交通十字路口的车辆交通流的交通预测及控制系统的制作方法

本申请涉及智能交通领域，尤其涉及交通十字路口的车辆交通流的交通预测及交通灯时间控制系统。

背景技术：

科学家、运输研究者、运输工程师、道路工程师、城市规划者、政策制订者、计算机科学家、经济学家、车辆生产商及每日依赖于运输的上下班往返人员均很有兴趣了解车辆交通流的特点。如在此使用的，“车辆交通流”指车辆在两个点或交通十字路口之间的移动。同样，如在此使用的，“交通十字路口”指彼此相遇或交叉的两条以上道路之间的路口。交通拥堵及交通相变影响在城市、都市和高速公路上每日遭遇塞车的人。随着具有车对车(v2v)通信和先进的驾驶员辅助系统(adas)的、无线连接及无人驾驶的车辆的出现，车辆交通流的行为和建模被认为戏剧性地变化。车辆交通流通常受交通十字路口处使用计算机控制的预编程的定时器顺序的交通信号控制。例如通过绿色交通信号灯、黄色交通信号灯和红色交通信号灯确定的交通信号定时为在预定时间段之后改变它们的顺序以调节车辆交通流，例如对具有重车辆交通流的长道路保持绿色交通信号灯的持续时间长及对具有低车辆交通流的短道路保持绿色交通信号灯的持续时间短。预定时间段在相应交通十字路口处进行车辆交通流模式的大量调查之后设定。交通信号的定时随计算机控制的预编程的定时器顺序变化以在相应交通十字路口处在高峰时间和预定事件期间调节车辆交通流。经交通信号提高交通吞吐量即累积交通流量的行动和努力预先确定及预先编程。传统的交通信号控制系统使用电感回路检测器或摄像机检测特定方向的车辆。当在任一方向没有车辆时，交通信号灯需要动态变为红色以允许其它十字方向的等待绿色交通信号灯的车辆通过。传统的交通信号控制方法在流量低即车辆交通流具有近零车流密度的情形下及在交通不对称即在特定方向车辆等待红色交通信号灯时在其它十字方向没有车辆的情形下，可通过交通灯时间的相应变化而提高交通量或减少个体车辆的等灯时间。传统的交通信号控制方法在交通拥挤并需要优化的车辆交通流控制的大多数交通情形下不适用。具有中量交通流密度的拥挤的车辆交通流定义为交通流速度不能达到该条道路的预定速度限制。

交通信号通常随时间而变及未迎合真实世界交通情况。例如，交通信号通常不考虑交通影响因素如人为因素、道路条件、其它邻近交通十字路口的车辆交通流等。此外，交通信号通常依赖于相应交通十字路口处在预定时间检查和预编程的历史数据，及未迎合源自车辆数量日益增长的实时车辆交通流型，前述车辆包括道路上人驾驶的车辆和无人驾驶车辆。个别地，即使在交通十字路口的其它方向没有实际的车辆交通流，车辆驾驶员仍花费大量交通信号时间即等待交通信号灯变绿的时间。此外，传统的车辆交通流控制方法对具有不对称左转的迎面方向的未利用的通过效率未进行有效利用，其中交通繁忙方向的左转信号较长，及对于横向，缩短绿交通信号灯持续时间，只要缩短的持续时间不导致其它方向的车辆积聚即可。未优化的交通信号灯控制导致驾驶员苦恼及可能另外的交通拥堵、急躁驾驶和事故。总之，在考虑相反方向及它们的上游和下游交通十字路口的对称和不对称车辆交通流的同时，一交通十字路口及邻近交通十字路口的所有方向的总交通吞吐量远未优化。

此外，更长的车辆等待时间转换为汽油的浪费和空气污染的增加。交通十字路口的交通信号基于车辆交通流基本图进行配置，其通常用作设计运输和研究行业的交通模型的标准。车辆交通流基本图是提供交通流量和交通流密度之间的关系的图，交通流量指每小时或者每秒的车辆，交通流密度指每公里的车辆或者车辆占用道路的长度百分比。车辆交通流在1935年首次由greenshield进行研究，其将研究基于现象模型，该模型假定具有一拟合参数的线性交通流密度-交通流速度关系，导致交通流量和交通流密度之间的二次关系，因为交通流量是交通流密度和交通流速度的积。源自假定或者曲线拟合的交通流密度-交通流速度关系的交通流量-交通流密度曲线称为运输研究和控制的基本图。greenshield的模型通过使用具有更多建模参数的多种不同的交通流密度-交通流速度关系进行改进。vanaerde的模型明显改进了greenshield的模型，其通过假设具有四个拟合参数的非线性交通流密度-交通流速度而从对称基本图形状改进为非对称基本图形状。在传统的基本图模型中，对于给定交通流密度，有一个且仅有一个对应的交通流速度和交通流量，反之亦然。

从20世纪50年代开始，具有数值法的流体-动态模型被用于研究从层流(即秩序井然的状态)到起止运动(即无序状态)的相变，所得的密度波具有渐增的交通流密度。在这些方法中，密度-速度关系或进行假设或者在数字上拟合。近年来，计算机模拟已用于研究车辆交通流。nagel和schreckenberg提出了使用随机离散模拟的细胞自动机模型。细胞自动机模型质量上再现车辆交通流的一些宏观特性如从平滑运动到起止运动的转变。密度波方法也被用于用数字计算汽车跟随模型中的亚稳区中的冲击波衰减。然而，没有任何现有模型能够获得交通流量-交通流密度或者车辆交通流中的前后两辆车之间的最小安全驾驶距离的理论关系。许多其它模型已认识到车辆交通流行为中人反应时间的重要性，但仍然不能获得其对道路容量的影响。

如上所述，车辆交通流基本图先前基于计算机模拟、交通建模等以经验为主进行推导，并未考虑多个交通影响因素如干燥和湿滑道路条件、驾驶员的反应时间等，而这些对车辆交通流具有明显影响。在车辆交通流基本图中，交通流速度对应于一个且对应于唯一一个交通流密度，反之亦然。假设一交通流量对应于一交通流密度或者一交通流速度是错误的，因为，基于实验观察和计算机模拟，交通流量可对应于许多交通流密度或者交通流速度，但具有上限。因此，需要分析推导上限流量-密度曲线，而不是对平均的流量-密度曲线建模和进行曲线拟合，从而使得车辆交通流的相变和交通拥堵可在质量上和数量上进行调查。用于表示不同交通流相阶段和在交通流量及交通流密度之间建立关系的传统方法依赖于以经验为主推导的表示，例如三角形尖峰等，没有有效的科学推理。在不引入另外的建模参数及道路容量等于三角峰值时的交通流量的假设下，这些传统方法不表示交通流相阶段的转变。此外，这些传统方法未得到定量分析数据支持从而不能有效地预测跨交通流相阶段的转变。

用于分析交通拥堵的传统方法依赖于以经验为主推导的模型和计算机模拟。交通拥堵不仅因道路上车辆拥挤引起，而且因交通流量-交通流速度平面中的上边界的表现引起，从其可严格地推导发生交通拥堵的数量条件和性质如临界密度、拥堵速度、拥堵密度和密度波。当发生交通拥堵时，交通流速度由于高交通流密度不能达到指定的速度限制，而且不必然因高交通流量引起，因为交通流量q＝ρv，其中ρ为交通流密度及v为交通流速度。严重拥挤的交通可导致交通拥堵即“走走停停”交通行为。拥挤的车辆交通流已以经验为主及经建模、波理论、流体动力学和计算机模拟进行调查。具体地，已以经验为主确定及借助于计算机模拟统计上调查三个交通流相阶段，例如“自由流”、“同步流”和“拥堵流”。这些模拟已通过调整多个不同的模型参数如多达10个模型参数而质量上再现相变的实验观察。然而，这些模拟不能提供这些相变的决定性条件或分析解决方案，因为必须引入许多模型参数。此外，它们使用具有三角形的底边作为交通流密度轴的三角形或者以经验为主推导的曲线表示交通流量和交通流密度之间的关系(定义为基本图)处于方便表示的需要，没有正当的科学依据。此外，道路容量被假定为三角尖峰时的交通流量，其中交通流速度处于交通自由流速度，这是不准确的假设。需要使用交通流密度或者交通流速度作为使车辆交通流的交通流量最大化的变量。

预测交通十字路口的车辆交通流及经无线连接局部和全局地使用明显影响车辆交通流的不同因素控制交通信号减少车辆废气排出量、使交通拥堵最小化、增强上下班往返的人的安全、及减少路途时间和交通十字路口的等待时间。为在交通十字路口处保持平滑的移动和优化的交通流量，需要使用多个交通影响因素动态配置交通信号，及需要增强的、基于数量上分析的交通影响因素预测车辆交通流跨例如包括交通自由流阶段、同步交通流相阶段、拥堵交通流相阶段等的交通流相阶段的转变因而改变相应交通十字路口的交通信号的定时的方法。

因此，需要动态预测和控制通过一交通十字路口与最近交通十字路口的车辆交通流的方法和交通预测及控制系统。此外，需要利用协同网络方法而不是个别预编程的方法实时优化交通信号灯的控制。此外，需要接管交通十字路口处因用预定定时顺序编程的计算机控制的定时器故障而出现故障的交通信号功能的中央交通监视系统。此外，需要产生分析基本图和交通阶段图，其考虑人驾驶的车辆和无线无人驾驶车辆实时预测交通流量和交通流相阶段的转变。

技术实现要素：

本部分以简化的形式介绍在本发明具体实施方式中进一步公开的概念的选择。该部分不用于确定本发明的范围。

在此公开的方法和交通预测及控制系统(tpcs＝trafficpredictionandcontrolsystem)解决了上面提及的动态预测和控制通过一交通十字路口与邻近交通十字路口的车辆交通流的需要。此外，在此公开的方法和tpcs通过利用协同网络方法而不是个别预编程的方法实时优化了交通信号灯的控制。在此公开的方法和tpcs解决了接管交通十字路口处因用预定定时顺序编程的计算机控制的定时器故障而出现故障的交通信号功能的中央交通监视系统的需要。此外，在此公开的方法和tpcs解决了产生分析基本图和交通阶段图的需要，其考虑人驾驶的车辆和无线无人驾驶车辆实时预测交通流量和交通流相阶段的转变。该方法和tpcs可应用于人驾驶的车辆的车辆交通流及未来的具有和/或没有人驾驶的车辆如无人驾驶车辆的车辆交通流。

在此公开的方法采用包括至少一处理器的交通预测及控制系统(tpcs)，所述处理器配置成执行用于动态预测和控制通过一交通十字路口与邻近交通十字路口的车辆交通流的计算机程序指令。tpcs动态接收和处理来自一个或多个传感器的传感器数据，例如位于本地交通十字路口处的摄像机、激光装置、电感回路检测器等。tpcs使用动态接收和处理的传感器数据动态确定交通流参数，包括交通流速度、交通流密度和邻近本地交通十字路口的车辆数量。在此公开的方法中，tpcs使用交通流密度或交通流速度作为变量以使车辆交通流的交通流量最大化。tpcs使用动态确定的交通流参数动态确定交通流量。tpcs经通信网络动态接收和处理来自位于一个或多个最近交通十字路口的一个或多个传感器的分析参数。最近交通十字路口包括相对于本地交通十字路口的上游交通十字路口和下游交通十字路口。tpcs使用动态接收和处理的实时测量和实时分析参数动态确定最接近本地(需要控制的)交通十字路口的车辆中在前车辆和尾随车辆之间的最小安全驾驶距离。tpcs使用动态确定的最小安全驾驶距离、交通流速度、预定速度限制、交通拥堵速度、车辆平均长度、干或湿滑道路条件、及一个或多个动态接收和处理的分析参数动态确定交通自由流密度、同步交通流密度和交通拥堵密度。

