ACM的通信

贡献的文章

三个数据集的故事：在美国的移动宽带接入

由Tarun Mangla，Esther Showalter，Vivek Adarsh，Kipp Jones，Morgan Vigil-Hayes，Elizabeth Belding，Ellen Zegura
ACM的通信，3月2022年，Vol。65号3，第67-74页
10.1145 / 3462672
注释

实惠，优质的互联网接入对于21岁的全部参与至关重要^英石世纪经济，教育制度和政府。^23.通过商业长期演进（LTE）蜂窝网络可以实现移动宽带，这是一种扩展访问的经过验证的手段^11.但经常集中在城市地区 - 留在经济上边缘化和稀疏的人口稠密的地区。¹美国联邦通信委员会（FCC）激励为农村地区提供的LTE运营商^3.那22.通过释放来自每个运算符的地图，显示显示地理区域的地理区域的映射来保持透明度。^9.最近，第三方挑战了这些地图的真实性，声称他们过度代表了真实的覆盖范围，可以劝阻急需的投资。

回到顶部

重要见解

然而，这些索赔中的大多数是主要的性质，或者专注于有限的区域，其中一些专用研究人员可以收集受控覆盖测量（例如，通过韦洛）。^{12.那24.那25.}随着对移动宽带连通性的依赖性增加，特别是在Covid-19大流行的面前，定量验证FCC覆盖数据集以规模验证的机制正在变得急切地，以评估和直接资源对互联网访问部署工作进行评估和直接资源。^15.那18.这是一项技术政策问题，履行整个社会的股权和公平影响。

在尺度上越来越广泛的测量覆盖方法是通过众包，其中LTE网络用户有助于覆盖测量。最近倡导FCC用于使用人群采购以验证运营商报告的报告数据。^6.在这种情况下，我们的工作采用了数据驱动的经验方法，将来自代表众多数据集的覆盖范围与FCC数据进行比较。更具体地，我们的分析由以下问题指导：

• 现有LTE覆盖数据集是多么一致？
• 他们的覆盖率估算在哪里以及如何差异？

我们专门考虑来自Skyhook的人群覆盖估计，商业定位服务提供商使用各种定位工具来提供精确的地理位置。我们选择了Skyhook，因为它来自订阅其位置服务的最终用户应用程序的蜂窝覆盖率测量。与人群采购的自愿形式相比，这种偶然众包可能会提供更丰富的覆盖数据，用户必须明确提交贡献覆盖数据。我们的研究通过将Skyhook测量与OpenCellid的Skyhook测量与OpenCellid，一个公开但自愿众包数据集进行了检查。^21.随着我们的研究结果表明，众群数据集的密度因数据收集的方法而异，特别是在农村地区的方法。在我们学习的地区，偶然的众包（Skyhook）比自愿众包（OpenCellid）收集了多达11.1倍的细胞ID。

使用Skyhook作为广泛的众群数据集，我们可以量化人群覆盖数据与FCC数据不同的广泛和位置。我们专门选择了新墨西哥州的州^一种为其组合人口统计数据，不同的地理景观以及国家内与社区利益相关者的合作。在我们的研究中，我们比较人口普查块水平的覆盖范围，^B.这进一步分为城市，农村和部落^C类别。我们发现FCC和Skyhook LTE数据集在农村人口普查块中具有差异大约15％，FCC数据声称比Skyhook更高的覆盖率。解释此比较方面的主要问题是由于众群数据集中缺少数据点而占覆盖率差异。为了确认用户提供数据点的可用性，我们检查了备用蜂窝技术 - 例如，在这些人口普查中的2G或3G-内部，并且在这样的交替中观察到大量数量（在部落农村地区最多9％）存在，证据表明用户确实访问这些块，但无法访问LTE。这些结果，如最近关于固定宽带的研究，^16.建议需要将机制纳入验证运营商提交的数据到FCC的LTE访问 - 测量方法，特别是在农村和部落地区。

最后，本文将FCC和Skyhook覆盖范围与来自新墨西哥州北部北部收集的我们自己的受控覆盖率进行比较。有趣的是，FCC和Skyhook数据集相对于我们的受控测量报告了更高的覆盖范围，前者显示比后者更高的程度（高达26.7％）的过度报告。了解这些不一致的原因对于有效地利用人群源数据来测量LTE覆盖，特别是众所周常被认为是优选的提供商报告。我们结束了提出改进LTE覆盖率测量的建议，其重要性在Covid-19遥控器时代的遥控器中的速度仅增加。

