CN115022182A - 一种基于qsilp算法的列车通信网络实时流调度优化方法 - Google Patents

Abstract

本发明公开了一种基于QSILP算法的列车通信网络实时流调度优化方法，包括以下步骤：建立基于TSN网络的列车通信网络拓扑结构模型，对列车通信网络拓扑结构模型中各通信终端设备的性能参数进行定义；在列车通信网络拓扑结构模型下，建立TT流量单播与多播混合传输的流量模型；构建基于QSILP调度算法的列车通信网络实时流传输约束模型和目标函数，以便计算每条链路数据流的传输延时；根据约束条件和目标函数，对基于TSN网络的TT流量单播和多播混合传输的流量模型进行调度特性分析，获取QSILP算法的列车通信网络实时流调度优化方案。本发明可以更好的保证实时性，提高调度效率，有效解决列车通信网络大量数据通信趋势下的实时性低和不可调度的现象。

Description

一种基于QSILP算法的列车通信网络实时流调度优化方法

技术领域

本发明属于列车通信网络技术领域，尤其涉及一种基于QSILP算法的列车通信网络实时流调度优化方法。

背景技术

随着智能制造、工业物联网、信息化领域的发展，加速列车控制与管理系统的智能化变得至关重要。欧盟Shift2Rail计划中的Safe4RAIL-2项目即面向下一代列车控制与管理系统开发新的体系结构，这将是未来铁路系统的基础、高质量智慧列车建设中重要的一环。列车控制与管理系统通过列车通信网络将列车的各种控制设备连接起来，进行统一控制和信息共享，因此对列车通信网络实时性、可靠性和列车运行安全性的要求日益升高。为了保证传输的确定性和高实时性，逐步将实时以太网作为工业控制网络的主要技术，然而实时以太网的网络技术不同，导致他们之间互不兼容，互操作性差，无法在同一网络中进行数据传输。时间敏感网络(Time Sensitive Networking,TSN)随之应运而生，TSN是一种混合流系统，存在确定性流量和非确定性流量，它是将以太网作为基础的新一代网络标准，具有时间同步、确定性时延等功能，其通过标准化技术的应用，能兼容不同的应用场景和既有协议，允许实时性数据和非实时性数据在同一网络中传输，并且非实时性数据的传输不会影响实时性数据的传输时延。因此将TSN引入列车通信网络，为各类业务统一传输提供了解决方案，保证各类业务的传输性能。

在基于TSN的列车通信网络实时流调度优化方法研究中，由于动态调度会占用过多计算机资源且耗费大量时间资源，所以目前的研究重点仍然是探寻更加高效的静态调度优化。静态调度优化通过事先创建好门控列表，确定每条时间敏感流到达和离开每个端口的精确时间，达到确定性传输的目标。随着对列车通信网络可靠性、实时性和传递内容多样性的要求日益提升，合理的规划流量调度、满足实时流量确定性低时延和有界网络抖动成为重中之重。由于整数线性规划调度算法对求解空间的搜索更充分、可调度性的评价更准确，因此采用整数线性规划算法模型并进行改进，有必要提出一种基于队列调度约束的整数线性规划(Integer linear programming based on queue scheduling constraints，QSILP)算法，解决列车通信网络实时流调度优化问题，提高求解空间的可扩展性，以保证列车通信网络中实时流的确定性传输。

发明内容

本发明的目的在于：针对上述存在的问题，提供一种基于QSILP算法的列车通信网络实时流调度优化方法，本发明通过调度策略优化实时流在一个矩阵周期中的时隙分配，从而减小了基于TSN的列车通信网络中流量调度时间，数据帧之间的间隔减小，时隙更加紧凑，达到提高列车通信网络实时性的目的。为了实现上述目的，本发明采用的技术方案如下：

本发明提供了一种基于QSILP算法的列车通信网络实时流调度优化方法，将流量调度优化转化为设备之间实时流的传输时隙分配规划过程，所述优化过程包括以下步骤：

步骤1：建立基于TSN网络的列车通信网络拓扑结构模型，对列车通信网络拓扑结构模型中各通信终端设备的性能参数进行定义；

步骤2：在列车通信网络拓扑结构模型下，建立TT流量单播与多播混合传输的流量模型，对基于TSN网络的列车通信网络实时流的传输过程进行模拟，获取终端设备之间实时流传输时所有TT流的信息、AVB流的信息和BE流的信息；

