电子电器架构网络演化 —— 车载以太网TSN

电子电器架构网络演化 —— 车载以太网TSN

我是穿拖鞋的汉子,魔都中坚持长期主义的汽车电子工程师。

老规矩,分享一段喜欢的文字,避免自己成为高知识低文化的工程师:

屏蔽力是信息过载时代一个人的特殊竞争力,任何消耗你的人和事,多看一眼都是你的不对。非必要不费力证明自己,无利益不试图说服别人,是精神上的节能减排。
无人问津也好,技不如人也罢,你都要试着安静下来,去做自己该做的事.而不是让内心的烦躁、焦虑、毁掉你本就不多的热情和定力。

文章大体有如下内容:

1、TSN是车载网络下一代技术的重要演进方向

2、车载以太网TSN现状

一、TSN是车载网络下一代技术的重要演进方向

车载以太网是一种新型的局域网技术,用于连接汽车内的各种电气设备。它是在以太网技术的基础上发展而来的,专门针对汽车内部环境进行优化,以满足车载环境中的特殊需求。

车载以太网的主要特点包括高带宽、低延迟、低电磁辐射、高可靠性和实时性等。它可以实现100Mbit/s甚至1Gbit/s的数据传输速率,满足汽车行业对高带宽和低延迟的需求,同时也能满足音视频同步传输的要求。

车载以太网在物理层进行了优化,改变了传统以太网的电气特性,以适应汽车内部设备的电气特性要求。同时,车载以太网还采用了一些新技术,如故障容错和可靠性保障等,以确保网络连接的稳定性。

车载以太网的应用范围非常广泛,包括汽车内部通信、传感器数据传输、娱乐系统、导航系统等。通过车载以太网,可以实现汽车内部各个设备的互联互通,从而提高汽车的智能化程度和安全性。

此外,TSN是车载网络下一代技术的重要演进方向之一。标准的以太网具有开放性好、互操作性好的技术优势,但调度方式导致网络性能往往不能满足确定性和实时性的要求。近年来,时间敏感网络(TSN)技术作为新一代以太网技术,因其符合标准的以太网架构,具有精准的流量调度能力,可以保证多种业务流量的共网高质量传输,兼具技术和成本优势,得以在音视频传输、工业、移动承载、车载网络等多个领域成为下一代网络承载技术的重要演进方向之一。TSN是在非确定性的以太网中实现确定性的最小时间延时的协议族,是IEEE 802.1工作组中的TSN工作组开发的一套协议标准,定义了以太网数据传输的时间敏感机制。详细内容可参看如下解释:

车载以太网的TSN(时间敏感网络)是一种在IEEE 802.1标准框架下,基于特定应用需求制定的一组“子标准”,旨在为以太网协议建立“通用”的时间敏感机制,以确保网络数据传输的时间确定性。它通过数据整形、FrameReplication and Elimination等机制,确保延迟达到微秒级,并能强制实现可靠的通讯。

TSN能够支持更多的应用场景和更多的数据类型,并支持流量调度等核心概念。其中,802.1Qbv调度流量,定义了控制TSN交换机出口处发送队列的阀门开关的机制。计划流量所在队列在预定的时间窗口到达后会被放行传输,而在同个时间窗口中其他非计划流量的队列会被阻止传输,因此排除了计划流量被非计划流量阻塞的可能性。这意味着通过每个交换机的延迟是确定的,通过TSN网络的消息延迟可以得到保证。

TSN也受到了汽车和工业等领域人士的关注,其支持者包括思科、英特尔、瑞萨、德国工业机器人巨头KUKA、三星哈曼、宝马、通用汽车、现代汽车、博世、博通、德州仪器、NXP、三菱电机、LG、Marvell、模拟器件,通用电气等公司。

车载以太网TSN的应用场景主要包括以下几个方面:

-> 1、智能驾驶:智能驾驶需要大量的传感器和控制器进行数据传输和控制,车载以太网TSN可以提供高带宽、低延迟、高可靠性的数据传输服务,支持车辆的智能化和自动化。

-> 2、车载娱乐系统:车载以太网TSN可以提供高清视频、音频等娱乐内容传输,提升乘客的娱乐体验。

-> 3、车辆协同通信:车载以太网TSN可以支持车辆之间的通信,实现车车协同、车路协同等应用场景。

-> 4、车辆健康监测:车载以太网TSN可以实时监测车辆的各项性能参数,及时发现和预警潜在问题,保障车辆的安全和可靠性。

-> 5、自动驾驶测试:车载以太网TSN可以支持自动驾驶的测试和验证,提供高带宽、低延迟、高可靠性的数据传输服务,保障测试的准确性和可靠性。

车载以太网TSN的应用优势主要包括以下几个方面:

