面向联邦学习的油电混合电动汽车站点推荐算法研究

摘要

作为一种低碳、环保的交通工具，油电混合电动汽车(hybrid electric vehicle, HEV)发展迅速。为保障推荐过程中用户的隐私安全，提出了一种面向纵向联邦学习算法的HEV站点推荐算法。通过本地训练、中央聚合的模型训练机制，在保证用户隐私数据安全的前提下，更新局部训练模型。将区块链技术与云计算相结合，通过使用加密算法和分布式存储，提供一个安全可信的云服务网络，负责传输本地计算的训练参数。利用去中心化的数据聚合器取代易出现单点故障的集中式架构，创建了一个灵活且可扩展的云网络。实验结果表明，具有10个云节点的分散式算法比传统的集中式算法快5.2 s。可见，基于纵向联邦学习的推荐算法既能保证推荐的精准性，也能充分调动闲置站点，有效提高推荐效率。

关键词

油电混合电动汽车 / 推荐算法 / 纵向联邦学习 / 充电站推荐 / 云计算 / 区块链