移动边缘计算辅助智能驾驶中基于高效联邦学习的碰撞预警算法

来源：电子与信息学报杂志2023年第7期北京时间：

作者：唐伦, 文明艳, 单贞贞, 陈前斌

单位：1.重庆邮电大学通信与信息工程学院 重庆 4000652.重庆邮电大学移动通信重点实验室 重庆 400065

摘要：智能驾驶中的碰撞避免任务存在对时延要求极高和隐私保护等挑战。首先，该文提出一种基于自适应调整参数的半异步联邦学习(SFLAAP)的门控循环单元联合支持向量机(GRU_SVM)碰撞多级预警算法，SFLAAP可根据训练和资源情况动态调整两个训练参数：本地训练次数和参与聚合的局部模型数量。然后，为解决资源受限的移动边缘计算(MEC)下碰撞预警模型协作训练的效率问题，根据上述参数与SFLAAP训练时延的关系，建立训练总时延最小化模型，并将其转化为马尔可夫决策过程(MDP)。最后，在所建立的MDP中采用异步优势演员-评论家(A3C)学习求解，自适应地确定最优训练参数，从而减少碰撞预警模型的训练完成时间。仿真结果表明，所提算法有效地降低训练总时延并保证预测精度。

关键词：碰撞预警, 联邦学习, 移动边缘计算, 异步优势演员-评论家算法

基金资助：国家自然科学基金(62071078)，四川省科技计划(2021YFQ0053) ，重庆市教委科学技术研究项目(KJZD-M201800601)