UrbanRadio3D

UrbanRadio3D是一个大规模、高分辨率的3D无线电地图数据集，通过在真实城市环境中进行射线追踪构建。该数据集比之前的2D数据集大37倍，具有3个指标：路径损耗、到达方向和到达时间，形成了一个新的3D×3D数据集，比之前的最先进的（SOTA）数据集具有7倍的高度层。为了基准3D无线电地图构建，提出了一种具有3D卷积算子的UNet。此外，还进一步介绍了RadioDiff-3D，一个基于扩散模型的生成框架，利用3D卷积架构。RadioDiff-3D支持已知发射器位置的辐射感知场景和基于稀疏空间观察的辐射未知设置。在UrbanRadio3D上的广泛评估表明，RadioDiff-3D在构建丰富、高维的无线电地图方面表现出优异的性能，这些无线电地图在各种环境动态下具有多样性。这项工作为未来3D环境感知通信的研究提供了一个基础数据集和基准。

UrbanRadio3D is a large-scale, high-resolution 3D radio map dataset constructed via ray tracing in real urban environments. This dataset is 37 times larger than previous 2D datasets, and includes three core metrics: path loss, Direction of Arrival (DoA), and Time of Arrival (ToA), forming a novel 3D×3D dataset with 7 times more height layers than prior state-of-the-art (SOTA) datasets. To benchmark 3D radio map construction, a UNet with 3D convolutional operators is proposed. Furthermore, RadioDiff-3D, a diffusion model-based generative framework leveraging 3D convolutional architectures, is introduced. RadioDiff-3D supports both radiation-aware scenarios with known transmitter locations and radiation-unknown settings based on sparse spatial observations. Extensive evaluations on UrbanRadio3D demonstrate that RadioDiff-3D exhibits excellent performance in constructing rich, high-dimensional radio maps with diversity across various environmental dynamics. This work provides a foundational dataset and benchmark for future research on 3D environment-aware communications.

原始信息汇总

UrbanRadio3D数据集概述

数据集来源

• 数据集由IEEE TNSE接受并发布，项目名称为UrbanRadio3D。

数据集访问

• 百度网盘
  链接：https://pan.baidu.com/s/1TaHjVrQuIxm_7CcWWVuXcg?pwd=exz2
  提取码：exz2

• OneDrive
  链接：https://1drv.ms/f/s!AitEjoFKe4hDjnCI0Jbbt5rPpyiI?e=FFIztH
  提取码：RadioDiff-3D

数据集内容

文件描述

• Building_Infomation.zip
  包含建筑物高度及其空间分布信息，用于无线通信环境建模的关键几何特征。

数据命名规范

• RM (Radio Map) 图像文件命名格式
  xxx_Xxxx_Yxx.png
  其中：
  • xxx：建筑物分布图索引
  • Xxxx：基站的X坐标
  • Yxx：基站的Y坐标

数据集划分

• 提供推荐的训练集和测试集划分，以标准化模型训练和评估流程。

其他信息

• 如需进一步帮助，可联系项目团队获取支持。

搜集汇总

数据集介绍

构建方式

UrbanRadio3D数据集的构建采用了基于射线追踪的高保真电磁仿真技术，在真实城市环境中生成了大规模的三维无线电地图。研究团队利用Altair软件套件中的WinProp模块，对701个不同城市区域进行了精细模拟，每个区域覆盖256×256平方米范围，空间分辨率达到1米。数据集通过设置200个随机分布的发射机位置，并在1米至20米高度范围内以1米为间隔进行接收机高度分层采样，最终形成了包含1120万标记数据点的庞大数据集。这种构建方法不仅考虑了城市建筑的真实高度和几何形状，还通过Dominant Path Model（DPM）在计算效率和物理准确性之间取得了平衡，为三维无线传播特性研究提供了可靠的基础。