步骤3：基于负载均衡KSP/RALB算法选择最优路径，在算法中输入列车通信网络拓扑结构模型，将各条终端设备之间的链路初始负载值设置为0，然后在终端设备上输入TT流，通过KSP/RALB算法寻找数每条链路的数据帧大小、源端地址、目的端地址和流量负载的属性，从而使流量从对应节点发送的时刻获取每条链路传输路径的更优的路由；

步骤4：构建基于QSILP调度算法的列车通信网络实时流传输约束模型和目标函数，以便计算每条链路数据流的传输延时，获得本地通信网络的时钟的调度时刻表，使得流量调度的时延更小；

步骤5：根据约束条件和目标函数，对基于TSN网络的TT流量单播和多播混合传输的流量模型进行调度特性分析，获取QSILP算法的列车通信网络实时流调度优化方案。

上述方案进一步优选的，对列车通信网络拓扑结构模型中各通信节点的性能参数进行定义主要包括对交换节点、终端设备、链路参数和网络通信时延的性能参数进行定义；对所述交换节点的定义主要包括对交换节点数目、交换节点端口数和交换节点处理时延；对所述终端设备定义主要包括终端节点数目和终端系统处理时延；对所述链路参数的定义主要包括链路数目和链路带宽。

上述方案进一步优选的，所述步骤2中，终端设备之间实时流传输时，TT流的信息传输由两个阶段组成，在第一阶段传输中，当终端设备的源端主时钟等于TT流所在源端的发送时刻时，源端的发送模块将TT流的数据帧发送到网口，此过程TT流的信息传输特征f_i.表示为：

f_i＝{f_i.o,f_i.p,f_i.et,f_i.rt,f_i.ddl}；

式中，f_i表示从源端发送到链路上的TT流；f_i.o表示TT流由源端发送的时刻，是TT流在基本周期起始时刻的偏移值；f_i.p表示TT流的周期；f_i.et表示TT流传输到相邻链路上所用的最大执行时间；f_i.rt表示TT流的响应时延；f_i.ddl表示TT流的截止时间；

在第二阶段传输中，TT流从源端的网口发出后，经过传输链路到达下一级终端设备，在链路上传输的TT流特征表示为：

φ_i＝{φ_i.o,φ_i.p,φ_i.tp,φ_i.td}；

式中，φ_i表示从交换机发送到链路上的TT流；φ_i,o表示TT流在每条传输路径上发送时刻的传输偏移；φ_i,p表示链路上TT流的周期；φ_i,tp表示TT流的传输路径，即从链路起始时刻到接收端的路由信息；φ_i,td表示TT流的传输时延，所有TT流在TSN中均以帧为传输单位，每一帧的载荷不超过以太网的MTU，即1542B。

上述方案进一步优选的，对于步骤3，基于负载均衡KSP/RALB算法选择最优路径，其计算过程是从终端设备的源端到目的端的每条数据流经过一条链路的负载值，其满足如下：

式中，f_i表示TT流，F表示TT流集合，V表示通信节点集合，E表示全链路集合，a和b分别是TT流的发送端和接收端，x_i,(a,b)是二进制变量，w_i是数据流f_i在某条链路上所占负载大小，W_i,(a,b)表示TT流f_i若经过链路(a,b)时的负载；

选择最优路径的过程为：对于计算所得到的每条链路的负载值，将新的负载值更新为上一条链路的负载值与此时链路的负载值之和；

式中，

表示链路的负载值之和，f_i表示TT流，F表示TT流集合，V表示通信节点集合，E表示全链路集合，a和b分别是TT流的发送端和接收端，x_i,(a,b)是二进制变量，w_i是数据流f_i在某条链路上所占负载大小，N为网络中节点的个数，为了对网络负载进行有效的衡量，选择网络负载方差作为评价指标，对所选传输路径进行评估，其满足如下表达式：

式中，D(s_i,d_i)表示TT流所经过链路的负载方差之和，s_i、d_i分别表示发送端和目的端，

表示链路的负载值之和，N为网络中节点的个数。

上述方案进一步优选的，在步骤4中，计算每条链路数据流的传输延时，在一个矩阵周期内对待调度TT流的节点发送时刻，分别对约束模型设置5个基本约束条件和1个队列调度约束条件，以及建立以最小化最大端到端延时和网络抖动作为优化目标。

