发明创造名称：通过模式识别进行的车辆和操作者引导
外观设计名称：
决定号：185130
决定日：2019-07-24
委内编号：1F263205
优先权日：2013-04-12
申请（专利）号：201480017798.9
申请日：2014-04-11
复审请求人：德纳有限公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：刘珺
合议组组长：孙洁君
参审员：林邦镛
国际分类号：G05D1/02，B62D15/02，B60W50/10，B60W40/09，B60W40/10，G09B19/00
外观设计分类号：
法律依据：专利法第22条第3款
决定要点：如果一项权利要求与一篇对比文件相比存在区别技术特征，但该区别技术特征部分在另一篇对比文件中公开，部分是本领域技术人员的公知常识，则该项权利要求相对于上述对比文件以及公知常识的结合不具备创造性。
全文：
本决定涉及申请号为201480017798.9、发明名称为“通过模式识别进行的车辆和操作者引导”的发明专利PCT申请（下称本申请），本申请的申请日为2014年04月11日，优先权日为2013年04月12日，进入中国国家阶段的日期为2015年09月23日，公开日为2015年12月30日。本申请申请人为德纳有限公司。
国家知识产权局专利实质审查部门以本申请权利要求1-13不符合专利法第22条第3款的规定为由，于2018年07月03日作出驳回决定。其中引用了如下3篇对比文件：
对比文件3：CN1168942A，公开日为1997年12月31日；
对比文件4：CN1954303A，公开日为2007年04月25日；
对比文件5：CN101353017A，公开日为2009年01月28日。
驳回决定所依据的文本为：国际申请进入中国国家阶段2015年09月23日提交的说明书第1-39段、说明书附图1-5、说明书摘要、摘要附图；2018年03月12日提交的权利要求第1-13项。
驳回决定所针对的权利要求书如下：
“1. 一种通过模式识别进行的车辆和操作者引导的方法，包括：
通过车载的传感器接收车辆和操作者模式的数据，其中所述车辆和操作者模式代表所述车辆、车辆组件和/或所述操作者的重复运动；
用模式识别算法组合和分析所述采集的数据；
将所述组合和分析的数据与模式数据库中的模式相比较；
如果所述组合和分析的数据与所述模式数据库中的模式匹配则接受所述模式，或者将所述组合和分析的数据标记为不在所述模式数据库中的新模式并接受所述新模式；
基于所述模式或新模式来确定以被动地辅助所述操作者或者被动且主动地辅助所述操作者；以及
实施所确定的辅助。
2. 如权利要求1所述的方法，其特征在于，所述车载的传感器包括车辆传感器，用于操作者行为的传感器和车队管理系统传感器。
3. 如权利要求1所述的方法，其特征在于，所述模式数据库中的所述模式包括原始模式、更新的模式、接收的模式和自学的模式。
4. 如权利要求3所述的方法，其特征在于，通过所述车载的传感器检测车辆或操作者运动，将检测的数据聚合为模式，在所述模式数据库中记录所述模式，以及比较所述记录的模式以确定相似性由所述模式识别算法创建了自学的模式。
5. 如权利要求4所述的方法，其特征在于，相似的模式被聚合并被存入所述模式数据库中，而从所述模式数据库中移除不相似的模式。
6. 如权利要求3所述的方法，其特征在于，所述原始模式被预装载在所述模式数据库中。
7. 如权利要求3所述的方法，其特征在于，所述更新的模式采用原始模式并基于在车辆操作或操作者操作期间所学习的来自所述车载的传感器的测量来更新所述原始模式。
8. 如权利要求3所述的方法，其特征在于，所述接收的模式不是所述模式数据库原有的，而是通过所述车载的传感器从其他车辆或车队管理系统接收的。
9. 如权利要求1所述的方法，其特征在于，操作者优先于所实施的确定的辅助。
10. 如权利要求8所述的方法，其特征在于，所述接收的模式由一个或多个车队车辆执行重复操作而创建并共享给其他车队车辆。
11. 如权利要求1所述的方法，其特征在于，当所述操作者记录一组执行的重复行为时新模式被输入到所述模式数据库中。
12. 如权利要求1所述的方法，其特征在于，被动的辅助基于模式识别来预测下一驾驶员行为。
13. 如权利要求1所述的方法，其特征在于，主动的辅助基于模式识别来启动下一操作者行为。”
