半封闭障碍物传播损耗建模

智能交通系统中半封闭障碍物的额外传播损耗建模

摘要

与实体障碍物不同，直接应用现有的多边缘衍射模型可能会显著高估半封闭障碍物（SCOs）的额外损耗。本文通过将传播情况视为“开阔场”和“封闭障碍物”两种情形的叠加，提出了一种简单建模智能交通系统中广泛存在的半封闭障碍物额外损耗的方法。通过根据具体情况估计两个权重系数，该模型结构可适用于不同类型SCO。为说明本文的建模思路，详细研究了高速铁路中的两个典型明挖隧道案例。结合此前对火车站和立交桥的研究成果，本文提供了一套铁路环境中主要SCO额外损耗的完整系数集。该案例研究表明，所提出的方法为在通信系统的网络规划、仿真和设计中纳入各类SCO提供了一种有效且相对简单的方式。由于本方法中的系数是通过经验确定的，所提出的模型结构可为未来工作奠定基础，即通过解析方法或少量测量来估算系数，从而简化额外损耗的预测过程。

索引词

明挖隧道，传播建模，铁路通信，半封闭障碍物，车联网通信。

一、引言

在任何真实环境，特别是与智能交通系统（ITS）应用相关的场景中，障碍物都是通信系统设计和网络规划中必须考虑的不可避免因素[1]–[3]。在现有文献中，用于计算由障碍物引起的额外传播损耗的模型主要分为两类：基于楔形衍射的方法几何绕射理论（GTD）或一致绕射理论（UTD）[4]，以及基于惠更斯原理的菲涅尔刀口衍射方法[5]。前者方法精度较高，但计算复杂度较大，尤其是当障碍物尺寸较大时；刀口模型使用非常简便，但在天线呈斜向布置或障碍物形状复杂时可靠性不足。无论采用上述哪种方法，现有模型均能有效建模实体障碍物（如建筑物、中间地形等）的衍射损耗。然而，除了实体障碍物外，还存在大量主要结构并非实体或完全封闭的障碍物，其组成部分之间存在一定空隙或自由空间。如果某障碍物的结构具有以下某些特征，则可将其视为半封闭障碍物（SCOs）：
1. 障碍物中存在一些空隙，可让视距路径（LOS）和部分绕射波传播到障碍物后方的接收机（Rx）。
2. 当接收机（Rx）位于障碍物内部或下方时，障碍物顶部下方存在一定的自由空间，可允许部分视距路径和/或反射波通过。

图1展示了一些典型的半封闭障碍物的实际示例。可以看出，半封闭类型是一种广泛存在的结构，适用于车站、桥梁、立交桥、明挖隧道等，这类结构随处可见，尤其在智能交通系统场景中。这些SCO会导致严重的额外传播损耗，造成覆盖不良或切换失败，从而降低智能交通通信[7]，（如车联网通信[8],[9]和铁路通信[10],[11]）以及许多智能应用（如面部信息协同分析[12]、人体行为识别[13]、特征描述[14]等）的可靠性、可用性、可维护性和安全性（RAMS）[6]。然而，现有信道模型很少有针对性地考虑这些影响，无论是在最新的基于几何的模型研究中（如设备到设备（D2D）通信[15]、三维多输入多输出（MIMO）传输[16],[17]、多用户协作MIMO[18]、高速铁路[19]、自由空间光系统[20]等信道），还是在经典信道模型中（如3GPP空间信道模型（SCM）[21]、WINNER II增强型空间信道模型（SCME）[22],[23]、欧洲科学与技术研究合作组织（COST）系列活动提出的模型[24]等）。因此，建立一个精确计算额外传播损耗的模型评估SCO在真实场景下的系统性能具有重要意义[25],[26]。

