Key points are not available for this paper at this time.
지능형 교통 시스템(ITSs)은 통신 기술, 센서 기술 및 사물인터넷(IoT)의 급속한 발전에 힘입어 발전해왔습니다. 그럼에도 불구하고 차량 네트워크의 동적 특성으로 인해 차량 행동에 대한 시기적절하고 정확한 결정을 내리기 매우 어렵습니다. 또한, 모바일 무선 통신 환경에서는 차량 정보의 프라이버시와 보안이 지속적으로 위험에 처해 있습니다. 이러한 맥락에서 동적 차량 환경에 다양한 응용을 위한 새로운 패러다임이 시급히 필요합니다. 분산 기계 학습 기술로서, 연합 학습(FL)은 우수한 프라이버시 보호 특성과 쉬운 확장성 덕분에 많은 주목을 받고 있습니다. 우리는 ITS를 위한 FL의 최신 발전에 대한 종합적인 조사를 수행합니다. 구체적으로, 우리는 먼저 ITS에서의 일반적인 문제를 연구하고, 다양한 관점에서 FL을 적용하려는 동기를 설명합니다. 이후, 우리는 다양한 시나리오에서 ITS에 적용된 FL의 기존 배치를 검토하고, 물체 인식, 교통 관리, 서비스 제공 시나리오에서의 구체적인 잠재적 문제에 대해 논의합니다. 또한, 우리는 FL 배치로 인해 새롭게 도입된 문제와 FL 단독으로는 완전히 해결할 수 없는 고유한 한계에 대한 추가 분석을 수행하며, 여기에는 불균형한 데이터 분포, 제한된 저장 및 처리 능력, 잠재적인 프라이버시 및 보안 우려가 포함됩니다. 그런 다음, 이러한 문제를 완화하는 데 도움을 줄 수 있는 기존 협업 기술을 검토합니다. 마지막으로, ITS에서 FL 적용시 여전히 해결해야 할 열린 문제들에 대해 논의하고, 여러 미래 연구 방향을 제안합니다.
Zhang et al. (Tue,)는 이 질문을 연구했습니다.