驳回决定主要认为：权利要求1与对比文件3的区别技术特征是：1）、车辆和操作者模式代表所述车辆、车辆组件和/或所述操作者的重复运动；2）、用模式识别算法组合和分析所述采集的数据；3）、将所述组合和分析的数据与模式数据库中的模式相比较；将组合和分析的数据标记为不在模式数据库中的新模式并接受所述新模式；4）、基于所述模式或新模式来确定以被动地辅助所述操作者，主动地辅助所述操作者或者被动且主动地辅助所述操作者。因而基于上述区别技术特征可以确定，权利要求1的技术方案相对于对比文件3实际所要解决的技术问题是：如何更好的为操作者提供引导。上述区别特征1）、2）分别在对比文件4、5中公开，区别特征3）、4）是在上述对比文件的基础上本领域技术人员容易想到的惯用手段，从而在对比文件3的基础上结合对比文件4、5和本领域公知常识得到权利要求1的方案是显而易见的，权利要求1不具备专利法第22条第3款规定的创造性；权利要求2-13的附加特征或在对比文件3、4和5公开，或为本领域公知常识，从而上述权利要求2-13也不具备专利法第22条第3款规定的创造性。
申请人德纳有限公司（下称复审请求人）不服上述驳回决定，于2018年10月18日向国家知识产权局提出了复审请求，未修改申请文件。
复审请求人在提出复审请求时中提出： 1）对比文件3的挖掘机的挖掘工作通常为重复运动，这是本领域技术人员（包括对比文件3的发明人）公知的。然而，对比文件3的发明人并没有设计这样的针对车辆、车辆组件和/或操作者的重复运动的发明，而是设计了可以识别重负荷工作和轻负荷工作的分类，并且进一步根据分类调整发动机的输出或其他运行参数。对比文件3中的“运行模式”指的是需要不同负荷水平的不同操作，而权利要求1中的“车辆和操作者模式”是车辆、车辆部件和/或操作者的重复运动，两者是截然不同的；2）本申请的说明书（参见说明书第[0035]-[0037]段）清楚地描述了：当识别了模式后，如何主动地或被动地辅助操作者，这与对比文件3中的模式识别的技术效果是完全不同的。审查员主张对比文件4的说明书第11页教示了这方面。对比文件4最多公开了主动地辅助操作者，即在模式匹配之后执行剩余动作。然而，对比文件4根本没有记载被动地辅助操作者，即隐式地修改车辆的操作。
经形式审查合格，国家知识产权局于2018年10月26日依法受理了该复审请求，并将本案转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中坚持驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年04月17日发出复审通知书，其中指出：权利要求1与对比文件3的区别技术特征是：1）用模式识别算法组合和分析所述采集的数据；将所述组合和分析的数据与模式数据库中的模式相比较，如果所述组合和分析的数据与所述模式数据库中的模式匹配则接受所述模式，或者将所述组合和分析的数据标记为不在所述模式数据库中的新模式并接受所述新模式，而对比文件3中工作复杂度获取装置采集运行量测量装置得到的数据，工作识别部分将上述数据与预置值相比较从而区分工作类型，且对比文件3中未记载接受新模式；2）本申请还包括基于所述模式被动地辅助操作者，或基于新模式来确定以被动地或者主动且被动地辅助所述操作者，而对比文件3中只公开基于模式主动地辅助操作者，以及在模式识别之前被动地辅助操作者。因而基于上述区别技术特征可以确定，权利要求1的技术方案相对于对比文件3实际所要解决的技术问题是：如何准确确定重复运动的模式、更好的为操作者提供引导。上述区别特征1）在对比文件4中公开，在对比文件3的基础上很容易得到上述区别特征2），从而在对比文件3的基础上结合对比文件4和本领域公知常识得到权利要求1所要求保护的技术方案是显而易见的，权利要求1不具备专利法第22条第3款规定的创造性；权利要求2-13的附加特征或在对比文件3、4公开，或为本领域公知常识，从而上述权利要求2-13也不具备专利法第22条第3款规定的创造性。
针对上述复审通知书，复审请求人于2019年05月27日提交了意见陈述书和权利要求书的修改替换页，其中，将原权利要求12并入权利要求1，并适应性修改了权利要求书的编号。修改后的权利要求1具体如下：
“1. 一种通过模式识别进行的车辆和操作者引导的方法，包括：
通过车载的传感器接收车辆和操作者模式的数据，其中所述车辆和操作者模式代表所述车辆、车辆组件和/或所述操作者的重复运动；
用模式识别算法组合和分析所述采集的数据；
将所述组合和分析的数据与模式数据库中的模式相比较；
如果所述组合和分析的数据与所述模式数据库中的模式匹配则接受所述模式，或者将所述组合和分析的数据标记为不在所述模式数据库中的新模式并接受所述新模式；
