本研究提出了一种全球时空融合的交通预测算法，有效解决了传感器长时间交互和异常因素的影响，实验结果在公共交通数据集上表现优异。

该文综述BEV感知研究，涵盖多代理多摄像头协同BEV地图预测（CoBEVT）、利用未标记图像的半监督视觉BEV语义分割、时空融合BEV表征（TBP-Former）、异步协同感知消息补偿（CoBEVFlow）、时空统一BEV表示学习（BEVFormer）、三维感知与预测统一（BEVerse），以及基于深度的两阶段语义分割、轨迹预测系统和动态BEV查询方法。