no son
suficientes para la mayoría de las estrategias de colocación de células pequeñas en estas áreas. En áreas suburbanas y rurales, las
soluciones de ubicación basadas en teléfonos que usan A-GPS funcionan bien, con precisiones de alrededor de 10-15 m. Sin
embargo, ni A-GPS ni otras soluciones tienen precisiones de ubicación confiables de mucho menos de 50m en áreas urbanas, ya que
A-GPS de dispositivos móviles no puede 'ver' suficientes satélites para obtener una ubicación precisa.

Figura 4–1 Ejemplo de degradación de la precisión del GPS en las zonas del centro (en este caso, Dallas, Tx). Verde = más del 85% a 40 mo
más, Amarillo / Naranja = 50 a 85% <40 m, Rojo = menos del 50% <40 m

Un método para superar potencialmente la falta de A-GPS en las zonas urbanas es confiar en las 'mediciones de tiempo'
medidas por el teléfono entre los sitios celulares, por ejemplo con

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 21
Mediciones OTDOA informadas por las estaciones móviles a pedido. OTDOA es una solución estandarizada compatible con
casi todos los teléfonos móviles actuales para solicitudes de ubicación de clase de emergencia (por ejemplo, 911).

4.2 4.2 Uso del aprendizaje automático para crear soluciones 'mejoradas' basadas en el tiempo para mejorar la
precisión de la ubicación

Las mediciones OTDOA estándar informadas tienen una precisión marginal (más de 60-70 m de precisión media) en múltiples
entornos (urbano, suburbano, rural). Sin embargo, podemos demostrar que, con el aprendizaje automático, la precisión se puede
mejorar significativamente, produciendo precisiones medias de aproximadamente 18-25 m en áreas urbanas, suburbanas y
rurales.

4.3 4.3 Usando ML para mejorar las técnicas de localización basadas en el tiempo

Para determinar la precisión potencial de cualquier solución, se deben analizar las mediciones de una gran cantidad de teléfonos.
Para el estudio utilizado aquí, se eligió el área metropolitana de Dallas y se recolectaron varios miles de 'conjuntos' de mediciones
de ubicación derivadas de OTDOA, donde un 'conjunto' consiste en mediciones de ubicación de OTDOA a partir de múltiples
pares de ID de células.

Figura 4–2 Área de recolección del metro de Dallas

Además, para cada conjunto de mediciones de ubicación OTDOA a partir de pares de ID de celda, hay una medición GPS
medida como una ubicación conocida supuesta, como se muestra en el círculo verde sólido en la Figura 4–3.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 22
Figura 4–3 Un 'conjunto' de ubicaciones derivadas de pares OTDOA (círculos azules) y la supuesta ubicación conocida (círculo verde).

Como se puede ver, hay una serie de 'opciones de ubicación' (círculos azules), una para cada par de celdas. El objetivo es
encontrar la mejor ubicación estimada tan cerca de la ubicación conocida (círculo verde), a partir de las mediciones OTDOA
originales (que produjeron estas estimaciones de ubicación), y / o utilizando las mediciones OTDOA originales y las opciones de
ubicación. Uno supondría que cuanto más estimaciones de ubicación de pares OTDOA (círculos azules), mejor estimación de la
ubicación real. El gráfico a continuación ilustra con qué frecuencia se vieron menos de pares de células 'N' (o estimaciones de
ubicación).

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 23
Figura 4–4 Porcentaje de tiempo con menos de N pares de células que producen estimaciones de ubicación en una ubicación determinada

4.4 Cálculo del desplazamiento de tiempo relativo entre los sitios celulares para usar en cálculos de
ubicación y sincronización efectiva entre sitios

Antes de intentar usar mediciones informadas por OTDOA de pares de sitios de células para la estimación de ubicación, primero se
debe tener en cuenta el desplazamiento relativo de tiempo entre pares de sitios de células. Se puede crear un modelo que muestre, si
se conoce la ubicación de un móvil (por ejemplo, desde A-GPS), cómo se puede calcular el desplazamiento de sincronización del par de
sitios de la célula. Este desplazamiento se puede usar en estimaciones de ubicación OTDOA posteriores para dispositivos donde no se
conoce A-GPS.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 24
La diferencia de tiempo calculada del marco del

enlace descendente se determina a partir de las

ubicaciones del sitio y la ubicación móvil

Sitio B lat SI/ largo si

Sitio A lat UNA/ largo UNA


GPS móvil lat metro/ largo

metro

La diferencia entre estas diferencias


El dispositivo móvil mide la diferencia de
es el tiempo de trama
tiempo real de la trama del enlace descendente
desplazamiento, T B_offset.

Figura 4–5 Enfoque patentado hacia la sincronización de sitios celulares

4.5 4.5 Algoritmos de aprendizaje automático para mejorar la precisión y los resultados con OTDOA

Para cualquier instante dado que recolectamos mediciones OTDOA, después de, o junto con, aplicar las compensaciones de
temporización entre sitios como se describe en la sección anterior, podemos aplicar una variedad de algoritmos de aprendizaje
automático para estimar la ubicación real. El algoritmo más simplista puede ser simplemente "promediar" todas las estimaciones
de ubicación individuales de todos los pares de celdas que informan en un momento dado. Los métodos más sofisticados pueden
funcionar tanto en las mediciones OTDOA como en el conjunto de ubicaciones potenciales. La figura a continuación ilustra la
precisión de la ubicación en toda el área de prueba en Dallas usando un promedio simple (línea verde) y el enfoque de
aprendizaje automático pendiente de patente de AT&T (línea roja), en comparación con una 'estimación de ubicación de genio'
(línea negra), que selecciona la estimación de ubicación más cercana individual de un par de celdas dado a la ubicación conocida.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 25
Figura 4–6 Estimación de ubicación cuando hay al menos 10 pares de celdas usando un promedio simple, el algoritmo de aprendizaje
automático de AT&T y un 'genio' (estimación de ubicación más cercana de los pares de celdas a la ubicación conocida).

