《IEEE Open Journal of Antennas and Propagation》：Machine-Learning-Based Urban Path Loss Prediction at 900 MHz: Principal Component Analysis, Clustering, Feature Importance and Regression
编辑推荐：
针对传统经验模型在复杂城区精度骤降难题，José Lorente-López等利用900MHz实测2490点数据，融合地籍图与数字地表模型（DSM）构建横断面描述符，结合PCA降维与k-means聚类划分4种传播场景，再以GB、kNN、NN、SVM回归预测路径损耗。结果显示GB在各簇稳健性最佳，kNN全局误差最低（RMSE=3.20dB，MAPE=2.7%），并揭示距离、末端自由距离、平均自由距离为关键预测因子，为5G/B5G网络规划提供可解释、低成本的机器学习范式。
Cartagena的秋日午后，一辆搭载接收机的自行车缓缓驶过西班牙东南部的大学城。900MHz连续波信号从10m高阳台上的发射机送出，却在错综排布的白色楼群间被切割、反射、衍射，最终化作接收屏幕上一串起伏不定的功率读数。这一幕，每天都在全球各大城市上演：传统Okumura-Hata、COST-231等经验公式把建筑密度、街谷效应简化为“中等城市”“郊区”几个标签，当面对屋顶高度不一、街道宽窄交错的“非标准”城区时，预测误差动辄20-30dB，足以让5G小区边缘用户从“高清直播”瞬间跌入“转圈缓冲”。如何以可负担的计算成本，把“每一栋楼、最后十米空地”都纳入路径损耗（Path Loss,PL）模型，成为无线网络精细化部署的燃眉之急。
José Lorente-López带领的跨校团队决定用“数据+算法”给出新答案。他们在卡塔赫纳理工大学校园及周边街区采集2490个实测点，利用西班牙国家地理中心2.5m分辨率数字地表模型（DSM）与地籍楼块矢量，自动提取每条收发射线的垂直剖面，得到“总距离”“相交楼数”“末端自由距离”等11项几何特征；随后以主成分分析（PCA）揭示变量间协方差结构，再用k-means把数据划分为4个传播“场景簇”，最终训练梯度提升（GB）、k最近邻（kNN）、神经网络（NN）及支持向量机（SVM）四种回归器，实现簇特异与全局双轨预测，并通过置换特征重要性（Permutation Feature Importance）解析“不同城区究竟什么在偷走信号”。
技术路线概括如下：
实测数据采集——900MHz连续波，GPS同步，1s采样，共2490有效点；
地物特征工程——QGIS+Python沿LoS剖切DSM，输出11维几何描述符；
无监督场景划分——PCA降维→k-means聚类，Silhouette评分优选K=4；
监督回归——5折交叉验证+Optuna超参优化，评估RMSE、MAPE、R2；
可解释性——置换重要性逐簇量化特征贡献。
研究结果按原文小标题依次呈现：
A. 数据采集
实测PL随距离呈三段式上升：0-200m快速衰减50-80dB；200-600m平稳在80-100dB；>600m因高楼或地形遮挡再度攀升至110dB以上，为后续聚类提供直观依据。
B. 主成分分析
PC1解释87.6%方差，载荷99%来自“总距离”；PC2解释7.15%方差，94%由“末端自由距离”驱动。说明宏观上“多远”决定损耗基数，而“接收前最后一小段空场”决定残余波动。
C. 聚类
k-means将样本分为：
C1（绿，LoS）——短距、无遮挡，PL中位~62dB；
C2（蓝，低遮挡）——中距、屋顶断续，PL中位~87dB；
C3（橙，均匀遮挡）——中远距、街谷重复，PL集中93-98dB；
C4（红，高遮挡）——长距+多障碍，PL>100dB且离散度最大。
ANOVA证实四簇在距离、相交楼数、末端自由距离上差异显著（p<0.001）。
D. 机器学习回归与特征重要性
簇内验证：
• C1样本最少（248），SVM获最低RMSE=5.2dB；
• C2数据最多（1170），GB与kNN RMSE均≈3.0dB；
• C3环境稳定（610），GB以RMSE=2.0dB、MAPE=1.6%领跑；
• C4遮挡最重（462），GB再次最优（RMSE=1.7dB，MAPE=1.2%）。
全局验证：kNN以RMSE=3.20dB、MAPE=2.7%、R2=0.951综合成绩第一；GB紧随其后，NN误差最高。
特征重要性显示：
C2靠“总距离”；C3由“末端自由距离”主导；C4则“平均自由距离”最关键，反映深遮挡区需多段连续空隙方能“挽救”信号。
结论与讨论
研究首次把官方地籍/DSM剖面特征无缝嵌入城市900MHz PL预测流程，证明：
距离仍是主变量，但“末端自由距离”“平均自由距离”可解释残余方差，物理意义清晰；
聚类-aware模型在遮挡场景把误差压至1.7-2.0dB，优于传统经验公式（Okumura-Hata RMSE=26.96dB）一个数量级；
GB在异构城区稳健性最好，若运营无法在线分簇，可直接采用标准化输入的distance-weighted kNN作为轻量级 baseline；
整套流程无需射线追踪或街景照片，仅需公开DSM与楼块数据，即可复现到任何欧洲城市。
随着5G/B5G小基站密集入网，该框架为网络规划工具提供了“测一堆、算一片”的新范式：先以PCA+聚类自动发现城市传播“性格”，再用可解释ML精准预测并指导站址、天线挂高与功率配置，显著降低路测成本与碳排。未来若融合多频段、多城市场景及深度学习不确定性估计，有望把“最后一百米”的覆盖盲区也装进算法口袋，让城市通信网真正做到“算得清、铺得准、用得省”。
