**对比文件名称**：US2019266498A1_Description_20260101_0148
**目标专利名称**：用于车辆的消息广播
**本次调用模型名称**：DeepSeek-R1
### 特征比对表格
| 第一栏：技术特征描述及公开性判断结果 | 第二栏：对比文件原文引用 | 第三栏：公开性论述 |
| **技术特征A**：一种控制车辆的方法。<br>**公开性判断**：未公开 | 对比文件涉及车辆数据处理，但未明确描述为一种“控制车辆的方法”。例如，文件描述了车辆数据处理架构（图3及对应描述[0031]-[0038]），其焦点在于生成合成数据以优化数据传输，而非直接控制车辆。 | 对比文件的核心在于使用物理和行为模型对车辆传感器数据进行处理、预测并生成高保真合成数据，以解决通信带宽有限的问题（参见[0026]-[0030], [0052]-[0054]）。虽然数据处理的结果可能间接影响车辆应用，但文件本身并未教导或揭示一种主动“控制车辆”的方法步骤。该特征在对比文件整体技术方案中起到的是**数据压缩与状态预测**的作用，与目标专利中为解决车辆间协同导航和安全控制这一特定技术问题所起的**直接车辆控制**作用不同。因此，该技术特征既未被直接公开，也未被隐含公开。 |
| **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>**公开性判断**：未公开 | 对比文件提到了车辆间（V2V）或车辆与基础设施（V2I）的通信，以及接收数据。例如，[0040]段：“...vehicle 102 may send data to an endpoint 410...”。文件也提及从车辆子系统（如CAN总线）接收数据（[0032]段）。 | 对比文件确实公开了车辆接收数据的概念，包括来自其他车辆的数据。然而，文件中接收的“data”是泛指，可能包括传感器读数、状态变量等，并未特指一种结构化的“意图消息(Intention Message)”，更未明确该消息的核心内容是“用于发送车辆的运动规划(motion plan)”。在对比文件中，数据主要用于模型校准和合成数据生成（[0039], [0048]），而非作为表征发送车辆未来轨迹规划的“运动规划”来使用。因此，本领域技术人员无法从对比文件中直接或合理地推断出“接收包括用于发送车辆的运动规划的意图消息”这一具体技术特征。 |
| **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**：**隐含公开(c)** | 1. **关于车辆物理能力**：[0032]段提到车辆提供“real data 304 that is indicative of the physical characteristics of the vehicle”，例如CAN总线数据。[0070]段明确：“a vehicle may comprise multiple sub-systems, such as GPS, tire, fuel, engine, vehicle dynamics, and the like. Each of these sub-systems may be represented by a set of state variables.” [0073]段以车辆动力学子系统为例，状态变量包括速度(v)、加速度(a)。<br>2. **关于“轨迹”的隐含**：对比文件通过状态向量（如[0073]段的xi = [t v a d]T）和时间序列模型（如方程1）连续预测车辆的状态（位置、速度、加速度）。这种基于历史状态对车辆未来状态（包括位置d）的连续预测序列，本质上构成了车辆预期的运动路径或“轨迹”。 | **隐含公开论述**：<br>1. **车辆物理能力**：对比文件多次强调基于车辆的“物理特征(physical characteristics)”或“状态变量(state variables)”进行建模和预测。这些特征直接来自于车辆子系统（如发动机、车辆动力学），其具体示例（速度、加速度）正是目标专利中“车辆物理能力”的典型子项（最高速度、最大加速度）。虽然对比文件未明确列举“转弯半径”，但“车辆动力学”子系统所涵盖的转向、操控特性是本领域技术人员能够合理联想到的。因此，包含车辆物理能力的“车辆描述符”这一特征已被对比文件隐含公开。<br>2. **轨迹**：对比文件建立的车辆行为模型（如方程1、4、5）旨在预测车辆随时间的状态变化，特别是位置(d)的变化。通过递归地应用该模型，可以生成一系列未来的位置点，从而形成一条预期的路径。这与目标专利中“轨迹”的概念（车辆位置随时间变化的指示）在功能上是等效的。虽然对比文件未使用“轨迹(trajectory)”一词，但其技术方案必然产生并利用了这一信息。<br>**作用对比**：在对比文件中，车辆物理能力和预测出的状态序列（轨迹）用于**生成高保真合成数据、优化网络传输及校准模型**。在目标专利中，它们用于**实现接收车辆对发送车辆行为的准确预测和协同控制**。两者虽然应用场景不同，但所利用的车辆基本属性（能力）和运动预测信息（轨迹）在技术本质上是一致的。因此，该技术特征被对比文件隐含公开。 |
| **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>**公开性判断**：未公开 | 对比文件描述了处理接收到的变量数据。例如，[0060]段：“...data converter 504 may abstract the data into variable Type-Length-Value (TLV) format and prepare it as input to the main super resolution system as APIs 506.” [0061]段进一步说明了数据行的处理。 | 对比文件确实公开了对接收到的原始数据进行格式转换和解码（如将CAN消息ID解码为（名称，值）对，参见[0063]段）。然而，这种“解析”的目的是将异构的传感器数据标准化，以便输入到超级分辨率系统进行状态预测和合成数据生成。它并非是针对一种结构化的“意图消息”进行解析，以从中提取出特定的“运动规划”信息。目标专利中的“解析”具有特定的目的性——识别运动规划，而对比文件中的数据处理是为模型预测服务的通用前置步骤。因此，该技术特征未被公开。 |
