乡村公路车辆违规光纤传感与深度学习预警系统

1.本发明涉及弱光栅传感、信号处理及深度学习应用技术领域，更具体地说，涉及一种乡村公路车辆违规光纤传感与深度学习预警系统及方法。


背景技术：

2.乡村地区大多位于偏远地带，自然地理条件较为复杂，道路管理较为落后，节假日期间，景区游客流的增多常常引发部分网红景点路段车辆违停、超速、违规变道等问题，存在着安全隐患。乡村公路传统的道路管理主要依靠人力，传统监控设备以及两者相结合的方式。人为对道路管理目前只在极少数地区施行，由于其很难做到对一段道路的问题做出进行及时的反馈，而且成本较大。
3.传统监控技术手段如视频摄像头、测速雷达等受技术条件限制，存在一定的监控盲区，视频信息也会受天气影响不能做到全天候监控，同时传统监控安装方式还会破坏公路沿途风景的观赏性。


技术实现要素：

4.本发明要解决的技术问题在于，提供一种乡村公路车辆违规光纤传感与深度学习预警系统，其可在恶劣环境中工作，测量灵敏度高和精度高，便于组网以及卷积神经网络法具有较高的识别率以及较强的鲁棒性。
5.本发明解决其技术问题所采用的技术方案是：构造一种乡村公路车辆违规光纤传感与深度学习预警系统，包括光纤传感模块、解调模块，预处理模块、识别模块和上位机显示模块：
6.所述光纤传感模块，用于感测公路上车辆行驶过程中的振动，采集包含振动信息的光信号；
7.所述解调模块，用于将光纤传感模块采集的光信号转换为电信号并解调出随时间变化的相位信号；
8.所述预处理模块，用于对采集的相位信号进行加窗，然后经过傅里叶变换得到相位信号的频域信息，并经过谱密度计算增强频率幅值的信噪比，得到振动信号；
9.所述识别模块，加载用于训练的车辆违规识别的模型文件，利用一维卷积神经网络对公路车辆违规进行识别，判断采集的传感器数据内是否有车辆违规；
10.所述上位机显示模块，用于显示车辆是否违规的识别结果。
11.按上述方案，所述光纤传感模块为全同弱光栅阵列，所述光纤传感模块包括第一光纤分布式振动传感单元、第二光纤分布式振动传感单元和第三光纤分布式振动传感单元。
12.按上述方案，所述光纤分布式振动传感单元分别纵向交叉的设置在乡村公路上；所述第一光纤分布式振动传感单元和第三光纤分布式振动传感单元设置在乡村公路的右侧且用于监测车辆超速、违停；所述第二光纤分布式振动传感单元设置在乡村公路的中间
且用于监测车辆超车变道。
13.按上述方案，所述第一光纤分布式振动传感单元由弱光栅s1和弱光栅s2组成；所述第二光纤分布式振动传感单元由弱光栅s2、弱光栅s3和弱光栅s4组成；所述第三光纤分布式振动传感单元由弱光栅s4和弱光栅s5组成。
14.按上述方案，所述解调模块采用相位敏感光时域反射计φ-otdr技术和3
×
3耦合器系统设计。
15.按上述方案，所述相位敏感光时域反射计φ-otdr技术，使用光电探测器探测脉冲光在光纤沿线各处产生的后向瑞利散射光。
16.按上述方案，所述脉冲光是窄线宽激光器通过声光调制器(aom)调制后的一种高度相干的激光脉冲信号。
17.按上述方案，所述脉冲光经由掺铒光纤放大器(edfa)放大信号之后，通过第一环形器进入到光纤传感模块，反射回脉冲光序列，其中相邻弱光栅之间的间距相同。
18.按上述方案，所述反射回脉冲光序列通过第一环形器、第二环形器至非平衡michelson干涉仪。
19.按上述方案，所述3
×
3耦合器的三个输出端口分别输出相位差为2π/3的三路光信号。
20.按上述方案，所述3
×
3耦合器输出的三路光信号中的两路光信号经非等距的两根延时光纤和法拉第旋镜反射后在3
×
3耦合器处相遇干涉。
21.按上述方案，所述3
