时间敏感网络流量调度机制研究综述

受各种应用场景需求的驱使，实现数据的实时传输，成为网络技术的一个重要发展方向[1]。远程手术中要求延迟可达1 ms[2-3]，沉浸式虚拟现实场景要求延迟为0.5～2 ms[4]，工业自动化领域要求延迟达亚毫秒[5]，高压配电要求延迟为5 ms[6]。但传统总线网络如CAN、FlexRay等因带宽受限难以保证大量数据的实时传输[7]，传统以太网采用“尽力而为”的传输理念难以保证关键流量的实时性，新兴技术方案如PROFINET[8]、EtherCAT[9]、TTEthernet[10]等多针对特定应用定制，因兼容性、互操作性等原因难以获得广泛应用[11]，兼具成本、带宽、兼容优势和高实时、高可靠特性的新方案——时间敏感网络应运而生[12-13]。

时间敏感网络源于传统以太网，由IEEE802.1 TSN工作组提出并致力于标准化，获得Avnu联盟等组织的认可[14]，利于形成生态优势，已经在车载网络[15]、航空网络[16]、工业互联网[17]、5G[18]及能源网络[19]等方面获得广泛关注。传统以太网采用“FIFO”方式，不能提供差异化数据传输服务，关键数据传输时易被冲突，严重影响相关业务的实现[20]，而时间敏感网络通过流量调度机制，使流量相互隔离并有序传输，减少传输的随机冲突，控制排队时延，保证传输实时性。当前，IEEE802.1 TSN工作组不断完善时间敏感网络流量调度机制，并将其标准化，提升调度性能。

针对时间敏感网络流量调度机制，介绍基本原理和研究现状，梳理各机制的研究重点和研究进展，分析各机制的优点和不足，最后阐述当前研究趋势。

2 时间敏感网络流量调度

2.1 调度原理与分类

通常，时间敏感网络根据流量优先级(或类别)，在空间上通过队列隔离流量，而后按一定规则调度流量，进而实现传输时间的隔离，保证传输延迟的确定性。

时间敏感网络流量调度机制主要有基于信用整形、时间感知整形、帧抢占、循环排队转发、异步流量整形等。按照调度原理，可分为按时分复用原理调度机制和按竞争规则调度机制。按时分复用原理调度机制，将传输实时性要求直接与传输时隙划分相对应，通过调整传输时隙控制流量调度，因传输时隙易与周期流量匹配，因此该类调度对周期流量调度效果较好，调度机制有时间感知整形和循环排队转发。按竞争规则调度机制，将传输实时性要求与优先规则相对应，按优先规则调度流量，该类调度对流量周期性无要求，可混合调度周期流量和突发流量，如帧抢占(及严格优先级调度)是按照流量的优先级调度，基于信用整形按照信用值调度，异步流量整形以合格时间(即流量传输紧急度)作为调度依据。各调度机制可单独使用，也可多个综合运用。

2.2 研究对象

如图1所示，时间敏感网络流量调度研究对象为有延迟要求的时间敏感流量和无延迟要求的尽力而为流量，前者是研究重点，后者作为背景流量。时间敏感流量因对传输时间“敏感”而得名，这种流量通常按预定时间发送，也称时间触发流量(对应事件触发流量)[21]、计划流量(对应突发流量)，而当前许多研究中流量的发送时间间隔是固定时间，因此实际是周期流量。部分研究针对非预定时间发送的关键流量即关键非计划流量(实为突发流量)。另外，最初研究针对音视频传输[22]，也被称为AVB(audio video bridging)流量，AVB流量用于基于信用整形机制，优先级较低，但高于尽力为流量。从抖动要求看，时间敏感流量又分为抖动要求高的硬实时要求流量和抖动要求低的软实时要求流量。

2.3 评价指标

流量调度评价指标主要有最坏情况延迟、最坏情况延迟的悲观度[23](悲观度越大表示理论值与实验值差别越大)、带宽利用率、调度能力、算法效率等。

3 时间敏感网络流量调度机制及研究现状

首先，从调度机制的发展看，后续机制针对不同应用需求，对前面机制进行完善，如图2所示。传统网络可采用严格优先级调度，保证高优先级流量实时性，但易导致低优先级流量“饿死”。为避免该问题，基于信用整形将优先级与排队时间综合为信用值，按照信用值调度，带宽利用率高，但流量传输时易相互影响，抖动大，最坏情况延迟计算复杂、悲观度较大。而基于时分复用的时间感知整形和循环排队转发，最坏情况延迟计算简单，直接用传输时隙调度各类流量，避免流量间冲突，利于降低抖动和最坏情况延迟悲观度。相比时间感知整形，循环排队转发只有2个队列，解决了帧传输的有界时延，算法求解简单，但流量调度数量受限。基于时分复用调度机制存在3个问题：一是因保护带存在，导致带宽浪费，网络实时性有提升潜力；二是依赖时间同步；三是该类机制主要针对周期流量，难以调度突发流量。而帧抢占可减小保护带，减少带宽浪费。异步流量整形关注每跳的流量调度情况，不依赖时间同步，实现周期流量和突发流量的混合调度，抖动小、带宽利用率高，模型设计较为复杂。各种调度机制性能比较和使用分别见表1和图3所示。另外，结合时间敏感网络的网络配置标准和时间感知整形而提出时间敏感型软件定义网络(time-sensitive software-defined network,TSSDN)，可实现在线流量调度，是当前一个研究热点，单独作为一个综述内容。

