一、最贵的传感器，往往已经埋好了
结构监测行业有个反直觉的事实：想感知一座城市，最缺的不是传感器，而是布传感器的沟。
以油气管道为例。2023 年以来国内多起管道事故调查报告指向同一个原因——第三方施工破坏。管廊沿线几十上百公里，人工巡线一昼夜走一遍已经是极限，而挖掘机从触土到破管，可能只需要十几分钟。传统解法是在管道沿线补装振动、位移传感器，但每个测点都要供电、通信、防雷、维护，每公里成本以万元计，长输管线上根本铺不起。
而问题的答案其实就躺在管线旁边的光缆沟里：伴随管道敷设的通信光缆，一年四季都在地下，与管道同沟或贴邻敷设。DAS（Distributed Acoustic Sensing，分布式声波传感）要做的，就是让这根"传数据的线"同时变成"感知的线"——解调仪（interrogator）架在光缆一端，向光纤打入相干光脉冲，背向瑞利散射信号里携带着沿线每一米的应变信息。一根光缆，等效于每隔几米到十几米一只虚拟传感器，50 公里感知长度上是数千个测点，却不用新挖一米沟。
近两年这个方向明显升温：多家管道运营方把 DAS 列为第三方破坏防控的标配手段，部分通信运营商开始研究把城域现有光缆复用为"城市感知神经"，在道路流量、地面塌陷、周界安防上做试点。行业逻辑变了——传感器不再是一点点买来的，而是从已有基础设施里"长"出来的。
二、原理：φ-OTDR，给光纤装上耳朵
DAS 的物理基础是相位敏感光时域反射（φ-OTDR）。设备里的窄线宽激光器向光纤发射高相干光脉冲，光脉冲在光纤中传播时不断产生瑞利背向散射，散射光沿原路返回被接收。当光纤附近出现振动或应变，那一小段光纤的折射率和长度会发生微小变化，散射光的相位随之改变。
关键在于"相位解调"：设备以 MHz 级采样率连续采集返回的散射信号，对相邻脉冲的散射轨迹做差分，解算出光纤沿线的相位变化，再换算为应变率或振动强度。因为每个散射位置对应一个往返时间，通过时间差就能精确定位扰动发生在光缆的哪个位置——这就是"分布式"三个字的含义：不是一支传感器，而是整条光纤上连续分布的测点阵列。
打个比方，传统传感器是"在关键位置架设的录音笔"，DAS 则是"一根能同时听清沿线所有声音、还知道每个声音从哪传来的耳朵"。它感知的不是温度或应变绝对值（那是 DTS 和 BOTDA 的领地），而是动态扰动——脚步、锤击、机械挖掘、车流、水流，凡是会引起几米范围内光纤微应变的声场，都在它的"听力范围"内。
三、指标怎么读：空间分辨率、定位与频响
拿到一份 DAS 设备参数表，真正决定工程效果的是四组指标。
空间分辨率与定位精度。 主流设备空间分辨率在 1~10 米，定位精度可做到标称分辨率的量级。听起来不如点式传感器精确，但换一个视角：50 公里管线按 10 米分辨率是 5000 个测点，按传统方案铺传感器完全不可想象。对于"发现第三方施工"这类需求，知道扰动在哪 10 米内、是挖掘还是踩踏，已经足够指挥巡线人员到场。
感知距离与采样率。 单通道感知长度主流在 4080 公里，通过中继或双向部署可以覆盖更长距离；采样率通常在 110 kHz 量级，频响范围覆盖 0.1 Hz 到数百 Hz 甚至更高，足以分辨脚步的冲击（数十 Hz）与重型机械的低频振动。
通道数与波分复用。 一台设备能同时观测多少条光缆（通道），决定了单点设备的覆盖效率。多通道设备配合波分复用，一套解调仪可以看守多条管道或多条道路，摊薄单公里成本——这是 DAS 商业模型里最容易被低估的参数。
环境噪声本底。 光缆敷设环境（同沟、砂土、扰动程度）直接决定信噪比。同一台设备，在黏土直埋环境里清晰可辨的信号，进了扰动剧烈的强干扰区可能淹没在噪声里。选型前必须做现场光缆的"听感测试"，这一步省不得。
四、管道安防：最先算平账的场景
DAS 最早的规模化商业落地在油气管线，原因是账最清楚。
某省级管网公司在两段高后果区管段部署 DAS，管段总长 120 公里，利用既有同沟光缆，硬件投入以两台解调仪为主体。系统上线后对挖掘机、破碎锤、打桩机的识别率达到可用的水平，配合告警联动推送巡线 App，第三方施工事件的平均响应时间从"巡线发现，平均数小时"压缩到"分钟级告警、半小时内到场"。曾经一起在管线上方违规开挖的事件被系统在挖掘初期捕获，避免了可能的高后果区事故——单次事故的潜在损失，就超过了整套系统的投入。
