基于自适应个性化联邦学习的车联网隐私保护轨迹预测方法

一种基于自适应个性化联邦学习的车联网隐私保护轨迹预测方法，将真实场景车辆轨迹数据集进行非独立同分布划分，模拟车联网中本地数据异构和不平衡现象，并将非独立同分布数据分配至各本地车辆；利用各本地车辆分配的轨迹数据对局部模型进行本地训练，得到各个局部模型的梯度数据并更新本地局部模型；各边缘车辆通过路边单元上传局部模型的梯度数据，并进行全局模型自适应优化聚合更新全局模型；通过路边单元进行广播以下发更新后的全局模型，本地车辆根据个性化规则更新个性化局部模型；重复步骤2至4设定次数，以得到最终的全局模型和个性化局部模型，利用验证集对局部模型进行验证。本发明预测精度高，通信成本低，联邦学习训练效率高。