其次，从各调度机制的研究看，IEEE802.1 TSN工作组提出流量调度机制对应的标准(各调度分标准正汇总至IEEE802.1Q，为方便区分，仍以分标准介绍)，明确了各机制的基本原理，提供了实现确定边界延迟传输的条件。而实时传输易受众多因素影响，各研究不断完善影响因素分析，提高调度性能。

3.1 基于信用整形

该机制以IEEE802.1 Qav标准为依据，采用基于信用整形器(credit based shaper,CBS)，用队列隔离流量，根据各队列信用值进行调度，兼顾各优先级流量的实时性。信用值由流量所在队列的优先级和流量在队列中排队情况2个因素决定。一方面，该机制根据信用值大小控制各流量传输，信用值大的优先传输；另一方面，流量的排队、传输分别导致信用值的增、减。信用值增加、减少的快慢与队列优先级有关。

该机制研究重点是延迟影响因素分析。这主要因为该机制流量间仍易冲突，导致最坏情况延迟分析复杂。延迟分析既要横向上考虑单个节点中各流量间影响、传输离散性[24]、以及其他机制(如时间感知整形[25])影响等，也要纵向上考虑多个节点延迟积累[26]、路由影响[27]等。基于信用整形的最坏情况延迟是众多因素综合产生的极端情况，考虑的因素越多、情况越极端得到最坏情况延迟计算公式越准确，但最坏情况发生的概率可能会越低，悲观度越大，实际中应综合悲观度和复杂度运用该机制[28]。

机制研究方面。帧在排队过程中，前面帧对后面帧产生的影响(即帧序列化)易被忽略，Li等[29]推导基于信用整形调度的最坏情况延迟公式，重点分析帧序列化的影响，同时去除信用补充与高优先级帧传输的重叠时间，降低延迟悲观度最大达46.96%。上述研究是按照数据流调度，具有连续性，而实际是按照帧调度，具有离散性，用帧调度模型比流调度模型降低悲观度最大达13.44%[24]。而Mohammadpour等将原机制的2个优先级队列扩充至任意数量，增加了调度流量数量，利用网络演算分析，使延迟悲观度相比以往研究降低最大达89%[30]。

机制综合运用方面。Zhao等[25]分析时间感知整形机制下AVB流量的调度性能，该研究兼顾帧抢占和非帧抢占2种模式，推导信用值非溢出条件，确保基于信用整形的参数实现有界的最坏情况延迟。另外，将数据压缩技术与基于信用整形机制相结合也可减少延迟[31]。

分析方法方面。采用不同分析方法也会影响延迟计算结果。研究表明，采用网络演算[25]、前向端到端延迟分析[26]、轨迹法[29]比组合性能法有更低的悲观度，这主要因为组合性能法是先求单个节点的延迟，而后将各个节点延迟简单相加获得端到端延迟，而其他方法分析时考虑前后节点的延迟影响，更加合理。

3.2 时间感知整形

该机制以IEEE802.1 Qbv标准为依据。该机制采用时间感知整形器(time aware shaper,TAS)，用队列隔离流量，通过循环的门控列表控制每个队列的开关状态，使队列内流量按划分时隙传输，实现传输的时间隔离，提供可预测的有界延迟。该机制未要求前后节点时间同步，各节点利用本地时钟即可调度，但时间同步利于流量按照预定时间在各节点间传输，保证调度有效性[32-33]，因此该机制在现有研究中往往依赖时间同步，通常被认为是同步调度机制。标准中该机制只定义了8个队列，当流量的数量超过8个时，流量会共用队列，则共用队列的流量会发生冲突，调度更加复杂。

该机制研究重点是门控列表生成。门控列表实为调度列表，生成复杂。门控列表生成是在时隙约束、路由约束、冲突避免约束等的条件下，根据流量的特性求得最小延迟的解，它是NP完全问题(non-deterministic polynomial complete problem,多项式复杂度的非确定性问题)[34]，无已知算法可在多项式时间内生成最优调度列表[35]，因此，门控列表生成算法调度主要为离线调度。网络越复杂、流量越多，门控列表的求解越难。通常采用2种方式求解：一是运用专门的搜索算法，如元启发式、启发式或遗传算法[36]；二是利用通用工具，如整数线性规划(integer linear programming,ILP)[37]或可满足性模理论(satisfiability modulo theories,SMT)[38]求解器。现有研究多分析时间同步、路由选择等对该机制调度效果影响，以及如何设计算法快速生成门控列表。

门控列表生成问题可以等效为无等待车间调度问题(no-wait job-shop scheduling problem,NW-JSP)。Dürr等[39]将调度列表生成问题等效为无等待数据包调度问题，用禁忌搜索算法寻找保护带最少的解，使保护带平均降低24%，提高了带宽利用率。

上面研究针对固定路由，将路由选择与流量调度结合，可进一步提升实时性。Pahlevan等[36]考虑路由与调度的相互影响，利用遗传算法选择路由，仿真表明比固定路由可减少保护带，平均降低时延31%。而采用基于路由子集和时间片的启发式算法，在保证效果的同时，可进一步提高算法的效率[40]。

