随着社会经济的高速发展,日常生活中交通流量的增长与实际道路状况之间的矛盾逐渐显露出来,已经成为制约城市经济发展的主要因素之一。对交通客流进行合适的定量研究、数据建模可有利于交通控制与决策。在平时的日常生活中,公共交通是居民出行最普遍的选择,占了整个城市交通流量的很大一部分。同时,公共交通客流是城市公交规划、运营调度和行车组织的基础性数据。如果能够通过一定的技术准确捕捉客流量、客流规律,便可以采取相应的措施极大满足市民的需求,提高运营效率,降低经济成本和社会成本。近些年来,智能交通系统快速发展,交通卡以其方便、快捷、跨区等优势得到了广泛应用,利用信息统计汇总或者数据挖掘技术,可以从交通卡信息中抽取大量的高价值信息,而这些数据可以作为OD（Origin-Destination）预测模型的重要输入。OD矩阵预测是进行公共交通调度和公共交通线网优化的基础资料,研究OD预测为获得OD矩阵这种代价高昂而意义重大的交通需求信息提供了有效的手段。精确的实时动态OD矩阵预测可以为市民出行进行路线规划与选择,并提供实时路况、换乘策略等即时信息。本文分析轨道交通卡信息的数据特点和数据结构,建立一个完整的交通卡数据处理流程体系。采用行程时间分布系数作为辅助变量建立城市轨道交通线网动态OD矩阵预测模型,并采用卡尔曼滤波算法进行求解。并基于某城市真实交通卡数据,进行数值实验,将建立的交通卡数据处理流程用于该数据,并进行OD矩阵预测建模,后对实验结果进行分析,以此来检验理论结果在实际应用中的效果。同时,将该模型与传统的重力模型进行对比实验,证明该模型的优越性。