第 3 章 5G UDN 技术概述

第十七节：IMT-2020定义的5G UDN应用场景性能指标与现有技术的差距

5G UDN的部署场景

场景三：购物中心 / 火车站 / 机场
购物中心 / 火车站 / 机场都是室内用户高密度分布场景，终端用户主要处 于低速的游牧状态。这一场景下的蜂窝业务类型也非常丰富，需要针对混合类 数据业务进行研究。在该场景中，LPN 可以密集地部署在室内，顾客、旅客人 群对此相对没住宅区那么敏感。与此同时，为了实现较好的室内广域覆盖，在 LPN 的基础上，可以进一步部署室内高功率基站节点，形成多层的室内异构叠 层覆盖。该场景下也可能为基站节点提供较好的有线回程链路，可以基于理想 回程链路展开研究。这个场景只需要考虑接入链路的干扰问题，包括基站节点 间的干扰，及室内广域覆盖小区与小小区之间的干扰。此外，基于内容感知的 移动性管理增强也是在这个场景中研究的问题。
场景四：体育场 / 集会
体育场 / 集会为室外用户高密度分布的场景，终端主要处于静止状态。 LPN 有可能使用定向天线，无线信号的传播可以以直射径为主。这一场景以视频类业务及大量、突发小数据包数据业务为主，而且上行流量负载通常相对较 重，有时业务数据量甚至可能超过下行，因此上行干扰相当严重。由于该场景 多位于室外较空旷的区域，因此，如何灵活地部署基站节点是一个关键问题。 这一场景通常缺乏理想的有线回程条件，应基于非理想回程链路展开研究，可 考虑使用无线自回程链路，以扩展服务区域以及实现基站节点间的快速协作。 除了无线干扰以外，上行业务数据风暴及核心网的信令压力等问题也需在该场 景中重点研究。
场景五：公寓
公寓为室内用户低密度分布的场景，终端用户以静止状态为主。这一场景 中的蜂窝业务类型比较丰富，需要针对混合类数据业务进行研究。在该场景中， 基站节点可部署在各个公寓楼内，通过室内非理想的回程链路（如 ADSL）或 理想回程链路（如光纤）连接到核心网。室外宏基站可通过无线自回程链路，控 制室内基站节点的工作过程，实现基站间的快速协作。通常每间公寓之间有较厚 内墙的阻隔，因此小小区间的干扰减轻。
公寓场景可能存在室外宏基站与室内微基站节点间的干扰，以及室内微基 站节点之间的干扰。与场景二类似，公寓场景由于有的微基站节点的负载较低， 有可能使用上下行资源动态分配技术，进而产生上下行链路间的干扰问题。但 由于存在较好的物理隔离，该场景中的干扰强度通常会低于其他场景。此外， 如何根据各种无线接入技术的特点，在不同 RAT 节点间实现数据业务分流， 也是该场景需要考虑的问题。
公寓场景环境下的参考信道模型示意如下。
（1）大尺度路径损耗

• 2 GHz 小基站：3GPP Dual Strip；
• 3.5 GHz 小基站：3GPP Dual Strip。

（2）小尺度衰落
小基站：ITU。
（3）穿透损耗

• 不同层间穿透 18.3 n［（n+2）/（n+1） -0.46］dB，参考 3GPP Dual Strip 中对层间穿透的计算；
• 内墙损耗 5 dB，参考 3GPP Dual Strip 中对内墙穿透的计算。

场景六：地铁
地铁属于一种特殊的部署场景。在这一场景中，终端用户通常以极高的密度分布在车厢内，并且处于中高速移动状态。该场景下的蜂窝业务类型也是多 种多样，需要针对混合类业务进行研究。该场景可以在车厢内密集部署 LPN， 用户对此也相对不敏感。由于车厢之间不阻隔，LPN 之间的干扰较大。另外， 也可以考虑在地铁沿线部署泄漏电缆，利用沿线的外部宏基站为车厢内用户提 供服务。高速移动相关的问题是需要在该场景中重点关注的。
针对上述 UDN 场景，IMT-2020 推进组也建议了相应的需求 KPI 指标， 见表 3-1。