-> 1、高带宽:车载以太网TSN的数据传输速率非常高,可以满足车载设备对高带宽的需求,支持高清视频、大量传感器数据等传输。

-> 2、低延迟:车载以太网TSN的延迟非常低,可以满足智能驾驶等应用场景对实时性的要求,提高驾驶的安全性和舒适性。

-> 3、高可靠性:车载以太网TSN具有高可靠性,可以在复杂的车载环境下稳定工作,保证数据的完整性和可靠性。

-> 4、易于扩展:车载以太网TSN的拓扑结构灵活,易于扩展,可以适应不同车型和不同应用场景的需求。

-> 5、标准化程度高:车载以太网TSN已经得到了IEEE等标准化组织的支持,标准化程度高,有利于不同厂商之间的兼容和互操作。

-> 6、降低成本:车载以太网TSN的成本相对较低,可以降低车载网络的成本,提高整车的性价比。

image

注:TSN消除了传统以太网由于多流并发导致的不确定性,对具有关键时间约束的应用尤为重要

另外,TSN技术细节包括以下几个方面:

->时间同步:TSN采用IEEE 802.1 AS协议,为以太网中的所有TSN设备提供时间同步。时间同步是TSN的一个关键部分,因为带宽控制和整形功能是依赖于网络上所有设备都能访问的共享时间进行参考的。时间感知整形器(Qbv)依靠纳秒级的精度来控制和整形网络的带宽。汽车中的几个实时应用和服务也使用一个共同的时间参考。

->可靠性:TSN通过数据整形、FrameReplication and Elimination等机制,确保无论发生链路故障、电缆断裂以及其他错误,均能强制实现可靠的通讯。

->资源管理:TSN具有灵活的资源管理,可以确保关键流量的复本在网络中能以不相交集的路径进行传送,只保留首先到达目的地的任何封包,从而实现无缝冗余,达到超高的可靠性,这对无人驾驶尤其重要。

->延时管理:TSN通过数据整形,确保延迟达到微秒级(一般每桥不超过250微秒),满足实时性的要求。

image

TSN原理是通过定义不同的整形机制将数据流的时延限定在一定范围内,以此满足不同的低时延场景需求。在传统以太网中,数据流的通信时延是不确定的,由于这种不确定性,数据接收端通常需要预置大缓冲区来缓冲输出,但是这样会导致数据流,例如音视频流,缺失了实时方面的特性。TSN不仅要保证时间敏感流的到达,同时也要保证这些数据流的低时延传输。通过优化控制时间敏感流和best-effort流、以及其它数据流在网络中的传输过程,来保证对数据流的传输时间要求,这个优化控制的方式就是整形。

image

如下图(IEEE 802.1Qbv时隙划分图),使用IEEE 802.1Qbv,数据包传输被安排在一个重复周期中端到端。IEEE 802.1Qbv中定义了三种基本类型的流量:时间敏感流、best-effort流和预留流量。 时间敏感流适用于对实时性要求严格的关键消息, best-effort流是不需要任何QoS 的一般以太网流量。 此外,预留流量适用于需要预留特定带宽并具有软实时要求的帧。

IEEE 802.1Qbv定义了通过调度算法启用或禁用帧传输的门,将以太网通信划分为固定长度、连续重复的周期。这些周期被分成时隙,在每个时隙中,数据通过被赋予不同的优先级实现在指定时隙中的传输。由于此操作,时间敏感流可以拥有专用时隙,从而确保此流量在传统以太网网络上的确定性传输。另一方面,预留流量和best-effort流被容纳在每个周期的剩余时隙中。预留流量保证有专用带宽,而best-effort流可以使用剩余的带宽。

image
注:IEEE 802.1Qbv时隙划分图

时隙1为时间敏感流预留,时隙期间不存在其他流量。另一方面,时隙2由best-effort流和预留流量使用,同时为预留流量预留专用带宽。

由于TSN的运行基于不同的时间时隙发送不同类型的流量,因此所有网络设备必须在纳秒级范围内同步。

二、车载以太网TSN现状

TSN 技术是车载网络通信实现高可靠性和低时延的网络通信关键技术之一。TSN时间敏感网络是数据链路层中主要发展的技术,为传统以太网增加了确定性和可靠性,保证确定性信息在标准以大网的不同场景下的顺利传输。

image

目前TSN的发展已经可以满足汽车对可预测延迟和带宽持续增长的需求,在车载通信领域,目前汽车控制系统非常复杂,例如刹车、引警、悬挂等可能采用CAN总线,灯光、车门、遥控采用LIN 系统,安全气囊、刹车、转向等可以采用FlexRay总线,娱乐应用采用MOST系统等。所有前述系统都可以用支持低延时且具有实时传输机制的TSN进行统一管理,降低给汽车和专业的信息娱乐设备增加网络功能的成本及复杂性。

