[论文解读] 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 5

一句话总结

TelecomTM 通过分布式声学传感（DAS）技术，将现有的电信光纤电缆作为虚拟应变传感器，实现低成本、细粒度且无处不在的交通监控。通过使用利用空间相关性和牛顿运动模型的空间域贝叶斯滤波与平滑算法，系统实现了 90.18% 的车辆检测准确率，以及亚米级的跟踪精度，轮轴距估计误差为 ±3.92%，重量估计误差为 ±11.98%。

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.

研究动机与目标

• 解决现有交通监控系统存在的局限性，例如摄像头带来的隐私问题以及专用传感器部署成本高昂的问题。
• 克服利用现有电信光纤进行交通传感所面临的挑战，包括传感器属性未知且异构、噪声水平高等问题。
• 通过将被动电信基础设施转化为分布式传感网络，实现细粒度、可扩展且低维护的交通监控。
• 开发一种鲁棒系统，仅利用现有光纤电缆即可实现对车辆的检测、跟踪与特征识别，包括速度、位置、轮轴距和重量。

提出的方法

• 采用相位敏感光时域反射测量（ϕ-OTDR）技术，将电信光纤中的背向散射光转换为应变测量值，从而从现有“暗光纤”中创建虚拟传感器。
• 通过驾驶测试映射每个虚拟传感器的地理定位与信号特征，实现对异构传感器响应的精确校准。
• 应用空间域贝叶斯滤波与平滑算法，利用牛顿运动定律建模车辆运动，并通过多个虚拟传感器之间的空间相关性降低不确定性。
• 采用深度反卷积技术从准静态 DAS 记录中提取车辆脉冲响应，随后对反卷积后的信号进行波束成形，以提高速度与位置估计的分辨率。
• 通过分析 DAS 信号中由车轮引起的应变响应之间的时间差，估算车辆轮轴距与重量。
• 通过在双向道路上部署 1,120 个虚拟传感器，于多种交通与环境条件下进行实地部署，验证系统性能。

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.

实验结果

研究问题

• RQ1 是否可以有效将现有的电信光纤电缆重新用于构建可扩展、低成本且细粒度的交通监控系统，而无需部署专用硬件？
• RQ2 如何准确校准并建模从现有电信光纤中衍生出的虚拟传感器所具有的异构且未知的信号特性？
• RQ3 在复杂噪声与信号失真存在的情况下，空间依赖性与物理运动模型在多大程度上能提升车辆检测与跟踪的准确性？
• RQ4 该系统是否能够以高精度和低误差，从光纤引起的应变信号中实现对车辆轮轴距与重量的可靠估计？

主要发现

• TelecomTM 在实际双向交通条件下，利用现有电信光纤上的 1,120 个虚拟传感器，实现了 90.18% 的车辆检测准确率。
• 与基线方法相比，系统将位置估计误差降低了 27 倍，速度估计误差降低了 5 倍，分别达到 5.16 米的位置误差与 3.57 km/h 的速度误差。
• 轮轴距估计的相对误差为 ±3.92%，表明在车辆尺寸表征方面具有高精度。
• 重量估计的相对误差为 ±11.98%，表明在称重移动（weigh-in-motion）应用中表现优异。
• 空间域贝叶斯滤波与平滑算法通过利用传感器间的空间依赖性与物理运动约束，显著提升了跟踪的鲁棒性。
• 系统展现出良好的可扩展性与低维护特性，依托现有电信光纤基础设施（数百万公里）实现无处不在的传感能力。

(a)