信号控制交叉口转向流量是城市道路交通系统建模的基础参数，对于预测道路交通状态及制定交通管控策略具有至关重要的作用。然而，由于城市交通路网间断流的非线性波动特征，转向流量通常会随时间随机变化。随着网联车辆（Connected Vehicle，CV）技术的快速发展，如网联出租车、互联出行车辆、预约出行车辆等提供的路径与转向信息使更细粒度的转向流量预测成为可能。如何利用有限的CV个体车辆信息，准确预测混合交通流未来转向分布及其随机性仍是亟待解决的关键问题。从纵向和横向2个方面解耦分析转向流量的随机波动特性：在纵向上，利用车队散布模型描述上游车辆以不同速度行驶至下游的随机性；在横向上，基于部分观测到的CV转向信息，利用基于深度核学习的高斯过程方法预测交通流整体转向需求的随机性。基于宁波市和钦州市道路真实采集的数据，验证了模型的有效性。试验结果表明：模型能够准确预测转向流量的变化情况。相较于传统的元胞传输模型与文献中基于CV转向比例的预测方法，模型在宁波市试验场景下的预测精度提高了23.81%以上，在钦州市试验场景下的预测精度提高了26.06%以上。即使在低CV渗透率的情况下，模型仍可提供更准确的转向流量预测结果，表明了模型的潜在应用价值。
%U http://zgglxb.gfscw.cn/CN/10.19721/j.cnki.1001-7372.2025.08.001