本文的主要贡献是提出了一种通过两个子情况的加权叠加来建模半封闭障碍物额外损耗的模型结构。为了展示我们的方法，即如何在一个具体案例中明确实现该模型结构，本文基于测量数据估计并验证了930 MHz下明挖隧道额外损耗的权重系数 α和 β。将此案例与我们之前针对火车站和立交桥的实现相结合，给出了铁路中主要SCO额外损耗的一套完整系数集。通过将这些系数代入模型结构，可以在铁路通信网络规划中以一种有效且简单的方式考虑SCO的影响。类似的应用可推广至不同通信系统在各种传播场景中的应用。

本文其余部分组织如下：第二节介绍了半封闭障碍物的模型结构。第三节报告了明挖隧道引起的额外损耗的测量结果，并基于这些测量结果估算了相应的系数并进行了验证，同时还总结了铁路中最常见SCO的完整系数集。第四节讨论了建模方法的思想及其实现。第五节给出了结论并对未来工作进行了描述。

II. 半封闭障碍物额外损耗的模型结构

A. 模型结构

图2展示了在存在任意半封闭障碍物的场景中传播机制的示意图。可以看出，当接收端位于半封闭障碍物下方或后方时，有可能接收到通过空隙传播的波、穿过墙壁的透射波、从地面反射的反射波以及从障碍物边缘产生的绕射波中的部分波带来的显著功率。因此，透射、衍射和反射是此种情况下的主要传播机制。散射未被强调，因为散射能量通常小于反射能量。因此，散射更多与信道衰落相关，而对于ITS中广泛使用的6 GHz以下频率的短距离和长距离通信，散射与SCO的传播损耗无关。因此，由于接收信号可以从透射、反射路径以及衍射路径获得额外的能量，直接应用经典多边缘衍射模型（如朗利‐赖斯模型[27]、埃普斯坦‐彼得森模型[28]、Deygout模型[29]等）很可能会高估SCO的额外传播损耗，这些模型是为实体障碍物的衍射损耗建立的。然而，我们仍然可以从经典多边缘衍射模型中获得一些启发：例如，埃普斯坦‐彼得森方法通过使用单刀缘模型[30]计算每个子情况（单边缘）的衍射损耗，并将其组合来估计多边缘情况的总衍射损耗。采用类似的分解复杂场景的思想，SCO的额外损耗可以通过两个子情况的加权叠加进行建模。

如图3所示，第一个子情况称为“开阔场”，假设该场景中不存在SCO，与此障碍物相关的区域完全无遮挡。因此，“开阔场”子情况中的接收信号功率包括由自由空间传播和反射分量决定的功率（以及根据背景或周围场景来自周围物体的功率）。第二个子情况将障碍物视为“封闭障碍物”，使得接收端仅能从边缘获得衍射能量（以及来自背景场景的功率）。尽管通常很难用解析方法准确描述SCO的传播情况，但“开阔场”和“封闭障碍物”可分别被视为上限和下限分别为接收场强的边界。最终的传播情况可以视为两个子情况以权重系数 α和 β组合而成。相应地，对于遮蔽体的额外损耗，该模型结构的数学公式可表示如下：

$$ ELSemi−closed= αi · ELOpen+ βi · ELClosed, αi+ βi= 1 $$ (1)

其中，$ ELSemi−closed $表示半封闭障碍物的额外损耗（单位：dB）。$ ELClosed $表示第二种子情况（封闭障碍物）下的额外损耗（单位：dB），即当SCO被视为封闭障碍物时其额外损耗的上限（α= 0, β= 1）。相应地，$ ELOpen $表示第一种子情况（开阔场）下的额外损耗（单位：dB），可视为SCO额外损耗的下限（α= 1, β= 0）；其计算基于衍射模型，并且还依赖于SCO之间的关系（例如在[31],[32]中）。本文将重点研究单个SCO的额外损耗模型结构，但在此“单个SCO”案例的基础上，未来有望将该模型扩展至“多个半封闭障碍物”场景。一些初步的扩展可在[31]中找到。(1)中的下标 i表示将在第三节中介绍的传播机制区域的索引。通过考虑SCO的额外损耗（$ ELSemi−closed $），总路径损耗（单位：dB）$ LTotal $可表示为：

$$ LTotal= LRef+ ELSemi−closed $$ (2)