上述方案进一步优选的，所述5个基本约束条件分别由源端数据发送无冲突约束条件、数据依赖约束条件、链路无冲突约束条件、流传输约束条件、流抖动约束条件和队列调度约束条件；

其中，所述源端数据发送无冲突约束条件满足：

(f_i.o+f_i.et≤f_j.o)∨(f_j,o+f_j.et≤f_i.o)

式中，i和j表示不同的实时流编号；S_k表示网络中源端系统的编号，f(S_k)表示源端系统S_k上TT流的集合；f_i.o、f_j.o表示连续2个TT流从源端的发送时刻；f_i.et、f_j.et表示TT流i、j的帧最大执行时间；∨符号表示逻辑析取，即所有实时流都满足数据发送无冲突约束；

所述数据依赖约束条件满足：

式中，

表示TT流i在链路(a,b)上的发送时间；φ.l_(a,b)表示链路(a,b)上传输TT流的集合；spd为源端系统最大帧处理时延，源端上的一个TT流产生完成后仍需要一段时间才能将该数据流打包成数据帧并发送到网络上，这个时间间隔的上界用spd表示。

所述链路无冲突约束条件满足：

式中，F_(a,b)表示链路(a,b)上的TT流集合；φ_i,p、φ_j,p表示TT流i、j的周期；lcm(φ_i,p,φ_j,p)为网络中数据流的矩阵周期，即所有TT业务流的最小公倍数；α和β表示在矩阵周期中实时流f_i和f_j出现的次数；f_i.size、f_i.size表示TT流i、j的大小；bw表示链路带宽；dfi表示链路上连续传输的两个数据帧之间空闲时间最小值；

所述流传输约束条件满足：

式中，i表示流经链路(a,b)和(b,c)的TT流编号；δ表示同步精度，定义为网络中任意两个同步设备之间的最大时间差；d_s表示交换机最大帧处理时延；d_(a,b)表示链路时延；

表示TT流i在链路(b,c)上的发送时间；

所述流抖动约束条件满足：

式中，(v₁,v₂)表示节点v₁与v₂间的链路；(v_n-1,v_n)表示节点v_n-1与v_n间的链路；

表示数据流f_i在最后一条链路上的发送时刻；J_i表示TT流i可接受的最大抖动，此约束强制要求同一数据流的任意两个帧的最新传输(即数据帧在最后一条链路上的发送时间)和在链路上最早的传输时间之间的差值至多等于抖动的最大值；

所述队列调度约束条件满足：

(f_i.p≥f_j.p)∨

式中，f_i.p、f_j.p表示TT流i、j的周期，与φ_i,p、φ_j,p表示的含义一致，只是为了区分TT流所在位置，前者是位于源端的TT流，后者是位于交换节点的TT流；

表示TT流i、j在链路(a,b)上的发送时间；d_(b,c)表示链路(b,c)的链路时延。

上述方案进一步优选的，以最小化最大端到端延时是将网络中所有数据流的最大端到端延迟最小化作为优化目标，其具体目标函数满足：

式中，

表示TT流i从节点v_n-1到v_n的发送时刻；f_i.o表示TT流i从源端的发送时刻；f_i.et表示TT流i的帧最大执行时间；δ表示同步精度；

网络抖动作为优化目标是将网络中每条数据流最后一条链路的延时与第一条链路的延时之差最小化作为评估网络可靠性的指标，其最小化网络抖动具体目标函数满足：

式中，

表示TT流i从节点v₁到v₂的发送时刻。

综上所述，由于本发明采用了上述技术方案，本发明具有如下显著效果：

本发明采用了联合路由和调度的方案，并对调度策略进行优化。通过基于负载均衡的K最短路径路由算法选择最优路径后，在整数线性规划调度算法中加入队列调度约束，设计了QSILP调度优化算法，扩展了约束系统，更高效的规划实时流从对应节点发送的时刻。与传统的整数线性规划算法相比，调度时间减少，时隙分配更加紧凑。将本发明的优化的方法应用到列车通信网络技术中，可以提高TT流的调度效率，有效解决列车通信网络大量数据通信趋势下的实时性低和一些业务不可调度的现象。