交通预测及控制系统(tpcs)使用动态确定的交通自由流密度、动态确定的同步交通流密度及动态确定的交通拥堵密度预测通过本地交通十字路口的车辆交通流跨交通流相阶段的转变。tpcs通过基于预测的本地交通十字路口的车辆交通流的转变动态调整本地交通十字路口的交通信号的持续时间并将交通信号时间调整指令传到一个或多个邻近交通十字路口中的每一交通十字路口而控制通过本地交通十字路口的车辆交通流。为控制通过本地交通十字路口的车辆交通流，基于与交通流密度和交通流速度相关联的条件，tpcs经通信网络请求上游交通十字路口或多或少地朝向本地交通十字路口发送车辆交通流以保持优化的交通流量。为控制通过本地交通十字路口的车辆交通流，tpcs还通过使用动态确定的交通流参数及通过控制来自上游交通十字路口的车辆交通流，对在动态确定的交通流量接近或远离针对本地交通十字路口的交通流速度和交通流密度优化的交通流量的方向移动的车辆，动态确定和最佳地控制绿交通信号灯的持续时间。

交通预测及控制系统(tpcs)实施车辆交通流算法，其不需要任何模型参数、使交通能自组织及控制交通拥堵。tpcs与交通流相阶段的真实世界交通数据、拥堵速度、道路容量及与基本图相关联的交通流量-交通流密度曲线的上包络一致。tpcs推导发生同步交通流和拥堵交通即走走停停交通的数量条件和临界密度，包括拥堵速度、拥堵密度和密度波。此外，由tpcs产生的车辆交通流的交通相变图提供每一相变的临界交通流密度及使交通自由流、同步交通流和拥堵或者走走停停交通流区域分开的边界线。给定交通流密度，交通相变图预测车辆交通流的最终状态、速度和交通流相阶段。

在一个或多个实施例中，有关系统包括实现在此公开的方法的电路和/或编程，该电路和/或编程可以是配置成根据系统设计者的设计选择实现在此公开的方法的硬件、软件和/或固件的任何组合。同样，根据系统设计者的设计选择，可采用多个不同的结构元件。

附图说明

前面的发明内容部分及下面的具体实施方式部分在结合附图阅读时可得以更好地理解。为图示本发明的目的，本发明的示例性的构造在图中示出。然而，本发明不限于在此公开的具体方法和部件。对一附图中一附图标记所指的方法步骤或部件的描述可应用于任何随后的附图中同一附图标记所示的方法步骤或部件的描述。

图1a-1b示出了用于动态预测和控制通过一交通十字路口与邻近交通十字路口的车辆交通流的方法。

图2示意性地示出了展现一道路车道上前后两辆车的示意图，用于动态确定前后两辆车之间的最小安全驾驶距离及最大交通流密度。

图3a-3b示意性地示出了最大交通流量作为交通流速度的函数的图形表示。

图4a-4b示意性地示出了最大交通流量作为交通流密度的函数的图形表示。

图5示意性地示出了道路容量作为驾驶员在干燥道路条件、湿滑道路条件和被雪覆盖的道路条件的反应时间的函数的图形表示。

图6示意性地示出了最大允许交通流量作为交通流速度的函数的图形表示。

图7a-7b示意性地示出了车辆间距作为交通流速度和驾驶员反应时间的函数的图形表示。

图8a-8b示意性地示出了包括用于动态预测和控制通过一交通十字路口与邻近交通十字路口的车辆交通流的方法的步骤的流程图。

图9a-9b示意性地示出了包括用于动态预测和控制通过一交通十字路口与邻近交通十字路口的车辆交通流的方法实施例的步骤的流程图。

图10a-10d示意性地示出了包括用于动态预测和控制通过一交通十字路口与邻近交通十字路口的车辆交通流的交通预测及控制系统的系统的实施例。

具体实施方式

在此公开的方法和交通预测及控制系统(tpcs)实施下面的方法。在第一方法中，各个驾驶员局部和顺序地朝向协同全局行动进行行动，导致跨道路网络优化的行进效率和交通吞度量。如在此使用的，“交通吞吐量”指交通流量随时间的积分。同样，如在此使用的，“交通流量”指每单位时间朝向一交通十字路口移动的车辆数。在第二方法中，交通信号灯的个别预编程的控制在一交通十字路口及相邻或邻近交通十字路口的所有方向朝向实时协同全局交通信号灯控制转变，导致跨道路网络优化的行进效率和交通吞吐量。第一方法需要每一交通十字路口和每一车辆具有无线通信和控制系统，这在实践中很难实施，因为第一方法涉及每一车辆；而第二方法需要中央处理单元及测量每一交通十字路口的交通流速度、交通流密度和交通流量的传感器及与邻近交通十字路口和邻近交通十字路口之间的通信。第二方法利用由交通流量-交通流密度或交通流速度表示的分析基本图及由从交通自由流阶段到同步交通流相阶段到拥堵交通流相阶段的转变表示的交通相变图。拥堵交通流相阶段也称为“拥挤交通流相阶段”。

在此公开的方法聚焦于第二方法，其不需要在每一车辆上安装无线通信和控制系统。车辆交通流例如通常包括人类驾驶员驾驶的车辆流，车辆如救火车、医疗急救车、车队等，其与交通预测及控制系统(tpcs)通信以获得更高的通过优先级或者连续通过多个交通十字路口。在不远的将来，车辆交通流将包括人类驾驶员驾驶的车辆和具有无线通信和控制系统的无人驾驶车辆的组合车流。车辆交通流还将包括具有通信和控制系统的无人驾驶车辆流。交通信号灯控制或引导车辆交通流而不是每一个体车辆。在此公开的方法和tpcs可应用于包括具有或没有与通信网络的通信的车流的车辆交通流。在车辆与通信网络通信以获得高优先级的实施例中，在此公开的tpcs对这些车辆所在方向提供临时及一次性高优先级从而允许车辆通过一交通十字路口，然后恢复通过该交通十字路口及邻近交通十字路口的车辆交通流的动态和协同控制。在该实施例中，tpcs将一次性优先通过分配给分类的车辆如救火车、医疗急救车等，以使这些分类的车辆在恢复正常运行之前通过交通十字路口。这些分类的车辆在工作时基于通信网络与tpcs通信。在此公开的方法和tpcs实时优化交通信号灯的控制，其通过利用最佳和动态控制网络中的所有交通十字路口的交通信号和车辆交通流的协同网络方法，而不是利用不考虑网络中的其它交通十字路口控制每一个别交通十字路口的交通信号和车辆交通流的个别预编程的方法。

图1a-1b示出了用于动态预测和控制通过一交通十字路口及邻近交通十字路口的车辆交通流的方法。在此公开的方法采用包括至少一处理器的交通预测及控制系统(tpcs)，所述处理器配置成执行用于动态预测和控制通过一交通十字路口及邻近交通十字路口的车辆交通流的计算机程序指令。在101，tpcs动态接收和处理来自位于本地交通十字路口的一个或多个传感器的传感器数据。如在此使用的，“本地交通十字路口”指参考点交通十字路口，tpcs动态预测和控制通过其及邻近交通十字路口的车辆交通流。邻近交通十字路口包括相对于本地交通十字路口的上游交通十字路口和下游交通十字路口。如在此使用的，“上游交通十字路口”指相对于本地交通十字路口位于上游方向的交通十字路口。上游交通十字路口朝向本地交通十字路口引导车辆交通流。同样，如在此使用的，“下游交通十字路口”指相对于本地交通十字路口位于下游方向的交通十字路口。下游交通十字路口在下游方向引导车辆交通流远离本地交通十字路口并朝向随后的下游交通十字路口。位于本地交通十字路口和邻近交通十字路口的传感器例如包括摄像机、激光装置、电感回路检测器等。传感器数据例如包括从位于本地交通十字路口的摄像机接收的车辆交通流的图像、从使用lidar(也称为激光检测和距离(ladar)远程感测技术，其通过用激光照射每一车辆并分析反射光测量车辆之间的距离)的激光装置接收的距离数据等。

在102，交通预测及控制系统(tpcs)使用动态接收和处理的传感器数据动态确定交通流参数，例如包括交通流速度、交通流密度及接近本地交通十字路口的车辆数。如在此使用的，“交通流速度”指朝向本地交通十字路口移动的车辆的平均速度。同样，如在此使用的，“交通流密度”指每单位距离的车辆平均数。tpcs从接收自传感器如摄像机的图像传感器或激光检测和距离(ladar)传感器或电感回路检测器的数据动态确定交通流速度、交通流密度及一交通十字路口处的车辆数。例如，传感器检测车辆在多个不同时间的位置并将位置信息传给tpcs以使tpcs能动态确定车辆速度，例如通过距离变化除以时间变化。当交通流速度为零时，交通流密度称为“车辆密度”，因为对于零速度没有交通流。

交通预测及控制系统(tpcs)例如使用下式(1)动态确定单车道的交通流密度：

其中l0为通过传感器如摄像机、ladar技术等确定的车辆交通流中的车辆平均长度，ρ0＝1/l0为停止时的一辆接一辆的密度，vδt为尾随车辆在刹车之前因驾驶员的反应时间δt而行进的距离，例如对于无人驾驶车辆或者启用车间通信(v2v)技术的车辆，反应时间约为零，而对于人类驾驶员，反应时间约为0.5秒到1秒；l为尾随车辆在速度v下的最小停车距离；及l’为前后两辆车之间在动态确定的交通流速度下最大程度挤满的车辆交通流的最小安全驾驶距离，如nagel-schreckenberg随机模型中的安全条件等同确定的那样。在例子中，位于本地交通十字路口的摄像机捕获车辆的图像并将该图像传给tpcs进行处理并例如基于20或100辆车确定车辆的平均长度。在实施例中，对于多条车道，如果车辆在刹车期间不改变方向或改变车道，tpcs将上面确定的交通流密度乘以车道数。在103，tpcs使用动态确定的交通流参数动态确定交通流量。例如，tpcs通过将交通流速度乘以交通流密度计算交通流量。

在104，交通预测及控制系统(tpcs)经通信网络如无线通信网络例如使用上面公开的第二方法动态接收和处理来自位于一个或多个邻近交通十字路口的一个或多个传感器的分析参数。如在此使用的，“分析参数”指交通影响参数，如车辆的一般驾驶员的平均反应时间(不管驾驶员为人类驾驶员还是车辆为无人驾驶车辆)、车辆的平均交通流速度、平均车辆质量、车辆和道路之间的平均摩擦、车辆的平均空气阻力等。传感器例如安装在邻近交通十字路口的摄像机监视车辆交通流并基于监视经无线通信网络向tpcs发送现场视频和数据传播。每一交通十字路口的传感器测量交通流速度。tpcs估计平均车辆长度和平均车辆质量，例如使用历史统计数据。tpcs考虑一般驾驶员的平均反应时间在例如约0.5秒到1.0秒的范围中。在例子中，对于无人驾驶车辆交通流，tpcs考虑平均反应时间δt≈0，及对于人类驾驶员，δt≈0.75秒。在实施例中，为了安全，当车辆交通流包括人驾驶的车辆和无人驾驶车辆时，tpcs将车辆交通流当作人驾驶的车辆交通流。tpcs考虑参数a对于干燥道路条件例如为约12米/秒²，及对于湿滑道路条件例如为约3米/秒²。在计算a＝g[cosθμ+sinθ]时，每一车辆和道路之间的摩擦系数μ例如对于干燥道路为约1.2及对于湿滑道路为约0.3，其中g为在9.8米/秒²下的重力常数。每一车辆的空气阻力使用公式计算，其中ρair为空气密度，约为1kg/m³；cd为阻力系数，约为0.3；及a为1m²级的锋面，取决于车辆设计。在实施例中，tpcs经通信网络动态接收和处理来自位于接近本地交通十字路口的每一车辆中的一个或多个传感器的分析参数，以确定接近本地交通十字路口的车辆中在前车辆和尾随车辆之间的最小安全驾驶距离，及动态确定交通自由流密度、同步交通流密度和交通拥堵密度。

