Disclosed are machine learning (ML) based Distributed Fiber Optic Sensing (DFOS) systems, methods, and structures for Sonic Alert Pattern (SNAP) event detection performed in real time including an intelligent SNAP informatic system in conjunction with DFOS/Distributed Acoustic Sensing (DAS) and machine learning technologies that utilize SNAP vibration signals as an indicator. Without installation of additional sensors, vibration signals indicative of SNAP events are detected along a length of an existing optical fiber through DAS. Raw DFOS data is utilized – and not DFOS waterfall data – resulting in faster and more accurate information derivation as rich, time-frequency information in the raw DFOS/DAS waveform data is preserved. A deep learning module Temporal Relation Network (TRN) that accurately detects SNAP events from among chaotic signals of normal traffic is employed, making it reliable when applied to busy roads with dense traffic and vehicles of different speed.
Sont divulgués des systèmes, des procédés et des structures de détection par fibre optique distribuée (DFOS) basés sur l'apprentissage automatique (ML) pour une détection d'événement de motif d'alerte sonore (SNAP) effectuée en temps réel comprenant un système informatique SNAP intelligent conjointement avec une détection acoustique DFOS/distribuée (DAS) et des technologies d'apprentissage automatique qui utilisent des signaux de vibration SNAP en tant qu'indicateur. Sans installation de capteurs supplémentaires, des signaux de vibration indicatifs d'événements SNAP sont détectés le long d'une longueur d'une fibre optique existante par DAS. Des données DFOS brutes sont utilisées (et non des données de cascade DFOS), conduisant à une dérivation d'informations plus rapide et plus précise en tant que riche, des informations temps-fréquence dans les données de forme d'onde DFOS/DAS brutes sont préservées. Un réseau de relations temporelles de module d'apprentissage profond (TRN) qui détecte avec précision des événements SNAP parmi des signaux chaotiques de trafic normal est utilisé, ce qui le rend fiable lorsqu'il est appliqué à des routes occupées avec un trafic dense et des véhicules de vitesse différente.
SPATIOTEMPORAL AND SPECTRAL CLASSIFICATION OF ACOUSTIC SIGNALS FOR VEHICLE EVENT DETECTION OVER DEPLOYED FIBER NETWORKS
CLASSIFICATION SPATIO-TEMPORELLE ET SPECTRALE DE SIGNAUX ACOUSTIQUES POUR LA DÉTECTION D'ÉVÉNEMENTS DE VÉHICULE SUR DES RÉSEAUX DE FIBRES DÉPLOYÉES
25.07.2024
Patent
Elektronische Ressource
Englisch
IPC: | G01H MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES , Messen von mechanischen Schwingungen oder Ultraschall-, Schall- oder Infraschallwellen / G01D MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE , Anzeigen oder Aufzeichnen in Verbindung mit Messen allgemein / G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen / G08G Anlagen zur Steuerung, Regelung oder Überwachung des Verkehrs , TRAFFIC CONTROL SYSTEMS |
Europäisches Patentamt | 2024
|Vehicle Classification Using Networks Based Upon Acoustic Signals
British Library Conference Proceedings | 1995
|