基于所述模式或新模式来确定以被动地辅助所述操作者或者被动且主动地辅助所述操作者，其中被动的辅助基于模式识别来预测下一驾驶员行为；以及
实施所确定的辅助。”
复审请求人同时指出：从对比文件3的上述内容可见，对比文件3的自动加速控制是被设计用于改善燃料消耗的目的。对比文件3“关于预测下一驾驶员行为来提高驾驶者舒适度的技术问题和解决方案”没有任何记载。因此，对比文件3实际上对于先前权利要求12中的技术特征“被动的辅助基于模式识别来预测下一驾驶行为”没有提供任何技术启示。此外，尽管对比文件3提到涉及重复行为的若干操作模式，但是对比文件3注重于重负荷工作和轻负荷工作的分类，并且提供的强烈教示是根据分类精确地调整发动机的输出或其他运行参数以尽可能小地减小发动机的燃料消耗，这才是最接近的现有技术真正指引本领域技术人员的方向。因此，本申请与对比文件3所要解决的技术问题不同；本申请与对比文件3所采用的技术方案不同；并且本申请与对比文件3所实现的技术效果也不同。从而本申请具备创造性。
在上述程序的基础上，合议组认为本案事实已经清楚，依法作出审查决定。
二、决定的理由
审查文本的认定
在复审程序中，复审请求人于2019年05月27日对申请文件进行了修改，经审查,上述修改符合专利法第33条的规定。因此，本复审决定以复审请求人于2019年05月27日提交的权利要求第1-12项、于国际申请进入中国国家阶段2015年09月23日提交的中文译文的说明书第1-39段、说明书附图1-5、说明书摘要、摘要附图为基础作出。
有关权利要求1－12是否具备创造性的问题
专利法第22条第3款：创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步，该实用新型具有实质性特点和进步。
如果一项权利要求与一篇对比文件相比存在区别技术特征，但该区别技术特征部分在另一篇对比文件中公开，部分是本领域技术人员的公知常识，则该项权利要求相对于上述对比文件以及公知常识的结合不具备创造性。
（1）权利要求1不具备专利法第22条第3款规定的创造性
权利要求1要求保护一种通过模式识别进行的车辆和操作者引导的方法。对比文件3公开了一种液压挖掘机的控制装置，并具体公开了（参见说明书第1页-13页、图1-20）：液压挖掘机执行许多种工作，例如分散工作、压实工作、坡度修整工作、吊车工作、挖掘工作、装载工作、摆动修整工作等，挖掘工作包括如回转式挖掘、简单的挖掘工作、沟槽挖掘工作、水平挖掘工作等。例如，简单挖掘工作是这样的，挖斗被推至位于液压挖掘机前的地上，通过斗杆和动臂的操作，挖斗拉向一侧从而挖出一洞。在这些工作中，由于所需液压挖掘机的移动和负载状态通常不同，希望发动机和液压泵等这样的工作设备能按照这些不同的工作而准确运行。然而，如上所述传统的液压挖掘机，通过操作员的操纵使液压挖掘机适应各种工作，就需要操作员本身来从其它工作类型里区分这种工作并执行转换工作。为解决上述问题，区分液压挖掘机的不同工作是第一要素。
依照本发明，为液压挖掘机提供一个控制装置，所述的挖掘机根据各执行机构的操作杆的运行，来完成所需要的工作，所述的执行机构包括，动臂的执行机构、斗杆的执行机构、挖斗的执行机构和用于回转的执行机构。所述的控制装置包括：运行量测量装置，该装置依照所述工作执行机构的所述操作杆中的至少一个操作杆的运行量，进行测量；特征量计算装置，该装置用来获得至少一个表明所述液压挖掘机的一个运行状态的特征量，该特征量是根据所述运行量测量装置测出的运行量来区分液压挖掘机工作类型的；和用来从所述特征量来区分工作类型的装置。用来区分工作类型的装置包括动臂工作复杂度获取装置，挖斗工作复杂度获取装置，高速回转时间获取装置，反向运转时间获取装置，挖斗和斗杆停止时间获取装置，及斗杆运行平均值获取装置、动臂运行平均值获取装置和挖斗运行平均值获取装置中的至少一个获取装置。在动臂执行机构、斗杆执行机构、挖斗执行机构和回转执行机构的工作操纵杆的运行模式中，表明动臂运行复杂度的量、表明挖斗运行高速回转时间的量、动臂反向运行时间、挖斗和斗杆停止时间、动臂运行量平均值、斗杆运行量平均值、挖斗运行量平均值或这些量的组合表明了工作类型的特点。可以通过从工作操纵杆的运行量获得的表明动臂运行复杂度的量，准确区分工作类型，如分散工作或压实工作等。从而使液压挖掘机在各种工作中都能处于最佳模式。
