[論文レビュー] TelecomTM: A Fine-Grained and Ubiquitous Traffic Monitoring System Using Pre-Existing Telecommunication Fiber-Optic Cables as Sensors

Jingxiao Liu, Siyuan Yuan+3 more|arXiv (Cornell University)|May 4, 2023

Traffic Prediction and Management Techniques被引用数 5

ひとこと要約

TelecomTM は、分散音響センシング（DAS）を用いて、既存の通信ファイバー回線を仮想的なひずみセンサーとして活用することで、低コストで細粒度かつ広範囲にわたる交通モニタリングを実現する。空間ドメインにおけるベイズフィルタリングおよびスムージングアルゴリズムを用い、空間的相関性とニュートンの運動法則を活用することで、90.18%の車両検出精度と±3.92%のホイールベース誤差、±11.98%の重量推定誤差を伴うサブメートルレベルの追跡精度を達成する。

ABSTRACT

We introduce the TelecomTM system that uses pre-existing telecommunication fiber-optic cables as virtual strain sensors to sense vehicle-induced ground vibrations for fine-grained and ubiquitous traffic monitoring and characterization. Here we call it a virtual sensor because it is a software-based representation of a physical sensor. Due to the extensively installed telecommunication fiber-optic cables at the roadside, our system using redundant dark fibers enables to monitor traffic at low cost with low maintenance. Many existing traffic monitoring approaches use cameras, piezoelectric sensors, and smartphones, but they are limited due to privacy concerns and/or deployment requirements. Previous studies attempted to use telecommunication cables for traffic monitoring, but they were only exploratory and limited to simple tasks at a coarse granularity, e.g., vehicle detection, due to their hardware constraints and real-world challenges. In particular, those challenges are 1) unknown and heterogeneous properties of virtual sensors and 2) large and complex noise conditions. To this end, our TelecomTM system first characterizes the geographic location and analyzes the signal pattern of each virtual sensor through driving tests. We then develop a spatial-domain Bayesian filtering and smoothing algorithm to detect, track, and characterize each vehicle. Our approach uses the spatial dependency of multiple virtual sensors and Newton's laws of motion to combine the distributed sensor data to reduce uncertainties in vehicle detection and tracking. In our real-world evaluation on a two-way traffic road with 1120 virtual sensors, TelecomTM achieved 90.18% vehicle detection accuracy, 27$ imes$ and 5$ imes$ error reduction for vehicle position and speed tracking compared to a baseline method, and $\pm$3.92% and $\pm$11.98% percent error for vehicle wheelbase and weight estimation, respectively.

研究の動機と目的

• カメラによるプライバシー懸念や専用センサーの高コストな導入といった、従来の交通モニタリングシステムの限界を解消すること。
• 既存の通信ファイバーを交通センシングに使用する際の課題、特に未知で多様なセンサー特性と高いノイズレベルに対処すること。
• 受動的な通信インfraを分散センシングネットワークに変換することで、細粒度でスケーラブルかつメンテナンスが少ない交通モニタリングを実現すること。
• 専用ハードウェアを一切導入せず、既存のファイバー光ケーブルのみを用いて、車両の検出・追跡・特徴抽出（速度、位置、ホイールベース、重量）を実行できる堅牢なシステムの開発

提案手法

• 位相に敏感な光時間域リフレクトメトリー（ϕ-OTDR）を用い、通信ファイバー内のバックプロパゲーション光をひずみ測定に変換することで、既存のダークファイバーから仮想センサーを生成する。
• 走行テストを実施し、各仮想センサーの地理的場所と信号パターンをマッピングすることで、多様なセンサー応答の正確なキャリブレーションを可能にする。
• ニュートンの法則を用いて車両の運動をモデル化し、複数の仮想センサー間の空間的相関性を活用することで不確実性を低減する空間ドメインにおけるベイズフィルタリングおよびスムージングアルゴリズムを適用する。
• 準静的DAS記録から車両インパulse応答を抽出するためにディープデコンボリューションを採用し、その後、デコンボリュートされた信号に対してビームフォーミングを適用することで、速度および位置推定の分解能を向上させる。
• DAS信号における車両のタイヤが誘発するひずみ応答の時間差を分析することで、車両のホイールベースおよび重量を推定する。
• 多様な交通状況および環境条件下で、2方向走行の道路に1,120個の仮想センサーを実装し、実環境での展開によりシステム性能を検証する。

Figure 1 . Illustration of the principle of DAS. A strain perturbation affecting the optical fiber caused by vibrations between $A$ and $B$ produces linearly proportional variations in the phase of the backscattered light.

実験結果

リサーチクエスチョン

• RQ1 既存の通信ファイバー光ケーブルを、専用ハードウェアの導入なしに、スケーラブルで低コストかつ細粒度な交通モニタリングシステムとして効果的に再利用できるか？
• RQ2 既存の通信ファイバーから派生する仮想センサーの多様で未知の信号特性を、正確にキャリブレーションおよびモデル化できるか？
• RQ3 複雑なノイズや信号歪みの存在下でも、空間的依存性および物理的運動モデルを活用することで、車両検出および追跡精度をどの程度向上できるか？
• RQ4 ファイバーに誘発されるひずみ信号から、高い精度と低い誤差で車両のホイールベースおよび重量を信頼性高く推定できるか？

主な発見

• TelecomTM は、既存の通信ファイバーに1,120個の仮想センサーを用いて、実環境の2方向走行条件下で90.18%の車両検出精度を達成した。
• ベースライン手法と比較して、位置推定誤差を27倍、速度推定誤差を5倍低減し、位置誤差は5.16メートル、速度誤差は3.57 km/hを達成した。
• ホイールベースの推定は±3.92%の相対誤差を示し、車両サイズの高精度な特徴抽出を実現した。
• 重量推定は±11.98%の相対誤差を達成し、ウェイ・イン・モーション（WIM）用途において優れた性能を示した。
• 空間ドメインにおけるベイズフィルタリングおよびスムージングアルゴリズムは、センサー間の空間的依存性と物理的運動制約を活用することで、追跡のロバスト性を顕著に向上させた。
• 本システムはスケーラビリティと低メンテナンス性を実証し、数百万キロメートルに及ぶ既存の通信ファイバーインフラを活用して、広範囲にわたるセンシングを実現した。

(a)