一种基于联邦学习与深度强化学习的车联网协作缓存方法

本发明涉及车辆通信技术领域，具体涉及到一种基于联邦学习与深度强化学习的车联网协作缓存方法,包括：RSU采用自动编码器作为异步联邦学习的模型框架，构建流行度预测模型；车辆从当前RSU中下载流行度预测模型用于捕捉车辆用户数据的高阶特征；筛选车辆用户中活跃度排名靠前的用户作为该车辆的活跃用户；基于车辆用户数据的高阶特征，结合局部敏感哈希算法寻找活跃用户的相似用户；基于活跃用户及其相似用户的非0分评分内容对车辆进行本地内容流行度预测并制定车辆的缓存策略；基于车辆的本地内容流行度预测结果对当前RSU进行RSU内容流行度预测，利用深度强化学习中的DDQN算法制定RSU协作缓存策略；本发明提高了缓存命中率和降低了内容传输时延。