COVERAGE OPTIMIZATION IN URBAN 5G NETWORKS USING DIGITAL TWINS AND RAY TRACING TECHNIQUES
Article Sidebar
Main Article Content
Abstract
This study implements a digital twin of the historic center of Cuenca to evaluate and optimize 5G coverage in a dense urban environment. The high concentration of buildings generates shadowed areas and affects service quality, making the use of high-fidelity propagation models like ray tracing necessary for network planning. A three-dimensional virtual environment was built, and Sionna RT was employed with the 3GPP UMi channel model to simulate signal propagation. Unlike simple angular optimization approaches, this work proposed a two-stage hybrid optimization methodology: first, the positions (x, y) of the transmitters (Tx) were optimized using a Particle Swarm Optimization (PSO) algorithm; second, with the Tx in these optimal positions, they were configured with MIMO UPA (4x4) arrays, and their orientation (azimuth and elevation) was optimized using a Bayesian algorithm, always with the objective of maximizing the average SINR. Functional coverage (P (SINR > 0 dB)) dramatically increased from 20% to 75%. Furthermore, link quality significantly improved, with over 50% of the cells exceeding 5 dB. This confirms that integrating the tools used is a robust method for improving urban coverage and reducing pre-deployment risks.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
La Revista Científica ECOCIENCIA opera bajo una bajo una licencia Creative Commons Reconocimiento-No Comercial 4.0 Internacional (CC-BY-NC 4.0).
BY: la dirección de la revista, así como el Comité Editorial, tienen atribución para compartir, copiar y redistribuir el material de la revista en cualquier medio o formato, así como adaptar, remezclar y transformar las secciones de la revista no causando alteración en el contenido de los artículos publicados o previo a publicar por parte de los autores.
NC: el material de la revista no puede ser manejado con fines comerciales por lo cual ninguna de sus secciones ni artículos publicados por los autores, está disponible para la venta o actividad comercial.
Se autoriza la reproducción, parcial o total, de los artículos publicados en la Revista Científica ECOCIENCIA, siempre que se cite apropiadamente la fuente y se use sin propósitos comerciales.
Los miembros que conforman el Comité Editorial de la Revista Científica ECOCIENCIA, realizan una labor transparente en los diferentes procesos de gestión de la misma garantizando la elevada calidad de cada uno de los artículos que quedan publicados a disposición de la comunidad académica y científica. Dicho Comité verifica que cada artículo enviado por su autor/es, carezca de plagio y para ello se emplea el software antiplagio Turnitin.
El reporte que Turnitin envía como respuesta al editor evaluador, permite que este pueda visualizar si ha habido similitudes o plagio (en su defecto) lo cual comúnmente sucede por errores en la forma de citar o referenciar por parte del autor del artículo. Igualmente, el evaluador gracias al reporte de Turnitin, puede visualizar de cuáles fuentes o documentos originales ha incurrido en plagio el autor del trabajo. Una vez que sea constatada la ausencia de plagio en cada artículo, se da inicio al proceso de revisión por parte de los pares ciegos. Si se detecta plagio en el artículo, automáticamente este es rechazado y se notifica el veredicto al autor/es.
Cuando un artículo es aprobado, el/los autor/es conservan los derechos de autor y cede(n) a la Revista Científica ECOCIENCIA, el derecho de ser la primera que pueda editarlo, reproducirlo, exhibirlo y comunicarlo mediante medios impresos y electrónicos.
References
Aguirre Ullauri, M. del C. (2021). Materiales históricos, lectura histórico constructiva y caracterización. El caso de cuenca (ecuador). Universidad Politécnica de Madrid.
Aguirre Ullauri, M. del C., Castillo Carchipulla, E. M., & López León, D. M. (2020). Diagnóstico de materiales y lesiones en las fachadas del centro histórico de Cuenca (Ecuador). Ge-conservacion, 17(1), 47–63. https://doi.org/10.37558/gec.v17i1.682
Al-Absi, A. & others. (2024). Analysis of 3GPP and Ray-Tracing Based Channel Model for 5G Industrial Network Planning. arXiv preprint arXiv:2407.16528.