时间感知整形与基于信用整形综合使用时，在文献[27]、文献[41]中首先根据时间触发流量的周期确定其调度时间，而后进行AVB流量的调度，这可为时间触发流量提供独享的调度时间窗口，但会导致AVB流量的实时性降低甚至无法调度，也减少了可行解的范围。为此，Gavrilut等[42]综合路由与调度前提下，考虑时间触发流量和AVB流量的实时性，用“尽快”启发式算法进行帧偏移，进一步优化队列使用和最小延迟，该方法获得更多可行解，解决其他方法可能无法调度的问题。进一步地，同时打开多个队列，使多个类型流量在一个共同时间段内传输，将使解的范围进一步增大。为此，Shalghum等[43]进一步考虑同一节点上不同优先级流量窗口重叠的情况，基于延迟评估来优化时间触发流量窗口偏移量，实现了更小悲观度的端到端延迟，最大降低32.6%。

合理的优先级划分，也可提升调度效果。Liu等[44]研究流量不同类型划分对调度影响，将时间敏感流量的优先级分别定为：单独A类、A类与B类、Qbv类(时间触发流量)与A类，比较3种分类调度效果，实验表明单独A类比A类与B类延迟小，但在大负载数据下会出现无法调度问题，采用Qbv类与A类可保证关键数据的延迟和抖动更小，但A类流量抖动会变大。

特别地，通过预留调度时间可实现混合流量调度。为此，Yin等[45]根据事件触发流量的延迟要求，预先为其分配“虚拟调度时间”，减少事件触发流量对时间触发流量的影响，实现混合流量调度，同时采用复用机制，事件触发流量未传输时，该虚拟调度时间由时间触发流量使用，可使事件触发流量的可调度性提升25%，延迟降低45%，带宽利用率提升13%。

此外，干扰可能会导致调度失败，因为各队列内是按照严格优先级调度，如某计划流量因网络传输抖动等原因不能按时到达队列时，则同一队列内先到达的非计划流量会提前传输，导致计划流量可能会错过一个调度周期。为此，Dai等[46]为各数据帧设定优先级，在时间感知整形机制中引入缓存机制，使队列中低优先级的非计划流量等待优先级高的计划流量到达，确保计划流量的可调度性。

3.3 循环排队转发

该机制以IEEE802.1 Qch标准为依据，采用双队列的循环排队转发(cyclic queuing and forwarding,CQF)调度。在相等时间段内，2个队列交替接收和发送数据帧。此机制中，数据帧经过每跳的延迟范围是确定的(即该相等时间段)，不受网络拓扑影响。这使得端到端延迟只与源端到目的端的跳数有关。

该机制研究重点是起始时隙分配。这因为该机制中，各节点皆有2个交替接收、发送的队列且调度时间段相等，则前后节点间调度时间段和队列也形成对应关系，即在同一个时间段内，前一节点队列发送对应后一节点队列接收，因此在网络边缘(即源端)完成调度，后续节点的调度也将确定。该机制相对简单，最坏情况延迟易于计算，但依赖时间同步。

控制起始时隙分配影响循环排队转发调度效果。姜旭艳等[47]提出一种基于起始时隙分配的轻量级资源调度算法，将时隙分配问题抽象为多约束条件下资源规划最大化问题。实验表明，该方法调度能力比不控制起始时隙的直接调度算法平均提高41.84%。

结合流量特征和资源特征减小解的范围，可进一步提升算法的效率。Yan等[48]在文献[47]中的研究基础上提出一种启发式算法，该算法考虑流量的特征和资源特征减小搜索空间，在方案求解和搜索开销之间取得良好平衡，可使调度流量数量提升10倍，带宽利用率提升65%。其中，考虑流量的特征指结合数据包的数量、路径选择和周期进行优先级排序，考虑资源状态指去除方案中高流量密度的情况。

以上研究针对软实时要求流量，难以处理零抖动要求的硬实时流量传输。为此，Huang等[49]设计无等待整形器和循环整形器进行硬实时要求的等时流量调度。首先，无等待整形器压缩等时流量的时隙资源，以尽可能少的时隙实现等时流量零抖动传输。然后，循环整形器一方面利用循环排队转发原理调度循环流量，另一方面通过在发送端引入双闭合状态实现与无等待整形器的合并。实验表明，等时流量可实现零抖动，且延迟减少81.3%。

进一步，大规模骨干网场景下，传输时延波动和短时突发流量过载等可能导致调度失败。莫益军等[50]提出基于3个队列的循环排队转发机制，引入第3个队列充当缓冲，可根据流量状态及时调整门控时机和排队优先级，以避免帧传输时隙错误。实验表明，线性拓扑下该方法比一般CQF平均延迟降低27%，重载情况下丢包率降低78%。

另外，当网络中有新流量注入时，需花费大量时间重新计算配置参数。Quan等[51]提出一种轻量级动态流量调度算法。首先，计算原有流量的最长队列的起始时隙分配方案，使队列内初始时隙尽可能冗余；然后，新引入流量在冗余时隙中搜寻方案，避免对原有流量调度的影响。实验表明，该算法调度成功率比Naive算法和Tabu算法提高分别多82.5%和29.7%。

3.4 时间敏感型软件定义网络

该机制源于软件定义网络技术，IEEE802.1 Qcc标准和IEEE802.1 Qbv标准可为其提供技术支持(前者用于网络配置，后者实现调度)。该机制从网络架构角度调度流量，将时间敏感网络分为控制平面和数据平面，将执行集中式算法的网络应用程序部署到网络上，具有流量调度的全局视图[52]，通过逻辑上的控制器控制网络设备。TSSDN可实现在线动态调度，支持具有冗余路径的任意网络拓扑，增加网络鲁棒性，可应对网络拓扑变化及通信链路故障等问题[53]。

