我想使用人工神经网络模式识别工具，利用之前的交通计数数据来预测城市地区的交通流量。我想知道这是否是一种预测交通状况的好方法。

回答：

可能应该发布在CrossValidated上。

具体效果取决于你在预测交通状况时所关注的特征。问题“是否是一种好方法”过于模糊。在某些情况下，神经网络可能表现得相当好，而在其他情况下可能表现得非常差。没有具体的背景，很难判断。

通常，神经网络在预测模式方面表现得相当好。如果你能将问题转化为具体的模式识别任务，那么神经网络可能会表现得相当好。

— 更新 —

基于以下评论

我需要预测的是给定道路在给定时间和给定日期的车辆数量，根据之前的数据集。例如，当我输入我需要行驶的道路名称、希望行驶的时间和日期时，我需要得到该道路在那个时间和日期的车辆数量。

我建议对使用神经网络要非常谨慎，因为根据你的数据来源，你的数据可能会变得非常稀疏。假设你有10000条道路，那么在一个月的时间里，你的数据集将被30天、24小时、10000条道路所分割。

如果你希望神经网络能够工作，你至少需要为数据集的每个分区提供足够的数据。如果按照上述方式分割数据集，你已经有了7200000个分区。想想你总共需要多少数据。数据集小意味着你的700万个分区中的大多数将没有数据可用，这意味着你的神经网络预测大多数时候将无法工作，因为你没有初始数据。

这就是为什么大公司对大数据如此疯狂的原因之一，因为你永远也无法得到足够的数据。

不过，还是在CrossValidated上提问吧，那里的人更像是统计学家，可以提供更好的解释。

请注意，可能有其他方式来分割你的数据（或者根本不分割）以使其工作。以上只是你可能遇到的陷阱的一个例子。