一种面向车联网数据异构的联邦学习方法、系统、设备及介质

本发明涉及一种面向车联网数据异构的联邦学习方法、系统、设备及介质，属于车联网技术领域与分布式机器学习技术领域。本方法能够自动适应地将所有参与训练神经网络模型的智能网联汽车所在的大区域划分成多个子区域，使得位于同一区域内的智能网联汽车所持有的数据的分布相似，缓解数据异构性对模型训练的影响。同时，在区域划分的基础上，所提系统能够实现端(智能网联汽车)‑边(边缘服务器)‑云(云中心服务器)三层通信架构协同训练神经网络模型。通过训练超网络模型，系统为每一个智能网联汽车预测个性化聚合权重，在实现个性化车辆模型的同时也为每一个区域实现个性化区域模型，提升模型的精确度，加快模型训练速度，缓解通信拥塞问题。