TSSDN研究重点是调度配置参数的快速计算。该机制依赖时间同步，控制平面数据传输会对流量调度产生一定影响[54]，当网络复杂、流量众多时，需要设计专门算法快速计算配置参数。

控制平面的数据通常与数据平面的数据共用网络资源，前者的传输不可避免会后者产生影响。为此，Thiele等[54]采用组合性能分析法研究TSSDN，将控制平面流量分别映射到3个优先级：单独作为最高优先级(高于控制流量)、与控制流量同为最高优先级、与视频流量同优先级，实验表明将控制平面流量优先级映射到后2种情况时，可使其他流量延迟更小。

上面研究选用固定路由，而将路由选择与流量调度相结合，利于降低延迟。Nayak等[55]利用ILP来解决路由选择和调度时隙划分的组合问题，对比无约束路由、路径集路由(可能的路由集合)和固定路由(从最短路由中随机选取一个)，三者性能接近，说明在计算能力有限的情况下，直接用最短路由调度流量的可行性。而利用拓扑修剪策略和基于谱聚类的流分组策略等[56]，降低网络的复杂性，进一步提升算法效率。

以上研究为静态调度，难以应对网络的动态变化，如新增时间敏感流出现时，需花费大量时间重新计算配置参数。为此，Nayak等[52]在文献[55]中的研究基础上，提出在线TSSDN流量调度方法，可动态计算时间触发流量的路由和调度。首先采用“最大最小值”法，求取调度周期最大且占用路由最小的时隙和路由分配方案，调度周期最大保证尽可能多的空闲时隙可用于新增流量，占用路由最小保证尽可能多的空闲路由用于新增流量。因此，新增流量在空闲时隙和空闲路由中搜索最优解，不影响原有流量的调度。实验表明，该方法求解时间为亚秒，而平均调度能力是无限制路由调度的68%。

3.5 帧抢占

该机制以IEEE802.1 Qbu和IEEE 802.3br标准为依据，高优先级帧可插入低优先级帧中间传输，待高优先级帧传输结束后，继续传输低优先级帧的剩余片段。该机制可有效减少高优先级数据帧的延迟，可用于减小保护带，减少带宽浪费。此机制允许低优先级帧可被多次抢占，但抢占帧不能被更高优先级帧抢占，即帧抢占不允许嵌套。这因为每个帧只能是express(快速)和preemptable(被抢占)状态中的一种。

该机制研究重点是分析抢占对延迟的影响。该机制可降低高优先级流量的延迟和抖动[57]，也可降低最低优先级流量的延迟[58]，该机制主要配合其他机制使用，提高实时性和带宽利用率。

将帧抢占与时间感知整形综合运用，可减小保护带，提升调度性能。为此，Thiele等[59]将帧抢占机制引入时间感知整形机制，使保护带由1 542字节降为143字节，实验发现，引入帧抢占使标准以太网达到与时间敏感网络相当的调度能力，因标准以太网设置更加简单，基于帧抢占的标准以太网比时间敏感网络更具有应用优势。

通过额外手段减少帧的最小限制，可在帧抢占基础上进一步减小保护带。为此，Lee等[58]通过增加缓存、补充帧长度等方式，将保护带进一步减小至64字节甚至20字节，仿真表明该方法可降低总延迟，优先级最高的控制类流量和优先级最低的尽力而为流量延迟降低比较明显，但对处于中间优先级的AVB流量影响不显著。

当帧抢占与非帧抢占同时在调度中存在时，延迟分析更复杂。为此，Bello等[23]提出在基于信用整形和时间感知整形调度中，帧抢占和非帧抢占共存的通用可调度性分析，通过数学分析和仿真说明，仅仅增加总带宽并不一定能减小延迟。

3.6 异步流量整形

该机制以IEEE802.1 Qcr标准为依据，设计异步流量整形器(asynchronous traffic shaper,ATS)，通过每跳流量交织整形限制流量突发，避免流量突发级联[60]，提供每跳延迟边界，并降低对时间同步的依赖。异步流量整形通过分离速率控制器和调度器，实现带宽利用率和有界延迟的解耦[61]。

该机制根据Specht等[61]提出的基于事件紧急度的调度器(urgency-based scheduler,UBS)设计。通常，因流量间竞争，每一跳都可使流量突发增大，而增大的突发流量在下一跳又将影响其他流量的突发大小，即产生突发流量的级联，造成延迟分析复杂。而异步流量整形机制对流量进行交织整形，使每一跳流量的突发大小限制在一定数值(即突发上界)，从而限制了突发流量级联，突发上界简化了延迟边界分析，且交织整形不会增大最坏情况延迟[62]。该机制中根据帧的紧急度(指标为合格时间)，确保急需传输的帧优先调度，在高带宽利用率情况下，调度效果比严格优先级调度更好。

该机制研究重点是调度模型的设计。IEEE802.1 Qcr标准于2020年11月由草案成为正式标准，晚于其他调度标准，相关研究正处于探索阶段，研究主要集中在与调度直接相关的因素，如模型设计、性能论证、参数设置、与其他机制的综合运用等方面。

在模型设计上，Specht等[61]较早开始相关研究，设置3条映射规则，将满足规则的流共用同一队列，减少了所需队列数量，利于流量调度数量的扩展，并通过多个队列之间的交织整形算法将不同队列中的流量进行整合发送，实现了低复杂度、低时间同步要求的异步流量调度。而Boudec[62]进一步证明了在FIFO系统后直连最小交织整形器，不会增加最坏情况延迟。

