El progreso acelerado de Internet de los Vehículos (IoV) ha planteado una mayor demanda de entrenamiento de modelos distribuidos y compartición de datos en redes vehiculares. Los enfoques centralizados tradicionales ya no son aplicables ante las preocupaciones de los conductores sobre la privacidad de los datos, mientras que el Aprendizaje Federado Descentralizado (DFL) proporciona nuevas posibilidades para abordar este problema. Sin embargo, el DFL todavía enfrenta desafíos con respecto a los datos no IID de los vehículos que pasan. Para abordar este desafío, se propone un nuevo marco de trabajo DFL, Aprendizaje Federado Descentralizado Jerárquico (H-DFL), para lograr un entrenamiento distribuido calificado entre vehículos teniendo en cuenta la complementariedad de los datos. Incluimos vehículos, estaciones base y servidores de centro de datos en este marco de trabajo.