随着互联网的飞速发展及广泛应用，网络的服务和网络的架构也在发生深刻变化，要成功设计、优化和管理网络，就需要了解和掌握网络内部特性。流量矩阵作为网络性能参数中的一个重要指标，描述了全网流量的具体分布，为研究网络的内部特性提供了重要的参考依据。由于网络规模日益庞大，结构越来越复杂，网络类型多样化及网络安全问题日益突出，直接测量流量矩阵的方法，在现今的网络中越来越困难，甚至是不可行的。因此，如何在日益复杂的互联网网络环境中实时、精确获取网络流量矩阵已成为国内外科学界和工业界共同关注的前沿科学问题之一。流量矩阵估计问题本身是一个欠定性反问题，存在多解性，要获得真实解，需要根据OD流的先验信息，缩小解空间，从而克服流量矩阵估计的多解性。首先，本文针对现有的独立连接模型应用于多业务流量矩阵估计的不足，提出了区分业务的IC模型。传统独立连接模型估算的是网络中混合业务的总流量，没有针对不同业务流量的特性分别进行估计。而区分业务的IC模型建立在传统独立连接模型基础之上，对网络中的业务流量区分估计。该模型根据不同业务流量在全网中的分布结构不一致的特点，利用业务OD存在指示矩阵和业务流量边缘接入链路的先验信息，得到不同业务的流量矩阵。与传统的独立连接模型相比，区分业务的IC模型更能够体现业务流量在网络中的分布情况，且估计值的精度高于传统独立连接模型。其次，由于现有的流量矩阵估计方法运用的高斯、泊松等简单先验模型不能较好的反映实际网络中真实OD流的具体分布，而复杂的混合高斯先验模型，虽然能描述真实OD流的分布，但又增加了流量矩阵估计的计算复杂度。针对现有估计方法中OD流先验模型的不足，本文提出了基于混合分布模型的流量矩阵估计方法。混合分布模型能够较好地描述出实际网络中真实OD流的概率分布特征，尤其是对非高斯分布OD流的分布规律描述得更加合理，在估计非高斯分布OD对间的流量时，得到了精确的结果。同时，本文将广义重力模型在估计高斯分布OD流的优点以及混合分布模型估计非高斯分布OD流的精确性相结合，得到了优化的混合分布模型的流量矩阵估计方法，并进行了实验仿真分析。最后，本文运用真实的网络流量数据对区分业务的IC模型和基于混合分布模型的流量矩阵估计方法进行了仿真分析，通过仿真实验和对比其他流量矩阵的估算算法得出：本文提出的区分业务的IC模型和基于混合分布模型的流量矩阵估计方法得到了较好的估算结果，估计的流量矩阵与网络真实值更接近。