基于以太网的列车通信网络性能仿真研究

裴子秀 谭献海

(西南交通大学信息科学与技术学院 四川成都 610031)

随着客运专线和高速铁路的不断发展，列车通信网络的应用需求不断提高，出现了一些新型应用服务需求，例如视频监控、旅客信息系统、网络诊断等，使得列车通信网络的通信量急剧增加［1］。传统的列车通信网络技术在进行小流量数据(如检测信息、状态信息、控制信息等)传输方面实时性和确定性高，但是在传输内容增多时，带宽将成为其瓶颈。然而，以太网作为一种应用最普遍的标准网络技术，具有高的通信速率，可以满足对带宽的更高要求，同时还具有价格低廉、容易扩展、通用性强等优点。因此组建采用以太网的列车通信网络非常有实际价值。但是，由于列车本身运行环境的复杂性和以太网自身不确定性的缺点阻碍了以太网在列车通信网络中的应用。因此，如何在现有以太网的基础上能进一步对实时性加以改进使其以满足列车通信网络的需求，是将其应用在列车通信网络中的关键点和难点。从目前的研究成果看，改进以太网实时性主要有2类方法:硬件实时方法和软件实时方法［2］。本文采取软件的改进方法给出了基于以太网的列车通信网络体系结构及其性能仿真方案，并借助OPNET仿真软件构建以太网列车通信网络模型，通过多种参数配置对网络性能进行分析。

1 基于以太网的列车通信网络性能仿真方案

1.1 列车通信网络拓扑结构

本文以CRH2型动车组为例。CRH2型动车组列车采用4M4T进行编组，其中1号、4号、5号、8号为拖车(T)车厢，2号、3号、6号、7号为动车(M)车厢，编组方式为T－M－M－T［3］。车辆信息控制中央装置(简称中央装置)位于两端头车(1号、8号)，由传送部和监视器部构成。信息控制终端装置(简称终端装置)在每节车厢中均设置有一台。整个CRH2列车通信网络控制系统采用双网络结构，上层为列车级网络，下层为车辆级网络。为了研究整个列车通信网络系统的列车级网络性能，本文按照车载设备的分布情况，将两端头车各抽象成4个站点即终端装置站点、监视器部站点、中央装置站点I系、中央装置站点II系。其中，中央装置站点I系和II系采用冗余备份技术，当中央I系站点故障时，中央II系站点会主动接管中央I系站点的工作，从而更好地保证了列车网络的稳定性。其余6节车厢各抽象成1个终端装置站点。通过交换机将这14个站点分别连接在同一根总线上进行通信。整个CRH2列车通信网络系统拓扑结构如图1所示。对拓扑内的计算机按图示进行编号，其中，计算机1和计算机8上装载有司控台的数据源仿真;计算机2、计算机3、计算机6、计算机7除了装载有普通的车载设备之外，还装载有牵引设备的实物，作为牵引车厢，负责收发牵引数据报文信息。计算机7作为列车长还装载有信息显示器，同时7车还可以发布广播显示信息。

图1 Ⅱ型车网络控制系统拓扑结构Fig.1 The topology of train II network control system

1.2 基于以太网的列车通信网络不确定性问题解决办法

针对以太网作为列车通信网络存在的不确定性和实时性问题，本文采用以下解决方案。(1)采用快速以太网加大网络带宽。目前以太网的速率已经从早期的10 Mb/s发展到了1 Gb/s。实际应用表明，当网络负载在30%以下时，快速以太网发生碰撞的可能性极小;当负载在10%以下时，碰撞几乎不会发生。在数据吞吐量相同的情况下，通信速率的提高意味着网络负载的减轻。(2)重新设计数据帧格式。在帧结构方面，可以设置一个字段来代表该帧的优先级，将列车系统的控制类数据优先级设置为高，其他的对实时性要求不高的数据优先级设置低一些。例如使用优先级的办法可以减少帧的排队时延:这种设置优先级的方法可以用来提高数据的实时性以达到列车通信网络对实时性数据的要求。(3)设置多级队列，通过采用比例公平队列调度算法控制包的发送，以满足实时性数据对时延的要求。(4)通过设置不同节点的帧的发送时间来实现信道的分时应用，减少数据包的碰撞来提高网络帧传输的实时性，以达到列车通信网络对实时性数据的要求。

2 列车通信网络仿真

网络仿真是一种通过数学建模和统计分析方法来模拟网络行为，从而获取特定的网络性能参数的技术。在网络仿真过程中只要仿真模型足够接近真实，仿真的结果就可以和理论分析得到的结论近似一致，同时网络仿真还可以降低风险投资。目前对列车网络进行仿真的主要方法是纯软件仿真和半实物仿真。国内纯软件仿真使用较多的仿真工具是NS2和OPNET。OPNET是通过执行离散事件仿真来分析各类模拟系统的行为和性能，通常采用网络级、节点级、进程级3层建模机制，其中最底层为进程模型。另外，由于OPNET拥有比NS2更加友好的图形用户界面，故本文采用OPNET作为仿真建模工具。