在105，交通预测及控制系统(tpcs)使用动态接收和处理的分析参数动态确定接近本地交通十字路口的车辆中在前车辆和尾随车辆之间的最小安全驾驶距离。如在此使用的，“最小安全驾驶距离”指尾随车辆与在前车辆之间必须保持以避免与在前车辆碰撞的最小距离。对于给定交通流速度，尾随车辆与在其前面移动的在前车辆必须保持最小安全驾驶距离。tpcs分析得到最小安全驾驶距离，其例如从车辆和道路之间的摩擦、车辆的空气阻力、驾驶员的反应时间、车辆是人驾驶还是无人驾驶确定该交通流速度下的最大允许交通流密度。也就是说，tpcs利用动态确定的最小安全驾驶距离动态确定给定交通流速度和反应时间的最大交通流密度。当交通流密度超出给定交通流速度下动态确定的最大交通流密度时，车辆的驾驶员必须刹车以保持最小安全驾驶距离，在小交通流速度下该距离小。因而，给定交通流速度，交通流密度例如可在从约0到约最大允许交通流密度的范围中变化。在另一例子中，给定交通流密度，交通流速度可在从约0到约最大允许交通流速度的范围中变化，这不同于车辆交通流的基本图(其中交通流速度对应于唯一交通流密度，反之亦然)。

如图2中例示的，考虑前后两辆车在道路车道上移动的例子。基于刹车期间的能量守恒，交通预测及控制系统(tpcs)得到以速度v行进的尾随车辆避免与在前车辆的后保险杠接触的、如下所示的积分形式的等式(2)：

其中l为尾随车辆在速度v下的最小停车距离；m为车辆质量；g为重力常数；μ为动摩擦系数；θ分别为上坡驾驶或下坡驾驶的正或负角度；ρair为空气密度，具有如约1kg/m³的值；cd为阻力系数，具有如约0.3的值；a为例如约1m²级的锋面，取决于车辆设计。在前车辆的后保险杠的位置提供参考点并覆盖如在前车辆从断桥掉下或者闯红交通信号灯的情形。在该例子中，车辆引擎在刹车期间所做的功可忽略。等式(2)中的第一项考虑摩擦力所做的功。摩擦力被认为与车辆速度无关，除在例如低于1米每秒(m/s)的实质上低速情形下之外，在该情形下，边界润滑和/或毛细作用力影响摩擦力。等式(2)中的第二项为重力势。等式(2)中的第三项为空气阻力所做的功。等式(2)右边的项为车辆刚好在刹车之前的动能。

交通预测及控制系统(tpcs)对等式(2)中的第一项求积分以获得恒定摩擦力。为对等式(2)中的第三项(也称为空气阻力项)求积分，tpcs利用下面的、车辆在引擎动力p(t)、摩擦力和空气阻力下的运动等式(3)：

其中，在等式(4)中，a为单位为m/s²的归一化摩擦系数，及b为单位为1/m的归一化空气阻力系数。在刹车过程期间，牵引力p(t)/v为零，及从等式(3)和(4)得到dv/dt＝-a-bv²。使用dv/dt＝(dv/dl)(dl/dt)＝vdv/dl，交通预测及控制系统(tpcs)得到下面的等式(5)：

交通预测及控制系统(tpcs)将等式(4)和(5)代入等式(2)而将最小安全驾驶距离确定为：

交通预测及控制系统(tpcs)使用下面的等式(7)从等式(1)动态确定给定交通流速度v时的最大允许交通流密度：

交通预测及控制系统(tpcs)等式(7)的逆动态确定给定交通流密度时的最大允许交通流速度v(ρ)。当tpcs使用等式(7)动态确定的最大允许交通流速度低于指定的道路速度限制时，一定会出现交通拥堵。交通流密度是导致交通拥堵的几个因素之一。因此，等式(7)从数量上确定导致交通拥堵的详细条件。对于驾驶员的反应时间δt＝0，例如对于在车辆之间具有无线通信的车辆交通流，tpcs分析获得等式(7)的逆，即或者的基本图。在具有无线通信的车对车交通流和/或无人驾驶车辆交通流的情形下，该基本图适用于δt＝0。

由等式(7)提供的密度-速度关系不同于传统基本图提供的密度-速度关系。在此公开的方法中，对于给定交通流密度，只有最大允许交通流速度固定；或者，反过来，对于给定交通流速度，只有最大允许交通流密度固定，这不同于传统基本图。在传统基本图中，对于给定交通流密度，交通流速度本身因密度-速度关系固定；或者反过来，对于给定交通流速度，交通流密度本身固定。tpcs使用等式(7)将最大允许交通流量qm确定如下：

当交通流密度超过给定交通流速度下的最大允许交通流密度时或者当交通流速度超过给定交通流密度下的最大允许交通流速度时，车辆交通流中的车辆需要刹车以保持或恢复最小安全驾驶距离。等式(6)、(7)和(8)形成在此公开的方法中车辆交通流的基础，对于任何反应时间，无论具有还是没有人类驾驶员。

在106，交通预测及控制系统(tpcs)使用动态确定的最小安全驾驶距离、交通流速度、预定速度限制、交通拥堵速度(使用在图3a-3b的详细描述中公开的等式(10)确定)、车辆平均长度、道路条件如湿滑道路条件、干燥道路条件等、及一个或多个动态接收和处理的分析参数动态确定交通自由流密度、同步交通流密度和交通拥堵密度。如在此使用的，“交通自由流密度”指交通流速度低于预定速度限制时每单位道路长度的车辆数。同样，如在此使用的，“同步交通流密度”指当每一尾随车辆的运动与在前车辆的运动同步时每单位道路长度的车辆数。同样，如在此使用的，“交通拥堵密度”指在交通拥堵期间每单位道路长度的车辆数。tpcs使用下面的等式(9)动态确定记为ρfree的交通自由流密度：

其中，vlimit表示法定速度限制。tpcs例如使用图3a-3b的详细描述中公开的等式(11)动态确定记为堵塞密度ρjam的交通拥堵密度。

在107，交通预测及控制系统(tpcs)使用动态确定的交通自由流密度、动态确定的同步交通流密度和动态确定的交通拥堵密度预测通过本地交通十字路口的车辆交通流跨交通流相阶段的转变。如在此使用的，“交通流相阶段”指车辆交通流的不同阶段。交通流相阶段例如包括交通自由流阶段、同步交通流相阶段和拥堵交通流相阶段。如在此使用的，“交通自由流阶段”指交通流速度处于预定速度限制以允许车辆交通自由流动的交通流相阶段。在交通自由流阶段中，具有小交通流密度的车辆交通流可达到法定速度限制及超出法定速度限制。同样，如在此使用的，“同步交通流相阶段”指每一尾随车辆的运动与在前车辆的运动同步的交通流相阶段。在同步交通流相阶段中，任何车辆的速度变化影响尾随车辆根据在前车辆的速度变化改变速度。同样，如在此使用的，“拥堵交通流相阶段”指车辆交通流以走走停停运动移动的交通流相阶段。在拥堵交通流相阶段中，具有大交通流密度的车辆交通流遭受走走停停运动。车辆交通的“自由流”表征为描绘交通流量-交通流密度之间关系的基本图中的轴起点开始的直线，该直线的斜率等于交通流速度，因为交通流量为交通流密度和交通流速度的积。在交通自由流阶段中，前后两辆车的行为可能在前后两辆车之间不相关或不同步。例如，当在前车辆刹车或加速时，尾随车辆可能未跟着做，因为所涉及的车辆可具有不同的车辆速度及其间可具有高于最小安全驾驶距离的距离。

当交通流密度高于车辆交通自由流允许的最大交通流密度时，车辆交通流在车辆间保持最小安全驾驶距离的同时可能不能达到预定速度限制，从而导致同步交通流，其中车辆低于预定速度限制行进。在同步交通流相阶段中，车辆必须全体加速或减速，即，一辆车减速必然需要其它车辆减速以在车辆间保持最小安全驾驶距离。在实质上低交通流密度下，其中车辆离得很远，车辆可以低于预定速度限制的车辆速度自由行进，而没有全体加速或减速行为。根据具体交通流相阶段(ρ,v)，这种车辆交通流转变为预定速度限制下的车辆交通自由流或者低于预定速度限制下的同步交通流。这是因为，典型的驾驶员想要使行进时间最小化，因此他们开得快直到达到预定速度限制或者该交通流密度的最大允许交通流速度为止，当然还受限于该交通流速度下前后两辆车之间的最小安全驾驶距离。这种只要可能及安全驾驶员就加速的趋势是交通流自组织背后的主要驱动力。最小安全驾驶距离取决于驾驶员的反应时间和车辆停车距离，其进而取决于交通流速度、道路条件如干或湿滑道路条件、上坡或下坡道路条件等、车辆质量、车辆摩擦、车辆的空气阻力等。因此，给定交通流速度下的最小安全驾驶距离限定该特定交通流速度下的最大交通流密度，反之亦然。

当车辆交通流进一步处于足够高的交通流密度时，车辆交通流可转变为“拥堵交通流”即拥堵交通流相阶段，导致特有的“走走停停”交通行为。当车辆交通流处于停止状态时，交通流密度最大即处于一辆接一辆的密度。交通预测及控制系统(tpcs)预测从交通自由流阶段到同步交通流相阶段的相变或从同步交通流相阶段到拥堵交通流相阶段的相变，如图3a-3b的详细描述中公开的。

在108，交通预测及控制系统(tpcs)通过基于预测的本地交通十字路口的车辆交通流的转变动态调整本地交通十字路口的交通信号的持续时间并将交通信号时间调整指令传到一个或多个邻近交通十字路口中的每一个而控制通过本地交通十字路口的车辆交通流。如在此使用的，“交通信号时间调整指令”指指令交通十字路口调整其相应交通信号的持续时间的命令。为控制通过本地交通十字路口的车辆交通流，在108a，基于与交通流密度和交通流速度相关联的条件，tpcs经通信网络请求上游交通十字路口朝向本地交通十字路口发送或多或少的车辆交通流以保持总体优化的交通流量。例如，为控制本地交通十字路口的交通拥堵，tpcs请求上游交通十字路口缩短上游交通十字路口处的绿交通信号灯的持续时间，及经通信网络请求下游交通十字路口允许更多车辆交通流通过下游交通十字路口以减少本地交通十字路口处的交通拥堵。为控制车辆阻塞在交通十字路口处，tpcs缩短本地交通十字路口的绿交通信号灯以避免车辆交通流停留在本地交通十字路口处，tpcs还经通信网络请求下游交通十字路口允许更多车辆交通流通过下游交通十字路口以保持上游交通十字路口的无拥堵阶段。用于控制通过本地交通十字路口的车辆交通流的条件例如包括交通流密度大于动态确定的交通自由流密度，及交通流密度小于图8a-8b的详细描述中公开的交通拥堵密度。在实施例中，用于控制通过本地交通十字路口的车辆交通流的条件例如包括交通流速度小于预定速度限制的预定百分比，及交通流速度大于零，如图9a-9b的详细描述中公开的。

在108b，针对在动态确定的交通流量接近或远离通过使用动态确定的交通流参数及通过控制来自上游交通十字路口的车辆交通流根据等式(8)针对本地交通十字路口的交通流速度和交通流密度优化的交通流量的方向移动的车辆，交通预测及控制系统(tpcs)动态确定并最佳地控制绿交通信号灯的持续时间，例如比横向而不是迎面方向的持续时间长或短。如在此使用的，“迎面方向”指从与出发方向相反的方向朝向本地交通十字路口移动的车辆交通流方向。例如，如果出发方向为从南向北，则从北向南的方向为迎面方向。同样，如在此使用的，“横向”指在垂直于迎面方向的车辆交通流或者垂直于出发方向的方向移动的车辆交通流方向。例如，如果迎面方向为从北向南，则从东向西和从西向东的方向为横向。允许出发方向的车辆左转、右转和通过的绿交通信号灯总持续时间等于迎面方向的绿交通信号灯总持续时间。然而，基于两个方向等待左转车辆的数量，允许车辆通过的绿交通信号灯持续时间不同于迎面方向车辆通过的绿交通信号灯持续时间。例如，如果在一方向没有等待左转车辆，tpcs将左转绿交通信号灯的持续时间设定为零，同时为迎面方向的左转和通过车辆启动绿交通信号灯。左转或直接通过车辆交通流的绿灯持续时间不同于出发方向和迎面方向的绿灯持续时间。tpcs动态确定本地交通十字路口的所有方向的交通信号灯持续时间。tpcs选择任一方向作为出发方向并动态控制该交通十字路口的所有方向的交通信号灯。交通预测及控制系统(tpcs)将迎面车辆交通流少于出发方向的情形当作非对称情形并缩短具有较少车辆交通流的迎面方向的左转绿交通信号灯的持续时间以允许更繁忙交通方向更多左转和通过车辆交通流。当横向车辆交通流少于出发方向时，tpcs缩短横向绿交通信号灯的持续时间并增加更繁忙交通方向的绿交通信号灯持续时间，导致繁忙交通方向的红交通信号灯持续时间更短，这相当于横向的绿交通信号灯持续时间更短。对于具有两条相交道路的典型交通十字路口，出发交通方向具有一个迎面方向和两个横向。

