本文摘自：Sun W, Yuan D, Ström E G, et al. Cluster-based radio resource management for D2D-supported safety-critical V2X communications[J]. IEEE Transactions on Wireless Communications, 2016, 15(4): 2756-2769. 中的参考文献[32] METIS. (2013, Oct.).Simulation Guidelines, ICT-317669-METIS/D6.1, METIS deliverable D6.1 [Online].Available:https://www.metis2020.com/ documents/deliverables/

4.2 TC2: Dense urban information society

4.2.1 Environmental model

该测试用例的城市环境模型考虑了建筑物、道路、公园、公交站、地铁入口、人行道和交叉车道的不同环境，使之更现实，成为马德里网络环境的模型Madrid grid environmental model。

4.2.2 Deployment considerations（见9.2.4）

4.2.3 传播模型propagation model

    该用例可以用在蜂窝移动用户，也可以用在D2D用户中。此部分详细的传播模型间8.1节。

4.2.4 Traffic model

4.2.5 Mobility model

        TC2移动模型考虑大了室内移动和复杂的室外移动场景。在室外场景中欧冠，包含了行人移动和车辆移动，而且考虑到了交通灯对车辆移动的可能影响。详细设计见9.2.3节。

4.2.6 Technology Baseline

略

8.1 propagation models

       随机模型和集合模型使用两种不同的信道参数集合。前者与大尺度衰落（阴影衰落和路径损耗）有关，第二个与小尺度衰落参数（到达角AoA，离开角AoD或射线的延时）有关。

8.1.1 PS#1 (同王映民的《5G传输的关键技术》)

发射机远低于建筑的平均高度，主要传播发生在建筑物之间的反射。

则视距上的路径损耗为：（dB）

为了简化模型，在视距LOS中使用的高度是接收端Rx的高度。在垂直道路上，如果发射端和接收端距离小于10m，则认为路径损耗只有LOS部分。平行道路上的路径损耗为∞。

8.1.2 PS#2

在真实场景中，来自室外的信号也可以到达室内，这个场景是关于室外到室内的传播。路径损耗计算为：

8.1.3 PS#3（个人认为是蜂窝通信链路）

该场景是基站位于建筑物楼顶，具有用户可视性。针对城区宏蜂窝小区场景，绝大部分信号通过衍射到达用户。与ETSI[50]的模型相同。

8.1.4 PS#4

8.1.6 PS#9

作为D2D的默认模型，与PS#1相同，但。然而，由于发送端高度角度，在传播过程中会遇到额外的阻碍，因此应考虑非视距的情况。因此，当设备之间有其他东西时，传播损失将增加10dB。

对于车辆PS#1（发射端高度较低，如果通信信道中间如果有其他车辆时，损耗增加10dB）仍然适用，但还需要更多的具体要求。特别是Karendal的小尺度和大尺度特征模型被提出用于V2V通信中，该模型的路径损耗计算为：（LTE V2V的路径损耗计算公式）

为均值为0，方差为的正态分布。

9.2.3 Mobility Model

Indoor mobility

Pedestrian mobility

对城市（曼哈顿）移动模型进行修改。在随机建筑物出口初始化固定数量的行人，从[0,3]km均匀选择速度。如果速度大于0，则需要为他们设置移动方向（向左和向右概率相等）。行人以指定的速度在人行道中间以指定方向移动，直到他们到达一个路口。每个交叉点有四个方向，行人可以直走，左转或右转。其中，TurnProb概率为0.5,即左转概率为0.25，右转概率为0.25，直行概率为0.5。

两个行人之间的碰撞可以忽略，在仿真环境的边界处，行人以相同的速度反弹。

    在详细地移动模型中，在随机选择的建筑出口初始化固定数量的行人，并从间隔为[0,3]km均匀选择固定速度。如果速度大于0，还会为行人指定一个目的地，这个目的地可以是最近地公交站也可以是最近地地铁口，概率相同。行人在人行道中间移动，以最短的距离到达指定目的地（考虑到红绿灯的状态），仅在红绿灯或者目的地处停下。忽略行人之间的碰撞。

    当行人到达地铁入口时会暂时消失，在随机选择的地铁站入口的剩余模拟运行时间内随机选择一段时间后重新出现。然后用户重新初始化速度[0,3]km，如果速度大于0，则选择目的地（楼宇入口或者地铁站），目的地的概率相等。当用户到达楼宇入口时，他们就成为了室内用户，并且以相同概率被分配到建筑物的每一层。并遵循前面描述的详细的室内移动模型。

在汽车站，用户以先到先服务的原则进入巴士，知道巴士得到了载客量。当汽车到达仿真边界时会消失，消失汽车中的用户在一个随机的车站随机选择一个时间出现。然后以给定的速度和目的地重新初始化用户，就像行人出现在地铁口的情况一样。

Outdoor vehicular mobility

在道路场景中，车辆（2m*2m）的数量和车速50km/h固定，以及从区间[1,5]中均匀选择固定数量的用户。车辆按照图示的概率进行转向。假设汽车可以自动切换车道以完成所需的转弯，并且忽略了与车道上潜在车辆的碰撞。碰到红灯时会停车，而且当与前车距离小于4m时也会停车。

公交车（20m*2m）通过泊松过程到达，在每条街上以50km/h的速度间隔2分钟到达。从区间[1,50]中选择固定数量的用户。公交车沿直线行驶，只在红灯或者距前车不到4m时停下。汽车和公交车都在仿真环境的边界处以原速度返回。

在更为详细的模型中，汽车的初始化和移动性是保持不变的。然而，公交车的移动性和初始化在详细的模型中略有不同：

Traffic light model

网格中的所有交通灯只有两种状态：红灯和绿灯，同时切换并且每90s重复一次。详细切换模式为：

0~30s：水平方向的亮绿灯，垂直方向的亮红灯。

30~45s：水平方向和垂直方向均为红灯。

45~75s：水平方向的亮红灯，垂直方向的亮绿灯。

75~90s：水平方向和垂直方向均亮红灯。

9.2.4 Deployment Considerations

默认网络基础设备的布局如图9.6所示。

可以通过把仿真区域扩展到更大区域的方法来避免仿真过程中出现的边界效应，如图9.7所示，扩展区域由9个相同的模拟区域组成。只针对中心区域的仿真结果进行性能评估。

网络由一个宏基站组成，运行在三个扇区中。宏基站的天线位于15栋建筑的楼顶边缘的高度在52.5m处的位置上，方位角和垂直方向的分布为：

    宏蜂窝小区是由12个micro/pico cell组成，micro/pico

cell天线位于灯柱上大概10m高处，离着最近建筑物3m远，位置位于最近建筑物的对称轴上。每个micro-station的两个小区指向道路，天线模式与宏基站模式一致。整体网络的性能也可以通过密集的网络部署来增强。室外small cell位于离地面5m的建筑上，室内small cell位于房间的天花板上，离地面高度为3m。small cell天线是各向同性的。

其他有关的参数设置如下：

    UE高度为1.5m