附图说明

图1是本发明的QSILP调度优化算法及联合路由和调度的算法流程图；

图2是本发明的列车网络拓扑模型和实时流量传输模型图；

图3是本发明中对比的ILP调度算法求出的每个队列中实时流的时刻表；

图4是本发明的QSILP调度算法求出的每个队列中实时流的时刻表；

图5是本发明实施例中四种调度方案求解的端到端延时对比图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举出优选实施例，对本发明进一步详细说明。然而，需要说明的是，说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解，即便没有这些特定的细节也可以实现本发明的这些方面。

如图1所示，根据本发明的一种基于QSILP算法的列车通信网络实时流调度优化方法，所述具体优化过程包括以下步骤：

步骤1：根据下一代列车控制与管理系统确定基于TSN的列车通信网络拓扑结构，对列车通信网络拓扑结构中各通信节点的参数进行定义，其中包括对交换节点、终端设备、链路参数和网络通信时延等的性能参数定义。

所述交换节点性能参数的定义包括交换节点数目、交换节点端口数和交换节点处理时延，所述终端设备定义包括终端节点数目和终端系统处理时延，所述链路参数定义包括链路数目和链路带宽。网络中所有的交换机都是存储转发式交换机，所有的链路都采用全双工通信方式；

步骤2：在构建的列车通信网络拓扑结构模型下，对基于TSN的列车通信网络实时流的传输过程进行模拟。其中，基于TSN的列车通信网络中，流量分为三类：具有最高优先级的时间触发流(TT)、具有较高优先级和最大端到端延迟限制的音视频桥接数据流(AVB)、优先级低于其他类型数据且无需保证端到端延迟的尽力而为数据流量(BE)。TT流是由应用预先定义，周期性传输，其周期大小和数据帧长度已知，而AVB流和BE流的传输具有非周期性，帧到达间隔和数据帧长度未知，所以本发明形式化定义TT流，对未知的AVB流和BE流不进行处理。TT流的数据帧由发送端的应用程序产生，经过封装和处理操作后到达发送端的发送模块。当端系统的主时钟等于TT流所在源端的发送时刻时，发送模块会将TT流的数据帧发送到网口。此过程TT流的特征可表示为：

f_i＝{f_i.o,f_i.p,f_i.et,f_i.rt,f_i.ddl}；

式中，f_i.o表示TT流由源端发送的时刻，即该数据流在基本周期起始时刻的偏移值；f_i.p表示TT流的周期；f_i.et表示TT流传输到相邻链路上为止所用的最大执行时间；f_i.rt表示TT流的响应时延；f_i.ddl表示TT流的截止时间。

TT流从源端系统的网口发出后，经过传输链路到达下一级接收设备(交换机或者终端系统)。在链路上传输的TT流特征可表示为：

φ_i＝{φ_i.o,φ_i.p,φ_i.tp,φ_i.td}；

式中，φ_i表示从交换机发送到链路上的TT流，φ_i,o表示TT流在每条传输路径上发送时刻的传输偏移；φ_i,p表示链路上TT流φ_i的周期；φ_i,tp表示TT流的传输路径，即从链路起始时刻到接收端的路由信息；φ_i,td表示TT流的传输时延，所有TT流在TSN中均以帧为传输单位，每一帧的载荷不超过以太网的MTU，即1542B。

步骤3：基于负载均衡KSP/RALB算法选择最优路径，在算法中输入列车通信网络拓扑结构模型；设计TT流的路由算法，根据负载均衡提出KSP/RALB算法，提出基于负载均衡的K最短路径路由算法(K Shortest Path Routing Algorithm Based on Load Balancing,KSP/RALB)。输入网络的拓扑结构后，得到每两点之间的距离，引入二进制变量x_i,(a,b)，将各条链路的初始负载值设置为0；在得知网络拓扑结构后，然后在终端设备上输入时间敏感流量(TT流)后，先根据K最短路径算法得出流i从a到b的前K条最短路径，再通过KSP/RALB算法考虑其数据帧大小、源端地址、目的端地址和流量负载四种属性，根据发送端到目的端的路径长度、数据流之间的相互作用，获得更优的路由。为此，基于负载均衡KSP/RALB算法选择最优路径，其计算过程是从终端设备的源端到目的端的每条数据流经过一条链路的负载值，其满足如下：

式中，f_i表示TT流，F表示TT流集合，V表示通信节点集合，E表示全链路集合，a和b分别是TT流的发送端和接收端，x_i,(a,b)是二进制变量，w_i是数据流f_i在某条链路上所占负载大小，W_i,(a,b)表示TT流f_i若经过链路(a,b)时的负载。

