自动驾驶中的传感器技术71——Navigation(8)

本文系统介绍车载GNSS-连续性 (Continuity)和可用性 (Availability)

在验证自动驾驶软件时，会分别统计 连续性失效次数（每次任务中是否出现定位中断）和 可用性时长（总运行时间中 GNSS 可用的比例），两者共同决定系统的 安全等级 与 商业可行性。

1、GNSS 连续性 vs. 可用性‍

• 连续性关注的是 短时、单次任务 的不中断性（如 15 s 内不掉链），常用概率描述。
• 可用性关注的是 长期、整体运行 的可用时间比例（如 24 h 中有 23.9 h 可用），用百分比描述。
• 连续性直接关联 安全关键阶段 的可靠性，是 安全‑关键（Safety‑Critical）指标。
• 可用性更多影响 服务质量 与 运营效率，是 可靠性‑总体（Reliability‑Overall）指标。

2、GNSS 连续性和可用性保证措施

多星座和多频段的冗余：目前GPS、GLONASS、北斗、Galileo 等 四大星座，如利用GPS L1C/A, L5多频信号，或者BDS B1I, B1C*, B2a多频信号，降低单颗卫星或单频段失效导致的信号中断概率。多星座组合能够在城市峡谷、隧道入口等视野受限的环境中保持更高的可见卫星数，提升 可用性 与 连续性。

差分/增强服务（RTK、SBAS、PPP‑RTK）：RTK（实时动态定位）‍ 通过基准站或网络基准（如 EGNOS、MSAS、BDS B1C）提供亚米甚至 厘米级 的相对定位。PPP‑RTK 与 SBAS 结合，可在无基准站的地区仍保持高精度并提供 完整性/连续性监控（如 RAIM、RAIM‑FDE）。

高精度 惯性测量单元（IMU）‍ 与 GNSS 融合，在 GNSS 信号暂时失效（如隧道、遮挡）时通过 惯性推算 维持定位，随后在信号恢复后快速 重新对齐（整数模糊度恢复）。零速更新（ZUPT）在车辆停止时提供强制校正，显著降低累计漂移。

LiDAR / 摄像头 + 高精度地图（SLAM）融合：将 LiDAR 里程计（LO）‍ 与 3D 高精度地图（Map‑Based Global Localization, MGL）结合，实现 基于地图的绝对定位，即使 GNSS 完全被遮挡也能得到可靠位姿。融合后通过 图优化（Factor Graph）把 GNSS、LO、IMU、地图约束统一求解，能够在 GNSS 可用性下降时仍保持 100% 连续定位，定位误差提升约 50%。

RAIM（Receiver Autonomous Integrity Monitoring）‍、RAIM‑FDE、RAIM‑V 等自主完整性监测在检测到异常测量或卫星故障时及时发出 警报，防止错误位置信息进入决策层。连续性风险（LOC）通过 滑动窗口 统计失效事件概率，满足航空/陆地交通的 1‑8×10⁻⁶ / 15 s 连续性要求。完整性监测（RAIM）实时评估 GNSS 解算的可信度，发现异常立即切换至备份方案。

Ref：https://www.unicorecomm.com/products/detail/59

Ref：https://gssc.esa.int/navipedia/index.php/Continuity

3、自动驾驶中的实例

• 传感器融合：当 GNSS 连续性出现短暂中断时，车辆会依赖惯性测量单元（IMU）或视觉里程计进行短时定位补偿；但如果整体可用性低（如长期信号遮挡），系统必须切换到 非 GNSS 的定位方案（如 SLAM）才能继续行驶。
• 冗余设计：为提升 连续性，自动驾驶平台常采用 多星座（GPS + 北斗 + GLONASS + Galileo）接收机；为提升 可用性，则在城市峡谷或隧道中加入 RTK/PPP、基站辅助 或 车联网定位。