这个场景能跑通，靠的是三件事：一是事件类型有限，管道沿线主要就是挖掘、钻进、车辆、人畜活动几类，AI 模型训练目标明确；二是误报容忍度可以通过流程消化，告警推给巡线员核实，漏报才是致命的；三是光缆是现成的，省掉了传感层最大的建设成本。三者叠加，每公里综合投入压到传统点式方案的零头，商业闭环自然成立。
五、交通感知：从"数车"到"听路"
更值得关注的趋势是 DAS 向城市交通感知的延伸。把 DAS 接到沿道路敷设的光缆上，路面上的每一辆车经过时都会在光缆中留下特征应变信号。
试点数据显示，DAS 对干线道路的车型分类（小客车/大客车/两轴货车/多轴货车）准确率可以做到与主流视频方案相当的量级，且有几个视频做不到的优势：不依赖光照与天气，雨雾夜间不降级；不拍摄车牌与人物，天然规避了视频方案在数据合规上的顾虑；一根光缆覆盖几十公里，不用像摄像头那样按点位逐个建设。某南方城市的试点中，一条 40 公里快速路仅用两台设备完成了全线车流感知，断面流量、车型构成、车速估计直接进入交通信号优化与拥堵研判系统。
隧道场景同样有价值：利用隧道内既有光缆，DAS 可以同时做车流统计和异常事件（停车、逆行、掉落物冲击）的声学检测，与视频互为冗余——而隧道视频恰恰是最容易因烟尘、水雾失效的。
六、绕不开的两道坎：误报治理与边缘算力
DAS 的工程化短板同样明确。
第一道坎是误报。 雨水冲刷、树根摆动、临近道路的车辆振动，都会进入光缆的"耳朵"。裸闻指标漂亮的设备，上线后每天数百条告警，巡线员三天就会关掉推送。有效做法是三层过滤：设备端做事件初筛，边缘侧跑训练好的事件分类模型（敲击/挖掘/脚步/车辆），平台端再叠加位置白名单与时间规则（如允许施工时段）。三层做完，有效告警比可以提升一到两个数量级。
第二道坎是算力与数据量。 一台 DAS 每天产生的原始数据以 TB 计，全量回传中心既不经济也没必要。行业共识是"边缘解算、结果上行"：在解调仪侧或就近机房完成特征提取与事件识别，只把事件片段和特征流上传。这也让 DAS 与边缘计算天然绑定——采购解调仪时，配套边缘推理单元的性能和模型更新机制，要当作和光学指标同等重要的事项来谈。
此外还有标定与运维的隐性门槛：光缆接头、盘留、熔接点会造成信号突变，需要建立线路的"指纹档案"；光缆检修接续后，定位基准可能漂移，需要重新标定。这些不体现在参数表里，却直接决定系统上线半年后还能不能正常干活。
七、落地选型清单
结合已落地项目的经验，评估 DAS 方案时建议盯住五点：
- 先测光缆，再谈指标。 用候选设备对现网光缆做现场听感测试，重点看信噪比和事件区分度，参数表上的数字只是起点。
- 算清单公里成本。 解调仪、边缘算力、光缆整治（如有）、平台接入四项摊到公里上比较，而不是只比设备报价。
- 误报率写进合同。 以试点期实测的"每公里每周有效误报数"作为验收指标，而不是笼统的"识别率"。
- 模型可持续更新。 事件分类模型需要随现场环境迭代，确认厂商提供持续的模型优化服务，或开放训练接口。
- 与既有系统打通。 告警要进巡线/养护业务闭环，API 与工单系统的对接成本要在方案阶段明确。
八、总结
DAS 的价值不在于发明了一支新传感器，而在于换了一种供给方式：感知能力不再按"支"采购，而是从已经埋设的光缆基础设施里批量释放。它把管道第三方破坏防控的响应时间压缩到分钟级，正在让几十公里的快速路用两台设备完成车流感知，也给城市生命线监测提供了不新增开挖的感知层。
对监测行业的启示是双向的：一方面，选点式高精度传感器与 DAS 这种"广域普感"是分层互补关系，正如 MEMS 与力平衡的分层——关键截面精测，全线普筛听声；另一方面，DAS 的竞争壁垒已经不在光学指标，而在事件识别模型的误报治理与边缘算力的工程化。下一阶段的看点，是通信运营商级别的"现网光纤复用"能否形成标准——若成，城市尺度的基础设施感知将迎来一次成本结构的重写。