本发明公开了一种基于联邦学习的车联网时延敏感型应用卸载方法，所述方法包括如下步骤：步骤一、确定基于MEC的车联网网络架构；步骤二、建立应用程序模型；步骤三：确定MEC节点协作方案；步骤四、建立系统模型并得到优化问题；步骤五、设计DDQN与FL相结合的算法并求解优化问题。该方法将时延敏感型应用划分为互相有依赖关系的子任务，提供了一种MEC节点协作方案，并将该问题建模为一个以运算资源为约束条件、最小化总计算时延为目标的优化问题，利用联邦学习与深度强化学习相结合的方式来求解该问题，在得到可以使总计算时延最小的卸载方法的基础上，还可以保障用户的隐私安全，避免用户私人数据泄露。