预测交通流量的联邦学习数据聚合方法、介质及设备

本发明公开了一种用于预测交通流量的联邦学习数据聚合方法、介质及设备，该方法通过对云服务器端合车辆端设置联系，并建立对应系统；通过系统收集车辆数据进行本地训练及数据预处理；车辆端通过同态加密技术对预处理后的数据进行加密，并上传至云服务器端；基于核岭回归技术对加密上传的数据进行权重分配；基于调整后的权重对加密后的更新量进行聚合使得对全局模型更新贡献更相似、更可靠的车辆更新量在预测过程中发挥更重要的作用；对聚合后的加密更新量进行解密，完成预训练模型更新，其中，最终训练轮中服务器对所有车辆的权重进行筛选，淘汰了一部分权重过低的车辆，保证了一定的剩余数据相似性，使得剩余数据更容易进行数据聚合。