行时在线学习和训练不同信道场 18 景下的模型特征，并对短时间内的信道及其容量变化及进行精准的实时预测，以 便支撑用边缘智能对用户业务进行计算服务和通信机制的联合优化。 从业务场景上，高铁和城市轨道交通的业务在列车运行中主要包括列车运行 控制类业务和旅客通信信息业务两类。列车运行控制业务包括自动驾驶控制、运 行状态监测、列车内外部实时视频监控等，特点是实时性要求高，上行传输信息 量远大于下 MEC 进行计算卸载，并发的无线传输会形成严重的互相 干扰从而提高每个终端的通信传输错误概率，并且造成 MEC 的任务队列拥塞而延 长了每个任务的等待时延。 基于 6G 无线边缘智能，对上述高铁和城市轨道交通的通信问题可以采取如 下的技术方案： （1）针对车-地通信的动态变化的信道情况 在车载 MEC 上实时训练基于机器学习的信道预测模型，并在列车不运行时采 用离线的联邦学习技术交换不同列