基于高斯过程回归技术，提出一种新的实时车速预测方法，在准确有效预测前车速度的同时量化了预测的不确定性.该方法通过引入平方指数和Matern的组合核函数SEM,并改进组合核函数为SEM^*,有效平衡了单一核函数对车速预测的优缺点，并在超参数寻优时采用了粒子群实时求解方法.瞬态工况下2 s时长车速预测的仿真分析表明：相比于单核性能较好的径向基（SE）核函数，SEM方法在车速FTP75工况下平均绝对误差（MAE）和均方根误差（RMSE）标准分别降低了10.09%和7.23%,而SEM^*方法在两个误差指标上相比SEM方法分别降低8.02%和8.13%;在城市典型工况下，SEM相比SE方法MAE和RMSE分别降低了3.44%和4.16%,而SEM^*在两个误差指标上相比SEM核函数分别降低3.57%和2.17%;同时SEM^*方法在FTP75工况单次最大计算时间上相对SE核函数降低0.3 s,城市典型工况付出的代价是相对SE核函数提高了0.015 s的最大计算时间，但计算时间仍在0.1 s采样时刻以内，具有实时性.