本文是我们与IEEE Xplore合作推出的独家IEEE期刊观察系列文章之一。
铁路网络覆盖范围广泛，这给全面、持续的安全监测工作带来了相当大的挑战。中国研究人员提出了一种新思路：通过分析埋设在铁路沿线地下的现有光纤电缆所产生的振动信号，来实现对铁路安全问题的实时检测。
相关研究成果于3月5日发表在《光通信与网络期刊》上。研究团队通过实验验证，该技术能够有效识别多种与列车安全相关的问题，包括故障车轮以及铁路沿线受损的隔音屏障。
东莎莎（Sasha Dong）是南京东南大学交通学院的青年教授。她指出，传统铁路监测手段——如视频监控、雷达和超声波传感——虽然各有成效，但通常只能对铁路系统中的单个监测点进行监控。
"因此，这些方法并不适合对整条铁路线进行连续覆盖监测，而且更容易受到天气条件、环境因素和供电限制的影响，"她说道。
为此，东莎莎及其团队采用了一种名为分布式声学传感（DAS）的技术，通过分析铁路沿线地下光纤电缆的振动信号来检测安全隐患。具体而言，该技术向电缆中发射脉冲光，再利用散射光的传播来探测并量化沿线的振动情况。
研究人员还开发了AI模型，用于过滤信号中的噪声，并识别与各类不安全状态相关的特定振动特征，例如受损或有缺陷的车轮所产生的振动。
东莎莎指出，铁路沿线本已铺设了大量用于通信的地下光纤网络，这意味着这些电缆完全可以作为传感介质加以利用，无需额外供电，也无需新建其他昂贵的基础设施。只需在铁路沿线按一定间距安装监测站，并通过延伸电缆将DAS系统接入主干光缆即可。
为了构建DAS系统，研究人员着手收集各类铁路安全问题的数据，并训练机器学习算法，使其能够识别与各类问题对应的特定振动特征。
例如，他们利用DAS数据训练了一个用于检测列车运行轨迹的模型。该模型使用了超过13,000个列车行进样本，并通过实测数据对列车方向进行了确认，最终达到了98.75%的识别准确率。
此外，研究人员还在云南昆明一段60公里长的铁路上，采集了存在轮对故障（即车轮或连接轴存在损伤或缺陷）的列车运行样本。结果显示，问题识别效果十分清晰：正常车轮的振动频率主要集中在60赫兹以下，而故障车轮的振动频率则可高达100赫兹。
DAS技术在隔音屏障故障检测方面同样具有应用潜力。隔音屏障是铁路两侧的板状墙体结构，用于降低列车通过时对周边居民区造成的噪音影响。研究人员通过拆除隔音板上的橡胶面板来模拟故障屏障状态，并用橡皮锤反复敲击屏障，利用所采集的声学数据训练另一个检测模型，最终实现了高达99.6%的故障隔音屏障检测准确率。
团队还探索了机器学习算法在识别铁路沿线异常事件方面的能力，包括人员翻越轨道侧围栏、落石砸轨、挖掘机作业等违规施工行为，以及其他环境干扰事件。这些事件类型起初较难区分，但通过大量数据的模型训练，研究人员最终将此类事件的识别准确率提升至97.03%。
上述结果表明，DAS技术有望成为铁路系统监测的有效工具。"最令我们感到惊喜的是，铁路沿线已有的单根光纤，在经过合理的建模与算法设计之后，能够同时支持如此多种监测任务，"东莎莎说，"这种一纤多用的方式具有极强的工程应用价值。"
东莎莎也坦承，目前的实验均在受控环境下进行，并强调未来需要在真实高速列车运行条件下采集更多振动数据。尽管如此，她表示："本研究的结果表明，这一方法切实可行，具有较强的实际应用潜力。"
Q&A
Q1：分布式声学传感（DAS）技术是如何用于铁路安全监测的？
A：DAS技术通过向铁路沿线已有的地下光纤电缆中发射脉冲光，利用散射光的传播来探测并量化沿线的振动信号。研究人员再结合AI模型对信号进行降噪处理，并识别出与不同安全问题对应的特定振动特征，从而实现对故障车轮、受损隔音屏障等问题的实时检测，无需新建额外的传感网络或供电设施。
Q2：DAS系统对铁路安全问题的检测准确率有多高？
A：根据实验结果，DAS系统在不同任务上均表现出色：列车轨迹检测准确率为98.75%，故障隔音屏障检测准确率高达99.6%，对人员翻越围栏、落石、违规施工等异常事件的识别准确率也达到了97.03%。正常车轮振动频率主要在60赫兹以下，故障车轮则可达100赫兹，两者特征差异明显。
Q3：铁路沿线为什么已有可供DAS使用的光纤电缆？
A：铁路系统本身就铺设了大量用于通信的地下光纤网络。这些原本用于数据传输的光纤，经过合理的系统接入和算法设计，便可同时充当振动传感介质，无需额外铺设新的传感线路或增设供电系统，大幅降低了部署成本，具有很高的工程实用价值。
热门跟贴