其中$ LRef $表示背景场景的参考损耗。关于“背景场景”，我们指的是排除了当前的发射机（Tx）、接收端和障碍物后的其余环境。如前所述，$ LTotal $、$ LRef $、$ ELSemi−closed $、$ ELOpen $和$ ELClosed $的单位均为dB。将传播机制引起的以dB为单位的衰减进行相加，来计算总dB衰减，这种做法十分常见。例如，“Deygout模型[dB]+哈塔模型[dB]”已广泛应用于存在实体障碍物场景下的商业预测工具和学术研究中（例如，在[33]中）。

量 $ LRef $可以通过在移除遮蔽体的情况下进行参考测量来获得（这可能并不总是可行），或根据具体场景采用自由空间、双射线或奥村‐哈塔等经验模型的标准方法进行计算。术语 $ ELClosed $可根据前述经典多边缘绕射模型中的任意一种进行计算。由于当发射端、遮蔽体和接收端处于不同的位置关系时，其传播机制的构成有所不同，因此整个过程必须划分为多个传播机制区域（PMZs）。详细步骤将在下一节中说明，但简而言之，权重系数 $ αi $和 $ βi $在(1)式中将针对每个PMZ，基于所选的多边缘衍射模型，通过测量数据采用最小二乘拟合（LSF）进行回归。

值得注意的是，尽管最小二乘拟合是该模型的一部分，但整个模型结构并非分段曲线拟合过程，因为基于传播机制构成的多边缘衍射模型和PMZ划分具有物理意义。通过根据具体应用场景调整两个权重系数 $ αi $和 $ βi $，该模型结构可应用于各种通信系统的设计、网络规划和仿真中具有不同形状的SCO。

B. 实现过程

上述衍射模型考虑了某些基本情况，如载波频率或接收端、发射端与障碍物之间的位置关系，而其他特性，例如极化、障碍物的材料和结构细节，则可能未被考虑。图4展示了所提出的传播模型的实现方法，其包括以下步骤：

步骤1：总损耗的确定 ：利用在参考遮蔽体（SCO）上进行的少量测量，经验性地确定总路径损耗（$ LTotal $），该测量应覆盖所关注的距离范围。

步骤2：参考模型 ：确定无遮蔽体（SCO）场景下的参考损耗（$ LRef $），可通过参考模型或无遮蔽体时的参考测量获得（距离范围与步骤1相同）。

步骤3：模型结构 ：通过从总损耗中减去参考损耗，可提取出由遮蔽体（SCO）引起的经验超损（$ ELSemi−closed $）。

步骤4：遮蔽体（SCO）的几何建模 ：对遮蔽体（SCO）的表面轮廓进行几何表示。根据应用的精度要求，可能的表示方法从简单的表示（例如长方体）到包含所有表面细节的实际轮廓不等。

步骤5：多边缘衍射模型 ：选择一个绕射模型用于计算$ ELOpen $和$ ELClosed $。值得注意的是，多边缘衍射模型在边缘垂直于传播方向时有效。因此，该模型结构是当发射端（Tx）与遮蔽体（SCO）之间存在一定距离时适用。当发射端位于遮蔽体顶部，或发射端位于垂直于遮蔽体方向的直线上时，不应使用该方法。

步骤6：PMZ划分 ：根据对遮蔽体整体几何结构以及发射端、接收端和遮蔽体之间位置关系的分析，划分不同的传播机制区域（PMZs）。预期在各情况下起主导作用的传播因子决定了传播区域，并为每个区域 i产生不同的权重系数 $ αi $和 $ βi $。有关传播机制区域（PMZs）的详细信息及区域划分示例见第三节。

步骤7：最小二乘拟合 ：基于选定的多边缘衍射模型，利用最小二乘拟合方法，根据经验确定的额外损耗 $ ELSemi−closed $，对$ ELOpen $和$ ELClosed $叠加的权重系数进行回归。

