基于联邦学习的车辆任务卸载系统与方法

本发明公开了基于联邦学习的车辆任务卸载系统与方法，涉及车联网移动边缘计算技术领域，包括将城市划分为不同的服务区，且每个服务区均包含固定的雾节点；服务区内的区域头通过现有的蜂窝网络注册机制，实时检测进入或离开该服务区的车辆，获取其位置和可用计算资源信息；区域头负责向服务区内的雾节点分发初始模型，维护区块链分类账；客户端车辆根据硬件配置和计算任务在本地进行模型训练，并通过联邦学习将其聚合为全局模型，记录在区块链账本中。因此，采用基于联邦学习的车辆任务卸载系统与方法，能够克服现有车辆物联网环境中任务卸载过程中的计算资源分配不均、资源竞争及任务处理延迟等问题，实现提高模型训练的效果和提升系统的性能。