一种基于车辆网络的移动感知聚类半异步联邦学习方法

本发明属于车辆网络通信技术领域，具体涉及一种基于车辆网络的移动感知聚类半异步联邦学习方法，包括以下步骤：将车联网划分为多层网络，每一层中的车辆根据模型训练时间和车辆上传时间进行聚类，所有车辆都被聚类到相应的网络层中参与联邦训练；根据不同网络层的车辆对模型的影响，给不同网络层的模型分配不同的权重；在半异步联邦学习MSAFL框架中，中央服务器在模型成功上传后立即执行聚合过程，无需等待所有车辆在给定迭代中完成上传；收集车辆内部和外部的感知数据，并利用本地计算单元处理数据，实现数据共享和联合学习。本发明能够在保护数据隐私的前提下，提高车辆间分布式学习的效率和效果。