在性能论证上，NASRALLAH等[63]研究表明，相比时间感知整形，异步流量整形对突发流量调度延迟更小，但在高负载下对周期流量调度延迟增加。

在参数求解上，Specht等[64]通过可满足性模理论，求解网络配置内部优先级和流队列分配的可行解。而Prados-Garzon等[6]针对异步流量具有数量和特性不确定性的特点，利用深度强化学习进行流量分析预测和调度参数配置，实现了在线调度，进一步提高了算法的适应性。

在与其他机制综合运用上，将异步流量整形的交织整形引入基于信用整形[65]，可使最坏情况延迟悲观度降低为0，实验最大延迟等于理论最坏情况延迟。而将帧抢占引入异步流量整形机制[66-67]，可降低高优先级流量的端到端延迟，实验表明延迟降低超过25%。

4 结论

当前，各流量调度机制主要研究目标是提高实时性，研究的主要内容从影响流量调度的相关因素(如帧大小[59]、优先级划分[44,54]、时间同步[32]、保护带[58]、网络负载[63])，直接提升实时性，拓展至影响延迟计算的相关因素(如路由选择[52,55]、数据压缩[31]、多帧传输[68])，综合提升实时性。各研究多假设网络中各因素为恒定不变量、应用范围多为局域网，从实际应用的需求和确定性网络的要求看，研究的广度和深度需进一步拓展。当前调度机制的研究有如下趋势：

从研究对象看，非周期的时间触发流量有待研究。如图1所示，现有研究实现了周期流量和突发流量调度，但现实中存在发送时间间隔不固定、但发送时刻可预知的非周期的时间触发流量(如预定时刻的紧急开关机信息)，该类流量调度研究缺乏。

从研究实现看，在线动态流量调度有待研究。现有算法普遍比较复杂，进行流量调度规划需要花费大量时间，因此现有研究多采取离线静态调度，但考虑到网络中动态变化情况，如网络拓扑变化[69]、“即插即用”等场景导致的流量数量变化[51]，如何快速实时调度规划有待研究[70]。

从研究目标看，可扩展性、高可靠性流量调度有待研究。从可扩展性看，“即插即用”场景中新增流量[52]将导致流量调度重新规划及复杂度增加，对算法效率要求更高。从高可靠性看，网络中干扰因素，如传输时延波动[50]、周期流量抖动[71]、网络故障[53,72]，可能导致调度失败。另外，实现低延迟调度，与带有一定冗余以保证可靠性的调度相冲突，二者需要适当平衡。

从应用范围看，异构网络和跨域网络的流量调度有待研究。时间敏感网络相比其他实时性网络的优势主要在于其兼容性、互操作性，而现有研究主要集中于独立于外部网络的局域网，缺乏跨域网络[66]、异构网络[73]的流量调度研究。

从理论验证看，规范的调度评估有待研究。各项研究中，实验对象差异较大，如流量的数量、周期性、帧长度等多不相同，网络拓扑结构和带宽也不尽相同，因此时间敏感网络中进行帧层次的微观调度，得出的宏观实验结果——端到端延迟，使各研究很难具有可比性。为便于各项研究的效果比较，针对车载网络、航空网络、工业互联网、5G通信等不同应用场景，设计统一规范的测试评估平台成为迫切需求。

时间敏感网络流量调度关注排队时延，并未从根本上实现所有流量的实时性传输，而是通过调度机制使流量有序传输，尽可能避免流量随机冲突，以牺牲非关键流量的实时性为代价，确保关键流量的实时性。随着研究的深入，流量调度的研究将由关注实时性向关注可扩展性、高可靠性发展，研究对象更加全面、适用场景更加广泛，流量调度的范式日趋成熟，使时间敏感网络成为功能完备的确定性网络技术。

[1] 黄韬,汪硕,黄玉栋,等.确定性网络研究综述[J].通信学报,2019,40(6):160-176.

HUANG T,WANG S,HUANG Y D,et al.Survey of the deterministic network[J].Journal on Communications,2019,40(6):160-176.

[2] DARIO P,HANNAFORD B,MENCIASSI A.Smart surgical tools and augmenting devices[J].IEEE Transactions on Robotics and Automation,2003,19(5):782-792.

[3] ARATA J,TAKAHASHI H,YASUNAKA S,et al.Impact of network time-delay and force feedback on tele-surgery[J].International Journal of Computer Assisted Radiology & Surgery,2008,3:371-378.

[4] KIM K S,CHAE C B,KO Y C,et al.Ultrareliable and low-latency communication techniques for tactile internet services[J].Proceedings of the IEEE,2019,107(2):376-393.

[5] NASRALLAH A,THYAGATURU A S,ALHARBI Z,et al.Ultra-Low Latency(ULL)networks:the IEEE TSN and IETF DetNet standards and related 5G ULL research[J].IEEE Communications Surveys & Tutorials,2019,21(1):88-145.

[6] PRADOS-GARZON J,TALEB T.Asynchronous Time-Sensitive Networking for 5G Backhauling[J].IEEE Network,2021,35(2):144-151.

[7] 呼布钦,秦贵和,刘颖,等.下一代汽车网络:车载以太网技术现状与发展[J].计算机工程与应用,2016(24):29-35.

HU B Q,QIN G H,LIU Y,et al.Next generation automotive network:technology status and development of automotive Ethernet in-vehicle network[J].Computer Engineering and Applications,2016,52(24):29-36.

