1.基于联邦边缘平台的车辆用户选择方法，其特征在于，包括如下步骤：步骤S1：建立车辆网络的联邦边缘学习训练全局模型，所述全局模型包括客户车辆、联邦边缘平台和中央云服务器，所述客户车辆收集数据并上传联邦边缘平台，所述联邦边缘平台对数据做本地更新，中央云服务器利用本地更新来更新全局模型；

步骤S2：根据全局模型控制每个单位时间收集数据的客户车辆数量，联邦边缘平台以平均时间精度最大化来选择最优客户车辆数量；

步骤S3：根据最优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，计算最优客户车辆数量中每一个客户车辆权重，按照权重的大小进一步选择客户车辆。

2.根据权利要求1所述的基于联邦边缘平台的车辆用户选择方法，其特征在于，步骤S2中，控制每个单位时间收集数据的客户车辆数量，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的方法为：步骤S21：基于李雅普诺夫方程定义数据队列积压的增长量；步骤S22：根据数据队列的离开率大于数据队列的到达率，在每个单位时间内求解数据队列积压的增长量与选定客户车辆时客户车辆的效用函数之和的最大值，其中数据队列的离开表示中央云服务器接收本地更新，数据队列的到达表示客户车辆收集数据并进行上传联邦边缘平台。

3.根据权利要求1所述的基于联邦边缘平台的车辆用户选择方法，其特征在于，步骤S2中，所述平均时间精度最大化的数学方程可以表述为：其中，T为总队列循环周期，t为当前时刻，选定客户车辆数s(t)时客户车辆的效用函数记为U(s(t))，表示为： A(s(t))表示选定客户车辆数s(t)时，学习模型的期望精度；公式(2)表示队列稳定性约束，k为当前客户车辆，K为客户车辆总数，Qk为当前队列积压情况。

4.根据权利要求3所述的基于联邦边缘平台的车辆用户选择方法，其特征在于，所述当前队列积压情况用公式表示为：

Qk(t+1)＝max{Qk(t)+λk(t)‑μk(t),0},k∈{1,...,K}.       (3)其中Qk(t)、λk(t)和μk(t)分别指联邦边缘平台的队列积压大小、t时刻到达联邦边缘平台的数据量和t时刻离开联邦边缘平台的数据量。

5.根据权利要求2所述的基于联邦边缘平台的车辆用户选择方法，其特征在于，步骤S21中，所述基于李雅普诺夫方程定义数据队列积压的增长量的方法为：将数据队列全体用一个矢量来描述： 则李雅普诺夫方程定义为：用 表示t时刻到t+1时刻全体队列积压的增长量。

6.根据权利要求2所述的基于联邦边缘平台的车辆用户选择方法，其特征在于，步骤S22中，根据数据队列的离开率大于数据队列的到达率，所述在每个单位时间内求解数据队列积压的增长量与选定客户车辆时客户车辆的效用函数之和的最大值的方法为：借助权重V来调节数据队列积压的增长量与效用函数二者的重视程度：max:△(Θ(t))+V·U(s(t))     (11)s.t.Q(t)＜∞       (12)根据数据队列的离开率大于数据队列的到达率得：常数不被考虑，变为：

s.t.Q(t)＜∞

根据李雅普诺夫优化框架，平均时间精度在等间隙近似下进行修正：其中s*(t)，s(t)，X，V，U(s(t))，Q(t)，λ(s(t))和μ(t)分别表示时间平均的最优车辆用户数、可能的车辆用户数、车辆用户数集合、准确性与数据队列积压的权衡因子、效用函数、数据队列积压、数据队列的到达过程、数据队列的离开过程。

7.根据权利要求1所述的基于联邦边缘平台的车辆用户选择方法，其特征在于，所述权重的表达式为：

其中：Cd为客户车辆的数据量；CT为客户车辆的预期时间消耗；客户车辆的预期能量消k

耗：CE＝c×δ，c表示客户车辆所需的计算能力，δ表示一个CPU周期的能耗；客户车辆的生存k k

能力：CS＝(D‑d)/U，D表示联邦边缘平台覆盖范围，d表示客户车辆在联邦边缘平台内的初始位置，U表示客户车辆的车速。

8.根据权利要求7所述的基于联邦边缘平台的车辆用户选择方法，其特征在于，步骤S3中，根据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，计算最优客户车辆数量中每一个客户车辆权重，按照权重的大小进一步选择客户车辆的方法为：步骤S31：联邦边缘平台遍历每一个客户车辆k＝1，2，...，K；

k

步骤S32：当联邦边缘平台收到客户车辆k的回复，客户车辆将自身所携带的数据量Cd 、k k k

预期时间消耗CT、预期能量消耗CE以及生存能力CS上传至联邦边缘平台；

k

步骤S33：计算每一个客户车辆权重P(t)；

1 2 3

步骤S33：对每一个客户车辆权重记录于权重队列Pt中，Pt＝[p (t)，p (t)，p (t)，...，K

p(t)]，然后按降序重新排列权重队列Pt；

*

步骤S34：根据当前时刻最优车辆用户数s (t)和重新排列后的权重队列Pt选择客户车辆。

9.根据权利要求8所述的基于联邦边缘平台的车辆用户选择方法，其特征在于，步骤k

S34中，计算每一个客户车辆权重P的方法包括：k k k k

当客户车辆的数据量Cd 、预期时间消耗CT、预期能量消耗CE以及生存能力CS其中一个k

或多个为0时，则权重p(t)为0；

否则，则计算权重：

10.一种基于联邦边缘平台的车辆用户选择系统，其特征在于，包括：模型建立模块，用于建立车辆网络的联邦边缘学习训练全局模型；

最优客户车辆数量选择模块，用于根据全局模型控制每个单位时间收集数据的客户车辆数量，联邦边缘平台以平均时间精度最大化来选择最优客户车辆数量；

客户车辆选择模块，用于根据最优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，计算最优客户车辆数量中每一个客户车辆权重，按照权重的大小进一步选择客户车辆。