Al-Absi, M. A., Al-Absi, A. A., Al-Ansi, A. A. M., Lee, H.-B., & Kim, K.-Y. (2025). A Digital Twin-Based Framework for Real-Time Ray-Tracing in 6G V2X Urban Environments. Sensors, 25(11), 3543. https://doi.org/10.3390/s25113543
Alzubaidi, O. T. H., Hindia, M. N., Dimyati, K., Noordin, K. A., Wahab, A. N. A., Qamar, F., & Hassan, R. (2022). Interference challenges and management in B5G network design: A comprehensive review. Electronics, 11(18), 2842. https://doi.org/10.3390/electronics11182842
Aslam, M. Z., Corre, Y., Björnson, E., & Larsson, E. G. (2019). Performance of a dense urban massive MIMO network from a simulated ray-based channel. J Wireless Com Network, 2019(1), 106. https://doi.org/10.1186/s13638-019-1425-1
Estrada-Jiménez, J. C., Farré-Guijarro, V. R., Alvarez-Paredes, D. C., & Watrinet, M.-L. (2024). Digital Twin for Advanced Network Planning: Tackling Interference. 2024 IEEE 35th International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC), 1–6. https://doi.org/10.1109/PIMRC59610.2024.10817462
Hevner, A. R., March, S. T., Park, J., & Ram, S. (2004). Design science in information systems research. MIS Quarterly, 28(1), 75–105. https://doi.org/10.2307/25148625
Hoydis, J., Aoudia, F. A., Cammerer, S., Nimier-David, M., Binder, N., Marcus, G., & Keller, A. (2023). Sionna RT: Differentiable Ray Tracing for Radio Propagation Modeling. 2023 IEEE Globecom Workshops (GC Wkshps), 317–321. https://doi.org/10.1109/GCWkshps58843.2023.10465179
Hoydis, J., Cammerer, S., Ait Aoudia, F., Nimier-David, M., Maggi, L., Marcus, G., Vem, A., & Keller, A. (2022). Sionna (Versión 1.1.0).
Hoydis, J., Cammerer, S., Aoudia, F. A., Vem, A., Binder, N., Marcus, G., & Keller, A. (2023, marzo 20). Sionna: An Open-Source Library for Next-Generation Physical Layer Research (Número arXiv:2203.11854). arXiv. https://doi.org/10.48550/arXiv.2203.11854
Idowu-Bismark, O., Oshin, O., Adetiba, E., & Idowu-Bismark, O. (2024). 3D mmWave MIMO Channel Modeling and Reconstruction for Street Canyon and Highrise Scenarios. 2024 International Conference on Science, Engineering and Business for Driving Sustainable Development Goals (SEB4SDG), 1–6. https://doi.org/10.1109/SEB4SDG60871.2024.10629820
Iye, T., Sakamoto, M., Takaya, S., Sato, E., Susukida, Y., Nagaoka, Y., Maruta, K., & Nakazato, J. (2025). Open Wireless Digital Twin: End-to-End 5G Mobility Emulation With OpenAirInterface and Ray Tracing. IEEE Access, 13, 175109–175122. https://doi.org/10.1109/ACCESS.2025.3619105
Kennedy, J., & Eberhart, R. (1995). Particle Swarm Optimization. Proceedings of the IEEE International Conference on Neural Networks, 4, 1942–1948. https://doi.org/10.1109/ICNN.1995.488968
Mezaal, M. T., Aripin, N. B. M., Othman, N. S., & Sallomi, A. H. (2024). The effect of urban environment on large-scale path loss model’s main parameters for mmWave 5G mobile network in Iraq. Open Engineering, 14(1), 20220601. https://doi.org/10.1515/eng-2022-0601
Nogueira, F. (2014). Bayesian Optimization: Open source constrained global optimization tool for Python. https://github.com/bayesian-optimization/BayesianOptimization
Project (3GPP), 3rd Generation Partnership. (2018). Study on channel model for frequencies from 0.5 to 100 GHz (Technical Report TR 138 901 V14.3.0). ETSI. https://www.etsi.org/deliver/etsi_tr/138900_138999/138901/14.03.00_60/tr_138901v140300p.pdf
Quezada Zambrano, R. A., Jimenez Pacheco, J. C., & Garcia Erazo, H. A. (2021). Caracterización del patrimonio edificado del centro histórico de Cuenca-Ecuador. Cienciamérica, 10(2), 68–84. https://doi.org/10.33210/ca.v10i2.376
Salazar, A., Arévalo, G. V., & Játiva, R. (2021). Propagation, blockage and coverage evaluation in 5G urban wireless networks. Global Congress on Electrical Engineering (GC-ElecEng) 2021, 55–60.
Sionna—Sionna 1.2.1 documentation. (s/f). Recuperado el 25 de febrero de 2026, de https://nvlabs.github.io/sionna/index.html
Snoek, J., Larochelle, H., & Adams, R. P. (2012, agosto 29). Practical Bayesian Optimization of Machine Learning Algorithms (Número arXiv:1206.2944). arXiv. https://doi.org/10.48550/arXiv.1206.2944
Sutton, G. J., Zeng, J., Liu, R. P., Ni, W., Nguyen, D. N., Jayawickrama, B. A., Lv, T., & others. (2019). Enabling technologies for ultra-reliable and low latency communications: From PHY and MAC layer perspectives. IEEE Communications Surveys & Tutorials, 21(3), 2488–2524. https://doi.org/10.1109/COMST.2019.2899458