×
3耦合器输出的三路光信号使用三个光电探测器(pd1、pd2、pd3)转成电信号，通过数据采集卡(daq)采集。
22.按上述方案，所述预处理模块基于傅里叶变换用于从解调模块解调的相位信号提取频域信息；所述预处理模块基于谱密度计算用于增强频率幅值的信噪比，得到振动信号。
23.按上述方案，所述识别模块包含一维卷积神经网络模型加载与识别，所述一维卷积神经网络具体包括输入层、池化层、卷积层、第二池化层、第二卷积层、第三池化层、flatten层、全连接层、dropout层、第二全连接层、第二dropout层、第三全连接层、分类层。
24.按上述方案，所述一维卷积神经网络输入采集的光纤传感模块信号，在输入采集的光纤传感模块信号进入神经网络之前，先将采集的光纤传感模块信号进行随机地打乱；输出分类结果，所述分类结果利用softmax回归以及利用adam优化器进行优化。
25.按上述方案，所述一维卷积神经网络的损失函数采用二元交叉熵函数，所述函数具体为：
[0026][0027]
其中，y为真实标签，为预测标签。
[0028]
按上述方案，所述上位机模块用于显示车辆是否违规的识别结果。
[0029]
实施本发明的乡村公路车辆违规光纤传感与深度学习预警系统，具有以下
[0030]
有益效果：
[0031]
1、本发明使用基于3
×
3耦合器的技术的振动解调系统，利用散射光的强度信息对扰动事件进行快速定位，系统灵敏度高，通用型好，与其他光学器件能方便的连接并具有较高兼容性、解决现有检测方式中存在的识别不准确或识别速度低下等问题；
[0032]
2、本发明使用全同弱光栅阵列作为传感器，成本低，安装便捷，且抗腐蚀，抗电磁干扰能力强，能够适应多种恶劣环境；
[0033]
3、本发明利用傅里叶变换和谱密度进行计算，提取并增强振动信号的频域特征，提高振动信号有效特征的敏感度，使神经网络更易识别振动信号特征；
[0034]
4、本发明利用卷积神经网络识别车辆违规情况，能够解决现有检测方式中存在的识别不准确或识别速度低下等问题，能够快速准确地检测车辆违规情况，满足监控的技术需求且实现难度较低。
附图说明
[0035]
下面将结合附图及实施例对本发明作进一步说明，附图中：
[0036]
图1为本发明实施例提出的乡村公路车辆违规光纤传感与深度学习预警系统的示意图；
[0037]
图2为本发明实施例提出的光纤传感模块在乡村公路上的布置方式示意图；
[0038]
图3为本发明实施例提出的基于3
×
3耦合器的解调系统结构设计示意图；
[0039]
图4为本发明实施例提出的用于对解调模块解调的相位信号进行傅里叶变换和谱密度计算示意图；
[0040]
图5为本发明实施例提出的卷积神经网络稀疏连接和权值共享示意图；
[0041]
图6为本发明实施例提出的一维卷积神经网络模型示意图。
具体实施方式
[0042]
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
[0043]
如图1-6所示，本发明实施例提出的一种乡村公路车辆违规光纤传感与深度学习预警系统，具体包括以下模块：光纤传感模块、解调模块，预处理模块、识别模块和上位机显示模块。光纤传感模块用于感测公路上车辆行驶过程中的振动，采集包含振动信息的光信号。
[0044]
而根据乡村公路的长距离探测，光纤传感模块选用全同弱光栅阵列，具体如下：
[0045]
其中，全同弱光栅阵列在同一根光纤上复用多个fbg传感器，容量高，测量距离长不受电磁干扰，耐腐蚀，这可以适应户外公路的恶劣环境。
[0046]