通过KSP/RALB算法优化路由的过程为：首先根据K最短路径算法得出流i从a到b的前K条最短路径，再计算前K条链路的负载值，将新的负载值更新为上一条链路的负载值与此时链路的负载值之和。结合距离和负载均衡两因素(即KSP/RALB算法)选出最优路径，通过KSP/RALB算法优化路由的过程为：对于计算所得到的每条链路的负载值，将新的负载值更新为上一条链路的负载值与此时链路的负载值之和，则满足：

式中，式中，

表示链路的负载值之和，V表示通信节点集合，E表示全链路集合，a和b分别是TT流的发送端和接收端，x_i,(a,b)是二进制变量，w_i是数据流f_i在某条链路上所占负载大小，N为网络中节点的个数，为了对网络负载进行有效的衡量，选择网络负载方差作为评价指标，对所选传输路径进行评估，其满足如下表达式：

步骤4：构建基于QSILP调度算法的列车通信网络实时流传输约束模型和目标函数，该调度算法模型建立在MATLAB 2018B和YALMIP R20181012中，通过IBM ILOG CPLEX12.8进行求解，以获得TT流在网络中每个节点的发送时间。为了解决了TSN关于时间同步的问题，IEEE 802.1AS时钟同步协议对PTP协议进行修改，制定了gPTP协议，其核心是时间戳机制。GM时钟将同步信息发送到不同的gPTP域，使交换节点的本地时钟通过时钟采样产生一个转发时间，然后与源端主时钟的时间信息进行比较，计算得出数据流的传输延时。进行调度优化的目的即对本地时钟进行优化，得出本地时钟的调度时刻表，使得流量调度的时延更小，流量调度方案是为了使TT流在整个矩阵周期内分配的更紧凑，整体传输时延就会更低，具体的约束条件是根据如何使TT流经过每条链路和节点时不冲突、满足端到端时延要求、抖动要求、时隙分配更紧凑的目标而确定的。

在本发明中，将流量调度优化转化为设备之间实时流的传输时隙分配规划过程，QSILP调度算法针对一个矩阵周期内待调度TT流的节点发送时刻提出了5个基本约束条件和1个队列调度约束条件，即源端系统数据发送无冲突约束条件、数据依赖约束条件、链路无冲突约束条件、流传输约束条件、流抖动约束条件和队列调度约束条件。

在本发明中，具体的约束条件内容如下：

步骤41：源端系统数据发送无冲突约束条件：

(f_i.o+f_i.et≤f_j.o)∨(f_j,o+f_j.et≤f_i.o)

式中，i和j表示不同的实时流编号；S_k表示网络中源端系统的编号，f(S_k)表示源端系统S_k上TT流的集合；f_i.et表示帧最大执行时间；∨符号表示逻辑析取，即所有实时流都满足数据发送无冲突约束。

步骤42：数据依赖约束条件：

式中，φ.l_(a,b)表示链路(a,b)上传输TT流的集合；spd为源端系统最大帧处理时延，源端上的一个TT流产生完成后仍需要一段时间才能将该数据流打包成数据帧并发送到网络上，这个时间间隔的上界用spd表示。

步骤43：链路无冲突约束条件：

式中，lcm(φ_i,p,φ_j,p)为网络中数据流的矩阵周期，即所有TT业务流的最小公倍数；α和β表示在矩阵周期中实时流f_i和f_j出现的次数；dfi表示链路上连续传输的两个数据帧之间空闲时间最小值。

步骤44：流传输约束条件：

式中，i表示流经链路(a,b)和(b,c)的实时流编号；δ表示同步精度，定义为网络中任意两个同步设备之间的最大时间差；d_s表示交换机最大帧处理时延；d_(a,b)表示链路时延。

步骤45：流抖动约束条件:

式中，

表示数据流f_i在最后一条链路上的发送时刻。此约束强制要求同一数据流的任意两个帧的最新传输(即数据帧在最后一条链路上的发送时间)和在链路上最早的传输时间之间的差值至多等于抖动的最大值。

