本发明公开了基于联邦边缘平台的车辆用户选择方法及系统。本发明包括：建立车辆网络的联邦边缘学习训练全局模型；控制每个单位时间收集数据的客户车辆数量，根据数据队列的离开率大于数据队列的到达率，联邦边缘平台以平均时间精度最大化来选择收集数据的客户车辆数量；根据收集数据的客户车辆数量，以其中每个客户车辆的数据量大小、预期时间消耗、预期能量消耗以及生存能力来计算权重，根据权重确定优先级并选择客户车辆。本发明解决了同方向不同速度的车辆网络如果采取车辆本地训练的方式可能会导致高延迟、网络拥塞、计算资源缺乏以及本地训练所需的时间可能影响到行驶中的客户车辆等问题。

本发明公开了基于联邦边缘平台的车辆用户选择方法及系统。本发明包括：建立车辆网络的联邦边缘学习训练全局模型；控制每个单位时间收集数据的客户车辆数量，根据数据队列的离开率大于数据队列的到达率，联邦边缘平台以平均时间精度最大化来选择收集数据的客户车辆数量；根据收集数据的客户车辆数量，以其中每个客户车辆的数据量大小、预期时间消耗、预期能量消耗以及生存能力来计算权重，根据权重确定优先级并选择客户车辆。本发明解决了同方向不同速度的车辆网络如果采取车辆本地训练的方式可能会导致高延迟、网络拥塞、计算资源缺乏以及本地训练所需的时间可能影响到行驶中的客户车辆等问题。