[8] ANDRE L,GUILHERME S,AFONSO C.Panorama,challenges and opportunities in PROFINET protocol research[C]//The 13th International Conference on Industry Applications.Sao Paulo:IEEE Press,2018:186-193.

[9] VINH Q,JAE W.EtherCAT network latency analysis[C]//2016 International Conference on Computing,Communication and Automation.Greater Noida:IEEE Press,2016:432-436.

[10] ZHAO L,HE F,LI E.Comparison of Time Sensitive Network(TSN)and TTEthernet[C]//The 37th Digital Avionics Systems Conference.London:IEEE Press,2018:1-7.

[11] WOLLSCHLAEGER M,SAUTER T,JASPERNEITE J.The future of industrial communication automation networks in the era of the internet of things and industry 4.0[J].IEEE Industrial Electronics Magazine,2017,11(1):17-27.

[12] FARKAS J,BELLO L,GUNTHER C.Time-sensitive networking standards[J].IEEE Communications Standards Magazine,2018,2(2):20-21.

[13] FINN N.Introduction to time-sensitive networking[J].IEEE Communications Standards Magazine,2018,2(2):22-28.

[14] GARDINER E.The Avnu Alliance theory of operation for TSN-enabled industrial systems[J].IEEE Communications Standards Magazine,2018,2(1):5.

[15] SAMII S,ZINNER H.Level 5 by layer 2:time-sensitive networking for autonomous vehicles[J].IEEE Communications Standards Magazine,2018,2(2):62-68.

[16] JOSE T,SHANKAR D,YADAV M.Using AI for optimal Time Sensitive Networking in avionics[C]//2020 AIAA/IEEE 39th Digital Avionics Systems Conference(DASC).Texas:IEEE Press,2020:1-5.

[17] LEYRER T.Time sensitive networks for industry 4.0[C]//2017 30th IEEE International System-on-Chip Conference(SOCC).Munich:IEEE Press,2017:1-2.

[18] ABREU R B.POCOVI G,JACOBSEN T H.et al.Scheduling enhancements and performance evaluation of downlink 5G time-sensitive communications[J].IEEE Access,2020(8):128106-128115.

[19] HUANG L,LIANG Y,ZHNG Y J.Time-sensitive network technology and its application in energy internet[C]//2019 IEEE International Conference on Energy Internet.Nanjing:IEEE Press,2019:211-216.

[20] JIANG X,SHOKRI-GHADIKOLAEI H,GABOR FODOR,et al.Low-latency networking:where latency lurks and how to tame it[J].Proceedings of the IEEE,2019,107(2):280-306.

[21] STEINER W,CRACIUNAS S S,OLIVER R S.Traffic planning for time-sensitive communication[J].IEEE Communications Standards Magazine,2018,2(2):42-47.

[22] MESSGENGER J L.Time-sensitive networking:an introduction[J],IEEE Communications Standards Magazine,2018,2(2):29-33.

[23] BELLO L L,ASHJAEI M,PATTI G,et al.Schedulability analysis of Time-Sensitive Networks with scheduled traffic and preemption support[J].Journal of Parallel and Distributed Computing,2020(144):153-171.

[24] 李二帅,何锋,熊华钢.AVB网络流量整形帧模型端到端延迟计算[J].北京航空航天大学学报,2017,43(7):1442-1449.

LI E S,HE F,XIONG H G.End-to-end traffic latency computation using frame shaping model in AVB network[J].Journal of Beijing University of Aeronautics and Astronautics,2017,43(7):1442-1449.

[25] ZHAO L,POP P,ZHENG Z,et al.Timing analysis of AVB traffic in TSN networks using network calculus[C]//2018 IEEE Real-Time and Embedded Technology and Applications Symposium(RTAS).Porto:IEEE Press,2018:25-36.

[26] BENAMMAR N,BAUER H,RIDOUARD F,et al.Timing analysis of AVB Ethernet network using the forward end-to-end delay analysis[C]//The 26th International Conference on Real-Time Networks and Systems.Poitou:ACM Press,2018:223-233.

[27] LAURSEN S M,POP P,STEINER W.Routing optimization of AVB streams in TSN networks[J].ACM SIGBED Review,2016,13(4):43-48.

[28] ZHANG J,CHEN L,WANG T,et al.Analysis of TSN for industrial automation based on network calculus[C]//2019 24th IEEE International Conference on Emerging Technologies and Factory Automation(ETFA).Zaragoza:IEEE Press,2019:240-247.

[29] LI X,GEORGE L.Deterministic delay analysis of AVB switched Ethernet networks using an extended trajectory approach[J].Real-Time Systems,2017,53(1):121-186.

[30] MOHAMMADPOUR E,STAI E,BOUDEC J Y L.Improved credit bounds for the credit-based shaper in Time-Sensitive Networking[J].IEEE Networking Letters,2019,1(3):136-139.

[31] HASAN M M,KHAN S,FENG H,et al.Improved end to end delay in CBS using data compression for time sensitive network[C]//2021 2nd Information Communication Technologies Conference.Nanjing:IEEE Press,2021:172-177.

[32] FARZANEH M H,KNOLL A.Time-Sensitive Networking(TSN):an experimental setup[C]//2017 IEEE Vehicular Networking Conference.Torino:IEEE Press,2017:23-26.

