道路近くに広く配備されたダークファイバーに接続された分散音響センシング（DAS）機器による、弱い車両生成準静的ひずみの検出のための深層学習画像セグメンテーションモデル

道路近くに広く配備されたダークファイバーに接続された分散音響センシング（DAS）機器は、車両によって生成される準静的ひずみ信号を広範囲で収集できます。このアプローチは、従来の道路脇センシング技術の高い展開および維持コストと限られたカバレッジに対処し、DASをインテリジェント交通システムの非常に有望な車両検出技術にしています。しかし、DASセンシング媒体として特別に敷設されたセンシングケーブルではなく既存の通信ケーブルを使用することで、超低コストの展開および維持コストの利点は提供されるものの、ファイバケーブルから遠く離れた軽量かつ低速の車両を検出する際に重大な課題が生じます。そのような車両によって生成される準静的ひずみは低く、環境ノイズやDASのフェーディングノイズに簡単に埋もれてしまいます。本論文では、弱い車両の準静的信号の原因を分析し、大きなウィンドウと小さなステップサイズを用いてこれらの弱い信号を認識するように訓練されたUnet画像セグメンテーションネットワークを提案します。数多くの軽量低速車両を含む典型的なキャンパステストシナリオにおいて、Unetを使用したさまざまな車両の準静的信号をテストしました。結果は、私たちの方法が高い認識精度を持ち、DASのフェーディングノイズに対して優れた抵抗性を示すことを実証しました。