Um den Qualitätsverlust lokaler Beweise beim kooperativen Wahrnehmen in Fahrzeugnetzwerken zu adressieren, der die Stabilität und Verwendbarkeit der Ergebnisse der kooperativen Fusion beeinträchtigt, wird der Fusionsprozess als Schätzung der Zuverlässigkeit lokaler Wahrnehmungsbeweise modelliert. Eine robuste kooperative Wahrnehmungsfusionsmethode basierend auf zeitlich-räumlicher Konsistenz wird vorgeschlagen. Zunächst wird mit einer Zielpräsenz-Wärmekarte eine niedrigdimensionale semantische Evidenz erstellt; anschließend werden basierend auf der räumlichen Konsistenz zwischen Fahrzeugen, historischer Belegungskontinuität und negativen Konflikten von Beweismitteln, BEV-Zellnetz-Evidenzzuverlässigkeiten erzeugt und als Bias in die zwischenzeitliche Aufmerksamkeitsfusion eingespeist, um den Beitrag verschiedener Kollaborateure an unterschiedlichen Raumpositionen kontinuierlich zu regulieren; des Weiteren wird eine konservative Aktualisierung der historischen Belegung verwendet, sodass der historische Zeitbezug weiterhin am Fusionsprozess teilnimmt, was die Auswirkungen von Schwankungen lokaler Beweise auf die zeitliche Kontinuität der kooperativen Ergebnisse reduziert. Die experimentellen Ergebnisse zeigen, dass unter Hintergrundbeweis-Degradationsbedingungen die vorgeschlagene Methode den AP@0,7 von 82,09 % auf 86,20 % erhöht, den SSR von 8,21 % auf 5,53 % senkt und den CFNR von 0,90 % auf 0,72 % reduziert, was darauf hinweist, dass diese Methode die Stabilität der Fusion unter nicht idealen kooperativen Wahrnehmungsbedingungen verbessern kann.

Fahrzeugnetzwerke; kooperative Wahrnehmung; Wahrnehmungsbeweisdegradation; zeitlich-räumliche Konsistenz; robuste Fusion