各类ISAC评估场景包括哪些？

各类 ISAC 评估场景主要包括以下几种：

1.室外场景

室外典型评估场景大致可分为“对天、对地”的检测、定位和重构等场景。对天主要指低空异常物体检测、定位与追踪，对地主要指对地面交通、行人的检测、定位，以及建筑、车辆的重构等。室外场景涉及的感知用例主要包括“目标检测定位跟踪”和“环境重构”。

1.1 检测定位跟踪

在室外“对天”或“对地”的检测定位感知场景中，以智能交通场景为例，需实时检测行人、非机动车、 UAV 、动物等潜在入侵者是否在道路、铁路中间或四周的危险区域， 需要通过目标位置和速度估计、轨迹追踪等方式判断其闯入危险区域的可能性，也需要实时监测路面的汽车是否处于正常或异常行驶状态（例如是否逆行、超速）。这一过程中，可能包括对被检测物的识别，例如识别路中间运动物是汽车还是非机动车，以检测特定目标并判断其危险程度。这一用例涉及的感知行为包括：对目标的检测、定位、跟踪、重构、识别等。涉及的感知对象包括：人、动物、车辆、无人机等。

对于室外智能交通场景，在网络部署方面，可参考现有UMi 场景部署六边形蜂窝状小区。 感知目标以车辆、行人、UAV 三种常见目标为例。可设定如图2所示的若干“道路”区域，路两旁还可设置一定宽度的“路肩”区域，然后设定这三种目标在不同区域的部署比例。

1.2 环境重构

在室外主要“对地”的环境重构场景中，与目标检测、定位与跟踪不同，基站需要利用电磁波对周围环境进行探测，通过反射、散射等信道特征提取感知目标的外形、朝向等特征，例如获得环境目标的电磁点云图像。此时，感知目标可能不再是单一的目标，而是包含楼宇，树木，车辆等环境中的物体。通过对周围环境的重建，能够精确的掌握环境中的信道变化，从而更好的支撑数字孪生、辅助通信效率和速率提升。在网络部署方面，与 2.1.1 节类似，可参考现有 UMi 场景部署六边形蜂窝状小区。感知目标主要包车辆、建筑、道路等，可根据特定的目标部署模型（包括目标数量、密度、形状、散射特征等）部署目标，必要时也可导入特定的数字地图来部署目标。

2.室内场景

室内典型评估场景大致可以分为面向“专网化需求、公众化需求、家庭化需求”的三类场景。“专网化需求”主要针对工厂等对感知和通信都是局限化且高安全隐私需求的场景，如智慧工厂内工作人员、机器人、设备产品的定位、重构、成像、手势/ 姿态识别等业务。“公众化需求”主要指对商场等公众场景进行室内的环境重构。“家庭化需求”主要指对家庭、医疗场景中人的动作、呼吸等身体状态进行监测的场景，如室内智慧健康的呼吸检测应用。室内场景涉及的感知用例主要包括“目标检测定位跟踪”、“环境重构”以及模式识别（包括手势/姿态识别、呼吸检测）等。

2.1 检测定位跟踪

在室内检测定位跟踪的感知场景中，以 “专网化需求” 的室内智能工业场景为例，感知业务包括对 AGV、工业机器人、设备、待搬运物料等目标进行检测、定位、跟踪。由于室内大部分目标处于静止或慢速移动状态，目标的检测与定位可能是通过对目标的重构、识别来实现的。此外， 该场景还会涉及人机交互，例如工作人员通过手势操作机器的移动和生产运行。 检测和定位的结果可用于AGV 导航、路径规划（避障）、机器人协作（例如协作搬运物料、协作生产）等业务需求。涉及的感知对象包括： 人（包括人的手臂、手指）、 机器人、 AGV、设备等。涉及的感知行为包括：对目标的检测、定位、跟踪、重构、成像、手势/姿态识别等。

对于室内智能工业场景，可参考现有的 InF 网络部署，设置类似厂房的方形仿真区域，在室内顶部部署如图 4 所示的多个基站。部署的目标可包括具有移动性的AGV、物料、行人，也可以包括不具有移动性的机器设备（例如图4 中的柱体）等。部署不同类型目标的位置时应注意避免目标位置重复。

2.2 环境重构

室内环境重构一个典型的应用场景即“专网化需求”的室内工厂网络部署。相比室外环境重构，室内工厂场景散射体更加丰富，材质表面更加光滑，传播信道多径更加丰富，可能存在多次反射路径。另外，工厂场景大量的 AGV 等设备可辅助基站完成不同视角的扫描探测，提供多维度，高精度的环境重构能力，可用于支持工业数字孪生应用。另一方面，对于“公众化需求”的室内商业环境重构，有效实现室内环境的高精度重构是实现室内定位导航的关键。依靠室内空间中广泛存在的通信设备，可以扫描并重构出室内环境。借助重构出的室内地图，结合目标的主被动定位信息，可以得到目标相对于客观环境的位置信息。这不仅有助于实现高精度室内导航，还可以提高通信效率，例如，即使没有通信波束测量上报的情况，也可以利用环境重构的结果来形成优化的通信波束。

2.3 模式识别

模式识别包括人的手势/姿态识别、呼吸检测等。在室内模式识别场景中，需实时检测和识别家庭和医疗场景中的人的位置、动作和姿态等信息，以实现智能家居、健康监控、健身监测、虚拟现实和游戏等多种应用。例如，感知技术可用于智能家居，通过检测家庭成员的动作来实现家居的自动控制；或者用于健康监控，监测老年人或病人的日常活动和生命体征（如呼吸和心跳），从而及早发现健康问题并提供警报。在室内环境中，多人动作检测是一个具有挑战性的任务。个体之间体形、姿态和运动方式存在多样性，还会受到遮挡、干扰和噪声等因素的影响，需要综合运用机器学习和信号处理等领域的技术来解决这些问题。同时，还需要根据实际应用的需求和复杂性来优化多人动作检测方法，以确保其在实际场景中的准确性和可靠性。

对于室内模式识别场景的网络部署，可以采用与第 2.1 节相似的方法，即参考InF 网络部署策略。具体而言，根据不同的感知模式，包括单站感知模式和双站感知模式，选择部署 1 个或 2 个基站于室内墙壁或顶部作为感知节点，还可以将基站和终端，或者不同的终端作为双站感知节点，以支持单人或多人的模式识别，包括呼吸、心跳、姿态、动作等。