CN112688815A - 一种车载网络仿真系统及方法 - Google Patents
一种车载网络仿真系统及方法 Download PDFInfo
- Publication number
- CN112688815A CN112688815A CN202011557525.7A CN202011557525A CN112688815A CN 112688815 A CN112688815 A CN 112688815A CN 202011557525 A CN202011557525 A CN 202011557525A CN 112688815 A CN112688815 A CN 112688815A
- Authority
- CN
- China
- Prior art keywords
- simulation
- network
- vehicle
- module
- component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 243
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000010276 construction Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 14
- 238000013210 evaluation model Methods 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 4
- 238000011161 development Methods 0.000 description 17
- 238000012360 testing method Methods 0.000 description 16
- 238000007726 management method Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 241001025261 Neoraja caerulea Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 101710176296 Switch 2 Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011981 development test Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000019580 granularity Nutrition 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
Images
Landscapes
- Small-Scale Networks (AREA)
Abstract
本发明公开了一种车载网络仿真系统，包括车载网络仿真组件库模块、网络拓扑构建模块、仿真协议构建模块、仿真程序运行与管理模块、仿真结果分析与展示模块，其中，车载网络仿真组件库模块用于从车载网络仿真组件库中调取网络仿真协议组件和仿真设备组件；网络拓扑构建模块用于根据车辆仿真驾驶场景和车载网络仿真数据流量模型选择网络仿真协议组件、仿真设备组件构建网络拓扑；所述仿真协议构建模块用于构建和管理网络仿真协议组件和设备组件；所述仿真程序运行与管理模块用于调度仿真事件；仿真结果分析与展示模块用于统计并显示仿真结果。本发明还提供一种车载网络仿真方法，能够准确全面地评价仿真的车载网络性能，保证车载网络安全性。
Description
技术领域
本发明属于网络仿真技术和无人驾驶仿真领域，具体涉及一种车载网络仿真系统及方法。
背景技术
在汽车的开发过程中，涉及多个服务提供商和供应商。不同合作伙伴设计了不同的组件。汽车厂家负责车载通信基础设施的设计和配置。当硬件设备还不可用时，在开发的早期阶段就需要确认网络时间属性和有关车载骨干网络的负载等信息。传统车载网络系统的V-Model开发流程，其需求设计和研发确认是分离的，给网络的设计增加了很多不确定性风险。在无人驾驶车辆设计中，由于自动驾驶对传输时延苛刻的要求和大量高性能传感器的使用，传统的开发流程已经不适用。如果能在网络需求设计阶段，通过模拟仿真就可以判断设计的合理性，将大大减少车载网络开发的风险。仿真工具对于探索技术可行性和促进车辆基础设施设计至关重要。
如申请公布日为2019年11月22日，申请公布号为CN110489828A，专利名称为一种无人驾驶汽车虚拟测试平台的中国专利公开了一种技术方案，包括无人驾驶模拟系统、虚拟无人驾驶测试汽车和数据管理模块、仿真控制模块、界面调用模块；无人驾驶模拟系统用于根据用户对虚拟无人驾驶测试汽车的测试需求，模拟出无人驾驶汽车虚拟环境中的行驶过程；数据管理模块用于虚拟测试平台中汽车模型和场景模型的管理，包括测试场景数据库、汽车模型数据库和仿真控制数据库；仿真控制模块用于给汽车模型绑定对应的运动参数，建立出无人驾驶虚拟汽车动力学模型；界面调用模块包括系统界面、车型切换界面、场景切换界面和参数显示界面。
