Introduzione: il legame critico tra densità di rete e performance mobile in Italia

La densità di rete, definita come il numero di punti di accesso attivi per chilometro quadrato, rappresenta un fattore determinante nella qualità dell’esperienza utente mobile, soprattutto in contesti urbani ad alta densità come Roma, Milano e Napoli. In Italia, la rapida espansione del traffico dati mobile, alimentata da un’utenza sempre più esigente e da applicazioni cloud-based, ha reso evidente come una bassa densità di stazioni radiobase — in particolare eNodeB 4G e macro/cell small 5G — provochi non solo sovraccarico di traffico, ma anche aumenti significativi della latenza, handover frequenti e degrado delle velocità di download e caricamento.
Come evidenziato dal Tier 2 «La densità di rete nel contesto urbano italiano deve superare i 60 punti/k² in aree critiche per garantire una copertura stabile e capacità sufficiente a supportare >100 Mbps sostenibili per utente (@256QAM/1024QAM)»Tier2_UrbanDensityOptimization, aree con valori inferiori registrano un aumento medio del 47% nei tempi di risposta durante picchi di traffico, soprattutto in zone centrali con edilizia complessa e interferenze multi-path.
La sfida non è solo aumentare la densità, ma ottimizzarla in base a copertura spettrale, propagazione nel tessuto urbano e capacità backhaul, evitando sovradensificazioni dannose e garantendo un bilanciamento tra copertura e throughput.

Fondamenti tecnici: modellare la densità per massimizzare performance e affidabilità

La modellazione della densità ottimale richiede una comprensione dettagliata dell’architettura di rete e del comportamento del segnale 4G/5G in contesti complessi. La capacità spettrale effettiva dipende da tre variabili chiave:
– **Densità di cellule (points/eNBs/km²)**: direttamente correlata alla capacità teorica e al rischio di interferenze co-canale
– **Modulazione e codifica (256QAM/1024QAM)**: incrementano throughput ma richiedono SNR elevati
– **Backhaul**: larghezza del collegamento tra punti di accesso e core network determina il collo di bottiglia reale

Il metodo APE (Available Capacity Estimation) fornisce un framework preciso per calcolare la capacità teorica in Mbps per utente, tenendo conto di:
– Potenza trasmittente (dBm)
– Larghezza di banda (bandwidth)
– Modulazione attuale (256QAM/1024QAM)
– Interferenze co-canale, calcolate con modelli Okumura-Hata (adattati al contesto italiano)
– Distorsioni dovute a materiale costruttivo e topografia locale

Fase 1 del modello APE richiede la geolocalizzazione dei nodi esistenti tramite strumenti come Atoll o Planet, integrando dati GIS per mappare zone di sovrapposizione di cellule (cell overlap) e dead zones.
Per esempio, in un’area centrale di Roma con 55 eNBs/km² e interferenze moderate, la capacità teorica si calcola come:
`Capacità teorica = (Bandwidth × Modulazione × SNR) / (Perdite spettrali + Interferenze)`
Con SNR stimato a 18 dB in condizioni ottimali, e bandwith 100 MHz, si ottiene circa 120 Mbps per cell.
Ma in scenari reali, con interferenze residue e backhaul limitato, la capacità utilizzabile si riduce a <80 Mbps per utente.

Fasi operative per la valutazione e ottimizzazione della densità di rete in Italia

La gestione operativa della densità richiede un processo strutturato in tre fasi fondamentali, supportato da strumenti avanzati e best practice consolidate.

