1. 选择数据集

这篇论文主要使用了 两个数据集：CIFAR-10、Argoverse。

CIFAR-10 包含 10 类彩色图像，类别包括飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船和卡车。图像尺寸为 32×32；50,000 张训练图像和 10,000 张测试图像。

Argoverse 包含真实城市道路场景中的车辆运动轨迹、道路和车道信息，以及不同交通参与者随时间变化的位置等信息；205,942 个训练样本和 39,472 个验证样本。

2. 选择模型

对于CIFAR-10，使用ResNet-18模型，一个分类模型，后续用于评估“分类准确率”。

对于Argoverse，使用LaneGCN模型，一个预测模型，用于“车辆轨迹预测”。

下面主要来讲讲第二个数据集的使用：

它输入的是“车辆历史轨迹 + 其他车辆轨迹 + 车道地图”

它输出的是“车辆未来几秒内的一系列坐标点”

3. 模拟车辆移动

论文设置了一条长度为 1000 米、单向行驶、暂时只有一条车道的直道；道路又被划分成 20 个区域。不同区域距离路侧基站远近不同，因此车辆在不同区域时，通信质量也不同。

论文使用 SUMO 交通仿真器生成车辆轨迹，并用 Intelligent Driver Model（IDM） 模拟车辆行驶。实验设置了两种车速：60 km/h、80 km/h

4. 车辆信息设置

道路长度：1000 m

道路划分：20 个区域

车辆速度：60 km/h 和 80 km/h

车辆轨迹生成：SUMO + IDM

总带宽：10 MHz

最小带宽分配比例：0.05

最小稀疏比例：0.1

每轮本地训练：5 个 epoch

5. 对比方法

①MAVFL（本论文方法）：会综合车辆位置、速度、网络状况和训练情况，决定选哪些车、传多少模型、分多少带宽。

②MABFL：：主要尝试不同的模型压缩程度，寻找比较合适的稀疏比例。

③FedAvg：车辆训练完整模型，再把完整模型上传给服务器，方法简单但通信量较大。

④Heuristic：比如优先选择距离基站近、网络较好的车辆，再进行稀疏训练。

⑤Random：随机选择车辆参加训练，再进行稀疏训练，不考虑车辆具体状态。

6. 评价指标

CIFAR-10：

①分类准确率（Accuracy）：用于评价 CIFAR-10 + ResNet-18 任务。准确率越高越好。

②最小平均位移误差（minADE）：用于评价 Argoverse + LaneGCN 轨迹预测任务。minADE 越低越好，单位为

⑤通信开销（Communication Overhead）：统计联邦学习过程中模型上传产生的通信数据量，用于衡量稀疏训练和带宽分配是否减少通信负担。

7. 实验（图）

7.1 图1解释

①服务器首先根据车辆的“当前位置；移动速度；通信条件；训练损失；是否可能在训练结束前离开覆盖范围；”信息选择选择一部分车辆参加本轮训练。②Model distribution：模型下发。③车辆收到完整模型后，不一定直接使用全部参数，而是先进行模型稀疏化（绿色节点表示保留下来的参数，白色节点表示被剪掉的参数。）。④Local training：本地训练。⑤车辆完成本地训练后，把稀疏模型更新上传给边缘服务器 。⑥服务器收到多个车辆上传的稀疏模型后，把它们进行聚合。

7.2 图2解释

展示的是MAVFL 如何通过优化算法，计算出“选哪些车、每辆车保留多少模型参数、分多少带宽”。（优化问题求解流程图）

7.3 图3解释

横轴：Delay，单位是秒，表示训练过程中已经消耗的时间。（越靠左达到目标，说明训练越快）

纵轴：minADE，单位是米，表示预测轨迹与真实轨迹之间的平均位置误差。（越小越好）

红线是作者提出的方法……

7.4 图4解释

这张图是任务1的

7.5 图5解释

这张图比较的是 Argoverse + LaneGCN 轨迹预测任务中（两种速度下），三种方法达到目标预测效果所需要的训练轮数、训练延迟

7.6 图6解释

另外一个任务的……

7.7 图7解释

Proposed：作者提出的 MAVFL 车辆选择算法；

Heuristic：根据简单规则选择车辆；

Random：随机选择车辆。

左边两幅图对应任务二，右边两幅图对应任务一！主要用来验证：在不改变任务和模型的情况下，不同“选车策略”对训练效果的影响。

7.8 图8解释

图a：带宽对训练延迟的影响

图b：GBD 算法的收敛过程，x轴迭代次数，y轴上下界的数值

图c：MAVFL 与穷举搜索的比较，x轴迭代次数，y轴Lower Bound 的数值

bound含义解释：随着不断迭代，最优值的上下范围最终不断接近……

8. 实验（表）

8.1 表1解释

表1是符号表，这里不详细说

8.2 表2解释

这张表是论文的仿真参数表，后续写论文可以参考下这表格式，也搞一个这种表。

8.3 表3解释

论文的 最终综合结果表，左边是任务一，右边是任务二，proposed是作者的方法，其它4个是对比方法

左边指标为 ：训练延迟、准确率、通信开销；

右边指标为：训练延迟、minADE、通信开销；