步骤46：队列调度约束条件：

在该新添加的约束中，针对不同源端发送的数据流，同时传输到一个交换节点发生冲突时设置的调度顺序约束。由于矩阵周期的存在，同一个队列中当周期由大到小进行排列发送时，队列中的数据流分配在链路上的时隙会更紧凑。因为此时大周期数据流先发送，此TT流的数据帧在队列中的等待时间变短，发送到链路上的时刻提前，所以在一个矩阵周期中，整体每一帧的时刻都会提前，不会延迟到整个矩阵周期的末尾发送；此外也要确保数据流以各自在入队时所处队列的相同顺序进行调度，即遵守先进先出属性。

(f_i.p≥f_j.p)∨

在本发明中，QSILP调度算法为达到列车通信网络实时性目标，建立最小化最大端到端延时和网络抖动作为调度算法的优化模型。具体目标函数如下：

最小化数据流的最大端到端延迟：为了满足基于TSN的列车通信网络实时性要求，将网络中所有数据流的最大端到端延迟最小化作为优化目标。

最小化网络抖动：为了满足网络抖动要求，将网络中每条数据流最后一条链路的延时与第一条链路的延时之差最小化作为评估网络可靠性的指标。

步骤5：采用前述的列车通信网络环形拓扑结构，进行基于TSN的TT流量单播和多播调度特性验证试验。设置好前述步骤中的约束条件和目标函数，对QSILP算法的可调度性、延时抖动等实时性进行分析。

在本发明中，设置12组对比实验，从5到60等距选取不同数量的流量来模拟列车上不同规模的通信场景。首先对实验所需要的网络参数进行配置，如表1所示。

表1网络参数

其次对实验所模拟的5-60条数据流的12组流量参数进行配置，网络中参与调度的60条数据流的参数信息如表2所示。

表2网络中数据流的参数范围

根据上述5-60条数据流的12组流量场景设置4种不同调度方案的实验，4种调度方案分别为只考虑ILP的调度方案、最优路径配置下的ILP的调度方案、ILP与最佳执行时间结合的调度方案和本文提出的QSILP调度方案。通过对比延时与抖动等特性分析QSILP调度的优越性。

实验结果显示，QSILP调度方案最大端到端延时平均降低了19.1％，网络抖动也相应降低，更好的保证了实时性，提高了调度效率，有效解决列车通信网络大量数据通信趋势下的实时性低和一些业务不可调度的现象。

在本发明中，基于QSILP算法的列车通信网络实时流调度优化方法验证的实施例中，初步建立了如图2所示的网络拓扑模型与流量模型。网络拓扑模型中包含列车层、编组层以及设备层三层，列车层网络采用线型冗余拓扑结构，编组层网络采用环形拓扑结构。图2通过2个列车骨干节点(ETBN)进行列车层和编组层之间的数据交换，由6个编组网络交换机(CS)和18个终端设备(ED)组成2个编组网络；在流量模型中，根据IEC 61375-2-5标准，在TCN中根据流量是否流经多个编组分为编组内流和编组间流，根据流量目的地数量分为单播流和多播流。编组内流用虚线表示，编组间流用实线表示。流F_1-5、F₈是编组内流，其源端和目的端位于同一个编组中，流F_6-7是编组间流，其包含多个目的端。建立流量模型可以真实模拟列车通信网络中的流量传输过程，为接下来的路由和调度建立基础。

在本发明中，由QSILP算法和ILP算法求解的每个队列中实时流的时刻表如图3和图4所示，横轴为调度时间，纵轴为实时流经过的链路，发送时刻在矩形下方显示，流编号在矩形内显示。2个时刻表是随机选取60条数据流中的10条数据流进行调度时刻分析，表3是10组数据流的参数信息。

表3数据流的调度配置

在本发明中，图5所示为不同调度方案在一个矩阵周期内实时流的最大端到端延时对比图。其他三种调度方案分别是：只考虑ILP的调度方案、最优路径配置下的ILP调度方案、ILP与最佳执行时间结合的调度方案。从图5中每5条数据流的最大端到端时延可以看出，四种调度方案的最大端到端时延都会随着数据流的增加而增大。但是在相同数据流数目的前提下，QSILP调度方案相比于其他三种调度方案的最大端到端时延是最小的。不同数据流下，QSILP调度方案与ILP调度方案相比，最大端到端时延平均降低了19.1％，原因是QSILP算法对调度顺序和时隙分配进行了调整，因此QSILP调度方案的端到端时延特性得到保证。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于QSILP算法的列车通信网络实时流调度优化方法，其特征在于：将流量调度优化转化为设备之间实时流的传输时隙分配规划过程，所述优化过程包括以下步骤：