申请公布日为2020年9月22日，申请公布号为CN111698042A，专利名称为车载通讯网络仿真测试方法及系统的中国专利公开了另一种技术方案，待测车载无线通讯终端接收控制器发送的第一测试指令，将第一测试指令进行解析后获取第二测试指令，然后将第二测试指令发送给仿真装置，以使仿真装置根据第二测试指令中的网络参数进行网络配置，并利用配置后的网络，生成第二测试用例对应的第一应答数据，最终待测车载无线通讯终端对第一应答数据进行解析，将获取的第二应答数据发送给控制器，从控制器根据第一测试用例、第二测试用例、第一应答数据和第二应答数据即可确定待测车载无线通讯终端的性能，通过模拟车辆实际运行中的网络环境，并通过模拟车载无线通讯终端的实际收发流程。
但目前现有技术中的网络仿真工具，一般都是通用的仿真工具，没有对无人驾驶特定领域的专门的网络仿真工具，需要无人驾驶厂商在通用仿真工具基础上进行仿真协议和仿真网络结构的二次开发，不仅浪费的大量的人力和时间，而且风险不可控，大大增加了无人驾驶技术发展的成本和风险。对此，有必要提出一种有效的解决办法。
发明内容
1.要解决的问题
针对现有技术中缺少无人驾驶特定领域的专门的网络仿真工具，需要无人驾驶厂商在通用仿真工具基础上进行网络仿真协议和网络仿真结构的二次开发，从而造成大量的人力和时间的浪费，从而大大增加了无人驾驶技术发展的成本和风险等问题，本发明提供一种网络仿真系统及方法。
2.技术方案
为了解决上述问题，本发明所采用的技术方案如下：一种车载网络仿真系统，包括车载网络仿真组件库模块、网络拓扑构建模块、仿真协议构建模块、仿真程序运行与管理模块、仿真结果分析与展示模块，其中，车载网络仿真组件库模块用于从车载网络仿真组件库中调取网络仿真协议组件和仿真设备组件；网络拓扑构建模块用于根据仿真驾驶场景和车载网络仿真数据流量模型选择网络仿真协议组件、仿真设备组件构建网络拓扑；所述仿真协议构建模块用于构建和管理网络仿真协议组件和设备组件；所述仿真程序运行与管理模块用于调度仿真事件；仿真结果分析与展示模块用于统计并显示仿真结果。通过本技术方案，可以对无人驾驶汽车的网络进行仿真，从而降低无人驾驶汽车开发中的成本和风险。
进一步地，所述仿真协议构建模块包括数据发送模块和数据接收处理模块，其中，数据发送模块包括随机发生器模块和仿真时钟模块，随机发生器模块用于产生周期性的随机数据流，仿真时钟模块用于给数据发送模块和数据接收处理模块计时。
进一步地，所述数据接收处理模块包括数据帧接收模块、路由表模块、算法调用接口模块、门控管理模块，其中，数据帧接收模块用于接收数据，路由表模块用于记录MAC地址或端口号，用来判断当前接收的数据是否与当前记录的MAC地址或端口号匹配，对于与MAC地址或端口号匹配的数据发送到指定的端口，对于和MAC地址或端口号不匹配的数据则广播出去，算法调用接口模块用于调度并执行算法，门控管理模块包括门控列表，门控管理模块读取门控列表中的数据并根据门控列表的信息进行门控操作。
进一步地，所述网络拓扑构建模块构建的网络拓扑为基于星型加环型的拓扑网络或基于中央网关网络架构的拓扑网络。网络拓扑采用星型加环型的拓扑结构，结合了星型和环型拓扑网络的优点，能够解决在某些场景下因流量过大导致网络堵塞的问题；基于中央网关网络架构的拓扑网络的优点是结构简单。
进一步地，所述仿真设备组件包括车载传感器设备组件和车载网络设备组件。
进一步地，所述车载传感器设备组件包括激光雷达、毫米波雷达、超声波雷达、高清摄像头、环视摄像头、惯性导航系统、GPS中的一个或多个。
进一步地，所述仿真协议构建模块的协议包括基于IEEE802.1Q标准的时间敏感网络。
本发明还提供一种车载网络仿真方法，包括以下步骤：
S1、从车载网络仿真组件库中调取网络仿真协议组件和仿真设备组件；
S2、根据车辆驾驶场景构建网络拓扑；
S3、构建网络拓扑结构，利用车载网络仿真数据流量模型，给仿真设备组件配置参数，构建网络拓扑结构；
S4、启动仿真程序生成仿真结果，利用网络性能评估模型评价仿真结果。利用本方法，使用户能够根据车辆的场景进行仿真，使仿真结果更贴近实际情况。
进一步地，还包括仿真结果分析与展示。仿真结果分析与展示可以使用户更直观地获知仿真结果，以便用户针对开发方案进行改进。
进一步地，所述步骤S1为，若能够调取到网络协议组件和仿真设备组件，则直接调取该网络协议组件和仿真设备组件各自的ID号，如果调取不到，则发出增加网络协议组件和/或仿真设备组件的通知。本技术方案对对无人驾驶场景需求中，未在仿真组件库中找到的组件，自动纳入开发计划，待开发测试完成后即可添加到组件库中，增强了仿真系统的灵活性。
3.有益效果
相比于现有技术，本发明的有益效果为：
(1)本发明中的仿真系统实现了多种粒度的模块化封装，使用户能够根据车辆的场景进行仿真，使仿真结果更贴近实际情况；
(2)本发明中的仿真系统采用开放式结构，对无人驾驶场景需求中，未在仿真组件库中找到的组件，自动纳入开发计划，测试完成后即可添加到组件库中；
(3)本发明系统不仅支持传统以太网协议开发，同时也支持基于时间敏感网络协议的开发，如：IEEE802.1As、IEEE802.1Qbv、IEEE802.1Qbu等协议的相关组件，汽车厂家通过该系统，不必进行各类协议开发，也能仿真各种网络协议；
(4)本发明利用车载网络仿真数据流量模型以及车载网络性能指标评估模型，能够准确全面地评价仿真的车载网络性能，保证车载网络安全性。
附图说明
图1为本发明中的无人驾驶网络仿真系统示意图；
图2为本发明的仿真过程示意框图；
图3为本发明中的平台整体架构示意图；
图4为本发明中的基于ADAS场景的网络拓扑示意图；
图5为本发明的基于中央网关架构AVB网络场景网络拓扑示意图。
具体实施方式
下面结合具体实施例对本发明进一步进行描述。
