Los algoritmos de planificación de movimiento basados en optimización no lineal han sido utilizados con éxito para la planificación de trayectorias dinámicamente factibles de vehículos de carretera. Sin embargo, la principal desventaja de estos métodos es su significativo esfuerzo computacional y, por lo tanto, su alto tiempo de ejecución, lo que convierte a la aplicación en tiempo real en un problema complejo. Abordando este campo, este documento propone un algoritmo para la simulación rápida del movimiento de vehículos de carretera basado en redes neuronales artificiales que pueden ser utilizadas en planificadores de trayectorias basados en optimización. Las redes neuronales se entrenan con técnicas de aprendizaje supervisado para predecir el estado futuro del vehículo en función de su estado actual y entradas de conducción. Se proporcionan datos de aprendizaje para una amplia variedad de escenarios de conducción generados aleatoriamente mediante la simulación de un modelo de vehículo dinámico. Las maniobras de conducción aleatorias realistas se crean en base a perfiles de velocidad de viaje lineal por tramos y curvatura de carretera que se utilizan para la planificación de carreteras públicas. Las redes neuronales entrenadas se utilizan luego en un bucle de retroalimentación con varias variables que se calculan mediante integración numérica adicional para proporcionar todas las salidas del modelo dinámico original. El modelo presentado puede ser capaz de simular el movimiento del vehículo a corto plazo con suficiente precisión, al mismo tiempo que tiene un tiempo de ejecución considerablemente más rápido que el modelo dinámico original.