图4中标记为“参考损耗”（步骤2）、“SCO的几何建模”（步骤4）、“多边缘衍射模型”（步骤5）和“PMZ划分”（步骤6）的模块可根据特定使用场景进行调整，以满足所需的精度水平。由于该提出模型具有模块化和高度灵活的特性，因此适用于多种通信技术。在当前阶段，已针对高速铁路场景下的SCO推导出一些系数样本。对于其他应用场景的特定系数仍迫切需要，这也是未来工作的明显方向。更丰富的系数“档案”将有助于简化未来模型结构的实现。

III. 在高速铁路明挖隧道中的应用

所提出的模型结构已应用于立交桥[31]和火车站[34]在930 MHz频率下铁路移动通信（GSM‐R）[35]的额外传播损耗预测。本节中，为了展示该模型结构的具体实现方法，首次详细研究了高速铁路中另一种常见的遮蔽体——明挖隧道（CCT）所引起的额外损耗。

明挖隧道（CCT）是一种用于浅埋或短隧道的施工方法，先开挖沟槽，然后用足够强度的顶部支护系统覆盖，以承载隧道上方建筑物的荷载[36]。在高速铁路中，为确保达到350公里/小时的高速运行，需要采用平缓的铁路坡度。因此，广泛采用路堑方式以保持线路平直。当路堑边坡过高或过陡时，将采用明挖隧道法以防止潜在滑坡。建造明挖隧道的另一个目的是覆盖铁路，以抵御风力和其他不利气候条件的影响。事实上，明挖隧道在施工上并非复杂工艺，但对铁路通信的无线规划人员和系统设计人员而言却带来了巨大挑战：

1. 由于直通电缆通常长度为数十米到数百米，且该长度不足以在铁路通信所用频率下建立（基模）波导效应[37],[38]，因此隧道的传播理论和模型不再适用于直通电缆。
2. 作为一种典型的遮蔽体，如立交桥和火车站，直通电缆会导致一定的额外传播损耗，而这种损耗无法通过直接使用传统的多边缘衍射模型进行预测。

因此，如何快速预测直通电缆的额外损耗以实现铁路的快速准确网络规划，仍然是一个困扰铁路设计机构（如中铁铁路勘察设计集团有限公司）的开放性问题。

A. 与明挖隧道相关的几何参数

图5显示了一个典型的明挖隧道场景，其具有以下几何参数：
1. $ HTx $ 和 $ HRx $ 分别为发射端和接收端的高度。
2. $ HCCT $、$ TCCT $、$ LCCT $ 和 $ WCCT $ 分别为明挖隧道相对于轨道的高度、明挖隧道的厚度、明挖隧道的长度以及明挖隧道的宽度。
3. $ DTx−CCT $、$ DCCT−Rx $ 和 $ DTx−Rx $ 分别为发射端与明挖隧道前端之间的水平距离、明挖隧道前端与接收端之间的水平距离，以及某一时刻发射端与接收端之间的水平距离。

B. 直通电缆的传播机制区域

当发射端、直通电缆和接收端处于不同的位置关系时，传播机制有所不同，因此应将相关场景划分为多个区域，以准确估计传播特性。图6展示了区域划分，并为直通电缆定义了四个区域：

A区：接收端位于明挖隧道内且存在直视路径的区域。

B区：当明挖隧道远离发射端时，B区指接收端已通过明挖隧道但仍存在直视路径的区域（见图6(a)）。

C区：接收端位于明挖隧道后方且直视路径被明挖隧道遮挡的区域。

D区：当明挖隧道靠近发射端[时，如图6(b)]所示，D区是指接收端位于明挖隧道内部但直视路径被遮挡的区域。

当 $ DTx−Rx −DTx−CCT< LCCT $时会发生这种情况，其中 $ DTx−Rx $是允许发射端与接收端之间存在直视路径的最大 $ DTx−Rx $（见图5的下半部分）。 $ DTx−CCT $的边界可通过求解相似三角形问题确定，如方程(3)和(4)所示。

$$
\begin{cases}
\frac{HRx}{HTx} = \frac{x}{x+DTx−Rx} \
\frac{HCCT}{HTx} = \frac{x+DCCT−Rx}{x+DTx−Rx} \
DTx−Rx= DTx−CCT+ DCCT−Rx
\end{cases}
$$ (3)

$$
\begin{cases}
DCCT−Rx= \frac{HCCT −HRX}{HTx −HCCT} DTx−CCT \
DCCT−Rx< LCCT.
\end{cases}
$$ (4)