密集住宅区场景为 UDN 部署组网主要研究场景中流量挑战较大的场景之 一，其中流量密度 KPI 为 3.2T/130M bit/（s·km2）（DL/UL）。由于住宅环 境的特殊性，室内较难进行小基站的部署，因此性能评估关注小基站部署在 室外密集住宅的周围区域，且与居民楼有一定安全距离。小基站部署示意如图 3-4 所示。

针对不同小基站数目与系统容量性能进行仿真评估，结果如图 3-5 所示。

基于上述内容，随着小基站数目的增加，系统容量逐渐升高，当每个密集 住宅区内部署 8 个小基站时，系统容量仅达到宏蜂窝覆盖情况下的 13 倍，具体 如图 3-6 所示。
但是随着小基站数目的增加，干扰情况也急剧恶化，小区平均和边缘的频 谱效率均呈现先递增后递减的趋势。根据上述仿真结果，每个密集住宅区部署 8 个小基站，小基站支持 20 Mbit/s 带宽，系统容量换算为流量密度为 0.044 Tbit/（s·km2）。假设系统支持 100 Mbit/s 带宽，流量密度可近似计算为 0.044 Tbit/（s·km2）×5 = 0.22 Tbit/（s·km2） << 3.2 Tbit/（s·km2）

与流量密度 KPI 约有 15 倍差距，需要新的增强技术，例如：

• 更为密集的小基站部署；
• 干扰管理；
• 高频、高带宽；
• 与其他技术相结合。

小基站部署密度对终端的移动性性能也有较大的影响，以下面的仿真评估 为例。小基站和宏基站采用同频部署，频率为 2.0 GHz。具体部署场景如图 3-7 所示，仿真区域内共包括两层 19 个三扇区小区，且每扇区内随机生成 1 个 热点区域，每个热点区域内由 4/9 个小基站提供服务。其中，当热点区域内部 署 4 个小基站时，小基站间距固定为 40m；当热点区域内有 9 个 pico 时，小 基站间距固定为 20m。
UE 的初始位置在整个仿真区域均匀分布，沿一随机方向匀速直线运动， 当离开仿真区域时以 Wrap-around 的方式从仿真区域边界的另一位置再次进 入仿真区域。宏微、宏宏以及微微间切换为同频切换，触发事件采用 EVENT A3，仿真流程与 3GPP TR 36.839 中 LargeArea 场景下的移动性评估流程与 方法保持一致，且已经和各公司移动性仿真结果校准。本仿真具体系统的仿真 参数以及移动性相关仿真参数参见表 3-2 和表 3-3 所示。




如图 3-8 所示，随着小小区密度的增加，终端总移动切换尝试次数显著增加，增长接近 25%，频繁地切换导致核心网和基站空口的信令负荷的增加，其 中由于小基站的部署，pico-pico 切换发生次数显著增加。频繁地切换还会导致 业务数据传输中断，丢包和用户通信体验的下降。

如图 3-9 所示，随着小小区密度的增加，pico-macro、pico-pico 切换失 败率以及切换失败发生的次数显著增加，而 macro-macro、macro-pico 切换 失败率变化不大，仅有一定程度的增加，总的切换失败率提高 30%。

Short ToS 定义为 UE 在某扇区的停留时间小于预先设置的最小停留时间 （1s），体现了乒乓效应的强度。由图 3-10 可以得到，随着小小区密度的增加， Short ToS 的发生次数和概率均有所增长，其中发生次数上升达 53%。综上，可以得到如下结论：随着小基站的密集部署，小基站受到周围同频小基站的干扰增加，宽带 CQI 下降，导致 pico-pico 以及 pico-macro 的切换失败率升高。与此同时，Short ToS 发生的次数和概率也随之增加。此外，切换发生频率增加带来的巨大信令负荷也不容忽视。

第十九节：3GPP相应的5G UDN场景及性能需求