Оптоволоконные кабели вдоль шоссе превратили в огромные датчики дорожного движения
В Китае разработали нейросеть на физических принципах, которая превращает оптоволоконные кабели вдоль шоссе в огромные массивы датчиков дорожного движения. Необычное дополнительное применение существующей телекоммуникационной инфраструктуры описано в журнале Communications in Transportation Research.
Идея распределенного акустического зондирования (DAS) не нова. Сейсмологи успешно применяют опутавшее планету оптоволокно в научных целях и, более того, даже научились подслушивать таким способом разговоры.
Использование кабелей вдоль дорог для анализа трафика по вибрациям земли, передающимся линиям связи на столбах, тоже прямо-таки напрашивается на воплощение в жизнь. Но «сырые» сигналы DAS, снимаемые с проводов, слишком зашумлены, чтобы по ним определить интенсивность и скорость движения автотранспорта с достаточной точностью.
Китайские ученые спроектировали нейросеть на физических принципах, которая строит по данным DAS карту, на которой проезжающие машины отмечены штрихами (наклон каждого такого штриха зависит от скорости), сверяет ее с изображениями с камер и восстанавливает полную картину трафика.
«Мы рассматриваем восприятие транспортного состояния на основе DAS как задачу восстановления изображения. Ключевой момент — встроить фундаментальные законы транспортного потока, такие как уравнение сохранения Лайтхилла–Уизема–Ричардса (LWR), непосредственно в функцию потерь нейросети. Это гарантирует, что прогнозы физически непротиворечивы, а не просто статистически правдоподобны», — пояснил инженер транспорта Ма Ян из Хэфэйского политехнического университета, ведущий автор исследования.
Ученые построили реалистичную платформу симуляции DAS, проверенную на полевых данных со скоростной автомагистрали Чусинь, и протестировали 16 комбинаций моделей. Модели с ограничением LWR превзошли чисто основанные на наблюдениях базовые решения более чем на 30% по снижению ошибки, тогда как более сложные физические модели фактически ухудшали производительность из-за усиления шума. Учет изображений с камер помогает в уточнении результатов, но более плотная установка камер не всегда полезна — она может вносить пространственные разрывы, которые дестабилизируют физическую функцию потерь.
Примечательно, что перенос обучения на сокращенном количестве точек позволил предобученной модели адаптироваться к новым магистралям всего по нескольким сотням локальных образцов, даже несмотря на существенные различия в геометрии дорог и характере движения.
«Это значит, что мы можем развернуть обобщенную модель на разнообразных скоростных дорогах с минимальной калибровкой под конкретный участок. Вместо установки нового оборудования мы используем существующее оптоволокно как распределенную сенсорную сеть — масштабируемую, экономически эффективную и работающую в любую погоду», — резюмировал Ма.
Исследователи также вычислили оптимальные параметры такой инновационной сети датчиков. Установка одного DAS-интеррогатора на 20 км оптоволоконного кабеля превращает его в массив сенсоров с шагом в один метр.