在实施例一中，本实施例液压挖掘机的工作装备包括：一个发动机1，两个由发动机1驱动的液压泵2和3，一个作为执行机构的动臂致动器4(一个油缸)，一个斗杆致动器5(一个油缸)，一个挖斗致动器6(一个油缸)，一个回转致动器7(一个液压马达)，一个右移致动器8(一个液压马达)，一个左移致动器9(一个液压马达)，还包括一个控制这些工作装置工作模式(即一种操作特性)的控制器10。液压挖掘机还包括：动臂运行量传感器25，挖斗运行量传感器26，右移运行量传感器27，斗杆运行量传感器28，回转运行量传感器29和左移运行量传感器30，传感器25至30可分别探测操纵杆17至21的运行量(包括操纵方向)，将其作为表征致动器4至9工作状态的量值，运行量传感器25至30分别生成对应于操纵杆17至21运行量的信号提供给控制器10。而且，该液压挖掘机还包括，用于探测液压泵2和3输出压力(即负载压力)的传感器31和32，和探测发动机转速的发动机转速传感器33。压力传感器31和32及发动机转速传感器33分别产生液压泵2和3输出压及相应的发动机转速信号。参见图2，控制器10由一个微型计算机构成，该微型计算机包括：一个模数(A/D)转换器39，用于转换运行量传感器25至30产生的信号；一个数据保存部分40，用于保存经模数转换的操纵杆17至21运行量的数据；一个工作类型识别部分41，以根据保存的数据识别液压挖掘机的工作类型；一个运行模式控制部分42，按所识别的工作类型设置液压泵2和3和发动机1的工作模式，以控制液压泵2、3和发动机1的工作；和一个运行时间累加部分60(运行时间累加器)，用于累计每项被识别工作内容的运行时间。为识别所从事工作的类型，工作类型识别部分41包括：一个动臂运行复杂度采集部分43，用于从保存在数据保存部分40内的一预定时间内操纵杆17至21的部分运行量数据中采集下面要讲的各种特征量；一个挖斗运行复杂度采集部分44；一个高速回转时间采集部分45；一个动臂反向运行时间采集部分46；一个挖斗和斗杆停止时间采集部分47；一个动臂运行平均值采集部分48；一个斗杆运行平均值采集部分49和一个挖斗运行平均值采集部分50。运行模式控制部分42包括：一个吸收功率设定部分51，用于按工作类型识别部分41识别的工作类型设定多个后面要描述的液压泵2和3的工作模式(即工作特点)；一个最大排量设定部分52；一个排量变化率设定部分53；一个响应持续时间设定部分54；一个液压泵控制部分55，它通过第一比例电磁阀和第二比例电磁阀控制液压泵2和3；一个自动加速控制部分56(自动加速装置)，其按操作类型识别部分41识别的工作类型对发动机1进行自动加速控制(容后详述)。
下面将说明本液压挖掘机控制装置的操作。当液压挖掘机的工作开始时，运行量传感器25-30的检测数据，通过一个预置时间部分被保留在数据保持部分40内，该预置时间例如可每5秒钟更新一次。在数据保持部分40内保存的数据的基础上，工作识别部分41通过采集部分43-50，得到显示动臂运行量的复杂度ch1，显示挖斗运行量的复杂度ch2，高速回转时间ch3，动臂反向运行时间ch4，挖斗和斗杆停止时间ch5，动臂运行量平均值ch6，斗杆运行量平均值ch7，挖斗运行量平均值ch8，并从特征量上识别目前正执行的工作类型，其流程如图14所示。当动臂工作的复杂度ch1、挖斗工作的复杂度ch2、高速回转时间ch3、动臂反向操作时间ch4、挖斗和斗杆停止时间ch5、斗杆运行量平均值ch7和挖斗运行量平均值ch8中的一个或其组合，与一个预置值相比较时，便可以高精确度区分多种类型的工作。在如上所述的被识别的工作分类的基础上，运行模式控制部分42和自动加速控制部分56的设置部分51-54，设置液压泵的吸收功率、最大排量、排量变化率、响应时间常数和自动加速控制(如表1所示)。液压泵控制部分55通过比例电磁阀23和24，按照液压泵吸收功率的设定值和每个工作分类设定的类似参数，控制液压泵2和3的排量，自动加速控制部分56使得自动加速控制有效或无效。当运行量传感器25-30探测到操纵杆17-22的运行量都处于“0”(即所有的操纵杆17-22都处于中间位置)时，再经过预定时间，自动加速控制部分56会将发动机大致控制在一个预定的稳定转速，此后，当操纵杆17-22中的任何一个开始工作时，发动机转速又会变为原先的转速(这种控制此后称自动加速控制)。此时，根据工作类型识别部分41识别的工作类型，自动加速控制部分56可形成自动加速控制(即进行自动加速控制)或非自动加速控制(即自动加速控制不工作)。如上所述，按照本实施例的液压挖掘机，各种类型的工作分类可以自动地区分识别，因此操作者不需要进行转换开关的操作，而且可以用适合于工作分类的操作方式操作液压挖掘机。
