系统亮点：
1，将预测和重规划和红绿灯调度一起结合在一个系统里面
A 两个信息素：
1，
简言之，就是根据面积来算当前道路上车的数量
2，
第二个略显复杂，I是下一时刻（t,t+1）的input，O则是output
后面作者着重讲解了I的算法
f(p')可以这么理解：（t-1,t）道路p’车辆数除以通过p’所需时间，在乘以T(P')，也就是绿灯周期，就可以算出在这个时间段内通过的车辆数，最后的比例则是通过红绿灯时候的一个指数，是指车能够通过停线且通过的比例。
B 基于信息素的交通预测
在这里提出了一个蒸发率（？）的定义
是指一定周期内能通过的车辆比例？
1，线性预测
2，回归预测
很简单的回归模型。x是当前，z是下一时刻
后面还讨论了针对不同时间周期的参数策略
C 基于信息素的路径重规划
Selection of Rerouting Vehicles
引入了一个参数l，用于表述如何选择出需要重规划的车辆，l是一个距离，是指距离congestion发生地点的多大范围内的车辆需要考虑重规划；
但随后又提出了l不是唯一的筛选标准，比如车辆背朝congestion开，显然不能纳入考虑，但又没有给出更进一步的策略。（= =）
Rerouting Strategy
在这里不同于其他方法的是，该方案global distance informantion 和 local dynamic pheromone结合起来。
重规划的最大问题是，规划后的路径不可避免的会重合，形成新的拥挤。
所以在新的路径上，附加上一个概率，用以避免重规划的路径重合
D 基于信息素的信号灯调度
TLC Not considering downstream traffic
不考虑下游流量的意思应该是不把车辆的后续流向考虑在内，方案很简单，根据信息素的比对就可以
TLC considering downstream traffic
在这个策略中，还要考虑到流向的道路的信息素大不大，如果很大，就不能一味地放行