回到顶部

背景和数据集

本节提供LTE网络架构的概述，然后在我们的分析中描述LTE覆盖数据集。这些数据集总结在表格1。还注意到与每个数据收集方法相关联的限制。

表1.覆盖数据集摘要。

LTE网络架构。LTE网络中的Internet访问是通过基站获得的，该网站已被称为eNodeB，网络提供商运行。用户设备（UE），例如智能手机，平板电脑或LTE调制解调器，通过无线电链路连接到eNodeB。eNodeB连接到集中式蜂窝核心，称为演进的分组核心（EPC），通常通过形成中型连接的有线链路。EPC由多个网络元素组成，包括分组数据网络网关（PGW），其是最终用户设备和公共因特网之间的连接节点。因此，LTE宽带接入取决于多个因素，包括与其他网络 - 传输提供者和内容提供商的多个因素，包括与其他网络传输提供者和内容提供商的互连链路，例如在公共互联网上。然而，本文的重点是了解由eNodeB的无线电覆盖的最后一英里LTE连接。

eNodeB控制单个电池位点，包括若干无线电收发器或安装在凸起的结构上的电池，例如桅杆或塔架。无线电细胞使用方向天线，每个天线使用一个频带提供较小的地理区域中的覆盖范围。可以通过称为小区标识符（或小区ID）的全局唯一数字来识别无线电小区，其对小区范围内的最终用户设备也可见。单元ID能够从连接到同一单元的多个UE的连接和信号 - 强度信息聚合，然后可以用于估计细胞的地理位置以及其覆盖范围。

FCC数据集。The FCC LTE broadband dataset consists of coverage maps in shapefile format that depict geospatial LTE network deployment for each cellular operator in the U.S. The FCC uses Form 477 to compile this dataset semi-annually from operators, and every operator that owns cellular network facilities must participate in this data collection. Operators submit shape-files containing detailed network information in the form of geo-polygons along with the frequency band used in the polygon and the minimum advertised upload and download speeds. The methodology used for obtaining these polygons is proprietary to each operator. Ultimately, the FCC publishes only a coverage map that represents coverage as a binary indicator: in any location, cellular service is either available through an operator or it is not.

我们的研究在2019年6月开始使用FCC网站上提供的二进制覆盖率Shapefiles。^D.图1显示新墨西哥的八个LTE网络运营商以及每个运营商覆盖的国家总人口普查块的百分比。注意：我们使用其中一个FCC方法来报告移动宽带接入，其中如果覆盖了人口普查块的质心，则认为涵盖了人口普查块。^7.在本文中，我们的分析仅限于前四个蜂窝运营商，由于其在新墨西哥州的普遍性显着更大;这些运营商也是美国前四个蜂窝运营商更广泛。

图1.基于FCC数据的人口普查覆盖率的LTE运算符。

限制。使用对操作员专有的预测模型生成这些覆盖图²而不是通常可重复。此外，公共可用数据集由二进制覆盖范围组成，缺少任何与性能相关的数据。^E.

Skyhook DataSet。Skyhook是一个位置服务提供商，使用各种定位工具，包括单元数据库，为订阅应用程序提供精确的地理位置。^4.通过订阅Skyhook的位置服务的应用程序，用户设备报告回网络信息，该信息被收集到匿名日志中并用于改善本地化服务。通过数据访问协议，我们能够查看由位置和覆盖估计的单元位置数据库以及唯一小区ID列表以及小区技术 - 例如，3G与LTE。数据库最初通过广泛的遗址构建，但现在通过使用Skyhook API用于本地化的设备收集的测量来管理和更新。使用相同的单元ID的设备测量组合以按以下方式估计单元位置和覆盖：

单元位置估计。基于网格的方法，类似于Nurmi等人提出的方法。^20.用于估计细胞塔位置。具体而言，Skyhook将地理区域分成7米的正方形，并在同一方形中进行测量，以获得方形信号强度的中心测量。这样做是为了减少由于来自同一区域的大量测量而导致的偏差 - 例如，一个受欢迎的聚会场所。然后使用信号强度的加权平均值来估计细胞位置。

