Beyond Dead Reckoning: A Point of View on Camera--DAS--GNSS Continuity in Road Tunnels

当汽车驶入长长的隧道时，它便失去了与天空的联系。几十年来，引导我们车辆的技术一直依赖于在地球高空轨道上运行的卫星，它们发送信号来告诉汽车在全球上的精确位置。但在深邃的隧道内部，这些信号会被数吨重的岩石和混凝土阻挡。汽车的导航系统会因此“失明”。为了安全行驶，车辆必须根据行驶速度以及自信号消失以来行驶了多久来“猜测”自己的位置。这种被称为“航位推算法”（dead reckoning）的方法，就像是在黑暗中走路并数着自己的步数；最终，计数中的一个小错误或地面上的一次轻微打滑都会累积起来，让你最终偏离了原本以为的位置。对于未来的自动驾驶汽车而言，它们需要以完美的确定性来了解自己的位置以避免事故，因此这种“猜测”是远远不够的。它们需要一种方法，即使在触不到天空的情况下，也能知道自己仍处于正确的车道、以正确的速度行驶，并且属于正确的车辆。

来自一个研究团队的新视角认为，解决方案不在于让汽车内部的“猜测游戏”变得更好，而是要彻底改变这场游戏。研究人员提出，与其询问一辆车在失去卫星信号后能“猜测”多远，不如将隧道视为一个可以让道路本身协助追踪车辆的地方。他们建议建立一个系统，在隧道内配备一个传感器网络，这些传感器协同工作，为每辆车的旅程创建一个连续且经过验证的记录。这种方法并不依赖单一技术，而是将三种不同类型的证据交织在一起：来自天空的已知位置、道路的物理振动以及车辆的视觉身份。其目标是创造一种服务，保证车辆的位置不仅仅是一个“最佳猜测”，而是一个可以被信任的“验证事实”，从而保障安全性。

研究人员描述了一个系统，其旅程始于隧道入口。在这里，一个受信任的卫星信号提供了一个坚实的起点，将车辆的身份和位置锚定在现实世界中。当汽车进入黑暗时，系统会切换到另一种追踪方式。沿着隧道侧壁铺设着一根光纤电缆，这种电缆与用于高速互联网的同类产品相同，但在这里，它充当了一个巨大的“麦克风”。这项被称为“分布式声学传感”（distributed acoustic sensing）的技术，可以感知经过它的每一次车辆振动。它能告诉系统有物体正在移动、移动速度有多快以及移动方向如何，从而在整个隧道长度范围内创造出一条连续的运动证据线。然而，这种振动传感器有一个盲点：它知道有东西在移动，但它不知道那个“东西”是什么。它无法分辨重型卡车和小摩托车，也无法在两辆车紧随行驶时区分彼此。

为了解决这个身份识别问题，系统增加了一个稀疏的摄像头网络。这些摄像头不需要监视每一寸道路；它们只需要出现在关键点以捕捉交通快照。当车辆经过摄像头时，系统会捕捉其外观和车道位置，从而有效地为匿名的振动轨迹贴上一个“名牌”。摄像头充当了确认沿光纤线移动的车辆身份的检查站。研究人员强调，这不是传感器之间的竞争，而是一种伙伴关系。光纤提供了连续的运动骨干，而摄像头则提供了偶尔且至关重要的身份确认。如果摄像头被烟雾或黑暗遮挡，系统会意识到它失去了确认身份的能力，并相应地调整其置信度，而不是假装知道它并不知晓的事情。

这一新方法的核心是一个位于隧道边缘的计算机系统，它充当着“裁判员”的角色。该系统提取来自振动、摄像头、汽车自身传感器以及已知道路几何形状的数据，以构建出一幅关于旅程的统一图景。它不断检查所有证据是否能够相互吻合。例如，如果振动传感器显示车辆正在快速移动，但摄像头却看到它处于停止状态，系统就会标记异常。它不会在证据不明时强行给出一个答案；相反，它会承认不确定性。它可能会说：“我正在追踪两条可能的路径，”或者“我不确定哪辆车是哪辆。”这种对已知与未知之物的诚实态度是设计的关键部分。该系统旨在实现“安全失效”（fail safely），这意味着它会告诉汽车：“我不知道你在哪里”，而不是给出一个可能导致碰撞的错误答案。

当汽车到达隧道出口时，系统并不会在卫星信号一出现就立即切换回去。相反，它会进行一次仔细的检查。它会将基于所有隧道数据预测的位置，与新的卫星读数进行对比。如果两者在安全范围内相匹配，系统会将车辆重新锚定到全球地图上。如果两者不匹配（例如由于卫星信号微弱或车辆发生了偏移），系统会拒绝接受新信号，并继续使用隧道数据，直到证据变得清晰为止。这种谨慎的“再进入”机制防止了车辆仅仅因为信号回归就突然跳转到错误的位置。研究人员强调，整个过程必须通过现实世界的数据进行验证，而不仅仅是计算机模拟。他们认为，目前的方法往往通过平均化误差来掩盖失败，使系统在纸面上看起来很准确，实际上却在繁忙的隧道中悄悄地将一辆车替换成了另一辆。

该论文概述了一条测试和部署该技术的清晰路径。它建议从已知“地面真相”（ground truth）的受控实验开始，然后转向拥有混合交通的真实隧道，最后实现全功能的运营服务。在整个过程中，核心始终是“完整性”——即证明位置数据是正确且可靠的能力。研究人员还强调了维护的重要性，指出如果摄像头发生位移或电缆受到干扰，系统必须检测到这种变化并进行重新校准。他们提议，这一框架最终可以应用于其他卫星信号微弱的场所，例如深邃的城市峡谷或地下停车场。

最终，这项工作将问题从“一辆车能猜测多远？”转向了“我们如何构建一个永不丢失追踪的系统？”通过将光纤的连续运动感测、摄像头的身份确认以及卫星的全球锚定结合在一起，研究人员提出了一种方法，即使在天空隐匿的情况下，也能让车辆保持安全与连接。技术已经存在，现在的挑战在于证明它能在繁忙隧道的混乱、复杂的现实环境中可靠运行，确保每一辆车的追踪都如同灯塔指引航船穿过风暴一样，具有确凿无疑的确定性。