**对比文件名称**：CN109863500A_Description_20260101_0147
**目标专利名称**：用于车辆的消息广播
**本次调用模型名称**：DeepSeek最新版本模型
### 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，包括：<br>**公开性判断**：未公开 | 无直接对应引用。对比文件整体涉及自动驾驶系统的传感器融合和环境建模，但未明确描述“一种控制车辆的方法”作为其技术方案的起点或框架。 | 对比文件（CN109863500A）主要描述了一种用于自动驾驶系统的“事件驱动的感兴趣区域管理系统”，其技术方案围绕环境模型的构建、事件检测、订阅/发布机制以及动态区域管理。虽然该系统最终服务于车辆控制，但说明书通篇未以“一种控制车辆的方法”作为其权利要求或发明内容的概括性描述。其发明点在于系统架构和管理方法，而非一个以“控制车辆”为直接目的的方法步骤框架。因此，本领域技术人员无法从对比文件中直接或隐含地确定一个与特征A相同的、以“控制车辆的方法”为上位概括的技术方案。 |
| **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>**公开性判断**：隐含公开 | “The measurement integration system 310 can receive an object or object list 302 from a different source. The measurement integration system 310 can be, for example, a vehicle-to-vehicle (V2V) communication, a vehicle-to-infrastructure (V2I) communication, a vehicle-to-pedestrian (V2P) communication, a vehicle Vehicle-to-device (V2D) communication, vehicle-to-grid (V2G) or general vehicle-to-everything (V2X) communication from a source external to the vehicle The object list 302 is received.”（译文：测量集成系统310可以从不同源接收对象或对象列表302。例如，测量集成系统310可以从车辆外部的源经由车辆到车辆(V2V)通信、车辆到基础设施(V2I)通信、车辆到行人(V2P)通信、车辆到设备(V2D)通信、车辆到电网(V2G)或通用车辆到万物(V2X)通信接收对象列表302。） | 对比文件公开了车辆可以通过V2X通信（如V2V）从外部源接收包含对象信息的列表（object list）。目标专利中的“意图消息”是一种特定形式的V2X消息，其核心内容是“运动规划”。虽然对比文件未明确使用“意图消息”或“运动规划”这两个术语，但其接收的“对象列表”完全可能包含其他车辆的运动状态、位置或轨迹信息，这是V2V通信的常见应用场景。本领域技术人员知晓，V2X通信标准（如C-V2X）中定义了多种消息类型用于交换车辆状态和意图信息。因此，从对比文件公开的“通过V2V接收对象列表”这一技术手段，本领域技术人员可以合理推断出该对象列表可以包含用于发送车辆的运动规划信息，即隐含公开了特征B。 |
| **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>**公开性判断**：未公开 | 1. “The object trajectory prediction unit 341 can use the annotated environment model 332 and the state change prediction model corresponding to the tracked object to predict the future movement of the tracked object relative to the vehicle.”（译文：对象轨迹预测单元341可以使用带注释的环境模型332和对应于被跟踪对象的状态变化预测模型来预测被跟踪对象相对于车辆的将来移动。）<br>2. “The pre-classification unit 322 can assign pre-classifications to sensor detection events or fused sensor detection events. In some embodiments, the pre-sorting may correspond to a type of object, such as other vehicles, pedestrians, bicycles, animals, stationary objects, and the like.”（译文：预分类单元322可以将预分类指派给传感器检测事件或融合传感器检测事件。在一些实施例中，预分类可以对应于对象类型，诸如其他车辆、行人、自行车、动物、静止对象等。） | 对比文件公开了可以预测被跟踪对象的“未来移动”（future movement），这相当于公开了“轨迹”。同时，对比文件公开了对检测到的对象（如车辆）进行“预分类”，例如区分为“其他车辆”，这可以视为一种简单的“车辆描述符”。然而，目标专利明确限定了车辆描述符“包括车辆物理能力”，并具体示例了“转弯半径、车辆最高速度和车辆最大加速度”。对比文件全文均未提及任何关于车辆自身物理能力（如转弯半径、最高速度、最大加速度）的信息的获取、包含或使用。对象分类（如“车辆类型”）与具体的物理性能参数是不同层级的概念。本领域技术人员无法从对比文件中公开的对象轨迹预测和对象类型分类，合理且直接地推断出运动规划中必然包含或可以包含发送车辆具体的物理能力参数。因此，特征C未被公开。 |