细胞覆盖半径的估计。Skyhook还使用基于路径损耗梯度的专有方法来提供细胞覆盖半径的估计。^26.在这种情况下，路径损耗梯度近似于无线信号如何作为距变送器-A无线电小区的距离的函数衰减。路径损耗梯度的值取决于若干因素，包括环境（树叶，建筑物），地理形貌和单元信号频率。Skyhook估计使用细胞信号强度读数的现场观察以及其分布式地理位置的路径损耗梯度。理想地，信号衰减基于距离电池的方向和距离而变化。然而，为了降低覆盖估计的复杂性，Skyhook的单元覆盖估计启发式仅计算单个小区的一个路径损耗梯度。然后，在一组参数化方程中使用路径损耗梯度以估计单元格覆盖半径。这些方程中的参数已经通过仔细的研究和测试来确定超过10年。

使用自上次更新以来收集的新设备测量值，通过单元位置重新计算和单元格覆盖半径定期更新单元位置数据库。有关我们的分析，我们使用了2019年6月10日最后更新的细胞位置数据库。

限制。由于数据库条目是众所周心的，当设备在电池范围内通过时，该数据集在人口中心和高速公路中更加全面，人们更常常占据。如果总体的测量太少，或者测量主要来自相同的网格部分，则可以不准确地估计细​​胞位置估计。

有针对性的测量运动。要补充这些数据集，我们在2019年5月28日开始，我们在新墨西哥州的新墨西哥州的Rio Arriba县中收集了一个有针对性的测量活动。图2.显示地面测量的位置，以及我们用于此分析的四个描述性区域标签。北方地区测量在主要通过国家森林传球的高速公路上，而普韦布洛面积测量是从部落管辖范围内的高速公路取出。在圣克莱拉普韦布洛，部落领导允许我们在住宅区收集额外的测量。最后，圣诞老人Fe地区由普埃布罗斯和市中心之间的公路测量组成。虽然规模有限，但这些活动测量提供了覆盖和用户体验的重要比较点。如上所述，我们选择了新墨西哥州的这些领域，以便它们组成部落和非部落人口统计数据;部落土地往往具有最高的覆盖率和美国内部最有限的蜂窝可用性。

图2.新墨西哥州作家守护区地图。

我们的测量包括在运行Android Pie（9.0.0）的四个摩托罗拉G7电源（XT19555-5）手机上进行的服务状态和信号强度读数。服务状态是一个离散变量，指示手机是否已连接到单元格。使用网络监视器应用收集测量。^14.连接到Ubuntu Lenovo ThinkPad笔记本电脑的外部Globalsat Bu-353-S4 GPS收集了与时间戳与网络测量相匹配的地理位置标签。每款手机都配备了来自面积前四个蜂窝运营商之一的SIM卡：Verizon，T-Mobile，AT＆T和Sprint。手机每10秒记录服务状态和信号强度，同时我们在大多数地方开车（在40到65英里/小时之间），在大多数地方和居民区少于10英里/小时（Santa Clara Pueblo）。

限制。我们的诉讼活动在人类努力，经济成本和时间方面非常密集，使得难以扩大。数据集不会捕获覆盖范围内的任何时间变化，因为在短时间内收集测量值。驱动速度或设备配置可能影响测量 - 例如，当静止测量可能检测到覆盖时，表示没有覆盖。^8.我们没有证据表明这发生了，但可能需要额外调查。

回到顶部

分析

在本节中，我们通过与来自OpenCellid的流行的自愿众包数据进行比较，为Skyhook评估为代表众多数据集。^21.随后，这是对FCC，Skyhook和我们自己的衣橱测量数据的覆盖范围的比较。我们的比较由以下问题指导：数据集中的覆盖范围内的程度是多少？他们的覆盖率估算在哪里以及如何差异？

众包数据集的比较。我们将Skyhook DataSet与公开的人群源数据集 - 无版本的实验室的OpenCellid进行比较。^FOpenCellID项目提供了一个公开的单元ID数据集，以及其估计的位置。数据集源自与Skyhook类似的众包UE信号强度测量值。但是，在这种情况下，UE测量来自于自愿在智能手机上自愿安装OpenCellID应用程序的用户^21.并手动选择要上传的数据。我们将这种自愿众包与Skyhook附带众包方法的数据收集进行了区分，默认情况下Skyhook API的用户对数据有贡献。我们专门比较了唯一LTE小区的数量和两个数据集中测量的新记录。我们认为每个因素都有助于DataSet的整体密度。

方法。While our coverage comparison focuses on New Mexico, we analyzed our selected crowd-sourced data more broadly by considering these datasets within a set of counties selected from three areas of the U.S.: western (California), central (New Mexico and Colorado), and eastern (Georgia), each representing varying population densities across the country. Within each region, we considered three different kinds of counties as defined by the National Center for Health Statistics' 2013 Urban-Rural Classification Guide:^19.大都市（大），人口至少有一百万，主要城市;小都市（小），人口少于250,000;和微大（微观），至少有一个至少一个至少10,000的城市集群，但总人口少于50,000。