[33] WANG B W,LUO F,FANG Z H.Performance analysis of IEEE 802.1Qch for automotive networks compared with IEEE 802.1Qbv[C]//2021 IEEE 4th International Conference on Computer and Communication Engineering Technology.Beijing:IEEE Press,2021:355-359.

[34] 杜静.时间敏感网络关键技术仿真研究[D].西安:西安电子科技大学.2019:1-74.

DU J.Simulation research on key technologies of Time Sensitive Network[D].Xian:Xidian University,2019:1-74.

[35] BELLO L L,STEINED W.A perspective on IEEE Time-Sensitive Networking for industrial communication and automation systems[J].Proceedings of the IEEE,2019,107(6):1094-1120.

[36] PAHLEVAN M,OBERMAISSER R.Genetic algorithm for scheduling time-triggered traffic in Time-Sensitive Networks[C]//2018 IEEE 23rd International Conference on Emerging Technologies and Factory Automation(ETFA).Torino:IEEE Press,2018:337-344.

[37] POP P,RAAGAARD M L,CRACIUNAS S S,et al.Design optimisation of cyber-physical distributed systems using IEEE time-sensitive networks[J].IET Cyber-Physical Systems:Theory & Applications,2016,1(1):86-94.

[38] OLIVER R S,CRACIUNAS S S,STEINER W.IEEE 802.1 Qbv gate control list synthesis using array theory encoding[C]//2018 IEEE Real-Time and Embedded Technology and Applications Symposium(RTAS).Porto:IEEE Press,2018:13-24.

[39] DüRR F,NARESH N G.No-wait packet scheduling for IEEE Time-Sensitive Networks(TSN)[C]//2016 24th International Conference on Real-Time Networks and systems.Brest:ACM Press,2016:203-212.

[40] MAHFOUZI R,AMINIFAR A,SAMII S,et al.Stability-aware integrated routing and scheduling for control applications in Ethernet networks[C]//2018 Design,Automation & Test in Europe & Exhibition(DATE).Dresden:IEEE Press,2018:682-687.

[41] NAYAK N G,DüRR F,ROTHERMEL K,Routing algorithms for IEEE 802.1Qbv networks[J].ACM SIGBED Review,2017,15(3):13-18.

[42] GAVRILUT V,ZHAO L X,RAAGAARD M L,et al.AVB-aware routing and scheduling of time-triggered traffic for TSN[J].IEEE Access,2018,6:75229-75243.

[43] SHALGHUM K M,NOORDIN N K,SALI A,et al.Critical offset optimizations for overlapping-based time-triggered windows in time-sensitive network[J].IEEE Access,2021,9:130484-130501.

[44] LIU X Y,NIE Z B,LI D,et al.Design of an improved Ethernet AVB model for real-time communication in in-vehicle network[C]//2019 IEEE 3rd Information Technology,Networking,Electronic and Automation Control Conference.[S.l.]:[s.n.],2019:6-10.

[45] YIN S W,WANG S,HUANG Y D,et al.Critical event-triggered flows tolerance in Time-Sensitive Networks[C]//2021 IEEE International Conference on Communications Workshops(ICC Workshops).Montreal:IEEE Press,2021:1-6.

[46] DAI X T,ZHAO S,JIANG Y,et al.Fixed-priority scheduling and controller co-design for time-sensitive networks[C]//2020 IEEE/ACM International Conference On Computer Aided Design(ICCAD).New York:ACM Press,2020:1-9.

[47] 姜旭艳,严锦立,全巍,等.SSA:一种面向CQF模型的TSN资源调度算法[J].东北大学学报(自然科学版),2020,41(6):784-791.

JIANG X Y,YAN J L,QUAN W,et al.SSA:CQF-oriented scheduling algorithm in Time-Sensitive Networking[J].Journal of Northeastern University(Natural Science),2020,41(6):784-791.

[48] YAN J L,QUAN W,JIANG X Y,et al.Injection time planning:making CQF practical in Time-Sensitive Networking[C]//2020 IEEE Conference on Computer Communications.Toronto:IEEE Press,2020:616-625.

[49] HUANG Y D,WANG S,WU B W,et al.TACQ:enabling zero-jitter for Cyclic-Queuing and Forwarding in Time-Sensitive Networks[C]//2021 IEEE International Conference on Communications.Montreal:IEEE Press,2021:1-6.

[50] 莫益军,杨子涵,刘辉宇,等.面向大规模确定性网络的全局循环排队与转发机制[J].电信科学,2021,10:55-65.

MO Y J,YANG Z H,LIU H Y,et al.Global cyclic queuing and forwarding mechanism for large-scale deterministic networks[J].Telecommunication Science,2021,10:55-65.

[51] QUAN W,YAN J L,JIANG X Y,et al.On-line traffic scheduling optimization in IEEE 802.1Qch based Time-Sensitive Networks[C]//2020 IEEE 22nd International Conference on High Performance Computing and Communications.Yanuca Island:IEEE Press,2020:369-376.

[52] NAYAK N G,DüRR F,ROTHERMEL K.Incremental flow scheduling and routing in time-sensitive software-defined networks[J].IEEE Transactions on Industrial Informatics,2018,14(5):2066-2075.

[53] HACKEL T,MEYER P.KORF F,et al.Software-Defined Networks supporting time-sensitive in-vehicular communication[C]//2019 IEEE 89th Vehicular Technology Conference.Kuala Lumpur:IEEE Press,2019:1-5.