将对比文件3公开的内容与本申请相比较，对比文件3中公开了液压挖掘机执行许多种工作，例如分散工作、压实工作、坡度修整工作、吊车工作、挖掘工作、装载工作、摆动修整工作等，挖掘工作包括如回转式挖掘、简单的挖掘工作、沟槽挖掘工作、水平挖掘工作等，每种工作代表一种工作类型，例如，简单挖掘工作是这样的，挖斗被推至位于液压挖掘机前的地上，通过斗杆和动臂的操作，挖斗拉向一侧从而挖出一洞，可见，上述简单挖掘工作包括一系列重复运动，其他工作与此类似，均包括一系列重复动作，由于上述每种工作类型均可代表车辆和操作者的重复运动，从而上述工作类型相当于本申请的车辆和操作者模式；对比文件3中运行量传感器25至30分别生成对应于操纵杆17至21运行量的信号，相当于本申请的接收车辆和操作者模式的数据的车载的传感器；对比文件3中工作识别部分41通过采集部分43-50，采集运行量传感器25到30探测得到的数据，以得到显示动臂运行量的复杂度ch1，显示挖斗运行量的复杂度ch2，高速回转时间ch3，动臂反向运行时间ch4，挖斗和斗杆停止时间ch5，动臂运行量平均值ch6，斗杆运行量平均值ch7，挖斗运行量平均值ch8，并基于上述ch1到ch8的一个或多个的组合与一个预置值相比较，从而识别目前正执行的工作类型，上述过程相当于本申请的组合和分析所述采集的数据、进而得到所述模式；对比文件3中运行模式控制部分42和自动加速控制部分56的设置部分51-54，设置液压泵的吸收功率、最大排量、排量变化率、响应时间常数和自动加速控制。液压泵控制部分55通过比例电磁阀23和24，按照液压泵吸收功率的设定值和每个工作分类设定的类似参数，控制液压泵2和3的排量，自动加速控制部分56使得自动加速控制有效或无效，上述操作都是为了辅助车辆完成相应工作，从而上述操作相当于本申请的基于所述模式主动地辅助操作者；对比文件3公开了“当运行量传感器25-30探测到操纵杆17-22的运行量都处于“0”(即所有的操纵杆17-22都处于中间位置)时，再经过预定时间，自动加速控制部分56会将发动机大致控制在一个预定的稳定转速，此后，当操纵杆17-22中的任何一个开始工作时，发动机转速又会变为原先的转速(这种控制此后称自动加速控制)。此时，根据工作类型识别部分41识别的工作类型，自动加速控制部分56可形成自动加速控制(即进行自动加速控制)或非自动加速控制”，其中，经过预定时间，自动加速控制部分56会将发动机大致控制在一个预定的稳定转速，该操作是为了方便之后的操作而提前采取的操作，其能够防止操作员的误操作，且能够方便识别出车辆的工作模式后更快地进入识别的模式，从而上述提前操作相当于本申请的被动地辅助操作者，上述辅助是在识别工作类型之前进行的；即对比文件3实际公开了基于所述模式主动地辅助操作者、以及被动地辅助操作者。
从而，权利要求1与对比文件3的区别技术特征是：1）用模式识别算法组合和分析所述采集的数据；将所述组合和分析的数据与模式数据库中的模式相比较，如果所述组合和分析的数据与所述模式数据库中的模式匹配则接受所述模式，或者将所述组合和分析的数据标记为不在所述模式数据库中的新模式并接受所述新模式，而对比文件3中工作复杂度获取装置采集运行量测量装置得到的数据，工作识别部分将上述数据与预置值相比较从而区分工作类型，且对比文件3中未记载接受新模式；2）本申请还包括基于所述模式被动地辅助操作者，或基于新模式来确定以被动地或者主动且被动地辅助所述操作者，被动的辅助基于模式识别来预测下一驾驶员行为，而对比文件3中只公开基于模式主动地辅助操作者，以及在模式识别之前被动地辅助操作者。因而基于上述区别技术特征可以确定，权利要求1的技术方案相对于对比文件3实际所要解决的技术问题是：如何准确确定重复运动的模式、更好的为操作者提供引导。
对于上述区别特征1），对比文件4公开了一种通过模式匹配的自适应学习的方法，并具体公开了（参见说明书第2页第10行至第12页第1行、图1-2）：本发明的主要目的，在于通过允许模式匹配和自适应学习的系统和包含模式匹配和自适应学习的方法，将智能引入例如用于管理建筑的系统。换言之，当探测到事件时，该系统实际上能根据其自身积累的经验和学习，做出智能判断，而不必求助于预先编程的序列。
