一种联邦时空注意力自适应图学习方法及系统

本发明公开了一种联邦时空注意力自适应图学习方法及系统，其中方法包括：构建交通预测问题，根据所述交通预测问题构建由特征增强层、动态图卷积递归网络、多头时间注意力模块、图注意力模块以及时空注意力融合模块组成的时空注意力增强动态图卷积网络模型；将交通预测问题置于联邦学习场景，设置所述模型的隐私约束；基于隐私约束，对所述模型实施激活分解策略，所述激活分解策略为对所述模型中的动态图卷积递归网络应用转换函数；使用联邦学习场景下并实施激活分解策略的所述模型对传感器采集的交通数据进行交通预测。本发明解决了传统联邦时空注意力自适应图学习框架中的隐私泄露风险、通信成本高和模型灵活性有限等问题。