TCSN业务流量及传输特性分析*

侯世武，谭献海

(西南交通大学 信息科学与技术学院， 四川 成都 611700)

TCSN业务流量及传输特性分析*

侯世武，谭献海

(西南交通大学 信息科学与技术学院， 四川 成都 611700)

TCSN(Train Control and Service Network)的目标是实现列车控制与服务信息的一体化传输。流量的自相似特性对网络性能具有一定的影响，文章对列车控制信息和旅客服务业务的流量特性进行了分析，发现列车控制类流量不具有自相似特性，旅客服务类流量具有较强的自相似特性，列车控制业务流量和旅客服务业务流量聚合之后，聚合流量具有自相似特性。通过OPNET仿真，发现在列车传输网中加入旅客服务流量后，由于旅客服务流量具有较强的自相似特性，造成网络时延大幅增加。只有当网络服务速率大幅提高后，才可以使网络的时延与没有加入旅客服务之前的时延相当。该研究结果对TCSN的建设具有一定的参考意义。

列车控制与服务网络；流量特性；自相似；时延特性

0 引言

列车控制与信息服务网络(TCSN)是我国的国家科技支撑项目，目的是实现列车控制网络与信息服务网络融合，全面提升我国的交通移动装备安全和服务水平。网络流量特性是网络设计和性能分析时所必须考虑的一个关键因素，Hurst系数是流量特性的一个重要参数，体现了网络流量是否具有自相似特性以及自相似特性的强弱，对网络性能具有很大的影响。列车运行时会生成大量的设备控制信息和旅客服务信息[1]。列车中的控制类信息大都是周期性的，突发性较弱，而旅客服务信息具有较强的突发性，因此它们的流量特性可能存在巨大差异。控制信息和旅客服务信息聚合后，网络的流量特性也可能发生变化，对列车网络性能造成一定影响。文献[2]对TCSN网络调度算法进行了深入的研究，对不同业务在不同算法下的网络性能进行了总结和比较。文献[3]通过对用户行为进行统计，得到了基于用户行为的网络流量模型，发现用户行为具有较强的自相似特性。本文主要分析TCSN中控制信息、旅客服务信息以及控制类业务和旅客服务业务融合之后的流量特性。通过OPNET仿真，分析列车传输网络中控制类业务和旅客服务业务占有不同比例时的时延特性，对TCSN网络研究具有一定的参考意义。

1 TCSN业务分析与分类

列车网络系统是轨道交通的“大脑”，承担着列车全部的控制信息和故障信息的传输、处理[4]。随着用户对控制网络的开放性要求的提高，以及基于网络的远程诊断和维护、旅客信息与舒适性等新需求的提出，控制网与旅客服务网融合是必然的选择。

TCSN中传输的业务有控制业务和旅客服务业务两种。控制信息大都是周期性数据，按照各自的周期传送，它的实时性、有效性和服务质量对列车的运行安全具有重要的意义。旅客服务业务包括用户与列车员通信、用户上网服务等，其中上网服务是最常使用的，如即时通信和视频音频业务等。

2 TCSN控制业务流量特性研究

列车控制的设备主要有：牵引变流器、制动控制、侧面目的地显示器、辅助电源装置和空调显示设定器，主要实现实时监控和故障排除等。本文通过国家科技支撑计划项目“列车控制与信息服务网络(TCSN)关键技术及系统研制”中给出的控制类业务模型进行仿真，分析在10 ms时间尺度上控制类信息的流量特性。

由图1可知，列车控制类业务流量突发性较小，因为列车控制信息大部分是周期性发送，只有当列车遇到紧急情况时，才会有突发性的控制信息产生，所以控制业务流量的突发性较小。通过VT分析方法得到图2，由图可知控制信息在10 ms时间尺度上的Hurst参数值为0.017 761<0.5，因此不具有自相似特性。

图1 TCSN控制信息10 ms时间流量

图2 TCSN控制信息10 ms时间Hurst值

3 TSCN旅客服务流量特性分析

WIRESHARK可用于网络故障分析和诊断、网络测试、网络协议开发等领域[5]。本文旅客服务数据来源于WIRESHARK采集的数据包，由浏览网页、聊天软件、视频和邮件等业务共同产生。采集时间为2017年3月21日晚上7点到8点一个小时，共采集35.676 7万个数据包，运行时间3 600 s，平均每秒产生数据包99个。

