Artificial intelligence 使用模式识别工具使用以前的数据预测交通状况是否更好？

我希望使用

人工神经网络模式识别工具

利用以前的交通统计数据预测市区的交通流量。

---

我想知道这是否是一种预测交通状况的好方法。

可能应该发布在上

准确的有效性取决于您在预测交通状况时所看到的特征。“这是否是一种好技术”这个问题太模糊了。神经网络在某些情况下可能工作得很好，但在其他情况下也可能工作得很糟糕。没有具体的背景，很难判断

通常，神经网络在预测模式方面非常有效。如果你能将你的问题转化为特定的模式识别任务，那么神经网络可能会工作得很好

--更新--

根据以下评论

---

我需要预测的是给定道路的车辆数量，根据给定时间和给定日期，使用以前的数据集。例如，当我输入我需要行驶的道路名称、我希望行驶的时间和日期时，我需要获得该道路在该时间和日期的车辆计数

我要说的是，使用神经网络时要非常谨慎，因为根据数据来源的不同，数据可能会变得非常稀疏。假设您有10000条道路，然后在一个月内，将数据集除以30天、24小时、10000条道路

如果你想让你的神经网络工作，你需要至少有足够的数据用于数据集的每个分区。如果按上述方式划分数据集，则已经有7200000个分区。想想你总共需要多少数据。拥有一个小数据集的结果意味着您的700万个分区中的大部分将没有可用数据，这意味着您的神经网络预测在大多数情况下都不起作用，因为您一开始就没有数据

这就是为什么大公司对大数据有点疯狂的部分原因，因为你永远都无法得到足够的数据

但无论如何，一定要问交叉验证，因为那里的人有更多的统计学家，可以提供更好的解释

---

请注意，可能还有其他方法可以拆分数据（或者根本不拆分）以使其正常工作。以上只是您可能遇到的陷阱的一个例子。

我需要预测的是给定道路的车辆数量，根据给定时间和给定日期，使用以前的数据集。例如，当我输入我需要行驶的道路名称、我希望行驶的时间和日期时，我需要获得该道路在该时间和日期的车辆计数。非常感谢您的解释。我真的很感谢你的帮助。