一种基于联邦K均值聚类的驾驶行为分析方法

本发明涉及一种基于联邦K均值聚类的驾驶行为分析方法，属于机器学习与交通安全领域。针对传统方法存在的隐私泄露风险、高维数据处理效率低及驾驶行为分类精度不足问题，技术方案包括：选取联网车辆/RSU作为客户端，融合高精度地图提取时空特征，经自动编码器降维后，通过联邦K均值聚类(概率加权更新本地聚类中心、服务器聚合生成全局中心)实现分布式迭代优化，最终根据速度变化、转向率等动态阈值分类驾驶行为。本发明在保护数据隐私前提下，分类准确率达92.7％，计算效率提升3.2倍，通信成本降低82％，有效提升交通安全管理水平。