가나 도시·교외 LTE 경로손실 예측을 위한 향상된 전파 모델

본 논문은 가나의 도시 및 교외 환경에서 LTE 네트워크 설계에 필요한 정확한 경로손실 예측을 목표로, 현장 측정과 기존 전파 모델의 검증·보정을 체계적으로 수행하였다. 연구 배경으로는 가나에서 상용화된 4G LTE 서비스가 목표로 하는 100 Mbps 평균 스루풋을 거의 달성하지 못하고 있어 고객 불만이 증가하고 있다는 점을 들었다. 기존에 사용되는 전파 모델들은 대부분 다른 지역(예: 미국, 유럽)에서 개발된 경험적 모델이며, 가나와 같은 열대 기후·지형 특성을 반영하지 못해 예측 오차가 크게 나타난다. **측정 설계** - 측정 대상: 10개 기지국(송신 안테나 높이 24~35 m)과 7개 지역(Adum, Techiman, Agogo, Afrancho, New Dorma, Berekum, Sunyani) - 주파수: 800 MHz(5개 기지국)와 2600 MHz(다른 5개 기지국) - 거리: 기준점 50 m부터 500 m까지 50 m 간격, 총 10개 거리 포인트 - 장비: Genex Probe 기반 스마트폰 드라이브 테스트, GPS 연동, 수신 안테나 높이 1.5 m 유지 - 측정 기간: 2022년 2월~5월, LOS와 NLOS 모두 포함 **모델 선정 및 적용** 6가지 모델을 선택하였다: 자유공간(FSPL), Hata, COST‑231, ECC‑33, SUI, Ericson. 각 모델에 대해 주파수(f), 거리(d), 송·수신 안테나 높이(ht, hr), 환경별 그림자 손실(σ) 등을 입력하고, 모델별 예측 경로손실을 계산하였다. **비교 결과** - 자유공간 모델은 실제 손실을 크게 과소평가, 특히 도시 환경에서 15~20 dB 차이 발생. - Hata와 COST‑231 모델은 도시에서는 과대예측, 교외에서는 비교적 근접했으나, 주파수 2600 MHz에서 오차가 5~8 dB 확대. - ECC‑33 모델은 전체적으로 가장 낮은 RMSE(≈2.3 dB)를 기록했지만, 특정 지역(예: Afrancho)에서는 3 dB 이상 차이. - SUI 모델은 지형 파라미터(a, b, c) 적용이 부적절해 도시에서 4~6 dB 오차. - Ericson 모델은 기본 파라미터가 도시 환경에 적합했으나 교외에서는 3~5 dB 오차. **모델 보정** 저자들은 측정 데이터를 기반으로 세 모델을 재조정하였다. 1. **Ericson**: 환경별 상수 A, B, C, D 값을 도시(36.2, 30.2, 12.0, 0.1)와 교외(43.2, 68.9, 12.0, 0.1)에서 최적화. 2. **SUI**: 지형 카테고리 A, B, C에 해당하는 a, b, c 값을 가나의 실제 건물 밀도와 지형 경사에 맞게 수정(예: a=4.8, b=0.0068, c=13.5). 또한 경로손실 지수 γ를 2.8~3.2 사이로 조정. 3. **ECC‑33**: 안테나 높이 보정식과 주파수 보정식을 현지 평균 건물 높이(≈20 m)와 대기 습도(≈80 %)에 맞게 재계산. 보정 후 모델들의 RMSE는 평균 1.1 dB까지 감소했으며, 특히 교외 지역에서 예측 정확도가 크게 향상되었다. **경로손실 지수(α) 산출** 각 지역별 측정 데이터를 로그-선형 회귀 분석하여 α 값을 도출하였다. - 도시 지역(Adum, Techiman, Sunyani): α≈3.3~3.5 - 교외 지역(Agogo, Afrancho, New Dorma, Berekum): α≈2.6~2.9 이 값은 기존 표준 모델이 가정하는 2~4 범위와 일치하지만, 실제 현장에서는 지역마다 차이가 있음을 강조한다. **시뮬레이션 적용 및 비용 절감** 보정된 모델들을 네트워크 플래닝 툴에 적용해 기지국 배치와 전력 할당을 최적화한 결과, 동일 커버리지를 확보하면서 전송 전력 5~10 % 절감, 셀 반경 8~12 % 확대 효과를 확인하였다. 이는 운영 비용 절감과 서비스 품질 향상에 직접적인 기여를 할 수 있다. **결론 및 향후 과제** - 가나와 같은 열대·아프리카 환경에서는 현지 측정 기반 모델 보정이 필수적이며, 제안된 Ericson, SUI, ECC‑33 개선 모델이 기존 모델 대비 우수한 예측 성능을 보인다. - 향후 연구에서는 3.5 GHz와 같은 고주파 대역, 실내·실외 혼합 환경, 그리고 이동성에 따른 다중 경로 효과를 포함한 모델 확장이 필요하다. 또한, 머신러닝 기반 데이터 드리븐 모델과 기존 경험적 모델을 하이브리드하는 방안도 검토될 수 있다.