为了实现这样的自适应学习建筑管理方法和系统，该系统必须包括三个关键模块，每个模块在不同的时间和不同序列中调用。这三个模块是：-事件日志记录；-模式识别；以及-模式匹配。事件日志记录：首先而且是最重要的，为了根据本发明的智能建筑管理系统能够推断行为，必须有足够的数据。在本实例中，连接到系统的所有传感和探测设备都有各自的状态值，而且，任一传感和探测设备的任一状态值的变化，都被认为是事件。该智能管理系统以时间戳顺序将所有记录的事件排序，以便生成事件序列。模式识别：因为模式识别总在每个区域的子序列上进行，识别的模式通常联系到特定区域，并且保存在系统的模式数据库内，以用于未来的匹配目的。模式匹配：配备了由过去事件识别的模式的完整数据库后，根据本发明的智能管理系统将持续监控所探测事件的入流，以判断他们是否匹配数据库内保存的模式的开始事件。通过相关性计算从任意新事件屏蔽掉不相关事件，即，丢弃低相关性系数的事件。接着，使用动态编程技术以将任意新事件与所保存的与所讨论的区域有关的对应模式的开始做比较.如果动态编程得分超出了预先定义的门限值，比较结果被视为正，模式因此而匹配。提高系统学习能力的一项重要自适应技术是允许系统基于实际事件出现动态地改变所保存的模式。例如，假设保存在数据库里的模式如下：
区域：约翰的卧室
模式：钥匙卡扫描器探测到约翰的钥匙卡
打开卧室门
打开卧室电灯
打开音响系统
放上歌曲A
一旦系统探测到约翰的钥匙卡，该模式就被匹配，而且系统将自动，或经确认，为约翰打开房间门，打开电灯并放上歌曲A。然而，随着行为的变化，约翰可能厌烦了歌曲A，现在希望听歌曲B。该系统在执行了该模式之后，持续监控一定时期(一门限值)内所有设备的状态值。如果，例如，约翰在系统执行了该模式中的动作后，立刻放上歌曲B，这会被保存为数据库内模式的变化。对该模式里其他相关的设备也是同样处理。如果该模式的变化具有更大的可预测性，例如，接下来5次中该变化出现的概率高于80％，那么该系统将用这个变化取代模式中的特定动作。换言之，如果约翰在如进入他的卧室1分钟后，接着放上歌曲B，如此这番5次后，系统将重写模式如下：
区域：约翰的卧室
模式：钥匙卡扫描器探测到约翰的钥匙卡
打开卧室门
打开卧室电灯
打开音响系统
放上歌曲B
下次约翰用他的钥匙卡进入他的卧室，系统在执行了该模式中其他动作后，自动放上歌曲B。这个重复便是自适应学习，而且对于防止保存在系统中的模式变得陈旧而言是必要的。可以看到，自适应学习、智能建筑管理系统，以其识别人类行为(即，模式)和进行自动化这些重复性动作的能力，展示出智能的概念。它也通过学习新变化和动态地重写所识别行为的数据库，以适应于运行时的操作。这种通过模式匹配的自适应学习方法，以及适应于运行这个方法的系统，可以用于多种不同的应用。例如，本发明可以用于交通工具，如汽车，以便体现这种交通工具具有内置“智能”。
可见，对比文件4中公开了将事件序列（该事件为一系列重复的动作，事件序列相当于本申请的模式）存储在数据库中，采用模式识别和模式匹配方法分析事件序列，如果匹配成功，将执行匹配模式中的剩余动作，否则在多次重复后通过自适应学习得到新的模式，从而对比文件4公开了上述区别特征1），同样解决了准确确定模式以及生成新模式的技术问题，给出了将上述技术特征用于该对比文件3以解决其技术问题的启示；
对于上述区别特征2），参见上面的评述可知，对比文件3公开了在模式识别之前被动辅助操作者，其能够方便识别出车辆的工作模式后更快地进入识别的模式，节省了操作时间。同时，由于在通常情况下，各种模式的重复工作之间是存在关联的，其发生的先后也会存在一定的关系。在此基础上，本领域技术人员容易想到，基于所识别的模式，根据预期的下一步的驾驶员行为并提前进行辅助操作（即被动辅助），以更加方便、快速地进入下一模式，以节约操作时间。
从而在对比文件3公开的基于模式主动地辅助操作者以及上述被动辅助基础上，很容易得到基于模式主动且被动地辅助操作者。
另外，根据车辆所从事的具体重复运动形式，即模式的不同，以及期望提供辅助的程度，本领域技术人员可以根据实际需要选择只是被动地辅助操作者，这是很容易想到的。
此外，对比文件4给出了通过自适应学习的方式，智能地学习新模式的技术启示，在此基础上，由于车辆和操作者在新模式的重复运动中同样需要辅助，本领域技术人员很容易想到基于新模式来被动地辅助所述操作者或者被动且主动地辅助所述操作者。
由此可见，对于本领域技术人员来说，在对比文件3的基础上结合对比文件4和本领域的公知常识得到权利要求1所要求保护的技术方案是显而易见的。因此权利要求1的技术方案不具备突出的实质性特点和显著的进步，不具备专利法第22条第3款规定的创造性。
