Los vehículos aéreos no tripulados (UAVs) están adquiriendo cada vez más valor como un nuevo tipo de dispositivo de comunicación móvil y dispositivo de toma de decisiones autónomo en muchas áreas de aplicación, incluido el Internet de las Cosas (IoT). Los UAVs tienen ventajas sobre otros dispositivos estacionarios en términos de alta flexibilidad. Sin embargo, un UAV, como un dispositivo móvil, todavía enfrenta algunos desafíos en la optimización de su trayectoria para la recolección de datos. En primer lugar, la alta complejidad de la acción de movimiento y el espacio de estado de la trayectoria 3D del UAV no es despreciable. En segundo lugar, en entornos urbanos desconocidos, un UAV debe evitar obstáculos con precisión para garantizar un vuelo seguro. Además, sin una caracterización previa del canal inalámbrico y las ubicaciones de los dispositivos terrestres, un UAV debe completar de manera confiable y segura la recolección de datos de los dispositivos terrestres bajo la amenaza de interferencias desconocidas. Todo esto requiere la propuesta de técnicas inteligentes y automáticas de optimización de trayectorias a bordo. Este documento transforma el problema de optimización de trayectorias en un proceso de decisión de Markov (MDP), y se aplica el aprendizaje profundo por refuerzo (DRL) al escenario de recolección de datos. Específicamente, se diseña el algoritmo de red neuronal profunda de doble Q (DDQN) para abordar la planificación inteligente de trayectorias de UAV que permite una recolección de datos eficiente en energía y segura. En comparación con el algoritmo tradicional, el algoritmo DDQN es mucho mejor que el algoritmo tradicional de Q-Learning, y el tiempo de entrenamiento de la red es más corto que el del algoritmo de red neuronal profunda (DQN).