一种面向智能网联汽车场景的联邦学习优化系统及方法

本发明属于车联网技术领域，具体提出一种面向智能网联汽车场景的联邦学习优化系统及方法，改进了异步联邦学习框架，将多个车辆因计算力的异构性分成不同的簇类，采用云‑边‑端的三层联邦学习架构，将边缘服务器部署在路边单元RSU，并在自适应动态时间窗口中伪异步聚合收到的模型参数，云端实时聚合收到的模型参数，提升系统模型训练效率和质量，同时确保数据的安全性，保护用户隐私，保证了该智能网联汽车场景下联邦学习优化系统的效率以及全局模型的质量。