车联网中基于自适应梯度层级量化的联邦学习方法

本发明公开了一种车联网中基于自适应梯度层级量化的联邦学习方法，车辆节点进行本地训练并计算梯度向量，自适应确定梯度量化层级并对梯度向量进行层级量化和修正，对量化梯度向量进行无效量化补偿后连同量化误差上传至对应路边单元，路边单元对其服务域内的量化梯度向量进行聚合并上传至中央云服务器，并对量化误差进行累积后反馈至各车辆节点用于指导梯度量化，中央云服务器根据各个路边单元上传的聚合梯度向量更新模型参数，然后下发至车辆节点进入下一轮迭代学习，直到达到联邦学习结束条件，则联邦学习结束。本发明在降低通信负载的情况下提高模型收敛速度和准确性，实现了车联网节点间交互时通信数据量和模型完整性的平衡。