CN119417001A 一种基于联邦学习和边缘计算的个性化路径规划方法及系统 （烟台大学）

一种基于联邦学习和边缘计算的个性化路一种基于联邦学习和边缘计算的个性化路径规户社交网络中的路径选择频率优化路径信任度评分，将已知区域路径的信任度分数存储在本公开了一种基于联邦学习和边缘计算的个性化2在模型训练阶段，客户端将用户在访问地区的出行经验量化为之后中央服务器将聚合的信任度分数下发给在路径规划阶段，客户端利用用户群体的全局路径信任2.根据权利要求1所述的一种基于联邦学习和边缘计算的个性化路径规划方法，其特3.根据权利要求2所述的一种基于联邦学习和边缘计算的个性化路径规划方法，其特4.根据权利要求3所述的一种基于联邦学习和边缘计算的个性化路径规划方法，其特5.根据权利要求4所述的一种基于联邦学习和边缘计算的个性化路径规划方法，其特6.根据权利要求5所述的一种基于联邦学习和边缘计算的个性化路径规划方法，其特7.根据权利要求6所述的一种基于联邦学习和边缘计算的个性化路径规划方法，其特8.一种基于联邦学习和边缘计算的个性化路径规划系统，执行如权利要求1_7任意一3模型训练模块，被配置为，客户端将用户在访问地区的出行经验量化为径的信任度分数存储在本地客户端上；所有客户端将其路径信任度分数上传至中央服务路径规划模块，被配置为，客户端利用用户群体的全局路径信任度分数以4在用户给定的出行条件下找到最符合其个性化偏好的路线，在保护用户隐私信息的同时，为用户提供个性化的路径规划。通过加入边缘计算技术来提高系统传输和处理数据的效[0005]第一方面，本发明提供的一种基于联邦学习和边缘计算在模型训练阶段，客户端将用户在访问地区的出行经验量化为路径的信任度评[0006]进一步地，所述客户端将用户在访问地区的出行经验量5适于由终端设备的处理器加载并执行所述的一种基于联邦学习和边缘计算的个性化路径执行所述的一种基于联邦学习和边缘计算的个6用户社交网络中路径的选择频率进行优化，中央服务器会聚合所有用户的路径信任度评客户端利用全局路径信任度评分以及目标用户社交网络的路径选择频率筛选出所有符合径：客户端利用用户群体的全局路径信任度分数以及目标用户社交网络的路径选择频率，7步骤4，客户端利用用户群体的全局路径信任度分数及目标用户社交网络的路径[0027]步骤1中，客户端将用户在访问地区的出行经验量化为路径的信任度评分的具体为了满足每个用户的个性化需求，基于用户历史出行数据中表现出的敏感度分配指标8为用户u的平均评分。根据相似度s(u,v)来计算目标用户的社交网络中路径的选择频率分R(P)：Rf(P)=RR(P)+N(0,O2)(其中N(0,o2)是高斯噪声。的路径信任度评分整合为全局路径信任度评分Rgiobar(p)。这一过程采用联邦平均法9个客户端的路径信任度评分。[0034]步骤4中，客户端需要根据用户的出行条件、全局路径信任度评分Rgiobar(p)以网络路径频率的阈值β,对路径集合进行过滤和约束，筛选出评分较高且满足用户需求的sa(P)>t且peD且⃞>B}(10)其中，D是用户指定的出行条件集合，PED表示路径P满足用户指定的出行条于重新计算每条路径的信任度评分Ruser(p)，我们使用步骤1中用户的个性化路径信任度[0036]在完成路径信任度的个性化计算后，系统会对目标路径集合中的路径按照户快速找到最适合的出行方案。er(p))(12)其中是更新后的特征权重，weLd是更新前的特征权重，f为用户反馈评[0041]综上所述，本发明提供了一种基于联邦学习和边缘计算理器加载