本文提出了基于分层柔性演员-评论家(Soft Actor Critic, SAC)强化学习的交叉口信号配时-车辆轨迹联合优化方法。模型包括信号配时优化层和车辆轨迹优化层。两者的状态空间均包含车辆位置、速度和信号配时状态,奖励函数均为交通效率、安全和油耗的加权和。信号配时优化层的动作为信号相位持续时间,车辆轨迹优化层的动作为车辆加速度。两个优化层分别具有独立的价值网络和策略网络。价值网络根据当前状态和动作,输出当前状态-动作价值,评估策略网络性能。策略网络基于当前状态生成高斯分布的均值和标准差,并从参数化的高斯分布中采样动作。在策略网络损失函数中引入熵系数和温度系数,自动调节策略探索的广度和深度,降低模型训练性能对超参数变化的敏感度。针对信号配时优化和车辆轨迹优化间隔不一致的问题,设计信号配时层-车辆轨迹优化层异步训练算法。通过反向传播算法同时对同一层的价值网络和策略网络进行训练。利用SUMO对模型进行训练和评估,实验结果表明,与数学规划方法、只优化信号配时和只优化车辆轨迹的方法相比,提出的方法可使车辆油耗分别平均降低24.24%、5.39%和22.23%。