这使我们能够基于人群密度和地理区域的人群密度和地理区域来研究差异。要比较这两个数据集，我们选择了每个人口类别的三个县，总共九个县，这些县表2.。对于每个县，我们展示了2018年2010年人口普查记录估计的2018年人口密度。^5.我们首先计算每个县的两个数据集中出现的唯一单元格ID的数量。表2“％重叠”列显示每个数据集的单元格ID的百分比也出现在其他数据集中，“公共CIDS”列显示了常见单元格ID的确切数量。

表2.所选县中的特征和小区ID（CID）计数。

结果。总的来说，Skyhook为所有县报告更多的单元格（从2.8倍到11.1倍）。微县中的差异特别明显，这表明依靠志愿者下载申请，并提供网络测量可能不是评估农村地区LTE覆盖的最准确的方法。此外，Skyhook包含OpenCellid中出现的大多数细胞。

我们接下来考虑了最近每种小区ID记录的最近都以新的测量更新。图3.显示两个数据集中的细胞的最新测量日期的CDF，其中细胞分为位于城乡人口普查块中的那些。Skyhook的近60％的细胞在2019年6月最近更新，但奥普伦蒂利的最近更新于2019年2月。此外，农村人口普查块的细胞最近比在Opencellid的城市人口普查块上更新，而差异可以忽略不计在Skyhook DataSet中。这表明Skyhook DataSet比OpenCellID更新，从而使其更有可能代表网络基础架构中的任何变化。

图3. Skyhook（S）和OpenCellid（O）中的单元格更新CDF。

覆盖率的比较。我们首先比较了从Skyhook小区位置生成的覆盖Shapefile和每个操作员的FCC地图的估计覆盖范围。

方法。我们考虑了对此比较的人口普查块的覆盖范围。除了报告覆盖Shapefiles之外，FCC还报告了人口普查级别的覆盖范围，并认为如果人口普查块的质心落在覆盖区域内，则认为人口普查块。^7.我们使用Skyhook估计的覆盖范围生成了每个运算符的类似人口普查块级覆盖映射。为此，我们首先使用小区的估计位置和覆盖范围获得每个操作员的覆盖层Shapefile。然后，我们使用FCC质心方法来在人口普查块级别生成Skyhook LTE覆盖地图。我们使用Python Geopandas 0.8.2库进行关联的空间操作。^10.为了探索两种数据集的一致性是否有所不同，我们将人口普查块分为四类：非部落城市，非部落农村，部落城市和部落农村。我们引用了美国人口普查局对城乡块的分类及其对该分类部落管辖区的边界定义。^27.在这种分析中，如果与任何部落边界重叠，我们将人口普查视为部落。我们改变了部落标签计划，例如将人口普查块分类为部落，如果块的质心在部落边界内。然而，结果仍然存在定性相似，并且不会影响这里提出的结果。

结果：表3根据FCC和Skyhook数据，显示每个蜂窝操作员覆盖的总人口普查块的百分比，由人口普查块类型分解。在四个运营商中，T-Mobile基于FCC和Skyhook数据涵盖了最大数量的人口普查块，而Sprint则涵盖最少的。所有四个蜂窝运营商对部落和非部落城市人口普查块的覆盖率相对较高。但是，除Verizon之外的所有运营商都提供了他们在部落农村地区的最低覆盖范围。对于某些运营商而言，非部落农村和部落农村的差异大约23％（基于Skyhook数据）和11％（基于FCC数据）。

表3.根据FCC和Skyhook的说法，涵盖了人口普查总块的百分比。

LTE覆盖范围的程度不同于两个数据集之间。对于四个提供商中的三家，Skyhook显示比FCC更低的覆盖，特别是在农村人口普查块中。例如，FCC T-Mobile数据显示92％的部落农村块的覆盖范围，而Skyhook仅显示覆盖范围，只有63％的这些街区。另一方面，Skyhook显示比FCC覆盖的更多人口普查块。这可能是由于多种原因，包括：Skyhook和Sprint用于估计覆盖的传播模型存在差异，前者的模型比后者的模型更大，或者在时间内收集Skyhook数据和Sprint可能已停止或暂时禁用一些细胞，这是挑战从众群数据中检测到的。

