都市交通モニタリングのための分散音響感知（DAS）: 再帰型ニューラルネットワークにおける時空間アテンション

概要: 効率的な都市交通監視は、モビリティの向上、安全性の強化、持続可能な都市の実現を支えるために不可欠です。分散音響センシング（DAS）は、既存の光ファイバーインフラを振動センサの密なアレイへ変換することにより、大規模な交通観測を可能にします。ただし、信頼性のある交通イベント認識のためのDASデータの高解像度の時空間構造をモデル化することは依然として困難です。本研究は、スペイン・グラナダで実施された実世界のDASベース交通監視実験を提示します。車両は、道路に対して垂直に敷設されたファイバーを横断します。リカレントニューラルネットワーク（RNN）は、事象内および事象間の時系列依存性をモデル化するために用いられます。空間的および時間的アテンション機構をRNNアーキテクチャ内に体系的に組み込み、認識性能、パラメータ効率、および解釈性への影響を分析します。結果は、適切で補完的なアテンションモジュールの配置が、精度とモデルの複雑さのバランスを向上させることを示しています。アテンションヒートマップは、有益な空間的位置と時間的セグメントを強調することにより、分類決定の物理的に意味のある解釈を提供します。さらに、提案されたSA-bi-TA構成は空間転移性を示し、訓練時に使用された場所とは異なる感知位置で交通イベントをうまく認識し、性能の低下は中程度に留まります。これらの知見は、多様な都市感知条件の下で動作可能な、拡張性が高く解釈可能なDASベースの交通監視システムの開発を支援します。