El desarrollo de vehículos autónomos es una de las áreas de investigación más activas en la industria automotriz. El objetivo de este estudio es presentar un concepto para analizar la situación actual de un vehículo y un algoritmo de toma de decisiones que determina una serie óptima y segura de maniobras a ejecutar. Nuestro trabajo se centra en un enfoque basado en aprendizaje automático utilizando redes neuronales para la estimación de riesgos, comparando diferentes algoritmos de clasificación para la estimación de la densidad del tráfico y utilizando redes probabilísticas y de decisión para la planificación del comportamiento. Se lleva a cabo un análisis de la situación mediante un módulo clasificador de densidad de tráfico y un algoritmo de estimación de riesgos, que predice riesgos en un espacio de maniobras discretas. Para la operación en tiempo real, aplicamos un enfoque de red neuronal, que aproxima los resultados del algoritmo que utilizamos como verdad fundamental, y una solución de etiquetado para los datos de entrenamiento de la red. Para la clasificación de la densidad de tráfico actual, utilizamos una máquina de soporte vectorial. El análisis de la situación proporciona información para la toma de decisiones. Para esta tarea, aplicamos redes probabilísticas.