项目背景
高速公路需要连续、全天候的车流统计与交通事件监测，传统方式依赖路侧设备，布设与维护成本高。
基于既有通信光缆的 DAS 方案无需新增路侧设备，即可感知车辆通行产生的振动信号。
结合深度神经网络实现车辆检测与速度估计，支撑交通流量分析与异常事件预警。
解决方案
01
复用沿线通信光缆
利用高速公路沿线既有通信光缆作为传感介质。
02
车辆振动信号采集
DAS 连续采集车辆通行引起的沿线振动信号。
03
深度网络识别
DAS-HiVENet 深度网络识别车辆并估计速度。
04
交通态势输出
输出车流统计、速度分布与异常事件预警。
效果对比（Segment 2 测试段）
| 方法 | 车辆检测率 | 速度估计（MAE） | 速度估计（MAPE） |
|---|---|---|---|
| DAS-HiVENet（Proposed） | 96.43% | 3.00km/h | 3.99% |
| YOLO Detection | 78.57% | 10.92km/h | 14.36% |
| Hough Transform | 63.64% | 8.20km/h | 11.12% |
数据来源：H.J. Wu, et al., Photonic Sensors, 2026, 16(1): 956000。
核心价值
价值
复用既有光缆
零路侧设备，低成本快速部署。
价值
全天候连续监测
不受光照、天气影响。
价值
高检测率
车辆检测率 96.43%，优于传统视觉方案。
价值
车速估计准确
速度估计 MAE 仅 3.00km/h。
让高速公路具备全路感知
车流检测、事件识别与基础设施监测一体方案。