[發明專利]一種車載時間敏感網絡中SR類流量時延預測方法及裝置

在審

• 申請號: 202111191720.7
• 申請日: 2021-10-13
• 公開（公告）號: CN113938397A
• 公開（公告）日: 2022-01-14
• 發明（設計）人: 黃晨;曹兆亮;辛志鵬;王志忠
• 申請（專利權）人: 蘇州龍卷風云科技有限公司
• 主分類號: H04L41/14
• 分類號: H04L41/14;H04L41/147;H04L43/0852;H04L47/24
• 代理公司: 上海利迅知識產權代理有限公司 31462
• 代理人: 孫剛

本發明公開了一種車載時間敏感網絡中SR類流量時延預測方法及裝置，包括建立車載時間敏感網絡中SR類流量時延協議數學模型；以以太網交換機作為智能體，采用Sarsa強化學習算法對所建立的協議數學模型進行學習，建立車載時間敏感網絡傳輸時延智能體模型；基于所建立的SR類流量時延智能體模型計算SR類流量時延。本發明通過建立車載TSN時延模型，結合Sarsa強化學習方法擬合車載TSN數據轉發規則，有效的提高了車載TSN中SR類流量傳輸時延值預測的準確性。

技術領域

本發明涉及車載以太網技術領域，具體涉及一種車載時間敏感網絡中SR類流量時延預測方法及裝置。

背景技術

在自動駕駛和車聯網的大背景下，汽車向智能化、網聯化、電動化和共享化快速發展。汽車在功能與性能上得到了很大的豐富與提升。TSN(車載時間敏感網絡)由于低成本、低時延、高帶寬的優勢備受關注，并成為了汽車骨干網絡的選擇之一。在此大環境下，車載TSN快速的發展。因此，車載TSN的傳輸時延研究顯得尤為重要。

雖然近年來TSN時延分析和建模取得很大進展，但大部分流預留類流量(SR)傳輸時延分析的模型中，并未考慮到相應的隨機過程。最小時延分析考慮的是不受干擾理想條件下的時延大小，而最差時延分析是指所有干擾都考慮下的時延大小，即時延的最大邊界值。在實際網絡中，其時延可能永遠達不到這個邊界值，因此現有的分析模型不適用于車載TSN中SR類數據傳輸時延分析，迫切需要發展一套更為精確的數學模型來分析和估計車載TSN中SR類數據傳輸時延。

發明內容

為了解決上述問題，提高車載TSN的SR類流量傳輸時延分析的準確性，本發明提出了一種車載時間敏感網絡中SR類流量時延預測方法及裝置，根據車載以太網交換機處各類數據流的種類、預留帶寬、幀長及鏈路負載等時延影響因素，基于Sarsa強化學習方法擬合以太網交換機處數據流轉發規則，建立車載TSN時延預測方法，使時延預測更加精確。

本發明采取的技術方案如下：

本發明提供一種車載時間敏感網絡中SR類流量時延預測方法，包括：

建立車載時間敏感網絡中SR類流量時延協議數學模型；

以以太網交換機作為智能體，采用Sarsa強化學習算法對所建立的協議數學模型進行學習，建立車載時間敏感網絡傳輸時延智能體模型；

基于所建立的車載時間敏感網絡傳輸時延智能體模型計算SR類流量時延。

進一步的，所述建立車載時間敏感網絡中SR類流量時延協議數學模型，包括：

R_SR＝R_FIFO+R_CBS+R_TAS；

其中，R_SR為SR類流量的時延，R_FIFO為先進先出時延，R_CBS為基于信用整形時延，R_TAS為時間感知整形時延；

先進先出時延表示為：

其中，M為待轉發的數據幀幀長，C為傳輸速率，R為預留帶寬，M′_τ為同類型數據幀阻塞等效幀，為同類型數據幀的信用值下降速率，為同類型數據幀的信用值增長速率；

基于信用整形時延表示為：

M^A′＝MA′_B，或M^A′＝M^A′_BE