La infraestructura de transporte existente y los sistemas de control de tráfico enfrentan una creciente presión como resultado de la demanda en aumento, lo que resulta en congestiones frecuentes. Ampliar la infraestructura no es una solución viable para mejorar la capacidad de la carretera. Por lo tanto, a menudo se emplean Sistemas de Transporte Inteligente para mejorar el Nivel de Servicio (LoS). Un enfoque de este tipo es el control de Límite de Velocidad Variable (VSL). El VSL aumenta el LoS y la seguridad en las autopistas al optimizar el límite de velocidad de acuerdo con las condiciones del tráfico. La proliferación de Vehículos Conectados y Autónomos (CAV) presenta nuevas oportunidades para mejorar la operación y medición de los estados de tráfico para el funcionamiento del sistema de control VSL. Este documento presenta un método para la detección de múltiples áreas congestionadas que se utiliza para la estimación del estado de un sistema de control VSL dinámicamente posicionado para autopistas urbanas. El método utiliza Q-Learning (QL) y CAV como sensores y actuadores móviles. El enfoque de control propuesto, denominado Detección de Congestión QL VSL de Posición Dinámica (CD-QL-DPVSL), detecta dinámicamente todas las áreas congestionadas y aplica dos conjuntos de acciones, que implican la posición dinámica de las zonas de límite de velocidad y los límites de velocidad impuestos para todas las áreas congestionadas detectadas simultáneamente. El enfoque de control CD-QL-DPVSL propuesto fue evaluado en seis escenarios de tráfico distintos, abarcando tasas de penetración de CAV y demostró un rendimiento significativamente mejor en comparación con otros enfoques de control, incluyendo sin control, VSL basado en reglas, dos configuraciones de QL-VSL basadas en Matrices de Transición de Velocidad con posiciones fijas de zonas de límite de velocidad, y un QL-DVSL basado en Matrices de Transición de Velocidad con una posición dinámica de zona de límite de velocidad. Logró mejoras en parámetros de tráfico macroscópicos como el Tiempo Medio de Viaje y el Tiempo Total Gastado al adaptar su política de control a cada escenario simulado.