具体地，光纤传感模块构成如图2所示，光纤传感模块包括第一光纤分布式振动传感单元、第二光纤分布式振动传感单元和第三光纤分布式振动传感单元。光纤分布式振动传感单元分别纵向交叉的设置在乡村公路上；第一光纤分布式振动传感器设置在乡村公路的右侧且用于监测车辆超速、违停，第一光纤分布式振动传感单元和第三光纤分布式振动传感单元设置在乡村公路的右侧且用于监测车辆超速、违停；第二光纤分布式振动传感单元设置在乡村公路的中间且用于监测车辆超车变道。第一光纤分布式振动传感单元由弱光栅s1和弱光栅s2组成；第二光纤分布式振动传感单元由弱光栅s2、弱光栅s3和弱光栅s4组成；第三光纤分布式振动传感单元由弱光栅s4和弱光栅s5组成。其中弱光栅s1～s5在光纤上的间距相同。
[0047]
进一步地，当车辆正常行驶过程中，光纤传感模块采集的信号特征为，第一光纤分布式振动传感单元和第三光纤分布式振动传感单元监测到振动的时间差为正常范围；当有车辆行驶过程中出现超速，光纤传感模块采集的信号特征为，第一光纤分布式振动传感单元和第三光纤分布式振动传感单元监测到振动的时间差较正常行驶时缩短；当有车辆行驶过程中出现违停，光纤传感模块采集的信号特征为，第一光纤分布式振动传感单元和第三光纤分布式振动传感单元监测到振动的时间差较正常行驶时变长；当有车辆行驶过程中出现超车变道，光纤传感模块采集的信号特征为，第二光纤分布式振动传感单元检测到车辆行驶信号。
[0048]
解调模块将光纤传感模块采集的光信号转换为电信号并解调出随时间变化的相位信号。具体包括如下：
[0049]
如图3所示，解调模块中，窄线宽激光器发出的光经由半导体放大器(soa)调制成脉宽固定的光脉冲序列。然后，脉冲光经掺铒光纤放大器(edfa)放大，通过第一环形器进入到光纤传感模块。光纤传感模块反射回来的脉冲光序列通过第二环形器、第二环形器至非平衡michelson干涉仪，3
×
3耦合器的三个输出端口分别输出相位差为2π/3的三路信号，其中两路信号经非等距的两根延时光纤和法拉第旋镜反射后在3
×
3耦合器处相遇干涉。由于延时光纤之间的长度差为传感测区的距离，干涉的两路信号之间的延时等于探测光到达传感测区2个弱光栅的时差，即每个干涉脉冲都是对应测区的两个弱光栅反射光相干得到的。最后，使用三个光电探测器(pd1、pd2、pd3)把3
×
3耦合器的三路输出光信号转成电信号，并解调出随时间变化的相位信号，通过数据采集卡(daq)采集。
[0050]
在上述解调过程中，解调出随时间变化的相位信号是指弱光栅s1与s2，s2与s3，s3与s4，s4与s5之间的相位信号。数据采集卡的采样频率设为10khz。
[0051]
如图4所示，预处理模块用于对解调模块解调的相位信号进行傅里叶变换和谱密度计算得到振动信号。
[0052]
具体地，在得到解调模块解调的随时间变化的相位信号后，对相位信号进行加窗预处理。通过傅里叶变换将截取的相位信号转换为单边频域信号，变换后采样点数减半。
[0053]
进一步地，在得到频域信号后，通过谱密度计算用于增强频率幅值的信噪比。谱密度计算是通过频域信号作自相关计算提高振动信号的有效特征，增强信噪比。
[0054]
由上述可知，相位信号经傅里叶变换和谱密度计算，得到了有效特征更显著，信噪比更强的振动信号。
[0055]
在本发明实施例中，在上述得到振动信号之后，将其按光纤分布式振动传感单元顺序排为一维序列，送入识别模块进行训练和识别。
[0056]
所述识别模块加载用于训练的车辆违规识别的模型文件，利用一维卷积神经网络对公路车辆违规进行识别，判断采集的传感器数据内是否有车辆违规，具体包括如下：
[0057]
