【技术实现步骤摘要】
本专利技术涉及车联网、分层联邦学习、深度学习，具体涉及车联网场景下分层联邦学习rsu调度的公平性增强方法。
技术介绍
1、在智能交通系统中，联邦学习不仅可以提高各种智能识别任务的训练效率，降低训练延迟，还能在神经网络训练过程中增强客户的数据隐私。车辆用户通过车联网与中心服务器进行交互，但是随着车联网规模的不断扩大，这种通信的效率低下且不可预测，同时由于车辆的高速移动性，位置固定的中心服务器对其进行调度是不太现实的。所以采用分层联邦学习的架构，可以将rsu作为参数服务器与车辆用户通信，云端再对rsu进行调度，这样可以既有效缓解频谱资源稀缺导致的网络不可靠性，也可以使车辆用户参与到协作训练。目前的调度方法主要旨在最小化训练总时延，忽略了对参与客户的调度公平性的考虑。然而在智能交通系统中，如果不考虑公平性，训练得到的全局模型将不平衡，导致不准确的识别结果，影响服务质量，甚至可能导致危险事故。
2、为了解决这一问题，本专利技术设计了一种具体公平性增强方法，具体的来说，基于多臂老虎机(multi-armed-bandit，mab)的rsu选择方案，提出了一种新颖的本地数据新鲜度的测量指标，将其引入mab方案的奖励函数中，以增强rsu调度的公平性，同时定义一个指标进行综合评价。这对评估车联网场景下分层联邦学习的系统性能有一定的参考意义。
技术实现思路
1、本专利技术目的：在于提供车联网场景下分层联邦学习rsu调度的公平性增强方法，该方法克服现有技术不足，构建车联网场景下分层联邦学习
2、为实现以上功能，本专利技术设计车联网场景下分层联邦学习rsu调度的公平性增强方法，针对目标车联网场景，执行如下步骤s1-步骤s4，完成目标车联网场景中的路侧单元调度优化：
3、步骤s1：明确目标车联网场景和智能识别任务，所述的目标车联网场景包括目标区域中多个连续部署的路侧单元，及其覆盖范围内的车辆和一个中心基站；所述的智能识别任务表示车辆基于路侧单元的交互，完成其周围目标识别的过程；
4、步骤s2：建立分层联邦学习架构，构建路侧单元调度模型并进行联邦学习，联邦学习的过程包括路侧单元根据目标车联网场景，收集其覆盖区域内各车辆的数据，对路侧单元调度模型进行本地训练，中心基站与路侧单元进行交互，并选择路侧单元，更新路侧单元调度模型，并将更新好的路侧单元调度模型下发给各车辆，使其完成智能识别任务；
5、步骤s3：将路侧单元调度问题转换为多臂老虎机问题，中心基站使用置信上界算法进行路侧单元选择，过程中引入本地数据新鲜度，以增强路侧单元调度的公平性；
6、步骤s4：引入jain公平性指标，结合分类准确度、系统整体时延，提出综合性指标，对路侧单元调度模型进行评测，完成目标车联网场景中的路侧单元调度优化。
7、本专利技术还设计一种电子设备，包括存储装置、一个或多个处理器、存储装置用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的车联网场景下分层联邦学习rsu调度的公平性增强方法。
8、本专利技术还设计一种计算机可读存储介质，其内部存储计算机程序，计算机程序被处理器执行时实现所述的车联网场景下分层联邦学习rsu调度的公平性增强方法。
9、有益效果：相对于现有技术，本专利技术的优点包括：
10、采用分层联邦学习的架构，可以将rsu作为参数服务器与车辆用户通信，云端再对rsu进行调度，这样可以既有效缓解频谱资源稀缺导致的网络不可靠性，也可以使车辆用户参与到协作训练。在rsu调度时将公平性考虑进去，提出了一种新颖的本地数据新鲜度的测量指标，将其引入mab方案的奖励函数中，以增强rsu调度的公平性，同时定义一个指标进行综合评价，解决了对车联网场景下分层联邦学习的系统性能评估问题。
本文档来自技高网...【技术保护点】
1.车联网场景下分层联邦学习RSU调度的公平性增强方法，其特征在于，针对目标车联网场景，执行如下步骤S1-步骤S4，完成目标车联网场景中的路侧单元调度优化：
2.根据权利要求1所述的车联网场景下分层联邦学习RSU调度的公平性增强方法，其特征在于，目标车联网场景具有K辆车、U个路侧单元和一个中心基站，路侧单元和中心基站间的通信采用采用正交频分多址，共N个子信道；步骤S2中在第t∈{1,2,…,T}轮的联邦学习过程包括以下步骤：
3.根据权利要求1所述的车联网场景下分层联邦学习RSU调度的公平性增强方法，其特征在于，步骤S3的具体步骤如下：
4.根据权利要求1所述的车联网场景下分层联邦学习RSU调度的公平性增强方法，其特征在于，步骤S4的具体步骤如下：
5.一种电子设备，其特征在于，包括存储装置、一个或多个处理器、存储装置用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一项所述的车联网场景下分层联邦学习RSU调度的公平性增强方法。
6.一种计算机可读存储
...【技术特征摘要】
1.车联网场景下分层联邦学习rsu调度的公平性增强方法，其特征在于，针对目标车联网场景，执行如下步骤s1-步骤s4，完成目标车联网场景中的路侧单元调度优化：
2.根据权利要求1所述的车联网场景下分层联邦学习rsu调度的公平性增强方法，其特征在于，目标车联网场景具有k辆车、u个路侧单元和一个中心基站，路侧单元和中心基站间的通信采用采用正交频分多址，共n个子信道；步骤s2中在第t∈{1,2,…,t}轮的联邦学习过程包括以下步骤：
3.根据权利要求1所述的车联网场景下分层联邦学习rsu调度的公平性增强方法，其特征在于，步骤s3的具体步骤如下：
【专利技术属性】
技术研发人员：赵海涛，刘淼，施颖，朱春，杨洁，洪飞龙，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。