基于机会联邦学习的车辆动态协同控制方法及系统

本发明提供了一种基于机会联邦学习的车辆动态协同控制方法及系统，其中，方法包括：实时获取雾节点的资源信息、处理密度和位置信息，以及车辆节点的数据；根据资源信息确定处理分值；计算车辆节点至雾节点的距离分值及数据量；基于这些因素，为每个雾节点分配车辆节点；雾节点利用接收的数据进行模型训练并上传梯度；最终，车辆节点将实时数据输入全局模型，获取目标决策。本发明的有益效果：提高了模型的训练速度，增强了模型对多样化行驶环境的适应能力，克服了传统训练方式泛化能力不足和训练效果不佳的局限，使车辆可以根据当前的交通状况快速调整策略，从而优化智能交通系统的整体流量和安全性。