Los sistemas de cambio de carril han recibido consistentemente atención en los campos de comunicación vehicular y vehículos autónomos. En este documento, proponemos un sistema de cambio de carril que combina aprendizaje profundo por refuerzo y comunicación vehicular. Un vehículo anfitrión, intentando cambiar de carril, recibe la información del estado del vehículo anfitrión y un vehículo remoto que están equipados con dispositivos de comunicación vehicular. Un algoritmo de aprendizaje de gradiente de política determinista profunda en el vehículo anfitrión determina la acción de alto nivel del vehículo anfitrión a partir de la información del estado. El sistema propuesto aprende acciones de conducción en línea recta y evasión de colisiones sin conocimiento de la dinámica del vehículo. Finalmente, consideramos el período de actualización para la información de estado de los vehículos anfitrión y remoto.