本發(fā)明提供一種用于交通狀態(tài)估計的聯(lián)邦學習算法,涉及交通狀態(tài)監(jiān)管領域。該用于交通狀態(tài)估計的聯(lián)邦學習算法,包括以下步驟:S1、構建LSTM;S2、發(fā)送給各個RSU;S3、模型訓練;S4、利用A3C算法強化學習算法進行參數(shù)上傳以及下載策略的分配;S5、各個RSU模型根據(jù)參數(shù)上傳以及下載策略,選擇是否將模型參數(shù)發(fā)送給服務器或者從服務器下載最新的模型參數(shù)以繼續(xù)訓練;S6、參數(shù)聚合并計算成本;S7、重復步驟S2?S6;S8、得到預測結果以及成本。通過長短時記憶(LSTM)模型提取交通狀態(tài)的時間相關性,并估計交通流量及道路車速兩種交通狀態(tài)指標,解決了基于聯(lián)邦學習的交通狀態(tài)估計研究網絡資源分配不合理、客戶端參與聯(lián)邦學習不均衡的問題。
聲明:
“用于交通狀態(tài)估計的聯(lián)邦學習算法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)