买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州师范大学申请的专利一种基于无人机协作的联邦学习交通流预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118968760B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411201779.3，技术领域涉及：G08G1/01；该发明授权一种基于无人机协作的联邦学习交通流预测方法是由周漫设计研发完成，并于2024-08-29向国家知识产权局提交的专利申请。

本一种基于无人机协作的联邦学习交通流预测方法在说明书摘要公布了：本发明公开一种基于无人机协作的联邦学习交通流预测方法，联合地面车辆与无人机以促进信息共享和融合，首先地面车辆和无人机进行数据采集，地面车辆负责训练本地模型并更新模型参数，随后无人机群体采用基于共识确认的全局模型聚合方法，以确保模型的可靠性和全局适用性。在全局聚合过程中，采用模糊隶属度评价方法对无人机的可信度进行全面评估，以确保只有受信任的无人机参与模型聚合过程；运用基于信誉的多维契约理论方法来实现参与联邦学习过程的无人机之间的公平性、合理性和激励兼容性，从而优化无人机的资源配置。本发明提供了一种公平的激励和鲁棒的模型聚合策略，同时权衡能量消耗和训练延迟之间的关系，从而提高交通流量预测的性能。

本发明授权一种基于无人机协作的联邦学习交通流预测方法在权利要求书中公布了：1.一种基于无人机协作的联邦学习交通流预测方法，其特征在于，包括以下步骤： 步骤S1、数据收集： 将目标区域划分为K个子区域Ak，并确定子区域Ak的覆盖范围，然后选择适合的无人机，利用无人机搭载的传感器收集覆盖范围内的交通数据；所述交通数据包括地面车辆v的位置、速度、时间戳；同时，地面车辆v采集本地数据构建本地数据集Dv；所述本地数据集Dv＝{xv,1,yv,1,xv,2,yv,2,…,xv,j,yv,j}，其中表示地面车辆v采集的具有m1个特征的第j个数据样本，是指对应于xv,j的维数为m2的标签，j＝1,2,...,|Dv|； 步骤S2、局部模型训练： 地面车辆v利用本地数据集Dv进行局部模型训练，获得本地训练结果并更新局部模型参数；其中，步骤S2中更新局部模型参数的过程运用梯度方法来迭代求解局部优化问题，建立的局部模型优化问题如下： 其中Fv·表示训练Dv的损失函数，F·表示加权平均损失，是梯度运算符，fv·表示地面车辆的局部损失函数，表示训练步骤n中v的局部模型参数，λ表示用于训练局部模型的超参数，dv是局部模型与全局模型之间的差异，lv表示局部模型的更新，φn表示全局模型参数，T表示转置矩阵，|Dj|表示Dj的大小，s.t.的含义为满足，lvφn,dv是局部优化目标函数，表示最小化目标是通过调整dv来改进局部模型的性能，Fφn表示第n次迭代后的加权平均损失函数值，:＝表示赋值操作； 局部优化问题以最小化lvφn,dv为目标，不断更新dv直到找到最优值dv的更新过程如下： 其中，表示步骤n中第i次局部迭代时局部模型与全局模型之间的差异，η表示步长大小； 找到最优值时lvφn,dv达到κ级局部精度级别，即满足下面条件： 其中是步骤n中的初始差异值； 步骤S3、信任度评估： 在地面车辆v上传局部模型参数至无人机进行模型聚合之前，采用模糊隶属度评估方法，根据数据传输速率、模型聚合时延和飞行能耗对无人机的信任度进行综合评估，选择值得信任的无人机进行全局模型聚合； 步骤S4、全局模型聚合： 无人机通过联邦学习与值得信任的无人机进行全局模型聚合，根据本地训练结果生成全局模型参数，并将全局模型参数广播至地面车辆，当全局模型达到所需的精度时，停止模型训练，得到预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州师范大学，其通讯地址为：311121 浙江省杭州市余杭区余杭塘路2318号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。