一种控制车辆的方法，包括：

接收包括用于发送车辆的运动规划的意图消息，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；

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；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。

权利要求1包含以下技术特征：

a，接收包括用于发送车辆的运动规划的意图消息

b，所述运动规划包括所述发送车辆的轨迹

c，所述运动规划包括所述发送车辆相关联的一个或多个车辆描述符，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；

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

e，以及至少部分地基于所述运动规划来控制所述车辆

f，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

对比文件US2018056998A1领域与该专利相同，所解决的技术问题最为接近，属于最接近的现有技术。

对比文件US2018056998A1记载

[0008] Some embodiments appreciate that a vehicle-to-vehicle (V2V) system for real-time co-operative communications among vehicles can increases the quality and reliability of information sensed by a vehicle using the information received from a remote vehicle. Such a V2V communication system increases the quality and reliability of information about a current state of a vehicle and/or current state of the remote vehicle. However, due to unpredictability of road conditions and multitude of road maneuvers and actions, the current state of the remote vehicle is not always indicative of its subsequent state. For example, the change in a direction of the velocity signaled by the remote vehicle may indicate the urgent need to switch the lines or a maneuver within the line. The change of a magnitude of the velocity may indicate the need to stop or temporary adjustment of the speed.

[0008]某些实施例认识到，用于车辆之间实时合作通信的车对车（V2V）系统可以通过使用从远程车辆接收的信息来提高某一车辆感知的信息质量和可靠性（接收包括用于发送车辆的运动规划的意图消息）。这种V2V通信系统提高了关于车辆当前状态和/或远程车辆当前状态的信息的质量和可靠性。然而，由于道路条件的不可预测性和众多的道路操作和行动，远程车辆的当前状态并不总是能够指示其后续状态。例如，远程车辆速度方向的变化可能表明迫切需要更换车道或者在车道内进行机动（所述运动规划包括所述发送车辆的轨迹）。速度大小的变化可能表示需要停车或暂时调整速度。

[0009] Some embodiments are based on realization that future intentions of the remote vehicles can be clues for path planning of the host vehicle, referred herein just as a vehicle. To that end, some embodiments use V2V communication, not to or not only to exchange the information about what each vehicle is sensing at the present time, but also to exchange the information about what the vehicle is ‘thinking’ of doing in the near future, i.e., its planned action.

[0009]某些实施例基于这样的认识：远程车辆的未来意图可以作为主车（在此称为车辆）路径规划的线索。为此，某些实施例使用V2V通信，不仅仅是交换每辆车在当前时间的感知信息，还包括交换车辆在不久的将来“打算”执行的行动的信息，即其计划中的行动（公开接收包括用于发送车辆的运动规划的意图消息）。

[0010] Some embodiments can be illustrated using the following analogy. Imagine driving down the freeway, and a driver in front of you calls you on your cell and tells you what maneuver, such as slowing down or changing lanes, she is going to make in the near future, e.g., in the next minute. With this information, you can plan a safer trajectory for your car. Such a phone call is impractical, but some embodiments are based on realization that when the remote vehicle determines its motion trajectory predictively, the result of that prediction can be shared with other vehicles. To that end, some embodiments share a trajectory of the vehicle to a location different from a current location of the vehicle with a remote vehicle and/or receive the trajectory planned by the remote vehicle to update the trajectory of the vehicle. In such a manner, a group of vehicles can benefit from this overall knowledge of future desired trajectories of each other to plan safer and more efficient maneuvers.

[0010]某些实施例可以通过以下类比来说明。想象一下你在高速公路上行驶，前车的司机通过手机呼叫你，并告诉你她在不久的将来打算进行的操作，例如减速或变道，比如在接下来的一分钟内。有了这些信息，你就可以为你的车规划更安全的轨迹。这样的电话通话是不切实际的，但某些实施例基于这样的认识：当远程车辆预测性地确定其运动轨迹时，该预测结果可以与其他车辆分享。为此，某些实施例分享车辆到一个不同于车辆当前位置的位置的轨迹给远程车辆，并/或接收远程车辆计划的轨迹来更新车辆的轨迹。通过这种方式，一组车辆可以从彼此未来预期轨迹的整体知识中受益，以规划更安全、更高效的机动。(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，以及至少部分地基于所述运动规划来控制所述车辆)。

[0014] Another embodiment discloses a vehicle including at least one sensor for sensing the environment in vicinity of the vehicle to generate a time-series signal indicative of a variation of the environment with respect to a motion of the vehicle; at least one processor for determining, using the time-series signal, a trajectory of the vehicle to a location different from a current location of the vehicle, wherein the trajectory of the vehicle is a function of time; and a transceiver for transmitting the trajectory of the vehicle to a remote vehicle and for receiving a trajectory of the remote vehicle; wherein the processor updates the trajectory of the vehicle using the trajectory of the remote vehicle and controls motion of the vehicle to follow the trajectory.

[0014]另一种实施例公开了一种车辆，该车辆包括至少一个传感器，用于感测车辆周围环境，并生成一个时间序列信号，该信号表明环境相对于车辆运动的变化；至少一个处理器，用于使用时间序列信号确定车辆前往不同于当前位置的位置的轨迹，其中车辆的轨迹是时间的函数；以及一个收发器，用于向远程车辆发送车辆的轨迹并接收远程车辆的轨迹；其中，处理器使用远程车辆的轨迹更新车辆的轨迹，并控制车辆按照该轨迹运动。(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，以及至少部分地基于所述运动规划来控制所述车辆）

[0015] Yet another embodiment discloses a non-transitory computer readable storage medium embodied thereon a program executable by a processor for performing a method, which includes generating a time-series signal indicative of a variation of the environment in vicinity of the vehicle with respect to a motion of the vehicle; determining, using the time-series signal, a trajectory of the vehicle to a location different from a current location of the vehicle, wherein the trajectory of the vehicle is a function of time; transmitting the trajectory of the vehicle to a remote vehicle; and controlling a motion of the vehicle according to the trajectory of the vehicle.

[0015]另一种实施例公开了一种非易失性计算机可读存储介质，其上具体化一个由处理器执行的程序，该程序用于执行以下方法：生成一个时间序列信号，表明车辆周围环境相对于车辆运动的变化；使用时间序列信号确定车辆前往不同于当前位置的位置的轨迹，其中车辆的轨迹是时间的函数；将车辆的轨迹传输给远程车辆；并根据车辆的轨迹控制车辆的运动。(公开接收包括用于发送车辆的运动规划的意图消息，所述运动规划包括所述发送车辆的轨迹）

由此可见对比文件1公开了j技术特征

a，接收包括用于发送车辆的运动规划的意图消息

b，所述运动规划包括所述发送车辆的轨迹

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

e，以及至少部分地基于所述运动规划来控制所述车辆

对比文件US2018056998A1与权利要求1的区别技术特征是

（1）所述运动规划包括所述发送车辆相关联的一个或多个车辆描述符，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；；基于上述区别技术特征，权利要求1所要解决的技术问题是, 采用什么参数确定车辆的运动规划。

（2）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基于上述区别技术特征，权利要求1所要解决的技术问题是, 如何预测车辆的轨迹。

对比文件US2016358477记载：

[0058] The wireless communication device 208 receives the automobile's navigated state vector from the processor 202 . The wireless communication device 208 device broadcasts this state vector for use by neighboring automobiles. The wireless communication device 208 also receives the state vectors from neighboring automobiles. The received state vectors from the neighboring automobiles are sent to the processor 202 for further processing. The automobile 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. Other information may be provided. For example the state vector may contain entries that describe the angular position, the angular rates, and the angular accelerations. The state vector may be described using any coordinate system or any type of units. The state vector may also contain information about the vehicle such as its weight, stopping distance, its size, its fuel state etc. Information packed in the state vector may be of value in collision avoidance trajectory analysis or may be useful for generating and displaying more accurate display symbology for the driver. For example, the automobile may receive a state vector from a neighboring vehicle that identifies the vehicle as an eighteen wheel truck with a ten ton load. Such information may be important for trajectory analysis and for providing accurate and informative display symbology.

[0058]无线通信设备 208 从处理器 202 接收汽车的导航状态向量。无线通信设备 208 广播此状态向量供附近汽车使用。无线通信设备 208 还接收来自邻近汽车的状态向量（公开”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“）。从邻近汽车接收的状态向量被发送到处理器 202 进行进一步处理。汽车状态向量可能包含描述车辆状态的更多或更少的元素，例如车辆的XYZ位置、3D速度和3D加速度。还可以提供其他信息。例如，状态向量可能包含描述角位置、角速率和角加速度的条目。状态向量可以使用任何坐标系统或任何类型的单位来描述。状态向量还可能包含有关车辆的信息，如其重量、停车距离、尺寸、燃料状态等（所述一个或多个车辆描述符包括车辆物理能力）。状态向量中打包的信息可能在碰撞避让轨迹分析中具有价值，或可能对于生成和显示更准确的驾驶员显示符号有用。例如，汽车可能从一个邻近车辆接收一个状态向量，该车辆被识别为装载十吨的十八轮卡车。这样的信息可能对轨迹分析很重要，也可能有助于提供准确和信息丰富的显示符号（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）。

由此可见，对比文件2公开了区别技术特征（1）所述运动规划包括所述发送车辆相关联的一个或多个车辆描述符，所述一个或多个车辆描述符包括车辆物理能力。（2）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。

对比文件CN102963355A 一种智能辅助泊车方法及其实现系统 公开：

[0078] 库位内调整路径规划模块利用车辆最小转弯半径圆弧规划车辆在库位内进行姿态调整的运动路径（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所述车辆物理能力包括转弯半径），其包含两个子模块：限制方程生成子模块和优化求解子模块，其中限制方程生成子模块能够根据库位的位置和大小生成泊车路径限制方程组，车辆在库位内运动时其轨迹必须满足限制方程组；优化求解模块能够对建立的限制方程组进行最优化求解，得到最优泊车目标位姿和最优库位内调整路径，保证车辆泊车过程中得到最大的安全距离。通过库位内调整路径的最优化，能够减少车辆在库位内的调整次数，或者在相同库位内调整次数的情况下，使车辆能够泊入尽可能小的库位。

对比文件CN105761546B 一种车辆防碰撞的方法、装置和系统记载：

[0060] 其中，车辆的属性信息可以表征为 其中r为车辆的最小转弯半径（公开转弯半径），M为车辆的空载质量，为车轮与路面的最大附着系数，w为车头宽度，l为车的长度；

[0013] 可选的，根据所述车辆的属性信息和运动状态信息，确定所述车辆的单车风险区域，具体包括：[0014] 根据所述车辆的属性信息、运动状态信息和确定的刹车制动力，确定扇形区域；其中，所述扇形区域包含所述车辆以所述刹车制动力进行刹车时，以任意转向角运动产生的所有轨迹组合（公开所述运动规划包括所述发送车辆相关联的一个或多个车辆描述符，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，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）

[0072] 首先利用确定的刹车制动力，以及车辆的属性信息和运动状态信息确定一个扇形区域，该扇形区域包含该车辆以确定的刹车制动力进行刹车时，以任意转向角运动产生的所有轨迹组合（公开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）；

对比文件CN109920246A 一种基于V2X通信与双目视觉的协同局部路径规划方法记载

[0013] 步骤8、根据步骤6建立的交通路况地图，综合考虑自车行驶态势以及车辆转弯半径，通过局部路径规划算法，计算出当前车辆的最优行驶路径（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）；

[0030] 进一步的，所述步骤8根据步骤6建立的交通路况地图，综合考虑自车行驶态势以及车辆转弯半径，通过局部路径规划算法，计算出当前车辆的最优行驶路径（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），具体包括：首先，综合考虑车辆的转弯半径，然后在地图上设置初试节点的开启节点列表，计算列表中每个节点的代价函数，将代价函数值最小的节点作为下一个点并将该点移入关闭列表，然后一直重复该过程直至完成路径规划；再通过对路径中各个节点的曲率、与障碍物的距离进行约束，采用三次贝塞尔曲线平滑方法对原行驶路径拟合得到平滑的最优行驶路径

对比文件CN106128137A 一种基于车联网的城市道路交通路口车内交通信息灯预警方法及系统记载：

[0022] 判断车辆在绿灯剩余时间内能否通过交叉口

[0026] 其中，t表示假定车辆当前所在位置通过路口时所需时间，t＝t1+t2′+t3′+t4；d1为自车车尾到前方交通灯的距离，d1＝S1+R1，S1为自车无线接收终端到前方交通灯的距离，通过无线终端测得距离，R1为自车无线接收终端到车尾的距离，其数据预先存入系统中；v1为车辆当前速度，tL为绿灯显示剩余时间，t1为驾驶员的反应时间，t2′为加速踏板动作时间，t3′为加速度增长时间，vx为前方路口限速，t4为车辆以vx行驶的时间，t1、t2′值预先设定，a为自车最大加速度(至少部分地基于由所述车辆物理能力限制（最大加速度）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)，

对比文件CN107146408A 一种基于车联网的道路环保驾驶系统的控制方法记载：

[0063] 所述步骤3中，得到当前车辆的运动轨迹与速度曲线的方法包括以下步骤。[0064] 步骤3.1：计算当前车辆的加速度（至少部分地基于由所述车辆物理能力（加速度）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）[0065] 其中，其中， ū为当前车辆的最大加速度，

对比文件CN107561969A 用于车辆平台的设备和方法记载：

[0135] 路径规划可包括例如决策，例如制定是否通过正在阻挡道路的静止汽车。该决策可取决于将要驾驶的路线的下一部分、汽车的性能(例如，转弯半径、车辆的大小、加速度等)（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）以及汽车周围环境的行为建模。环境可包括对象特征，例如位置、距离汽车的距离、速度、诸如行人、骑自行车者、汽车等的动态对象的移动方向以及动态对象可能在特定地点的预测。各种实施例还可对动态对象的轨迹进行估计。对象的数量和特征数量可取决于汽车可用的处理性能。通常，用于确定车辆的下一个动作的各种信息的处理可被称为“运动规划”。如所描述的，运动规划可被分配到各个软件模块，其中，模块可相对独立地执行。软件模块也可被放大或缩小以适应所需的处理性能。

对比文件CN108027243A 用于操作自动驾驶车辆的控制误差校正规划方法记载：
[0044] 车辆文档321可针对车辆的特定类型或型号被专门编译。车辆文档321可包括车辆的某些物理和驾驶特征，例如最小转弯半径、加速度、制动、物理尺寸(例如，高度、宽度、重量、车轮尺寸或直径、轮距)、（所述运动规划包括所述发送车辆相关联的一个或多个车辆描述符，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）以及发动机或马力等。最小转弯半径是指车辆可进行的最小的圆形转弯(即，U形转弯)的半径。加速度参数是指车辆可从零速度加速到预定速度(例如，60英里每小时或mph)的时间或距离。制动参数是指车辆可从预定速度(例如，60mph)减速到零的时间或距离。[0045] 在一个实施方式中，基于根据车辆文档321专门规划的规划和控制数据来生成模拟路线（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）。

对比文件CN108564234A 一种智能网联汽车的交叉口无信号自组织通行控制方法  记载：

[0030] 通过上述确定决策车辆的通行次序的过程，获得车辆到达停车线及通过各冲突点的时间，由此可计算出车辆在执行区的运动情况。在不同的交叉口场景下，车辆有多种运动轨迹，如图5所示。A表示车辆先以最佳速度匀速行驶，然后减速至停车，在停车等待之后加速到最佳速度；B表示车辆先以最佳速度匀速行驶，然后减速至低速，之后保持以低速匀速行驶，之后加速到最佳速度；C表示车辆先以最佳速度匀速行驶，然后经历减速-加速过程，之后达到最佳速度；D表示车辆始终以最佳速度匀速行驶。车辆的运动轨迹是与车辆距离停车线距离、车辆到达停车线时间、车辆最佳速度、车辆最大加速度和最大减速度等参数来决定的（至少部分地基于由所述车辆物理能力（最大加速度，最大速度）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），图4表示的只是几种简化的运动轨迹示意图。在保证车辆按照既定的时刻到达停车线的前提下，考虑能耗、乘坐舒适性等因素，智能网联汽车可以按照更为复杂的运动轨迹行驶，运动轨迹对交叉口的通行效率不产生影响

对比文件CN106781551A 车联网环境下的高速公路出入口匝道联合控制系统及方法记载：

[0064] 系统内所涉及的数据流、指令流及数据-指令流传递方法：[0065] (1)车辆数据[0066] 1)车辆静态数据：车辆ID，车辆类型(包括车辆尺寸数据，车辆最大速度、最大加速度、最大减速度)（所述运动规划包括所述发送车辆相关联的一个或多个车辆描述符，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最大加速度，最大速度），车载设备类型；[0067] 2)车辆动态数据：车辆位置(经纬度)，车辆速度，车辆加速度；[0068] 3)驾驶员请求数据：进入高速公路请求，离开高速公路请求；[0069] (2)交通状态信息数据：路段交通流量、路段平均速度、路段交通密度；[0070] (3)控制指令：车辆速度，加速度，诱导路径数据[0071] (4)数据-指令流传递方法：[0072] 1)车辆将车辆数据发送给RSU单元；[0073] 2)RSU单元根据车辆数据得到所辖路段的交通状态信息数据并发送给路段层TOC和匝道节点层控制系统；[0074] 3)路段层TOC和匝道节点层控制系统根据交通状态信息数据生成控制指令；[0075] 4)路段层TOC和匝道节点层控制系统通过RSU单元将控制指令发送给车辆，车辆按照控制指令驾驶（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，以及至少部分地基于所述运动规划来控制所述车辆）。

对比文件CN107284452B 融合智能通讯信息的混合动力汽车未来工况预测系统记载：

[0042] 依据划分的前车行驶工况，收集某段划分时间窗口内的前车实时运行时工况信息，以及本车预测时间步长Δt内的未来实际工况信息数据，进行滤波和参数化归一处理后，将当前接收到得前车的工况信息数据作为输入，本车预测时间步长Δt内的未来实际工况信息数据作为输出，构造训练样本集G，所述的工况信息包括车辆瞬时速度vt、平均车速vave、最大速度vmax、车速变化频率f、路面坡度i、路面等级g、交通流密度ρ，最大加速度amax、（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）加速度均值am；[0043] 由此构造训练样本集为：G＝{(x1,y1),(x2,y2)，……(xi,yi)，……(xn,yn)}，其中，当前接收到得前车工况信息为： 本车预测时间步长Δt内的未来的实际工况信息：

