一种联邦辅助大模型的城市交通泛在感知方法

本申请中提供了一种联邦辅助大模型的城市交通泛在感知方法，属于数据处理技术领域，具体包括：步骤1，基于目标城市的多源异构交通数据构建时空扩散场，据此动态划分交通感知子任务，得到子任务集合；步骤2，基于联邦学习分别根据子任务集合中的每个交通感知子任务进行情景化训练，得到每个交通感知子任务对应的交通感知子模型；步骤3，将全部交通感知子模型进行分层聚合拼接，得到分层式感知大模型，实现对目标城市交通的多任务并行感知和动态管理。通过本公开的方案，提高了泛化能力和准确度。