此外，交通预测及控制系统(tpcs)经通信网络从每一邻近交通十字路口接收和处理交通流参数，包括交通流速度、交通流密度和接近一个或多个邻近交通十字路口中的每一个的车辆数。为控制通过本地交通十字路口的车辆交通流，只要可能，tpcs基于距离条件使用接收和处理的交通流参数使本地交通十字路口的交通信号与每一邻近交通十字路口的交通信号同步以使至少两个交通十字路口的车辆交通流不中断。在实施例中，距离条件包括至少两个交通十字路口之间的距离短于车辆交通流在较长时限tlimit(即人类耐性极限)以预定速度限制行进的距离，即，tlimit<li/vlimit，其中li为两个交通十字路口之间的距离，vlimit为两个交通十字路口之间的速度限制。较长时限为绿、红和黄交通信号灯的持续时间的和。基于上游交通十字路口的交通流量不大于本地交通十字路口的交通流量及本地交通十字路口的交通流量大于计算的最大交通流量的一半，tpcs使本地交通十字路口的交通信号与上游交通十字路口的交通信号同步以允许较少车辆交通流通过上游交通十字路口从而避免车辆交通流积聚在本地交通十字路口。基于下游交通十字路口和随后的下游交通十字路口之间的交通流量少于本地交通十字路口的交通流量，tpcs还使本地交通十字路口的交通信号与下游交通十字路口的交通信号同步以允许更多车辆交通流通过本地交通十字路口从而避免车辆交通流积聚在本地交通十字路口。

对于车辆交通流的具体控制，交通预测及控制系统(tpcs)设置下述参数：

tyellow，黄交通信号灯持续时间，例如3.8秒。

tlimit，因人类耐性考虑而限定的交通信号灯时限，例如120秒。

交通预测及控制系统(tpcs)动态测量下述参数：

跨一交通信号灯周期时间方向i进入交通十字路口的平均交通流量；

跨绿交通信号灯持续时间方向i离开交通十字路口的平均交通流量；

跨一交通信号灯周期时间方向i的横向进入交通十字路口的平均交通流量中的较大值；

跨方向i的红交通信号灯持续时间方向i的横向直接通过离开交通十字路口的平均交通流量中的较大值。

交通预测及控制系统(tpcs)动态计算下述参数：

方向i的平均进入交通流速度下的最大交通流量；

横向的平均离开交通流速度下的最大交通流量。

对于干燥道路条件，对于湿滑道路条件，δt～0.75秒及l0～7.5m。

对于交通十字路口的任何交通方向i，交通预测及控制系统(tpcs)确定下式：

其中为绿交通信号灯期间的平均通过交通流量，ρatlight(t)和vatlight(t)在交通信号灯处测得。

其中为绿交通信号灯期间的平均通过交通流量，ρatlight(t)和vatlight(t)远离交通信号灯进行测量以避免停在红灯处的车辆影响测量结果。

为方向i的左转和/或右转绿交通信号灯。

保持方向i的交通免于变糟的条件平均起来由下式给出：

方向i的红交通信号灯为横向i-c的绿交通信号灯及左转和/或右转的绿交通信号灯。交通预测及控制系统(tpcs)将下面的等式用于横向i-c：

由于tpcs忽略等式(a3)和(a4)右边的第二项。tpcs将等式(a3)除以(a4)得到下面的等式(a5)：

和

tpcs将等式(a5)插入到等式(a3)得到下面的等式(a6)：

对于tcycle<tlimit(a6)

等式(a6)对于和的某些组合不适用，这导致分母逼近零或负，此时没有时限可使得等式(a3)和/或(a4)可应用。

交通预测及控制系统(tpcs)不能通过调整交通信号灯周期长度来减少等待时间，而是使用时限限制交通信号灯周期持续时间同时调整绿交通信号灯和红交通信号灯的相对长度。车辆交通流可能变得更糟，但车辆交通流变糟慢于没有长度划分时的车辆交通流变糟。tpcs利用具有低车辆交通流的横向的通过能力或者在具有相对不太严重的车辆交通流的横向使更多车辆通过。当在时限下等式(a3)不再适用时，交通信号灯周期时间通过等式(a5)在预设时限内划分如下：

交通预测及控制系统(tpcs)将等式(a5)插入到等式(a7)得到下面的等式：

或者

，对于tcycle≥tlimit

在等式(a9)中，不能设为零，其意味着在方向i根本没有车辆交通流，因为在分母中。然而，可设为零，使车辆交通流能将具有零交通的方向用作横向。如果该方向及其横向均没有车辆交通流，tpcs考虑人行横道绿交通信号灯。同样，对于方向i，有两个以上横向i-c。tpcs使用来自横向的及对应的的较大值。

针对反应时间设为0.75秒的人驾驶的车辆和反应时间设为零秒的无人驾驶车辆，考虑下面的数值工作例子，其中交通预测及控制系统(tpcs)通过利用等式(8)动态测量相应方向i及其在测得的交通流速度下具有更繁忙交通的横向i-c的和及动态计算和对于每一交通信号灯周期，tpcs使用tlimit＝120秒(设定)和tyellow＝3.8秒(设定)，秒和秒(测量)。

表1：针对人驾驶车辆(δt＝0.75))优化的交通信号灯持续时间

表2：针对无人驾驶车辆(δt＝0.0)优化的交通灯持续时间

针对反应时间δt＝0.75的人驾驶车辆的表1及针对反应时间δt＝0.0的无人驾驶车辆的表2中的绿交通信号灯持续时间tgreen用于直接通过绿交通信号灯的车辆交通流，及交通预测及控制系统(tpcs)动态确定用于左转和右转的绿交通信号灯，例如针对表1假定为10秒。然而，表1中的红交通信号灯持续时间tred包括横向的车辆交通流直接通过绿交通信号灯及左/右转绿交通信号灯。对于表1，对于低负荷交通及小的和tpcs动态调整红交通信号灯和绿交通信号灯的持续时间以减少驾驶员的红交通信号灯等待时间。然而，对于繁忙交通，tpcs不能动态调整红交通信号灯和绿交通信号灯的持续时间，因为不仅有灯周期时间的时限，而且等式(a6)的应用有限制条件。

此外，在车辆交通流直接通过绿交通信号灯期间，对于走过人行横道的行人，绿交通信号灯持续时间有下时限，不包括左转或右转绿交通信号灯持续时间。交通预测及控制系统(tpcs)通过将所需的约束量添加到等式(a6)而处理该情形。如果上时限因人耐性而不足够长，tpcs从应用等式(a6)切换到应用等式(a9)。如果等式(a9)未能顺应人行横道时间，对于具有慢速行走行人的非常宽的人行横道，tpcs向上时限增加额外的时间，即人的耐心上限。

图2示例性地示出了一示意图，其示出了道路车道上的前后两辆车，用于动态确定前后两辆车之间的最小安全驾驶距离和最大交通流密度。道路车道上的前后两辆车用作给定交通流速度和驾驶员反应时间情形下动态确定最小安全驾驶距离和最大交通流密度的模型。在图2中，l0为两辆车的平均长度，vδt为尾随车辆因驾驶员的反应时间行进的距离，l为以速度v行进的尾随车辆的最小停车距离，及θ为上坡行驶或下坡行驶的正或负角度。

图3a-3b示例性地示出了最大交通流量作为交通流速度的函数的图形表示。如图3a中例示的，来自图1a-1b的详细描述中公开的等式(8)的最大允许交通流量相对交通流速度进行绘制，其中对于干燥道路上的通常无线连接的车辆，驾驶员的反应时间δt＝0；对于干燥道路上通常人类驾驶员驾驶的车辆，δt＝0.75秒；及对于湿滑道路上的车辆，δt＝0.75秒。当获得交通流量-交通流速度平面中的上边界曲线时，交通预测及控制系统建立交通相变图，两条相变边界线将最大交通流量上面和下面的区域分为三个交通流相阶段区域，即自由、同步和拥堵交通流区域。上边界曲线定义给定交通流速度或者给定交通流密度下的最大允许交通流量。也就是说，在最大交通流量-交通流速度曲线下面或上面的任何交通流相阶段(ρ,v)(等同于交通流相阶段(q/v,v))是允许的，因为它们对应的根据图1a-1b的详细描述中公开的等式(6)和(7)的跟随距离大于或等于该交通流速度或该交通流密度下的最小安全驾驶距离。

如图3a中例示的，对于同样的交通流密度，分别示出了驾驶员零反应时间及驾驶员非零反应时间或者干燥道路及湿滑道路情形下交通流速度达到最大值。此外，图3a示出了对于每一交通流速度，更长的驾驶员反应时间或者湿滑道路条件降低了交通流量。对于湿滑道路条件，在大于或等于例如约50m/s的高交通流速度下，交通流量开始按交通流速度的函数增加。该拐点表明湿滑道路条件的交通流速度低于干燥道路条件的交通流速度。根据图1a-1b的详细描述中公开的等式(2)和(8)，湿滑道路上的摩擦力小于干燥道路上的摩擦力，而空气阻力保持一样，这样，在湿滑道路情形的较低速度下，空气阻力相较摩擦力占优势。通过对等式(8)设定dq/dv＝0，交通预测及控制系统(tpcs)动态确定交通流量-交通流速度峰值情形下的交通流量最大值，即每一曲线的道路容量。使用允许逼近ln(1+x²)≈x²，tpcs在下使用确定道路容量，与驾驶员反应时间无关，对于驾驶员零反应时间，道路容量在ρ0/2时出现。因而，湿滑道路可明显降低道路容量，例如降低～2的因子。

交通预测及控制系统(tpcs)按如下动态确定从交通自由流阶段到同步交通流相阶段及到拥堵交通流相阶段的相变：从图3a中例示的最大交通流量-交通流速度曲线上或下面的表示交通流相阶段(q/v,v)的任一点，画一条到轴起点的直线，其斜率等于交通流密度ρ。直虚线的斜率等于沿该直虚线的所有交通流相阶段的交通流密度。所画的直线与最大交通流量-交通流速度曲线的交叉点产生该交通流相阶段将达到的最大交通流速度，由于驾驶员趋于加速以使行驶时间最小化。

从起点画直虚线以与图3b中例示的最大交通流量-交通流速度曲线相交，例如在δt＝0.75秒和干燥道路条件下，及在预定速度限制下。该同步交通流到交通自由流阶段转变边界曲线的斜率等于到交通自由流的相变的交通流密度ρfree。对于反应时间δt≈0对非零反应时间或者对于干燥道路条件对湿滑道路条件，ρfree较大，因为对应的最大交通流量-交通流速度曲线在交通流量-交通流速度平面中较高。例如，具有低交通流密度及实质上低于预定速度限制的交通流速度的车辆交通流将加速到预定速度限制并变成交通自由流。如图3b中例示的，在交通拥堵流区域，交通流密度ρ>ρjam，在同步交通流区域，ρfree，<ρ<ρjam，及在交通自由流区域，ρ<ρfree。如图3b中例示的，交通流量-交通流速度曲线上或下面的每一点对应于具有决定性交通流密度ρ＝q/v和交通流速度v的交通流相阶段(ρv)。因而，具有ρ<ρfree的交通流相阶段处于交通自由流或者转变为交通自由流，因为该车辆交通流ρ<ρfree,v只要需要即可达到预定速度限制，在驾驶员趋于加速之后。

