Knowledge-Aware Schedulability Analysis for Time-Sensitive Networking: A GNN-Based Method

doi:10.1109/tnsm.2026.3724835

Knowledge-Aware Schedulability Analysis for Time-Sensitive Networking: A GNN-Based Method

2026-08-18

0

PRE

AI

DOI：10.1109/tnsm.2026.3724835

原文链接

原文求助

摘要

En 中文

工业自动化正迅速向柔性生产演进。这一转变要求网络确保不同生产阶段间不同流量集的确定性传输。因此，系统必须在实际调度前能够快速分析固定网络资源是否能满足所有服务需求。虽然时间敏感网络（TSN）为这类环境提供了确定性传输，但现有的可调度性评估依赖于穷举调度测试。然而，调度过程本质上是一个NP难约束满足问题，其巨大的计算开销严重限制了部署的敏捷性。因此，开发一种能够快速预测各类流量集约束满足性且无需重复耗时调度的方法至关重要。在本工作中，鉴于网络基础设施和流量模式固有的图结构特性，我们设计了一种图神经网络模型以显式捕捉复杂的空间依赖关系。作为节点属性，稀疏的基本流量特征被提炼为专家知识并加以整合，从而提升预测精度。当某流量集被判定为不可调度时，我们探索影响最大的流量特征和关联。基于此，提出了一种特征驱动的重路由策略，以找到更易调度的流量行为。评估结果表明，该模型能够在数百微秒内处理数千个数据集，同时保证超过90%的预测精度，并相比标准Dijkstra最短路径算法基准，使可调度流数量增加了约25%。

Keyword:

Time-sensitive networking

schedulability

feature engineering

Knowledge-Aware Schedulability Analysis for Time-Sensitive Networking: A GNN-Based Method

摘要

期刊

机构

引用论文