[0057] 再将利用最小二乘支持向量机(LS-SVM)工况预测模型得到的工况预测值 与自回归滑动平均误差修正模型(ARMA)得到的误差修正值Ei两者之和作为预测调整值 与工况实际值yi进行比较，当满足预测精度要求时，将预测调整值 作为最终预测值；当预测精度不满足要求，进一步调整自回归滑动平均误差修正模型(ARMA)得到新的误差修正值Ei(k)，进而得到新的预测调整值 再与工况实际值yi比较并进行预测精度分析，直到满足预测精度要求，最终得到最小二乘支持向量机(LS-SVM)工况预测模型与自回归滑动平均误差修正模型(ARMA)相结合带有预测模型精度判断的未来工况预测模型；[0058] 所述的在线预测结果分析模块，接收当前预测模型输出单元的在线预测结果或当前经过预测结果在线修正模块修正后的预测结果，计算预测结果与未来工况实际结果两者的差值并进行预测结果精度的判断，（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）当不满足预测精度要求时，在下一段的工况预测时，优先通过预测结果在线修正模块对所得的在线预测结果进行误差修正后，作为最终预测结果输入至预测结果输出模块；当满足预测精度要求时，在下一段的工况预测时不进行误差修正，直接将在线预测结果输入至预测结果输出模块；

对比文件CN103646298A 一种自动驾驶方法及系统记载

[0013] 根据机动车最佳转向角和机动车前后轮轴距，获取机动车转弯半径；[0014] 根据机动车最佳转向角和机动车转弯半径规划出车道切换路径轨迹（至少部分地基于由所述车辆物理能力（转弯半径）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）

对比文件CN104167097B 一种基于车车通信的动态超车轨迹生成系统的生成方法记载

[0073] 式中，k为规划轨迹的相应曲率，2(m/s2)为A运动允许的最大横向加速度，kmin为A的自身物理条件所允许的最小转弯半径。[0074] 因此，轨迹生成单元7最终给出满足条件的安全超车轨迹 （至少部分地基于由所述车辆物理能力（转弯半径）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）并将其发送到轨迹显示单元6上显示出来。[0075] 若在超车过程中Bi的行驶状态突然发生改变，例如由于车辆故障而突然停车或转向时，Bi的车车通信单元会将这个状态改变发动给A，使得A可以根据该状态变化调整已生成的超车轨迹，保证行车安全。

对比文件CN101526615A 车辆间的位置感知系统和相关操作方法记载：

如这里所用的，“虚拟交通模型”是与该特定虚拟交通模型相关的 车辆周围的环境的模拟模型。虚拟交通模型可以是计算机产生的虚拟现 实模型，其包括感兴趣区域内的每个感兴趣车辆的矢量计算，其中车辆 的矢量定义了该车辆的当前行进方向、位置或地点、速度和加速度/减 速度。虚拟交通模型也可以包括车辆的预计(project)、预测或外推 特性，其使得车辆间位置感知系统能够预测或预见车辆在将来某个时间 的行进方向、位置、速度和可能的其它参数（设置针对所述发送车辆的行为预测）。在某些实施例中，虚拟交 通模型包括关于主车辆自身的信息以及关于很接近主车辆的邻近车辆 的信息。此外，虚拟交通模型可以包括关于主车辆所处的环境的信息， 包括而不限于与下列有关的数据：周围地形或硬景观(hardscape)； 主车辆正在其上行使的道路、高速公路或大路(例如，导航或地图数据)； 车道信息；主车辆正在其上行使的道路、高速公路或大路的速度限制； 和感兴趣区域内的其它对象，例如树、建筑物、标志、灯柱等。

主车辆的虚拟交通模型222也可以用作交通感知系统208的输入。 交通感知系统208被适当地配置为预测、估计、预计或外推主车辆附近 的即将到来的交通条件，其中交通感知系统208的操作是基于虚拟交通 模型222的并且受其影响。在某些实施例中，交通感知系统208和/或 交通建模器206可以被配置为使得矢量分析和虚拟交通建模算法考虑实 际操作和环境特性和条件。例如，位置感知系统200可以被适当地配置 为预期实际的车辆性能特性，例如轮胎牵引力、不同速度的制动距离、 最大加速度/减速度、转弯半径等。（至少部分地基于由所述车辆物理能力（最大加速度，转弯半径）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）此外，位置感知系统200可以被适 当地配置为确定和考虑主车辆和邻近车辆的地点(相对于参考，例如海 平面)。这将允许位置感知系统200准确地对桥、隧道、天桥、地下通 道等的存在进行建模。

对比文件CN109017782A 个性化的自主车辆乘坐特性记载：

[0046] 纵向求解器模块402还接收或以其它方式获得与车辆的路线和当前姿态有关的当前障碍物数据414，其可包括例如位置或定位、大小、方向或航向、速度、加速度和车辆附近或未来路线中的物体或障碍物的其它特性。纵向求解器模块402还接收或以其它方式获得纵向车辆约束数据416，其表征或以其它方式定义车辆进行纵向移动的运动学或物理学能力，诸如例如最大加速度和最大纵向加加速度、最大减速度等等。

[0049] 仍然参考图4，以类似的方式，横向求解器模块404接收或以其他方式获得当前车辆位姿410以及相关路线信息412和障碍物数据414，用于确定预测范围内的横向行驶计划解决方案。横向求解器模块404还接收或以其他方式获得横向车辆约束数据420，其表征或以其他方式定义车辆的横向运动的运动学或物理学能力，例如，最大转向角度或转向角度范围、最小转弯半径、转向角度的最大变化率等。

[0051] 使用向横向求解器模块404的各种输入410、412、414、420、422，横向求解器模块404计算或以其他方式，通过优化某些横向成本变量或其组合(例如，使道路中心的偏差最小化，使路径的曲率最小化，使横向加加速度最小化等)，确定用于在某些预测范围(例如，50米)内在将来位置沿着路线行驶的横向计划（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）），这种优化是通过以确保车辆尽可能地符合横向乘坐偏好信息422、同时也符合车道边界或其他路线约束并避免与物体或障碍物碰撞的方式来改变转向角度或车轮角度。

由此可见对比文件

对比文件CN102963355A，对比文件CN109920246A，对比文件CN106128137A，对比文件CN107146408A，对比文件CN107561969A，对比文件CN108027243A ，对比文件CN108564234A，对比文件CN106781551A，对比文件CN107284452B ，对比文件CN103646298A，对比文件CN104167097B，对比文件CN104167097B，对比文件CN109017782A分别公开了采用车辆的物理能（最大加速度，最大速度，转弯半径）来预测车辆的运动轨迹，解决了如何预测车辆轨迹的技术问题，与区别技术特征2在权利要求1解决的技术问题相同，区别技术特征2已经被上述对比文件公开。

对比文件CN105761546B，CN108564234A 公开了区别技术特征（1）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。

以对比文件CN108349496A 与该专利相同，所解决的技术问题最为接近，属于最接近的现有技术。

以对比文件CN108349496A 公开：

[0006] 实施例提供了一种用于确定在两个车辆之间的用于车辆的更换车道的交通空隙的方法。在有些实施例中，可以自动化地执行该方法。该方法包括：基于第一探测并且基于第二探测来标识交通空隙。第一探测基于至少一个其它车辆的至少一个车辆到车辆状态消息。第二探测基于车辆的车载传感装置。使用车辆到车辆状态消息和车载传感装置能够在由被构造用于车辆到车辆通信的车辆与没有车辆到车辆接口的车辆构成的不均匀的交通情况下确定交通空隙以及识别干扰体。

[0007] 在一些实施例中，所述至少一个车辆到车辆状态消息可包括关于所述至少一个其它车辆的位置和/或轨迹的信息。第一探测可基于关于所述至少一个其它车辆的位置和/或轨迹的信息。对位置或轨迹的使用能够计算在该车辆周围的车辆的位置地图（接收包括用于发送车辆的运动规划的意图消息b，所述运动规划包括所述发送车辆的轨迹，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）。

[0015] 在至少一些实施例中，该方法还可包括：交换车辆到车辆协调消息，用来与至少一个其它车辆协调协同驾驶机动动作。提供驾驶辅助还可包括：将关于接受更换车道愿望的消息提供给所述进行询问的车辆和所述至少一个其它车辆。可替换地或附加地，在接收到关于所述至少一个其它车辆接受更换车道愿望的消息的情况下可以中断确定、确定和/或提供。使用协调消息可以防止：多个车辆（徒劳地）尝试通过驾驶机动动作来提供交通空隙（以及至少部分地基于所述运动规划来控制所述车辆）。

对比文件CN108349496A与权利要求1的区别技术特征是:

（1）所述运动规划包括所述发送车辆相关联的一个或多个车辆描述符，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；基于上述区别技术特征，权利要求1所要解决的技术问题是, 采用什么参数确定车辆的运动规划。

（2）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基于上述区别技术特征，权利要求1所要解决的技术问题是, 如何预测车辆的轨迹。

区别技术特征：

”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；“

解决的技术问题：

如何预测车辆的轨迹。

对比文件CN108349496A 用于确定在两个车辆之间的用于车辆的更换车道的交通空隙的方法和控制系统记载：

[0037] 在至少有些实施例中，所述至少一个车辆到车辆状态消息可以对应于如下状态消息，所述状态消息由所述至少一个其它车辆200周期性地提供，以便将关于该车辆的信息（例如位置、速度、轨迹和/或车辆类型）提供给周围的车辆。该方法例如还可包括：通过车辆到车辆接口、比如装置10的车辆到车辆接口16得到所述至少一个车辆到车辆状态消息。

车辆类型隐含公开了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。本领域技术人员可以通过车辆类型毫无异议的得到，转弯半径、车辆最高速度和车辆最大加速度中的至少一项，对比文件CN108349496A公开了区别技术特征1

对比文件US20150161894A1 记载：

[0025] When determining a time-varying handling characteristic, the monitoring unit may determine a probabilistic description of the time-varying handling characteristic. The probabilistic description may include a mean value, a standard deviation, a probability distribution function, a median value, a mode, a maximum value, a minimum value, a moment, a quartile, a quantile, and/or the like. The time-varying handling characteristic may be computed for a current time and/or a future time (e.g., what the characteristic will be at a predetermined time in the future). The time-varying handling characteristics may include kinematic characteristics, such as a turning radius, a braking distance, an acceleration (e.g., a linear acceleration, a rotational acceleration, a deceleration, etc.), a jerk, and/or the like. The time-varying handling characteristic may include a stability margin for the vehicle. For example, the stability margin may be computed based on a wind loading of the vehicle, a weight distribution for the vehicle, and/or the like.

[0025] 在确定时变操控特性时，监测单元可能会确定时变操控特性的概率描述。概率描述可能包括平均值、标准差、概率分布函数、中位数、众数、最大值、最小值、矩、四分位数、分位数等。时变操控特性可为当前时间和/或未来时间（例如，在预定的未来时间将会是什么特性）计算。时变操控特性可能包括运动特性，如转弯半径、刹车距离、加速度（例如线性加速度、旋转加速度、减速等）、急动等。(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)时变操控特性可能包括车辆的稳定性边界。例如，稳定性边界可基于车辆的风载、车辆的重量分布等计算。

[0035] The characteristic may include an adjustable parameter of the automatic-driving software program. For example, the adjustable parameter may include a setting of the automatic-driving software program. The adjustable parameter may include a parameter set by a user, a parameter set by a manufacturer, a parameter set by a software update, and/or the like. The adjustable parameter may include a maximum acceleration the software program is willing to use (e.g., a maximum linear acceleration, a maximum rotational acceleration, a maximum deceleration, etc.), a maximum jerk the software program is willing to use, a maximum braking the software program is willing to use, a maximum lateral avoidance distance the software program is willing to use, and/or the like. The adjustable parameter may include an occupant-based maneuver limit, such as a driver-based maneuver limit, a maneuver limit for each occupant, etc.

[0035] 该特性可能包括自动驾驶软件程序的一个可调参数。例如，可调参数可以包括自动驾驶软件程序的设置。可调参数可能包括用户设定的参数、制造商设定的参数、软件更新设定的参数等。可调参数可能包括软件程序愿意使用的最大加速度（例如，最大线性加速度、最大旋转加速度、最大减速等）(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)、软件程序愿意使用的最大急动、软件程序愿意使用的最大制动、软件程序愿意使用的最大侧向避让距离等。可调参数还可能包括基于乘员的操控限制，如基于司机的操控限制、针对每个乘员的操控限制等。

[0036] The adjustable parameter may include a parameter used in computing a collision avoidance decision, such as trigger criteria for performing a collision avoidance maneuver (e.g., object types to avoid, a time until collision below which the collision avoidance maneuver should be performed, a range to a target object, a probability of collision above which the collision avoidance maneuver should be performed, etc.), a risk tolerance parameter, a risk-damage tradeoff parameter, a parameter specifying how aggressively to avoid a collision, and/or the like. The adjustable parameter may include a response-time setting. The adjustable parameter may include a physics model parameter, such as a parameter used in predicting a path of the vehicle, a parameter used in predicting a path of a target object, a mass of the vehicle, a parameter used in estimating a mass of a target object, an aerodynamic drag of the vehicle, and/or the like. The adjustable parameter may include a collision modeling parameter, such as a detail level for collision modeling, a make-specific structural vehicle model, a generic structural vehicle model, a damage threshold, and/or the like.

[0036] 可调参数可能包括用于计算碰撞避免决策的参数，如执行碰撞避免动作的触发标准（例如，需避开的物体类型、碰撞前的时间限制、目标物体的距离、碰撞概率高于某一阈值时应执行碰撞避免动作等）、风险容忍参数、风险损害权衡参数、指定如何积极避免碰撞的参数等。可调参数可能包括响应时间设置。可调参数可能包括物理模型参数，如用于预测车辆行驶路径的参数、用于预测目标物体路径的参数、车辆质量、用于估计目标物体质量的参数、车辆的空气动力学阻力等(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)。可调参数可能包括碰撞建模参数，如碰撞建模的细节级别、特定车型的结构车辆模型、通用结构车辆模型、损害阈值等。

[0039] The adjustable parameter may include a curve navigation style of the automatic-driving software program, such as a curve navigation speed relative to a recommended speed (e.g., a recommended speed determined from location-based metadata, an advisory speed limit specified by a government body, etc.), a curve navigation speed relative to acceleration measurements, and/or the like. The adjustable parameter may include a merging style, such as a following distance prior to merging, aggressiveness during merging, and/or the like. The adjustable parameter may include a speed parameter, such as a vehicle speed relative to a speed limit (e.g., a speed limit specified by a government body, a manufacturer recommended speed limit, etc.), a plurality of speed settings for a corresponding plurality of speed limits, and/or the like.

[0039] 可调参数可能包括自动驾驶软件程序的曲线导航风格，例如与建议速度相比的曲线导航速度（例如，基于位置的元数据确定的建议速度、政府机构规定的建议速度限制等）、与加速度测量相关的曲线导航速度等。可调参数可能包括合并风格，例如合并前的跟随距离、合并期间的积极性等。可调参数可能包括速度参数，如与速度限制相关的车辆速度(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)（例如，政府机构指定的速度限制、制造商推荐的速度限制等）、对应于多个速度限制的多个速度设置等。

由此可见对比文件US20150161894A1公开了区别技术特征（1）和区别技术特征（2）

对比文件CN106428009A 车辆轨迹确定 记载

[0107] 计算机20的存储器通常存储收集的数据。收集的数据可以包括通过数据收集器24在主车辆14中收集的和/或从中得出的各种数据。收集的数据24的示例可以包括，例如，关于一个或多个非主车辆16的驾驶行为的数据，例如，随时间而变化的非主车辆16的位置(例如，地理坐标，到主车辆14的距离等)、随时间而变化的非主车辆16的速度、行驶方向、在不同时间点的方向和速度的变化的数量和幅度等。收集的数据可以进一步包括，例如，信息，比如一个或多个非主车辆16的类型(例如，轻型卡车、客车，小型货车等)、尺寸、品牌、型号等。收集的数据可以额外地包括由从计算机20中的数据收集器24接收的数据计算出的数据。（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；）通常，收集的数据可以包括可以通过数据收集器24收集的、通过车辆与车辆间(V2V)或车辆与基础设施间(V2I)通信接收到的、从其它源收集的或接收的任何数据、和/或从这样的数据计算出的任何数据。[0108] 计算机20可以被编程为接收来自数据收集器24的数据和关于目标的数据，例如，主车辆14的目的地、路线、到达时间等（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）。基于收集的数据，如下所描述的，计算机20可以限定交通环境10、识别参与交通环境10的非主车辆16、并且确定用于主车辆14的策略46。

由此可见对比文件CN106428009A 车辆轨迹确定通过车辆的类型，品牌，型号来预测车辆的轨迹，本领域技术人员可以毫无疑义的通过车辆的类型，品牌，型号得出车辆的物理能包括车辆的转弯半径，最大加速度，最大速度，对比文件CN106428009A 车辆轨迹确定公开了区别技术特征（1）和区别技术特征（2）

对比文件EP3364393A1公开

[0029] The communicated intended movement of the traffic participant TP0 also settles the issue which traffic participant can go first to perform the parking maneuver. If the traffic participant TP0 reaches the available parking lots PLA , PLB before other traffic participants such as traffic participant TP4 and stops at one of the parking lots to initiate the intended parking maneuver the apparatus 1 can broadcast in a possible embodiment a communication signal or message indicating the intended movement, i.e. parking maneuver, to other traffic participants in the vehicle's surrounding. After having received the broadcasted communication, the other traffic participants can wait until the first traffic participant TP0 has finished its parking maneuver. Accordingly, conflicts between different traffic participants TP5 when performing parking maneuvers into available parking lots PL5 are avoided. Consequently, collisions between traffic participants TP5 are avoided and the operation safety of the vehicles when performing driving maneuvers is increased.

