Desarrollar un sistema de control de intersecciones más seguro y efectivo es esencial dadas las tendencias de aumento de poblaciones y números de vehículos. Además, a medida que evolucionan las tecnologías de comunicación de vehículos y de conducción autónoma, podemos crear un sistema de control más inteligente para reducir los accidentes de tráfico. Recomendamos el manejo autónomo de intersecciones inspirado en el aprendizaje profundo por refuerzo (DRLAIM) para mejorar la eficiencia y seguridad del entorno de tráfico. Los tres modelos primarios utilizados en esta metodología son el modelo de asignación de prioridad, el aprendizaje del modelo de control de intersecciones y el control seguro de frenos. El módulo de control seguro de frenos se utiliza para asegurarse de que cada vehículo viaje de manera segura, y entrenamos el sistema para adquirir un modelo efectivo utilizando el aprendizaje por refuerzo. Hemos simulado nuestro método propuesto utilizando una simulación de herramientas de movilidad urbana. Los resultados experimentales muestran que nuestro enfoque supera al método tradicional.