如图1、图2和图3所示，本发明包括车载网络仿真组件库模块、网络拓扑构建模块、仿真协议构建模块、仿真程序运行与管理模块、仿真结果分析与展示模块。其中，车载网络仿真组件库模块中存储有已支持的网络协议组件和仿真设备组件，并且每一个网络协议组件和仿真设备组件都有唯一的ID号，通过网络协议查询接口可以查询仿真组件库内已支持的网络协议组件和仿真设备组件，如果查到，则直接调取该网络协议组件或仿真设备组件的ID号；如果没有查到，说明该网络协议组件或仿真设备组件不在该仿真组件库内，则可以将该网络协议组件或仿真设备组件纳入需求计划，通知用户开发网络协议或仿真设备，待开发完成测试通过后纳入仿真组件库；具体实施时，仿真组件库中的网络协议组件或仿真设备组件处于动态变化中，需要根据实际需要动态增加新的网络协议组件或设备组件。其中，仿真设备组件包括车载传感器设备组件、车载网络设备组件等。
网络拓扑构建模块用于根据无人驾驶场景需求、选择的网络仿真协议组件、车载传感器设备组件、车载网络设备组件等，结合网络仿真数据流量模型，构建网络拓扑和网络初始信息，生成对应的网络拓扑图和配置文件。无人驾驶车辆中对于传感器设备有重要需求，主要传感器设备包括：激光雷达、毫米波雷达、超声波雷达、高清摄像头、环视摄像头、惯性导航、GPS等设备；车载网络设备组件包括交换机、网关设备，当然也可以是和交换机组成网络的各种设备，在本实施例中车载网络设备组件为车载TSN交换机。这些不同功能、不同厂家的传感器设备作为无人驾驶系统的数据采集端，有海量的实时数据经过车载网络系统，需要一种统一的流量模型便于仿真各个传感器设备产生的数据流的性能，本发明中采用的是车载网络仿真数据流量模型，主要指标包括：流量源设备信息、流量目的设备信息、流量类型、流量优先级、帧载荷、端到端平均时延、端到端最大时延、抖动、流量带宽、信道带宽利用率等。该流量模型具有良好通用性，适用于所有无人驾驶传感器设备以及相关网络设备，尤其对于时间敏感网络场景下所有协议的通用性。
另一方面，由于无人驾驶，尤其L3(根据业内对非自动驾驶与自动驾驶的分级体系，L3被定义为有条件的自动化，级别越高，自动化驾驶的智能程度越高)及以上级别无人驾驶对于网络及时性、可靠性，以及安全性等性能要求十分苛刻，本发明通过车载网络仿真数据流量模型参数进行网络性能综合评估，分析评估了网络传输的时延、抖动、丢包率、带宽利用率等指标，从而为无人驾驶汽车的设计提供依据。
仿真协议构建模块，主要用来构建和管理车载网络协议组件和仿真设备组件等。根据仿真业务需求开发相应的仿真业务功能模块，主要实现的协议包括：基于传统以太网的组件模块，基于IEEE802.1Q标准的时间敏感网络模块，例如：IEEE802.1As、IEEE802.1Qbv、IEEE802.1Qbu。对于已经实现的协议，直接纳入仿真协议组件库中，未实现的协议则按照需求开发新的协议功能模块测试完成后，纳入仿真协议库组件中。
具体地说，仿真协议构建模块包括数据发送模块和数据接收处理模块，其中，数据发送模块包括随机发生器模块和仿真时钟模块，随机发生器模块用于产生周期性的随机数据流，仿真时钟模块用于给数据发送模块和数据接收处理模块计时；数据接收处理模块(也称为仿真交换机模块)包括数据帧接收模块、路由表模块、算法调用接口模块、门控管理子模块，其中，数据帧接收模块用于接收数据，路由表模块用于记录MAC地址或端口号，用来判断当前接收的数据是否与当前记录的MAC地址或端口号匹配，对于与MAC地址或端口号匹配的数据发送到指定的端口，对于和MAC地址或端口号不匹配的数据则广播出去，算法调用接口模块用于调度并执行算法，门控管理模块包括门控列表，门控管理模块读取门控列表中的数据并根据门控列表的信息进行门控操作。下面以IEEE802.1qbv协议模块实现为例，来描述具体的实现方法：
1、数据发送模块通过随机发生器模块构建数据发生器，根据时间表发送周期性的随机数据流，仿真时钟模块同时开始计时；
2、数据接收处理模块中的数据帧接收模块接收talker设备发出的附加IEEE802.1Q信息的数据帧，需要说明的是，IEEE 802.1Q是标准规范，IEEE 802.1qbv是时间敏感网络TSN的具体一个协议，IEEE 802.1qbv遵守IEEE 802.1Q标准规范；
3、数据接收处理模块中的路由表子模块来判断目的MAC地址或端口号是否在本交换机MAC表中，如果是则根据MAC表中记录的对应接口将数据帧发送出去，最终把数据发送到终端，结束数据包传输并记录端到端的时延；否则将该数据帧广播出去；
4、数据接收处理模块中的算法调用接口模块选择调度算法，本发明中的调度算法采用严格优先级调度算法，具体实施时，严格优先级调度算法根据帧的优先级进行区分排队并调度，每次调度时，选择当前优先级最高的帧进行调度。当严格优先级调度算法的每个帧尝试调度时，可能会受到当前链路上正在传送的低优先级帧的阻塞，为了避免出现帧数据传输的冲突，本发明中设定只有该正在传输的帧传送完毕后，才能开始新的一轮调度；在调度到当前帧之前，先需要调度更高优先级的帧，以及排在当前帧相同缓冲队列中靠前的同优先级帧，最后才可以执行当前帧的调度；
5、数据接收处理模块中的门控管理子模块读取其中的门控列表，并根据门控列表信息进行门控操作；所谓的门控列表指的是每个调度周期各个门对应开启或者关闭的状态列表，门控操作指的是根据门控列表(Gate Control List，GCL)每个周期各个门的状态，执行门的开启或者关闭操作。需要说明的是，在数据传输时有几个不同的对列传输数据，每个对列都对应一个门开关，当该队列对应的门开启时，该队列数据进行传输，当该队列对应的门关闭时，该队列数据停止数据传输。
6、数据帧调度模块用于根据帧的不同优先级进行数据调度。
