随着我国基础设施建设的不断深入,交通路网越来越发达,但在交通领域,目前仍然没有一种可靠、经济、实用的测量检测技术能对整体交通路网状态等交通要素事件进行长距离连续监测。近年来,光纤振动传感技术,以其分布式、长距离、全天候监测的技术特点,在例如石油管道泄漏监测、轨道运行监测、长距离周界安防等大型线状基础设施中得到初步应用,但依然面临许多技术上的难题。本文主要以光纤振动传感系统为研究对象,对相位敏感型分布式光纤振动传感系统涉及到的作用机理、感应物理量、信号处理、模式识别等问题进行了深入的研究,并尝试将分布式光纤振动传感系统引入交通系统中,解决交通中长距离连续测量监测的难题。本文提出了一种基于仿射传播聚类（Affinity Propagation Clustering,AP Clustering）的光纤振动信号智能识别模型。在模型中,原创性地提出一种新型的振动信号定位方法,该方法能将大量无关的非事件振动信号滤除,并增加了整个模型的识别效率。同时在原始光纤振动信号滤波和消噪上面提出采用变分模态分解（Variational Mode Decomposition,VMD）的方法,并在试验中验证了在结合新型振动信号定位算法下,该方法较经验模态分解（Empirical Mode Decomposition,EMD）、集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）均能获得最优信噪比。与此同时,本文通过多组不同振动事件的试验分析,发现基于VMD、振动信号定位与AP相结合的方式,能获得达到90%以上事件高识别率的效果,并且基于所提出AP算法具有无监督学习的特性,使得该智能识别模型具有良好的应用前景。在深入研究基于传统单通道相干探测的φ-OTDR（phase-sensitive optical timedomain reflectometer）光路与信号智能识别的基础上,为了解决单通道系统可能存在的信号衰落与噪声影响问题,本文提出了一种新型的双通道φ-OTDR（Dual-Channel-φ-OTDR,DC-φ-OTDR）检测系统。本文在搭建的DC-φ-OTDR检测系统中首先在基于仿射传播聚类智能识别模型上验证了该方法具有同时降低振动事件检测失效和提升检测系统信噪比的优势,并能整体相较单通道φ-OTDR（Single-Channel-φ-OTDR,SC-φ-OTDR）检测系统提升约14%的事件识别准确率。其次为了解决基于仿射传播聚类智能识别模型中出现的算法复杂度大,对机器内存开销大,难以达到实时检测的难题,创新性地提出了一种适用于DC-φ-OTDR系统的快速振动定位算法,该方法克服了传统常规微分法（Conventional Differential Method,CDM）依赖步长参数选择的缺点,根据组合差分信号,可以实时定位振动位置,并较CDM方法获得高于3-5d B的信噪比,显示良好的实用性效果。另外,因DC-φ-OTDR检测系统光缆中的两根光纤在空间上存在独立性,致使随机扰动因素对双通道中传输光波的强度和相位影响不同步的因素和未来面向5G通信系统将大规模采用以波分、模分复用、相干光通信技术等为代表的长距离大容量光纤通信技术的发展趋势,因此本文探索性地搭建了基于两模光纤的双通道φ-OTDR传感系统,进一步研究了基于两模光纤中LP01模和LP11模的双通道φ-OTDR系统,并分别探索了LP01模和LP11模的振动检测性能。系统采用光子灯笼作为模分复用/解复用器,将LP01模和LP11模注入两模光纤,并将相应的后向瑞利散射信号LP01-01和LP11a-11a反馈回信号处理系统对振动信号进行解调。结果表明,LP01模产生的LP01-01具有更高的信噪比和时频复原特性,同时两模光纤的LP01模和LP11模均能较好提取振动位置处的时频信号,为后续室外现场交通事件的特征提取和智能识别奠定良好基础。