如图3a-3b中例示的，交通预测及控制系统(tpcs)利用上边界或最大交通流量-交通流速度曲线调查车辆交通流的相变，而不是利用传统基本图或密度-速度曲线中的上边界或最大交通流量-交通流密度。tpcs从图1a-1b的详细描述中公开的等式(7)将最大自由流密度ρfree动态确定为：

其中，等式(9)中的vlimit表示预定速度限制。图3a和等式(9)表明，具有同样交通流密度的交通流相阶段对于干燥道路条件可处于交通自由流阶段，但对于湿滑道路条件其处于同步交通流相阶段或拥堵交通流相阶段。

交通预测及控制系统(tpcs)通过动态确定低于其将导致交通拥堵、“走走停停”交通行为的交通拥堵流速度vjam而动态确定从同步交通流相阶段到拥堵交通流相阶段的交通流相变。当减速车辆停住时，车辆在再次移动之前保持静止一段时间，该时间称为延迟时间tdel。加速过程不同于刹车过程。因而，如果紧跟在前车辆后面的尾随车辆的刹车时间等于或小于在前车辆的延迟时间，交通拥堵特有的“走走停停”交通行为在具有交通流密度大于从等式(9)获得的ρfree的同步交通流中出现，因为在前车辆仍处于不动状态。tpcs利用图1a-1b的详细描述得到尾随车辆的刹车时间tb是交通流速度的函数并将刹车时间设定为等于延迟时间以获得交通拥堵速度vjam：

即

对于1.7秒的延迟时间，交通预测及控制系统(tpcs)从等式(10)将对应的交通拥堵速度确定为vjam＝20.4km/h，其实质上接近干燥道路条件下19.5km/h(1.3vg)的窄交通拥堵速度的上限。如在此使用的，“窄交通拥堵速度”指包含卷入交通拥堵的少许车辆的车辆交通流的速度。tpcs将延迟时间等同于反应时间的两倍，例如2δt＝1.5s，因为在在前车辆开始刹车之后，尾随车辆需要反应时间δt来开始刹车，在前车辆在完全停止之后需要至少另一反应时间δt来再次开始移动，导致在刹车过程中采取同样行动的在前车辆和尾随车辆之间的最小时间差为2δt。在前车辆的刹车过程例如减速、刹车时间和距离与尾随车辆的一样，但在前车辆早δt的开始刹车过程，及该车辆在尾随车辆完成刹车过程进入交通拥堵停止或停顿状态之前已停止至少另一δt。对于如1.5秒的延迟时间，tpcs从等式(10)将对应的交通拥堵速度动态确定为vjam＝18.0km/h，其同样接近19.5km/h的窄交通拥堵速度的上限。雨天对于车辆交通流是坏事：相较于干燥道路，根据等式(10)，湿滑道路的vjam由于较小的a值而较小，因此交通拥堵可在较低交通流速度时出现。因此，vqmax下的道路容量即最大交通流量-交通流速度曲线的峰值也较低，根据等式(9)，车辆交通流在较低交通流密度下进入同步交通流相阶段或者拥堵交通流相阶段。

当刹车时间大于延迟时间时，即tb>tdel，即使在前车辆完全停住，在前车辆后面的车辆交通流将慢下来，但不是交通拥堵停止或者完全停住，因为随着尾随车辆接近在前车辆，在前车辆将已经再次移动。如果车辆交通流已处于同步交通流相阶段而不是交通自由流阶段，该条件在车辆交通流方向沿车辆交通流上游产生交通流密度波。

交通预测及控制系统使用图1a-1b的详细描述中公开的等式(7)及上面公开的等式(10)动态确定最小交通拥堵密度ρjam：

为获得从同步交通流相阶段到拥堵交通流相阶段的转变，交通预测及控制系统(tpcs)获得低于其即导致“走走停停”交通行为的交通流速度vjam。当交通流速度相当高时，驾驶员考虑速度及距在前车辆的距离以有效保持安全跟随距离。当交通流速度低时，即<～10miles/h＝16.7km/h，典型的速度计几乎没有作用，此时驾驶员仅可考虑距在前车辆的距离并与在前车辆保持低速独立安全裕度ljam，以避免在刹车时借道或可能与在前车辆碰撞。当交通流中的车辆采取刹车行动时，处于同步交通流相阶段的尾随车辆在反应时间之后也采取刹车行动。对于在前车辆或尾随车辆，从速度v刹车直到停住花费制动时间tb为积分：

或

当尾随车辆的制动时间tb短于在前车辆的停车时间ts时，尾随车辆停住，后面的尾随车辆一辆接一辆地以时间间隔δt相继停住，导致交通拥堵停止，因为在前车辆尚未脱离停止状态。当tb>ts时，在前车辆在尾随车辆停住之前已脱离停止状态，尾随车辆则可中止刹车，其它尾随车辆一辆接一辆地以时间间隔δt中止刹车，导致不形成交通拥堵停止。如果局部交通流速度因刹车已显著降低但未遭受交通拥堵停止，这将产生以交通流速度沿车辆交通流上游传播的密度波，其中1/ρ为涉及的前后两辆车之间的平均距离。从等式(1)和(6)：

在在前车辆刹车或中止刹车之后，尾随车辆刹车或中止刹车需要δt及vδt的距离。因而，当任何两辆车之间的跟随距离因交通流密度的局部波动或者由于道路危险或者车辆汇入道路车道造成扰动引起车辆刹车而小于低速独立安全裕度ljam时，对应于的局部密度，尾随车辆刹车以避免借道或碰撞，其尾随车辆也将在δt之后刹车。如果制动时间小于在前车辆的停车时间，发生交通拥堵停止。因此，交通预测及控制系统(tpcs)通过将代入等式(7)而从二次方程确定出现交通拥堵时的交通拥堵速度，注意对于干燥道路条件，速度或者对于湿滑道路条件，

假定低速独立安全裕度ljam为平均车辆长度的一半即l0/2，交通预测及控制系统(tpcs)在反应时间为0.75s及其它条件下从等式(14)获得：对于干燥道路条件，；vjam＝4.1m/s＝14.8km/h及对于湿滑道路条件，vjam＝3.0m/s＝10.8km/h；如下表3中所列。在交通拥堵停止时，前后两辆车之间的距离因而等于ljam-vjam*δt＝0.7m(干燥道路条件)或ljam-vjam*δt＝1.7m(湿滑道路条件)。vjam使用回路检测器和计算机模拟在约15km/h下进行观测。对于0.75秒的反应时间(典型的人类驾驶员反应时间为～0.5-1秒)，观测的交通拥堵速度实质上接近干燥道路条件的vjam值，也不远离湿滑道路条件的vjam值。对于无人驾驶车辆交通流，δt≈0，交通拥堵速度明显高于人类驾驶的车辆交通流的交通拥堵速度，如下面的表3例示的。从等式(12)，对于干燥道路条件的vjam＝4.1m/s及湿滑道路条件的vjam＝3.0m/s及0.75s的反应时间，制动时间对于干燥道路条件为0.34s及对于湿滑道路条件为1.0s，均小于针对人驾驶的车辆交通流观测到的1.7s延迟时间。延迟时间定义为在前车辆已脱离交通拥堵停顿之后车辆开始脱离交通拥堵停顿的平均等待时间，相当于平均停车时间。对于无人驾驶车辆交通流，没有关于延迟时间或停车时间的数据。不管是人驾驶的车辆还是无人驾驶车辆，在湿滑道路条件时制动时间明显更长表明，雨天的车辆交通流相较晴天的车辆交通流更可能形成交通流密度波。

对于l0/2的低速独立安全裕度，单位为m/s和km/h的交通拥堵速度vjam在下表3中列出，对于所选的道路条件a值及反应时间δt，l0＝7.5m。a＝12m/s²对应于干燥道路条件，而a＝3m/s²对应于湿滑道路条件。δt＝0针对具有或没有人类驾驶员的无线连接的车辆交通流。单位为秒的制动时间tb也在下表3中列出。

表3

交通预测及控制系统(tpcs)使用图1a-1b的详细描述中公开的等式(7)和上面的等式(14)确定最小交通拥堵-交通流密度ρjam：

图4a-4b示例性地示出了最大交通流量作为交通流密度的函数的图形表示。图4a-4b用于检查基本图的交通流量和交通流密度之间的关系。图4a示例性地示出了在三个不同的驾驶员反应时间下，对于湿滑和干燥道路条件，最大允许交通流量作为单位为1/l0的归一化交通流密度的函数。如图4a中例示的，来自图1a-1b的详细描述中公开的等式(8)的最大交通流量与干燥和湿滑道路条件的交通流密度对照绘制，其对应于橡胶轮胎在干燥路面和湿滑路面上的动摩擦1.2和0.3，反应时间分别为0和0.75秒。对于小交通流密度因而大交通流速度，随着交通流密度减小因而交通流速度增加，如图4a中例示的交通流量的增加与图3a中的观测及图3a的详细描述中公开的一致；及对于大交通流速度，其因空气阻力变成占优势的力代替摩擦力引起。根据等式(8)，交通流量和交通流密度在理论交通流量-交通流密度上或下面的任何交通流相阶段均是允许的。例如，对于给定交通流密度，在该交通流密度下交通流量低于最大交通流量因而在交通流量-交通流密度曲线下面的交通流相阶段意味着车辆交通流以低于最大允许交通流速度的交通流速度行进。图4a中例示的交通流量-交通流密度曲线并不像传统基本图那样定义交通流量和交通流密度之间的一一对应关系，而是定义每一允许的交通流相阶段的上限。

为将预定速度限制的影响包含在图4a的交通流量曲线内并有助于与真实世界交通数据比较，交通预测及控制系统(tpcs)利用图1a-1b的详细描述中公开的等式(7)确定每一交通流量-交通流密度曲线的对应于如109公里每小时(km/h)或65英里每小时(mph)的预定速度限制的交通流密度，及从每一交通流量-交通流密度曲线上的对应点画一到起点的虚直线，如图4b中例示的。虚直线取代交通流量曲线低于对应的交通流密度的部分，虚直线的斜率等于预定速度限制。针对0.75秒的反应时间及干燥道路条件，将传统基本图的交通流量-交通流密度曲线与图4b中的在交通流量-交通流密度虚曲线下面的区域比较，发现十分一致。

在交通流量-交通流密度曲线尖峰处的交通流量通常定义为道路容量，其为该道路在vqmax下的最大交通流量。如图4b中例示的，在0.75秒的反应时间下，干燥道路的道路容量相较湿滑道路增加约2的因子，或者具有约零反应时间即δt＝0的无线连接或无人驾驶车辆的车辆交通流相较具有0.75秒反应时间的人驾驶车辆交通流增加约2的因子。如图4b中例示的，道路容量交通流量-交通流密度曲线的最大值时出现，而最大交通流量时的交通流速度低于交通自由流速度及例如取决于道路条件、驾驶员反应时间和空气阻力。这使能将交通流速度用作控制机制以使车辆交通流的道路容量最大化。如图4a-4b中例示的，没有任何拟合参数的虚线曲线类似于真实交通数据的上包络的形状，且也与真实交通数据的最大交通流量或道路容量一致。

图5示例性地示出了对于干燥道路条件、湿滑道路条件和被雪覆盖的道路条件，道路容量为驾驶员反应时间的函数的图形表示。如图5中例示的，在交通流量最大量时，道路容量或每秒车辆数即来自图1a-1b的详细描述中公开的等式(8)的最大允许交通流量与干燥道路条件、湿滑道路条件和被雪覆盖道路条件的驾驶员反应时间对照绘制，其中a对于干燥道路表面、湿滑道路表面和被雪覆盖道路表面分别约为12.0m/s²、3.0m/s²和1.0m/s²，大约分别对应于橡胶轮胎在干燥道路、湿滑道路和被雪覆盖道路上的动摩擦系数1.2、0.3和0.1。对于非预期刺激，驾驶员的平均反应时间通常为1秒或更长。例如，估计的驾驶员反应时间例如在约0.4秒到约2.7秒之间变化，均值为1.0秒。驾驶员的年龄、技巧和驾驶文化如侵略性对自在均影响驾驶员的反应时间。驾驶员反应时间与道路容量的关系导致下面的发现：消除仅1秒的人类驾驶员反应时间相当于使现有道路基础设施翻倍，可能消除一些地方在一定时间对基础设施扩展的需要，及当交通流量接近给定道路的道路容量时，导致交通拥堵和走走停停运动。