仿真程序运行与管理模块，主要用来读取拓扑图和配置文件，并调取协议模块，根据构建的仿真拓扑模块、解析数据、创建仿真线程，仿真线程通过离散事件调度器，调度各个仿真事件，并通过随机发生器模拟网络中的随机性，如数据包发包时间和在信道中停留时间等，并查找组件库中的组件，实例化仿真组件，启动网络仿真进程执行仿真。通过接口命令，可以随时开启和执行仿真操作。所谓仿真事件指的是根据不同的场景进行仿真的情况。
仿真结果分析与展示模块，主要根据车载网络仿真数据流量模型参数，统计各个设备端到端时延、抖动、仿真结果等。并把仿真结果与仿真设备参数等信息，在前端界面展示。主要展示的内容包括：各个仿真车载设备，在自定义场景下的网络拓扑结构以及流量运行示意图，车载传感器设备网络性能参数表，车载传感器设备运行状态表，不同网络时延流量趋势图，车载网络设备流量分配表，以及无人驾驶车载传感器数据采集示意图等。展示界面提供按钮，可以选择不同无人驾驶场景进行仿真，并可以随时运行或者终止仿真程序。
具体的仿真流程为：首先，用户根据实际无人驾驶车载网络仿真需求，从仿真组件库中查询并调取选择仿真场景模块，根据选择的仿真场景模块，调取或构建对应的网络拓扑模块，结合车载网络仿真数据流量模型，生成对应的仿真拓扑图和配置文件。接着，调取或者构建仿真协议模块。然后，仿真程序运行与管理模块读取拓扑图和配置文件，并调取协议模块，启动网络仿真进程执行仿真；接着，仿真结果分析与展示模块根据网络性能评估模型，输出仿真量化结果，并将仿真量化结果输出到前端，以图表的形式展示网络仿真性能评估结果。
具体实施时，可以根据自动驾驶汽车的自动化程度来进行仿真，如实施例1是针对L3及以上级别无人驾驶汽车的网络仿真，实施例2是对L3以下级别的无人驾驶汽车的网络仿真，两个实施例的主要区别在于网络拓扑的选择，具体的实施例描述如下。
实施例1
如图4所示，本实施例是基于无人驾驶车载ADAS域和时间敏感网络IEEE802.1Qbv协议场景下进行仿真，本实施例采用基于星型+环型的网络拓扑，环型网络的优点是数据传输安全，消除了端用户通信时对中心系统的依赖性，速度快；缺点是造价高，可靠性低；星型网络的优点是方便管理维护，排除故障比较容易，端用户设备因为故障而停机时也不会影响其它端用户间的通信，网络延迟时间较小，系统的可靠性较高；缺点是对中心交换设备依赖性较强。本发明将星型网络和环型网络结合，可以解决在某些场景下因流量过大导致网络堵塞的问题，具体到本实施例，采用的是一个环型加两个星型的网络拓扑结构，具体实施时，可以根据交换机的数量采用多个环型加多个星型的网络拓扑结构，但应保证网络拓扑结构中至少有一个环形网络结构存在。
本实施例中在车载网络仿真数据流量模型中进行仿真的主要设备包括7个交换机(switch1、switch2、switch3、switch4、switch5、switch6、switch7)，2个高清摄像头(HDcamera1、HDcamera2)，2个环视摄像头(SVcamera1、SVcamera2)，5个激光雷达(LiDAR1、LiDAR2、LiDAR3、LiDAR4、LiDAR5)，2个毫米波雷达(MMWR1、MMWR2)和2个超声波雷达(ULR1、ULR2)，以上传感器设备作为talker数据发送端设备，域控制器(DomainController)作为listener数据接收端设备。其中，激光雷达、毫米波雷达、超声波雷达作为关键流设备，流量类型为ST(计划流量，scheduled traffic)，优先级为7级，最高优先级；高清摄像头、环视摄像头作为非关键流设备，流量类型为Class_A、Class_B，优先级为6级，次高优先级。需要说明的是，关键流设备和非关键流设备的区别在于不同场景下设备的必要性，比如在倒车时，雷达设备可能处于非常重要的地位，这时，在进行仿真时，需要将雷达设备设定为关键流设备，而当车辆正常运行时，摄像头则可能作为关键流设备，具体实施时，可根据具体场景对设备进行关键流或非关键流的设定，设定关键流设备和非关键流设备的目的在于为了保障关键流设备的数据传输的网络更通畅。交换机之间采用40Gbps，10ns延迟连接；域控制器采用40Gbps，10ns的延迟连接；高清摄像头采用10Gbps,10ns延迟连接；环视摄像头采用10Gbps，10ns延迟连接；雷达等其它采用100Mbps，30ns延迟连接。
车载网络仿真数据流量模型SDFM(Sensor device data flow model)通过对设备和流量进行模拟，给出了各类场景下，所有传感器设备网络属性参数以及约束条件。其中设备名称为M，流量类型为Ty，流量优先级为Pr，帧载荷为Fr，流量周期为P，数据速率为Dr，最大时延为Md，其中，流量类型包括：关键数据流ST、音视频流AVB、背景流BE。流量级别按照重要等级，依次0-7级，7级为最高优先级。由此构建了SDFM模型元组表达式：M(Ty,Pr,Fr,P,Dr,Md)；通过仿真程序输入参数指标，便于车载网络性能的统一仿真与性能评估。
表1基于ADAS域场景的车载网络仿真数据流量模型表
| 设备 | 流量类型 | 优先级 | 帧载荷 | 周期 | 数据速率 | 最大时延 |
| LiDAR* | ST | 7 | xxB | xxus | xMbps | xxus |
| MMWR* | ST | 7 | xxB | xxms | xMbps | xxms |
| ULR* | ST | 7 | xxB | xxms | xMbps | xxms |
| HDcamera* | Class_A | 6 | xxB | xxms | xGbps | xxms |
