2026年3月27日上午，信息与智能工程学院罗阳老师于书新4号楼4B204 室，面向全校师生作题为《车路云一体化环境下半异步联邦学习机理研究》的学术报告。学院相关专业教师、研究生及高年级本科生到场聆听参会。
本次报告立足2026年海南全岛封关运作与智慧交通先导区建设的关键节点展开。罗阳老师指出，随着车路云一体化迈入大规模商业化应用阶段，如何在保障数据隐私的基础上，实现海量异构节点高效协同训练，已成为制约智慧交通向群体智能转型升级的核心瓶颈。
报告首先针对传统联邦学习在车联网环境中的局限性进行了深度剖析。罗阳老师提出，由于车辆移动的高动态性和算力异构性，完全同步的聚合机制会导致系统能效大幅下降。他详细阐述了半异步联邦学习（Semi-Asynchronous FL）的运行机理，重点解析了如何通过数学建模量化“陈旧梯度（Stale Gradient）”对模型收敛上界的影响。 针对车联网中Non-IID（非独立同分布）数据的挑战，罗阳老师分享了个性化联邦学习（Personalized FL）的应用前景。他强调，未来的智慧交通模型不应是“一刀切”的，而应具备针对海南热带多雨路面、环岛高速拓扑等特殊场景的自适应能力。报告介绍了通过模型解耦与参数高效微调（PEFT）技术，实现单车模型在共享全局知识的同时，保留局部感知精准度的创新路径。
报告的另一大亮点是引入博弈论解决数据孤岛问题。罗阳老师提出，车路云协同不仅是技术课题，更是社会经济课题。通过构建基于Stackelberg博弈的激励机制，可以有效衡量节点的资源贡献度与时间价值，达成“激励相容”的纳什均衡，从而驱动多主体自发参与联邦训练，构建可持续发展的价值共创生态。
此次学术报告，不仅充分展现了我院教师在分布式机器学习领域扎实的学术功底与前沿研究积淀，拓宽了师生的学术视野，同时也为学院车路云一体化相关科研课题的申报立项、学术研究与学科建设，提供了崭新思路和有益借鉴。
一审一校 | 罗 阳
二审二校 | 刘小飞 闫吉府
三审三校 | 李成名 尹 娜