En este caso, se eligieron instancias donde se midieron al menos 10 pares de células desde el teléfono. Tenga en cuenta que la
precisión media (percentil 50) del algoritmo ML (curva roja) es de aproximadamente 18 m, con un percentil 80 y 90 alrededor de
45 my 80 m respectivamente. Además, la experiencia de comparar la precisión de la ubicación OTDOA real informada del
sistema OTDOA estándar fue en realidad un poco peor que la solución de "promedio simple" que se muestra en la figura anterior.
En consecuencia, la precisión del enfoque de ML al menos mejora con el "promedio simple". Tener en cuenta estos resultados y
mirar nuevamente el área del centro de Dallas, pero con OTDOA mejorado, nos da el resultado que se muestra a continuación.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 26
Figura 4–7 Ejemplo de uso de la precisión de ubicación OTDOA mejorada en áreas del centro (en este caso Dallas, Tx). Verde = más del
85% a 40 mo más, Amarillo / Naranja = 50 a 85% <40 m, Rojo = menos del 50% <40 m.

Como se puede ver, la mejora en la precisión de la ubicación (Fig. 8 vs. Fig. 1) es dramática, ya que muestra una buena precisión
de ubicación en las áreas urbanas del centro ahora, donde A-GPS luchó.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 27
5) Mejora de la colocación de células pequeñas mediante el aprendizaje automático

Dados los factores de costo y tecnología como entradas para la colocación de celdas pequeñas, la planificación y ejecución de
redes se vuelve compleja. La planificación manual de los planes de construcción puede ser engorrosa, incluso para los ingenieros
más expertos y con más experiencia. El aprendizaje automático brinda la oportunidad de comparar múltiples escenarios con
diferentes factores para maximizar la cobertura y minimizar los costos. AT&T ha estado probando un esfuerzo para usar ML para
la colocación de células pequeñas.

5.1 Factores incluidos en el modelo ML

Nuestros modelos comienzan con el área a cubrir (un polígono geográfico), los datos de ubicación ponderados por el tráfico
(ML mejorado por sección anterior) y las restricciones presupuestarias asociadas con esa área. Los datos se agregan al
modelo, incluidos el terreno y las estructuras en el área, y las clases y alturas de desorden asociadas. Se hacen suposiciones
con respecto a las antenas (omnidireccionales, de marca, etc.) Los candidatos se generan, clasifican y factorizan en el
siguiente orden de prioridad:

1) Activos LTE existentes


2) Lugares donde tenemos un acuerdo con los propietarios del sitio.
3) Intersecciones identificadas por callejeros abiertos
4) Rejilla hexagonal uniforme

El modelo utiliza los objetivos de cobertura y dominio. Una ubicación exterior se considera cubierta si la señal más fuerte en esa
ubicación tiene un RSRP mayor que - 112 dBm. Una ubicación tiene un dominio satisfactorio si hay al menos 5 dB de separación
entre la señal más fuerte y la tercera señal más fuerte en esa ubicación. La siguiente figura muestra los factores incluidos en
nuestro modelo

Figura 5–1 Factores incluidos en la generación de sitios ML

5.2 Mejora de costos y cobertura usando ML

Con el modelo establecido y los datos adecuados identificados y cargados, se pueden generar planes de construcción. Para este
ejemplo, utilizamos una sección de Manhattan. El diseño manual identificó 185 sitios en el polígono que tendrían que colocarse.
El diseño generado por ML creó 111 sitios. La siguiente figura muestra las diferencias entre los dos sitios.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 28
Figura 5–2 Manual de Manhattan versus diseños automatizados

El diseño automatizado puede proporcionar cobertura y dominio mientras reduce la cantidad de sitios requeridos. La reducción
de 74 sitios proporciona un ahorro del 40%, pero el modelo también ha creado una cobertura optimizada para este menor
costo. Las siguientes figuras demuestran el mantenimiento de la cobertura y la mejora del dominio en los planes manuales vs.
automatizados.

Figura 5–3 Cobertura (RSRP) en Manhattan en diseños manuales vs. diseños automatizados

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 29
Figura 5–4 Dominio en Manhattan en diseño manual vs. diseño automatizado

El diseño de celda pequeña es una aplicación emergente de ML: este ejemplo es uno de los primeros usos de diseño dentro de
AT&T. El uso de esta tecnología ofrece importantes beneficios, tanto a través de costos reducidos como de una mejor
experiencia del cliente. Estos modelos continuarán evolucionando a medida que nuestras suposiciones, datos y otras entradas
continúen mejorando.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 30
6) Agradecimientos

Este trabajo es acordado y representa la opinión de todos los miembros del Foro Small Cell, pero queremos agradecer
particularmente a las siguientes compañías que contribuyeron con contenido para este documento: AT&T, iBwave,
Nokia y Keima.

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 31
Referencias

1 [ SCF195 ] "Desafíos y recomendaciones de ubicación de células pequeñas", Foro de células pequeñas


2 [ SCF174 ] 'Planificación de capacidad para HetNets', Small Cell Forum

Título del informe: Planificación de precisión para redes 5G Era con celdas pequeñas
Fecha de emisión: 01 de octubre de 2019
Versión: 230.10.01 32