| SVcamera* | Class_B | 6 | xxB | xxms | xGbps | xxms |
本实施例中的车载网络仿真数据流量模型如表1所示。需要说明的是，在表1中并未给出帧载荷、周期、数据速率和最大实验的具体数据，只是表示通过对设备、流量类型、优先级、帧载荷、周期、数据速率和最大时延进行仿真可以得到评价车载网络性能的结果。
下面具体描述无人驾驶车载ADAS(Advanced Driver Assistance System，高级驾驶员辅助系统)域仿真过程。首先，结合ADAS域仿真场景，构建星型+环网拓扑架构网络仿真组件模块，根据车载网络仿真数据流量模型设置设备参数如表1所示。基于时间敏感网络IEEE802.1Qbv协议，构建对应的协议组件模块。启动仿真按钮，下发仿真命令，调取对应的组件模块，解析入参数数据，启动仿真执行线程进行仿真。仿真完成后，生成仿真结果，统计分析仿真结果，根据车载网络仿真数据流量模型，生成相关仿真结果如表2所示，表2中也未给出设备、平均时延、最大时延和抖动的具体数据，只是表示可以通过上述参数来对车载网络性能进行评估。
表2基于ADAS网络性能评估表
| 设备 | 平均时延(us) | 最大时延(us) | 抖动(us) |
| LiDAR1 | xx | xx | xx |
| LiDAR2 | xx | xx | xx |
| LiDAR3 | xx | xx | xx |
| LiDAR4 | xx | xx | xx |
| LiDAR5 | xx | xx | xx |
| MMWR1 | xx | xx | xx |
| MMWR2 | xx | xx | xx |
| ULR1 | xx | xx | xx |
| ULR2 | xx | xx | xx |
| SVcamera2 | xx | xx | xx |
| SVcamera3 | xx | xx | xx |
| HDcamera2 | xx | xx | xx |
| HDcamera3 | xx | xx | xx |
实施例2
如图5所示，实施例2提供了一种基于中央网关网络架构与AVB网络协议的仿真拓扑图，包括视频计算单元(HU)、显示器(RSE)、音频播放器(AudioPlayer)三个车载设备，这些车载设备作为listener，属于数据接收端设备，其他设备，如前、后、左、右摄像头(FrontCamera、RearCamera、LeftCamera、RightCamera)，夜视仪(NiviCamera)、车道识别摄像头(LDW)、视频播放器(BlueRay)等设备作为talker，属于数据发送端设备，用于模拟不同流量，Background设备用于模拟以太网BE(best effort，标准的因特网服务模式)业务背景流，非BE业务的流进一步按照协议IEEE802.1Qav分为A和B两类业务，其中交换机switchA上的各摄像头为A类业务，优先级最高，交换机switchB上的多媒体流为B类业务，优先级次高。各个链路的参数为：时延都是10ns，摄像头、车道识别摄像头、背景流的带宽为1Gbps，交换机之间的带宽为1Gbps，其他带宽为100Mbps，仿真时间：1S，背景流带宽：40Mbps。基于中央网关的AVB车载网络仿真流量模型如表3所示。
表3基于中央网关的AVB车载网络仿真流量模型表
| 设备 | 流量类型 | 优先级 | 帧载荷 | 周期 | 数据速率 | 最大时延 |
| FrontCamera | Class_A | 7 | xxB | xxms | xGbps | xxms |
| RightCamera | Class_A | 7 | xxB | xxms | xGbps | xxms |
| LeftCamera | Class_A | 7 | xxB | xxms | xGbps | xxms |
| NiviCamera | Class_A | 7 | xxB | xxms | xGbps | xxms |
| RearCamera | Class_A | 7 | xxB | xxms | xGbps | xxms |
| LDW | Class_A | 7 | xxB | xxms | xMbps | xxms |
| BlueRay | Class_B | 6 | xxB | xxms | xMbps | xxms |
| AudioAmplifier | Class_B | 6 | xxB | xxms | xMbps | xxms |
| Background | BE | 5 | xxB | xxms | xMbps | xxms |
基于中央网关的AVB网络仿真场景仿真过程如下：首先，结合中央网关仿真场景，构建网络拓扑架构仿真组件模块，根据车载网络仿真数据流量模型设置设备参数如表3所示。基于时间敏感网络IEEE802.1Qat、IEEE802.1Qav等网络协议，构建对应的协议组件模块。启动仿真按钮，下发仿真命令，调取对应的组件模块，解析入参数数据，启动仿真执行线程进行仿真。仿真完成后，生成仿真结果，统计分析仿真结果，根据车载网络仿真数据流量模型，生成相关仿真结果如表4所示。需要注意的是，表4中也未给出平均时延、最大时延和抖动的具体数据，只是以此说明，其中，平均时延表示传输数据的平均时间，最大时延表示传输数据的最大时间，抖动表示传输数据的时间偏差，即传输数据的最大时间和最小时间的差值。
表4基于中央网关的AVB网络性能评估表
| 设备 | 平均时延(us) | 最大时延(us) | 抖动(us) |
