关于这一点，在网络上施加对应于如今汽车CAN中常见的负荷，人们进行了许多实验。针对网络负荷会增加的不远的将来，我们建议评估偏移产生的利益。我们在两个方向模拟负荷增加：一是向现有栈点分配新信息，二是把新的信息分配到新栈点。处理步骤如下：

•用给定负载load₁来定义一个随机网络net₁。本实验中，随机抽取的车身网络的负荷为37.6。

•定义一个新的负荷等级load₂（例如40%）。对应于load₁和load₂之间的负荷差，定义一个随机的帧集合。新定义的帧集合用S_new表示。

•我们使用两种方法来分配S_new中的帧：

-向net₁中现有栈点直接派遣S_new，新产生的网络叫做net^frames₂；

-向新栈点派遣S_new中帧的集合（每栈不超过5帧），并添加至net₁中，产生的网络叫做net^stations₂。

•用14.2节中的算法确定偏移，并计算net^frames₂和net^stations₂的WCRT。(www.daowen.com)

遵循以上过程，可以使我们比较识别两种情况下的WCRT增加量。图14.8所示为网络负荷在40%～60%范围内最低优先级帧的WCRT的演变过程。

图14.8网络负荷在40%～60%范围内最低优先级帧的WCRT：①无偏移（白色）；②有偏移且额外负荷分配给新栈点（灰色）；③有偏移且额外负荷分配给现有栈点（黑色）。额外负荷指加到随机选择网络上的最初负荷等于37.6%的网络负荷。这里显示的结果是从单个的典型车身网络中获得的。

我们可以观察到的就是：偏移带来的效果都非常大，甚至在负荷增加时。例如，负荷为60%时，若额外负荷分配给现有栈点，则偏移的增益因子为2.8；若分配给新栈点，增益因子为2.1。

再者，实验表明负荷为60%有偏移时，最低优先级帧的WCRT与负荷为30%无偏移时的WCRT大体相似。换言之，负荷为60%有偏移时的性能等价于负荷为30%无偏移时的性能。尽管这点并没有在图14.8中显现，但这一结论对所有帧都成立，且不管它们优先级如何（除了增益较少的最高优先级）。

最后值得注意的是，新的负荷分配到现有栈点还是新栈点，二者之间是有差异的。后者的情况，偏移一般是逻辑上的、效率较低，这是因为它缺乏全局时间参考，而这意味着每个栈的偏移是局部的。