[0029] 交通参与者TP0所传达的预期移动行为也解决了哪个交通参与者可以优先执行停车操作的问题。如果交通参与者TP0在其他交通参与者（如交通参与者TP4）之前到达可用的停车场PLA、PLB，并在其中一个停车场停车以启动预期的停车操作，则装置1可以在一种可能的实施方式中广播一个通信信号或消息，指示预期的移动，即停车操作，给车辆周围的其他交通参与者。收到广播通信后，其他交通参与者可以等到第一个交通参与者TP0完成其停车操作。因此，避免了不同交通参与者TP5在执行停车操作进入可用停车场PL5时的冲突。因此，避免了交通参与者TP5之间的碰撞，提高了执行驾驶操作的车辆的操作安全性。

由此可见至少部分地基于所述运动规划来控制所述车辆属于公知常识。

对比文件JP2003228800记载：

[0005] 【課題を解決するための手段】上記の目的を達成するため、本発明においては特許請求の範囲に記載するように構成している。すなわち、請求項１においては、自車両の周囲を走行する車両の位置を検出する周囲車両検出手段と、自車両の周囲の走行車線を検出する車線検出手段と、自車両の車速を検出する自車速検出手段と、上記三つの検出手段から得られる情報から、自車両とその周囲車両の車線ごとの位置と速度を算出する周囲地図生成手段と、他車両からなる車群の予想される未来の挙動を記述した予測式を提示する周囲車両群挙動予測手段と、前記周囲車両群挙動予測手段で得られた他車両の未来の挙動に対して、車両進行方向の加減速運動および左右の車線への車線変更運動から構成される自車両の未来の操作の望ましさを評価する操作量評価手段と、前記周囲地図生成手段、前記周囲車両群挙動予測手段および前記操作量評価手段の結果に基づいて、自車両にとって望ましい操作量を生成する推奨操作量生成手段と、を備えるように構成している。

[0005] 【解决问题的手段】为了实现上述目的，在本发明中，构建了如专利要求范围所述的结构。即在权利要求1中，设有检测自车周围行驶车辆位置的周围车辆检测手段、检测自车周围行驶车道的车道检测手段、检测自车速度的自车速检测手段，以及从这三个检测手段得到的信息中计算自车及其周围车辆按车道的位置和速度的周围地图生成手段，还设有描述由其他车辆组成的车队预期未来行为的预测公式的周围车辆群行为预测手段，以及基于周围车辆群行为预测手段得到的其他车辆未来行为，评估自车在车辆行进方向上的加速和减速运动以及左右车道的车道变更运动所构成的未来操作的可取性的操作量评估手段，根据周围地图生成手段、周围车辆群行为预测手段和操作量评估手段的结果，生成对自车来说可取的操作量的推荐操作量生成手段。

对比文件JP2003228800公开了以及至少部分地基于所述运动规划来控制所述车辆，通过运动规划来控制车辆属于公知常识。

对比文件US2018319403记载

 Exemplary embodiments provide a method for automatically determining a gap in traffic for the lane change of a transportation vehicle. The transportation vehicle or a vehicle-to-vehicle communication system of the transportation vehicle may be designed to use both vehicle-to-vehicle messages and local sensors for the purpose of determining gaps in traffic. By combining the data, the transportation vehicle can capture both transportation vehicles which are equipped with a vehicle-to-vehicle communication system and transportation vehicles without a vehicle-to-vehicle communication system or obstacles and, on the basis thereof, can carry out or support a lane change in an automated manner. If there is no gap, the method can provide transportation vehicles in a surrounding area with driving intention messages in some exemplary embodiments so that the transportation vehicles create a gap.

[0017] Exemplary embodiments provide a method for determining a gap in traffic between two transportation vehicles for a lane change of a transportation vehicle. In some exemplary embodiments, the method can be carried out in an automated manner. The method comprises identifying the gap in traffic based on a first detection process and based on a second detection process. The first detection process is based on at least one vehicle-to-vehicle status message from at least one further transportation vehicle. The second detection process is based on an on-board sensor system of the transportation vehicle. The use of the vehicle-to-vehicle status message and the on-board sensor system makes it possible to determine the gap in traffic in a heterogeneous traffic situation from transportation vehicles designed for vehicle-to-vehicle communication and from transportation vehicles without a vehicle-to-vehicle interface and to detect interfering bodies.

[0018] In some exemplary embodiments, the at least one vehicle-to-vehicle status message can comprise information relating to a position and/or a trajectory of the at least one further transportation vehicle. The first detection process can be based on the information relating to the position and/or the trajectory of the at least one further transportation vehicle. The use of the position or trajectory makes it possible to calculate a position map of transportation vehicles in an area surrounding the transportation vehicle.

[0016]示例性实施例提供了一种用于自动确定运输车辆的车道变换的交通间隙的方法。运输车辆或运输车辆的车辆间通信系统可以被设计为使用车辆间消息和本地传感器两者来确定交通间隙。通过结合数据，运输车辆可以捕获配备有车对车通信系统的运输车辆和没有车对车通信系统或没有障碍物的运输车辆，并在此基础上进行或支持自动变道。如果不存在间隙，则在一些示例性实施例中，该方法可以向周围区域中的运输车辆提供驾驶意图消息，使得运输车辆产生间隙。

[0017]示例性实施例提供了一种用于针对运输车辆的车道变换确定两个运输车辆之间的交通间隙的方法。在一些示例性实施例中，该方法可以以自动化方式进行。该方法包括基于第一检测过程和基于第二检测过程来识别流量间隙。第一检测过程基于来自至少一个另外的运输车辆的至少一个车辆间状态消息。第二检测过程基于运输车辆的车载传感器系统。车辆间状态消息和车载传感器系统的使用使得可以确定异构交通状况下设计用于车辆间通信的运输车辆和无车辆的运输车辆之间的交通间隙-与车辆接口并检测干扰体。

[0018]在一些示例性实施例中，至少一个车辆间状态消息可以包括与至少一个另外的运输车辆的位置和/或轨迹有关的信息。第一检测过程可以基于与至少一个另外的运输车辆的位置和/或轨迹有关的信息。使用位置或轨迹使得可以计算运输车辆在运输车辆周围的区域中的位置图（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e，以及至少部分地基于所述运动规划来控制所述车辆）。

由此可见，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e，以及至少部分地基于所述运动规划来控制所述车辆于本领域人员知晓的公知常识

对比文件DE102009035072记载:

[0013] Der Begriff „Objekt” fasst in dieser Schrift alle unmotorisierten oder schwach motorisierten, „verletzlichen” Verkehrsteilnehmer, nämlich alle Verkehrsteilnehmer außer Kraftfahrzeuge mit schützender Karosserie zusammen. Der Begriff „verletzlich” kommt daher, dass die unmotorisierten oder schwach motorisierten Verkehrsteilnehmer wie Fußgänger oder Motorfahrradfahrer aufgrund der fehlenden schützenden Karosserie bei Kollisionen mit Kraftfahrzeugen besonderen Verletzungsrisiken ausgesetzt sind. Zu den Objekten zählen somit alle Fußgänger, insb. Kinder, Radfahrer, Rollstuhlfahrer, Kleinradfahrer, Motorfahrradfahrer und auch Tieren wie z. B. Hunde sowie Fahrräder. Motorfahrräder, Rollstühle, Rollschuhen usw..

[0013] 本文中的“对象”一词涵盖了所有非机动或低动力、被视为“脆弱”的交通参与者，即除具有保护性车身的机动车外的所有交通参与者。之所以使用“脆弱”，是因为这些非机动或低动力的交通参与者如行人或摩托车（对象包括车辆）骑士由于缺乏保护性车身，在与机动车发生碰撞时面临特殊的受伤风险。因此，“对象”包括所有行人，特别是儿童，自行车骑士，轮椅使用者，小轮车骑士，摩托车骑士以及动物，如狗，还包括自行车、摩托车、轮椅、滑轮鞋等。

[0024] Vorteilhafterweise wird daher ein sogenanntes Objektmodell zur erfindungemäßen Prädiktion herangezogen. Als „Objektmodell” soll hier ein Parametersatz verstanden werden, welcher jedem Verkehrteilnehmer (nämlich jedem verletzlichen Verkehrsteilnehmer) zugeordnet ist und folgende physikalischen oder physiologischen Eigenschaften des Verkehrteilnehmers in Form von Parametern enthält. Diese Eigenschaften sind unter anderem,

• – die Art des Objekts,
• – das physiologische bzw. physikalische Bewegungsvermögen des Objekts, darunter
• – das Gewicht,
• – die Höhe,
• – die maximale Geschwindigkeit,
• – die maximale Beschleunigung,
• – die maximale Drehrate,
• – das Bewegungsmuster des Objekts, nämlich typische Bewegungsfolge eines Verkehrsteilnehmers, bspw. Beugen des Oberkörpers vor dem Loslaufen bei einem Kind.

[0025] Die Art des Objekts gibt Informationen darüber, um welchen Verkehrsteilnehmer es sich handelt, nämlich, ob das Objekt eine erwachsene Person, ein Kind, eine alte Person mit Gehhilfe oder ein Kind mit Rollschuhen, ein Fahrrad, ein Rollstuhl oder ein Haustier wie bspw. ein Hund ist.

[0026] Aus der Art des Objekts lässt sich der maximale Radius des Bewegungsspielraumes des Objekts, die maximal erreichbare Geschwindigkeit, Beschleunigung oder Drehrate usw. grob bestimmen. So ist bspw. in Bezug auf denselben Betrachtungszeitraum der Radius des Bewegungsspielraumes eines Fußgängers mit Gehhilfe wesentlich kleiner als der eines Kindes mit Rollschuhen.

[0024] 因此，有利地使用所谓的“对象模型”来进行本发明的预测。这里的“对象模型”应理解为一组参数，分配给每个交通参与者（即每个脆弱的交通参与者），包括以下交通参与者的物理或生理特性的参数。这些特性包括：

• 对象的类型，
• 对象的生理或物理运动能力，其中包括：
  • 重量，
  • 身高，
  • 最大速度（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），
  • 最大加速度（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），
  • 最大转速，
  • 对象的运动模式，即交通参与者的典型运动序列，例如一个孩子在开始跑步前弯曲上身。

[0025] 对象的类型提供了关于交通参与者的信息，即该对象是成年人、儿童、使用助行器的老人还是滑轮鞋的儿童，一个自行车、一个轮椅或者一个宠物如狗等。

[0026] 从对象的类型可以大致确定对象的运动空间的最大半径、可达到的最大速度、加速度或转速等。例如，在相同的考虑时间内，使用助行器的行人的运动空间半径显著小于滑轮鞋儿童的半径。（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）

[0030] Aus den Parametern des Objektmodells und den aktuell gemessenen Bewegungsdaten (je nach Ausführung auch aus den zeitlich unmittelbar zurückliegenden Bewegungsdaten) des Objekts werden vorteilhafterweise Frühindikatoren zur Prädiktion der zukünftigen Position und/oder Bewegung des Ob jekts ermittelt. Basierend auf der aktuellen Position des Objekts lässt sich so anhand der Frühindikatoren die zukünftige Position des Objekts prädizieren. Als Frühindikatoren werden hier charakteristische Änderungen in der Haltung oder im Bewegungszustand des Objekts verstanden, die auf eine Änderung der Bewegung oder Bewegungsrichtung schließen lassen.

[0030] 根据对象模型的参数和当前测得的运动数据（根据执行情况，也可以是最近一段时间内的运动数据），有利地确定了用于预测对象未来位置和/或运动的早期指标。基于对象的当前位置，可以利用这些早期指标预测对象的未来位置。这里所说的早期指标是指对象姿势或运动状态中的特征性变化，表明其运动或运动方向发生了变化。（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）

由此可见，DE102009035072公开了区别技术特征（1）和区别技术特征（2）

对比文件DE102015220481A1记载

[0008] Dazu wird ein Verfahren in einer Verkehrseinheit zum kooperativen Abstimmen von Fahrmanövern von mindestens zwei Kraftfahrzeugen zur Verfügung gestellt, wobei die mindestens zwei Kraftfahrzeuge Verkehrseinheiten sind und die Verkehrseinheiten über eine Car2Car-Schnittstelle kommunizieren, umfassend die folgenden Schritte: Erfassen einer Verkehrssituation im Umfeld der mindestens zwei Kraftfahrzeuge durch mindestens einen Sensor, Vorhersagen einer zukünftigen Verkehrssituation der mindestens zwei Kraftfahrzeuge auf Grundlage der von dem mindestens einen Sensor erfassten Umfelddaten durch eine Prognoseeinrichtung, Überprüfen anhand der zukünftigen Verkehrssituation, ob mindestens ein Auslösekriterium vorliegt durch die Prognoseeinrichtung, und sofern ein Auslösekriterium vorliegt: Aussenden einer Anfrage an andere Verkehrseinheiten im Umfeld durch eine Planungseinrichtung, und sofern die Verkehrseinheit eines der mindestens zwei Kraftfahrzeuge ist: Übermitteln von Eigenschaften des Kraftfahrzeugs nach Empfangen der Anfrage; ferner Empfangen von Eigenschaften anderer Kraftfahrzeuge durch die Planungseinrichtung, Planen von Trajektorien für die mindestens zwei Kraftfahrzeuge in der Planungseinrichtung, wobei das Planen der Trajektorien auf Grundlage von von dem mindestens einen Sensor erfassten Umfelddaten und der Eigenschaften der mindestens zwei Kraftfahrzeuge durchgeführt wird, Übermitteln der geplanten Trajektorien an die anderen Verkehrseinheiten im Umfeld, Empfangen geplanter Trajektorien (eine Trajektorie pro beteiligtes Fahrzeug) von den anderen Verkehrseinheiten im Umfeld, Bewerten der geplanten Trajektorien durch eine Bewertungseinrichtung auf Basis einer Bewertungsskala, Übermitteln der Bewertungen für die geplanten Trajektorien an die anderen Verkehrseinheiten, Empfangen von Bewertungen für die geplanten Trajektorien von den anderen Verkehrseinheiten, Auswählen einer optimalen Kombination aus geplanten Trajektorien für die mindestens zwei Kraftfahrzeuge durch die Planungseinrichtung auf Basis aller Bewertungen und eines vorgegebenen Auswahlkriteriums, Durchführen der optimalen Kombination aus geplanten Trajektorien durch die mindestens zwei Kraftfahrzeuge, wobei die Anfrage zumindest ein Ziel der Anfrage, einen Bereich einer Interaktion und die Bewertungsskala umfasst, und die Eigenschaften zumindest Leistungsdaten und eine eindeutige Kennung des jeweils übermittelnden Kraftfahrzeugs umfassen.

[0008] 为此，提供了一种在交通单元中用于至少两辆汽车之间协作调整驾驶操作的方法，其中这至少两辆汽车是交通单元，交通单元通过Car2Car接口进行通信（接收包括用于发送车辆的运动规划的意图消息），包括以下步骤：通过至少一个传感器捕捉至少两辆汽车周围的交通情况，基于至少一个传感器捕获的环境数据通过预测设备预测至少两辆汽车的未来交通情况，通过预测设备根据未来交通情况检查是否存在至少一个触发标准，如果存在触发标准：通过计划设备向周围其他交通单元发送请求，并且如果交通单元是至少两辆汽车之一：在接收到请求后传送汽车的属性；进一步接收其他汽车的属性通过计划设备，计划至少两辆汽车的轨迹在计划设备中，其中基于至少一个传感器捕获的环境数据和至少两辆汽车的属性进行轨迹计划，将计划的轨迹传送给周围的其他交通单元，接收来自周围其他交通单元的计划轨迹（每辆参与车辆一条轨迹）（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），通过评估设备根据评估标准评估计划的轨迹，将计划轨迹的评估结果传送给其他交通单元，接收来自其他交通单元的计划轨迹的评估结果，通过计划设备根据所有评估和一个预设的选择标准选择至少两辆汽车的计划轨迹的最优组合，执行这个最优轨迹组合通过至少两辆汽车，其中请求至少包括请求的目标、互动区域和评估标准，而属性至少包括性能数据和各个传输汽车的唯一标识（以及至少部分地基于所述运动规划来控制所述车辆）。

[0029] Zusätzlich und/oder nach Empfang eine Anfrage einer anderen Verkehrseinheit übermittelt die Planungseinrichtung 6 Eigenschaften 25 des Kraftfahrzeugs 50 . Die Eigenschaften 25 umfassen dabei beispielsweise Leistungsdaten 27 des Kraftfahrzeugs 50 , beispielsweise eine maximale Beschleunigung, und eine eindeutige Kennung 28 des Kraftfahrzeugs 50 . Die maximale Beschleunigung kann beispielsweise aus Modellen für einen Antriebsstrang, einer Bremse und einer Querführung unter Beachtung eines Motorkennfeldes, einer Masse, eines Getriebes, Totzeiten, einer Materialpaarung und einer Druckerzeugung der Bremse des Kraftfahrzeugs 50 von der Planungseinrichtung 6 berechnet werden. Parallel dazu empfängt die Planungseinrichtung 6 über die Car2Car-Schnittstelle 4 Eigenschaften 26 des zweiten Kraftfahrzeugs.

[0029] 另外，在接收到另一交通单元的请求后，计划设备6传递了汽车50的属性25。这些属性25包括了例如汽车50的性能数据27，比如最大加速度，以及汽车50的唯一标识28（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）。例如，最大加速度可以由计划设备6根据包括动力传动系、制动系统和横向导向模型在内的多个因素计算得出，这些因素还包括发动机特性图、质量、变速箱、响应延迟时间、材料配对以及汽车50制动系统的制动力生成。同时，计划设备6还通过Car2Car接口4接收了第二辆汽车的属性26。

由此可见对比文件DE102015220481A1公开了区别技术特征（1）

对比文件US2013279393A1记载：

【0115】“Core information” refers generally to a vehicle's position, speed, direction and size. We treat core information as the minimum information needed for a receiver to determine and avoid a collision. Risk value and source may be included with core information. A minimum amount of information about the size of vehicle is also needed as a way to quickly estimate the two-dimensional footprint or three-dimensional physical extent of the vehicle. For example, a simple “vehicle type” designation from a set (such as: car, small truck, large truck, oversized vehicle, pedestrian, bicycle, barrier) is generally adequate. This simple vehicle type designation provides both an approximation of vehicle size and shape and an approximation of possible future and defensive options for the vehicle. For example, cars can stop faster than trucks. As another example, pedestrians frequently operate safely with a lesser distance amount of separation than vehicles. As a third example, a fixed barrier is not expected to take any dynamic measures to avoid a collision.