步骤1：建立基于TSN网络的列车通信网络拓扑结构模型，对列车通信网络拓扑结构模型中各通信终端设备的性能参数进行定义；

步骤2：在列车通信网络拓扑结构模型下，建立TT流量单播与多播混合传输的流量模型，对基于TSN网络的列车通信网络实时流的传输过程进行模拟，获取终端设备之间实时流传输时所有TT流的信息、AVB流的信息和BE流的信息；

步骤3：基于负载均衡KSP/RALB算法选择最优路径，在算法中输入列车通信网络拓扑结构模型，将各条终端设备之间的链路初始负载值设置为0，然后在终端设备上输入TT流，通过KSP/RALB算法寻找数每条链路的数据帧大小、源端地址、目的端地址和流量负载的属性，从而使流量从对应节点发送的时刻获取每条链路传输路径的更优的路由；

步骤4：构建基于QSILP调度算法的列车通信网络实时流传输约束模型和目标函数，以便计算每条链路数据流的传输延时，获得本地通信网络的时钟的调度时刻表，使得流量调度的时延更小；

步骤5：根据约束条件和目标函数，对基于TSN网络的TT流量单播和多播混合传输的流量模型进行调度特性分析，获取QSILP算法的列车通信网络实时流调度优化方案。

2.根据权利要求1所述的一种基于QSILP算法的列车通信网络实时流调度优化方法，其特征在于，对列车通信网络拓扑结构模型中各通信节点的性能参数进行定义主要包括对交换节点、终端设备、链路参数和网络通信时延的性能参数进行定义；对所述交换节点的定义主要包括对交换节点数目、交换节点端口数和交换节点处理时延；对所述终端设备定义主要包括终端节点数目和终端系统处理时延；对所述链路参数的定义主要包括链路数目和链路带宽。

3.根据权利要求1所述的一种基于QSILP算法的列车通信网络实时流调度优化方法，其特征在于，所述步骤2中，终端设备之间实时流传输时，TT流的信息传输由两个阶段组成，在第一阶段传输中，当终端设备的源端主时钟等于TT流所在源端的发送时刻时，源端的发送模块将TT流的数据帧发送到网口，此过程TT流的信息传输特征f_i.表示为：

f_i＝{f_i.o,f_i.p,f_i.et,f_i.rt,f_i.ddl}；

式中，f_i表示从源端发送到链路上的TT流；f_i.o表示TT流由源端发送的时刻，是TT流在基本周期起始时刻的偏移值；f_i.p表示TT流的周期；f_i.et表示TT流传输到相邻链路上所用的最大执行时间；f_i.rt表示TT流的响应时延；f_i.ddl表示TT流的截止时间；

在第二阶段传输中，TT流从源端的网口发出后，经过传输链路到达下一级终端设备，在链路上传输的TT流特征表示为：

φ_i＝{φ_i.o,φ_i.p,φ_i.tp,φ_i.td}；

式中，φ_i表示从交换机发送到链路上的TT流；φ_i,o表示TT流在每条传输路径上发送时刻的传输偏移；φ_i,p表示链路上TT流的周期；φ_i,tp表示TT流的传输路径，即从链路起始时刻到接收端的路由信息；φ_i,td表示TT流的传输时延，所有TT流在TSN中均以帧为传输单位，每一帧的载荷不超过以太网的MTU，即1542B。

4.根据权利要求1所述的一种基于QSILP算法的列车通信网络实时流调度优化方法，其特征在于，对于步骤3，基于负载均衡KSP/RALB算法选择最优路径，其计算过程是从终端设备的源端到目的端的每条数据流经过一条链路的负载值，其满足如下：

式中，f_i表示TT流，F表示TT流集合，V表示通信节点集合，E表示全链路集合，a和b分别是TT流的发送端和接收端，x_i,(a,b)是二进制变量，w_i是数据流f_i在某条链路上所占负载大小，W_i,(a,b)表示TT流f_i若经过链路(a,b)时的负载；

选择最优路径的过程为：对于计算所得到的每条链路的负载值，将新的负载值更新为上一条链路的负载值与此时链路的负载值之和，则满足：

式中，

表示链路的负载值之和，f_i表示TT流，F表示TT流集合，V表示通信节点集合，E表示全链路集合，a和b分别是TT流的发送端和接收端，x_i,(a,b)是二进制变量，w_i是数据流f_i在某条链路上所占负载大小，N为网络中节点的个数，为了对网络负载进行有效的衡量，选择网络负载方差作为评价指标，对所选传输路径进行评估，其满足如下表达式：

