비엔나 4G·5G 드라이브 테스트 데이터셋

초록

본 논문은 오스트리아 비엔나 전역에서 수집한 LTE와 5G NR 측정 데이터를 공개한다. 수동 와이드밴드 스캐너와 활성 스마트폰 로그를 결합해 네트워크‑측과 사용자‑측 정보를 동시에 제공하며, 일부 기지국에 대해 위치·방위·안테나 높이 등을 추정한다. 고해상도 건물·지형 모델도 포함돼 환경‑조건 학습, 전파 모델링, 레이 트레이싱 보정 등에 활용할 수 있다.

상세 분석

이 데이터셋은 도시 규모(≈100 km²)의 4G·5G 실측 데이터를 최초로 통합적으로 제공한다는 점에서 큰 의미를 가진다. 수동 스캐너는 PCTEL IBflex와 OmniLOG PRO 안테나 두 개를 이용해 광대역 신호를 무편향적으로 수집하고, GPS와 연동해 정확한 위치 정보를 기록한다. 반면 활성 스마트폰은 5G‑NSA 모드에서 RSRP, RSRQ, RSSI, SINR, 스루풋, 타이밍 어드밴스(TA) 등 사용자 관점의 KPI를 제공한다. 두 데이터 소스는 동일한 시간·위치 기준으로 정렬돼, 동일 셀에 대한 네트워크‑측과 사용자‑측 관측을 동시에 분석할 수 있다.

핵심 기여는 셀 메타데이터와 고해상도 3D 도시 모델을 함께 제공한다는 점이다. 공개된 건물·지형 모델은 레이 트레이싱 시뮬레이션에 바로 활용 가능하며, 기지국 위치·방위·안테나 높이 추정값은 실제 운영망과의 차이를 정량화하는 기준이 된다. 추정 방법은 기존 연구(Eller et al.)를 기반으로, 공개된 오스트리아 송신소 데이터베이스와 Google Earth Pro를 이용해 후보 위치를 제한하고, TA 기반 원형 겹침 검증을 통해 공간적 일관성을 확보한다. L​TE는 일일 상위 10개 셀을 선택해 50개 이상의 기지국을 추정했으며, 5G는 PCI 기반 군집화와 TA 원형 검증을 통해 30개 이상의 셀을 추정한다. 방위는 RSRP 가중 중심을 이용해 계산했으며, 이는 스캐너가 제공하는 빔 정보와 일관된다.

데이터 구조는 네 개의 주요 컴포넌트(스캐너, 핸드셋, 셀 정보, 도시 모델)로 나뉘며, 각 테이블은 키 필드와 조인 방법을 상세히 문서화했다. 이는 연구자가 원하는 분석 파이프라인(예: 레이 트레이싱 보정 → 환경‑조건 라디오맵 학습 → 기지국 위치 추정)으로 손쉽게 데이터를 연결할 수 있게 한다.

활용 사례는 레이 트레이싱 보정, 환경‑조건 라디오맵 학습, 기지국 위치·방위 추정, 5G 빔 관리 연구, 디지털 트윈 구축 등으로 다양하다. 특히, 실제 측정과 시뮬레이션 간 차이를 정량화하고 보정 파라미터를 학습하는 데 적합하다. 기존 공개 데이터셋(DoNext, Ro​chman 등)은 측정량이나 KPI는 풍부하지만 배치 메타데이터와 고해상도 3D 모델이 결합되지 않아, 본 데이터셋은 그 격차를 메우는 역할을 한다.

전반적으로 이 데이터셋은 머신러닝 기반 전파 모델링과 전통적인 물리 기반 시뮬레이션을 동시에 검증·보완할 수 있는 귀중한 자원이며, 도시 규모의 무선 네트워크 연구에 새로운 표준을 제시한다.