基于联邦学习的道路预警方法及其相关设备

摘要

本申请实施例属于人工智能技术领域，应用于智慧城管领域中，涉及一种基于联邦学习的道路预警方法及其相关设备，第一本地服务器和第二本地服务器分别根据本地数据对接收到的目标反向神经网络模型和目标递归神经网络模型进行训练，将训练的模型参数传输给中央服务器，实现数据不离开本地，就能够与其他服务器的数据进行综合训练。调度客户端判断车辆预警信号和第一道路风险预警信号之间地理位置距离，在距离小于范围阈值时，向指定人员发送道路调控通知，帮助交通部门合理分配交通资源，减少道路事故的发生，提高交通运输力。目标反向神经网络模型和目标递归神经网络模型可存储于区块链中。本申请打破数据壁垒，减少道路事故的发生。