Comment localiser un câble souterrain grâce au bruit des voitures express
Sous les rues des villes s'étend une toile de fibre optique — des centaines de kilomètres de fils de verre qui transportent Internet. Mais les cartes précises de cette toile sont souvent perdues ou obsolètes. Trouver un câble sous terre, c'est un peu comme chercher à tâtons un fil dans un mur sans savoir où il passe.
La nouvelle méthode transforme le câble lui-même en oreille. La fibre optique déjà enfouie capte les moindres vibrations du sol. Quand une voiture circule dans la rue, le sol sous ses roues se déforme légèrement — et le câble ressent cette déformation. Les scientifiques récupèrent les données depuis une extrémité de la fibre et observent comment la tension varie en chaque point. En parallèle, ils suivent les véhicules grâce à des caméras ou à des capteurs GPS embarqués. Ensuite, un algorithme entre en jeu : il cherche la forme du câble qui produit des vibrations prédites correspondant le mieux aux vibrations réelles.
La méthode a déjà été testée en simulation et sur des installations réelles. Elle ne nécessite ni de casser l'asphalte ni de creuser des tranchées — il suffit du trafic ordinaire et d'un accès à une extrémité de la fibre. Cette approche pourrait devenir un outil standard pour l'inventaire des réseaux souterrains et même pour la surveillance de l'environnement urbain : les vibrations peuvent révéler la densité du trafic ou l'état du sol.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2604.10331
We present a scalable method for geolocalizing buried fiber-optic cables using Distributed Acoustic Sensing (DAS) and traffic-induced quasi-static seismic signals. Assuming access to one end of the fiber, the method fuses DAS measurements with vehicle trajectories obtained from either video tracking or vehicle-mounted GPS. The fiber geometry is estimated by minimizing the mismatch between the measured and physics-based synthetic strain-rate maps. The framework combines a matched-filter initialization with neural-network-based trajectory optimization, enabling robust convergence under realistic noise and trajectory-uncertainty conditions. Simulation and field experiments demonstrate sub-meter localization accuracy, often on the order of tens of centimeters, and strong agreement with manual calibration by tap-testing. This approach provides a practical tool for mapping poorly documented underground fiber infrastructure and for supporting urban sensing applications.
La fibre optique, qui sert normalement à transmettre des données, fonctionne ici comme un microphone géant : elle capte les vibrations de chaque voiture qui passe, même si celle-ci se trouve à des dizaines de mètres du câble.