由图3可知，旅客服务信息流量具有很强的突发特性。突发性是导致流量具有自相似特性的一个重要原因[6]，可以推测旅客服务流量具有较强的自相似特性。对流量进行Hurst参数估计得到图4，由图可知流量的Hurst参数值为0.893 75>0.5，因此旅客服务流量具有很强的自相似特性，证实了前面的猜测。

图3 旅客服务流量数据

图4 旅客服务流量Hurst值

4 TCSN聚合流量特性分析

具有不同性质的流量聚合以后，流量特性会发生较大的变化。列车控制信息和旅客服务信息具有不同的流量特性，其中控制信息没有自相似特性，旅客服务信息具有很强的自相似特性。当列车网络中加入旅客服务业务后，流量是由控制业务和旅客服务业务产生的流量聚合而成的。随着旅客的增加，网络中旅客服务产生的流量在总流量中的比例不断增加，具有自相似特性的流量在总流量中的比例越来越大，因此流量特性将会发生重大的变化。在此分析两种业务流量在不同比例时的流量特性。

由图5可知，即使在传输控制网络中加入少量的旅客服务信息，聚合流量也会有很强的自相似特性。这是因为旅客服务流量的自相似较强，并且旅客服务业务产生的数据量要远远大于控制类业务产生的数据量。但是随着人的参与程度越来越高，聚合流量的自相似参数的值没有发生明显变化，这是因为流量的自相似特性已经很大，随着人参与程度越来越高，网络的自相似特性会趋于平稳，最终与现有的互联网流量特性类似。

图5 控制旅客服务不同比例Hurst值

5 TCSN流量特性对网络性能的影响分析

OPNET采用三层建模机制：进程层、节点层和网络层[7]。使用OPNET生成流量时，有两种不同的方式，第一种是使用OPNET自带的函数生成流量数据。OPNET自身提供了两类生成自相似流量的模型，第一类是RPG模型，文献[8]研究了一种RPG改进的模型，但比较复杂，另一类是使用Pareto分布的ON/OFF源。第二种是导入数据流量，先建立一个节点模型，由数据源source、队列queue和接收源sink组成。如图6所示。这样建模不考虑网络结构、网络设备和具体的业务，其研究结果有普遍的意义。

图6 节点模型

其中queue的排队模型是acp_fifo，其中a(active)表示队列是主动形式， 即源模块发送数据，c(concentrating)是指多个客户到来的数据排列在一起集中处理，p(packet)是以包为单位处理，fifo(first in first out)指先入先出队列。Sink是simple_sink进程模型，simple_sink将所有队列queue发送的数据包销毁。Source在本文中是将列车控制类业务模型产生的控制类流量和采集到的真实的互联网流量作为流量源来驱动OPNET仿真。

首先分析列车网络中只传输控制类业务时的网络时延特性。根据列车控制类业务产生的数据驱动OPNET仿真，网络参数设置如图7所示。由于流量包到达速率为632 package/s，因此网络利用率为632/744=0.85。

由图8可知，当网络趋于稳定后，在未加入旅客服务业务之前，网络的平均时延在0.005 77 s附近，并且由于数据包是周期性发送，当服务速率一定时，时延波动很小。

图7 网络参数设置

图8 未加入旅客服务信息之前时延特性

接下来分析当列车传输网络中加入旅客服务信息之后网络的时延特性。首先分析当网络参数都不变时网络的时延特性。

由图9可知，传输网络在不同时刻的时延具有很大的波动。这是由于加入旅客服务信息后，不同时刻网络数据包到达率相差太大导致的。对网络时延求平均值可知队列平均时延为0.222 478 s。虽然数据包平均到达率仅增加了15.66%，但时延却是原来的38.558倍。可见在传输网络中加入旅客服务信息会导致网络时延大幅增加。

