В последние годы сильными темпами растет строительство больших городов. С их ростом становится вопрос о дислокации пожарных и количестве пожарных депо. Наиболее эффективным является решение задачи поиска оптимального пути следования пожарного подразделения, с учетом информационных систем транспортной логистики в пределах города, что позволит оперативно прибыть к месту происшествия в любое время суток, вне зависимости от степени загруженности городских магистралей. Оперативность прибытия пожарных подразделений обеспечивает наиболее успешное тушение пожара. Основной задачей исследования является разработка предварительного маршрута и маршрута в случае непредвиденных факторов, влияющих на время прибытия пожарного автомобиля. Для построения маршрутов использовались активно развиваемые в настоящее время методы машинного обучения искусственных нейронных сетей.Для построения оптимального маршрута необходим правильный прогноз о будущем поведении сложной системы городского трафика на основании ее прошлого поведения. В рамках статистической теории машинного обучения рассмотрены задачи классификации и регрессии. Процесс обучения заключается в выборе функции классификации или регрессии из заранее заданного широкого класса таких функций.После определения схемы прогнозирования, необходимо оценить качество ее прогнозов, которые оцениваются не на основании наблюдений, а на основании уточненного стохастического процесса, итогом которого является построение правил предсказания. Верификация модели проводилась на основании данных, полученных в реальных выездах реальных пожарных расчетов, что позволило получить минимальное время прибытия пожарных подразделений.