2.1 列车通信网络流量模型的建立

列车通信网络流量模型的建立在网络仿真中占有重要的位置，模型的好坏将直接影响仿真结果的可靠性。到目前为止，一般的列车通信网络仿真研究都很少基于实际的业务流量来进行，这样研究出来的结果就可能和实际有所偏差。考虑到这个因素，本文严格以CRH2型动车组实际运行过程中产生的流量为基础来建立列车通信网络流量模型。分析可知，列车业务流量应包括控制业务流量和旅客信息服务流量两部分。选择哪种流量建模方式用于建立流量模型取决于仿真研究的目的。本次仿真主要是对列车网络的控制数据业务进行分析，查看该数据传输时延是否满足列车网络对控制数据时延的要求。

CRH2型动车组网络控制系统具有传输控制指令、实时监控状态数据(故障信息、状态信息)、收集跟踪数据(故障前后设备内的运行记录)3大类功能。通过对列车网络通信数据特性的分析，本文把列车通信数据划分为2类，第一类是周期性数据，主要是对列车设备进行监控的状态数据;第二类是随机数据，主要是列车控制命令和旅客服务信息。周期性数据具有数据连续、稳定和变化量小的特点，随机数据具有不确定性，一般数据量较小。数据流量的特性一般由数据包的到达时间间隔、数据包的大小2个主要参数决定。

周期性数据是列车通信网络中的重要数据之一。该数据大小可以事先确定。在建立周期性数据的数学模型时，需要确定以下参数:Li(数据长度)、Ti(报文产生的时间间隔)、Ci(网络传送时延)、Di(数据端到端时延)。其中i代表任意节点，那么周期性数据P表示为:

随机数据是由外部事件触发的数据，其主要特征是数据报文会在任何时间段内以概率P出现，与前段时间是否有报文发送无关。由数学统计知识可知，该数据类型符合泊松分布(Poisson)过程，那么数据报文到达时间间隔服从指数分布。

在OPNET中一共提供了23种分布函数，Packet Interarrival Time和Packet Size等属性都可以服从多种分布［4］。参照CRH2型车实际运行过程中产生的数据并以中央装置站点为例，建立节点数据流量模型。中央装置站点主要产生两类数据，一类是查询报文，一类是控制指令。查询报文是中央装置站点定期向各终端装置站点发送，以收集实时监控所需的信息，这样就能实时监控列车运行状态。控制指令是指中央装置站点模拟司控台操作，发送一系列列车运行所需的控制指令，比如升降弓、VCB断合、恒速、牵引级位、制动级位等，这些指令数据一般都是随机产生的，可以设置包的到达时间间隔服从指数分布。表1给出了中央装置节点9的数据流量建模参数。

表1 数据流量建模参数Table 1 The modeling parameters of Data flow

旅客信息服务流量主要指由旅客访问Internet网所产生的一些网页数据、视频数据等。通常旅客信息服务流量主要包括 Email，FTP，Http，Video Conferencing这几种业务所产生的流量。目前OPNET本身已经定义了这些业务，每种业务均可由用户定义相关参数。由于本文重点仿真列车网络控制数据流量，所以对旅客服务信息不作详细介绍。

2.2 网络模型的建立

整个CRH2列车通信网络控制系统采用2层网络结构——列车级网络和车辆级网络。列车级网络是采用光纤双环网将各个中央装置和终端装置连接起来，作为连接各编组车辆的通信网络，同时还控制列车的运行;车辆级网络作为连接车厢内各车载设备的通信网络。本文的研究对象是列车通信网络的列车级网络，该通信网络可以抽象成许多节点在一条以太网总线上进行通信的模型。其中每节车厢内的所有通信设备看做一个整体，作为一个网络上的节点。通过配置节点的业务来模拟列车车厢内的各种数据，车厢之间的通信则是通过总线型以太网模拟的列车总线来实现。

图2 列车通信网络拓扑结构图Fig.2 Train communication network topology

将节点模型用链路模型按照总线型拓扑结构连接起来就能形成完整的网络。根据CRH2型列车编组规定经过抽象简化处理后设计出的基于以太网的列车通信网络模型拓扑结构如图2所示:模型总线上共设置了14个节点，其中节点Tnode_1～Tnode_14代表8节列车车厢及车厢设备(包括中央的冗余设备)，Tnode_1～Tnode_8节点除了产生列车控制流量外，还模拟旅客信息服务流量。

网络模型由节点模型组成，而节点模型则由大量的进程模块组成。进程模型通过有限状态机来支持协议、算法等。以太网的介质访问控制层采用CSMA/CD协议，OPNET已经对MAC层协议进行了建模，各状态通过VC++代码实现状态的变化［5］。为了仿真的真实性，本次仿真的数据流量严格采用CRH2列车的实际业务流量。利用OPNET提供的扩展机制，本文在OPNET自带的进程模型simple_source基础上创建新的进程模型 simple_source_readIntervalFile来产生列车网络的控制业务数据流量。以中央装置站点9为例，列车通信网络节点模型如图3所示。