图6示例性地示出了最大允许交通流量作为交通流速度的函数的图形表示。图6示例性地示出了来自图1a-1b的详细描述中公开的等式(8)的最大交通流量作为交通流速度如50m/s＝180km/h的函数。在图6中，来自等式(8)的最大交通流量与干燥道路条件和湿滑道路条件及反应时间δt＝0和0.75秒情形下的交通流速度对照绘制。图6中例示的直虚线的斜率等于沿该线的所有交通流相阶段的交通流密度。如图6中例示的，对于零反应时间对非零反应时间，或者对于同样交通流密度下的干燥道路对湿滑道路，交通流速度增加到更高的值，及同样如图3a中例示的，更长的反应时间或者湿滑道路条件减少每一交通流速度的交通流量。在高交通流速度如湿滑道路条件下>～50m/s，交通流量开始按交通流速度的函数增加。该拐点表明，根据等式(2)和(8)，在相较干燥道路条件的湿滑道路条件较低交通流速度下，湿滑道路上的摩擦力小于干燥道路上的摩擦力，而空气阻力保持一样，这样，在湿滑道路情形的较低速度下，空气阻力相较摩擦力占优势。通过对等式(8)设定dq/dv＝0，可获得交通流量-交通流速度峰值情形下的最大交通流量，即每一曲线的道路容量。使用允许逼近ln(1+x²)≈x²，交通预测及控制系统tpcs在下获得道路容量与反应时间无关，对于无人驾驶车辆交通流情形的零反应时间，道路容量在ρ0/2时出现。因而，湿滑道路可明显降低道路容量，如降低～2的因子。

如图6中例示的，在最大交通流量-交通流速度曲线下面的交通流相阶段(ρ,v)可保持在同一交通流速度，通过从增加其最大化交通流量的交通流密度垂直增加其交通流量进行；或者可保持在同一交通流量，通过水平地增加其交通流速度，假定没有预定速度限制或交通信号灯阻止交通流速度增加，例如同时针对最小行驶时间和最大速度按q＝ρv减小交通流密度。对于人类驾驶员，自然趋势是追求最小行驶时间。然而，对于无人驾驶及启用车对车(v2v)的车辆，如图6中例示的，精确地结合垂直和水平调节可优化交通流量及跨道路网络的全局行驶时间效率。在交通流速度降低的情形下，例如由于较低的预定速度限制，如图6中例示的，水平线左端处的速度表示车辆交通流不陷入停顿可达到的最小速度。在速度增加的情形下，例如较高的速度限制，如图6中例示的，水平线的右端表示车辆交通流可达到的最大速度。交通流量可高于水平线，但车辆交通流将不能达到最小或最大车辆流速度。车辆交通流不能低于水平线或者车辆交通流逐步建立。

图7a-7b示例性地示出了车辆间距作为交通流速度和驾驶员反应时间的函数的图形表示。图7a-7b示例性地示出了车辆间距数量上为具有50m/s＝180km/h的最大速度的交通流速度和驾驶员反应时间的函数，其来自图1a-1b的详细描述中公开的等式(6)。图7a-7b示例性地示出了驾驶员反应时间分别为0.1秒和2秒时在干燥道路条件和湿滑道路条件下前后两辆车之间的最小安全驾驶距离或车辆间距。驾驶员从日常体验可定性地知道，对于大的车辆速度，他/她必须以大的跟随距离进行驾驶。等式(6)和图7b包括道路条件如干燥道路条件、湿滑道路条件、被雪覆盖道路条件的影响，如a值表明的。较大的a，如源自干燥道路而不是湿滑道路，导致较小的车辆间距，这与驾驶员定性的日常体验一致。因而，等式(6)和图7a-7b用作具有无人驾驶或人类驾驶员的车辆的安全驾驶距离的数量指导。

图8a-8b示例性地示出了包括用于动态预测和控制通过一交通十字路口及邻近交通十字路口的车辆交通流的方法的步骤的流程图。在801，交通预测及控制系统(tpcs)接收和处理来自本地交通十字路口的传感器数据如视频数据、lidar数据，以使用测得的交通流速度和交通流密度计算在本地交通十字路口前面及通过本地交通十字路口的车辆数、交通流量、交通自由流密度、同步交通流密度和交通拥堵密度。tpcs通过将交通流速度乘以交通流密度计算交通流量。在802，tpcs经通信网络从邻近交通十字路口无线接收和处理所计算的数据即交通流参数，包括交通流速度、交通流密度和在每一邻近交通十字路口前面及通过每一邻近交通十字路口的车辆数。在803，tpcs确定所计算的交通流密度是否大于交通自由流密度，其中交通自由流密度使用图1a-1b的详细描述中公开的等式(9)进行计算。如果计算的交通流密度不大于交通自由流密度，tpcs终止处理。如果计算的交通流密度大于交通自由流密度，在804，tpcs确定交通流密度是否小于交通拥堵密度，其中交通拥堵密度使用图3a-3b的详细描述中公开的等式(11)进行计算。如果交通流密度不小于交通拥堵密度，tpcs经通信网络与一个或多个邻近交通十字路口通信并请求一个或多个邻近交通十字路口或多或少地朝向本地交通十字路口发送车辆交通流以保持优化的最大交通流量。例如，在805，tpcs无线请求上游交通十字路口如果可能朝向本地交通十字路口发送较少的车辆交通流以保持优化的交通流量，其通过指令上游交通十字路口调整交通信号的持续时间进行，使得较小数量的车辆到达本地交通十字路口及跨两个交通十字路口之间的距离的平均交通流密度例如小于0.82辆车/l0，对应于来自0.18辆车/秒的交通拥堵停顿的车辆逃逸速度，其中l0为平均车辆长度。

如果交通流密度小于交通拥堵密度，在806，交通预测及控制系统(tpcs)在两个时间约束条件下使用交通信号灯持续时间及上游交通十字路口交通流的方向比较跨绿-红灯周期本地交通十字路口的所有方向通过的车辆总数并使其最大化，例如使更多车辆交通流通过或使更少车辆交通流通过，结合下面的预定交通等式即交通流量-交通流密度和交通流量-交通流速度等式优化变量以保持交通流量较接近最大交通流量，其中第一时间约束条件为因人类驾驶员等待红交通信号灯变绿的耐心引起的长持续时间，第二时间约束条件为定义横向行人的人行横道时间的短持续时间。tpcs确定所有方向通过的车辆的和的最大值。

交通预测及控制系统(tpcs)使用下面的等式确定用于非转弯加速车辆的绿交通信号灯的持续时间的开始：

其中b为归一化空气阻力系数，tdelay为当红灯变绿时，在其在前车辆移动之后停在红灯处的车辆开始移动的延迟时间，l0为平均车辆长度，vsteady为在加速过程之后的稳定速度，及ac为车辆加速度。

交通预测及控制系统(tpcs)使用下面的等式确定用于左转车辆的绿交通信号灯的持续时间的开始：

其中b为归一化空气阻力系数，及ac为车辆加速度。

对于绿交通信号灯的持续时间，在交通流速度达到稳态之后，交通预测及控制系统(tpcs)使用下面的等式计算通过本地交通十字路口的车辆数：

其中ρ(t)为交通流密度，v(t)为交通流速度，及tgreen为绿交通信号灯持续时间。

当绿交通信号灯变为黄交通信号灯时，交通预测及控制系统(tpcs)使用下面的等式确定通过该交通十字路口的车辆数：

其中n为车辆数，qsteady为在加速过程之后的交通流量，及tb根据图3a-3b的详细描述中公开的等式(10)得到。

在807，交通预测及控制系统(tpcs)对交通流量较接近图3a中例示的最大交通流量曲线的方向，将绿交通信号灯的持续时间调整为更长的持续时间。之后在808，tpcs将本地交通十字路口的交通信号与最近的上游交通十字路口的交通信号同步以使较少的车辆交通流通过该上游交通十字路口，如果上游交通十字路口的交通流量不大于本地交通十字路口的交通流量。在809，tpcs将本地交通十字路口的交通信号与最近的下游交通十字路口的交通信号同步，如果下游交通十字路口的交通流量不大于本地交通十字路口的交通流量，以允许更多车辆通过本地交通十字路口。tpcs执行上面公开的步骤808和809以避免车辆交通流积聚在本地交通十字路口。在可能时，在810，tpcs将本地交通十字路口的交通信号与邻近交通十字路口如上游交通十字路口和下游交通十字路口同步以允许车辆交通流通过两个或三个交通十字路口，如果两个或三个交通十字路口之间的距离短于在预定速度限制下车辆交通流跨较长时限行驶的距离。tpcs将车辆交通流在两个交通十字路口之间跑需要的时间计算为距离除以速度限制。

图9a-9b示例性地示出了包括用于动态预测和控制通过一交通十字路口及邻近交通十字路口的车辆交通流的方法实施例的步骤的流程图。在901，交通预测及控制系统(tpcs)接收和处理来自本地交通十字路口的传感器数据，以使用测得的交通流速度和交通流密度计算车辆数、交通流量、交通自由流密度、同步交通流密度和交通拥堵密度。在902，tpcs还经通信网络从邻近交通十字路口接收和处理邻近交通流参数，包括交通流速度、交通流密度和车辆数。在903，tpcs使用交通流速度和交通流密度动态确定交通流量。在904，tpcs确定在给定交通流密度下交通流量是否小于预定值如图3a中的虚线例示的及图3b中针对车对车和无人驾驶车辆流的实线例示的最大交通流量的50％。如果交通流量不小于最大交通流量的50％，tpcs终止处理。如果交通流量小于最大交通流量的50％，在905，tpcs确定交通流速度是否小于预定值如预定速度限制的90％。如果交通流速度不小于速度限制的预定值，tpcs终止处理。

如果交通流速度小于速度限制的预定值，在906，交通预测及控制系统(tpcs)确定交通流速度是否大于零。如果交通流速度大于零，在909，本地交通十字路口处的tpcs基于本地交通十字路口的传感器数据及接收的数据即来自邻近交通十字路口的邻近交通流参数优化本地交通十字路口和邻近交通十字路口的交通信号灯持续时间，其通过使每一交通流方向跨绿、黄和红交通信号灯持续时间的平均交通流量最大化进行。在优化本地交通十字路口和邻近交通十字路口的交通信号灯持续时间之后，在910，tpcs将交通流量较接近最大交通流量的方向的交通信号持续时间调整到更长的持续时间。在911，tpcs使本地交通十字路口的交通信号与最近的上游交通十字路口的交通信号同步以使较少车辆交通流通过上游交通十字路口从而避免车辆交通流积聚在本地交通十字路口。在912，tpcs还使本地交通十字路口的交通信号与下游交通十字路口的交通信号同步以使更多车辆交通流通过本地交通十字路口从而避免车辆交通流积聚在本地交通十字路口，并进行到步骤913。如果交通流速度不大于零，在907，tpcs确定交通信号是否为绿灯。如果交通信号灯为绿灯，在908，tpcs将绿交通信号灯的持续时间调整到更长的持续时间，然后在913，将本地交通十字路口的交通信号与最近的下游交通十字路口的交通信号同步，如果该下游交通十字路口的交通流量不大于本地交通十字路口的交通流量，以使更多车辆交通流能通过至少两个交通十字路口。之后，tpcs将本地交通十字路口的交通信号与最近的上游交通十字路口的交通信号同步以使较少车辆交通流通过该上游交通十字路口，如果交通流量不大于本地交通十字路口的交通流量。