将车辆超速、违停、超车变道对应的振动信号样本集用于一维卷积神经网络的训练，得到车辆违规识别的模型文件，之后将实时采集的振动信号用于训练好的车辆违规识别的模型文件输出车辆违规分类结果。
[0058]
如上所述的一维卷积神经网络特点是稀疏连接(局部感受)和权值共享。如图5所示为稀疏连接和权值共享。稀疏连接和权值共享可以减少所要训练的参数，减少计算复杂度。
[0059]
具体地，一维卷积神经网络构成如图6所示，具体包括输入层、池化层、卷积层、第二池化层、第二卷积层、第三池化层、flatten层、全连接层、dropout层、第二全连接层、第二dropout层、第三全连接层、分类层，其中s1为输入层、p1～p3是池化层、c1～c2是卷积层、fc1～fc3是全连接层、d1～d2是dropout层、f是flatten层，o是输出层。
[0060]
进一步地，输入层用于输入预处理模块计算的车辆超速、违停、超车变道对应的振动信号；池化层用于特征降维，相当于在空间范围内做了维度约减，从而使模型可以抽取更加广范围的特征，减小了下一层的输入大小，进而减少计算量和参数个数；卷积层用于提取输入的不同特征，每层卷积层由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法最佳化得到的；flatten层用于将输入“压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡；全连接层起到分类器的作用，将学到的特征映射到样本标记空间；dropout层用于神经网络的训练过程，按照一定的概率将一部分神经网络单元暂时从网络中丢弃。
[0061]
具体地，在输入预处理模块计算的振动信号进入输入层之前，先将预处理模块计算的振动信号进行随机地打乱，目的是为了降低数据的偶然性，有利于模型的泛化能力；dropout层比率选为0.5，消除减弱了神经元节点间的联合适应性，增强了泛化能力。
[0062]
卷积层使用了卷积操作，将前馈网络中的全连接替换为局部连接，在不同的连接之间进行权值共享，将一个卷积核作用于一张图像时，卷积核就像检测时的观察窗口，其从图像的左上角逐步滑动到右下角，其滑动的每个位置对应于一个输出节点，这个节点只和窗口内的输入节点(图像上每一个点都对应于一个输入节点)相连接，而不同输出节点和对应输入节点连接的权值是相同的。卷积操作可以自然地保留图像的空间信息，其只作用域局部，因而输出节点的空间结构和输入节点的空间结构是对应的。
[0063]
输出层即分类器，采用softmax回归，其中softmax回归方法中的优化算法采用二元交叉熵函数。振动信号经过模型识别可输出车辆违规情况。
[0064]
进一步地，一维卷积神经网络的损失函数采用二元交叉熵函数，函数具体为：
[0065][0066]
其中，y为真实标签，为预测标签。
[0067]
如上所述，振动信号通过池化层、卷积层、第二池化层、第二卷积层、第三池化层、flatten层、全连接层、dropout层、第二全连接层、第二dropout层、第三全连接层、由分类层输出车辆违规情况。
[0068]
上位机显示模块用于显示车辆是否违规的识别结果，将神经网络预测的结果显示在上位机模块。
[0069]
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

技术特征：
