摘要
本发明提供一种基于联邦学习的车联网资源分配方法及系统,其中方法包括:基于车联网中目标车辆的行驶画像,持续尝试预测非标通信情形;当尝试预测到时,基于预训练的联邦学习模型,决策非标通信情形的资源分配策略;基于资源分配策略,从车联网的通信资源预备池中分配相应的通信资源给目标车辆。本发明基于车联网中目标车辆的行驶画像,持续尝试预测非标通信情形,当尝试预测到时,基于预训练的联邦学习模型,决策非标通信情形的资源分配策略,基于资源分配策略,从车联网的通信资源预备池中分配相应的通信资源给目标车辆,充分确保目标车辆在产生非标通信情形时能够获得极高质量的通信支持,避免对车联网中的车辆造成影响。
技术关键词
资源分配策略
特征切片
资源分配方法
联邦学习模型
资源分配系统
车辆
生成模板
识别特征
画像
序列
决策
地图
关系
模块
间距
代表
系统为您推荐了相关专利信息
动态资源分配方法
XGBoost模型
异构存储系统
特征工程
存储空间利用率
移动设备
资源优化方法
移动边缘计算环境
解码函数
基站
抽油机故障诊断方法
服务端
随机梯度下降
抽油机故障诊断系统
梯度更新方法
大规模MIMO系统
多智能体深度强化学习
资源分配方法
上行链路功率分配
深度强化学习模型