偏移量的主要好处是减少了低优先级信息的WCRT。图14.2显示了在有与没有偏移的情况下典型CAN车身的帧的WCRT。我们测试两种偏移方案：在14.2节中介绍的算法和纯粹随机的分配方案。对于后者方案，图14.2中显示的结果平均值超过100的随机分配。此图同时也表示了NETCAR分析器提供的WCRT的下限。在实践中没有必要达到这样的下限，但在告诉我们配置偏移是如何好方面是有价值的。正如我们所看到的，由于可能的获得将使所有帧的WCRT得到改善。随着优先级的降低，这种改善变得越来越显著。在这个案例中，对于优先级最低的帧来说，有偏移量的WCRT的时间降低了43.2ms（从64.8ms降低到21.6ms）。这种效果是非常巨大的。

在接下来的实验中，我们评估了超过1000组随机信息的偏移调度的性能。性能度量是使用14.2节中算法偏移后降低了WCRT的比率。我们考虑车身网络和底盘网络，有无集中负载，也就是说，一个栈比其他栈承担了更多的负载，它占据了总网络负载的30%。图14.3显示了没有集中负载时优先级较低的帧上的WCRT的降低率，而图14.4显示了有集中负载时的情况。

无论哪种实验条件，除了已经考虑的4000组信息中的一些例外，产生的变化都是显著的。这说明实际中的偏移量将会是很有效的。可以观察到，对于底盘网络来说，其效果更加重要。这个解释是基于底盘网络组成的栈少于车身网络的情况，这样流之间的去同步化对栈来说就是局部的，也会更加有效。当单独一个ECU产生较大一部分负载（也就是负载集中）时，其结果类似于负载均匀分配于栈的情况，而直观地来说，它也会更好一些。正如图14.2所示，在此种负荷等级下，整形算法的性能接近最优，这可以解释为什么观察不到有差异。(www.daowen.com)

图14.2 针对网络负荷为37.6%、包含68条信息的通常速率为12kbit/s的车身网络，有和没有偏移时CAN帧的WCRT图线。最上面的曲线是无偏移作用的WCRT曲线，中间的是在100个随机偏移的作用下的平均WCRT值曲线，再下面是用第14.2节算法计算出的WCRT曲线。最后，最下面的是WCRT的下边界曲线。在尾端无偏移时WCRT陡然增加可解释为一些更高优先级的帧具有等于50的周期，且这些帧的两种情况使超过50ms WCRT的最低优先级帧遭遇延迟。