Optical Fiber Networks Can Keep Rail Networks Safe
Distributed acoustic sensing uses existing fiber to measure unexpected vibrations
Rail networks are vast, which makes it difficult to conduct comprehensive, continuous safety monitoring. Researchers in China have suggested analyzing the vibrations of existing fiber cables buried underground alongside railway tracks to detect problems.
https://spectrum.ieee.org/distributed-acoustic-sensing-trains-railways
광섬유 네트워크는 철도망의 안전을 유지하는 데 도움이 될 수 있습니다.
분산형 음향 감지는 기존 광섬유를 사용하여 예상치 못한 진동을 측정합니다.
철도망은 방대하여 포괄적이고 지속적인 안전 모니터링을 수행하기 어렵습니다. 중국 연구진은 철도 선로를 따라 지하에 매설된 기존 광섬유 케이블의 진동을 분석하여 문제를 감지하는 방안을 제안했습니다.
사샤 동은 중국 난징에 있는 동남대학교 교통 학부의 조교수입니다 . 그녀는 비디오 감시 , 레이더, 초음파 감지 와 같은 전통적인 철도 모니터링 방식이 효과적일 수 있지만, 전체 시스템에서 특정 지점만 모니터링하는 데 그치는 경우가 많다고 지적합니다.
"결과적으로 이러한 시스템은 철도 노선 전체에 걸쳐 연속적으로 감시하기에 적합하지 않으며, 기상 조건, 환경 요인 및 전력 공급 제약에 더 취약합니다."라고 그녀는 말합니다.
대신, 난장대학교의 동이신 교수와 동료 연구진은 분산 음향 감지 (DAS)라는 기술을 사용하여 철도 선로를 따라 매설된 지하 광섬유 케이블의 진동을 분석하고 안전 문제를 감지했습니다. 구체적으로, 케이블을 따라 펄스형 빛을 보내고 산란된 빛의 전파를 이용하여 케이블을 따라 발생하는 진동을 감지하고 정량화했습니다.
연구진은 이러한 신호에서 잡음을 걸러내고 손상되거나 결함이 있는 바퀴와 같은 다양한 종류의 위험한 조건과 관련된 특정 진동을 식별하기 위해 AI 모델을 개발했습니다.
동 교수는 철도에는 이미 통신용 광섬유 네트워크가 지하에 광범위하게 매설되어 있으므로, 별도의 전원 공급이나 값비싼 네트워크 구축 없이도 해당 케이블을 감지 매체로 활용할 수 있다고 지적합니다. 대신, 철도 선로를 따라 일정한 간격으로 모니터링 스테이션을 설치하고, 연장 케이블을 사용하여 DAS 시스템을 주 케이블에 연결할 수 있습니다.
철도 안전을 위한 머신러닝
연구진은 DAS 시스템을 개발하기 위해 다양한 철도 안전 문제에 대한 데이터를 수집하고 각 문제와 관련된 특정 진동을 식별하도록 기계 학습 알고리즘을 훈련시켰습니다.
예를 들어, 그들은 DAS 데이터를 사용하여 열차의 궤적을 감지하는 모델을 훈련시켰습니다. 이를 위해 13,000개 이상의 열차 샘플이 사용되었으며, 열차의 방향은 데이터를 통해 확인되었습니다. 이 모델은 98.75%의 정확도를 달성했습니다.
DAS는 철도 선로 양쪽에 설치되어 열차가 주변 주거 지역을 지날 때 발생하는 소음을 줄여주는 방음벽의 문제점을 감지하는 데에도 유용할 수 있습니다. 연구진은 방음벽에서 고무 패널을 제거하여 결함이 있는 방음벽을 모사하고 고무망치로 방음벽을 반복적으로 두드린 후 , 그 결과 얻은 음향 데이터를 사용하여 다른 모델을 학습시켰습니다. 이 모델은 99.6%의 정확도로 결함이 있는 방음벽을 감지할 수 있었습니다.
연구팀은 또한 기계 학습 알고리즘이 철도에서 발생하는 비정상적인 사건, 예를 들어 사람이 선로변 울타리를 넘어가는 행위, 선로에 낙석이 떨어지는 현상, 굴착기 작업과 같은 불법 건설 활동 또는 기타 환경 교란을 얼마나 잘 감지할 수 있는지 탐구했습니다. 이러한 유형의 사건은 처음에는 구별하기가 다소 어려웠지만, 모델에 많은 데이터를 입력함으로써 연구진은 이러한 유형의 사건에 대한 모델의 정확도를 97.03%까지 높일 수 있었습니다.
이러한 결과는 DAS가 철도 시스템 모니터링에 효과적인 도구가 될 가능성이 있음을 시사합니다. 동 교수는 "가장 놀라운 점은 적절한 모델링과 알고리즘 설계를 통해 철도를 따라 설치된 기존 광섬유 하나만으로도 여러 가지 모니터링 작업을 동시에 지원할 수 있다는 것입니다."라고 말하며, "이처럼 하나의 광섬유 시스템을 다목적으로 활용하는 것은 공학적으로 매우 중요한 가치를 지닙니다." 라고 덧붙였습니다.
동 교수는 이러한 실험이 통제된 환경에서 수행되었음을 인정하며, 실제 고속 열차 운행 조건에서 더 많은 진동 데이터를 수집할 필요성을 강조했습니다. 그럼에도 불구하고 그녀는 "이 연구 결과는 이러한 접근 방식이 실현 가능하며 실제 적용 가능성이 높다는 것을 시사한다"고 말했습니다.
https://spectrum.ieee.org/distributed-acoustic-sensing-trains-railways
댓글 없음:
댓글 쓰기