本論文は、混合自律環境における多車線交差点の交通管理において、有人車両（HDV）と接続された自律車両（CAV）の円滑な調整を確保することが大きな課題であると述べています。この課題に対処するために、グラフアテンションネットワーク（GAT）とソフトアクタークリティック（SAC）強化学習を組み合わせた新しい交通信号制御フレームワークを提案します。GATを使用して交通の流れの動的なグラフ構造をモデル化し、車線と信号フェーズ間の空間的および時間的依存関係を把握します。提案されたSACは、エントロピー最適化に基づいて適応的な信号制御を実現する堅牢なオフポリシー強化学習アルゴリズムです。システムは信号タイミングと車両の動きを同時に調整し、旅行時間の最小化、安全性の確保、HDVとCAV間の公平性の向上に焦点を当てています。シミュレーションにより、平均遅延を24.1%削減し、交通違反を29.2%減少させる効果が確認され、HDVとCAV間の公平性比も向上しました。この成果は、実際の混合自律交通システムへの展開に大きな期待を寄せています。