不过,由于TSN协议族庞大而复杂,在车载网络通信领域,汽车行业缺少TSN技术应用的实践经验,因此相关技术设计应用、测试验证等方法需要进一步探索。

基于当前电子电器架构现状,常规星形拓扑结构,车载以太网节点若超过两个,则需要交换机连接各个模块。对于汽车行业来说由于ECU经常处于增加与删减,而星型网络拓扑结构可以很方便的通过增加交换机数量来扩展网络,这对OEM厂商具有很大的优势。星型网络拓扑结构是车载以太网常见拓扑结构之一,基于星形拓扑,当超过两个节点时,则需要一个交换机连接在每个模块的一端。当前多个节点的车载以太网的互联互通需要 TSN交换机,TSN 交换实现机制可以兼容目前标准的以太网,在现有商用以太网交换芯片多数逻辑保持不变的情况下,只需增加时间同步和输出接口整型逻辑即可实现TSN交换。

搁笔分享完毕!

愿你我相信时间的力量

做一个长期主义者!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/233835.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

CSAPP cache lab - Optimizing Matrix Transpose

CSAPP cache lab part B 矩阵转置 矩阵转置是一种操作,它将矩阵的行和列互换位置,即将原始矩阵的行变为转置矩阵的列,将原始矩阵的列变为转置矩阵的行。转置操作可以通过改变矩阵的布局来方便地进行某些计算和分析。 假设有一个mn的矩阵A&…

【uniapp】调用阿里云OCR图片识别文字:

文章目录 一、效果&#xff1a;二、实现&#xff1a; 一、效果&#xff1a; 二、实现&#xff1a; 【阿里官方】高精版OCR文字识别【最新版】-云市场-阿里云 <template><view class"container"><!-- 选择图片 --><button click"imageO…

在win10和Linux上配置SSH 无密码登录

文章目录 一、用途二、在本地机器上使用ssh-keygen产生公钥私钥对1&#xff09;在Linux (或macOS) 上产生SSH公私钥的方法2&#xff09;在win10上产生SSH公私钥的方法a&#xff09;检查windows 本地是否安装有sshb&#xff09;在本地生成SSH密钥对&#xff08;公钥和私钥&#…

2024 年 API 安全:预测和趋势

随着技术以前所未有的速度不断进步&#xff0c;API&#xff08;应用程序编程接口&#xff09;安全性的复杂性也随之增加。随着 API 在现代应用程序和服务中的激增&#xff0c;组织将需要更好地了解其 API 环境以及 API 给运营带来的风险。 到 2024 年&#xff0c;预计几个关键…

基于R语言(SEM)结构方程模型教程

详情点击链接&#xff1a;基于R语言&#xff08;SEM&#xff09;结构方程模型教程 01、R/Rstudio (2)R语言基本操作&#xff0c;包括向量、矩阵、数据框及数据列表等生成和数据提取等 (3)R语言数据文件读取、整理&#xff08;清洗&#xff09;、结果存储等&#xff08;含tidve…

安防视频云平台/可视化监控云平台ARM版EasyCVR无法下载录像文件,如何解决?

视频集中存储/云存储/视频监控管理平台EasyCVR能在复杂的网络环境中&#xff0c;将分散的各类视频资源进行统一汇聚、整合、集中管理&#xff0c;实现视频资源的鉴权管理、按需调阅、全网分发、智能分析等。GB28181视频监控/AI智能大数据视频分析EasyCVR平台已经广泛应用在工地…

【gRPC学习】使用go学习gRPC

个人博客:Sekyoro的博客小屋 个人网站:Proanimer的个人网站 RPC是远程调用,而google实现了grpc比较方便地实现了远程调用,gRPC是一个现代的开源远程过程调用(RPC)框架 概念介绍 在gRPC中&#xff0c;客户端应用程序可以直接调用另一台计算机上的服务器应用程序上的方法&#…

Docker 部署后端项目自动化脚本

文章目录 开机自启动docker打包后端项目Dockerfile文件脚本文件使用 开机自启动docker systemctl enable docker打包后端项目 这里的项目位置是target同级目录 1.在项目下面新建一个bin目录 新建一个package.txt 写入下方代码后 后缀改为.bat echo off echo. echo [信息] 打…

迎接人工智能的下一个时代:ChatGPT的技术实现原理、行业实践以及商业变现途径

课程背景 2023年&#xff0c;以ChatGPT为代表的接近人类水平的对话机器人&#xff0c;AIGC不断刷爆网络&#xff0c;其强大的内容生成能力给人们带来了巨大的震撼。学术界和产业界也都形成共识&#xff1a;AIGC绝非昙花一现&#xff0c;其底层技术和产业生态已经形成了新的格局…

