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！

龙图腾网获悉湖南工业职业技术学院申请的专利基于机会联邦学习的车辆动态协同控制方法及系统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：CN120935231B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511467852.6，技术领域涉及：H04L67/12；该发明授权基于机会联邦学习的车辆动态协同控制方法及系统是由李琼设计研发完成，并于2025-10-15向国家知识产权局提交的专利申请。

本基于机会联邦学习的车辆动态协同控制方法及系统在说明书摘要公布了：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。

本发明授权基于机会联邦学习的车辆动态协同控制方法及系统在权利要求书中公布了：1.一种基于机会联邦学习的车辆动态协同控制方法，其特征在于，通过机会联邦学习架构实现，所述机会联邦学习架构包括云端、多个雾节点以及各个车辆节点，一个所述雾节点与至少一个所述车辆节点连接，各个所述雾节点分别与所述云端连接，所述雾节点用于接收各个车辆节点采集的数据信息，并进行中间模型的训练，以得到训练梯度，并将所述训练梯度上传至所述云端，所述云端基于各个雾节点上传的训练梯度训练全局模型，并将全局模型发送给各个所述车辆节点，所述方法包括： 实时获取各个所述雾节点的可用资源信息、处理密度和各个所述雾节点的第一位置信息，以及各个所述车辆节点采集的数据信息以及各个所述车辆节点的第二位置信息； 根据所述可用资源信息确定对应所述雾节点的处理分值； 根据所述第一位置信息和所述第二位置信息，计算各个所述车辆节点至每个所述雾节点的距离分值，以及根据所述数据信息计算数据量； 基于所述处理分值、所述距离分值、所述处理密度以及所述数据量，为每个雾节点分配至少一个车辆节点，以接收分配车辆节点的数据信息； 各个所述雾节点根据接收的数据信息进行中间模型的训练，以得到对应的训练梯度，并将所述训练梯度上传给云端； 所述云端基于各个所述雾节点训练全局模型，并将全局模型发送给各个所述车辆节点； 各个所述车辆节点获取实时数据，并将所述实时数据输入至全局模型中，以得到目标决策； 所述基于所述处理分值、所述距离分值、所述处理密度以及所述数据量，为每个雾节点分配至少一个车辆节点，以接收分配车辆节点的数据信息的步骤，包括： 根据所述距离分值计算最大端到端延迟； 将各个所述车辆节点按照预设方案，分别预分配给各个所述雾节点； 根据公式计算各个车辆节点的资源需求；其中，，，表示第i个车辆节点的资源需求，表示第i个车辆节点的数据量，表示第j个雾节点的处理密度，表示预设的最大允许延迟，表示第i个车辆节点传输值第j个雾节点的最大端到端延迟，表示预设的误差参数，表示第j个雾节点的处理分值，表示车辆节点的总数量； 根据公式对所述预设方案进行优化，得到优化后的分配方案；其中，，表示第i个车辆节点的收益，表示最大化总收益，表示雾节点的数量； 基于所述优化后的分配方案为每个雾节点分配车辆节点，以使所述雾节点接收分配车辆节点的数据信息。

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湖南工业职业技术学院，其通讯地址为：410021 湖南省长沙市雨花区韶山中路376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。