El documento estudia un modelo de teoría de juegos para garantizar la equidad y mejorar la eficiencia de la comunicación en una red de comunicación celular vehículo-a-todo (C-V2X) asistida por vehículos aéreos no tripulados (UAV) utilizando teoría de juegos markoviana en un entorno de aprendizaje federado (FL). El UAV y cada vehículo en un clúster utilizaron un mecanismo basado en estrategias para maximizar su finalización de modelo y probabilidad de transmisión. Modelamos un juego markoviano de suma cero en dos etapas con información incompleta para estudiar conjuntamente la maximización de la utilidad de los vehículos participantes y el UAV en el entorno FL. Modelamos el proceso de agregación en el UAV como un juego de estrategia mixta entre el UAV y cada vehículo. Al emplear el equilibrio de Nash, el UAV determinó la probabilidad de recibir actualizaciones suficientes de cada vehículo. Analizamos y propusimos estrategias de toma de decisiones para varias interacciones representativas que involucran la descarga de datos brutos y el aprendizaje federado. Cuando múltiples vehículos entran en un conflicto de transmisión de parámetros, se evalúan varias combinaciones de estrategias para decidir qué vehículos transmiten sus datos al UAV. La ganancia óptima en una ventana de transmisión se deriva utilizando las condiciones de optimalidad de Karush-Kuhn-Tucker (KKT). También estudiamos la variación en la probabilidad de transmisión de parámetros del modelo óptimo, el retraso promedio de paquetes, la potencia de transmisión del UAV y las probabilidades de comunicación óptimas UAV-Vehículo bajo diferentes condiciones.