| **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>**公开性判断**：隐含公开 | “The measurement integration system 310 can receive the object list 302 and populate one or more objects in the object list 302 with the raw measurement data 301 into the environment model 315.”（译文：测量集成系统310可以接收对象列表302并且将对象列表302中的一个或多个对象与原始测量数据301一起填充到环境模型315中。） | 对比文件公开了接收“对象列表302”并将其内容“填充”（populate）到环境模型中。将外部接收的数据整合到内部环境模型的过程，必然包含对接收数据的解析、识别和理解，以提取出其中有用的信息（如对象身份、位置、状态等）并将其结构化地存储。目标专利中“对意图消息进行解析以识别运动规划”正是这一数据处理过程的具体体现。因此，本领域技术人员可以从对比文件公开的“接收对象列表并填充到环境模型”这一操作，合理推断出其包含了“解析消息以识别信息”的步骤，即隐含公开了特征D。 |
| **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>**公开性判断**：未公开 | 1. “The object trajectory prediction unit 341 can use the annotated environment model 332 and the state change prediction model corresponding to the tracked object to predict the future movement of the tracked object relative to the vehicle.”（译文：对象轨迹预测单元341可以使用带注释的环境模型332和对应于被跟踪对象的状态变化预测模型来预测被跟踪对象相对于车辆的将来移动。）<br>2. “Tracking unit 323 may select a state change prediction model for tracking sensor detection events or fused sensor detection events based on sensor detection events assigned by pre-classification unit 322 or pre-classification of fused sensor detection events.”（译文：跟踪单元323可以基于由预分类单元322指派的传感器检测事件的预分类或融合传感器检测事件的预分类来选择用于跟踪传感器检测事件或融合传感器检测事件的状态变化预测模型。） | 对比文件公开了使用“状态变化预测模型”（state change prediction model）来预测被跟踪对象（如其他车辆）的“未来移动”，这相当于公开了“设置行为预测”。然而，目标专利的特征E包含两个关键限定：(1) 行为预测是“至少部分地基于所述运动规划”；(2) 行为预测所使用的模型是“由所述车辆物理能力限制的车辆行为模型”。关于第(1)点，对比文件中的预测是基于环境模型和状态变化模型，而环境模型的数据源包括外部接收的对象列表（可能包含运动信息），这可以认为隐含了“基于运动规划”。但是，关于第(2)点，如特征C所述，对比文件未公开任何“车辆物理能力”，更未公开利用这些物理能力来“限制”或构建用于预测其他车辆行为的“车辆行为模型”。对比文件中的状态变化预测模型选择是基于对象分类（如车辆、行人），而非基于车辆具体的物理性能参数。因此，特征E中关于模型受物理能力限制的核心限定未被公开。 |
| **技术特征F**：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>**公开性判断**：隐含公开 | “The pre-classification unit 322 can assign pre-classifications to sensor detection events or fused sensor detection events. In some embodiments, the pre-sorting may correspond to a type of object, such as other vehicles...”（译文：预分类单元322可以将预分类指派给传感器检测事件或融合传感器检测事件。在一些实施例中，预分类可以对应于对象类型，诸如其他车辆...） | 对比文件公开了对传感器检测到的事件进行“预分类”，例如识别出对象是“其他车辆”。这种分类信息（如“车辆”这一类别）本身就是一种可以通过传感器（如摄像头进行车型识别）感知的属性。虽然对比文件未使用“传感器可感知属性”这一术语，但本领域技术人员可以理解，在自动驾驶的环境感知中，对象的类型、颜色、形状、大小等都属于传感器可感知的属性。因此，从对比文件公开的“对象类型预分类”，可以合理推断出该信息属于传感器可感知的属性范畴，即隐含公开了特征F。 |
