CityLab 城市研究雷达城市研究雷达
登录专业版
智慧城市与数字城市
期刊论文开放获取

面向智慧城市感知与城市智能的能耗和通信感知联邦学习

Energy- and Communication-Aware Federated Learning for Smart City Sensing and Urban Intelligence

Manuel J. C. S. Reis · Urban Science (MDPI) · Urban Science

发表于 2026年6月24日 · 收录于雷达 2026年11月5日

中文摘要

研究提出面向智慧城市感知系统的能耗与通信感知联邦学习策略ECA-FL，根据设备剩余能量和通信状况动态调整客户端参与及本地训练。在100个联邦客户端、强非独立同分布的合成城市感知任务模拟中，与全参与FedAvg相比，该策略累计能耗降低82.9%、通信开销降低64.7%，最终准确率为0.8124；结果支持其在模拟条件下以可接受的学习表现降低运行成本。

结构化研究记录 PRO

研究问题 · 主要发现 · 方法 · 数据 · 空间尺度

专业版 · 每条研究的研究问题、主要发现、方法与数据
登录 了解专业版

阅读原文 ↗ DOI ↗