图10a-10d示例性地示出了包括用于动态预测和控制通过一交通十字路口1004及邻近交通十字路口1005和1006的车辆交通流的交通预测及控制系统(tpcs)1001的系统1000的实施例。在此公开的如图10a中例示的系统1000中，tpcs1001配置成在本地交通十字路口1004具有交通信号1004a，及在邻近交通十字路口1005和1006分别具有交通信号1005a和1006a。邻近交通十字路口1005和1006包括相对于本地交通十字路口1004的上游交通十字路口1005和下游交通十字路口1006。每一交通十字路口1004、1005和1006处的tpcs1001经通信网络1003彼此通信。通信网络1003例如为因特网、内联网、有线网络、无线网络、实施bluetoothsig,inc.的的通信网络、实施wi-fialliancecorporation的的网络、超宽带通信网络(uwb)、无线通用串行总线(usb)通信网络、实施zigbeealliancecorporation的的通信网络、通用分组无线业务(gprs)网络、移动电信网如全球移动系统(gsm)通信网络、码分多址(cdma)网络、第三代(3g)移动通信网络、第四代(4g)移动通信网络、第五代(5g)移动通信网络、长期演进(lte)移动通信网络、公用电话网络等、局域网、广域网、因特网连接网络等、或者由这些网络的任意组合形成的网络。

在此公开的交通预测及控制系统(tpcs)1001包括非短暂计算机可读存储介质如存储器单元1001f及与非短暂计算机可读存储介质通信连接的至少一处理器1001d。如在此使用的，“非短暂计算机可读存储介质”指所有计算机可读介质，例如非易失性介质如光盘或磁盘，易失性介质如寄存器存储器、处理器缓存等，及传输介质如构成连接到处理器1001d的系统总线的导线，除短暂、传播信号之外。非易失性介质例如包括固态驱动器、光盘或磁盘及其它持续存储器易失性介质包括动态随机存取存储器(dram)，其通常构成主存储器。易失性介质例如包括寄存器存储器、处理器缓存、随机存取存储器(ram)等。传输介质例如包括同轴电缆、铜线、光缆、调制解调器等，包括构成连接到处理器1001d的系统总线的导线等。非短暂计算机可读存储介质配置成保存由图10b中例示的tpcs1001的模块如1001g、1001h、1001i、1001j、1001k、1001l、1001m等定义的计算机程序指令。处理器1001d配置成执行这些计算机程序指令。

如图10b中例示的，在此公开的交通预测及控制系统(tpcs)1001还包括保存在存储器单元1001f中的数据通信模块1001g、交通流参数确定模块1001h、交通预测模块1001i和交通控制模块1001j。存储器单元1001f用于保存程序、应用和数据。存储器单元1001f例如为随机存取存储器(ram)或另一类型的动态存储装置，其保存信息及处理器1001d执行的指令。存储器单元1001f还保存在处理器1001d执行指令期间的临时变量及其它中间信息。tpcs1001还包括只读存储器(rom)或另一类型的静态存储装置，其保存静态信息及用于处理器1001d的指令。

处理器1001d指下述的任一或多个：微处理器、中央处理单元(cpu)装置、图形处理单元、有限状态机、计算机、微控制器、数字信号处理器、逻辑、逻辑装置、电子电路、专用集成电路(asic)、现场可编程门阵列(fpga)、芯片等或其任意组合，能够执行计算机程序或一系列命令、指令或状态转变。在实施例中，处理器1001d实施为处理器组，例如包括编程的微处理器和数学或图形协处理器。处理器1001d例如从下述处理器选择：处理器如微处理器或处理器；先进微器件处理器如处理器、处理器、处理器；处理器；国际商务机器处理器如微处理器；mipstechnologies,inc.的精简指令集计算机(risc)处理器；armholdings的基于risc的计算机处理器；处理器；处理器等。在此公开的交通预测及控制系统(tpcs)1001不限于采用处理器1001d。在实施例中，tpcs1001采用控制器或微控制器。tpcs1001的处理器1001d执行tpcs1001的模块如1001g、1001h、1001i、1001j、1001k、1001l、1001m等。

在此公开的交通预测及控制系统(tpcs)1001还包括传感器1001a、数据总线1001b、输入/输出(i/o)控制器1001c和网络接口1001e。一个或多个传感器1001a如摄像机、激光装置、电感回路检测器等在工作时连接到处理器1001d并在工作时与tpcs1001的一个或多个模块如1001g、1001m等通信。传感器1001a检测通过交通十字路口1004的车辆交通流。数据总线1001b允许tpcs1001的模块如1001g、1001h、1001i、1001j、1001k、1001l、1001m等之间的通信。i/o控制器1001c控制tpcs1001执行的输入行动和输出行动。网络接口1001e使每一交通十字路口1004、1005和1006处的tpcs1001能连接到通信网络1003。在实施例中，网络接口1001e提供为接口卡，也称为线卡。网络接口1001e例如包括下述之一或多个：红外(ir)接口、实施wi-fialliancecorporation的的接口、通用串行总线(usb)接口、appleinc.的接口、以太网接口、帧中继接口、线缆接口、数字用户线路(dsl)接口、令牌网接口、外围控制器互连(pci)接口、局域网(lan)接口、广域网(wan)接口、使用串行协议的接口、使用并行协议的接口、以太网通信接口、非同步传输模式(atm)接口、高速串行接口(hssi)、光纤分布数据接口(fddi)、基于传输控制协议(tcp)/因特网协议(ip)的接口、基于无线通信技术如卫星技术、射频(rf)技术、近场通信等的接口。

数据通信模块1001g动态接收和处理来自位于本地交通十字路口1004的一个或多个传感器1001a的传感器数据。交通流参数确定模块1001h使用动态接收和处理的传感器数据动态确定交通流参数，包括交通流速度、交通流密度和接近本地交通十字路口1004的车辆1007和1008的数量。交通流参数确定模块1001h使用动态确定的交通流参数动态确定交通流量。数据通信模块1001g还经通信网络1003从位于一个或多个邻近交通十字路口如1005和1006的一个或多个传感器接收和处理分析参数，例如包括车辆1007和1008的一般驾驶员的平均反应时间、车辆1007和1008的平均交通流速度、平均车辆质量、车辆1007和1008与道路之间的平均摩擦、车辆1007和1008的的平均空气阻力等。交通流参数确定模块1001h使用动态接收和处理的分析参数动态确定接近本地交通十字路口1004的车辆1007中在前车辆和尾随车辆之间的最小安全驾驶距离。交通流参数确定模块1001h使用动态确定的最小安全驾驶距离、交通流速度、预定速度限制、交通拥堵速度、车辆1007的平均长度、道路条件及一个或多个动态接收和处理的分析参数动态确定交通自由流密度、同步交通流密度和交通拥堵密度。

交通预测模块1001i使用动态确定的交通自由流密度、动态确定的同步交通流密度和动态确定的交通拥堵密度预测通过本地交通十字路口1004的车辆交通流跨交通流相阶段的转变。交通控制模块1001j基于预测的来自本地交通十字路口1004的车辆交通流的转变控制通过本地交通十字路口1004的车辆交通流，其通过动态调整本地交通十字路口1004的交通信号1004a的持续时间并将交通信号时间调整指令传给邻近交通十字路口1005和1006以分别调整邻近交通十字路口1005和1006的交通信号1005a和1006a的持续时间。

在实施例中，交通控制模块1001j包括交通控制通信模块1001k和交通控制优化模块1001l。交通控制通信模块1001k基于与图1a-1b的详细描述中公开的交通流密度和交通流速度相关联的条件经通信网络1003请求上游交通十字路口1005朝向本地交通十字路口1004发送或多或少的车辆交通流以保持优化的交通流量。交通控制优化模块1001l使用动态确定的交通流参数及控制来自上游交通十字路口1005的车辆交通流动态确定和最佳地控制在动态确定的交通流量较接近或远离针对本地交通十字路口1004处的交通流速度和交通流密度优化的交通流量的方向移动的车辆1007的绿交通信号灯持续时间。

在实施例中，交通控制模块1001j还包括同步模块1001m，用于基于上游交通十字路口1005的交通流量不多于本地交通十字路口1004的交通流量及本地交通十字路口1004的交通流量多于最大交通流量的一半而将本地交通十字路口1004的交通信号1004a与上游交通十字路口1005的交通信号1005a同步以使较少车辆交通流通过上游交通十字路口1005从而避免车辆交通流积聚在本地交通十字路口1004。同步模块1001m还基于下游交通十字路口1006及随后的下游交通十字路口之间的交通流量少于本地交通十字路口1004的交通流量而将本地交通十字路口1004的交通信号1004a与下游交通十字路口1006的交通信号1006a同步以使更多车辆交通流通过本地交通十字路口1004从而避免车辆交通流积聚在本地交通十字路口1004。

在实施例中，在此公开的系统1000还包括交通监视系统1002，其经通信网络1003与交通预测及控制系统(tpcs)1001通信。tpcs1001经通信网络1003操作地连接到交通监视系统1002。在实施例中，i/o控制器1001c在交通监视系统1002和tpcs1001之间进行接口连接。交通监视系统1002监视并可暂时取消位于本地交通十字路口1004和每一邻近交通十字路口1005和1006的tpcs1001的运行以保持优化的交通流量。

计算机应用和程序用于操作交通预测及控制系统(tpcs)1001。在实施例中，计算机应用和程序经通信网络1003直接载入存储器单元1001f。tpcs1001的处理器1001d执行操作系统，例如操作系统、操作系统、任何版本的操作系统、appleinc.的macos/2、windriversystems,inc.的qnxsoftwaresystemsltd.开发的qnxpalmsunmicrosystems,inc.,开发的solaris操作系统、googleinc.的操作系统、microsoftcorporation的windows操作系统、blackberrylimited的操作系统、appleinc.的ios操作系统、symbianfoundationlimited的symbian^tm操作系统等。tpcs1001采用执行多个任务的操作系统。操作系统负责管理和协调tpcs1001的活动及共享资源。操作系统还管理tpcs1001、连接到tpcs1001的外围装置及到通信网络1003的连接的安全性。tpcs1001上采用的操作系统例如重新组织tpcs1001接收的输入、输出显示、文件及本地保存在存储器单元1001f中的目录。tpcs1001的操作系统使用处理器1001d执行不同的程序。处理器1001d和操作系统一起形成计算机系统，针对其写高级编程语言的应用程序。

交通预测及控制系统(tpcs)1001的处理器1001d取回数据通信模块1001g、交通流参数确定模块1001h、交通预测模块1001i和交通控制模块1001j的交通控制通信模块1001k、交通控制优化模块1001l及同步模块1001m定义的指令以执行上面公开的相应功能。处理器1001d从存储器单元1001f取回指令以执行tpcs1001的模块如1001g、1001h、1001i、1001j、1001k、1001l、1001m等。程序计数器确定指令在存储器单元1001f中的位置。程序计数器保存识别tpcs1001的每一模块如1001g、1001h、1001i、1001j、1001k、1001l、1001m等在程序中的当前位置的号码。由处理器1001d从存储器单元1001f取回的指令在处理之后进行解码。指令保存在处理器1001d中的指令寄存器中。在处理和解码之后，处理器1001d执行指令，从而执行这些指令限定的一个或多个处理。

在执行时，保存在指令寄存器中的指令被检查以确定将要执行的运算。之后，处理器1001d执行指定的运算。运算包括算术运算和逻辑运算。操作系统执行多个例程以执行分配存储器执行交通预测及控制系统(tpcs)1001的模块如1001g、1001h、1001i、1001j、1001k、1001l、1001m等所需要的多个任务。操作系统执行的任务例如包括将存储器分配给tpcs1001的模块如1001g、1001h、1001i、1001j、1001k、1001l、1001m等及分配给tpcs1001使用的数据、在存储器单元1001f和磁盘设备之间移动数据、及处理输入/输出操作。操作系统应运算的请求执行任务，在执行任务之后，操作系统将执行控制传回到处理器1001d。处理器1001d继续执行以获得一个或多个输出。tpcs1001的模块如1001g、1001h、1001i、1001j、1001k、1001l、1001m等的执行的输出用于控制例如交通信号1004a、1005a和1006a的灯。

