**对比文件名称**：US2016358477A1_Description_20251231_1655
**目标专利名称**：用于车辆的消息广播（根据说明书内容推断）
**模型名称**：DeepSeek
**特征比对表格**
| 技术特征描述及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A：一种控制车辆的方法**<br>**判断结果：直接公开** | [0058] “...may also be commanded by the processor 202. The processor 202 may command that the brakes be applied to prevent collision with a vehicle ahead or may provide a steering input to prevent the driver from colliding with a vehicle.” | 对比文件明确公开了一种由处理器控制车辆的方法，具体包括控制刹车和转向以避免碰撞。这与目标专利中“控制车辆的方法”属于相同类型的技术手段，用于解决车辆控制问题，作用相同。因此，该技术特征被直接公开。 |
| **技术特征B：接收包括用于发送车辆的运动规划的意图消息**<br>**判断结果：隐含公开** | [0058] “The wireless communication device 208 also receives the state vectors from neighboring automobiles.”<br>[0058] “The state vector may contain entries that describe the angular position, the angular rates, and the angular accelerations. The state vector may also contain information about the vehicle such as its weight, stopping distance, its size, its fuel state etc.” | 对比文件公开了无线通信设备接收来自邻近车辆的状态向量，该状态向量包含车辆的位置、角速度、角加速度以及重量、尺寸等信息。虽然未明确使用“意图消息”和“运动规划”的术语，但“状态向量”包含了车辆当前及可推断的未来状态信息（如位置、速度、加速度），其作用同样是让接收车辆知晓发送车辆的状态信息，以用于决策和控制，与目标专利中“意图消息”的作用实质相同。本领域技术人员可以合理推断，接收包含车辆状态信息的消息即等同于接收包含车辆运动规划信息的消息。因此，该技术特征被隐含公开。 |
| **技术特征C：其中，所述运动规划包括所述发送车辆的轨迹以及与所述发送车辆相关联的一个或多个车辆描述符，并且其中，所述一个或多个车辆描述符包括车辆物理能力，其中，所述车辆物理能力包括转弯半径、车辆最高速度和车辆最大加速度中的至少一项**<br>**判断结果：隐含公开** | [0058] “The state vector may contain entries that describe the angular position, the angular rates, and the angular accelerations. The state vector may also contain information about the vehicle such as its weight, stopping distance, its size, its fuel state etc.”<br>[0152] “...information about the vehicle such as its weight, stopping distance, its size...” | 对比文件公开的状态向量包含了描述车辆“角位置、角速率、角加速度”以及“重量、停车距离、尺寸”的条目。角位置和角速率可用于推断车辆的转弯能力和轨迹；角加速度直接对应“车辆最大加速度”；重量、尺寸等信息影响车辆的机动性能，间接反映了车辆的物理能力。虽然未明确列举“转弯半径”和“车辆最高速度”，但本领域技术人员知晓，车辆的角运动特性（角位置、角速率）与转弯半径密切相关，且车辆的最高速度是其基本的物理能力参数，在车辆间通信共享状态信息时，包含最高速度信息是合理的扩展和推断。因此，状态向量中隐含了包含车辆物理能力（包括转弯半径、最高速度、最大加速度）的车辆描述符，这些信息共同用于描述车辆的运动状态和潜力（即运动规划）。该技术特征被隐含公开。 |
| **技术特征D：对所述意图消息进行解析以识别用于所述发送车辆的所述运动规划**<br>**判断结果：隐含公开** | [0058] “The received state vectors from the neighboring automobiles are sent to the processor 202 for further processing.” | 对比文件公开了将接收到的邻近车辆的状态向量发送给处理器进行进一步处理。对接收到的消息（状态向量）进行“处理”（processing），其必然包含“解析”（parsing）以识别其中所包含信息（如位置、速度等，即运动规划）的步骤。这是本领域技术人员实施该技术方案时的常规和必要操作。因此，该技术特征被隐含公开。 |