图3 节点模型Fig.3 Node model

从图3可以看出节点内部共创建了4个进程模块，1个队列模块和1对总线收发信机。从上至下各模块的作用如下:数据源进程模型(src_kindofdata)代表高层用户，主要用来产生需要传输的各种数据;处理模块(sink)也代表高层用户，主要负责接收从mac进程处理过的报文;接口进程模型(eth_mac_intf)是应用层与数据链路层的接口，它从数据源得到数据报文，并赋予一个有效的目的地址，然后发送到mac模块，同时也从mac模块接收报文并发送到高层的sink模块;MAC进程模型是中央装置节点模型中最主要的进程模型，负责管理报文的发送和接收，这些任务可以分解为3个基本功能:对流出的报文封装成以太帧并放入到发送队列中排队、对流入的报文解封装并向上层发送、管理正在进行的发送(冲突管理);冲突检测进程模型(defer)负责独立的检测链路的情况，使mac模块能通过进程读取来确定传输是否被允许;总线收信机(bus_rx0)、发信机(bus_tx0)则共同模拟了用户终端装置节点的物理层，用于实现收发包。

3 列车通信网络性能仿真结果分析

将列车运行过程中产生的控制业务数据流量导入OPNET进行以太网性能仿真，研究100 M以太网作为列车通信网络时业务数据时延、丢包率等指标。另外还对以太网的极限性能进行了分析。

3.1 实际CRH2流量下的网络性能分析

创建100M_flow场景，仿真时间设置:5 min。运行仿真，观察列车运行过程中典型控制业务数据的传输时延、节点的丢包率等性能指标，如图4所示。

图4 业务数据时延和各站丢包率比较Fig.4 Comparison between the operations data time delay and packet loss rate of each station

从图4(a)可以看出制动信息、牵引信息的传输时延较低，均为20 μs，而且延时的波动较小。空调等状态数据时延波动较大，但都符合列车通信网络对传输数据时延的要求，另外还可知最大数据传输时延为0.18 ms，随着仿真时间的推进，最大时延出现次数约为0，这进一步验证了网络的稳定性，也符合列车网络对稳定性的要求。从图4(b)可以看出，节点1、节点7、节点9的丢包率在仿真开始时不稳定，随着仿真的进行，丢包率均稳定在0.01%以下。分析以太网协议可知，节点丢包的原因主要是由于网络的冲突造成的，丢包率极小的情况下，对网络性能不会造成影响。从图4可看出，链路的利用率约为0.45%，说明仍有很大的带宽可以用来传输旅客信息以及适应将来出现的新业务。

3.2 以太网极限性能分析

考虑在不影响列车规定的传输时延和丢包率的限制下，对网络流量大小进行分析，从而可以得到以太网的极限流量。仿真的目的是观察控制数据传输时延随网络到达流量的变化情况，故创建仿真序列(Simulation Sequence)，通过改变参数 interarrival time(包的到达时间间隔)进行12次仿真，将仿真结果输出到标量文件中。通过结果查看器(View result)，设定X轴为到达流量(单位:Mb/s)，Y轴为时延(单位:s)，得到的仿真结果如图5所示。

图5 时延随到达流量的变化Fig.5 Time delay with the change of flow rate arrival

从图5可以看出，当以太网到达流量在43 Mb/s以下时，数据传输时延极小，均为微秒级。随后当到数据达流量超过43 Mb/s时，数据传输时延一直呈直线上升趋势，当到达流量为45 Mb/s左右时，数据传输时延达到10 ms，这就意味着该时延达到了列车网络对控制数据传输时延的最高要求。当到达流量为45 Mb/s时，节点丢包率均值为0.016%，仍然很低。故从时延和丢包率两方面考虑，可得知以太网作为列车通信网络时的极限性能约45 Mb/s。

4 结束语

以太网时延反映了网络底层通信的性能，链路使用率描述了网络拥塞的情况［6］。仿真结果表明:100 M以太网作为列车网络时，不管是控制数据传输时延还是状态数据传输时延均达到列车通信网络对时延的要求。同时通过仿真最大时延出现的次数证明了网络的稳定性。另外，列车通信网络正常运行时产生的流量相对较少，而在不影响列车规定的传输时延和丢包率的限制下，以太网所能承载的最大流量为45 Mb/s，说明以太网还有足够大的带宽可用。因此，将以太网作为高速列车通信网络具有充分的可行性。

［1］张元林.列车控制网络技术的现状与发展趋势［J］.电力机车与城轨车辆，2006，29(4):1 －4.

［2］马宾.工业以太网的实时性研究及在现场测控中的应用［D］.济南:山东大学，2005.26－30.

［3］中国南车株洲电力机车研究所，列车网络系统随车技师教材［Z］.2008.

［4］陈敏.OPNET网络仿真［M］.北京:清华大学出版社，2004.

［5］苗剑，贺德强，丁超义.基于工业以太网的列车通信网络及其仿真［J］.计算机测量与控制，2010，(18):2418－2420.

［6］王周海，金谋平，范娟.复杂大网络的仿真与优化设计［J］.现代电子，2002，(1):14－17.