针对复审请求人答复复审通知书的的陈述意见，合议组认为：首先，关于被动辅助，本申请的记载是“通过使车辆准备好预期的下一步驾驶员行为而以被动的方式辅助驾驶员。例如，在负载被升起后可在叉车上预啮合逆转齿轮，和/或在一模式行为的预期下改变车辆的内燃机的速度”,即本申请是通过预先采取一些操作来节约时间，提供潜在的帮助。而根据对比文件3的记载：“……由于自动控制是有效的，如果操作者将所有的操纵杆17-22返回到它们的中间位置并停止工作，则发动机很快由自动加速控制部分56控制至一个低速发动机速度，由此可以改善发动机1的燃料消耗，当操纵杆中的任意一个开始工作时，发动机转速又会变为原来的转速”可知，虽然上述自动控制可以带来改善发动机燃料消耗的效果，但同时，由于“当操纵杆中的任意一个开始工作时，发动机转速又会变为原来的转速”，可见上述“发动机很快由自动加速控制部分56控制至一个低速发动机速度”的操作客观上同样实现了方便操作者进行之后的操作而提前采取的操作，其能够防止操作员的误操作，且能够方便在识别出车辆的工作模式后更快地进入识别的模式，因此对比文件3公开的上述提前操作相当于本申请的被动地辅助操作者，其与本申请的区别只是上述被动辅助是在模式识别之前进行的。而参照针对区别特征2的评述，采用模式识别的方式进行预测是本领域的惯用技术手段，从而在对比文件3公开内容的而基础上本领域技术人员很容易想到基于识别的模式预测下一行为再进行被动辅助。此外，对比文件3的说明书中明确记载了（参见说明书第2页）“本发明的第二个目的是提供一种控制装置，使得液压挖掘机不需操作员执行转换动作，就能够按照区分的工作类型执行准确的工作”，可见对比文件3的发明并不仅仅是为了改善挖掘机的燃料消耗，其同样也从操作员的角度，基于减轻操作员的工作负担为出发点，这与本申请的发明目的是相同的。综上，合议组不能接受复审请求人的意见。
（2）、权利要求2进一步限定“所述车载的传感器包括车辆传感器，用于操作者行为的传感器和车队管理系统传感器”，对比文件3公开了（参见说明书第1页第1行至第6页第30行、图1-20）：液压挖掘机还包括：动臂运行量传感器25，挖斗运行量传感器26，右移运行量传感器27，斗杆运行量传感器28，回转运行量传感器29和左移运行量传感器30，传感器25至30可分别探测操纵杆17至21的运行量，上述传感器相当于本申请的用于操作者行为的传感器。另外，对于从事同样工作的车辆组成的车队来说，为了提高单个车辆的工作能力，便于对车队进行统一管理，本领域技术人员容易想到设置车队管理系统传感器，是本领域的惯用技术手段。因此，权利要求2也不具备专利法第22条第3款规定的创造性。
（3）、权利要求3进一步限定了“所述模式数据库中的所述模式包括原始模式、更新的模式、接收的模式和自学的模式”，对比文件3公开了将工作分成分散工作、压实工作、坡度修整工作、吊车工作、挖掘工作、装载工作、摆动修整工作等，挖掘工作包括如回转式挖掘、简单的挖掘工作、沟槽挖掘工作、水平挖掘工作等，每种工作代表一种工作类型即模式，根据传感器测量的数据确定当前工作属于哪一种模式，上述模式相当于本申请的原始模式；对比文件4公开了通过自适应学习新模式，相当于本申请的自学的模式；且对比文件4中学习新模式的过程中对于原模式进行了修改，相当于本申请的更新的模式；此外，为了增强适应性，通过手工输入的方式增加模式，数据库接收该增加的模式（相当于接收的模式）也是本领域的惯用技术手段。因此，权利要求3也不具备专利法第22条第3款规定的创造性。
（4）、权利要求4进一步限定了“通过所述车载的传感器检测车辆或操作者运动，将检测的数据聚合为模式，在所述模式数据库中记录所述模式，以及比较所述记录的模式以确定相似性由所述模式识别算法创建了自学的模式”，对比文件3公开了基于车辆传感器测量的数据进行组合、分析以识别其模式，对比文件4公开了自适应学习新模式（必然将该模式记录在数据库中），且对比文件4中事件日志记录了连接到系统的所有传感和探测设备的状态值，并基于上述事件来识别模式，上述事件日志实质上就是事件数据的聚合。因此，权利要求4也不具备专利法第22条第3款规定的创造性。
（5）、权利要求5进一步限定“相似的模式被聚合并被存入所述模式数据库中，而从所述模式数据库中移除不相似的模式”，对比文件4进一步公开了（参见说明书第2页第10行至第12页第1行、图1-2）：学习过程很大程度上是模式识别，模式定义为具有重复倾向的事件序列，其重复或者以完整形式，或者以非常类似原始模式的序列形式；本应用为模式匹配采用了动态编程与吉布斯抽样算法技术的混合；配备了由过去事件识别的模式的完整数据库后，根据本发明的智能管理系统将持续监控所探测事件的入流，以判断他们是否匹配数据库内保存的模式的开始事件；通过相关性计算从任意新事件屏蔽掉不相关事件，即丢弃低相关性系数的事件（即公开了从模式数据库中移除不相似的模式）。由此可知，权利要求5的附加技术特征已被对比文件4公开。因此，权利要求5也不具备专利法第22条第3款规定的创造性。