【0115】“核心信息”通常指车辆的位置、速度、方向和大小。我们将核心信息视为接收器确定并避免碰撞所需的最低信息。风险值和来源可能会包括在核心信息中。还需要一定量的关于车辆大小的信息，作为快速估计车辆的二维足迹或三维物理范围的方法。例如，从一组中的简单“车辆类型”指定（如：汽车、小型卡车、大型卡车、超大型车辆、行人、自行车、障碍物）通常就足够了。这种简单的车辆类型指定既提供了车辆大小和形状的近似值，也提供了车辆可能的未来和防御选择的近似值。例如，汽车的制动速度比卡车快。再如，行人通常可以在比车辆小的距离内安全操作。作为第三个例子，固定障碍物不预期采取任何动态措施来避免碰撞（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）。

由此可见，对比文件US2013279393A1公开了区别技术特征2

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。

对比文件2US2016358477A1记载

[0058] The wireless communication device 208 receives the automobile's navigated state vector from the processor 202 . The wireless communication device 208 device broadcasts this state vector for use by neighboring automobiles. The wireless communication device 208 also receives the state vectors from neighboring automobiles. The received state vectors from the neighboring automobiles are sent to the processor 202 for further processing. The automobile 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. Other information may be provided. For example the state vector may contain entries that describe the angular position, the angular rates, and the angular accelerations. The state vector may be described using any coordinate system or any type of units. The state vector may also contain information about the vehicle such as its weight, stopping distance, its size, its fuel state etc. Information packed in the state vector may be of value in collision avoidance trajectory analysis or may be useful for generating and displaying more accurate display symbology for the driver. For example, the automobile may receive a state vector from a neighboring vehicle that identifies the vehicle as an eighteen wheel truck with a ten ton load. Such information may be important for trajectory analysis and for providing accurate and informative display symbology.

[0058] 无线通信设备208从处理器202接收汽车的导航状态向量。无线通信设备208广播此状态向量供附近汽车使用。无线通信设备208还接收来自邻近汽车的状态向量。从邻近汽车接收到的状态向量被发送到处理器202以进行进一步处理。汽车状态向量可能包含更多或更少的元素来描述车辆的状态（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），如车辆的XYZ位置、3D速度和3D加速度。还可以提供其他信息。例如，状态向量可能包含描述角位置、角速率和角加速度的条目。状态向量可以使用任何坐标系统或任何类型的单位来描述。状态向量还可以包含关于车辆的信息，如其重量、制动距离、尺寸、燃料状态等。状态向量中打包的信息可能在碰撞避免轨迹分析中有价值，或对于生成和显示更精确的驾驶员显示符号有用。例如，汽车可能从邻近车辆接收一个状态向量，该向量标识车辆为一辆装载十吨货物的十八轮卡车（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）。这样的信息对于轨迹分析以及提供准确和信息丰富的显示符号可能很重要。

权利要求2引用权利要求1。对比文件2公开了:汽车状态向量可以具有更多或更少的描述车辆状态的元素，诸如车辆的XYZ位置和3D速度以及3D加速度;可以包含描述角位置、角速率和角加速度的条目;还可以包含关于车辆的信息，诸如其重量、停止距离、其尺寸、其燃料状态等。也即是公开了传感器可感知属性。因此，在其引用的权利要求不具备创造性时，权利要求2不具备专利法第22条第3款规定的创造性。

对比文件US20180319403记载

[0049] In at least some exemplary embodiments, the at least one vehicle-to-vehicle status message may correspond to a status message which is periodically provided by the at least one further transportation vehicle 200 to provide transportation vehicles in a surrounding area with information relating to the transportation vehicle, for example, a position, a speed, a trajectory and/or a transportation vehicle type. The method may also comprise, for example, receiving the at least one vehicle-to-vehicle status message via a vehicle-to-vehicle interface, for example, a vehicle-to-vehicle interface 16 of the apparatus 10 .

[0049]在至少一些示例性实施例中，至少一个车对车状态消息可能对应于由至少一个其他运输车辆200定期提供的状态消息，以向周围区域的运输车辆提供与运输车辆相关的信息，例如位置、速度、轨迹和/或运输车辆类型。例如，该方法还可以包括通过车对车接口接收至少一个车对车状态消息，例如装置10的车对车接口16。

权利要求2引用权利要求1。对比文件US20180319403公开了状态消息可以是位置速度轨迹或车辆类型。也即是公开了传感器可感知属性。因此，在其引用的权利要求不具备创造性时，权利要求2不具备专利法第22条第3款规定的创造性。

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。

对比文件US2018067495记载：

[0075] The detection type 604 can identify a type of data for the region of interest management system 620 to monitor in the region of interest 603 of the environmental model 609 . For example, the data type can be raw measurement data from a sensor system or data annotated into the environmental model 609 . In some embodiments, the data annotated into the environmental model 609 can correspond to different events identified by the sensor fusion system, such as a sensor measurement event, a sensor detection event, a tracked sensor detection event, a tracked and fused sensor detection event, a tracked object event, or the like. The data annotated into the environmental model 609 also can correspond to state predictions for tracked objects, such as the projected object trajectories for the tracked objects, or correspond to information populated into the environmental model 609 from devices external to the sensor fusion system. The region of interest management system 620 can include a registry of the one or more regions of interest that the region of interest management system 620 monitors based on the subscription information 602 .

【0075] 检测类型604能够识别区域兴趣管理系统620在环境模型609的区域兴趣603中需监控的数据类型。例如，这种数据类型可能是来自传感器系统的原始测量数据或者标记在环境模型609中的数据。在某些具体实施例中，标记在环境模型609中的数据可以与传感器融合系统识别的不同事件相对应，例如传感器测量事件、传感器检测事件、被追踪的传感器检测事件、被追踪和融合的传感器检测事件、被追踪的物体事件等。标记在环境模型609中的数据还可以对应于被追踪物体的状态预测，比如被追踪物体的预计轨迹，或者对应于从传感器融合系统外部设备填充到环境模型609中的信息。区域兴趣管理系统620可以包括一个注册表，其中记录了一个或多个基于订阅信息602所监控的区域兴趣。

[0076] The region of interest management system 620 can include a region of interest detection unit 621 to detect and selectively output detection information 608 corresponding to the region of interest 603 in the environmental model 609 based, at least in part, on the subscription information 602 . In a block 702 , the region of interest detection unit 621 can monitor a portion of the environmental model 609 corresponding to the region of interest 603 . The region of interest detection unit 621 can receive at least the portion of the environmental model 609 from a memory system or one or more components of the sensor fusion system. The monitored portion of the environmental model 609 can include raw measurement data from a sensor system and/or include annotated data, such as events, state prediction data for tracked objects, or other data annotations from devices or applications external to the sensor fusion system.

[0076] 区域兴趣管理系统620可以包含一个区域兴趣检测单元621，该单元检测并有选择性地输出与环境模型609中的区域兴趣603相对应的检测信息608，至少部分基于订阅信息602。（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。）在一个模块702中，区域兴趣检测单元621可以监控与区域兴趣603相对应的环境模型609的一部分。区域兴趣检测单元621可以至少从一个存储系统或传感器融合系统的一个或多个组件接收环境模型609的一部分。被监控的环境模型609的部分可以包括来自传感器系统的原始测量数据和/或标记数据，例如事件、跟踪物体的状态预测数据，或来自传感器融合系统外部设备或应用程序的其他数据标注。

[0077] In a block 703 , the region of interest detection unit 621 can detect a presence of data in the monitored portion of the environmental model. In some embodiments, the region of interest detection unit 621 can filter the data populated into the environmental model 609 based on the subscription information 602 . For example, the region of interest detection unit 621 can spatially and temporally filter the data populated into the environmental model 609 based on the region of interest 603 . The region of interest detection unit 621 also may be able to filter the data by the detection type 604 in the subscription information 602 .

[0077] 在一个模块703中，区域兴趣检测单元621可以检测在被监控的环境模型部分中数据的存在。在某些实施例中，区域兴趣检测单元621可以基于订阅信息602过滤填充到环境模型609中的数据。例如，区域兴趣检测单元621可以基于区域兴趣603在空间和时间上过滤填充到环境模型609中的数据。区域兴趣检测单元621也可能能够根据订阅信息602中的检测类型604来过滤数据。

[0079] The region of interest management system 620 can include a dynamic region of interest adaptation unit 622 to modify a region of interest 603 based on vehicle situation information 607 . The vehicle situation information 607 can describe a current situation of the vehicle. For example, the vehicle situation information 607 can include vehicle movement information, such as global positioning system (GPS) data, inertial measurements, vehicle odometer data, video images, or the like. The vehicle situation information 607 also may include vehicle-centric information corresponding to a predicted trajectory of the vehicle, information corresponding to the vehicle location, for example, relative to map data, information corresponding to a route or planned path for the vehicle to traverse, or the like. The vehicle situation information 607 may include information received from sources external to the vehicle, such as in a vehicle-to-vehicle (V2V) communication, a vehicle-to-infrastructure (V2I) communication, a vehicle-to-pedestrian (V2P) communication, a vehicle-to-device (V2D) communication, a vehicle-to-grid (V2G) communication, or generally a vehicle-to-everything (V2X) communication.

[0079] 区域兴趣管理系统620可以包括一个动态区域兴趣调整单元622，以基于车辆情况信息607修改区域兴趣603。车辆情况信息607可以描述车辆的当前情况。例如，车辆情况信息607可以包括车辆移动信息，如全球定位系统（GPS）数据、惯性测量、车辆里程表数据、视频图像等。车辆情况信息607还可能包括与车辆预测轨迹相对应的车辆中心信息，例如与地图数据相对的车辆位置信息、与车辆要穿越的路线或计划路径相对应的信息等。车辆情况信息607可能包括从车辆外部来源接收的信息，如在车对车（V2V）通信、车对基础设施（V2I）通信、车对行人（V2P）通信、车对设备（V2D）通信、车对电网（V2G）通信，或一般的车对一切（V2X）通信中。

[0083] In a block 803 , the dynamic region of interest adaptation unit 622 can determine which portions of the vehicle situation information 607 can prompt the dynamic adaption of the region of interest 603 , and in a block 804 , the dynamic region of interest adaptation unit 622 can modify the region of interest 603 based on the determined portion of the vehicle situation information 607 . For example, when the region of interest 603 corresponds to front collision avoidance, the dynamic region of interest adaptation unit 622 may utilize a vehicle velocity or speed to prompt dynamic adaption of the region of interest 603 . In other examples, the vehicle situation information 607 may indicate that the vehicle is approaching a traffic intersection, which may prompt the dynamic adaption of the region of interest 603 to include possible cross-traffic, pedestrian crossings, bike lanes, or the like. When the vehicle approaching the traffic intersection has a path planned turn, the region of interest 603 may dynamically adapt to include portions of the roadway after the turn, along with possible cross-traffic, pedestrian crossings, bike lanes, or the like. The vehicle situation information 607 also may include locational information regarding another vehicle in an adjacent lane of traffic, which may prompt the dynamic adaption of the region of interest 603 to include the other vehicle for possible lane change.

[0083] 在一个模块803中，动态区域兴趣调整单元622可以确定哪些部分的车辆情况信息607可以促使区域兴趣603的动态适应，并在模块804中，动态区域兴趣调整单元622可以基于确定的车辆情况信息607部分修改区域兴趣603。例如，当区域兴趣603对应于前方碰撞避免时，动态区域兴趣调整单元622可能会利用车辆速度或速率来促使区域兴趣603的动态适应。在其他例子中，车辆情况信息607可能表明车辆正在接近交通路口，这可能促使区域兴趣603的动态适应，以包括可能的横向交通、行人过街、自行车道等。当车辆接近交通路口并计划转弯时，区域兴趣603可能会动态适应，以包括转弯后的道路部分，以及可能的横向交通、行人过街、自行车道等。车辆情况信息607还可能包括关于相邻车道中另一辆车的位置信息，这可能促使区域兴趣603的动态适应，以包括该车辆以应对可能的车道变换。

由此可见对比文件US2018067495公开了能够根据相邻的另一车辆的位置信息和可能的车道改变，来确定自车的感兴趣区域，选择与感兴趣区域相对应的检测信息。将部分的检测信息对应的数据提供给驾驶功能系统，以便系统控制车辆的工作，也能够减少多传感器数据处理的延迟。

因此，在其引用的权利要求不具备创造性时，权利要求3不具备专利法第22条第3款规定的创造性。

对比文件US20180319403记载

[0024] Exemplary embodiments also provide a method for a transportation vehicle. The method comprises receiving a driving intention message containing a lane change request from a requesting transportation vehicle. The method also comprises ascertaining an item of information relating to cooperation in a cooperative driving maneuver with the requesting transportation vehicle. The information relating to the cooperation indicates whether the transportation vehicle is possible as a cooperation partner and whether a cooperative behavior is possible taking into account the traffic situation based on the driving intention message. The method also comprises determining information relating to a driving maneuver. The process of determining the information relating to the driving maneuver comprises ascertaining information relating to at least one distance to a leading transportation vehicle and/or a trailing transportation vehicle to make it possible to calculate whether the lane change request can be complied with in a possible cooperation area. The process of determining the information relating to the driving maneuver also comprises ascertaining performance of the driving maneuver based on the information relating to the driving maneuver, the information relating to the at least one distance, a speed of the transportation vehicle and a distance to the possible cooperation area. The process of determining the information relating to the driving maneuver also comprises calculating whether the driving maneuver is possible taking into account the traffic situation. The method also comprises providing driving assistance to perform the driving maneuver. The method enables cooperative driving maneuvers if the further transportation vehicle wishes to merge or move into a lane, for example, in the case of an on-ramp onto a road or in the case of an overtaking operation.

[0024] 示例性实施例还提供了一种交通工具的方法。该方法包括接收包含车道变更请求的请求交通工具发出的驾驶意图消息。该方法还包括确定与请求交通工具进行协同驾驶操作的合作信息。关于合作的信息指示交通工具是否可能成为合作伙伴，以及是否可以考虑交通状况进行协同行为。该方法还包括确定与驾驶操作相关的信息。确定与驾驶操作相关的信息的过程包括确定与至少一个前方交通工具和/或后方交通工具的距离相关的信息，以计算是否可以在可能的合作区域内遵守车道变更请求。确定与驾驶操作相关的信息的过程还包括基于与驾驶操作相关的信息、至少一个距离的信息、交通工具的速度和与可能合作区域的距离，确定驾驶操作的性能。确定与驾驶操作相关的信息的过程还包括计算考虑交通状况的情况下是否可以进行驾驶操作。该方法还包括提供驾驶辅助以执行驾驶操作。如果另一交通工具希望合并或变换车道，例如在上高速公路的匝道或超车操作的情况下，该方法使协同驾驶操作成为可能。

[0053] In at least some exemplary embodiments, the process of identifying 110 the gap in traffic can determine a map of positions and trajectories of the at least one further transportation vehicle 200 , for example, by evaluating the status messages. This map of positions can be supplemented, made more precise or verified by the identification process 110 by the second detection process using an on-board sensor system. On the basis of this two-stage detection process, the identification process can determine a more detailed map of positions of the at least one further transportation vehicle 200 and other transportation vehicles or obstacles. Once the map has been created, the identification process 110 can also calculate the gap in traffic or a plurality of gaps in traffic, for example, based on the map and a length of the at least one further transportation vehicle 200 , which may be included in the status messages, or based on sensor data from the transportation vehicle's own on-board sensor system or from remote transportation vehicles.

[0053] 在至少一些示例性实施例中，识别110交通间隙的过程可以确定至少一个其他交通工具200的位置和轨迹图，例如，通过评估状态消息。这个位置图可以通过使用机载传感系统的第二次检测过程由识别过程110补充、精确或验证。基于这个两阶段检测过程，识别过程可以确定至少一个其他交通工具200及其他交通工具或障碍物的更详细的位置图。一旦创建了地图，识别过程110还可以计算交通间隙或多个交通间隙，例如，基于地图和至少一个其他交通工具200的长度（可能包括在状态消息中），或基于交通工具自身机载传感系统或远程交通工具的传感数据。

由此可见对比文件US20180319403公开了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。

对比文件EP3364393A1记载

[0032] In a further possible embodiment, the intended movement of a traffic participant may be communicated to other traffic participants TP5 in the vehicle's surrounding also by generating associated optical signals. The generated optical signals can comprise visible signals pointed at the selected endpoint and/or along the track TR of the intended movement of the vehicle. For instance, if the other traffic participant TP4 is not v2v enabled, traffic participant TP0 can communicate its intended movement or parking maneuver generating associated optical signals. For instance, the vehicle can comprise light pointers adapted to generate an infrared, red or green light which may be mounted along with the surround view cameras on all sides of the vehicle's chassis. This generated light can be pointed onto a selected parking slot or parking lot so that other drivers and/or sensors of other traffic participants can see or detect it. A driver of another traffic participant such as traffic participant TP4 can either wait or select another parking lot or the driver may initiate a detour to move forward. The traffic participant TP0 can send in a possible embodiment communication messages to other vehicles in its surrounding informing the other traffic participants TP5 about where and how he is going to park.

