El desarrollo actual de las redes de transporte multimodal se centra en la realización de sistemas de transporte inteligentes (ITS) para gestionar la predicción de congestión de tráfico y movilidad urbana de vehículos y pasajeros, de manera que se puedan recomendar rutas alternativas para el transporte, especialmente el uso de transporte público de pasajeros, para lograr un transporte sostenible. En el artículo, proponemos un algoritmo y una metodología para resolver objetivos de congestión de tráfico multidimensionales, especialmente para intersecciones, basados en la combinación de aprendizaje automático con el método de plantillas: el algoritmo de plantilla dorada con la teoría de juegos multiagente. Las intersecciones se modelan como jugadores independientes que deben llegar a un acuerdo mediante la negociación de Nash. Los resultados obtenidos mostraron que la negociación de Nash con multiagentes y el modelado de plantilla dorada tienen resultados superiores al algoritmo de control predictivo del modelo (MPC), mejorando el tiempo de viaje, la longitud de las colas de tráfico, la eficiencia de los flujos de viaje en un entorno desconocido y dinámico, y la coordinación de las acciones y la toma de decisiones de los agentes. El algoritmo propuesto puede ser utilizado en la planificación de transporte público de pasajeros en rutas alternativas y en la toma de decisiones de gestión de ITS.