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！

龙图腾网获悉西安电子科技大学申请的专利一种应用选择性联邦学习的CAV决策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：CN115660113B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202211310743.X，技术领域涉及：G06N20/20；该发明授权一种应用选择性联邦学习的CAV决策方法是由付宇钏;唐鑫龙;李长乐设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本一种应用选择性联邦学习的CAV决策方法在说明书摘要公布了：本发明公开了一种应用选择性联邦学习的CAV决策方法，包括：所有自动驾驶汽车从FL服务器下载上一轮迭代更新的全局模型；所有自动驾驶汽车使用自身的行驶数据训练本地模型，更新模型参数；获取所有自动驾驶汽车在联邦学习过程中的通信开销和计算开销；进行多因素驱动的本地模型筛选，选中的自动驾驶汽车将更新后的本地模型上传至FL服务器，其中，本地模型筛选包括基于信誉的筛选、基于模型收敛性的筛选和基于最大化效用的筛选；所述FL服务器对接收到的本地模型进行聚合以获得改进的全局模型。本发明在上传本地模型之前提出了一种多因素驱动的模型筛选策略，克服传统方法不对参与者加以区分的缺陷，能够选择尽可能多的高质量用户。

本发明授权一种应用选择性联邦学习的CAV决策方法在权利要求书中公布了：1.一种应用选择性联邦学习的CAV决策方法，其特征在于，包括： S1：模型下载：所有自动驾驶汽车从FL服务器下载上一轮迭代更新的全局模型； S2：本地训练：所有自动驾驶汽车使用自身的行驶数据训练本地模型，更新模型参数，所述本地模型以相对位置和相对速度为状态空间，以加速度为动作空间，以安全舒适性为奖励函数； S3：开销计算：获取所有自动驾驶汽车在联邦学习过程中的通信开销和计算开销； S4：模型筛选和上传：进行多因素驱动的本地模型筛选，选中的自动驾驶汽车将更新后的本地模型上传至FL服务器，其中，本地模型筛选包括基于信誉的筛选、基于模型收敛性的筛选和基于最大化效用的筛选； S5：模型聚合：所述FL服务器对接收到的本地模型进行聚合以获得改进的全局模型， 所述状态空间表示为： 其中，表示目标车辆的速度、位置和加速度；表示其他交通参与者的速度、位置和加速度； 所述动作空间表示为： ； 所述奖励函数包括关于安全的奖励函数、关于舒适性的奖励函数以及关于效率的奖励函数，其中， 所述关于安全的奖励函数表示为： 其中，表示目标车辆的速度，m和α为权重参数，{Collsion}表示若发生碰撞，则值为1，否则为0； 所述关于舒适性的奖励函数表示为： 其中，k和β为权重参数，表示目标车辆的急动度，表示加速度的阈值，表示急动度的阈值，表示目标车辆的加速度； 所述关于效率的奖励函数表示为： 其中，表示目标车辆与其他交通参与者的车间距，表示用于指示制动距离是否合适的阈值，δ和l为权重参数。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。