[0032] 在另一种可能的实施方式中，交通参与者的预期移动也可以通过生成相关的光学信号来传达给车辆周围的其他交通参与者TP5。生成的光学信号可以包括指向所选终点和/或沿预期移动轨迹TR的可见信号（，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；）。例如，如果其他交通参与者TP4不支持车对车通信，交通参与者TP0可以通过生成相关的光学信号来传达其预期的移动或停车操作。例如，车辆可以包括适用于生成红外线、红光或绿光的灯光指示器，这些灯光指示器可以与环视摄像头一起安装在车辆底盘的各个侧面。这些生成的光线可以指向选定的停车位或停车场，以便其他驾驶员和/或其他交通参与者的传感器可以看到或检测到（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。）。另一交通参与者如TP4的驾驶员可以选择等待或选择另一个停车场，或者驾驶员可能会启动绕道前进。交通参与者TP0可以在一种可能的实施方式中向其周围的其他车辆发送通讯消息，告知其他交通参与者TP5他将在哪里以及如何停车。

由此可见对比文件EP3364393A1公开了，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。

对比文件US2013278769A1记载：

[0018] Thus, the system (using auxiliary sensors or radar sensors or v2v communications or the like) may operate to detect or determine that a vehicle is present in a peripheral scene (outside of the field of view of the forward facing camera) and may determine that the detected vehicle is moving toward the field of view of the camera and may be an object of interest to the vision system and/or the driver of the vehicle. Optionally, the system may utilize navigation data (such as derived from a navigation system or device of the vehicle), to further optimize the performance of the system. The system may communicate such information to the image processor so that the image processor, when it first detects an object at a side or perimeter region of the field of view of the camera, may readily confirm that the detected object is the object or vehicle that was previously detected by the other sensors. The present invention thus provides enhanced confirmation of vehicles or objects of interest that are present in the forward field of view of the camera, based on an initial detection of the vehicles or objects before they enter the field of view of the camera. Although shown and described as a imaging system with a forward facing camera, aspects of the present invention are applicable to imaging systems with a rearward facing camera as well (such as a rear backup assist camera or the like).

[0018] 因此，系统（使用辅助传感器、雷达传感器、车对车通信等）可以运作来检测或确定在周边场景中（前向摄像头视野外）有车辆存在，并可能确定被检测的车辆正向摄像头的视野移动（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），并可能成为视觉系统和/或车辆驾驶员感兴趣的对象。系统可以选择性地使用导航数据（如来源于车辆的导航系统或设备）来进一步优化系统性能。系统可以将此类信息传达给图像处理器，使得图像处理器在首次在摄像头视野的侧面或边缘区域探测到物体时，可以迅速确认被探测到的物体是之前由其他传感器探测到的物体或车辆（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）。因此，本发明提供了一种增强的确认方法，针对在摄像头前向视野中存在的车辆或感兴趣的物体，基于在它们进入摄像头视野之前的初步检测。虽然展示和描述了配备前向摄像头的成像系统，但本发明的方面同样适用于配备后向摄像头的成像系统（如后备辅助摄像头等）。

由此可见，对比文件US2013278769A1公开了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。

对比文件EP3121762A1记载：

[0036] At block 106 the V2V sub-system 16 of the host vehicle 12 continuously receives V2V data pertaining to the road segment 34 from the remote V2V equipped vehicles 26. The V2V data may be transmitted to the receiver 24 via any wireless communication method including Dedicated Short Range Communications (DSRC). The V2V data may include geographic location system information, light detection and ranging (LIDAR), radio detection and ranging (RADAR), and/or visual data in a forward arc or a surround view relative to each of the remote V2V equipped vehicles 26. In the present example, the V2V data includes the plurality of objects 38. At block 114, the controller 18 continuously analyzes the V2V data received by the receiver 24 at block 106 and generates a second object list and a second information set. The second object list is populated with the plurality of objects 38. The second information set comprises object characteristics generated by the controller 18 based on the V2V data from the receiver 24. In one aspect, the second information set includes a second size and a second location corresponding to each of the plurality of objects 38 within the second object list. The second size and second location are dynamically updated. The second size and the second location are schematically shown as dashed boxes having large dashes indicated by reference numbers 50 in FIG. 2 . The second size and second location 50 of each of the objects 38 may be offset from the actual size and location of each of the objects 38 due to camera, GPS, LIDAR, RADAR, or processing inaccuracies. The controller 18 uses the dynamically updated second size and second location 50 of each of the plurality of objects 38 to determine a relative position and velocity for each of the plurality of objects 38 in the second object list.

[0036] 在第106块，主机车辆12的V2V子系统16连续接收与道路段34有关的来自远程V2V装备车辆26的V2V数据。V2V数据可以通过任何无线通信方法传输到接收器24，包括专用短程通信（DSRC）。V2V数据可能包括地理位置系统信息、光探测和测距（LIDAR）、无线电探测和测距（RADAR）以及/或相对于每辆远程V2V装备车辆26的前方弧线或环视图的视觉数据。在当前示例中，V2V数据包括多个物体38。在第114块，控制器18连续分析第106块接收器24接收到的V2V数据，并生成第二物体列表和第二信息集。第二物体列表填充有多个物体38。第二信息集包括由控制器18基于接收器24的V2V数据生成的物体特征。在一个方面，第二信息集包括与第二物体列表中的每个多个物体38对应的第二尺寸和第二位置。第二尺寸和第二位置是动态更新的。第二尺寸和第二位置在图2中以具有大划痕的虚线框显示，由参考编号50表示。由于相机、GPS、LIDAR、RADAR或处理不准确性，每个物体38的第二尺寸和第二位置50可能偏离实际大小和位置。控制器18使用动态更新的第二尺寸和第二位置50来确定第二物体列表中每个多个物体38的相对位置和速度（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）。

[0040] The method then proceeds to block 124 where the controller 18 compares the fused confidence level to the first confidence level and the second confidence level. If the fused confidence level is lower than either of the first confidence level or the second confidence level, or if the fused confidence level is lower than the combined first and second confidence levels, the method returns to block 102, and the controller 18 collects data from the camera 22 and the V2V sub-system 16 once more. However, if the fused confidence level is greater than the first confidence level and the second confidence level combined, then the method proceeds to block 126.

[0041] At block 126, if any of the plurality of objects 38 is detected by only one of the vision sub-system 14 or the V2V sub-system 16, the singly-detected object receives only a single weight from whichever system made the detection. For example, in FIG. 2 , the non-communicative vehicle 40 is depicted as only having a second size and second location 50 due to having been detected only by the V2V sub-system 16. In the example, because the non-communicative vehicle 40 has only been singly-detected, it only receives a single confidence level valuation, and therefore, only a single weight and scrutiny. By comparing the fused confidence level to the first and the second confidence levels, erroneous visual or V2V data may be disregarded. For an additional example, an erroneous or hacked V2V message may be received by the V2V sub-system 16 stating that a road hazard 42 exists in a location near the host vehicle and in the same lane as the host vehicle where in reality there is no road hazard 42. In the example, the visual data retrieved from the cameras 22 would not show the road hazard 42. While the V2V-identified road-hazard 42 is assigned a high confidence level, because the road hazard 42 would be a singly-detected object, when fused with the visual data from the cameras 22, the fused confidence level with respect to the erroneously-reported road hazard 42 would decrease significantly, and the decreased fused confidence level would be more accurate.

[0042] However, when any of the plurality of objects 38 is singly-detected the singly-detected objects are continuously monitored by whichever of the vision sub-system 14 and the V2V sub-system 16 has made the detection to determine in which lane each of the singly-detected objects resides. Furthermore, singly-detected objects may be detected by both the vision sub-system 14 and the V2V sub-system 16 if the singly-detected objects come into the range and field of view of each respective sub-system.

[0040] 然后，方法继续到第124块，其中控制器18将融合的置信水平与第一置信水平和第二置信水平进行比较。如果融合的置信水平低于第一置信水平或第二置信水平中的任何一个，或者如果融合的置信水平低于第一和第二置信水平的组合，方法返回到第102块，并且控制器18再次从摄像机22和V2V子系统16收集数据。然而，如果融合的置信水平高于第一置信水平和第二置信水平的组合，则方法继续到第126块。（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；）

[0041] 在第126块，如果多个物体38中的任何一个仅被视觉子系统14或V2V子系统16之一检测到，则仅被检测到的物体仅从进行了检测的系统中接收到单个权重。例如，在图2中，非通信车辆40被描述为仅具有第二尺寸和第二位置50，因为仅由V2V子系统16检测到。在该示例中，因为非通信车辆40仅被单一检测到，所以它仅接收到单一的置信水平估值，因此仅受到单一的权重和审查。通过将融合的置信水平与第一和第二置信水平进行比较，可能会忽略错误的视觉或V2V数据。例如，可能会收到来自V2V子系统16的错误或被黑客攻击的V2V消息，该消息指示道路障碍物42存在于主机车辆附近的位置，并且与主机车辆处于相同的车道，而实际上并不存在道路障碍物42。在该示例中，从摄像机22检索到的视觉数据不会显示道路障碍物42。虽然V2V识别的道路障碍物42被分配了高置信水平，但由于道路障碍物42将成为单一检测到的物体，因此当与摄像机22的视觉数据融合时，相对于错误报告的道路障碍物42的融合置信水平会显著降低，降低的融合置信水平会更加准确。（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。）

[0042] 但是，当多个物体38中的任何一个被单一检测到时，单一检测到的物体将由视觉子系统14和V2V子系统16中的任一进行连续监视，以确定每个单一检测到的物体位于哪个车道。此外，如果单一检测到的物体进入每个相应子系统的范围和视野，则视觉子系统14和V2V子系统16都可以检测到单一检测到的物体。

[0033] In the present example, the road segment 34 is populated with a plurality of objects 38 including two remote V2V equipped vehicles 26, one non-communicative vehicle 40, and one road hazard 42. It should be appreciated that the road segment 34 may be populated by any number and combination of remote V2V equipped vehicles 26, non-communicative vehicles 40, and road hazards 42. The non-communicative vehicles 40 may be vehicles without V2V systems or may be remote V2V equipped vehicles 26 that are disposed outside a communication range of the host vehicle 12. The road hazard 42 may anything on the road segment 34, including pedestrians, animals, debris, construction barrels, disabled vehicles, etc.\

[0033] 在当前示例中，道路段34上分布着多个物体38，包括两辆远程车对车（V2V）装备车辆26，一辆非通信车辆40和一个道路障碍物42。应该理解，道路段34可以由任何数量和组合的远程V2V装备车辆26、非通信车辆40和道路障碍物42填充。非通信车辆40可能是没有V2V系统的车辆，或可能是位于主机车辆12通信范围之外的远程V2V装备车辆26。道路障碍物42可能是道路段34上的任何物体，包括行人、动物、碎片、施工桶、故障车辆等。

[0043] At block 128, the controller 18 determines which of the plurality of objects 38 is in lanes of interest. In one aspect, the lanes of interest are the lane in which the host vehicle 12 is traveling L1 , and the lanes immediately adjacent to the lane in which the host vehicle is traveling L2 , L3 . Any of the plurality of objects 38 that are in lanes of interest are dynamically assigned a high priority status by the controller 18 at block 130. Since objects of the plurality of objects 38 on a road segment 22 are in motion relative to the host vehicle 12, the controller 18 continuously updates the fused object list, fused dynamic map, and fused lane information by repeating the method between blocks 102 and 130 continuously. Once the controller 18 assigns a high priority value to an object at block 128 and processes it for vehicle control system ECU 20 ADAS functions at block 130, an output is generated to a vehicle control system such as a host vehicle 12 braking system or steering system. In several aspects, an object in the same lane or a lane adjacent to the host vehicle 12 may be given a high priority status. In one aspect when a high priority status is assigned to an object in the same lane as the host vehicle 12, the controller 18 engages the vehicle control system ECU 20 to perform an ADAS function such as collision avoidance, and the vehicle control system ECU 20 engages a host vehicle 12 braking system. In an aspect, an object may be assigned a high priority when the object is in an adjacent lane and the vehicle control system ECU 20 ADAS function is lane change assistance. When the vehicle control system ECU 20 ADAS function is lane change assistance, the vehicle control system ECU 20 engages a host vehicle 12 steering system. Thus, the prioritized list of objects from the fused object list and fused lane information is transmitted to the vehicle control system ECU 20 for processing in various ADAS applications.

[0043] 在第128块，控制器18确定了哪些多个物体38位于感兴趣的车道内。在一个方面，感兴趣的车道是主机车辆12正在行驶的车道L1，以及与主机车辆所在车道相邻的车道L2、L3。控制器18将在感兴趣的车道内的任何多个物体38动态地分配高优先级状态，在第130块。由于在道路段22上的多个物体38相对于主机车辆12在运动，控制器18通过不断重复在第102至130块之间的方法，持续更新融合的物体列表、融合的动态地图和融合的车道信息。一旦控制器18在第128块将高优先级值分配给一个物体并在第130块将其用于车辆控制系统ECU 20的ADAS功能处理时，将生成输出到车辆控制系统，例如主机车辆12的制动系统或转向系统。在几个方面中，与主机车辆12相同车道或相邻车道的物体可能被赋予高优先级状态。在一个方面，当将高优先级状态分配给与主机车辆12相同车道的物体时，控制器18会启动车辆控制系统ECU 20执行诸如避撞等ADAS功能，而车辆控制系统ECU 20会启动主机车辆12的制动系统。在一个方面，当物体位于相邻车道且车辆控制系统ECU 20的ADAS功能为车道变换辅助时，可以给物体分配高优先级。当车辆控制系统ECU 20的ADAS功能为车道变换辅助时，车辆控制系统ECU 20会启动主机车辆12的转向系统。因此，从融合的物体列表和融合的车道信息中的优先级物体列表被传输到车辆控制系统ECU 20用于在各种ADAS应用中处理。

由此可见：对比文件EP3121762A1公开了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。

对比文件US2017003136A1公开：

 FIG. 14 illustrates an embodiment for a computing device to track objects (e.g., tracked devices 1403 and 1404 ), such as in scenarios (or use-cases) where devices may be tracked within the BSCLAN. In these scenarios, the service platform 104 transmits to each lighting node (e.g., beacon nodes 1401 a - 1401 c ) a table of the unique identifiers of the tracked devices 1403 and 1404 . Each tracked device 1403 and 1404 has a wireless transceiver that transmits a beacon signal with a unique identifier that is provisioned in the factory, or provisioned later (on-site) by the service platform. For example, the beacon signals transmitted by the tracking device 1403 are shown by paths 1430 - 1432 , and the beacon signals transmitted by the tracking device 1404 are shown by paths 1440 - 1442 .

[0143] In this embodiment, the lighting nodes (e.g., beacon nodes 1401 a - 1401 c ) are using their beacon receiver to receive beacon signals from the tracked devices 1403 and 1404 . The lighting nodes (e.g., beacon nodes 1401 a - 1401 c ) periodically scan for beacon signals from any of the tracked devices 1403 and 1404 and calculate the relative distance to the tracked device with averaging, aging timers, and minimum thresholds. The calculated distances by the lighting nodes (e.g., beacon nodes 1401 a - 1401 c ) may be transmitted to the service platform 104 via the lighting gateway (e.g., beacon gateway 1420 ). The service platform 104 receives notifications from the lighting nodes (e.g., beacon nodes 1401 a - 1401 c ) of the tracked signals and performs a least-squares multilateration calculation to estimate and report the position of each tracked object (i.e., tracking device 1403 and tracking device 1404 ). The service platform 104 may also store the local Cartesian coordinates (e.g., x, y, z coordinates) of each tracked object (e.g., tracked devices 1403 and 1404 ) versus time (t) so that historical data may be provided via an API provided by the service platform 104 . In such tracking scenarios, the lighting nodes (e.g., beacon nodes 1401 a - 1401 c ) may always be scanning for tracking devices. Because they may be constantly enabled, they need much more power than intermittent sensor nodes, so they may not run as long on a battery. In some embodiments, the lighting nodes may be located within lighting fixtures or positioned nearby lighting fixtures, which provides very good site coverage and AC power for each lighting node.

[0144] With reference to FIG. 14, tracking may be performed by a processor of one or more computing devices, such as the lighting node of an interactive light sensor network (e.g., BSCLAN lighting node), and the computing device of the service platform. In other words, any combination of the tracking operations described with the embodiment shown in FIG. 14 may be performed by one or more devices.

[0145] In example embodiments, the processor of the service platform 104 may download a table of unique identifiers of tracked devices to each beacon node (e.g., 1401 a - 1401 c ) in the BSCLAN via communication path 1401 . The processor of each beacon node (e.g., 1401 a - 1401 c ) may periodically scan for beacon signals from tracked devices.

[0146] In the embodiment shown in FIG. 14, there are two tracked devices 1403 and 1404 . Other embodiments with a different number of tracked devices may follow the same tracking algorithm.

[0147] As each lighting node (e.g., beacon nodes 1401 a - 1401 c ) receives a beacon signal (e.g., 1430 - 1432 and 1440 - 1442 ), it determines if the tracked device identifier is in the table of tracked devices. If the received signal identifier is in the table, the lighting node calculates the RSSI of the received beacon signal and forwards the RSSI value and tracked device identifier in a message to the service platform 104 . In some embodiments, the lighting nodes (e.g., beacon nodes 1401 a - 1401 c ) only forward the information if the RSSI is above a specified threshold.

[0148] This may be done by each lighting node (e.g., beacon nodes 1401 a - 1401 c ) in the BSCLAN. In response to determining the computing device has received a signal with RSSI greater than a threshold, the processor of the computing device may determine whether it received an identifier in the tracking table. In some embodiments, the lighting node (e.g., beacon nodes 1401 a - 1401 c ) may calculate the distance from the lighting node (e.g., beacon nodes 1401 a - 1401 c ) to the tracked device (e.g., 1403 and 1404 ) based on the calculated distance to the service platform 104 . Each time a lighting node (e.g., beacon nodes 1401 a - 1401 c ) receives a beacon signal, it transmits the information to a central computing device such as the service platform 104 .

[0149] When the central computing device receives signals from enough reporting nodes for a given tracked device, the processor of the central computing device may calculate least-squares fit of local x, y, and z coordinates for the tracked objects (e.g., tracked devices 1403 and 1404 ). The position of the tracked devices (e.g., 1403 and 1404 ) may then be reported in real time by the central computing device. In some embodiments, a timer function is used to remove “old” tracking data. In other embodiments a weighting function is used to favor newer tracking data.

[0150] In one embodiment application, the hardware and software described herein may provide a system and method for controlling and monitoring parking spaces, and a system and method for providing parking space sensors and indicators, lighting nodes for a navigation system to guide users to available or reserved parking spaces, and for sharing revenue between controlling parties.

