OpenPathNet
收藏资源简介：
OpenPathNet数据集（在OpenPathNet项目中称为Link 1版本）是通过OpenPathNet工具链从现实世界的迈阿密和波士顿城市区域基于OpenStreetMap（OSM）生成的，并使用NVIDIA Sionna射线追踪进行模拟，用于RF多径传播/信道建模研究和AI任务。数据集经过精心清理，确保每个场景中都有良好的建筑物覆盖。数据集包含两个城市子集：迈阿密（806个场景）和波士顿（971个场景），每个城市子集的大小约为35 GB。目录结构、文件描述和数据模式都有详细说明，同时提供了关于可重现性、引用和许可的信息。
The OpenPathNet dataset (referred to as Link 1 version within the OpenPathNet project) is generated from real-world urban areas of Miami and Boston based on OpenStreetMap (OSM) data via the OpenPathNet toolchain, and simulated using NVIDIA Sionna ray tracing for RF multipath propagation/channel modeling research and AI-related tasks. The dataset has been meticulously cleaned to ensure excellent building coverage in each scenario. It consists of two urban subsets: Miami (806 scenarios) and Boston (971 scenarios), with each subset occupying approximately 35 GB of storage. Detailed documentation is provided for its directory structure, file descriptions and data schema, alongside information regarding reproducibility, citations and licensing.
OpenPathNet 数据集概述
数据集简介
OpenPathNet 数据集是基于 OpenStreetMap (OSM) 真实世界城市区域生成，并利用 NVIDIA Sionna 射线追踪进行模拟，用于射频多径传播/信道建模研究和人工智能任务。数据集经过仔细清理，确保每个场景具有良好的建筑物覆盖率。
关键信息
- 许可证：odbl
- 数据来源：基于 OpenStreetMap (OSM) 的真实世界城市区域
- 生成工具：OpenPathNet 工具链
- 模拟方法：NVIDIA Sionna 射线追踪
- 覆盖城市：迈阿密（806个场景）、波士顿（971个场景）
- 数据规模：每个城市子集约 35 GB
城市子集详情
- Miami：包含 806 个场景
- Boston：包含 971 个场景
- 目录结构：两个城市采用相同的目录布局
目录结构
. ├── Miami/ │ ├── scenes/ │ │ └── scene_<lat><lon>/ │ │ ├── scene.xml │ │ └── mesh/ │ │ ├── building*.ply │ │ └── ground.ply │ ├── raytracing_results/ │ │ └── scene_<lat>_<lon>/ │ │ ├── raytracing_results.csv │ │ ├── raytracing_results.pkl │ │ ├── deepmimo_format.npy │ │ ├── heatmaps/ │ │ │ ├── azimuth_heatmap.png │ │ │ ├── channel_gain_heatmap.png │ │ │ ├── delay_heatmap.png │ │ │ ├── elevation_heatmap.png │ │ │ └── ... │ │ ├── channel_gain_distribution.png │ │ ├── delay_distribution.png │ │ ├── path_type_distribution.png │ │ └── outdoor_receivers.png │ ├── generated_scenes.txt │ └── raytracing.log ├── Boston/ │ └── ... (same structure as Miami) └── README.md
文件说明
generated_scenes.txt
生成清单和元数据（表格文本）。
- 头部记录总计数、中心坐标、采样半径、场景大小、生成模式等
- 每行（制表符分隔）包含：
- 场景文件路径
- 原始/实际经纬度
- 生成类型
- 尝试次数
- 偏移距离（km）
raytracing.log
批量射线追踪的摘要日志（通常每个场景一行），包括运行时间、接收器数量和路径数量。
scenes/ 目录
每个场景的几何资源。
scene.xml：场景描述文件（数字孪生/渲染器兼容格式）mesh/：几何网格文件（如建筑物和地面），格式为.ply
raytracing_results/ 目录
每个场景的射线追踪输出和可视化结果。
对于每个场景中的每个接收点，数据集保留并记录信道增益最高的前5条路径。以下文件包含这些保留路径的完整多径属性，包括接收器位置、载波频率、路径类型、信道增益、到达时间以及离开/到达角度。
raytracing_results.csv：表格结果（易于分析/导入）raytracing_results.pkl：Python序列化结果（快速加载）deepmimo_format.npy：DeepMIMO风格的结构化输出，用于下游机器学习流程heatmaps/和*.png：可视化图表（如信道增益/延迟/方位角/仰角）
数据模式：raytracing_results.csv / raytracing_results.pkl
- 结构：表格数据；通常一行 = (接收器
rx_id, 一条路径)，因此每个rx_id通常出现5次 raytracing_results.pkl是一个pandas.DataFrame，列与raytracing_results.csv相同
列说明：
rx_id：接收器索引（整数）type：路径类型（如LoS/Reflected/Scattered）channel_gain：信道增益相关数值（科学计数法）tau：到达时间，单位为秒freq：载波频率，单位为 Hzrx_coord：接收器坐标，格式为类似"[x, y, z]"的字符串phi_r,theta_r：到达方位角/仰角phi_t,theta_t：离开方位角/仰角
数据模式：deepmimo_format.npy
- 文件内容：一个标量
numpy.ndarray，dtype=object；arr.item()返回一个dict - 顶层键：
user：长度为 $N_{rx}$ 的列表；每个元素对应一个接收器location：用于描述场景/坐标系信息的列表（不同版本/配置可能略有不同）
每个 user[i] 是一个包含以下内容的 dict：
location：形状为(3,)的numpy.ndarray，接收器坐标[x, y, z]paths：一个包含以下内容的dict（数组长度为5，即前5条路径）：channel_gain：float32，形状(5,)ToA：float32，形状(5,)DoA_theta：float64，形状(5,)DoA_phi：float64，形状(5,)num_paths：int（本数据集中为5）
命名规则
- 每个场景目录命名为
scene_<lat>_<lon>，其中<lat>/<lon>为十进制纬度/经度 scenes/和raytracing_results/下的场景文件夹一一对应
相关资源
- 项目代码/生成器仓库：https://github.com/liu-lz/OpenPathNet
- 引用信息：请参考 OpenPathNet 仓库文档中的引用信息
- 许可证说明：请遵循 OpenPathNet 仓库文档中的许可证、生成器代码许可证和第三方数据源声明