| **技术特征G**：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>**公开性判断**：未公开 | 1. “The region of interest 603 may have a spatial description, such as a portion of an environmental coordinate field in the environment model 609.”（译文：感兴趣区域603可以具有空间描述，诸如环境模型609中的环境坐标场的一部分。）<br>2. “The region of interest detection unit 621 can monitor a portion of the environment model 609 that corresponds to the region of interest 603.”（译文：感兴趣区域检测单元621可以监视对应于感兴趣区域603的环境模型609的一部分。）<br>3. “The region of interest detection unit 621 can filter the data populated into the environment model 609 based on the subscription information 602.”（译文：感兴趣区域检测单元621可以基于订阅信息602过滤填充到环境模型609中的数据。） | 对比文件详细公开了“感兴趣区域（ROI）管理”系统，包括定义ROI的空间范围、监视ROI内的数据、以及基于订阅信息过滤数据。这相当于公开了“确定预期感兴趣区域”以及“将检测（或过滤）应用于该区域的传感器数据”。然而，目标专利特征G有两个关键限定：(1) 感兴趣区域是“至少部分地基于所述运动规划”确定的；(2) 检测的目的是“至少部分地基于所述传感器可感知属性来...检测所述发送车辆”。对于第(1)点，对比文件中ROI的确定是基于“订阅信息”，该订阅信息可能来自驾驶功能系统，但并未揭示其内容必然包含或来源于其他车辆的“运动规划”。对于第(2)点，对比文件在ROI内进行的是通用的事件或数据检测/过滤，并未明确其检测逻辑是专门针对“发送车辆”的“传感器可感知属性”（如特征F所述的属性）来进行的。因此，特征G中与运动规划和特定属性检测相结合的特定技术手段未被公开。 |
| **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>**公开性判断**：未公开 | “The region of interest detection unit 621 can filter the data populated into the environment model 609 based on the subscription information 602.”（译文：感兴趣区域检测单元621可以基于订阅信息602过滤填充到环境模型609中的数据。） | 对比文件公开了基于“订阅信息”对数据进行过滤。过滤可以视为一种简单的检测或处理算法。然而，目标专利明确限定检测算法的选择是“至少部分地基于所接收的运动规划”。对比文件未提及订阅信息的内容与“运动规划”有关，也未揭示根据特定的规划信息来动态选择或调整检测算法。本领域技术人员无法从对比文件公开的“基于订阅信息过滤”直接或合理地推断出“基于运动规划选择检测算法”。因此，特征H未被公开。 |
| **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>**公开性判断**：隐含公开 | 1. “The sensor event detection and fusion unit 321 can associate an identified sensor detection event for a single sensor with one or more sensor measurement events or sensor detection events captured by at least one other sensor. The raw measurement data 301 is combined to produce a fused sensor detection event.”（译文：传感器事件检测和融合单元321可以将用于单个传感器的已识别传感器检测事件与由至少一个其他传感器捕获的一个或多个传感器测量事件或传感器检测事件相关联。原始测量数据301被组合以产生融合传感器检测事件。）<br>2. “The pre-classification unit 322 can assign pre-classifications to sensor detection events or fused sensor detection events... such as other vehicles...”（译文：预分类单元322可以将预分类指派给传感器检测事件或融合传感器检测事件...诸如其他车辆...） | 对比文件公开了传感器融合操作，即将来自不同传感器的检测事件进行“关联”（associate）和“融合”（fuse），以形成更可靠的检测事件。同时，对比文件公开了对融合后的事件进行预分类，例如识别为“其他车辆”。将多个传感器的数据关联到同一个对象（如车辆）上，是传感器融合的核心目的。虽然对比文件未明确说明这种关联是“基于传感器可感知属性”，但本领域技术人员知晓，在多传感器数据关联过程中，对象的类型、位置、运动特征等可感知属性是进行关联匹配的关键依据。因此，从对比文件公开的“传感器检测事件关联融合”以及“对象分类”，可以合理推断出该过程包含了基于对象可感知属性（如被分类为“车辆”）进行数据关联的步骤，即隐含公开了特征I。 |
| **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>**公开性判断**：未公开 | “The tracking unit 323 can determine a difference between the predicted future state of the sensor detection event or the fused sensor detection event and its actual future state, and the tracking unit 323 can use the difference to determine whether the sensor detection event or the fused sensor detects whether the event is an object.”（译文：跟踪单元323可以确定传感器检测事件或融合传感器检测事件的预测将来状态与其实际将来状态之间的差异，并且跟踪单元323可以使用该差异来确定传感器检测事件或融合传感器检测事件是否是对象。） | 对比文件公开了跟踪单元会计算预测状态与实际状态的“差异”（difference），并利用该差异来判断一个检测事件是否是一个持续的对象。这在一定程度上隐含了“确定行为是否符合预测”的概念。然而，目标专利特征J的核心在于后半部分：“响应于不符合...至少部分地基于所述车辆物理能力来更新所述行为预测”。如前面多次指出，对比文件完全未公开“车辆物理能力”这一信息，因此根本不存在基于此信息来更新行为预测的技术手段。对比文件中跟踪模型的选择和更新是基于对象分类等，而非物理能力参数。因此，特征J中关于更新依据的关键限定未被公开。 |
