一种面向跨区域车辆轨迹异常检测的个性化联邦学习方法

本发明涉及一种面向跨区域车辆轨迹异常检测的个性化联邦学习方法，属于智能交通系统技术领域，包括以下步骤：构建由云服务器与多个地理分布式客户端组成的联邦系统架构，每个客户端持有本地轨迹数据；下发全局模型并构建包含信使模型与个性化模型的双模型结构；客户端基于本地数据同时训练双模型，并通过互蒸馏实现知识迁移；采用差分隐私机制保护信使模型的梯度信息；将保护后的模型上传至服务器，执行按样本数加权的异步聚合；重复模型下发与本地训练过程，直至满足终止条件。本发明兼顾全局泛化与本地适应，具备异步通信、差分隐私保护等特点，能有效提升在数据异构与通信受限环境下的轨迹异常检测性能。