式中，D(s_i,d_i)表示TT流所经过链路的负载方差之和，s_i、d_i分别表示发送端和目的端，

表示链路的负载值之和，N为网络中节点的个数。

5.根据权利要求1所述的一种基于QSILP算法的列车通信网络实时流调度优化方法，其特征在于，在步骤4中，计算每条链路数据流的传输延时，在一个矩阵周期内对待调度TT流的节点发送时刻，分别对约束模型设置5个基本约束条件和1个队列调度约束条件，以及建立以最小化最大端到端延时和网络抖动作为优化目标。

6.根据权利要求5所述的一种基于QSILP算法的列车通信网络实时流调度优化方法，其特征在于，所述5个基本约束条件分别由源端数据发送无冲突约束条件、数据依赖约束条件、链路无冲突约束条件、流传输约束条件、流抖动约束条件和队列调度约束条件；

其中，所述源端数据发送无冲突约束条件满足：

(f_i.o+f_i.et≤f_j.o)∨(f_j,o+f_j.et≤f_i.o)

式中，i和j表示不同的实时流编号；S_k表示网络中源端系统的编号，f(S_k)表示源端系统S_k上TT流的集合；f_i.o、f_j.o表示连续2个TT流从源端的发送时刻；f_i.et、f_j.et表示TT流i、j的帧最大执行时间；∨符号表示逻辑析取，即所有实时流都满足数据发送无冲突约束；

所述数据依赖约束条件满足：

式中，

表示TT流i在链路(a,b)上的发送时间；φ.l_(a,b)表示链路(a,b)上传输TT流的集合；spd为源端系统最大帧处理时延，源端上的一个TT流产生完成后仍需要一段时间才能将该数据流打包成数据帧并发送到网络上，这个时间间隔的上界用spd表示。

所述链路无冲突约束条件满足：

式中，F_(a,b)表示链路(a,b)上的TT流集合；φ_i,p、φ_j,p表示TT流i、j的周期；lcm(φ_i,p,φ_j,p)为网络中数据流的矩阵周期，即所有TT业务流的最小公倍数；α和β表示在矩阵周期中实时流f_i和f_j出现的次数；f_i.size、f_i.size表示TT流i、j的大小；bw表示链路带宽；dfi表示链路上连续传输的两个数据帧之间空闲时间最小值；

所述流传输约束条件满足：

式中，i表示流经链路(a,b)和(b,c)的TT流编号；δ表示同步精度，定义为网络中任意两个同步设备之间的最大时间差；d_s表示交换机最大帧处理时延；d_(a,b)表示链路时延；

表示TT流i在链路(b,c)上的发送时间；

所述流抖动约束条件满足：

式中，(v₁,v₂)表示节点v₁与v₂间的链路；(v_n-1,v_n)表示节点v_n-1与v_n间的链路；

表示数据流f_i在最后一条链路上的发送时刻；J_i表示TT流i可接受的最大抖动，此约束强制要求同一数据流的任意两个帧的最新传输(即数据帧在最后一条链路上的发送时间)和在链路上最早的传输时间之间的差值至多等于抖动的最大值；

所述队列调度约束条件满足：

式中，f_i.p、f_j.p表示TT流i、j的周期，与φ_i,p、φ_j,p表示的含义一致，只是为了区分TT流所在位置，前者是位于源端的TT流，后者是位于交换节点的TT流；

表示TT流i、j在链路(a,b)上的发送时间；d_(b,c)表示链路(b,c)的链路时延。

7.根据权利要求5所述的一种基于QSILP算法的列车通信网络实时流调度优化方法，其特征在于，以最小化最大端到端延时是将网络中所有数据流的最大端到端延迟最小化作为优化目标，其具体目标函数满足：

式中，

表示TT流i从节点v_n-1到v_n的发送时刻；f_i.o表示TT流i从源端的发送时刻；f_i.et表示TT流i的帧最大执行时间；δ表示同步精度；

网络抖动作为优化目标是将网络中每条数据流最后一条链路的延时与第一条链路的延时之差最小化作为评估网络可靠性的指标，其最小化网络抖动具体目标函数满足：

式中，

表示TT流i从节点v₁到v₂的发送时刻。

Images