徐曉林，秦宗光，趙毅棟

(1.鄭州科技學院大數(shù)據(jù)與人工智能學院,河南 鄭州 450064；2.宇通客車股份有限公司,河南 鄭州 450000)

0 引 言

以太網(wǎng)音視頻橋接(audio video bridger,AVB)技術(shù)是對現(xiàn)有以太網(wǎng)功能的擴展，可解決現(xiàn)有車載控制器局域網(wǎng)(controller area network,CAN)的網(wǎng)絡帶寬消耗及傳輸帶寬不足的問題。車載以太網(wǎng)基于傳輸控制協(xié)議/網(wǎng)際協(xié)議(transmission control protocol/internet protocol,TCP/IP)網(wǎng)絡模型：上層應用數(shù)據(jù)傳輸需經(jīng)過傳輸層、網(wǎng)絡層、數(shù)據(jù)鏈路層，由物理層PHY芯片轉(zhuǎn)換成原始數(shù)據(jù)流向各域控制器進行數(shù)據(jù)收發(fā)傳遞。由于AVB在傳輸中涉及大量以太網(wǎng)數(shù)據(jù)包，如將整包數(shù)據(jù)傳遞給決策使用，勢必降低其數(shù)據(jù)處理效率。同時，關(guān)聯(lián)多節(jié)點中轉(zhuǎn)傳輸?shù)臄?shù)據(jù)轉(zhuǎn)發(fā)周期又各不相同，由此產(chǎn)生的時延勢必導致決策控制的實時性、穩(wěn)定性降低。對于無人車控制而言，車載電子控制單元 (electronic control unit，ECU)的控制響應均要求通信延遲在μs級別[1]。尤其對于車輛的運動控制執(zhí)行機構(gòu)而言，嚴重的時延將導致響應時間達不到無人車超低時延的控制需求，無法保證無人駕駛技術(shù)操控的安全性、穩(wěn)定性。

為解決以上實際問題，本文提出1種針對某種無人車電子電氣架構(gòu)(electrical electronic architecture，EEA)特點的、降低AVB通信時延的方法：采用1種基于改進的滑動窗口更新算法獲取原始AVB數(shù)據(jù)包中的有效荷載數(shù)據(jù)，降低上層決策對于無效數(shù)據(jù)的處理量；提高決策層有效數(shù)據(jù)處理能力及效率；基于篩取后的有效載荷數(shù)據(jù)，計算各通信節(jié)點的通信時延[2]。本文通過控制相應節(jié)點的響應周期，合理計算驅(qū)動控制的瞬態(tài)響應性能指標，使通信延遲縮短在μs級范圍內(nèi)，確保無人車的控制時效性及魯棒性。

1 無人車AVB通信EEA

本文將低AVB通信時延的技術(shù)應用在某種無人車上。無人車的AVB域間EEA如圖1所示。

圖1 無人車的AVB域間EEA示意圖

無人車AVB通信EEA包括智能駕駛域、底盤動力域、網(wǎng)聯(lián)域、車身域4個子域。每個域均為子網(wǎng)系統(tǒng)。各域控制器通過AVB通信實現(xiàn)域間系統(tǒng)的數(shù)據(jù)交互,即:以AVB為主干網(wǎng)，基于以太網(wǎng)網(wǎng)關(guān)路由實現(xiàn)跨域通信。以太網(wǎng)網(wǎng)關(guān)是整車以太網(wǎng)網(wǎng)絡交互的樞紐[3-4]，用于實現(xiàn)各個域間系統(tǒng)之間的以太網(wǎng)數(shù)據(jù)存儲和轉(zhuǎn)發(fā)。

2 AVB有效數(shù)據(jù)提取

2.1 數(shù)據(jù)流向模型

有效數(shù)據(jù)流提取的最終目的是給上層決策提供精簡、有效的實時更新數(shù)據(jù)。以智能駕駛域的智能計算平臺為核心節(jié)點，智能駕駛域內(nèi)各模塊節(jié)點的通信數(shù)據(jù)流向模型如圖2所示。智能駕駛域內(nèi)，數(shù)據(jù)流向模型自頂向下依次為決策層、服務層和數(shù)據(jù)源層[2]。