[54] THIELE D,ERNST R.Formal analysis based evaluation of software defined networking for time-sensitive Ethernet[C]//2016 Design,Automation & Test in Europe Conference & Exhibition(DATE).Dresden:IEEE Press,2016:31-36.

[55] NAYAK N G,DüRR F,ROTHERMEL K.Time-Sensitive Software-Defined Network(TSSDN)for real-time applications[C]//The 24th International Conference on Real-Time Networks and Systems.Brest:ACM Press,2016:193-202.

[56] 邱雪松,黄徐川,李文萃,等.面向大规模时间敏感网络的分组调度机制[J].通信学报,2021,41(11):124-131.

QIU X S,HUANG X C,LI W C,et al.Group-scheduling mechanism for large-scale time-sensitive network[J].Journal on Communications,2021,41(11):124-131.

[57] KIM J,LEE B Y,PARK J.Preemptive switched Ethernet for real-time process control system[C]//2013 IEEE 11th Conference on Industrial Informatics(INDIN).Bochum:IEEE Press,2013:171-176.

[58] LEE H,LEE J,PARK C,et al.Time-aware preemption to enhance the performance of Audio/Video Bridging(AVB)in IEEE 802.1 TSN[C]//2016 1st IEEE International Conference on Computer Communication and the Internet.Wuhan:IEEE Press,2016:80-84.

[59] THIELE D,ERNST R.Formal worst-case performance analysis of time-sensitive Ethernet with frame preemption[C]//2016 IEEE 21st International Conference on Emerging Technologies and Factory Automation(ETFA).Berlin:IEEE Press,2016:1-9.

[60] HU H,LI Q,XIONG H G,FANG B W,et al.The delay bound analysis based on network calculus for Asynchronous Traffic Shaping under parameter inconsistency[C]//2020 IEEE 20th International Conference on Communication Technology.Nanning:IEEE Press,2020:908-915.

[61] SPECHT J,SAMII S.Urgency-Based Scheduler for time-sensitive switched Ethernet networks[C]//2016 28th Euromicro Conference on Real-Time Systems.Paris:IEEE Press,2016:75-85.

[62] BOUDEC J Y L.A theory of traffic regulators for deterministic networks with application to interleaved regulators[J].IEEE/ACM Transactions on Networking,2018,6:2721-2733.

[63] NASRALLAH A,THYAGATURU A S,ALHARBI Z,et al.Performance comparison of IEEE 802.1 TSN Time Aware Shaper(TAS)and Asynchronous Traffic Shaper(ATS)[J].IEEE Access,2019,7:44165-44181.

[64] SPECHT J,SAMII S.Synthesis of queue and priority assignment for Asynchronous Traffic Shaping in switched Ethernet[C]//2017 IEEE Real-Time Systems Symposium.Paris:IEEE Press,2017:178-187.

[65] MOHAMMADPOUR E,STAI E,MOHIUDDIN M,et al.Latency and backlog bounds in Time-Sensitive Networking with Credit Based Shapers and Asynchronous Traffic Shaping[C]//2018 30th International Teletraffic Congress(ITC).Vienna:IEEE Press,2018,2:1-6.

[66] GRIGORJEW A,METZGER F,HOßFELD T,et al.A simulation of Asynchronous Traffic Shapers in switched Ethernet networks[C]//2019 International Conference on Networked Systems(NetSys).Munich:IEEE Press,2019:1-6.

[67] HASAN M M,KHAN S,FENG H,et al.Improved end to end delay in CBS using data compression for time sensitive network[C]//2021 2nd Information Communication Technologies Conference.Nanjing:IEEE Press,2021:172-177.

[68] 汪硕,黄玉栋,黄韬,等.基于软件定义的时间敏感网络跨域调度机制[J].通信学报,2021,42(10):1-9.

WANG S,HUANG Y D,HUANG T,et al.Software-defined cross-domain scheduling mechanism for time-sensitive networking[J].Journal on Communications,2021,42(10):1-9.

[69] SAID S B H,TRUONG Q H,BOC M.SDN-based configuration solution for IEEE 802.1 Time Sensitive Networking(TSN)[J].ACM SIGBED Review,2019,16(1):27-32.

[70] 周小明,仇梓鑫,朱瑾瑜,等.一种时间敏感网络GCL自适应调整算法[J].北京邮电大学学报,2022,45(1):26-32.

ZHOU X M,QIU Z X,ZHU J Y,et al.GCL adaptive adjustment algorithm in Time Sensitive Networks[J].Journal of Beijing University of Posts and Telecommunications,2022,45(1):26-32.

[71] 蔡岳平,姚宗辰,李天驰.时间敏感网络标准与研究综述[J].计算机学报,2021,44(7):1378-1397.

CAI Y P,YAO Z C,LI T C.A survey on Time-Sensitive Networking:standards and state-of-the-art[J].Chinese Journal of Computers,2021,44(7):1378-1397.

[72] KONG W J,NABI M,GOOSSENS K.Run-time recovery and failure analysis of Time-Triggered traffic in Time Sensitive Networks[J].IEEE Access,2021,9:91710-91722.

[73] 李宗辉,杨思琪,喻敬海,等.时间敏感网络中确定性传输技术综述[J].软件学报,http://www.jos.org.cn/1000-9825/6524.htm.

LI Z H,YANG S Q,YU J H,et al.State-of-the-art survey of deterministic transmission technologies in Time-Sensitive Networking[J].Journal of Software.http://www.jos.org.cn/1000-9825/6524.htm.