随着高速路网的不断织密以及汽车保有量的逐年攀升，城镇间的高连通性使得高速公路出行目的愈加丰富，车辆出行的异质性凸显。同时随着高速公路交通量快速增长，道路服务能力与出行需求出现不均衡，交通拥堵、交通安全等问题日益加剧。掌握车辆在高速公路的个体出行偏好及出行目的，准确预测OD分布量，对进行有针对性的、精细化的车辆管理，及时部署交通管控资源，提高道路服务水平具有重要的实际应用价值及意义。
　　由于个体车辆出行时空偏好存在差异性和相似性，在此作用下车辆出行轨迹集聚形成的OD交通流将呈现出稳定性和随机性并存的特征，因此本文提出了基于车辆分类辨识的高速公路OD分布量预测模型。以重庆某高速公路路段为研究通道，首先，基于通道内一型客车收费数据，利用洛伦兹曲线分析获得个体车辆出行的不均衡性，并从时空维度分别分析了高速公路交通量的时间相似性及空间集聚特征，进一步明确了OD分布量分布与车辆个体出行特征间存在关联关系。其次，从个体车辆出行时空特征入手，构建车辆出行档案以描述车辆出行偏好，利用K-means++聚类算法以档案表部分指标为输入实现了相似出行偏好车辆的聚类，并进一步分析各类别车辆的出行时空规律。最后基于留存率概念分析获得各类别车辆的出行稳定性，并将车辆类别进行集聚后划分为常态出行群体及偶然出行群体，从而实现对OD分布量的成分分解，其后针对交通量不同成分的特征选用不同的预测模型，基于ARIMA-LSTM模型实现对OD分布量的准确预测。本文主要研究成果和结论如下：
　　（1）研究通道内个体车辆的出行存在明显不均衡性。在时间维度进行关联性分析获知无论工作日或周末，交通量的周期相似性均大于日连续相似性，空间维度上进出城方向各OD的交通量差异明显。
　　（2）基于个体车辆出行档案，建立了“先定义，后聚类”的高速公路出行车辆聚类辨识模型，该模型能将出行车辆有效划分为6类。基于聚类结果进一步分析各类别车辆出行时空分布规律，为精细化的车辆管理提供依据。
　　（3）通过留存率分析能将车辆类别有效划分为常态出行群体及偶然出行群体。基于OD分布量成分分解的模型预测结果，相比单一模型其各个评价指标均有所下降，验证了本文提出的模型的有效性。