圖2 智能駕駛域內(nèi)各模塊節(jié)點的通信數(shù)據(jù)流向模型

數(shù)據(jù)源層為各域間系統(tǒng)的AVB原始通信數(shù)據(jù)，采集之前需按照虛擬局域網(wǎng)標識(virtual local area network identity document，VLANID)進行不同域劃分。處于模型中間的服務層要將獲取的AVB原始數(shù)據(jù)進行解包及媒體訪問控制(media access control,MAC)地址過濾處理，即將以太網(wǎng)幀的目標MAC地址、源MAC地址、校驗位等逐一進行過濾。其目的是減少決策層對無效數(shù)據(jù)的處理負荷[5]。決策層采用1種滑動窗口算法來實時獲取更新數(shù)據(jù)，確保接收到的有效數(shù)據(jù)均為實時動態(tài)數(shù)據(jù)，而非靜態(tài)未更新數(shù)據(jù)。

2.2 數(shù)據(jù)更新方法

經(jīng)MAC層過濾、提取后的封裝數(shù)據(jù)在每幀AVB數(shù)據(jù)包里可封裝30～50幀有效CAN數(shù)據(jù)。由于有效CAN數(shù)據(jù)的原始周期并不相同，還需要針對不同周期的 CAN數(shù)據(jù)進行自動更新檢測，以獲取實時、有效數(shù)據(jù)并傳遞給上層決策。

2.2.1 改進滑動窗口算法原理

滑動窗口算法可作為網(wǎng)絡數(shù)據(jù)傳輸時的流量控制。當連續(xù)區(qū)間數(shù)據(jù)變化時，根據(jù)具體的條件來移動窗口前后指針，經(jīng)遍歷搜索后刪除未更新數(shù)據(jù)，再把新數(shù)據(jù)加入窗口內(nèi)，以此降低時間復雜度。本文設計了1種改進的滑動窗口算法，以控制AVB數(shù)據(jù)傳送時的流量及數(shù)據(jù)更新變化。針對有效數(shù)據(jù)傳輸速率的不同，把滑動窗口大小設置為不同變化周期，以實現(xiàn)對不同周期性數(shù)據(jù)的更新檢測[6]。

改進滑動窗口算法根據(jù)時間周期辨別更新數(shù)據(jù)，通過更新標志判斷數(shù)據(jù)是否更新以傳遞給上層決策?；瑒哟翱诜譃閮深悾阂活悶閱螏行AN Data靜態(tài)窗口A，數(shù)據(jù)長度為8 B；一類為單幀過濾后含有CAN加密、計數(shù)、更新標志的數(shù)據(jù)靜態(tài)窗口B，窗口大小為30，即1幀該靜態(tài)窗口B包含30幀不同周期的靜態(tài)窗口A。原本的每幀序號和確認號保留，標志Flag為每幀更新標志。由于有效載荷數(shù)據(jù)的CAN報文原始周期不同，滑動窗口需要設置跟隨報文周期變化的動態(tài)滑動周期t，即滑動窗口動態(tài)可變。實際動態(tài)滑動窗口時間周期模型t按照報文周期設置。改進滑動窗口算法如圖3所示。

圖3 改進滑動窗口算法

圖3中：標號1是周期為t1的報文，圖中共有1～4幀；標號5是周期為t2的報文，圖中共有5～8幀；標號9是周期為t3的報文，圖中共有9～10幀，以此類推。當某幀有更新變化時，則變?yōu)楹谏驑俗R。當以不同周期發(fā)送數(shù)據(jù)時，可以檢測單幀的靜態(tài)窗口A數(shù)據(jù)是否在該時間段內(nèi)有變化：有變化則移入該時間窗口模型；無變化則移除窗口。其他周期模型采用同樣機制。周期T越短，則單幀檢測的速度越快，實時更新的數(shù)據(jù)量就越多。周期T越長，則單幀檢測的速度越慢，實時更新的數(shù)據(jù)量就越少。

2.2.2 算法實現(xiàn)

AVB數(shù)據(jù)幀更新處理過程如圖4所示。

圖4 AVB數(shù)據(jù)幀更新處理過程

依據(jù)數(shù)據(jù)流向模型，改進的滑動窗口算法實際應用在決策層和服務層，基于鏈表實現(xiàn)。該算法的目的是實現(xiàn)AVB數(shù)據(jù)流的更新。

數(shù)據(jù)更新處理過程如下。

①決策層作為發(fā)送端，按照設定周期T將發(fā)送數(shù)據(jù)根據(jù)ID、長度、CAN Data進行封裝后，以CAN數(shù)據(jù)幀形式發(fā)送給服務層。服務層接收到該CAN封包數(shù)據(jù)后，以該周期相應的滑動窗口時間與其發(fā)送緩沖列表中的CAN ID進行對比[7]。在某一固定的滑動窗口時間T內(nèi)，若接收到的封包數(shù)據(jù)與緩存中的一致，即為實時更新數(shù)據(jù)；如接收到的封包數(shù)據(jù)未包含緩存中的CAN ID，則認定為某一CAN ID數(shù)據(jù)未更新。服務層會將該有效更新CAN數(shù)據(jù)進行CAN的加密、校驗并封裝成1幀32 B的CAN數(shù)據(jù)發(fā)送給底層數(shù)據(jù)源層。底層數(shù)據(jù)源層再加上以太網(wǎng)加密、校驗格式、源/目的地址等封裝成原始AVB協(xié)議，最終由物理層以太網(wǎng)芯片傳輸給其他各域控制器使用。

②服務層接收經(jīng)過MAC地址過濾的數(shù)據(jù)后，會依據(jù)滑動窗口的不同周期大小逐幀判斷更新標志。每幀有效CAN的更新標志Flag采用遍歷方式進行周期性判斷。當Flag由0變?yōu)?時，判斷該幀CAN數(shù)據(jù)相對上一周期有更新變化。在判定周期范圍內(nèi)，F(xiàn)lag狀態(tài)保持不變，則說明數(shù)據(jù)未更新。

2.2.3 虛擬局域網(wǎng)數(shù)據(jù)測試

通過滑動窗口算法更新的實時有效AVB載荷數(shù)據(jù)通過Wireshark軟件進行實時抓包分析。實際整車域間，各系統(tǒng)進行AVB通信時，需要對虛擬局域網(wǎng)(virtual local area network，VLAN)內(nèi)的設備邏輯地址進行劃分。本文基于端口進行劃分，且各個域的VLAN標志均不同。經(jīng)Wireshark抓取的VLAN標志為0x3a的AVB數(shù)據(jù)包如圖5所示(一包數(shù)據(jù)量太大，圖5為部分截圖)。

圖5 VLAN標志為0x3a的AVB數(shù)據(jù)包

VLAN標志為0x3a是底盤動力域的AVB數(shù)據(jù)。在一包上千字節(jié)的AVB整包數(shù)據(jù)包中，共包含有30幀有效載荷數(shù)據(jù)，即CAN數(shù)據(jù)。有效載荷數(shù)據(jù)中又包含更新數(shù)據(jù)及未更新的CAN數(shù)據(jù)：更新標志位為0x88；未更新標志位為0x84。圖5的AVB數(shù)據(jù)包具體字段說明如表1所示。

表1 AVB數(shù)據(jù)包具體字段說明

標志3的8 B數(shù)據(jù)(00 00 00 00 00 00 a1 3a)為1幀AVB里的單幀有效載荷18ff1424的CAN報文數(shù)據(jù)，包含具體節(jié)點CAN報文標識、數(shù)據(jù)長度8 B及實際有效數(shù)據(jù)。由于18ff1424報文的更新標志位為0x84，代表未更新，所以這幀數(shù)據(jù)并不會傳遞給決策使用。而0xcff5182報文的更新標志位為0x88，有效載荷8 B數(shù)據(jù)為圖5的標志7(37 00 00 00 00 34 4d 00)。該幀為更新數(shù)據(jù)，會傳遞給決策使用，以此類推。因此，最終傳遞給上層決策的僅是經(jīng)過濾波后8 B的各實時更新CAN數(shù)據(jù)。

3 降低通信時延

AVB技術(shù)在傳統(tǒng)以太網(wǎng)基礎上使用了精準時間同步，通過保障帶寬來限制傳輸延遲。但在實際無人車控制響應方面，由于域間各系統(tǒng)及域內(nèi)各模塊通信節(jié)點眾多，經(jīng)過以上過濾更新的有效載荷數(shù)據(jù)實際歷經(jīng)了多處節(jié)點傳輸，從底層通信層過濾提取后更新到上層決策應用[4]。通信方式雖為透明式傳輸，但仍存在通信時延。延時時間導致AVB整體通信傳輸效率低。對于無人駕駛車輛的執(zhí)行機構(gòu)(如轉(zhuǎn)向、驅(qū)動、制動系統(tǒng)等)，均需超低延時及快速的響應反饋才能滿足實時控制需求。而時延會導致無人駕駛橫縱向控制的時效性及響應能力均下降、魯棒性能變差，嚴重影響無人駕駛技術(shù)的安全性和可靠性[7]。

3.1 通信時延分析

本文以實車進行驗證，依據(jù)某一無人車的EEA特點(以圖1為主)，針對智能駕駛域與整車控制域之間的通信延時進行測量分析。智能駕駛域包含主控制域和協(xié)控制域2種。整車控制域包含橫縱向執(zhí)行機構(gòu)，如驅(qū)動系統(tǒng)、制動系統(tǒng)、轉(zhuǎn)向系統(tǒng)等。在整體傳輸過程中所歷經(jīng)通信鏈路的網(wǎng)絡通信節(jié)點模型如圖6所示。

圖6 網(wǎng)絡通信節(jié)點模型

依據(jù)網(wǎng)絡通信節(jié)點模型，可見涉及節(jié)點眾多，整體通信過程中各節(jié)點均有存在延時的可能性。根據(jù)實車測試經(jīng)驗，該車載AVB通信導致時延的主要因素如下[8]：①源頭發(fā)送時延，發(fā)送端控制周期達不到實際響應需求；②節(jié)點中轉(zhuǎn)轉(zhuǎn)發(fā)時延，由實際EEA功能設計決定；③物理傳輸媒介時延(本文并未考慮該時延)。時延以從主控制域發(fā)出控制指令開始到整車控制域響應其控制指令結(jié)束，期間包括協(xié)控制域以CAN通信方式接收主控制域控制指令，經(jīng)協(xié)議中轉(zhuǎn)后以AVB通信發(fā)送給整車控制域的執(zhí)行機構(gòu)響應時間。

3.2 各節(jié)點通信時延測試

通信時延測試采用總線開發(fā)設備(CAN open enviroment,CANOE)進行采集，借助wireshark軟件分析報文數(shù)據(jù)結(jié)構(gòu)。本文以無人車執(zhí)行機構(gòu)中的驅(qū)動系統(tǒng)為例，對通信時延進行測試[9]，計算驅(qū)動系統(tǒng)從上層決策控制下發(fā)指令到電機響應反饋的通信延時時間[2]。該時間所經(jīng)歷的具體通信鏈路如下：首先，主控制域ECU開始周期性發(fā)送驅(qū)動電機控制報文；然后，由協(xié)控制域ECU以CAN通信方式接收報文，再通過以太網(wǎng)AVB方式將報文發(fā)送給整車域ECU；接著，整車域ECU以AVB形式接收該控制報文后，經(jīng)過程序內(nèi)部的AVB格式數(shù)據(jù)轉(zhuǎn)化為CAN格式數(shù)據(jù)[10-11]；最后,以CAN通信方式向驅(qū)動電機執(zhí)行機構(gòu)下發(fā)控制指令。該鏈路中所歷經(jīng)的整體傳輸時間即為t。

利用CANOE采集從智能駕駛域決策層到底層驅(qū)動電機的各節(jié)點通信報文。針對擋位控制，降低時延前驅(qū)動電機擋位控制時間如圖7所示。

圖7 降低時延前驅(qū)動電機擋位控制時間

圖7(a)中：縱向軸的信號Vehicle_Shift為CANOE中的總成數(shù)據(jù)庫(data base can,DBC)文件設置的信號變量名稱，是主控制域ECU下發(fā)的擋位控制報文指令；對應的縱坐標0～1表示主控制域ECU的下發(fā)擋位的具體數(shù)值(擋位為整數(shù)值)。其中：數(shù)值0表示空擋；數(shù)值1表示前進擋；數(shù)值2表示倒車擋。信號幀主控制域ECU下發(fā)的擋位控制報文為標準幀，發(fā)送周期設定為20 ms。

圖7(b)中：縱向軸的信號Gear_mode是整車域ECU下發(fā)的控制指令報文，為擴展幀；對應的縱坐標設為0～100，表示整車域控制器發(fā)出的擋位控制指令。其中：0表示空擋、32表示前進擋、64表示倒擋。圖7(b)只截取了一部分，為0～32。

由所測時間可計算出：Vehicle_Shift從源頭主控制域ECU下發(fā)指令報文，經(jīng)AVB通信傳輸，到AVB協(xié)議轉(zhuǎn)換為CAN協(xié)議數(shù)據(jù)Gear_mode，再到被執(zhí)行機構(gòu)電機所接收，整體通信延時時間約為129 ms。其中：t=t1-t0。t0為主控制域ECU開始周期性發(fā)送驅(qū)動電機控制報文的時刻(90.173 8 s)；t1為整車域ECU以CAN通信方式下發(fā)控制指令給執(zhí)行機構(gòu)驅(qū)動電機的時刻(90.303 2 s)。以驅(qū)動性能為參考指標，驅(qū)動電機瞬態(tài)響應指標如圖8所示。

圖8 驅(qū)動電機瞬態(tài)響應指標

圖8中：tr為上升時間，ms;tp為峰值時間，ms;ts為調(diào)節(jié)時間，ms。

基于以上指標的計算參考，通信時延下計算出的驅(qū)動性能指標如表2所示。

表2 通信時延下計算出的驅(qū)動性能指標

表2中：v為目標車速,km/h;tx為響應時間,ms。由表2可知，由于存在通信時延，導致驅(qū)動的時域性能指標tr、tp、ts均無法達到無人駕駛驅(qū)動控制性能要求。該時延不僅影響縱向驅(qū)動控制(指對發(fā)動機油門控制，包括擋位、車速等)的實效性，而且對制動以及橫向控制都會產(chǎn)生影響。通信時延導致整體橫縱向的實際控制響應均較慢，無法滿足無人駕駛控制需求。

針對以上的時延，需找出存在時延的節(jié)點才可以從根本上解決延時問題。依據(jù)圖6的網(wǎng)絡通信節(jié)點模型，在服務層和決策層代碼中加入相應時間戳。依據(jù)時間戳進行各節(jié)點的通信時間監(jiān)控，確定時延節(jié)點。經(jīng)分析，主要有以下幾處時延節(jié)點。

①協(xié)控制域ECU內(nèi)部決策層調(diào)用虛擬接口函數(shù)，周期性發(fā)送單個CAN報文的周期為30 ms。

②協(xié)控制域ECU與主控制域ECU的CAN報文發(fā)送周期為50 ms。

③車域ECU的CAN報文更新周期為50 ms。

④主控制域ECU發(fā)送給智能駕駛域ECU的周期為100 ms。

3.3 改進后的時延特性

為減小存在通信延時各通信節(jié)點的處理周期，本文在不影響整體通信傳輸效率及可靠性、有效性的前提下，對存在通信延時時間的通信節(jié)點進行處理，以減小整體延時時間、提高控制響應時效性。通過CANOE對整體通信延時的測量及分析，對相關(guān)存在通信延時的通信節(jié)點進行了合理修正。修正后，整體通信延時可控制在30 ms內(nèi)。其中，相關(guān)通信節(jié)點的時間修正如下[2]。

①協(xié)控制域ECU內(nèi)部決策層調(diào)用虛擬接口函數(shù)周期性發(fā)送單個CAN報文的周期由30 ms改成10 ms。

②協(xié)控制域ECU與主控制域ECU的CAN報文發(fā)送周期由50 ms改為10 ms。

③整車域ECU的CAN報文更新周期由50 ms改為10 ms。

④主控制域ECU發(fā)送給協(xié)控制域ECU的周期由100 ms改為20 ms。

經(jīng)過時間修正后，降低時延后驅(qū)動電機擋位控制時間如圖9所示。

圖9 降低時延后驅(qū)動電機擋位控制時間

圖9(a)和圖9(b)的橫坐標、縱坐標與圖7相同。由圖9可知，通信延時時間dt=t1-t0(321.781 4 s-321.761 1 s)，結(jié)果約為20 ms。同樣以驅(qū)動性能作為參考，分析瞬態(tài)響應性能。修正通信延時后的驅(qū)動性能指標如表3所示。

表3 修正通信延時后的驅(qū)動性能指標

由表3可知：驅(qū)動性能中所測得的tx、tr、tp、ts等驅(qū)動性能指標均已減小。修正后由于通信延時時間減小，使得驅(qū)動性能優(yōu)于原本通信延時的情況；而整車域間各系統(tǒng)依然能保持穩(wěn)定和正常通信，提高了智能駕駛決策控制的有效性及實時性。

4 結(jié)論

針對無人車，本文設計了1種降低AVB通信時延的方法，以提高無人駕駛決策控制的瞬態(tài)響應特性?；跓o人車靈活的EEA以及域間各系統(tǒng)通信特點，本文采用改進的滑動窗口算法獲取底層過濾后的實時更新AVB數(shù)據(jù)，并基于有效載荷數(shù)據(jù)分析在整個通信網(wǎng)絡傳輸過程中存在通信延時的網(wǎng)絡節(jié)點。通過計算瞬態(tài)響應性能指標，對存在通信時延的各節(jié)點進行修正以減小時延。該方法有效降低了域間各系統(tǒng)以太網(wǎng)AVB通信時延，保證了以太網(wǎng)通信的穩(wěn)定性及可靠性，提高了域間通信效率，同時也改善了決策層對運動執(zhí)行機構(gòu)控制的時效性和響應能力。