本发明涉及一种基于车辆排队长度变化率的可变车道转向控制方法，包括以下步骤：S1：通过主控台获取路网状态数据，并根据路网状态数据计算路口的车辆排队长度变化率；S2：根据车辆排队长度变化率，计算当前时间执行的控制动作的单步动作分数值；S3：根据单步动作分数值，计算所执行控制动作的长期期望分数值；S4：构建两个结构相同用于计算长期期望分数值和训练模型参数的深度学习网络，并进行优化；S5：计算备选控制动作的长期期望分数值，选择最高分的转向动作进行可变车道控制。够将复杂多变的路网状态数据参数化，训练深度神经网络学习可变车道转向方法，提高决策效率，有效减少了道路资源浪费问题和交通拥堵情况。