文章主要研究了无诱导信息、描述性诱导信息和建议性诱导信息驾驶员路径选择对路网交通流分布的影响。首先,在博弈论的基础上了建立了加权信念学习模型,以加权信念学习模型为基础建立了无诱导信息驾驶员路径选择模型和描述性诱导信息驾驶员路径选择模型,然后,以两条路径的饱和度差最小为目标建立了建议性诱导信息驾驶员路径选择模型,最后,对比分析了三种诱导信息对路网交通流分布的影响,具体的来说,论文的主要研究内容如下:在传统博弈学习的基础上建立了加权信念学习模型。基于加权信念学习模型建立了无诱导信息驾驶员路径选择模型,给出该模型的具体求解算法,并采用具体的算例对模型进行仿真。基于加权信念学习模型建立了描述性诱导信息驾驶员路径选择模型,同时给出了该模型的具体求解算法,并采用具体的算例对模型进行仿真。基于两条路径的饱和度差最小为目标建立了建议性诱导信息条件下驾驶员路径选择模型,同时给出了该模型的具体求解算法,并采用具体的算例对模型进行仿真。最后对比分析了无诱导信息、描述性诱导信息与建议性诱导信息对路网交通流分布的影响,结果表明:一、当路网交通量远小于路网通行能力时,无诱导信息、描述性诱导信息和建议性诱导信息的诱导效果无显著性差异,三种诱导信息条件下路网均能达到稳定平衡的状态,同时路径L1或L2上的初始分配比例对路网交通流的分布无显著影响;二、当路网交通量接近路网通行能力时,建议性诱导信息的诱导效果最佳,路网会呈现稳定平衡的状态;描述性诱导信息与无诱导信息对路网交通流的分布的影响无显著差异,路网会呈现稳定平衡或交替平衡的状态,路径L1或L2的初始分配比例与路网交通流的分布相关;三、当路网交通量远大于路网通行能力时,建议性诱导信息明显优于无诱导信息与描述性诱导信息且随着诱导率η的增加诱导效果越明显,路网会呈现稳定平衡的状态;描述性诱导信息与无诱导信息诱导效果较差且两种诱导信息对路网交通流的分布的影响无显著差异,其博弈结果会呈现峰谷平衡的状态,路径L1或L2的初始分配比例与路网交通流的分布相关。