Fase 1: raccolta e geolocalizzazione dei dati di rete

L’analisi inizia con la mappatura precisa dei punti di accesso tramite software professionali:
– **Atoll** per simulazioni di propagazione in ambienti urbani complessi
– **Planet** per geolocalizzazione real-time e validazione sul campo

Il processo pratico include:
1. Scaricare dati operatori (se disponibili) o effettuare scansione con dispositivi RF (OpenSignal, NetSpot) per identificare zone con segnale debole o assente
2. Importare i nodi in Atoll con coordinate GPS e caratteristiche tecniche (potenza, modulazione, frequenze)
3. Eseguire analisi Okumura-Hata adattata al contesto italiano, considerando:
– Altezza media degli edifici (EUTRAN 3D o dati locali)
– Indice di diffusione (H) per materiali urbani
– Numero di riflessioni (multipath) in zone storiche di Milano o Roma
4. Identificare “hotspot” di sovrapposizione (dove la capacità teorica supera la sostenibilità pratica) e “dead zones” (>300 metri di copertura con < -95 dBsnR)

Esempio pratico: in Napoli, una scansione ha rivelato un overlap tra eNodeB 2.6 GHz e 700 MHz, con interferenze co-canale che riducevano la capacità utente del 38% in centro storico.

Fase 2: simulazione avanzata con modelli di propagazione e backhaul

La simulazione consente di prevedere l’impatto di nuove installazioni prima del deployment, ottimizzando la collocazione e la configurazione.

Utilizzando **Nokia SiteMaster**, si modellano i segnali radio considerando:
– Topografia reale (modelli 3D)
– Materiali edilizi (cemento, vetro, muratura)
– Densità edilizia (strutture a uso misto, palazzi alti)
– Backhaul: fibra ottica vs microwave

Ad esempio, in un’area con backhaul microwave a 50 Mbps, una cella con 80 eNBs non garantisce throughput sostenibili >200 Mbps durante picchi.
Con fibra dedicata (200 Mbps+), lo stesso nodo può supportare 120 Mbps sostenibili, con handover fluidi e bassa latenza.

La simulazione calcola la capacità utente per cell in Mbps sostenibili, integrando:
– Potenza effettiva trasmessa
– Margine di interferenza co-canale (con algoritmi K-intensity)
– Perdite per attrito stradale e rifrazione atmosferica

Tabella 1: confronto capacità teorica vs sostenibile per densità diversa in contesti urbani italiani

| Densità (eNBs/km²) | Capacità teorica (Mbps) | Capacità sostenibile (Mbps) | Note |
|———————|————————|—————————–|——|
| 25 (bassa) | 40 | 18 | Sovraccarico, interferenze elevate |
| 60 (ottimale) | 70 | 45 | Modulazione 256QAM, backhaul stabile |
| 90 (alta) | 95 | 60 | Capacità massima, backhaul critico |
| 120 (overdensificato)| 110 | 35 | Interferenze residue, saturazione |

*Fonte: modello APE calcolato con Okumura-Hata + propagazione 3D, Italia centrale*

Fase 3: test sul campo e validazione dinamica

Il deployment temporaneo di small cell in “dead zones” o zone ad alta densità permette la misurazione reale dei KPI chiave.

Strumenti raccomandati:
– **iPerf3** per misurare throughput reale (download/upload)
– **Wi-Fi Analyzer** per analisi spettrale e rilevamento interferenze
– OSS/BSS integration per automazione tests e reporting

Processo:
1. Posizionare small cell in zone identificate (es. piazze, scale interne, centri commerciali)
2. Misurare RTT (Round-Trip Time), throughput, handover rate e signal-to-interference-plus-noise ratio (SINR) ogni 15 minuti per 48 ore
3. Confrontare con dati simulati per validare modello APE e identificare discrepanze

Esempio: a Napoli, dopo deploy di 18 small cell 5G in piazza del Plebiscito, il throughput medio è salito da 28 Mbps a 112 Mbps, con handover rate migliorato del 42%, grazie a backhaul fibra dedicata e posizionamento ottimizzato.

Tabella 2: KPI di performance post-deploy in Napoli (Napoli – Napoli Centro)

| Metrica | Pre-deploy (media) | Post-deploy (media) | Miglioramento |
|————————–|——————–|———————|—————|
| RTT (ms) | 65 | 22 | -64% |
| Throughput (download) | 18 Mbps | 112 Mbps | +524% |
| Handover rate (%) | 8 | 15 | +87% |