图14展示了一个计算设备用于跟踪对象（如跟踪设备1403和1404）的实施例，适用于在设备可能在BSCLAN内被跟踪的场景（或使用案例）中。在这些场景中，服务平台104向每个照明节点（如灯塔节点1401a-1401c）传输一个包含跟踪设备1403和1404的唯一标识符的表。每个跟踪设备1403和1404都有一个无线收发器，它会发送一个在工厂预设或由服务平台稍后（在现场）预设的唯一标识符的信标信号。例如，由跟踪设备1403发送的信标信号通过路径1430-1432展示，而由跟踪设备1404发送的信标信号通过路径1440-1442展示。

[0143] 在该实施例中，照明节点（如灯塔节点1401a-1401c）使用它们的信标接收器来接收来自跟踪设备1403和1404的信标信号。照明节点（如灯塔节点1401a-1401c）定期扫描来自任何跟踪设备1403和1404的信标信号，并通过平均、老化定时器和最小阈值来计算与跟踪设备的相对距离。照明节点（如灯塔节点1401a-1401c）计算的距离可以通过照明网关（如灯塔网关1420）传输到服务平台104。服务平台104接收来自照明节点（如灯塔节点1401a-1401c）的跟踪信号通知，并执行最小二乘法多边测量来估算和报告每个跟踪对象（即跟踪设备1403和1404）的位置（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；）。服务平台104还可以存储每个跟踪对象（如跟踪设备1403和1404）相对于时间（t）的本地笛卡尔坐标（如x、y、z坐标），以便服务平台104通过API提供历史数据。在这种跟踪场景中，照明节点（如灯塔节点1401a-1401c）可能会一直扫描跟踪设备（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。）。因为它们可能会始终启用，所以它们需要比间歇传感器节点更多的功率，因此它们可能在电池上运行的时间较短。在一些实施例中，照明节点可能位于照明装置内或放置在照明装置附近，这为每个照明节点提供了非常好的站点覆盖和交流电源。

[0144] 参考图14，跟踪可能由一个或多个计算设备的处理器执行，例如互动光传感器网络（如BSCLAN照明节点）的照明节点和服务平台的计算设备。换句话说，图14所示的实施例中描述的任何组跟踪操作都可以由一个或多个设备执行。

[0145] 在示例性的实施例中，服务平台104的处理器可能通过通信路径1401下载跟踪设备的唯一标识符表到BSCLAN中的每个灯塔节点（如1401a-1401c）。每个灯塔节点（如1401a-1401c）的处理器可能定期扫描来自跟踪设备的信标信号。

[0146] 在图14所示的实施例中，有两个跟踪设备1403和1404。其它具有不同数量跟踪设备的实施例可能遵循相同的跟踪算法。

[0147] 当每个照明节点（如灯塔节点1401a-1401c）接收到信标信号（如1430-1432和1440-1442）时，它会确定跟踪设备标识符是否在跟踪设备表中。如果接收到的信号标识符在表中，照明节点会计算接收到的信标信号的RSSI，并在消息中将RSSI值和跟踪设备标识符转发给服务平台104。在一些实施例中，照明节点（如灯塔节点1401a-1401c）仅在RSSI高于指定阈值时转发信息。

[0148] 这可能由BSCLAN中的每个照明节点（如灯塔节点1401a-1401c）进行。当确定计算设备收到了RSSI大于阈值的信号时，计算设备的处理器可能会确定是否收到了跟踪表中的标识符（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。）。在一些实施例中，照明节点（如灯塔节点1401a-1401c）可能基于计算到服务平台104的距离，计算从照明节点（如灯塔节点1401a-1401c）到跟踪设备（如1403和1404）的距离。每次照明节点（如灯塔节点1401a-1401c）接收到信标信号时，它会将信息传输到中央计算设备，如服务平台104。

[0149] 当中央计算设备收到足够数量的报告节点传来的某个跟踪设备的信号时，中央计算设备的处理器可能会计算跟踪对象（如跟踪设备1403和1404）的本地x、y和z坐标的最小二乘拟合。然后中央计算设备可以实时报告跟踪设备（如1403和1404）的位置。在一些实施例中，计时器功能用于移除“旧的”跟踪数据。在其他实施例中，权重函数用于倾向于较新的跟踪数据。

[0150] 在一个实施例应用中，此处描述的硬件和软件可以提供一种用于控制和监控停车位的系统和方法，以及提供停车位传感器和指示器、用于导航系统的照明节点以引导用户到可用或预订停车位、和在控制方之间共享收入的系统和方法。

由此可见对比文件US2017003136A1公开了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。

对比文件CN106485949记载：

[0038] 在块116处，控制器18生成路段34和多个物体38的第二动态模型。第二动态模型包含路段34的第二地图，其中多个物体38定位在第二地图之内。路段34的第二地图包含表征车道L1至Ln的第二车道信息，其包含第二车道计数、第二车道宽度46'、以及第二车道曲率48'等。该方法继续到块118，在块118中控制器18把第二车道信息置信水平分配给路段34的第二动态模型。第二置信水平是对来自V2V子系统16的数据的可靠性的评估（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；）。第二置信水平可以基于远程V2V装备车辆26的GPS、LIDAR、RADAR、和/或摄像机22的已知公差、范围、视场和/或数据保真度。

[0039] 在块120处，控制器18基于第一置信水平执行路段34的第一动态模型的第一加权分析。在一个方面中，第一动态模型的第一加权分析包含对相对于多个物体38中的每一个的第一大小和第一位置44、第一车道宽度46、以及第一车道曲率48中的每一个进行定性评估。第一大小和第一位置44的定性评估相对于第一置信水平被加权，并且针对第一信息集合生成经加权的第一动态模型。此外，控制器18基于第二置信水平执行路段34的第二动态模型的第二加权分析。在一个方面中，第二动态模型的第二加权分析包含对相对于多个物体38中的每一个的第二大小和第二位置50、第二车道宽度46'、以及第二车道曲率48'中的每一个进行定性评估。第二大小和第二位置50的定性评估相对于第二置信水平被加权，并且针对第二信息集合生成经加权的第二动态模型。在第一和第二加权动态模型中的每一个中，相应的第一和第二信息集合之内的信息当被分配更高的置信水平时被给出更大的权重。例如，在从0 - 5的置信水平尺度上，靠近主车辆摄像机22的范围的外围的道路危险物42可以被分配低置信水平（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。），诸如1。分配低评级是因为摄像机22的已知公差、范围、视场、和/或视觉保真度在外围处与在非常靠近摄像机的视场以及在摄像机的视场之内相比是相对更低的。进一步参考以上示例，非常靠近摄像机22的视场以及在摄像机22的视场之内的道路危险物42可以被分配高置信水平评级，诸如4或5。在一方面中，由具有高保真度的远程V2V装备车辆26所检测并且在远程V2V装备车辆26的GPS、LIDAR、RADAR、和/或摄像机22的已知公差、范围和视场之内的道路危险物42将被分配高置信水平。此外，在块120处，控制器18将融合的物体列表和融合的动态地图相组合以创建表征车道L1至Ln的融合的车道信息，包含融合的车道计数、融合的车道宽度46''、和融合的车道曲率48''

由此可见对比文件CN106485949公开了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。

根据权利要求3所述的方法，还包括：至少部分地基于所接收的运动规划来选择所述检测算法。

对比文件US2017003136记载

[0090] As shown in FIG. 8, the sleep cycles may be controlled by separate timers for sensing (e.g., collecting sensor data or detecting events) and transmitting status of the data. In some embodiments, the power consumption may be further reduced by selectively controlling some sleep functions based on the status of motion sensors connected to the service platform. In some embodiments, motion sensors based on passive infrared detection may monitor the presence of moving cars and pedestrians at specific areas. When there is no activity, the indicator LEDs and sensors may be disabled via messages from the server to the lighting node. Sleep cycles and intervals may also be scheduled from the service platform based on the time of day. Network-controlled sleep cycles provide further means of reducing the power consumption of remote devices, thereby increasing their battery lifetime and reducing the size and cost of their photovoltaic (PV) cells. In some embodiments, the transceiver transmits messages at a lower frequency when the sensor reading is constant within measurement error. In another embodiment, the sensor controller mode establishes a connection with a lighting node at a lower frequency to request calibration and software updates.

[0090]如图所示。如图8所示，睡眠周期可以由用于感测（例如，收集传感器数据或检测事件）和传输数据状态的单独定时器来控制。在一些实施例中，可以通过基于连接到服务平台的运动传感器的状态选择性地控制一些睡眠功能来进一步降低功耗。在一些实施例中，基于被动红外检测的运动传感器可以监测特定区域处移动的汽车和行人的存在。当没有活动时，可以通过从服务器到照明节点的消息来禁用指示器 LED 和传感器。睡眠周期和间隔也可以根据一天中的时间从服务平台安排。（至少部分地基于所接收的运动规划来选择所述检测算法。）网络控制的睡眠周期提供了进一步降低远程设备功耗的方法，从而延长其电池寿命并减小光伏 (PV) 电池的尺寸和成本。在一些实施例中，当传感器读数在测量误差内恒定时，收发器以较低频率发送消息。在另一实施例中，传感器控制器模式以较低频率建立与照明节点的连接以请求校准和软件更新。

由此可见，对比文件US2017003136公开了基于运动规划来选择检查算法。

对比文件US8520695记载：

[0299] Both vehicle based cameras and fixed cameras can easily compare vehicle physical and visual identification with transmitted location as a way to severely limit any hacking, spoofing, or other misuse of the V2V system. Limited transmission range limits remote hacking attacks.

[0299] 基于车辆的摄像头和固定摄像头可以轻松比较车辆的物理和视觉识别与传输位置，这是严格限制任何对V2V系统的黑客攻击、欺骗或其他滥用的方法。有限的传输范围限制了远程黑客攻击。

[0382] A key advantage of providing vehicle type is the type defines the approximate size of the vehicle so that receivers of the message can make reasonable, conservative estimates of where the four corner of the vehicle are based on a single location, such as the front center of the vehicle.

[0382] 提供车辆类型的一个主要优点是，类型定义了车辆的大致尺寸，因此消息的接收者可以基于单一位置（例如车辆的前中心）对车辆的四个角进行合理、保守的估计（至少部分地基于所接收的运动规划来选择所述检测算法。）。

[0379] The 6-bit Vehicle Type field identifies the type of the vehicle transmitting. See below for a table of defined vehicle types. If a proxy is sending for a subject vehicle, then this field defines the vehicle type of the subject vehicle. If a message is forwarded, the vehicle type field is the vehicle type of the original message. The vehicle type is important for several reasons. First, just common sense, it is important to know WHAT is moving—a car, truck, bicycle, pedestrian, or deer, for example. Or not moving, for example, a traffic signal, bridge abutment, detour diverter, location calibrator, or dead end. Second, the Vehicle Type field encodes the maximum size of the vehicle. Since the transmitted location of a vehicle is the front center of the vehicle, the maximum size is important in order to know the maximum bounds of the vehicle. The Vehicle Type MUST BE at least as large as the actual vehicle. Third, the Vehicle Type field encodes the maximum weight of the vehicle. The Vehicle Type MUST BE at least as heavy as the actual vehicle. The Vehicle Type field is an efficient way to encode 99% of the critical information about a vehicle with respect to V2V collision prevention. Other message types may be used to accurately describe a vehicle, such as its number of axles, exact dimensions, exact weight, or dangerous cargo. Vehicles such as bicycles, pedestrians, and animals should generally include a vehicle type encoding that most accurately describes the characteristics of that vehicle. For example, a runner pushing a stroller may chose to be coded a “bicycle,” because that encoding more closely represents the behavior than “pedestrian.” As another example, a motorcycle pulling a trailer may decide to encode as “small vehicle,” rather than “motorcycle.” An embodiment of the Vehicle Type coding is shown in a Table, below. Exact dimensions and weights of the vehicle types in the table may be determined from published tables or Standards, or may be based on statistical distribution. For example, “small size” may be the smallest 10% of motor vehicle on the road. “Large size” may be the largest 20% of private cars, pickups, SUVs and vans, on the road.

[0379] 6位车辆类型字段用于识别发送消息的车辆类型。下面有一个定义了各种车辆类型的表格。如果代理代表某辆车发送信息，则此字段定义了该辆车的车辆类型。如果消息被转发，则车辆类型字段是原始消息的车辆类型。车辆类型出于多个原因而重要。首先，出于常识，了解哪种类型的车辆在移动非常重要——例如，汽车、卡车、自行车、行人或鹿。或者，不在移动的，例如交通信号灯、桥台、改道分流器、位置校准器或死胡同。其次，车辆类型字段编码了车辆的最大尺寸。由于车辆的传输位置是车辆的前中心，知道车辆的最大范围非常重要。车辆类型必须至少与实际车辆一样大。第三，车辆类型字段编码了车辆的最大重量。车辆类型必须至少与实际车辆一样重。车辆类型字段是一种高效的方式，可以编码关于车辆的99%的关键信息，这对于V2V碰撞预防至关重要。其他消息类型可以用来准确描述车辆，例如其轴数、确切尺寸、确切重量或危险货物。例如自行车、行人和动物通常应该包括最准确描述该车辆特性的车辆类型编码。例如，推着婴儿车的跑者可能选择被编码为“自行车”，因为这种编码比“行人”更接近其行为。再如，拖着拖车的摩托车可能决定编码为“小型车辆”，而不是“摩托车”。车辆类型编码的一个实例如下表所示。表中的车辆类型的确切尺寸和重量可以从已发布的表格或标准中确定，或可能基于统计分布。例如，“小尺寸”可能是道路上最小的10%的机动车。"大尺寸"可能是道路上最大的20%的私家车、皮卡、SUV和货车。

由此可见对比文件US8520695公开了至少部分地基于所接收的运动规划来选择所述检测算法。因此，在其引用的权利要求不具备创造性时，权利要求4不具备专利法第22条第3款规定的创造性

对比文件EP1459977A1记载：

[0016]将通过参考附图来简化对本发明的理解，在任何情况下，附图都不能被视为本文所要求保护的对象的唯一可能的实施例，而是被视为非限制性的辅助示例。

[0017]如图1所示，为了实现水下设备的两个部件（在此对应于管1和外壳4）的防水密封，密封元件2在该特定情况下为橡胶或硅胶O形环设置在封闭圆筒3上，使其向上滑动至圆筒3的截头圆锥形颈部3d。此时，将圆筒3插入封闭管1中，并将整个组件插入壳体中如图4所示，直到与部件1、3和4分别装配的孔6、7和9对齐。

[0018]在此阶段，密封元件尚未处于压力下，因此部件1和4尚未紧密配合。

[0019]此外，由于由3c表示的锁定表面具有大于或等于防水密封元件2的外径的直径，因此防水密封元件2不会对壳体4的内表面施加任何压力，因此可以引入里面没有任何压力。由表面3c作为其组成部分的圆柱形部分提供的保护因此防止了环2在壳体4的外表面上和孔9的边缘上的磨损。

[0020]由于空腔 3a 的倾斜表面 P 在栓 5 的互补倾斜表面 P' 上滑动，此时出现防水闭合阶段。这种滑动是通过将栓 5 逐渐插入同轴内部而产生的。孔9、6和7。通过其逐渐插入，栓5进入空腔3a，导致前者的倾斜表面P'在后者的倾斜表面P上滑动。

[0021]滑动被力元件 2a 抵消，力元件 2a 在图中由弹簧实现，容纳在管 1 内，并且具有与封闭圆筒 3 的后表面接触的一端。

[0022]锁定和密封操作使得，通过插入栓5，密封元件2被管1的边缘沿着颈部的倾斜表面推动，管1的边缘具有与表面3c相同的直径。 3d.该截头圆锥形截面颈部3d的直径在固定表面3c的方向上增加，因此结果是环2在朝表面3c前进期间均匀且径向膨胀。当它与表面3c接触时，它在表面3c和封闭管1的边缘之间被压缩，从而导致牢固配合，提供与壳体4的防水密封，如图2所示。 1 a.

[0023]因此，通过该系统和相关的使用方法，可以获得所讨论的水下设备的部件的防水密封，而不影响密封元件的完整性。仅当在组装的最后阶段到达其操作位置时，这才达到其最终形式和压缩，从而在外壳的内壁上施加所需的压力。

[0024]显然，这不仅代表了一种简单、有效且快速的防水密封方法，而且还提供了通过最小化密封元件的磨损并因此延长其寿命和使用来降低与频繁更换密封元件相关的成本的优点。 。

[0025]此外，如果密封环2提供的密封被破坏，可以直接调节栓5以便立即提高密封的效率，而无需中断正在进行的操作并且必须例如，返回地面以拆除设备并清除内部泄漏的水。

由此可见对比文件EP1459977A1公开了至少部分地基于所接收的运动规划来选择所述检测算法。至少部分地基于所接收的运动规划来选择所述检测算法。属于本领域人员应当知晓的公知常识。

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。

权利要求5引用权利要求2。对比文件US2016358477A1公开了:汽车状态向量可以具有更多或更少的描述车辆状态的元素，例如该状态向量将车辆识别为具有十吨负载的十八轮卡车。其也即是能够将车辆感测数据与发送车辆进行关联。

因此，在其引用的权利要求不具备创造性时，权利要求5不具备专利法第22条第3款规定的创造性。

对比文件US8520695记载：

[0299] Both vehicle based cameras and fixed cameras can easily compare vehicle physical and visual identification with transmitted location as a way to severely limit any hacking, spoofing, or other misuse of the V2V system. Limited transmission range limits remote hacking attacks.

[0299] 基于车辆的摄像头和固定摄像头可以轻松比较车辆的物理和视觉识别与传输位置，这是严格限制任何对V2V系统的黑客攻击、欺骗或其他滥用的方法。有限的传输范围限制了远程黑客攻击。

[0516] FIG. 5 shows how location consensus works. What is important to prevent vehicle collisions is the relative positions of vehicles. GPS in the current art typically does not provide sufficient accuracy to implement usable V2V. The solution is for vehicles to improve on the GPS accuracy by a process we identify as “consensus.” Each equipped vehicle, here shown as vehicles 1 , 2 and 3 , has what it thinks is its best geolocation, perhaps from GPS. However, it does not broadcast this exact location. Rather, it constructs its “own offset” in two axis (such as N-S and E-W), and adds that offset to its believed exact location to create the transmitted position. Each basic time interval, each vehicle recalculates its own offset. A preferred algorithm is provided elsewhere herein. In summary, each vehicle compares the broadcast location of every vehicle it can also “see” (with local sensors such as video, sonar, radar or lidar) with its transmitted location. It then computes the offset being used by each of these vehicles in this consensus set of vehicles. It averages these offsets, and uses that average as its next own offset. The rage of change of each own offset is ideally limited to a maximum “drift” rate, such as 0.1 m/s. Since ALL vehicles in the consensus set are also averaging, the offsets of all the vehicles in the set converge to a consensus value. By having the same consensus offsets (each relative to each vehicles own believed “exact” geolocation), highly accurate relative position information is used in V2V messages.

