基于车辆移动性的资源分配方法

本发明涉及车联网通信技术领域，具体涉及一种基于车辆移动性的资源分配方法。本发明在传统的联邦监督学习的基础上提出新的联邦自监督学习的概念，在保护用户隐私的基础上，不再利用标签数据训练模型；在联邦自监督学习的过程中，本发明在联邦的每一个轮次中考虑能量消耗和时延的问题，建立优化目标，利用深度强化学习找出每辆车最优的传输功率和自身CPU频率；本发明在车辆上传数据时考虑到上传失败的情况，并且通过限制最低的传输功率将上传失败的概率控制在一定范围；本发明最终在提升模型分类准确率的基础上，找到本地迭代次数和能量消耗之间的折中。