本发明涉及交通控制技术领域，特别涉及一种货车组协作控制方法、系统、设备及介质。方法包括如下步骤：获取货车组的实际运行情况；将所述货车组的实际运行情况输入训练好的Q网络中；通过所述Q网络得到所述货车组执行每个动作对应的价值，并输出价值最高对应的动作。强化学习弥补了APF易陷入局部最优的问题从而找到全局最优策略，而基于APF设计的奖励函数为强化学习提供丰富的先验知识，提高了训练效率，鲁棒性更强，安全性能更佳，更适宜于工业物联网的货车组运输实际。