图4.在视觉上比较来自FCC的LTE覆盖地图和Verizon和Sprint的Skyhook数据集。我们更深入地检查了差异，映射黄色图4A。表4.显示根据FCC的覆盖范围的人口普查块的数量，但根据每个操作员的Skyhook没有。部落和非部落农村人口普查中的覆盖索赔不同意最多。verizon（总体上限196个）和T-Mobile（总体上189,189）特别高的这些块的数量特别高。这种分歧有两种可能的原因：网络运营商在农村地区缺乏足够的基础设施，但往往会高估到FCC，或者Skyhook缺少农村人口普查块的数据点，其中更少的人携带UE。后一种情况会导致一些未检测到的LTE细胞或由于测量较少的细胞覆盖的表征不准确。

图4.新墨西哥州LTE覆盖地图的比较。FCC地图覆盖了黄色块，但不在Skyhook中;紫色块被覆盖在Skyhook地图中，但不是FCC地图。绿色块覆盖，两种地图都没有涵盖粉红色块。

表4.根据FCC根据FCC覆盖的人口块数，但根据Skyhook没有覆盖范围。

要了解哪些潜在的分歧原因更有可能，我们检查了Skyhook是否显示了这些人口普查块的3G覆盖范围（FCC报告LTE覆盖，而是Skyhook没有）。如果Skyhook报告这些块中的3G覆盖范围，这表明用户可能为这些人口普查块中的Skyhook数据集做出了贡献;因此，如果存在，则会检测到LTE覆盖范围。注意：更准确的方法是直接考虑使用3G技术连接的最终用户测量的位置，并分析它们是否属于FCC数据中的LTE覆盖区域。但是，由于Skyhook的隐私政策，我们无法访问这些最终用户的测量。相反，我们认为3G覆盖率地图作为我们的分析的合理近似，并以与先前描述的方式相同的方式在这些区域的普查块水平处产生3G覆盖地图。根据Skyhook表示仅显示3G覆盖的人口普查块的数量表5.。我们在Skyhook检测到3G覆盖范围的大量人口普查块中观察到了大量人口普查块，表明FCC LTE覆盖声称可以夸大这些区域。部落农村地区（高达9％）的这些块的数量更大，从而表明部落农村地区两个数据集的更高不匹配。

表5.根据FCC根据FCC的LTE覆盖数量，但根据Skyhook仅3G覆盖率。括号中的数字将其数据报告为相应类型的总人口普查块的百分比。

与FCC和Skyhook覆盖率相比，活动测量。在本节中，我们将自己的活动测量与先前描述的FCC和Skyhook的覆盖范围进行了比较。我们专注于Santa Clara Pueblo周围的地理区域，位于圣达菲北部（见图2.），一个与城市，农村和部落人口块混合的地区。

方法。我们使用在我们的测量中收集的服务状态读数进行此分析（请参阅“目标测量活动”部分）。我们还收集了有关连接的小区技术（例如，LTE）的信息和测量的地理位置。此信息用于推断LTE覆盖是否存在于位置。如果服务状态显示IN_Service以指示活动连接，并且如果关联的小区是LTE小区，则我们认为LTE可用。我们术语这个主动LTE覆盖范围。然后，我们将FCC和Skyhook覆盖率与活动LTE覆盖率进行比较，以查看数据集是否同意。注意：我们在此比较中使用了Skyhook和FCC的覆盖范围，而不是普查块质心方法。这使我们可以更准确地比较一个位置的覆盖范围，特别是如果仅部分覆盖了人口普查块。

结果。表6.显示与FCC和Skyhook地图的报告的覆盖范围进行比较的混淆矩阵。两张地图显示在我们的测量没有的地方的覆盖范围。在verizon的情况下，81％的测量没有覆盖范围来自FCC所覆盖的地点。这种过度报告的Sprint和T-Mobile最高的报告最低。

表6.混淆矩阵将主动测量覆盖与FCC和Skyhook进行比较。总计表示每个类别中的活动测量数。

我们还观察到Skyhook覆盖范围和测量之间的显着分歧（高达79％）。两种可能性可以解释：Skyhook UE信号 - 强度读数可用于单元位置和覆盖半径估计，或者小区传播模型中的误差，本身可能是由于环境条件的变化，例如地形。在任何一种情况下，Skyhook都与我们的测量更符合我们的测量，而不是没有LTE覆盖的报告区域。例如，在AT＆T的情况下，由于Skyhook只有48％，我们没有LTE覆盖的75％的测量属于报告的区域，而是由Skyhook仅为48％。

