Аннотация:Статья посвящена одному подходу к анализу транспортных потоков. Исходными данными для анализа являются так называемые матрицы корреспонденции, которые описывают количество поездок в единицу времени между двумя точками. Конкретный датасет, который анализировался в работе представляет собой матрицу корреспонденций московского метро (поездки пассажиров между станциями метро) за февраль 2018 года. Целью анализа является структурно-временной анализ пассажиропотока (как и когда перемещаются пассажиры). В работе предложена методика анализа транспортного трафика, основанная на связке сингулярного разложения и методов кластеризации машинного обучения. Сингулярное разложение используется здесь для понижения размерности. Концепция использовать в связке упомянутые инструменты не нова, применялась в других областях, но в данной работе она была успешно адаптирована именно для транспортной сферы. В статье представлен библиотечный программный модуль для реализации каждого этапа разработки предложенной модели. Модуль способен обрабатывать большие объемы данных, имеет потенциал для легкого масштабирования и расширения. В работе представлен пример реализации предложенной методики применительно к историческим данным о пассажиропотоке московского метрополитена.