OD矩阵(也称交通出行矩阵)是交通系统中一项很关键的基础数据。交通网的规划、交通管理及交通控制，都需要尽可能正确地预测OD矩阵。传统的OD矩阵获得方法是通过大量调查得到的，这种方法花费的人力、物力、财力是十分巨大的，且OD矩阵是一个随时间而变化的矩阵，仅一、二次调查难以获得可信的结果。由于当前道路交通监控系统的普及，交通流量已经成为较为容易获取的信息。因此由路段交通量反推OD矩阵已成为获取OD矩阵较为可行且经济的方法之一。 目前国内外有结构化方法和非结构化方法及现代技术方法来推算OD矩阵。各种模型都得到了很多应用，但在模型求解方面还存在一些不足，求解时存在对初始值要求较高、容易局部收敛以及求解速度较慢等不足，针对这些不足，本文使用基于编码的连续域蚁群优化方法来求解极大熵OD反推模型。蚁群算法具有较高的全局搜索能力，并且不需要初始值。论文证明了蚁群算法求解极大熵OD反推模型的有效性性。并且与遗传算法求解极大熵OD反推模型进行了比较，结果表明，在相同精度的情况下，基于编码的蚁群连续域蚁群优化算法与遗传算法具有相近的空间复杂度，但其时间复杂度则远小于遗传算法，因此，比遗传算法具有更高的执行效率。 由于各种非结构化方法的模型结构具有一定的相似性，因此本文所使用的方法也可以用来求解其他非结构化方法模型。