因此，我们得到：

$$ DTx−CCT< \frac{HTx − HCCT}{HCCT − HRX} LCCT. $$ (5)

因此，当发射端与明挖隧道之间的距离小于（大于）$ \frac{HTx − HCCT}{HCCT − HRX} LCCT $时，可以说明挖隧道靠近（远离）发射端。在“靠近”的情况下，D区中从发射端到接收端不存在视距路径，因此多径传播占主导地位。

C. 测量活动

在中国郑西高速铁路沿线，已在930 MHz频率下进行了大量测量。测试系统为实际高速列车上搭载的标准 GSM‐R系统，该系统已在文献[31]中详细报道。在测试的高速铁路沿线，发现了两种CCT场景并进行了测量。CCT的尺寸通过激光测距仪手动测量获得。用于扩展 Hata模型和Deygout模型计算所需的原始地形栅格数据来源于航天飞机雷达地形测绘任务（SRTM）[39]，分辨率为90米，并通过插值重采样至10米。图7(a)和图8(a)给出了两个测试场景的俯视图。图7(b)和图8(b)是两种不同厚度、宽度和长度的CCT的放大视图。相应场景的参数如下如表I所示。两种情况下测得的接收功率分别如图7(c)和图8(c)所示。此处，通过在13 m（40个波长）的间隔对样本进行平均，消除了小尺度衰落[40]。已知直视路径中发射端与接收端的天线方向图、几何关系以及发射端的俯仰角和方位角设置，可得到天线增益主要影响路径损耗估计的方向可以在一定程度上被消除。

表I 明挖隧道测量参数

D. 超损预测建议模型结构的逐步实现

根据第二节中提出的实现过程，直通电缆的额外损耗可以通过以下七个步骤进行预测：

步骤1 ：在第一个模块中，随机选择CCT1作为建模场景，并沿铁路和CCT1周围测量 $ LTotal $。在图7(c)中，测量结果用蓝色圆圈表示。

步骤2 ：在“参考”模块中，选择扩展Hata模型中的开阔区域环境[41]作为(2)中 $ LRef $的模型。这是因为在测量场景中，除了直通电缆外，在发射端与接收端之间的铁路沿线没有障碍物且散射体较少。这一特征与 Hata系列模型中对开阔区域环境的描述相近。哈塔模型最初是为城市环境中非视距（NLOS）路径而开发的。在[41]和[24]中，哈塔模型得到了扩展，能够预测各种环境下 30∼3000MHz频段的室外传播损耗。

步骤3 ：在“模型结构”模块中，从扩展Hata模型计算出 $ LRef $的相应值，并用图7(c)中的绿色线条表示。可以看出，扩展Hata模型的变化趋势与实际测量结果吻合良好，但未能反映明挖隧道引起的额外损耗。测量值与参考损耗之间的差值即为由于遮蔽体产生的经验超损 ($ ELSemi−closed $)。

步骤4 ：在“SCO的几何建模”模块中，将明挖隧道的形状建模为一个简单的长方体，其尺寸为 $ HCCT $、$ TCCT $、$ LCCT $和 $ WCCT $。结构的细节被省略，但该模型对于铁路通信的网络规划而言精度足够。图6(a)展示了一个明挖隧道的模型。

步骤5 ：在“多边缘衍射模型”模块中，由于Deygout模型在直通电缆常出现的农村地区（例如在[42]）具有良好的表现，因此选择该模型来估计 $ ELOpen $ 和$ ELClosed $。本研究仅关注场强以实现快速网络规划；然而，如果同时需要考虑时延，则应采用双楔模型[43],[44]。本研究中Deygout模型的具体实现细节可参见附录。在图7(c)中，“扩展Hata+Deygout”模型的结果由黑色虚线表示。通过将预测结果（黑色虚线）与CCT1的实测结果（蓝色线）进行比较，可以看出实测功率强于预测结果。因此，“扩展Hata+Deygout”模型显著高估了传播损耗。