图9 网络参数不变加入旅客服务信息后时延特性

接下来提高网络服务速率，分析在网络利用率相同时的时延特性。加入旅客服务信息之后，网络数据包到达均值为731 packets/s，为了使网络利用率相同，设置网络的服务速率为860 packets/s，此时的网络利用率为0.85，与没有加入旅客服务信息之前的网络利用率相同。

由图10可知，当网络利用率相同时，在旅客服务流量突发性比较强的时间点上，网络的时延还是比较大。对网络时延求均值得到队列的平均时延是0.068 003 s，虽然网络的利用率相同，但网络时延依然是未加入旅客服务前的11.78倍，时延较大。

图10 网络利用率相同时时延特性

由于控制类信息对时延要求较高，为了列车的安全，控制类业务数据的传输时间不应该高于未加入旅客服务之前的传输时间，在此分析服务速率提高到多少时，才能到达原来的时延值。

由图11可知，在列车控制网络中加入旅客服务业务之后，网络的时延大幅增加。当网络的服务速率为1 300 packets/s时，网络的时延特性与没有加入旅客服务之前的时延特性相当。此时的服务速率是原来服务速率的1.74倍，网络的利用率为0.56，可见只有大幅提高传输网络的服务速率，才能保证网络的时延性能。

6 结论

TCSN网络控制类业务流量没有自相似特性，当在列

图11 服务速率和时延关系图

车传输网络中加入旅客服务业务后，网络流量的自相似特性增加。当网络利用率相同时，加入旅客服务业务之后的列车传输网络时延要远远大于仅传输控制信息时的时延。为了保证控制信息的实时性，加入旅客服务业务后需要更高的网络服务速率。

[1] 巴全龙. 基于OPNET的ARCNET列车通信控制网络的建模与仿真[D].成都：西南交通大学,2012.

[2] 钟廷. 基于业务的TCSN网络调度算法应用研究[D].成都：西南交通大学,2016.

[3] 田畅,王海,郑少仁. 基于用户行为的网络流量模型及自相似性分析[J]. 通信学报,2000,21(9):19-25.

[4] 新华社.我国标准动车组装载自主开发高智能“中国脑”[J]. 军民两用技术与产品,2016,(7):21.

[5] 龙艳军,杨汉恩. WIRESHARK在虚拟网络实验中的应用研究[J]. 计算机光盘软件与应用,2012(10):27-28.

[6] 林青家,陈涤,刘允才. 网络流量的小尺度特性分析[J]. 电子测量与仪器学报, 2007,21(3):92-97.

[7] 伍俊洪,杨洋,李惠杰,等. 网络仿真方法和OPNET仿真技术[J]. 计算机工程,2004,30(5):106-108.

[8] 沈宇,徐启建,钟静月.自相似业务流建模及其合成性能分析[J]. 通信学报,2004,25(4):99-106.

Research on flow and transport characteristics of TCSN

Hou Shiwu, Tan Xianhai

(School of Information Science and Technology, Southwest Jiaotong University, Chengdu 611700, China)

The goal of the TCSN (Train Control and Service Network) is to realize the integrated transmission of train control and passenger service information. The self-similarity characteristic of network flow has certain influence on the network performance. In this paper, the flow characteristics of the train control information and passenger service information are analyzed, and the result shows that the train control flow has no self-similar characteristic, and passenger service flow has strong self-similarity characteristic, when the train control flow and passenger service flow are aggregated, the aggregated traffic has strong self-similar characteristics. Through OPNET simulation, it is found that after the passenger service is added to the train transmission network, the network delay increased because of the passenger service flow has high self-similarity. Only the network service rate increased significantly can make the network delay as before input the passenger service into the network. The analysis of this paper has certain reference value to the construction of TCSN.

train control and service network; flow characteristic; self-similarity; delay characteristic

国家科技支撑计划(2015BAG14B01)

TP393

：A

10.19358/j.issn.1674- 7720.2017.17.018

侯世武，谭献海.TCSN业务流量及传输特性分析[J].微型机与应用，2017,36(17)：62-64,67.

2017-04-12)

侯世武(1991-)，男，硕士研究生，主要研究方向：网络通信。谭献海(1963-)，男，博士，副教授，主要研究方向：网络通信、网络安全、列车通信(控制)网络。