| **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>**公开性判断**：**隐含公开(e)** | 1. **基于模型设置行为预测**：[0034]-[0035]段描述了使用基于物理关系的线性和非线性物理模型(306)进行模拟(308)，以生成合成数据(310)（即预测状态）。[0071]段明确指出：“physical and behavioral models for these sub-systems can be developed to predict the behavior of the sub-systems over time.” 方程1展示了基于多个先前状态预测当前状态的通用模型。<br>2. **模型受物理能力限制**：[0073]-[0074]段以车辆动力学为例，构建的状态矩阵（A1, A2）基于速度、加速度、距离等物理量之间的关系（方程2）。模型参数（如α, dt）和结构本身就体现了车辆物理特性（如质量、惯性）对运动关系的约束。 | **隐含公开论述**：<br>对比文件的核心之一就是建立车辆的行为模型（如[0071]段所述），该模型基于车辆的物理特征和状态变量（即车辆物理能力），并用于预测车辆未来的物理状态（即行为预测）。例如，车辆动力学模型（方程2-5）直接使用了速度、加速度等物理量，其预测结果（未来的位置、速度）本身就是对车辆“行为”的一种预测。模型中的参数和微分关系天然地包含了车辆物理能力（如加速性能）对运动变化的限制。因此，“至少部分地基于由车辆物理能力限制的发送车辆的车辆行为模型，来设置针对发送车辆的行为预测”这一技术特征，已被对比文件所公开的建模与预测方法所涵盖。<br>**作用对比**：在对比文件中，设置行为预测（即状态预测）的主要目的是**生成合成数据以替代原始数据传输，并进行模型校准**。在目标专利中，设置行为预测的目的是**为了接收车辆能够基于此预测来进行自身的运动规划和控制决策**。两者虽然最终应用目的不同，但“基于物理模型进行行为预测”这一技术手段本身是相同或高度相似的。因此，该技术特征被隐含公开。 |
| **技术特征F**：根据权利要求1所述的方法，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>**公开性判断**：**隐含公开(f)** | 对比文件提到从多种传感器接收数据，这些数据反映了车辆可被外部感知的属性。[0032]段：“real data 304 may include CANBUS data, image data, Lidar data, or the like, that comprises actual measurement values of the physical characteristics of the vehicle.” [0052]段也提及整合不同形式的传感器测量值（如GPS、速度、里程表、胎压）。 | **隐含公开论述**：<br>对比文件明确列举了“image data, Lidar data”作为真实数据的一部分。图像和激光雷达数据直接反映了车辆的外部可视特征，如颜色、形状、尺寸等，这些正是“传感器可感知属性”的典型例子。虽然对比文件未使用该术语，但本领域技术人员能够理解，这些传感器数据所表征的车辆特征，属于可通过传感器（相机、激光雷达）从外部感知的属性。因此，车辆描述符包括传感器可感知属性这一特征，可以从对比文件中合理推断得出。 |
| **技术特征G**：根据权利要求2所述的方法，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>**公开性判断**：未公开 | 对比文件未提及“预期感兴趣区域(Region of Interest)”、“检测算法(detection algorithm)”或专门用于在传感器数据中“检测(detect)”特定发送车辆的内容。 | 对比文件的技术方案聚焦于利用接收到的数据（无论来源）进行状态预测和模型更新，而非在感知层面主动“检测”其他车辆。文件没有描述如何根据接收到的信息来指导传感器关注特定空间区域（感兴趣区域），也没有提及应用特定的图像处理或目标检测算法来识别车辆。该特征涉及的是感知层的优化操作，与对比文件旨在解决的数据传输与模型预测问题属于不同的技术领域和层面。因此，该技术特征未被公开。 |
| **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 | 对比文件未涉及“检测算法”的选择。 | 如特征G所述，对比文件未涉及任何与“检测算法”相关的内容，因此更谈不上基于运动规划来选择检测算法。该技术特征未被公开。 |
| **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(i)** | 对比文件涉及数据整合与关联。[0052]段：“In other words, the combination of different forms of sensor measurements (e.g., GPS, speed, odometer, tire pressure, etc.) can lead to higher data fidelity...” 文件整体上强调将来自多个子系统和传感器的数据整合到统一的模型中进行处理。 | **隐含公开论述**：<br>对比文件的技术方案本质上是将来自不同来源（可视为不同“传感器”或“检测”）的数据（如CAN总线数据、图像数据、激光雷达数据、GPS数据）进行整合，以形成对车辆状态更高保真的估计。这个过程隐含了“数据关联”的步骤，即判断哪些数据属于同一车辆或同一系统状态。虽然对比文件没有明确说基于“传感器可感知属性”进行关联，但其整合的传感器数据（如图像、激光雷达点云）本身就包含了可感知属性信息，这些信息在模型融合过程中自然会被用于区分和关联数据源。因此，本领域技术人员可以合理推断出，基于传感器数据（包含可感知属性）进行数据关联是实现对比文件所述数据整合与提高保真度的必然环节。 |