| **技术特征E：以及至少部分地基于所述运动规划来控制所述车辆，包括：至少部分地基于由所述车辆物理能力限制的所述发送车辆的车辆行为模型，来设置针对所述发送车辆的行为预测**<br>**判断结果：隐含公开** | [0058] “The processor 202 may command that the brakes be applied to prevent collision with a vehicle ahead or may provide a steering input to prevent the driver from colliding with a vehicle.”<br>[0071] “The sensor fusion algorithm 744 may further be configured to provide various assessments based on the data from the sensor system 704, including, for example, evaluations of individual objects and/or features in the environment in which the vehicle 700 is located, evaluations of particular situations, and/or evaluations of possible impacts based on particular situations.”<br>[0152] “The library may include three-dimensional terrain maps... The vehicle may determine that another car is expected to turn based on real-time data (e.g., using its sensors to determine the current GPS position of another car) and other data (e.g., comparing the GPS position with previously-stored lane-specific map data to determine whether the other car is within a turn lane).” | 对比文件公开了处理器基于接收的信息（可视为运动规划）来控制车辆（如刹车、转向）。同时，公开了传感器融合算法基于数据进行评估，包括评估环境中对象的情况和预测可能的碰撞。此外，还公开了车辆基于其他车辆的实时数据（如GPS位置）和地图数据来预测其他车辆的行为（例如是否要转弯）。要作出此类预测和评估，接收车辆需要建立一个关于发送车辆的行为模型。而[0058]段公开的状态向量中包含了发送车辆的物理能力信息（如尺寸、重量），本领域技术人员可以合理推断，在建立行为模型进行预测时，必然会考虑并利用这些物理能力信息来约束和限制预测行为的合理性（例如，重型卡车的加速度范围与小型轿车不同）。因此，“基于运动规划控制车辆”包括“基于车辆物理能力限制的行为模型来设置行为预测”这一具体方式，可以被本领域技术人员从对比文件公开的整体内容中合理推断得出。该技术特征被隐含公开。 |
| **技术特征F：其中，所述一个或多个车辆描述符进一步包括传感器可感知属性**<br>**判断结果：隐含公开** | [0058] “The state vector may also contain information about the vehicle such as its weight, stopping distance, its size, its fuel state etc.”<br>[0152] “...identifying at least one of a logo, a bumper sticker, or a license plate.” | 对比文件公开的状态向量中包含车辆的“尺寸”（size）信息，这是可以通过传感器（如摄像头、激光雷达）直接感知的属性。此外，在对象识别部分，提到了识别“logo, bumper sticker, license plate”，这些更是典型的传感器（视觉传感器）可感知属性。虽然未在状态向量通信部分明确将这些列为“传感器可感知属性”的描述符，但本领域技术人员可以合理推断，在车辆间共享的用于识别和跟踪的信息中，包含可通过传感器验证的属性（如尺寸、外观特征）是常见且有用的。因此，该技术特征被隐含公开。 |
| **技术特征G：其中，至少部分地基于所述运动规划来控制所述车辆包括：至少部分地基于所述运动规划来确定用于所述车辆的预期感兴趣区域；以及将检测算法应用于在所述预期感兴趣区域处的接收的传感器数据，以至少部分地基于所述传感器可感知属性来在所述接收的传感器数据中检测所述发送车辆**<br>**判断结果：隐含公开** | [0071] “The sensor fusion algorithm 744 may further be configured to provide various assessments based on the data from the sensor system 704...”<br>[0072] “The computer vision system 746 may be any system configured to process and analyze images captured by the camera 734 in order to identify objects and/or features in the environment...”<br>[0152] “The vehicle may determine that another car is expected to turn based on real-time data... and other data... to determine whether the other car is within a turn lane.” | 对比文件公开了基于传感器数据和/或其他车辆数据（可视为运动规划）进行评估和对象识别。当车辆知晓另一车辆的预期行为（如将在某处转弯）或位置信息时，本领域技术人员很容易想到，为了更高效、准确地检测该车辆，可以将传感器的关注区域（预期感兴趣区域）聚焦在该车辆预期出现的位置附近。同时，对比文件也公开了基于视觉信息（如logo、车牌）识别车辆，这相当于基于传感器可感知属性进行检测。虽然未明确将“确定预期感兴趣区域”和“应用检测算法”这两个步骤以所述因果关系串联描述，但这是实现高效目标检测的常规技术手段。因此，本领域技术人员可以从对比文件公开的“基于信息进行评估/识别”中，合理推断出“基于运动规划确定感兴趣区域并应用检测算法基于可感知属性进行检测”的具体实现方式。该技术特征被隐含公开。 |
