一种基于联邦学习和边缘计算的个性化路径规划方法及系统

本发明涉及路径规划技术领域，尤其是涉及一种基于联邦学习和边缘计算的个性化路径规划方法及系统。包括模型训练阶段和路径规划阶段；在模型训练阶段，客户端将用户在访问地区的出行经验量化为路径的信任度评分，并根据用户社交网络中的路径选择频率优化路径信任度评分，将已知区域路径的信任度分数存储在本地；客户端将其路径信任度分数上传至中央服务器，进行信任度分数的全局聚合，之后中央服务器将聚合的信任度分数下发给各客户端；本发明公开了一种基于联邦学习和边缘计算的个性化路径规划方法及系统，针对用户的个性化出行问题，提出了路径信任度的评价维度，可以根据用户的个人偏好，提供个性化的路径规划。