[0516] 图5展示了位置共识是如何工作的。为了防止车辆碰撞，重要的是车辆之间的相对位置。目前的技术中，GPS通常无法提供足够的精确度来实施可用的V2V。解决方案是车辆通过我们称之为“共识”的过程来改善GPS的精度。每辆配备了设备的车辆，这里显示为车辆1、2和3，都有它认为最佳的地理位置，可能来源于GPS。然而，它并不广播这个确切的位置。相反，它在两个轴（如南北和东西）上构建自己的“偏移量”，并将该偏移量加到其认为的确切位置上，以创建传输位置。每个基本时间间隔，每辆车都重新计算自己的偏移量。首选的算法在其他地方提供。总之，每辆车比较它也能“看到”的（通过本地传感器如视频、声纳、雷达或激光雷达）每辆车的广播位置和其传输位置。然后，它计算这些车辆在此共识车辆集中使用的偏移量。它对这些偏移量求平均，并使用该平均值作为其下一个自己的偏移量（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。）。每个自己偏移量的变化范围理想地限制在最大“漂移”率，例如0.1米/秒。由于共识集中的所有车辆也在求平均，所有车辆的偏移量会收敛到一个共识值。通过拥有相同的共识偏移量（每辆车相对于其自认为的“确切”地理位置），在V2V消息中使用了高度精确的相对位置信息。

[0381] The purpose of the vehicle type code is not to create a comprehensive list of vehicle types, but rather to provide approximate size and capabilities of vehicles, people and objects. The different types are specified when there are important attributes for quick recognition or that should change a driver's (or automatic) response, based on vehicle type. If a V2V transmitter is unsure of a vehicle code or vehicle size, it should broadcast the next larger size. Detailed size limits will be determined later.

[0381] 车辆类型代码的目的不是创建一个全面的车辆类型列表，而是提供车辆、人和物体的大致尺寸和能力。当存在重要属性需要快速识别或应根据车辆类型改变驾驶员（或自动）响应时，会指定不同的类型（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。）。如果V2V发射器不确定车辆代码或车辆大小，它应该广播下一个更大的尺寸。详细的尺寸限制将稍后确定。

[0379] The 6-bit Vehicle Type field identifies the type of the vehicle transmitting. See below for a table of defined vehicle types. If a proxy is sending for a subject vehicle, then this field defines the vehicle type of the subject vehicle. If a message is forwarded, the vehicle type field is the vehicle type of the original message. The vehicle type is important for several reasons. First, just common sense, it is important to know WHAT is moving—a car, truck, bicycle, pedestrian, or deer, for example. Or not moving, for example, a traffic signal, bridge abutment, detour diverter, location calibrator, or dead end. Second, the Vehicle Type field encodes the maximum size of the vehicle. Since the transmitted location of a vehicle is the front center of the vehicle, the maximum size is important in order to know the maximum bounds of the vehicle. The Vehicle Type MUST BE at least as large as the actual vehicle. Third, the Vehicle Type field encodes the maximum weight of the vehicle. The Vehicle Type MUST BE at least as heavy as the actual vehicle. The Vehicle Type field is an efficient way to encode 99% of the critical information about a vehicle with respect to V2V collision prevention. Other message types may be used to accurately describe a vehicle, such as its number of axles, exact dimensions, exact weight, or dangerous cargo. Vehicles such as bicycles, pedestrians, and animals should generally include a vehicle type encoding that most accurately describes the characteristics of that vehicle. For example, a runner pushing a stroller may chose to be coded a “bicycle,” because that encoding more closely represents the behavior than “pedestrian.” As another example, a motorcycle pulling a trailer may decide to encode as “small vehicle,” rather than “motorcycle.” An embodiment of the Vehicle Type coding is shown in a Table, below. Exact dimensions and weights of the vehicle types in the table may be determined from published tables or Standards, or may be based on statistical distribution. For example, “small size” may be the smallest 10% of motor vehicle on the road. “Large size” may be the largest 20% of private cars, pickups, SUVs and vans, on the road.

[0379] 6位车辆类型字段用于识别正在发送信号的车辆的类型。下面有一个定义了车辆类型的表格。如果一个代理为被代表的车辆发送信息，那么这个字段定义了被代表车辆的类型。如果信息被转发，车辆类型字段是原始信息中的车辆类型。车辆类型很重要，有几个原因。首先，常识上，知道什么在移动很重要——例如，汽车、卡车、自行车、行人或鹿。或者不移动的，例如交通信号灯、桥墩、绕道分流器、定位校准器或死胡同。其次，车辆类型字段编码了车辆的最大尺寸。由于车辆的传输位置是车辆前中心，最大尺寸在知道车辆的最大边界时很重要。车辆类型必须至少与实际车辆一样大。第三，车辆类型字段编码了车辆的最大重量。车辆类型必须至少与实际车辆一样重。车辆类型字段是一种高效的方式，用于编码关于车辆的99％关键信息，以防止V2V碰撞。其他消息类型可用于准确描述车辆，如其轴数、确切尺寸、确切重量或危险货物。自行车、行人和动物等车辆通常应包括最准确描述该车辆特征的车辆类型编码。例如，推着婴儿车的跑步者可能选择被编码为“自行车”，因为这种编码比“行人”更接近其行为。另一个例子，拖着拖车的摩托车可能决定编码为“小型车辆”，而不是“摩托车”。车辆类型编码的一个实例在下面的表中显示。表中车辆类型的确切尺寸和重量可以根据已发布的表格或标准确定，或可能基于统计分布。例如，“小尺寸”可能是道路上最小的10％的机动车。"大尺寸"可能是道路上最大的20％的私家车、皮卡、SUV和面包车。

由此可见对比文件US8520695公开了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。

根据权利要求1所述的方法，还包括：

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。

对比文件CN109035862A 一种基于车车通信的多车协同换道控制方法记载

[0096] 在此场景中不限制直行车辆的速度特征，可以是匀速、匀加速、变加速等等。由于在换道车辆进行轨迹规划和安全距离计算时需要用到直行车辆的速度和加速度信息，而通过车车通信仅能得知直行车辆当前时刻的信息而无法预测未来信息，所以轨迹规划算法中假设直行车辆加速度恒定，即为当前时刻加速度，是一种对直行车驾驶员模型的简单预测；如果直行车实际并非匀加速行驶，并且在换道途中检测到可能发生碰撞（确定所述发送车辆的行为是否符合所述行为预测），那么就会根据直行车更新后的速度、加速度信息重新规划轨迹。（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。）

由此可见对比文件CN109035862A 一种基于车车通信的多车协同换道控制方法公开了

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。因此，在其引用的权利要求不具备创造性时，权利要求6不具备专利法第22条第3款规定的创造性。

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车辆位置属性。

对比文件US2016358477公开了:汽车状态向量可以具有更多或更少的描述车辆状态的元素，诸如车辆的XYZ位置。因此，在其引用的权利要求不具备创造性时，权利要求9不具备专利法第22条第3款规定的创造性。

对比文件US20180319403记载：

[0017] Exemplary embodiments provide a method for determining a gap in traffic between two transportation vehicles for a lane change of a transportation vehicle. In some exemplary embodiments, the method can be carried out in an automated manner. The method comprises identifying the gap in traffic based on a first detection process and based on a second detection process. The first detection process is based on at least one vehicle-to-vehicle status message from at least one further transportation vehicle. The second detection process is based on an on-board sensor system of the transportation vehicle. The use of the vehicle-to-vehicle status message and the on-board sensor system makes it possible to determine the gap in traffic in a heterogeneous traffic situation from transportation vehicles designed for vehicle-to-vehicle communication and from transportation vehicles without a vehicle-to-vehicle interface and to detect interfering bodies.

[0017] 示范性实施例提供了一种确定两辆运输车辆之间交通间隙的方法，用于运输车辆的变道。在某些示范性实施例中，该方法可以以自动化方式执行。该方法包括基于第一检测过程和第二检测过程确定交通间隙。第一检测过程基于至少一条来自至少一辆其他运输车辆的车对车状态消息。第二检测过程基于运输车辆的车载传感系统。使用车对车状态消息和车载传感系统，可以在设计用于车对车通信的运输车辆和没有车对车接口的运输车辆之间的异构交通情况下确定交通间隙，并检测干扰体。

[0018] In some exemplary embodiments, the at least one vehicle-to-vehicle status message can comprise information relating to a position and/or a trajectory of the at least one further transportation vehicle. The first detection process can be based on the information relating to the position and/or the trajectory of the at least one further transportation vehicle. The use of the position or trajectory makes it possible to calculate a position map of transportation vehicles in an area surrounding the transportation vehicle.

[0018] 在一些示范性实施例中，至少一条车对车状态消息可以包含与至少一辆其他运输车辆的位置和/或轨迹相关的信息。第一检测过程可以基于与至少一辆其他运输车辆的位置（所述一个或多个车辆描述符进一步包括车辆位置属性）和/或轨迹相关的信息。使用位置或轨迹的信息，可以计算围绕运输车辆的区域内的运输车辆的位置图。

由此可见，对比文件US20180319403公开了所述一个或多个车辆描述符进一步包括车辆位置属性

根据权利要求7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。

对比文件US8520695记载

[0500] Thus it is important and preferred embodiment that inertial navigation be used to assure that sudden, improper vehicle locations shifts are not transmitted. A suitable integration period is ten to thirty seconds.

[0501] Using position information as data to compute possible vehicle collisions requires that the position data for the vehicles in the computation be “aligned” in the sense that any absolute position errors are far less important than the vehicles having the same error. Thus, the ideal “calibration” for vehicle position is not so much accuracy compared to a geographic ideal, but rather that nearby vehicles agree with each other.

[0502] The preferred embodiment involves all vehicles making continual, small corrections in order to reach close agreement. We refer to this process as “consensus” of location.

[0503] We use the term “location alignment” to indicate that multiple vehicles are in “consensus,” in that their relative locations to each other are in agreement. In a perfect system all vehicles within range are “perfectly aligned,” meaning there are no residual errors or disagreement about the relative locations of each vehicle in this set. Note that this theoretically “perfectly aligned” coordinate system typically will not be in perfect alignment with the reference geolocation model. Note also that each vehicle on the road is likely to have a different set of other vehicles within its range, and also that the set of vehicles with range is constantly changing. Thus, one set of vehicles could be perfectly aligned while an overlapping set is not.

[0504] We introduce the term “offset” which means the difference between the reference geolocation model coordinates and the location a vehicle is currently transmitting. If the transmitted location is precisely the position provided by the geolocation input to the V2V transceiver, such as GPS coordinates, the offset would be zero. Offset applies to both latitude and longitude, and possibly other parameters such as elevation and time. We use the term offset to include all of the offsets for all possible individual parameters.

[0500] 因此，重要且优选的实施方式是使用惯性导航来确保不会传输突然、不正确的车辆位置移动。合适的集成周期是十至三十秒。

[0501] 使用位置信息作为数据来计算可能的车辆碰撞需要确保计算中的车位置信息“对齐”，即任何绝对位置误差都远不如车辆具有相同误差重要。因此，车辆位置的理想“校准”不在于与地理理想相比的准确性，而在于附近车辆彼此一致。

[0502] 优选的实施方式涉及所有车辆不断进行小幅修正以达到高度一致。我们将这个过程称为位置“共识”。

[0503] 我们使用术语“位置对齐”来表示多辆车辆处于“共识”中，即它们彼此之间的相对位置是一致的。在一个完美的系统中，范围内的所有车辆都“完美对齐”，意味着在该集合中每辆车的相对位置没有残余误差或分歧。需要注意的是，这种理论上“完美对齐”的坐标系统通常不会与参考地理定位模型完全对齐。还要注意的是，路上的每辆车可能有不同的一组其他车辆在其范围内，并且范围内的车辆集合会不断变化。因此，一组车辆可能会完美对齐，而另一个重叠的集合则不会。

[0504] 我们引入了术语“偏差”，意思是参考地理定位模型坐标和车辆当前传输的位置之间的差异。如果传输的位置正好是通过地理定位输入提供给V2V收发器的位置，例如GPS坐标，那么偏差将为零。偏差适用于经度和纬度，并可能包括其他参数，如海拔和时间。我们使用“偏差”一词来涵盖所有可能的单个参数的所有偏差。

[0505] There are numerous ways to use local sensors to improve position matching, or calibration. Consider, for example, a situation with a first vehicle stopped at a light in a lane, with a second vehicle directly in front, a third vehicle directly behind and a fourth vehicle directly to the left. Using local sensors such as sonar, radar, and video, it is easy for vehicle one to compute the position of vehicles two, three and four, with respect to vehicle one, within a few cm or better. Each of these four vehicles, if equipped, is regularly transmitting the location of each respective vehicle. By comparing the V2V received locations from vehicles two, three and four and comparing these locations to the locations observed by the local sensors, it is possible to achieve with 100% confidence a one-to-one relationship between the received messages and the locally observed vehicles, even though the locations in the received messages are not precisely the observed locations of the vehicles.

[0505] 有多种方法可以利用本地传感器来改进位置匹配或校准。例如，考虑一种情况：第一辆车停在车道上的红灯前，第二辆车直接位于前方，第三辆车直接位于后方，第四辆车直接位于左侧。使用如声纳、雷达和视频等本地传感器，第一辆车可以轻松计算出与自身位置相关的第二、第三和第四辆车的位置，精确到几厘米甚至更高。如果这四辆车都配备了相关设备，它们会定期传输各自车辆的位置。通过将从第二、第三和第四辆车接收到的V2V位置与本地传感器观察到的位置进行比较，即使接收到的信息中的位置不完全是车辆的实际观察位置，也可以百分之百地确认接收到的信息与本地观测车辆之间的一一对应关系。（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。）

[0506] The preferred embodiment algorithm to achieve location consensus uses the previously discussed “offset.” One embodiment of the algorithm works as follows. (a) The first vehicle determines its absolute geolocation using the best means available to it, such as GPS coordinates. (b) It records the location in received messages from all vehicles in its range. (c) It makes its best determination of the relative location to itself of every vehicle within sight or sensor distance (the vehicles “in sight.”) (d) It compares the data received in (b) with the data computed in (c) to map the equipped vehicles in range to the vehicles in sight, where possible. Note that not all vehicles in sight may be equipped, and vice versa. Vehicles that may be so mapped are called the “consensus building set.” (e) It then compares, for each vehicle in the consensus building set, the absolute geolocation as computed in (c) with the location in the received message received in (b). (f) These differences, as determined in (e), are the offsets for each vehicle in the consensus building set. (g) All of the offsets in (f) are averaged. This is called the “average offset.” Note that there is an average offset for every parameter in the offsets, such as latitude and longitude, or N-S and E-W distance. (h) The average offset is multiplied by an offset weighting factor, such a 99%, to produce a “weighted average offset.” This step moves the average offset closer to zero, where zero is the absolute geolocation. (i) The weighted average offset is now compared to the first vehicle's current offset. If there is no difference, this iteration of the algorithm is complete. If there is a difference, the first vehicle's own offset is increased or decreased to be closer to the weighted average offset. (j) The new own offset is used when computing the next location transmitted by the first vehicle. The own offset is added to the absolute geolocation determined in (a) to generate the actual transmitted location. (k) This algorithm is repeated every basic time interval, such as 0.1 seconds, by all equipped vehicles. (l) The maximum amount that the own offset may be changed each iteration is set by an offset drift factor. The preferred offset drift factor is ±0.1 m/s per second in both the N-S direction and the E-W direction, each. For a 0.1 s basic time interval, this is ±0.01 m/s per iteration.

[0506] 首选实施例的算法使用之前讨论的“偏移量”来实现位置共识。算法的一个实施例如下操作：(a) 第一辆车使用其可用的最佳手段确定其绝对地理位置，例如GPS坐标。(b) 它记录来自其范围内所有车辆的接收消息中的位置。© 它尽其所能确定其视线或传感器距离内每辆车的相对位置（“视线内”车辆）。(d) 它比较（b）中接收的数据和（c）中计算的数据，尽可能将范围内配备的车辆映射到视线内的车辆。(e) 然后，对于共识构建集中的每辆车，比较在（c）中计算的绝对地理位置与（b）中接收到的消息中的位置。(f) 在（e）中确定的这些差异是共识构建集中每辆车的偏移量。(g) 所有在（f）中的偏移量取平均。这称为“平均偏移量”。注意，偏移量的每个参数，如纬度和经度或南北和东西距离，都有一个平均偏移量。(h) 平均偏移量乘以一个偏移加权因子，例如99%，以产生“加权平均偏移量”。此步骤使平均偏移量更接近零，其中零是绝对地理位置。(i) 现在将加权平均偏移量与第一辆车当前的偏移量进行比较。如果没有差异，这次算法迭代就完成了。如果有差异，第一辆车自己的偏移量将增加或减少，以更接近加权平均偏移量（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。）。(j) 新的自身偏移量在计算第一辆车下次传输的位置时使用。自身偏移量加到（a）中确定的绝对地理位置上，生成实际传输的位置。(k) 该算法每个基本时间间隔重复一次，例如0.1秒，由所有配备了设备的车辆执行。(l) 每次迭代中自身偏移量可变更的最大量由偏移漂移因子设定。首选的偏移漂移因子为每秒±0.1米/秒，分别在南北和东西方向，每0.1秒的基本时间间隔为±0.01米/秒。

[0507] The effects of the above algorithm are now discussed. The algorithm averages the offsets of all the vehicles surrounding the first vehicle, for which the algorithm can be computed. This average is then used by the first vehicle. Note that ALL vehicles are doing the same averaging, every basic time interval. Thus, all the vehicles are going to converge on a consensus, so that the relative positions of all the vehicles in the consensus building set are in agreement. Note that the value of the offset is computed for each vehicle relative to its own perception of its absolute geolocation. Thus, even when all the vehicles in range are in perfect match, they will still have (possibly considerably) different offsets. Nonetheless, the locations as transmitted will provide highly accurate relative position between all the vehicles.