| **技术特征H：至少部分地基于所接收的运动规划来选择所述检测算法**<br>**判断结果：未公开** | 无对应内容。 | 对比文件未提及根据接收到的其他车辆的信息（运动规划）来动态选择或切换不同的检测算法。虽然公开了使用检测算法，但未揭示其选择依据与接收的运动规划相关。该技术特征既未被直接公开，也未被隐含公开。 |
| **技术特征I：至少部分地基于所述运动规划来控制所述车辆包括：至少部分地基于所述传感器可感知属性来将车辆检测传感器数据与所述发送车辆进行关联**<br>**判断结果：隐含公开** | [0071] “The sensor fusion algorithm 744 may be an algorithm... configured to accept data from the sensor system 704 as an input.”<br>[0152] “...identifying at least one of a logo, a bumper sticker, or a license plate. Such information is then used to look up driver behavior.” | 对比文件公开了传感器融合算法处理来自传感器系统的数据，并且提到了利用从传感器识别出的特征（如logo、车牌）来查找对应车辆的行为数据。这必然涉及一个数据关联的过程：将从传感器检测到的对象（及其可感知属性）与已知的车辆信息（从通信获得，如状态向量中可能包含的标识或可推断属性）进行匹配和关联。虽然未明确表述为“基于传感器可感知属性将传感器数据与发送车辆关联”，但这是实现传感器融合和车辆跟踪的基础操作。本领域技术人员可以合理推断出该关联过程。该技术特征被隐含公开。 |
| **技术特征J：确定所述发送车辆的行为是否符合所述行为预测；以及响应于确定所述发送车辆的所述行为不符合所述行为预测，至少部分地基于所述车辆物理能力来更新所述行为预测**<br>**判断结果：未公开** | 无对应内容。 | 对比文件虽然公开了进行行为预测（如[0152]），但未提及将观察到的实际行为与预测行为进行比较（符合性检查）的步骤。更未公开在行为不符合预测时，如何基于车辆物理能力来更新行为预测。该技术特征超出了对比文件公开的范围，既未被直接公开，也未被隐含公开。 |
| **技术特征K：所述一个或多个车辆描述符进一步包括车辆位置属性**<br>**判断结果：直接公开** | [0058] “The state vector may have more or less elements describing the state of the vehicle such as the XYZ position and 3D velocity of the vehicle and 3D acceleration.” | 对比文件明确公开状态向量包含描述车辆状态的元素，例如“XYZ位置”（XYZ position）。这直接对应于“车辆位置属性”。因此，该技术特征被直接公开。 |
| **技术特征L：至少部分地基于所述运动规划来控制所述车辆包括：至少部分地基于所述车辆位置属性来确定所述发送车辆的位置；确定在所述车辆的位置与所述发送车辆的位置之间的比较是否指示误差；以及响应于确定在所述车辆的位置与所述发送车辆的位置之间的所述比较指示误差，来触发对所述车辆的位置的重新计算**<br>**判断结果：未公开** | 无对应内容。 | 对比文件公开了车辆有自身定位（如GPS）和接收其他车辆的位置信息。但未提及接收车辆会将自己感知或计算出的发送车辆位置，与接收到的发送车辆自我报告的位置进行比较，以检测自身定位误差，并触发重新计算自身位置。该技术特征涉及一种利用外部信息进行自我定位校正的特定方法，在对比文件中没有记载或提示。因此，该技术特征未被公开。 |
| **技术特征M：至少部分地基于所述运动规划来控制所述车辆包括：确定所述运动规划是否是不安全的；以及响应于确定所述运动规划是不安全的，来向所述发送车辆发送安全警告**<br>**判断结果：隐含公开** | [0058] “The processor 202 may command that the brakes be applied to prevent collision with a vehicle ahead...”<br>[0074] “The obstacle avoidance system 750 may be any system configured to identify, evaluate, and avoid or otherwise negotiate obstacles in the environment in which the vehicle 700 is located.”<br>[0281] “An intelligent car slamming on its brakes could communicate to all of the vehicles behind it that it's coming to rapid halt, giving the driver that much more warning that he too needs to hit the brakes.” | 对比文件公开了车辆处理器可以为了避免碰撞而控制刹车，以及避障系统用于识别和评估环境中的障碍物。同时，明确公开了车辆间可以通信传递紧急信息（如急刹车警告）。本领域技术人员可以合理推断，当接收车辆基于接收到的其他车辆信息（运动规划）和自身环境感知，判断该其他车辆的计划动作（如轨迹）存在安全风险（例如，将撞上接收车辆已知而发送车辆未知的障碍物）时，可以向该发送车辆发送警告信息，这是车辆协同安全的一种自然延伸。因此，“确定运动规划是否不安全并发送安全警告”这一控制方式，可以被隐含公开。 |
<<<A>>><<<B>>><<<C>>><<<D>>><<<E>>><<<F>>><<<G>>><<<I>>><<<K>>><<<M>>>