CloudCompare——点云空间圆拟合

目录 1.概述2.软件实现3.完整操作4.相关代码 本文由CSDN点云侠原创&#xff0c;CloudCompare——点云空间圆拟合&#xff0c;爬虫自重。如果你不是在点云侠的博客中看到该文章&#xff0c;那么此处便是不要脸的爬虫与GPT生成的文章。 1.概述 CloudCompare软件中的Tools——>…

洛谷 P1217 [USACO1.5] 回文质数 Prime Palindromes 刷题笔记

P1217 [USACO1.5] 回文质数 Prime Palindromes - 洛谷 | 计算机科学教育新生态 (luogu.com.cn) 思路 直接枚举 减枝优化判断 优化1 只有偶数才会是质数 优化2 回文数的判断次数要优于检查素数 先判断是否为回文数再检查是否为质数 if( hw(i)&&isprime(i)) 这里…

物理机与vm文件共享与传输的设置方法

今天跟各位小伙伴&#xff0c;分享一下物理机与vm虚拟机文件共享与传输的设置方法&#xff0c;以供大家参考&#xff01; 一、物理机与虚拟机文件共享设置方法 第一步&#xff1a;先关闭虚拟机&#xff08;客户机&#xff09; 第二步&#xff1a;选择编辑虚拟机设置 第三步&am…

大数据机器学习深度解读决策树算法:技术全解与案例实战

大数据机器学习深度解读决策树算法&#xff1a;技术全解与案例实战 本文深入探讨了机器学习中的决策树算法&#xff0c;从基础概念到高级研究进展&#xff0c;再到实战案例应用&#xff0c;全面解析了决策树的理论及其在现实世界问题中的实际效能。通过技术细节和案例实践&…

stable diffusion 人物高级提示词(四)朝向、画面范围、远近、焦距、机位、拍摄角度

一、朝向 英文中文front view正面Profile view / from side侧面half-front view半正面Back view背面(quarter front view:1.5)四分之一正面 prompt/英文中文翻译looking at the camera看向镜头facing the camera面对镜头turned towards the camera转向镜头looking away from …

计算一个时间序列中每一个元素对应着星期几Series.dt.dayofweek

【小白从小学Python、C、Java】 【计算机等考500强证书考研】 【Python-数据分析】 计算一个时间序列中 各元素是星期几(之后-1) 例:1月9日是周二则返回1 Series.dt.dayofweek [太阳]选择题 以下关于代码输出结果的说法中正确的是? import pandas as pd ts pd.Series(pd.date…

Spring学习 基于注解的AOP配置

5.1.创建工程 5.1.1.pom.xml <?xml version"1.0" encoding"UTF-8"?> <project xmlns"http://maven.apache.org/POM/4.0.0"xmlns:xsi"http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation"http://maven.ap…

苹果电脑交互式原型设计软件Axure RP 9 mac特色介绍

Axure RP 9 for Mac是一款交互式原型设计软件&#xff0c;使用axure rp9以最佳的方式展示您的作品&#xff0c;优化现代浏览器并为现代工作流程设计。同时确保您的解决方案正确完整地构建。Axure RP 9 for Mac为您整理笔记&#xff0c;将其分配给UI元素&#xff0c;并合并屏幕注…

Visual Studio 2022 AI Code 支持

1.先在 Log In | Codeium Free AI Code Completion & Chat 上注册一个用户 在Visual Stuido 中扩展中搜索 codeium 并安装 安装完成后登录即可。 注意国内可能存在网络问题无法使用这时建议使用代理进行登录。 地址如下&#xff1a; Sign Up | Codeium Free AI Code Co…

小巧且兼具高性能的小模型 TinyLlama 等

TinyLlama-1.1B 小模型在边缘设备上有着广泛的应用&#xff0c;如智能手机、物联网设备和嵌入式系统&#xff0c;这些边缘设备通常具有有限的计算能力和存储空间&#xff0c;它们无法有效地运行大型语言模型。因此&#xff0c;深入探究小型模型显得尤为重要。 来自新加坡科技…

详解Java中的serialVersionUID概念以及作用(附上Demo)

目录 前言1. 概念2. Demo 前言 原本实现Serializable接口的时候一直都没有serialVersionUID属性&#xff0c;直到看到涉及MybatisPlus新项目中都有该属性&#xff0c;于是做了一期学习了解&#xff0c;最后发现该属性类似深度学习训练中的种子seed&#xff0c;类似版本控制&am…