步骤6 ：在“PMZ划分”模块中，根据直通电缆的区域划分原则，CCT1可视为远离发射端，因此其由A区、B区和C区组成，如图7(c)所示。

步骤7 ：在最后一个模块中，通过对CCT1的测量值中的 $ ELSemi−closed $应用LSF，得到权重系数$ αA,B,C $和$ βA,B,C $，如表II所示。

表II 根据CCT1测量结果估计的系数

E. 估计系数与提出模型结构的验证

CCT1的系数值被应用于CCT2以进行验证。由于 CCT1距离发射端较“远”，而CCT2距离发射端较“近”， A区和C区是CCT1与CCT2之间的公共区域。因此，将 CCT1在A区和C区中估计出的系数代入到CCT2对应的区域中。B区和D区的系数则分别由CCT1和CCT2进行估计，未来还需通过更多直通电缆进行验证。但是，根据将模型结构应用于立交桥和车站的经验，如果A区和C区的系数在估计与验证情况下具有良好的一致性，则B区或D区出现较大偏差的可能性不大。如图8(c)所示，扩展Hata模型（绿色线条）在发射端与CCT2之间表现良好（650米和 1150米处的小台阶是由定向天线方向图引起的）；然而，它未能反映由于CCT2带来的额外损耗。因此，预测结果出现了高达19 dB的偏差，导致结果过于乐观。相反，“扩展Hata+Deygout”模型（黑色虚线）直接应用时显著高估了额外损耗。提出模型（红色线条）的预测结果与实测接收信号功率（蓝色圆圈）最为吻合。各种模型在测量与预测之间的平均误差(ME)、标准差(Std)以及均方根误差(RMSE)列于表III中。可以看出，提出模型的ME小于2 dB，RMSE小于5 dB。该模型在直通电缆上的实现精度与在立交桥（ME约为0.5 dB，RMSE约为3 dB）[31]和火车站（ME为0.4至1.8 dB，RMSE为3.1至4.1 dB）[34]上的实现精度相近。这表明所提出的模型结构可以提供满意的精度，并且可以非常容易地应用于各种遮蔽体。

表III 直通电缆场景下各种模型的测量值与预测值之间的均方误差、标准差和均方根误差

F. 高速铁路场景中主要SCO的系数概述

在高速铁路场景中，最常见的SCO是火车站、立交桥和明挖隧道。基于此前对立交桥[31]和火车站[34]的研究，可通过所提出的模块化方法获得930 MHz频段下高速铁路主要SCO额外损耗的完整系数集。这些系数总结于表IV中。各传播区域中权重系数的取值可通过这些SCO的几何和物理特性之间的关系清晰解释。在A区，由于立交桥下方空间相对最小且最狭窄，其额外损耗相对最高；而明挖隧道因空间相对较大，导致额外损耗较低；相对最大的空间——半封闭火车站——则产生最低的额外损耗。在 B区，由于站内存在大量钢架和金属支柱，火车站的额外损耗最高；明挖隧道内部无明显障碍物（如车站内的结构），因此额外损耗较低；立交桥的桥面较窄，使得更多能量可通过桥体前缘和后部的衍射到达接收端，因而额外损耗最低。在C区，明挖隧道的实体部分最大，因此其额外损耗最高；而桥面尺寸小得多，故额外损耗较低；半封闭火车站由于存在一定直视路径可通过轨道上方遮篷之间的间隙传播信号，因此额外损耗最低。在D区，由于隧道内部的波导效应，明挖隧道的额外损耗低于立交桥。通过查阅表 IV中的系数值，设计人员可以轻松实现通过考虑高速铁路中主要SCO对列车通信系统的影响，实现高效且可靠的覆盖，从而进行快速而准确的网络规划。