| **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>**公开性判断**：直接公开 | 1. “The measurement integration system 310 can receive the object list 302... The object list 302 can include one or more objects, a timestamp for each object, and optionally spatial metadata associated with the location of the objects in the object list 302.”（译文：测量集成系统310可以接收对象列表302...对象列表302可以包括一个或多个对象、每个对象的时间戳、以及可选地与对象列表302中的对象的位置相关联的空间元数据。）<br>2. “The positioning system 400 can determine the location of the vehicle using the annotated environmental model 332.”（译文：定位系统400可以使用带注释的环境模型332来确定车辆的位置。） | 对比文件明确公开了从外部接收的“对象列表”中可以包含与对象位置相关联的“空间元数据”（spatial metadata），这直接对应于“车辆位置属性”。同时，对比文件整个定位系统都在处理车辆和对象的位置信息。因此，本领域技术人员可以直接且明确地从对比文件中确定其公开了对象（包括车辆）具有位置属性这一技术特征。 |
| **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>**公开性判断**：未公开 | 1. “The positioning system 400 can associate data or annotations in the annotated environment model 332 with landmarks or objects in the map data 331... The correlation between the map data 331 and the annotated environment model 332 may identify a vehicle location 344 that describes the location of the vehicle relative to the map data 331.”（译文：定位系统400可以将带注释的环境模型332中的数据或注释与地图数据331中的地标或对象相关联...地图数据331与带注释的环境模型332之间的关联可以识别描述车辆相对于地图数据331的位置的车辆位置344。）<br>2. “In decision block 502, the positioning system, in the normal mode, can determine whether data in the environmental model corresponds to map data.”（译文：在判定框502中，定位系统在正常模式下可以确定环境模型中的数据是否对应于地图数据。） | 对比文件公开了定位系统通过将环境模型中的数据与地图数据“关联”（associate）或“比较”（correspond）来确定车辆自身的位置（vehicle location）。这隐含了通过比较（环境模型感知数据与地图数据）来确定定位是否准确的过程。如果关联失败（数据不对应），系统会进入恢复模式，这可能隐含了“重新计算”位置。然而，目标专利特征L有特定限定：比较是在“所述车辆的位置”与“所述发送车辆的位置”之间进行，并且误差触发的是对“所述车辆”（即自身车辆）位置的重新计算。对比文件中定位过程的比较，是自身车辆的环境模型感知数据与先验地图数据之间的比较，而不是自身车辆位置与其他车辆报告的位置之间的直接比较。虽然其他车辆的位置信息可能存在于环境模型中，但对比文件未揭示利用其他车辆报告的位置作为基准来校验自身定位误差并触发重算的这一具体技术手段。因此，特征L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>**公开性判断**：未公开 | 无直接对应引用。对比文件描述了驾驶功能系统分析环境模型并生成控制信号，但未提及对其他车辆规划的安全性进行评估并向其发送警告的功能。 | 对比文件的核心在于通过传感器融合和环境建模为自动驾驶提供感知基础，并基于此进行车辆控制。其驾驶功能系统（120）分析环境模型（121）并生成控制信号（131），但这主要是用于控制自身车辆。全文未提及系统具备这样的功能：评估从其他车辆接收到的“运动规划”（或类似信息）在自身环境认知下是否“不安全”，并主动向该规划发送车辆“发送安全警告”。这一特征涉及车辆间主动的安全责任分担和协同告警机制，超出了对比文件所公开的基于环境模型进行自主决策和控制的范围。因此，特征M未被公开。 |
### 公开性判断结果代码
根据上述比对分析，对比文件直接公开了技术特征K，隐含公开了技术特征B、D、F、I。
<<<K>>>
<<<b>>>
<<<d>>>
<<<f>>>
<<<i>>>