一种时间敏感网络可调度性预测及路由优化方法

  • 国民经济行业:信息传输、软件和信息技术服务业/软件和信息技术服务业/信息系统集成服务
  • 学科类别:信息科学与系统科学/系统评估与可行性分析
  • 权利人:上海交通大学

知识产权简介

本发明公开了一种基于调度关联特征的时间敏感网络可调度性预测及路由优化方案,属于工业有线通信技术领域。该系统包括特征提取模块、可调度性预测模块、可解释性重要性分析模块和路由优化模块。特征提取模块负责网络参数输入并预处理,为可调度性预测模块提供流量特征和网络连接矩阵输入。可调度性预测模块负责对于输入数据集进行学习并预测其可调度性。可解释性重要性分析模块负责基于预测结果对重要流量和网络特征进行分析及提取。路由优化模块负责基于前向模块给出的结果进行优化进而提升可调度性。本发明还提出了系列调度关联特征,结合时间敏感网络环境中的时空特性设计反应流量可调度性相关的多类指标,提供预测输入以及指导路由优化。基于提出的调度关联特征输入图神经网络进行学习,相较于使用基础特征有效的提升了预测准确率;并提出一种可解释性分析及优化方案,结合边际贡献和迭代特征消除技术,从流量和链路两个方面分析不可调度来源,并基于提出的调和程度指标,进行调和组分配并优化流量路由方案,提升流量集在网络中的可调度性。

转化前景

本发明的技术优势在于现有可调度性评估受限于具体调度算法的能力边界。本工作旨在开发一种算法无关的度量和模型,用于预测流量集的可调度性(即网络对该流量集的真实承载潜力)以及提升方案。我们利用图神经网络结合时空链路级特征进行二元预测,并提出一种可解释性分析方法。该方法能识别出影响可调度性的关键流量属性和冲突链路,从而提供工程决策依据:判断是应投入资源寻找合适的调度算法,还是必须通过修改流量参数来解决根本冲突。最后给出可调度性提升的路由方案。实现了从传统的黑箱式静态预测到可解释、可诊断、可优化的决策支持系统的飞跃。 性能指标包括: 1)预测精度高:可调度性预测基于提出的调度关联特征输入图神经网络进行学习,结果相较于使用基础特征提升了10%-15%,相较于其它网络结构提升了5%-10%。 2)时间复杂度低:算法通过图神经网络学习输出结果,避免了暴力穷举式搜索,预测决策时间相较于搜索方法降低数个数量级,满足工业现场实时调度的时效性要求。 3)可调度性提升:基于可解释性分析给出影响因素,进而优化给出可调度性更高的路由方案,解决了现有预测结果仅作为理论参考、无法指导调整和提升的局限,可调度性基于原方案提升10%以上 本方案的生产实施与产业化前景在于可以直接应用于工业领域,本方案可直接应用于各类采用时间敏感网络(TSN)和实时嵌入式设备的智能制造场景。作为TSN网络规划工具(CNC)或生产执行系统(MES)的核心调度引擎,本方案在网络部署或任务调整前,即可快速评估流量集的可行性,并自动生成可调度性提升的路由方案。实现降本增效,提供确定性支撑,为构建高确定性、高柔性和智能工厂提供了关键支撑,市场应用前景广阔。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式 转让
预估金额
联系合作