| FrontCamera | xx | xx | xx |
| RightCamera | xx | xx | xx |
| LeftCamera | xx | xx | xx |
| NiviCamera | xx | xx | xx |
| RearCamera | xx | xx | xx |
| LDW | xx | xx | xx |
| BlueRay | xx | xx | xx |
| AudioAmplifier | xx | xx | xx |
| Background | xx | xx | xx |
本发明用于支持无人驾驶车辆在各种场景下的网络仿真。根据仿真场景和传感器设备需求，确定仿真的网络拓扑，通过构建车载网络仿真数据流量模型，模拟真实传感器设备和网络设备数据发送周期、时延、帧载荷、传输带宽等网络特性，并从协议库内选定需要的仿真协议，运行仿真程序，可同时启动多个仿真线程实时仿真，通过网络性能评估模型给出仿真结果。对于设备厂家和汽车制造商无需关注车载网络通信协议的开发，将大大缩短自动驾驶汽车的研发周期。
本发明所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
Claims (10)
1.一种车载网络仿真系统，其特征在于：包括车载网络仿真组件库模块、网络拓扑构建模块、仿真协议构建模块、仿真程序运行与管理模块、仿真结果分析与展示模块，其中，车载网络仿真组件库模块用于从车载网络仿真组件库中调取网络仿真协议组件和仿真设备组件；网络拓扑构建模块用于根据车辆仿真驾驶场景和车载网络仿真数据流量模型选择网络仿真协议组件、仿真设备组件以构建网络拓扑；所述仿真协议构建模块用于构建和管理网络仿真协议组件和设备组件；所述仿真程序运行与管理模块用于调度仿真事件；仿真结果分析与展示模块用于统计并显示仿真结果。
2.根据权利要求1所述的车载网络仿真系统，其特征在于：所述仿真协议构建模块包括数据发送模块和数据接收处理模块，其中，所述数据发送模块包括随机发生器模块和仿真时钟模块，随机发生器模块用于产生周期性的随机数据流，仿真时钟模块用于给数据发送模块和数据接收处理模块计时。
3.根据权利要求2所述的车载网络仿真系统，其特征在于：所述数据接收处理模块包括数据帧接收模块、路由表模块、算法调用接口模块、门控管理模块，其中，数据帧接收模块用于接收数据，路由表模块用于记录MAC地址或端口号，用来判断当前接收的数据是否与当前记录的MAC地址或端口号匹配，对于与MAC地址或端口号匹配的数据发送到指定的端口，对于和MAC地址或端口号不匹配的数据则广播出去，算法调用接口模块用于调度并执行算法，门控管理模块包括门控列表，门控管理模块读取门控列表中的数据并根据门控列表的信息进行门控操作。
4.根据权利要求1-3中任一权利要求所述的车载网络仿真系统，其特征在于：所述网络拓扑构建模块构建的网络拓扑为基于星型加环型的拓扑网络或基于中央网关网络架构的拓扑网络。
5.根据权利要求1-3中任一权利要求所述的车载网络仿真系统，其特征在于：所述仿真设备组件包括车载传感器设备组件和车载网络设备组件。
6.根据权利要求5所述的车载网络仿真系统，其特征在于：所述车载传感器设备组件包括激光雷达、毫米波雷达、超声波雷达、高清摄像头、环视摄像头、惯性导航系统、GPS中的一个或多个。
7.根据权利要求1-3中任一权利要求所述的车载网络仿真系统，其特征在于：所述仿真协议构建模块的协议包括基于IEEE802.1Q标准的时间敏感网络。
8.一种车载网络仿真方法，其特征在于：包括以下步骤：
S1、从车载网络仿真组件库中调取网络仿真协议组件和仿真设备组件；
S2、根据车辆仿真驾驶场景构建网络拓扑；
S3、构建网络拓扑结构，利用车载网络仿真数据流量模型，给仿真设备组件配置参数，构建网络拓扑结构；
S4、启动仿真程序生成仿真结果，利用网络性能评估模型评价仿真结果。
9.根据权利要求8所述的车载网络仿真方法，其特征在于：还包括仿真结果分析与展示。
10.根据权利要求8所述的车载网络仿真方法，其特征在于：所述步骤S1为，若能够调取到网络协议组件和仿真设备组件，则直接调取该网络协议组件和仿真设备组件各自的ID号，如果调取不到，则发出增加网络协议组件和/或仿真设备组件的通知。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011557525.7A CN112688815B (zh) | 2020-12-25 | 2020-12-25 | 一种车载网络仿真系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011557525.7A CN112688815B (zh) | 2020-12-25 | 2020-12-25 | 一种车载网络仿真系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112688815A true CN112688815A (zh) | 2021-04-20 |
| CN112688815B CN112688815B (zh) | 2022-10-18 |
Family