回到顶部

建议书

在本节中，我们讨论了我们的经验收集和分析覆盖数据的一些含义，并根据我们的调查结果提供未来工作的建议和指示。

FCC的建议。我们的调查结果为包括验证ISP报告的覆盖数据的机制，特别是在农村和部落地区。鉴于蜂窝网络的规模，众所周境的覆盖率测量是验证访问而不是受控测量的可行方法。在众包中，我们建议利用偶然而不是自愿方法，可能与第三方服务合作，将网络测量收集为其服务过程的一部分（如Skyhook）。

此外，在某些情况下，单独的人群可能不足以确定覆盖范围。即使通过偶然众包提供的更完整的数据集，农村地区也倾向于每塔接受较少的测量。在这种情况下，需要开发机制以精确地确定使用稀疏众群数据集最大的分歧领域。然后可以将资源集中在这些区域中的数据收集而不是覆盖到处覆盖的毯子方法。

人群源数据收集的建议。我们在现有的众群数据集中找到了一些缺点。首先，现有数据集仅报告具有正覆盖范围的区域 - 即观察到覆盖的区域。这使得难以区分缺乏没有收集测量的区域的区域。缺少可用信号的记录区域可以从人群源数据中获得更强的结论。

其次，我们注意到即使是人群源数据集易于高估覆盖范围，可能是由于单元位置和覆盖估计误差。有效地利用蜂窝网络设计知识的研究工作是从众包测量的准确表征覆盖的准确表征。例如，当较少的最终用户测量时，现有的小区定位估计技术独立地定位小区，并且在较少时易于出错。^13.相反，人们可以使用LTE网络中的单个物理塔托管多个单元格。因此，即使较少的最终用户测量，也可以提供相应地本地化最终用户测量的小区的算法可以提供更高的精度。类似地，还可以考虑替代数据源用于本地化小区基础设施，例如使用地理图像数据来识别物理塔，或者直接从构建和管理物理小区塔的实体获得基础设施数据（通常与蜂窝ISP不同）。

测量超出二进制覆盖率的访问。虽然这项工作的重点是了解覆盖范围，但我们认识到单独覆盖的二进制概念不一定表示存在可用LTE连接的存在。其他因素可以影响“覆盖”区域的最终用户体验，例如低信号强度或差的中英连接。因此，未来的覆盖范围 - 测量工作必须使用绩效的测量增强报告，以提供更好地与用户体验对齐的模型。测量此类性能指标构成更大的挑战，因为最终用户体验取决于超越最后一英里的链接质量的无数因素。我们相信，增加社区意识是解决这个问题的方法 - 例如，通过公共图书馆或社区会议的讲习班，就测量移动覆盖的重要性。

最后，我们还注意到访问和采用是不同的，并且有超出访问的问题，也可能保证测量和考虑作为运营商的问责措施。我们的地面真理数据集涉及通过Rio Arriba County in Northern墨西哥北部驾驶五天。为准备这次旅行，我们努力获得SIM卡，使我们能够访问四个主要的U.S. LTE运营商的网络。这令人惊讶地困难;在一个月的过程中导致测量活动，我们在各种操作员售货亭和三个国家商店花了一个集体24小时，以获得八个SIM卡（每个主要运营商一个）。在其中一个Santa Fe商店，我们遇到了一个距离Las Vegas，NM不得不开车一个小时的女性，以解决她与她的移动服务运营商有关的一些问题，这是阻止她使用她的数据计划。虽然这些轶事经历镜像覆盖范围的定性索赔，但他们介绍了一系列必须考虑的问题，以有效减少农村社区的互联网接入障碍。

回到顶部

结论

在本文中，我们定量地检查了使用不同方法收集的现有数据集之间的LTE覆盖范围。我们发现现有数据集在农村和部落地区相互比较时显示最差异。我们对其对电信政策的影响讨论了我们的调查结果。我们还确定了几种未来计算社区的研究方向，包括增加现有数据集的机制，以精确确定需要更加协调一致的测量工作的领域;改进的覆盖估计模型，尤其是众群测量密度较低的区域;和准确和可扩展的访问权衡，超出覆盖的二进制概念。

回到顶部

致谢

这项工作部分由国家科学基金会智能和连通社区提供资金，授予NSF-1831698。

回到顶部

回到顶部

回到顶部

数字图书馆由Computing Machinery协会发布。版权所有©2022 ACM，Inc。

---

没有发现任何条目