当今世界，频繁的交通阻塞、交通事故、环境污染等困扰着世界上的各大城市；交通问题已经成为最难铲除的现代化社会问题之一。为了解决交通中存在的这些问题，仅仅加强城市道路建设是不够的，还要加强道路交通管理，实行智能交通控制。智能交通是交通运输进入信息时代的标志。其研究已经得到许多国家的高度重视。目前，我国在这方面的研究才刚刚起步，大量的工作需要深入开展，动态OD矩阵估计与预测即是其中一个重要的研究课题。动态OD矩阵描述了时变的交通需求，它是动态交通分配模型和一些实用的微观交通仿真器的基础输入数据。通常，通过交通调查获取动态OD矩阵十分困难，因此，本文研究的动态OD矩阵估计方法主要是基于通过路段观测交通量反推OD矩阵。本文介绍了估计动态OD矩阵的常规卡尔曼滤波算法，并将无矩阵求逆的卡尔曼滤波算法引入到动态OD矩阵估计中。仿真实例结果证明了算法的有效性。论文的主要工作和贡献为：(1)在动态OD矩阵估计中引入了无矩阵求逆的卡尔曼滤波算法。与常规卡尔曼滤波算法相似，状态变量定义为实际OD流量相对于其历史值的偏差，这可以将历史数据中与出行模式相关的结构信息包含近来。另外，无矩阵求逆算法保证了P阵的对称正定性，避免了滤波发散，算法不需要进行矩阵的求逆运算，所以计算更为简单。(2)对动态OD矩阵估计中关键的分配矩阵的计算，提出了一种简单实用的解析算法，并对如何通过仿真法获取分配阵作了深入探讨；同时，简要介绍了K．Ashok等的随机分配矩阵模型，以期在本文中尽可能包含目前计算分配矩阵的较新的算法。文中提出的分配矩阵模型更适合于高速路或环城快速路的动态OD矩阵估计。