特点

UrbanRadio3D数据集在三维无线电地图领域具有显著优势，其最突出的特点是多维度、高分辨率的信道特征表征。相较于传统二维数据集，该数据集在垂直维度上设置了20个高度层，空间分辨率达到1立方米，并同时包含路径损耗（pathloss）、到达方向（DoA）和到达时间（ToA）三种关键信道参数。数据集覆盖了全球多个典型城市的701种不同城市场景，建筑高度在6.6米至19.8米之间变化，充分体现了城市环境的多样性。通过采用射线追踪技术生成的精确电磁场数据，数据集能够准确反映信号在复杂三维空间中的传播特性，为6G环境感知通信研究提供了前所未有的数据支持。

使用方法

UrbanRadio3D数据集支持两种典型应用场景下的使用方法。在基站信息已知的场景下，研究者可将建筑几何信息与发射机配置作为条件输入，通过三维卷积神经网络或扩散模型直接生成完整的无线电地图张量。在稀疏采样场景中，数据集允许结合环境先验知识和局部观测数据，采用重建引导的条件采样技术进行无线电地图补全。为便于模型训练，数据集采用规范的层级目录结构组织，各模态数据（路径损耗、DoA、ToA等）按高度分层存储，并提供了建筑分割图、高度图和发射机位置图等辅助信息。使用者可通过标准化预处理流程将原始数据转换为适合深度学习模型输入的4D张量格式，进而开展三维信道预测、波束成形优化等研究任务。

背景与挑战

背景概述

UrbanRadio3D是由西安电子科技大学、香港中文大学（深圳）及加拿大滑铁卢大学等机构联合研发的大规模高分辨率三维无线电信道数据集，于2024年正式发布。该数据集通过射线追踪技术在真实城市环境中构建，覆盖701个城区场景，包含1120万数据点，空间分辨率达1立方米，是目前首个同时集成路径损耗、到达方向（DoA）和到达时间（ToA）三维度指标的数据集。其创新性地采用3D×3D结构，垂直维度设置20个高度层，较传统二维无线电地图数据集扩展了7倍空间维度，为6G环境感知通信中的三维波束成形、无人机轨迹规划等应用提供了基础数据支撑。

当前挑战

在领域问题层面，UrbanRadio3D需解决三维空间信号传播建模的三大核心挑战：1）垂直维度信道特性突变问题，城市环境中建筑物高度差异导致信号在Z轴的非线性衰减；2）多模态数据融合难题，需同步建模路径损耗、角度域和时域参数的复杂耦合关系；3）动态环境适应性，移动基站场景下需实时更新三维无线电地图。在构建过程中面临：1）计算复杂度激增，单场景200个发射点的全高度射线追踪需消耗数万CPU小时；2）数据一致性保障，需协调多城市建筑几何数据库与电磁仿真参数的标准化；3）物理真实性验证，毫米波频段下材料介电常数等参数的实测校准。

常用场景

经典使用场景

在6G环境感知通信研究中，UrbanRadio3D数据集通过高分辨率三维射线追踪技术，生成了覆盖路径损耗、到达方向和到达时间等多维信道特征的3D×3D无线电地图。该数据集最经典的使用场景包括3D定位、高度感知波束成形以及无人机轨迹优化等。其独特的3D结构和多模态特性为研究者在复杂城市环境中进行无线信道建模提供了前所未有的数据支持。

解决学术问题

UrbanRadio3D数据集解决了传统无线电地图研究中仅关注2D平面路径损耗预测的局限性。通过提供包含垂直空间变化的3D信道表征，该数据集支持了3D环境感知通信中的关键学术问题研究，如高度敏感的信道建模、多径效应分析以及动态频谱管理。其大规模和高分辨率的特性为机器学习模型提供了丰富的训练数据，显著提升了模型在复杂环境中的泛化能力。

衍生相关工作

基于UrbanRadio3D数据集，研究者们开发了多项创新性工作。其中最具代表性的是RadioDiff-3D，一种基于扩散模型的生成框架，能够高效合成高维无线电地图。此外，3D卷积神经网络和图神经网络等先进模型也被广泛应用于该数据集，推动了3D环境感知通信领域的技术进步。这些衍生工作不仅在学术界引起广泛关注，也为工业界的实际应用提供了有力工具。