[0508] The computation of this averaging is done only for vehicles whose position relative to the first vehicle may be determined by local sensors, such as radar, sonar or video. (Other sensors specifically adapted to this task may also be used, such as lidar or magnetic sensing.) The decision of which vehicles pass this test is simple: the first vehicle determines for each vehicle it can see not only its relative position but also the accuracy of that determination. For example, a stopped vehicle in the next lane, using side-looking sonar, the relative position of that vehicle may have an accuracy of 10 cm. For a vehicle approaching head-on at high speed on the other side of the street, the accuracy might be 2 meters. For each vehicle, and for each parameter in the offset, if the accuracy of the relative position determination from local sensor is better than the computed offset for that vehicle, then that vehicle is included in the consensus building set for that parameter. If the accuracy of the relative position determination is worse than the computed offset then that vehicle is not included in the consensus building set.

[0509] Note that this algorithm, and the creating of consensus building sets is done separately for N-S and E-W position. (Or, latitude and longitude, if those are the parameters used for transmitted location). This is because, often, one of these positions may be accurately determined while the other cannot be. Consider, for example, the situation of a vehicle approaching at high speed on the opposite of a road that runs North-South. Using a vision sensor, it is determined that the vehicle is in the middle of its lane. The location of the lane, at the location of the approaching vehicle is known, perhaps from an internal lane map or from another source. Thus, the E-W location of the vehicle may be determined quite accurately. The distance to the approaching vehicle along its N-S axis of approach is much harder to determine. Also, the vehicle is moving quickly so there may be additional error from its speed.

[0510] There is a maximum convergence rate for alignment. We prefer 0.1 m/s per second, which is about 0.2 mph. This may be viewed as offset “drift” For example, a stopped vehicle may appear to be drifting sideways at 0.2 mph, as it continually adjusts its offset, and thus transmits slightly different locations each basic time interval. However, note that it is “drifting” into the proper advertised relatively location compared to its closest neighbor vehicles. Note, too, that all of the nearby vehicles are also drifting, as they too attempt to align by consensus their advertised locations.

[0511] This maximum convergence rate means that it takes about 10 seconds for a vehicle change its advertised position (relative to its best absolute location) by one meter. It takes about a minute to shift 5 meters, which a widely used estimate of average consumer-grade GPS accuracy.

[0512] Note, however, that a 5-meter shift in consensus should occur rarely. First, by averaging a number of vehicles the GPS error rate is considerably reduced. The GPS error is improved for two reasons. The first is simple arithmetic averaging. The second is that the different GPS paths to the different vehicles actually improves the accuracy of the GPS.

[0507] 现在讨论上述算法的效果。该算法对围绕第一辆车的所有车辆的偏差进行平均，可以计算得到该算法的车辆。然后，第一辆车使用这个平均值。注意，所有车辆都在每一个基本时间间隔进行同样的平均处理。因此，所有车辆将会达成共识，使得共识构建集中的所有车辆的相对位置一致。注意，偏差值是根据每辆车对其自身绝对地理位置的感知来计算的。因此，即使范围内的所有车辆完全匹配，它们的偏差仍然可能有较大差异。不过，传输的位置信息将提供所有车辆之间非常精确的相对位置。

[0508] 这种平均计算仅针对那些相对于第一辆车的位置可以通过本地传感器（如雷达、声纳或视频）确定的车辆。（也可以使用专门适用于此任务的其他传感器，如激光雷达或磁传感器。）判断哪些车辆通过此测试的标准很简单：第一辆车不仅要确定它能看到的每辆车的相对位置，还要确定该判断的准确性。例如，对于旁边车道的一辆停驶车辆，使用侧视声纳，其相对位置的准确性可能是10厘米。而对于街对面高速迎面而来的车辆，准确性可能是2米。对于每一辆车以及偏差中的每个参数，如果本地传感器确定的相对位置准确性优于该车辆的计算偏差，那么该车将被包括在该参数的共识构建集中。如果相对位置的确定准确性不如计算出的偏差，那么该车将不被包括在共识构建集中。

[0509] 注意，这个算法和共识构建集的创建分别针对南北（N-S）和东西（E-W）位置进行。（或者，如果传输位置参数为经度和纬度，那么分别针对经度和纬度进行。）这是因为，通常情况下，可以准确确定其中一个位置而无法确定另一个。例如，一辆在北南向道路上高速驶来的车。使用视觉传感器，可以确定该车在其车道的中间。该车道的位置是已知的，可能来自内部车道图或其他来源。因此，可以相当准确地确定该车的东西位置。而沿其北南轴线距离则难以确定。此外，该车行驶速度快，因此其速度可能带来额外的误差。

[0510] 对齐的最大收敛速率为每秒0.1米，相当于每小时约0.2英里。这可以视为偏差“漂移”。例如，一辆停驶车辆可能看起来以0.2英里的速度横向漂移，因为它不断调整其偏差，从而在每个基本时间间隔传输略有不同的位置。然而，请注意，它是在相对于最邻近车辆的正确广告相对位置中“漂移”。此外，所有附近的车辆也在漂移，因为它们也尝试通过共识使其广告位置对齐。

[0511] 这个最大收敛速率意味着车辆需要大约10秒才能将其广告位置（相对于其最佳绝对位置）改变1米。大约需要一分钟才能偏移5米，这是消费者级GPS平均精度较为广泛的估计值。

[0512] 但是请注意，达成5米的共识偏移应该很少发生。首先，通过对多辆车进行平均，GPS误差率大大降低。GPS误差得到改善的原因有两个。第一是简单的算术平均。第二是不同车辆的不同GPS路径实际上提高了GPS的准确性。

[0513] 该算法使用一个“偏移加权因子”，例如99%。这一因子的作用是微妙但持续地“加入”车辆的绝对位置，因为这是它可以最好地确定的。在算法的此步骤中，偏移量会逐渐趋向于零。经过100次迭代后，加权偏移量将移动到零的37%以内，假设没有其他输入到平均方程中。这意味着，如果一辆车完全单独存在，没有其他车辆在周围，那么几分钟内它自己的偏移量将基本归零。这也意味着，如果一组50辆车在可视范围内相互可见，但看不见其他车辆，并且它们的偏移量已经完全收敛到某个非零值，它们作为一个整体会逐渐将它们的共识偏移量也收敛到零。算法的这一步骤防止了一组车辆在一个范围内一起移动时出现“卡住”的非零偏移量。

[0514] 还有一种提高位置精度的方法，那就是车道地图。在当前技术中，视觉系统能够在各种情况下识别车道线。一辆装有V2V设备的车辆可能有一个高置信度的车道地图。它的本地视觉系统能够非常准确地确定车辆相对于车道线的位置。这一确定与车道地图结合提供了高精度的位置来源。当有这样的高精度位置来源时，它应与位置共识算法一起加权。考虑一种实施例，其中车道地图确定的位置与位置共识确定的位置以50%的权重进行平均。如果其他车辆没有高置信度的车道地图，那么持续的位置共识算法将会逐步收敛到车道地图确定的位置。

[0515] 我们首选的实施例是根据车道地图和本地传感器车道确定的置信度比例来使用车道地图加权。

[0516] 图5展示了位置共识是如何工作的。防止车辆碰撞的重要因素是车辆的相对位置。当前技术中的GPS通常无法提供足够的精度来实现可用的V2V。解决方案是通过我们称为“共识”的过程来改进车辆的GPS精度。每辆装备的车辆（如图所示的车辆1、2和3），都有自认为最好的地理位置，可能来自GPS。然而，它不广播这个准确位置，而是构建它“自己的偏移”在两个轴（如南北和东西轴），并将该偏移添加到它认为的准确位置，以创建传输位置。每个基本时间间隔，每辆车重新计算自己的偏移量。本文在其他地方提供了一种首选算法。总结来说，每辆车将每辆它可以“看到”的车（通过本地传感器如视频、声纳、雷达或激光雷达）所广播的位置与其传输的位置进行比较。然后计算这些车辆在这个共识集中的偏移量，并将这些偏移量平均，作为它下一个自己的偏移量。每个车辆的偏移量变化范围理想情况下限制为最大“漂移”速率，例如0.1 m/s。由于共识集中的所有车辆也在进行平均，所有车辆的偏移量会收敛到一个共识值。由于每辆车都相对于自己认为的“准确”地理位置具有相同的共识偏移量，因此在V2V消息中使用了高度准确的相对位置信息。

[0517] 图5展示了一个车辆如何包含在共识集中而一个不包含在内。车辆1，它广播的位置显示为车辆前中心的“X”，可以看到车辆2和3，两者都装备了设备。对于车辆2，车辆1通过其本地传感器计算相对位置。它确定了计算的准确性，如图中车辆2前中心的椭圆所示（图中为鸟瞰图，尽管椭圆更准确地认为是在地球表面平面内，没有高度）。车辆2的传输位置（如车辆1感知的）显示为车辆2前方的“X”。传输位置比本地确定的位置更精确，因此车辆2不包含在共识集中。对于车辆3，车辆1也计算了位置和该计算的准确性，如车辆3前方的椭圆所示。车辆3传输的位置超出了此误差限制椭圆，因此车辆3会包含在车辆1的共识集中。需要校正偏移量，以使车辆2的传输位置更加准确地与其实际相对位置对齐。注意，所有三辆车都在每个基本时间段运行位置偏移共识算法。

[0518] 图11以俯视图展示了位置共识算法运行前（图11A）后的结果。在图11A中，车辆1观察到车辆2传输位置相对于其已知位置的X和Y误差。实线车辆轮廓表示其理想位置（如车辆1感知的）。虚线轮廓表示传输的位置。车辆2也从其视角看到车辆1类似的误差。当两辆车将自己的“理想”位置与观察到的其他车辆误差平均后，它们会得出一个共识偏移量，如图11B所示为X误差和Y误差，现在对于两辆车都是相同的。这些“误差”代表由每辆车传输的位置偏移量。它们彼此的相对位置误差现在为零或接近零。注意图中仅显示了两辆车，尽管在许多情况下，参与位置共识的车辆会多于两辆。图11B中，车辆1移动其传输位置向上和向左，而车辆2移动其传输位置向下和向右。

上述文件公开了对接受到的平均偏移量(纬度和经度)和实际平均偏移量进行比较并更正的过程，因此其引用的权利要求不具备创造性时，权利要求8不具有创造性。

根据权利要求1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：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

对比文件US8520695记载：

[0162] A basic heart of a V2V system comprises an equipped transmission vehicle, an equipped receiving vehicle, an assigned spectrum and physical (wireless encodings, bandwidth and power) layer, and an agreed message protocol. The transmitting vehicle transmits its position, speed and direction. The receiving vehicle receives the transmission and compares the transmit vehicle information with its own position, speed and direction. This comparison results in a possible collision determination, with an appropriate warning or action taken in response.

[0162] 车对车（V2V）系统的基本核心包括一辆配备了传输设备的车辆、一辆配备了接收设备的车辆、一个指定的频谱和物理（无线编码、带宽和功率）层，以及一个商定的消息协议。传输车辆传输其位置、速度和方向。接收车辆接收传输并将传输车辆的信息与其自身的位置、速度和方向进行比较。这种比较结果可能导致碰撞的判定，并相应地采取适当的警告或措施（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）。

0357] Note that in the above scenario, the third vehicle sends the message collision notification very shortly after both vehicles one and two come into its range. Most likely at least one of these two vehicles is at the most distant end of valid range. Therefore, when the message collision warning message is sent, it may be likely that only one of vehicle one or vehicle two is able to receive the warning. Thus, only one of vehicle one or vehicle two will pick a new time slot. This solves the problem, as the other vehicle then continues to use its existing time slot seven. On the other hand, perhaps both vehicle one and vehicle two receive the warning message and choose a new time slot. This also solves the problem. Thus, it is not critical which vehicle, or both vehicles, receive and respond to the message collision notification.

[0357] 请注意，在上述情景中，第三辆车在第一辆车和第二辆车进入其范围后不久就发送了消息碰撞通知。这两辆车中至少有一辆很可能位于有效范围的最远端。因此，当发送消息碰撞警告消息时（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），可能只有第一辆车或第二辆车中的一辆能够接收到警告。因此，只有第一辆车或第二辆车中的一辆将选择一个新的时间槽。这解决了问题，因为另一辆车继续使用其现有的时间槽七。另一方面，也许第一辆车和第二辆车都接收到警告消息并选择了新的时间槽。这同样解决了问题。因此，哪一辆车，或两辆车都接收并响应消息碰撞通知并不关键。

上述文件公开了“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”在其引用的权利要求不具备创造性时，权利要求9不具备专利法第22条第3款规定的创造性。

对比文件EP3364393记载：
[0035] In a possible embodiment, the other traffic participants TP5 in the vicinity of the vehicle TP0 can be detected automatically by the DAS of vehicle TP0 by processing the images captured by the vehicle cameras of the vehicle TP0 . In the illustrated exemplary scenarios of Figures 1, 2 , 3 , 4 , the surround view camera images can be processed by an image processing unit of the driver assistance system DAS of traffic participant TP0 to detect the other traffic participants TPj in its surrounding automatically. The communication unit 3 of the apparatus 1 can then communicate an intended movement of the vehicle TP0 , e.g. a parking maneuver, or an intended movement of at least one component of the vehicle, e.g. movement of the shovel S of the excavator 1 in Fig. 4 , to the detected other traffic participants. Accordingly, in this embodiment, the captured images of the vehicle's surrounding are not only used for performing the selection of the intended movement of the vehicle but also for detecting other traffic participants TP5 in the vehicle's surrounding. The captured images of the vehicle's surrounding can also be used for calculating the tracks TR of the other detected traffic participants TP5 . The calculated tracks TR5 of the other traffic participants can be compared with the calculated track TR of the intended movement, e.g. parking maneuver, to check whether there is a potential conflict between the tracks. If a conflict is detected the intended movement, e.g. parking maneuver, is not initiated or interrupted after it has been initiated.

[0035] 在一种可能的实施方式中，车辆TP0附近的其他交通参与者TP5可以通过车辆TP0的驾驶辅助系统DAS自动检测到，该系统通过处理车辆TP0的摄像头捕获的图像来实现。在图1、2、3、4的示例场景中，环视摄像头图像可以由交通参与者TP0的驾驶辅助系统DAS的图像处理单元自动处理，以便自动检测其周围的其他交通参与者TPj。装置1的通信单元3然后可以将车辆TP0的预期移动，例如停车操作，或车辆的至少一个组件的预期移动，例如图4中挖掘机1的铲斗S的移动，通知检测到的其他交通参与者。因此，在这种实施方式中，车辆周围的捕获图像不仅用于执行车辆的预期移动的选择，而且用于检测车辆周围的其他交通参与者TP5。车辆周围的捕获图像也可用于计算其他检测到的交通参与者TP5的轨迹TR。其他交通参与者的计算轨迹TR5可以与预期移动的计算轨迹TR（例如停车操作）进行比较，以检查轨迹之间是否存在潜在冲突。如果检测到冲突，则不会启动预期移动（例如停车操作），或者在启动后中断。

由此可见对比文件EP3364393公开了，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。

一种用于从车辆广播消息的方法，包括：

确定用于所述车辆的运动规划，其中，所述运动规划包括所述车辆的轨迹以及所述车辆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；

至少部分地基于所确定的运动规划来生成意图消息；以及

从所述车辆广播所述意图消息，以便接收所述意图消息的接收车辆能够至少部分地基于所述运动规划来控制所述接收车辆，所述控制包括：至少部分地基于由所述车辆物理能力限制的所述车辆的车辆行为模型，来设置针对所述车辆的行为预测。

根据权利要求10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或者车辆位置属性。

一种用于在车辆中使用的处理设备，所述处理设备被配置为：接收包括用于发送车辆的运动规划的意图消息，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；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；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。

一种用于在车辆中使用的处理设备，所述处理设备被配置为：接收包括用于发送车辆的运动规划的意图消息，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；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；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。

根据权利要求13所述的处理设备，其中，所述处理设备被配置为通过以下操作，至少部分地基于所述运动规划来控制所述车辆：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。

根据权利要求14所述的处理设备，其中，所述处理设备还被配置为：至少部分地基于所接收的运动规划来选择所述检测算法。

根据权利要求13所述的处理设备，其中，所述处理设备被配置为通过以下操作，至少部分地基于所述运动规划来控制所述车辆：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。

根据权利要求12所述的处理设备，其中，所述处理设备还被配置为：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。

根据权利要求12所述的处理设备，其中，所述一个或多个车辆描述符包括车辆位置属性。

根据权利要求18所述的处理设备，其中，所述处理设备被配置为通过以下操作，至少部分地基于所述运动规划来控制所述车辆：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。

根据权利要求12所述的处理设备，其中，所述处理设备被配置为通过以下操作，至少部分地基于所述运动规划来控制所述车辆：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，向所述发送车辆发送安全警告。

一种用于在车辆中使用的处理设备，所述处理设备被配置为：确定用于所述车辆的运动规划，其中，所述运动规划包括所述车辆的轨迹以及所述车辆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；

至少部分地基于所确定的运动规划来生成意图消息；以及

从所述车辆广播所述意图消息，以便接收所述意图消息的接收车辆能够至少部分地基于所述运动规划来控制所述接收车辆，所述控制包括：至少部分地基于由所述车辆物理能力限制的所述车辆的车辆行为模型，来设置针对所述车辆的行为预测。

根据权利要求21所述的处理设备，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、或者车辆位置属性。

一种具有存储在其上的处理器可执行指令的非暂时性处理器可读存储介质，所述处理器可执行指令使车辆中的处理器执行包括如下的操作：接收包括用于发送车辆的运动规划的意图消息，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；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；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。

一种具有存储在其上的处理器可执行指令的非暂时性处理器可读存储介质，所述处理器可执行指令使车辆中的处理器执行包括如下的操作：确定用于所述车辆的运动规划，其中，所述运动规划包括所述车辆的轨迹以及所述车辆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；

至少部分地基于所确定的运动规划来生成意图消息；以及

从所述车辆广播所述意图消息，以便接收所述意图消息的接收车辆能够至少部分地基于所述运动规划来控制所述接收车辆，所述控制包括：至少部分地基于由所述车辆物理能力限制的所述车辆的车辆行为模型，来设置针对所述车辆的行为预测。