使用分布式光纤声学传感对铁路活动的分析
Thurian Le Du1, Arthur Hartog1, Graeme Hilton1
1FOSINA, 23 rue du port, 92000 Nanterre, France.
Sensors (Basel, Switzerland)
|July 12, 2025
概括
分布式声学传感 (DAS) 有效地使用光纤监控铁路入侵. 机器学习模型分析各种信号以检测和分类威胁,提高铁路安全.
科学领域:
- 地质物理学 地质物理学
- 铁路工程 铁路工程是指铁路工程.
- 机器学习 机器学习
背景情况:
- 对铁路轨道的入侵构成重大安全风险,包括潜在的死亡和基础设施损坏.
- 当前的监测方法可能无法充分解决各种各样的威胁,例如人类活动,动物或环境因素,如落的岩石.
研究的目的:
- 评估分布式声学传感 (DAS) 在检测和分类铁路轨道上各种入侵的有效性.
- 收集和分析来自不同入侵场景的各种声学特征数据集.
- 开发和评估用于自动入侵检测和分类的机器学习模型.
主要方法:
- 沿着铁路试验轨道部署12公里的光纤电缆,用于连续数据采集.
- 在各种场景中收集声学数据,包括行走,挖掘和落石.
- 使用获得的DAS数据对机器学习算法进行培训和验证.
主要成果:
- 证明了DAS能够捕获与铁路环境相关的各种声学信号的能力.
- 展示了机器学习模型在准确检测和分类不同类型的入侵中的性能.
- 呈现了与动物在轨道上的存在相关的特定信号特征.
结论:
- 分布式声学传感是一种可行且有效的技术,用于全面监控铁路入侵.
- 机器学习显著提高了解释DAS数据的能力,以实时检测和分类威胁.
- 该研究为在铁路部门实施先进的,数据驱动的安全系统提供了基础.