（6）、权利要求6和7分别限定“所述原始模式被预装载在所述模式数据库中”、“所述更新的模式采用原始模式并基于在车辆操作或操作者操作期间所学习的来自所述车载的传感器的测量来更新所述原始模式”，对比文件4进一步公开了（参见说明书第2页第10行至第12页第1行、图1-2）：配备了由过去事件识别的模式的完整数据库后，根据本发明的智能管理系统将持续监控所探测事件的入流，以判断他们是否匹配数据库内保存的模式的开始事件；通过相关性计算从任意新事件屏蔽掉不相关事件，即丢弃低相关性系数的事件（即公开了更新的模式），接着，使用动态编程技术以将任意新事件与所保存的与所讨论的区域有关的对应模式的开始做比较，如果动态编程得分超出了预先定义的门限值，比较结果被视为正，模式因此而匹配；自适应学习、智能例示性方案管理系统，以其识别人类行为(即，模式)和进行自动化这些重复性动作的能力，展示出智能的概念，它也通过学习新变化和动态地重写所识别行为的数据库，以适应于运行时的操作。由此可知，权利要求6和7的附加技术特征已被对比文件4公开。因此，权利要求6和7也不具备专利法第二十二条第三款规定的创造性。
（7）、权利要求8进一步限定“所述接收的模式不是所述模式数据库原有的，而是通过所述车载的传感器从其他车辆或车队管理系统接收的”，对于从事同样工作的车辆组成的车队来说，为了提高单个车辆的工作能力，便于对车队进行统一管理，本领域技术人员容易想到通过将车载的传感器从其他车辆或车队管理系统接收新的模式，是本领域的惯用技术手段。因此，权利要求8也不具备专利法第22条第3款规定的创造性。
（8）、权利要求9进一步限定“操作者优先于所实施的确定的辅助”，本领域技术人员能够根据实际合理设置操作者和实施辅助之间的优先级，为了保证车辆工作的安全性。设置操作者优先于实施的辅助，是本领域的惯用技术手段。因此，权利要求9也不具备专利法第22条第3款规定的创造性。
（9）、权利要求10进一步限定“所述接收的模式由一个或多个车队车辆执行重复操作而创建并共享给其他车队车辆”，对于从事同样工作的车辆组成的车队来说，为了提高单个车辆的工作能力，便于对车队进行统一管理，本领域技术人员容易想到根据一个或多个车队车辆执行重复操作而创建接收的模式并共享给其他车队车辆，是本领域的惯用技术手段。因此，权利要求10也不具备专利法第22条第3款规定的创造性。
（10）、权利要求11进一步限定“当所述操作者记录一组执行的重复行为时新模式被输入到所述模式数据库中”，对比文件4进一步公开了（参见说明书第2页第10行至第12页第1行、图1-2）：学习过程很大程度上是模式识别，模式定义为具有重复倾向的事件序列，其重复或者以完整形式，或者以非常类似原始模式的序列形式；这个重复便是自适应学习，而且对于防止保存在系统中的模式变得陈旧而言是必要的，可以看到，自适应学习、智能例示性方案管理系统，以其识别人类行为即模式和进行自动化这些重复性动作的能力，展示出智能的概念，它也通过学习新变化和动态地重写所识别行为的数据库，以适应于运行时的操作。由此可知，权利要求11的附加技术特征已被对比文件4公开。因此，权利要求11也不具备专利法第22条第3款规定的创造性。
（11）、权利要求12进一步限定“主动的辅助基于模式识别来启动下一操作者行为”，对比文件3公开了（参见说明书第1页第1行至第6页第30行、图1-20）：运行模式控制装置控制上述工作类型所对应的发动机速度和泵排量中的至少一个，这样，便可自动从工作执行机构的运行状态中区分出工作类型来，且工作执行机构在运行模式下得以控制，以适应工作类型，因此，无需操作员转换，挖掘机就可以根据工作类型准确工作（即公开了主动的辅助）。由此可知，权利要求12的附加技术特征已被对比文件3公开。因此，权利要求12也不具备专利法第22条第3款规定的创造性。
根据以上事实和理由，合议组依法作出如下决定。
三、决定
维持国家知识产权局于2018年07月03日对本申请作出的驳回决定。
如对本复审请求审查决定不服,根据专利法第41条第2款的规定,请求人自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
