一种面向分布式联邦学习的车联网拓扑优化方法

本发明涉及车通信网络技术领域，公开了一种面向分布式联邦学习的车联网拓扑优化方法，方法包括：根据各车辆的模型梯度计算车辆的分布式联邦学习模型之间的相似度，根据相似度得到模型相似度矩阵；根据车辆的行驶状态信息、车辆之间的连接链路信息和相似度矩阵构建车联网拓扑图；基于图卷积神经网络对车联网拓扑图中的所有连接链路进行分类，得到模型共享传输链路和非模型共享传输链路；根据车联网拓扑图中的模型共享传输链路以及各模型共享传输链路对应的车辆节点，生成模型共享网络拓扑。使分布式联邦学习进行模型共享的连接链路在车辆移动时始终保持稳定连接，提高车联网中进行模型共享的连接链路的稳定性以及模型共享带来的精度增益。