ID=75453104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011557525.7A Active CN112688815B (zh) | 2020-12-25 | 2020-12-25 | 一种车载网络仿真系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112688815B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113259204A (zh) * | 2021-06-29 | 2021-08-13 | 中车青岛四方车辆研究所有限公司 | 一种列车以太网通用地面测试系统及其测试方法 |
| CN113347065A (zh) * | 2021-08-03 | 2021-09-03 | 之江实验室 | 一种时间敏感网络中的流量调度测试装置及方法 |
| CN114448816A (zh) * | 2021-12-30 | 2022-05-06 | 中国航空研究院 | 一种基于异构数据链的一体化ip组网方法 |
| CN114697161A (zh) * | 2021-12-31 | 2022-07-01 | 网络通信与安全紫金山实验室 | 一种用于时间敏感网络的半实体仿真系统及仿真方法 |
| CN114978926A (zh) * | 2022-05-17 | 2022-08-30 | 电子科技大学 | 一种适用于确定性网络协议的仿真方法及设备 |
| CN115268298A (zh) * | 2022-07-08 | 2022-11-01 | 重庆长安汽车股份有限公司 | 仿真测试方法、装置、电子设备及存储介质 |
| CN115329611A (zh) * | 2022-10-17 | 2022-11-11 | 中国电子科技集团公司信息科学研究院 | 惯性导航组件仿真方法及装置、电子设备、存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103117889A (zh) * | 2013-01-17 | 2013-05-22 | 北京交通大学 | 车路协同信息交互仿真系统及方法 |
| CN111835554A (zh) * | 2020-05-23 | 2020-10-27 | 北京工业大学 | 一种基于事件驱动内核的车联网路由仿真平台 |
| CN111935767A (zh) * | 2020-10-09 | 2020-11-13 | 北京微智信业科技有限公司 | 一种网络仿真系统 |
| CN112115600A (zh) * | 2020-09-11 | 2020-12-22 | 中国第一汽车股份有限公司 | 一种自动驾驶车辆的仿真系统 |
-
2020
- 2020-12-25 CN CN202011557525.7A patent/CN112688815B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103117889A (zh) * | 2013-01-17 | 2013-05-22 | 北京交通大学 | 车路协同信息交互仿真系统及方法 |
| CN111835554A (zh) * | 2020-05-23 | 2020-10-27 | 北京工业大学 | 一种基于事件驱动内核的车联网路由仿真平台 |
| CN112115600A (zh) * | 2020-09-11 | 2020-12-22 | 中国第一汽车股份有限公司 | 一种自动驾驶车辆的仿真系统 |
| CN111935767A (zh) * | 2020-10-09 | 2020-11-13 | 北京微智信业科技有限公司 | 一种网络仿真系统 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113259204A (zh) * | 2021-06-29 | 2021-08-13 | 中车青岛四方车辆研究所有限公司 | 一种列车以太网通用地面测试系统及其测试方法 |
| CN113347065A (zh) * | 2021-08-03 | 2021-09-03 | 之江实验室 | 一种时间敏感网络中的流量调度测试装置及方法 |
| CN114448816A (zh) * | 2021-12-30 | 2022-05-06 | 中国航空研究院 | 一种基于异构数据链的一体化ip组网方法 |
| CN114448816B (zh) * | 2021-12-30 | 2023-10-10 | 中国航空研究院 | 一种基于异构数据链的一体化ip组网方法 |
| CN114697161A (zh) * | 2021-12-31 | 2022-07-01 | 网络通信与安全紫金山实验室 | 一种用于时间敏感网络的半实体仿真系统及仿真方法 |
| CN114697161B (zh) * | 2021-12-31 | 2023-10-13 | 网络通信与安全紫金山实验室 | 一种用于时间敏感网络的半实体仿真系统及仿真方法 |
| CN114978926A (zh) * | 2022-05-17 | 2022-08-30 | 电子科技大学 | 一种适用于确定性网络协议的仿真方法及设备 |
| CN114978926B (zh) * | 2022-05-17 | 2023-09-19 | 电子科技大学 | 一种适用于确定性网络协议的仿真方法及设备 |
| CN115268298A (zh) * | 2022-07-08 | 2022-11-01 | 重庆长安汽车股份有限公司 | 仿真测试方法、装置、电子设备及存储介质 |