图10c示例性地示出了包括交通预测及控制系统(tpcs)1001的系统1000的实施例，其中车辆1007、1008和1009经通信网络1003与tpcs1001通信。在该实施例中，tpcs1001经通信网络1003从位于接近本地交通十字路口1004的每一车辆1007、1008和1009中的一个或多个传感器接收分析参数。tpcs1001处理接收的分析参数以预测车辆交通流跨交通流相阶段的转变及控制通过本地交通十字路口1004的车辆交通流。

图10d示例性地示出了包括交通预测及控制系统(tpcs)1001的系统1000的实施例，其中分类车辆如1008和1009经通信网络1003与tpcs1001通信以获得通过本地交通十字路口1004的一次性优先通行证。在该实施例中，tpcs1001的交通控制优化模块1001l将一次性优先通行证分配给在通信网络1003上与tpcs1001操作通信的分类车辆1008和1009，以使分类车辆1008和1009能在恢复正常运行之前通过本地交通十字路口1004。这种预定类的车辆1008和1009经通信网络无线连接到tpcs1001。

为说明目的，详细描述提及交通预测及控制系统(tpcs)1001作为单一计算机系统本地运行；然而，在此公开的方法和tpcs1001的范围不限于经操作系统和处理器1001d作为单一计算机系统本地运行的tpcs1001，而是可扩展到通过采用网页浏览器和远程服务器、移动电话或其它电子装置基于通信网络1003远程运行。在实施例中，tpcs1001的一个或多个部分跨连接到通信网络1003的一个或多个计算机系统(未示出)分布。

在此还公开了非短暂计算机可读存储介质，其保存包括可由至少一处理器1001d执行的用于动态预测和控制通过一交通十字路口1004及邻近交通十字路口1005和1006的车辆交通流的指令的计算机程序代码。计算机程序代码实施多个不同实施例的处理。该计算机程序代码包括：第一计算机程序代码，用于动态接收和处理来自位于本地交通十字路口1004的一个或多个传感器1001a的传感器数据；第二计算机程序代码，用于使用动态接收和处理的传感器数据动态确定交通流参数，包括交通流速度、交通流密度和接近本地交通十字路口1004的车辆1007的数量；第三计算机程序代码，用于使用动态确定的交通流参数动态确定交通流量；第四计算机程序代码，用于经通信网络1003从位于邻近交通十字路口1005和1006的一个或多个传感器接收和处理分析参数；第五计算机程序代码，用于使用动态接收和处理的分析参数动态确定接近本地交通十字路口1004的车辆1007中在前车辆和尾随车辆之间的最小安全驾驶距离；第六计算机程序代码，用于使用动态确定的最小安全驾驶距离、交通流速度、预定速度限制、交通拥堵速度、车辆1007的平均长度、道路条件及一个或多个动态接收和处理的分析参数动态确定交通自由流密度、同步交通流密度和交通拥堵密度；第七计算机程序代码，用于使用动态确定的交通自由流密度、动态确定的同步交通流密度和动态确定的交通拥堵密度预测通过本地交通十字路口1004的车辆交通流跨交通流相阶段的转变；及第八计算机程序代码，用于基于预测的来自本地交通十字路口1004的车辆交通流的转变控制通过本地交通十字路口1004的车辆交通流，其通过动态调整本地交通十字路口1004的交通信号1004a的持续时间并将交通信号时间调整指令传给每一邻近交通十字路口1005和1006进行。

第八计算机程序代码包括第九计算机程序代码，用于基于与交通流密度和交通流速度相关联的条件经通信网络1003请求上游交通十字路口1005朝向本地交通十字路口1004发送或多或少的车辆交通流以保持优化的交通流量；及第十计算机程序代码，用于使用动态确定的交通流参数及控制来自上游交通十字路口1005的车辆交通流动态确定和最佳地控制在动态确定的本地交通流量较接近或远离针对本地交通十字路口1004处的交通流速度和交通流密度优化的交通流量的方向移动的车辆1007的绿交通信号灯持续时间。第八计算机程序代码还包括第十一计算机程序代码，用于基于上游交通十字路口1005的交通流量不多于本地交通十字路口1004的交通流量及本地交通十字路口1004的交通流量多于最大交通流量的一半而将本地交通十字路口1004的交通信号1004a与上游交通十字路口1005的交通信号1005a同步以使较少车辆交通流通过上游交通十字路口1005从而避免车辆交通流积聚在本地交通十字路口1004。第八计算机程序代码还包括第十二计算机程序代码，用于基于下游交通十字路口1006及随后的下游交通十字路口之间的交通流量少于本地交通十字路口1004的交通流量而将本地交通十字路口1004的交通信号1004a与下游交通十字路口1006的交通信号1006a同步以使更多车辆交通流通过本地交通十字路口1004从而避免车辆交通流积聚在本地交通十字路口1004。第八计算机程序代码还包括第十三计算机程序代码，用于将一次性优先通行证分配给分类车辆如图10d中例示的1008和1009，以允许分类车辆1008和1009在恢复正常运行之前通过本地交通十字路口1004。

在此公开的非短暂计算机可读存储介质还包括一个或多个另外的计算机程序代码，用于执行动态预测和控制通过一交通十字路口1004及邻近交通十字路口1005和1006的车辆交通流可能需要和预期的另外的步骤。在实施例中，包括计算机可执行指令的单段计算机程序代码执行在此公开的用于动态预测和控制通过一交通十字路口1004及邻近交通十字路口1005和1006的车辆交通流的方法的一个或多个步骤。包括计算机可执行指令的计算机程序代码体现在非短暂计算机可读存储介质上。交通预测及控制系统1001的处理器1001d取回这些计算机可执行指令并执行它们。当计算机可执行指令由处理器1001d执行时，计算机可执行指令导致处理器1001d执行用于动态预测和控制通过一交通十字路口1004及邻近交通十字路口1005和1006的车辆交通流的方法的步骤。

在此公开的方法和交通预测及控制系统(tpcs)1001使能得到在交通流量-交通流速度和交通流量-交通流密度平面中交通流相阶段的上限，其表示相较传统上描述交通流量和交通流密度之间的一对一关系的基本图的明显进步。在此公开的tpcs1001数量上分析交通拥堵并获得车辆交通流的相变图。交通拥堵的发生不仅取决于车辆数量，而且取决于交通流量-交通流速度平面中上边界曲线的形状，其受交通流速度、道路条件、车辆质量、驾驶员反应时间、摩擦力和车辆空气阻力影响。tpcs1001得到发生交通拥堵的数量条件和性质，包括上面公开的拥堵速度、拥堵密度和密度波。当交通流密度ρ<ρfree时，ρfree为指定或法定速度限制、道路条件和人反应时间的函数，tpcs1001还确定对应的车辆交通流处于或转变为自由流；当ρ>ρjam时，ρjam为道路条件和人反应时间的函数，确定对应的车辆交通流处于或转变为拥堵交通流；及当ρfree≤ρ≤ρjam时，确定对应的车辆交通流处于或转变为同步交通流。

在此公开的方法和交通预测及控制系统(tpcs)1001确定道路容量、最大安全交通流密度、及具有或没有人类驾驶员的车辆交通流中适当的车辆间距。tpcs1001确定的关系可用于将交通系统从个体驾驶员局部和/或顺序行动朝向协同全局行动转变，导致跨道路网络优化的行驶效率及交通吞吐量。通过共同消除人反应时间，道路容量可翻倍，意味着消除或减少对道路基础设施扩展的需要，并提供长期需要的交通拥堵疏散。翻倍可使用图10c-10d中例示的无线连接的车辆1008和1009实现，具有或没有人类驾驶员。人反应时间的共同消除还有助于全局协同和有效率的交通汇入、交通改向和控制及限速设计。tpcs1001还解决了长期存在的最小安全驾驶距离问题，结果可应用于超出人类驾驶员反应时间极限的情形，并展现其对基本图的影响。该关系对新兴的具有或没有人类驾驶员的无线连接的车辆1008和1009确定适当的车辆运动间距至关重要。

显然，在不同实施例中，在此公开的多个不同的方法、算法和计算机程序实施在针对计算装置适当编程的非短暂计算机可读存储介质上。非短暂计算机可读存储介质参与提供数据，如由计算机、处理器或类似装置读取的指令。在不同实施例中，“非短暂计算机可读存储介质”还指单一介质或多个介质，如保存由计算机、处理器或类似装置读取的一个或多个指令集的中央数据库、分布式数据库和/或相关联的缓存和服务器。“非短暂计算机可读存储介质”还指能够保存或编码由计算机、处理器或类似装置执行的一组指令的任何介质，其导致计算机、处理器或类似装置执行在此公开的任一或多个方法。非短暂计算机可读存储介质的常见形式例如包括软盘、柔性碟、硬盘、磁带、激光影碟、blu-raydiscassociation的blu-ray任何磁性介质、压缩盘-只读存储器(cd-rom)、数位影音光碟(dvd)、任何光学介质、闪存卡、穿孔卡片、纸带、具有孔图案的任何其他物理介质、随机存取存储器(ram)、可编程只读存储器(prom)、可擦可编程只读存储器(eprom)、电可擦可编程只读存储器(eeprom)、闪存、任何其他存储器芯片或盒、或者计算机可从其读数据的任何其他介质。

在实施例中，实施在此公开的方法和算法的计算机程序使用多种介质保存和传输，例如多种方式的计算机可读介质。在实施例中，硬连线电路或定制硬件用于代替实施多个不同实施例的处理的软件指令或与其结合。因此，实施方式不限于硬件和软件的任何特定组合。包括计算机可执行指令的计算机程序代码可以任何编程语言实施。可使用的编程语言的例子包括c、c++、c#、fortran、ruby、visual超文本预处理语言(php)、net、等。其它以对象为导向的、功能、脚本和/或逻辑编程语言也可使用。在实施例中，计算机程序代码或软件程序作为目标代码保存在一个或多个介质上。在另一实施例中，在此公开的方法和交通预测及控制系统1001的多个不同方面实施为编程的元件或者非编程的元件或者其任何适当组合。

在此公开的方法和交通预测及控制系统1001可配置成在包括一个或多个计算机的网络环境中工作，其经通信网络1003与一个或多个装置通信，如图10a-10d中例示的。在实施例中，计算机经有线介质或无线介质如因特网、局域网(lan)、广域网(wan)或因特网、令牌网或者经任何适当的通信介质或者通信介质的组合与所述装置直接或间接通信。每一装置包括处理器，其例子已在上面公开，其适于与计算机通信。在实施例中，每一计算机配备有网络通信装置如网络接口卡、调制解调器或适合连接到通信网络1003的其它网络连接装置。每一计算机和装置运行操作系统，其例子已在上面公开。根据计算机类型在操作系统可不同的同时，操作系统提供适当的通信协议以与通信网络1003建立通信链路。任何数量和类型的机器可与计算机通信。

在此公开的方法和交通预测及控制系统(tpcs)1001不限于特定计算机系统平台、处理器、操作系统或网络。在实施例中，在此公开的方法和tpcs1001的一个或多个方面分布在一个或多个计算机系统中，例如配置成向一个或多个客户计算机提供一个或多个服务或者在分布式系统中执行完整任务的服务器。例如，在此公开的方法和tpcs1001的一个或多个方面在客户机-服务器系统上执行，其包括分布在根据多个不同实施例执行多个功能的一个或多个服务器系统之中的组成部分。这些组成部分例如包括可执行的中间或解释的代码，其使用通信协议在通信网络1003上传送。在此公开的方法和tpcs1001不限于可在任何特定系统或系统组上执行，及不限于任何特定分布式体系结构、网络或通信协议。

前面的例子仅为了阐释的目的提供，绝不视为在此公开的方法和交通预测及控制系统(tpcs)1001的限制。在本发明方法和tpcs1001已结合多个不同实施例进行描述的同时，应当理解，已在此使用的话语为描述性和说明性的话语，而不是限定性的话语。此外，尽管本发明方法和tpcs1001已在此结合特定装置、材料和实施例进行描述，本发明方法和tpcs1001不限于在此公开的细节，而是本发明方法和tpcs1001扩展到所有功能上等同的结构、方法和使用，如在所附权利要求的范围之内。受益于本说明书的教导的本领域技术人员可对其进行多种修改，及可在不背离在此公开的方法和tpcs1001的范围和精神的前提下进行变化。