整条路网一起改单行：早晚高峰约三分之二道路单向放行，日延误比固定双向配置降约八成

路网中每条道路的车道方向与方向限速现在可以每个决策步一起重新决定，而不必沿用固定方向或按走廊预设的可变车道时刻表。 此前的动态车道反转多以给定或预测需求为输入做整数规划、双层规划或动态交通分配求解，基于强化学习的车道分配实验则要求每条道路每个方向至少保留一条车道。 在一个带早晚通勤高峰的网格路网上，学到的策略在高峰把约三分之二道路改为峰值方向单行，日延误相对全天保持初始双向配置下降约八成，相对调好的双向负载均衡器下降约七成。

车道提案不会直接生效，而是先经过一道校验：只有关闭某个方向后路网仍保持强连通，该提案才被接受。 把一条道路的全部车道分给单一方向会使其成为单行道，可能把路口从彼此之间隔断，而罗宾斯定理只处理一次确定、不再变化的定向。 校验按随机顺序逐条处理关闭提案，冲突时把多车道道路放宽为保留一条反向车道、单车道道路退回原目标，并显式建模反转前清空旧方向车辆的过程，因此强连通在每个时间步都成立，包括清空期间。

所有道路控制器共用一个Transformer，其注意力在全部道路与时间标记上联合计算，并按道路端点之间的关系加偏置。 此前的时空注意力模型通常把空间与时间分开处理，图Transformer则以最短路径距离和节点度注入结构信息。 该模型先在以车道分配和限速为条件的交通预测任务上自监督预训练，再用逐道路的近端策略优化微调，奖励混合了本路、邻路与全网三部分；预训练把超过固定配置所需的更新次数大约减半。

消融显示，去掉关系偏置或空间嵌入会让最终策略的延误放大约五倍，而其余三个组件的影响较小且早期评估与预训练并不一致。 其余三个消融（合并端点关系、改用无向空间嵌入、去掉时间嵌入）的最终回报与完整模型相差约百分之几，但延误为完整模型的一点几到两倍。 只有时间嵌入这一项，早期评估与预训练误差同时支持其作用；合并端点关系和无向空间嵌入两个变体在多数早期评估上反而优于完整模型。

演示范围是一个合成网格路网，含两条对角区域之间的早晚通勤高峰，全部车辆为完全服从、可即时获知道路信息的网联自动驾驶车，仿真为介观模型，路口无信号与转向冲突、无通行能力下降。

学到的限速在测试时反而增加延误，把限速保持为标称值可去掉剩余延误的一半以上；作者指出仿真器缺少限速赖以起作用的拥堵机制，学习到的限速能否参与联合控制仍属未决。每个变体只训练一次，变体间约百分之几的回报差异不能稳固归因于架构；合并端点关系与无向空间嵌入两个变体的最终延误更高，但在多数早期评估上优于完整模型。