1.一种乡村公路车辆违规光纤传感与深度学习预警系统，其特征在于，包括光纤传感模块、解调模块，预处理模块、识别模块和上位机显示模块：所述光纤传感模块，用于感测公路上车辆行驶过程中的振动，采集包含振动信息的光信号；所述解调模块，用于将光纤传感模块采集的光信号转换为电信号并解调出随时间变化的相位信号；所述预处理模块，用于对采集的相位信号进行加窗，然后经过傅里叶变换得到相位信号的频域信息，并经过谱密度计算增强频率幅值的信噪比，得到振动信号；所述识别模块，加载用于训练的车辆违规识别的模型文件，利用一维卷积神经网络对公路车辆违规进行识别，判断采集的传感器数据内是否有车辆违规；所述上位机显示模块，用于显示车辆是否违规的识别结果。2.根据权利要求1所述的乡村公路车辆违规光纤传感与深度学习预警系统，其特征在于，所述光纤传感模块为全同弱光栅阵列，所述光纤传感模块包括第一光纤分布式振动传感单元、第二光纤分布式振动传感单元和第三光纤分布式振动传感单元。3.根据权利要求2所述的乡村公路车辆违规光纤传感与深度学习预警系统，其特征在于，所述光纤分布式振动传感单元分别纵向交叉的设置在乡村公路上；所述第一光纤分布式振动传感单元和第三光纤分布式振动传感单元设置在乡村公路的右侧且用于监测车辆超速、违停；所述第二光纤分布式振动传感单元设置在乡村公路的中间且用于监测车辆超车变道。4.根据权利要求3所述的乡村公路车辆违规光纤传感与深度学习预警系统，其特征在于，所述第一光纤分布式振动传感单元由弱光栅s1和弱光栅s2组成；所述第2光纤分布式振动传感单元由弱光栅s2、弱光栅s3和弱光栅s4组成；所述第3光纤分布式振动传感单元由弱光栅s4和弱光栅s5组成。5.根据权利要求1所述的乡村公路车辆违规光纤传感与深度学习预警系统，其特征在于，所述解调模块采用相位敏感光时域反射计φ-otdr技术。6.根据权利要求1所述的乡村公路车辆违规光纤传感与深度学习预警系统，其特征在于，所述预处理模块基于傅里叶变换用于从解调模块解调的相位信号提取频域信息；所述预处理模块基于谱密度计算用于增强频率幅值的信噪比，得到振动信号。7.根据权利要求1所述的乡村公路车辆违规光纤传感与深度学习预警系统，其特征在于，所述识别模块包含一维卷积神经网络模型加载与识别，所述一维卷积神经网络具体包括输入层、池化层、卷积层、第二池化层、第二卷积层、第三池化层、flatten层、全连接层、dropout层、第二全连接层、第二dropout层、第三全连接层、分类层。8.根据权利要求7所述的乡村公路车辆违规光纤传感与深度学习预警系统，其特征在于，所述一维卷积神经网络输入预处理模块计算的振动信号，在输入所述预处理模块计算的振动信号进入神经网络之前，先将所述预处理模块计算的振动信号进行随机地打乱；输出分类结果，所述分类结果利用softmax回归以及利用adam优化器进行优化。9.根据权利要求8所述的乡村公路车辆违规光纤传感与深度学习预警系统，其特征在于，所述一维卷积神经网络的损失函数采用二元交叉熵函数，所述函数具体为：
其中，y为真实标签，为预测标签。

技术总结
本发明涉及一种乡村公路车辆违规光纤传感与深度学习预警系统，包括光纤传感模块、解调模块，预处理模块、识别模块和上位机显示模块：所述光纤传感模块，用于感测公路上车辆行驶过程中的振动，采集包含振动信息的光信号；所述解调模块，用于将光纤传感模块采集的光信号转换为电信号并解调出随时间变化的相位信号；所述预处理模块，用于对采集的相位信号进行加窗，然后经过傅里叶变换得到相位信号的频域信息得到振动信号。本发明在不破坏公路沿途风景的同时，对超速、违停、违规变道等危险驾驶行为实时捕捉，也为路面养护提供精准依据，其次利用云数据处理平台也可以统计分析车流密度分布情况，车速等信息。车速等信息。车速等信息。


技术研发人员：冒燕 陈龙 李洪任 童杏林 徐小强
受保护的技术使用者：武汉理工大学
技术研发日：2023.03.03
技术公布日：2023/6/4