表IV 高速铁路场景中主要SCO在930MHz下的所提模型系数全景

四、讨论

A. 特定情况下的实现

所提出的模型采用模块化方法实现，由多个具有多种选项的模块组成，这使得实现具有高度灵活性。由于这些模块共同影响模型的复杂性和准确性，因此以适当的方式配置模块至关重要。其中最重要的模块是“PMZ划分”。该步骤决定了模型及相应系数是否有效且具有物理意义。从本研究的应用案例中可以发现，区域划分应考虑特定障碍物及其周围传播环境的特性。在图8(c)中，模型未能跟踪到一些额外损耗的变化。主要原因有两个：一是直通电缆被建模为简单的长方体，结构的细节被忽略；二是为了简化，模型忽略了某些传播机制，例如直通电缆内部的反射以及直通电缆入口处的衍射。因此，相应的影响（例如一些潜在的传播机制区域（PMZs））未能被模型准确反映。因此，如前所述，借助更精确的遮蔽体几何表示和更完整的传播机制构成，该模型可以变得更加精确且具有物理意义，但当然复杂度也会更高。一般来说，传播区域的划分应基于预期在这些区域内占主导作用的传播机制以及具体应用案例的特征。

B. 建模方法的一般说明

该模型的主要特点是简单性和模块化。尽管提出模型的准确性是合理的，但使用其他方法（如一致几何绕射理论（UTD））可能获得更高的准确性。然而，此类模型可能需要更精确的输入数据，而这些数据难以获取。

1. 对于智能交通系统场景，由于组件众多且缺乏这些组件电磁特性的相关知识，因此很难构建全波仿真（例如，计算机仿真技术（CST）、高频结构仿真器（HFSS））或射线追踪仿真的环境。此外，获取包含所有相关杂波高度信息的高分辨率（1–3 m）数字高程模型（DEM）成本较高，这限制了其应用确定性模型在室外场景中的应用。例如，在设计用于列车控制和安全的通信系统时，需要获取覆盖约 1000公里铁路沿线区域的高分辨率DEM数据。因此，所提出的建模方法为在通信系统设计和仿真中引入由SCO产生的额外损耗提供了一种非常简单但仍然足够精确的方法。

2. 在本研究中，权重系数是根据测量结果估计的。然而，这并不是获取系数的唯一方法。在未来的研究中，随着从各种应用中提取的系数数量的增加，我们计划研究在无需测量或仅需极少测量的情况下，根据系统配置和 SCO的特性（如频率、极化、障碍物的材料和结构细节等）直接估计系数 $ αi $和 $ βi $的方法。这是一个极具潜力的未来研究方向，因为通过解析方法或简化软件对这些系数进行估算，将显著降低附加损耗估计的复杂性。最终，凭借足够丰富的实际测量系数数据库，以及针对新的（“未测量过”的）条件估算这些系数的（简化）技术，我们预见所提出的精确且简化的SCO附加损耗估计算法将得到广泛应用。

V. 结论

本文提出了一种模块化方法，用于建模在智能交通系统场景中广泛存在的半封闭障碍物的附加损耗。该方法基于发射端、接收端与障碍物之间的位置关系，将沿障碍物传播的信号视为“开阔场”和“封闭障碍物”两种成分的叠加，并赋予不同的权重系数。该模型的复杂性和精度可根据具体应用场景的需求进行调整。文中以明挖隧道作为应用案例，展示了模型结构的实现过程。结合此前在立交桥和火车站上的实现案例，本文给出了高速铁路主要 SCO附加损耗的一整套系数。这为设计人员在铁路通信的研发过程中考虑SCO的影响提供了一种有效且相对简单的方法，且该方法可轻松扩展至其他SCO和智能交通系统环境。

当前研究的局限性在于权重系数是从测量数据中估计得出的。因此，未来如何根据系统配置和SCO特性直接估计模型结构中的系数（无需测量）将具有很高的研究价值和重要性，有助于进一步改进该模型。随着从各种应用中提取的系数数量不断增加，更多的半封闭障碍物可被纳入不同通信系统的网络规划与设计中。