[发明专利]一种车载时间敏感网络中SR类流量时延预测方法及装置

权利要求书

1.一种车载时间敏感网络中SR类流量时延预测方法，其特征在于，包括：

建立车载时间敏感网络中SR类流量时延协议数学模型；

以以太网交换机作为智能体，采用Sarsa强化学习算法对所建立的协议数学模型进行学习，建立车载时间敏感网络传输时延智能体模型；

基于所建立的车载时间敏感网络传输时延智能体模型计算SR类流量时延。

2.根据权利要求1所述的一种车载时间敏感网络中SR类流量时延预测方法，其特征在于，所述建立车载时间敏感网络中SR类流量时延协议数学模型，包括：

R_SR＝R_FIFO+R_CBS+R_TAS；

其中，R_SR为SR类流量的时延，R_FIFO为先进先出时延，R_CBS为基于信用整形时延，R_TAS为时间感知整形时延；

先进先出时延表示为：

其中，M为待转发的数据帧帧长，C为传输速率，R为预留带宽，M′_τ为同类型数据帧阻塞等效帧，为同类型数据帧的信用值下降速率，为同类型数据帧的信用值增长速率；

基于信用整形时延表示为：

M^A′＝M^A′_B，或M^A′＝M^A′_BE

其中，为A类数据帧的基于信用整形时延，为A类数据帧的低优先级流量阻塞时延，M^A′_B表示B类数据帧阻塞A类数据帧传输时的等效帧长度，M^A′_BE表示BE类数据帧阻塞A类数据帧传输时的等效帧长度，为B类数据帧的基于信用整形时延，为B类数据帧的低优先级流量阻塞时延，为B类数据帧的高优先级流量阻塞时延，M^B′_BE为BE类数据帧阻塞B类数据帧传输时的等效帧长度，R_FIFO(A)为A类数据帧先进先出时延；SR类数据帧包括A类音频数据帧和B类视频数据帧，BE类数据帧为最大努力流量类数据帧；

当A类数据帧被B类数据帧阻塞时，M^A′＝M^A′_B，当A类数据帧被BE类数据帧阻塞时，M^A′＝M^A′_BE；

时间感知整形时延模型为：

R_TAS＝L_CDT；

其中，L_CDT为控制消息流量CDT时间槽长度。

3.根据权利要求1所述的一种车载时间敏感网络中SR类流量时延预测方法，其特征在于，所述车载时间敏感网络传输时延智能体模型以以太网交换机缓冲区的数据流的状态作为Q值表输入，以交换机转发某类数据帧的行为作为动作。

4.根据权利要求3所述的一种车载时间敏感网络中SR类流量时延预测方法，其特征在于，所述车载时间敏感网络传输时延智能体模型的动作空间表示为：

其中，A为智能体模型的动作空间，车载时间敏感网络中的流量分为：控制消息流量CDT类数据帧，流预留类流量SR类数据帧和最大努力流量BE类数据帧，SR类数据帧包括A类音频数据帧和B类视频数据帧。

5.根据权利要求4所述的一种车载时间敏感网络中SR类流量时延预测方法，其特征在于，采用Sarsa强化学习算法对所建立的协议数学模型进行学习中，

将智能体模型的动作空间量化为：A＝[1,2,3,4,5,6]；

其中，1表示空闲，2表示传输CDT帧，3表示传输A类帧，4表示传输B类帧，5表示传输BE类帧，6表示继续当前传输动作。