| **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**：**隐含公开(j)** | 1. **确定行为是否符合预测**：[0039]段：“During operation, architecture 300 may compare the synthetic data 310 computed by simulations 308 to the real data 304 actually observed by the vehicle, to produce model updates 312.” [0040]段：“When vehicle 102 detects deltas between the state predictions of its simulation 402 and the real data from its sub-systems, vehicle 102 may send the appropriate corrections 406...”<br>2. **更新预测/模型**：上述比较后产生的“model updates 312”或“corrections 406”即用于更新模型。[0039]段明确指出这些更新也可作为“self-calibration data 316, to recalibrate the models used to generate synthetic data 310.” | **隐含公开论述**：<br>对比文件明确公开了以下流程：a) 使用模型生成预测状态（合成数据）；b) 将预测状态与实际观测数据（真实数据）进行比较，以检测差异（delta）；c) 当存在差异时，生成模型更新并发送，用于校准/更新模型。这正好对应于目标专利中的“确定发送车辆的行为是否符合行为预测”以及“响应于不符合...更新行为预测”。虽然对比文件中用于更新的“模型”是广义的预测模型，而目标专利中特指“行为预测”，但本质上都是对车辆未来状态的预测模型。此外，由于对比文件的预测模型本身就是基于车辆物理能力（物理特征和关系）构建的（如特征E所述），因此，基于差异更新该模型的过程，必然是“至少部分地基于车辆物理能力”来进行的，因为更新是在原有物理模型框架内的调整。因此，该技术特征被对比文件隐含公开。 |
| **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>**公开性判断**：**隐含公开(k)** | 对比文件多次提到GPS数据及其包含的位置信息。[0046]段：“...GPS applications derive speed and distances in a global sense, which are computed from estimates of the longitudes, latitudes, and elevations associated with the vehicle.” [0052]段也提及GPS作为传感器测量形式之一。 | **隐含公开论述**：<br>对比文件明确将GPS数据（经度、纬度、海拔）作为车辆传感器测量值和状态估计的一部分。这些信息是典型的“车辆位置属性”。因此，本领域技术人员可以直接且合理地确定，车辆描述符可以包括此类位置属性。该特征被对比文件隐含公开。 |
| **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>**公开性判断**：**隐含公开(l)** | 1. **基于位置属性确定位置**：如特征K所述，GPS提供位置属性（经纬度）。<br>2. **位置比较与误差检测**：[0046]段描述了CAN总线子系统测量的车速/里程与GPS数据测量值之间存在“conflict”（冲突）。[0052]段提到利用GPS和里程表数据之间的相关性来消除数据传输冗余，并“recreated”数据。这隐含了对不同来源位置/速度信息进行比较和融合以解决冲突（即检测误差）的过程。<br>3. **触发重新计算**：上述冲突的解决和数据的“recreated”本质上就是基于比较结果对位置或相关状态进行重新计算或校准。 | **隐含公开论述**：<br>对比文件揭示了以下技术思想：车辆拥有多个提供位置或运动相关信息的子系统（如GPS、CAN总线里程）。这些信息可能不一致（产生冲突/误差）。技术方案会利用这些信息（例如，通过物理模型和行为模型）进行整合、比较，并最终生成更高保真的状态估计。这个过程隐含了：a) 从GPS数据（位置属性）确定车辆位置；b) 将该位置与从其他数据源（如里程表推算的位置）得出的位置估计进行比较，以发现误差（冲突）；c) 通过模型融合与更新，实质上“触发”了对车辆位置的更准确“重新计算”。虽然对比文件的直接目的是提高数据保真度和压缩率，但其所披露的利用多源位置信息进行比较、检测冲突并进行融合校准的技术手段，与目标专利特征L为解决定位误差而进行的技术处理在原理上是相同的。因此，该技术特征被对比文件隐含公开。 |
| **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 | 对比文件未提及对任何规划或预测进行“安全(unsafe)”评估，也未提及向其他车辆发送“安全警告(safety warning)”。 | 对比文件的技术方案专注于数据的高效表示、传输和模型校准，完全不涉及对车辆预定路径或行为（无论是自身的还是他车的）进行安全性判断。文件中没有任何关于风险评估、碰撞预警或安全警告机制的内容。该特征属于车辆主动安全与协同预警领域，与对比文件要解决的技术问题无关。因此，该技术特征未被公开。 |
### 公开性判断代码总结
根据上述分析，在对比文件US2019266498A1中：
* 被**隐含公开**的技术特征有：C, E, F, I, J, K, L。
* 未被公开的技术特征有：A, B, D, G, H, M。
<<<c>>><<<e>>><<<f>>><<<i>>><<<j>>><<<k>>><<<l>>>