| CN115329611A (zh) * | 2022-10-17 | 2022-11-11 | 中国电子科技集团公司信息科学研究院 | 惯性导航组件仿真方法及装置、电子设备、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112688815B (zh) | 2022-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112688815B (zh) | 一种车载网络仿真系统及方法 | |
| Falk et al. | NeSTiNg: Simulating IEEE time-sensitive networking (TSN) in OMNeT++ | |
| Pop et al. | Design optimisation of cyber‐physical distributed systems using IEEE time‐sensitive networks | |
| Zhou et al. | Simulating TSN traffic scheduling and shaping for future automotive Ethernet | |
| Bello | The case for ethernet in automotive communications | |
| Walrand et al. | An architecture for in-vehicle networks | |
| Reimann et al. | Timing analysis of Ethernet AVB-based automotive E/E architectures | |
| Mubeen et al. | Holistic modeling of time sensitive networking in component-based vehicular embedded systems | |
| Ashjaei et al. | Modeling and timing analysis of vehicle functions distributed over switched ethernet | |
| Steinbach et al. | Beware of the hidden! how cross-traffic affects quality assurances of competing real-time ethernet standards for in-car communication | |
| CN112804124B (zh) | 一种针对时间敏感网络设备的测试床及测试方法 | |
| Patti et al. | Performance assessment of the IEEE 802.1 Q in automotive applications | |
| Leonardi et al. | Performance assessment of the IEEE 802.1 Qch in an automotive scenario | |
| Lim et al. | Performance evaluation of the inter-domain communication in a switched Ethernet based in-car network | |
| CN115051938B (zh) | Opc ua-tsn传输时延测试系统及方法 | |
| Meyer et al. | Simulation of mixed critical in-vehicular networks | |
| CN116743658A (zh) | 一种基于opc ua-tsn的工业互联网确定性通信方法及装置 | |
| Goswami et al. | Software-defined networking for real-time network systems | |
| CN114039935B (zh) | 基于分布式实时总线配置的消息调度系统及方法 | |
| CN113765825A (zh) | 一种链式业务流调度的规划方法和系统架构 | |
| Miranda et al. | The quality-aware and vertical-tailored management of wireless time-sensitive networks | |
| CN114024916B (zh) | 数据传输方法、装置、计算机可读存储介质及处理器 | |
| Li | Worst-case delay analysis of real-time switched Ethernet networks with flow local synchronization | |
| Muller-Rathgeber et al. | A unified car-it communication-architecture: Design guidelines and prototypical implementation | |
| Xu et al. | Recent trends of in-vehicle time sensitive networking technologies, applications and challenges |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |