在工业物联网和自动驾驶等场景中，网络需要毫秒级的确定性传输能力。传统以太网的模式显然无法满足需求，时间敏感网络 (TSN) 应运而生。Network 期刊的综述论文 TSN Network Scheduling—Challenges and Approaches 系统梳理了TSN的核心技术挑战与解决方案。
本文通过理论建模与实验对比，系统解析了TSN调度的技术脉络，为学术研究与工程实践提供了清晰的参考框架。
提出流量-整形器的动态匹配模型，解决混合场景配置难题；
建立调度算法的性能评估体系，指导不同规模网络的方法选择；
揭示多域协同的技术瓶颈，推动标准化接口与协议设计。
研究背景—TSN为什么重要？
TSN通过一系列IEEE标准 (如802.1Qbv、802.1Qcr等)，在传统以太网上实现了低延迟、低抖动、高可靠性的传输能力。其核心目标是为工业控制、实时音视频、车载网络等场景提供确定性通信保障。然而，如何为不同流量类型选择合适的“整形器”(Shaper)，并配置全局调度策略，仍是学术界与工业界的攻关难点。
研究内容
论文系统探讨了TSN网络调度的核心问题，从流量分类、整形机制设计到调度算法优化，构建了完整的技术分析框架，并针对多域协同场景提出了关键挑战与解决方案。
1. 流量分类与整形机制设计
研究根据流量的周期性、时间触发模式和交付需求，将TSN流量划分为四类 (如表1所示)：
表1：流量分类总结
高时间敏感流量 (HTS)：如工业控制指令和同步周期性数据，需严格满足微秒级延迟与抖动限制。此类流量优先采用时间感知整形器 (TAS)，通过预定义的门控列表 (GCL) 实现时间窗口隔离 (如图1调度周期模型所示)。
低时间敏感流量 (LTS)：包括周期性异步流量 (如传感器数据) 和非周期性流量 (如网络控制信号)，适用循环排队与转发 (CQF) 或异步流量整形 (ATS)。CQF通过固定周期转发简化配置，但会引入固定延迟；ATS则通过动态令牌桶管理突发流量。
流量工程非流 (LTS)：有低延迟需求 (如网络控制信号)，需动态资源保障。
尽力而为流量 (BE)：无严格QoS要求，传统优先级队列 (SP) 即可满足需求。
图1：文章结构概述及其在TSN领域中的定位
文中指出，实际部署需根据网络负载动态组合整形器。例如，在车载网络中，TAS用于制动信号，CQF处理摄像头数据，ATS管理紧急事件 (如表2中的映射关系所示)。混合整形策略成为多数工业场景的优选方案。
表2：流量类型与整形器的映射关系
2. 调度算法的性能权衡
针对TSN调度的NP-hard特性，本文对比了两类主流方法 (如图2所示)：
精确数学方法 (如SMT/OMT、ILP)：通过形式化建模确保全局最优解，但计算复杂度随网络规模呈指数级增长，难以支持大规模实时调度。
启发式与元启发式方法 (如遗传算法、贪婪算法)：通过限制搜索空间提升效率，可在分钟级时间内处理千级节点网络，但可能牺牲部分优化精度。
图2：归纳调度算法的优化目标分类，涵盖45篇文献的对比分析
实验表明，混合策略 (启发式生成初始解+数学方法局部优化) 在工业场景中综合表现最优。此外，动态调度需求推动了增量算法的发展，例如通过预路由与局部调整，将新增流量的配置时间降低70%。
3. 多域协同与同步挑战
在TSN与5G、无线网络融合的场景中，揭示了三大技术瓶颈 (如图3所示)：
图3：多域协同架构图，突出时钟同步与资源协调的核心矛盾
时钟同步误差累积：多跳传输中，单节点的微秒级时钟偏差可能导致端到端时间窗口错位。
跨域配置冲突：TSN的集中式控制与5G的分布式架构难以协调，例如无线资源调度周期与TSN微秒级时间窗的匹配问题。
资源碎片化：异构网络的带宽预留机制差异导致端到端延迟波动显著增加。
对此，本文提出两种解决方案：
虚拟化抽象：将外部网络 (如5G) 映射为TSN虚拟节点，通过高层协调器统一资源视图。
时间感知路由：在路径选择中同步评估链路延迟与时钟精度，显著提升跨域调度的稳定性。
研究总结
本文全面分析了TSN调度问题的技术要点，提出整形机制选择指南，梳理了调度算法的演进与挑战，并建立了评估标准。未来工作需结合控制平面设计、动态重配置及跨技术集成 (如5G)，以推动TSN在工业场景的实际部署。
阅读英文原文：https://www.mdpi.com/2603322
期刊主页：https://www.mdpi.com/journal/network
Network 期刊介绍
主编：Alexey Vinel, Halmstad University, Sweden
期刊专注于网络科学与技术的前沿研究，涵盖了广泛的研究领域，包括但不限于网络协议与架构设计、边缘计算、云计算、雾计算、人工智能与机器学习在网络中的应用、区块链技术、网络安全与隐私保护、5G/6G无线通信技术、物联网 (IoT)、绿色网络与能源效率优化等多个领域。目前期刊已被 ESCI (Web of Science), Scopus, EBSCO等数据库收录。
2024 Impact Factor：3.1
2024 CiteScore：6.5
Time to First Decision：20.1 Days
Acceptance to Publication：5.6 Days
转载本文请联系原作者获取授权，同时请注明本文来自MDPI开放科学科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3516770-1497270.html?mobile=1
收藏
