随着经济的快速发展,机动车保有量的快速增长,一系列交通问题也随之产生,如交通拥堵、交通污染、交通安全等,其中交通拥堵问题一直以来都是专家学者研究的热点问题。近几年,随着科技的进步,智能交通被应用于治理交通问题,其中交通诱导系统是缓解交通拥堵的关键,另驾驶员在接受诱导信息进行路径选择是一个博弈论问题,驾驶员每次选择路径时,都会在接受诱导路径、拒绝诱导路径两个策略中选择一种。驾驶员在进行策略选择时考虑因素有差异,形成的学习模型也有差异,进而影响下一次策略选择。本文则研究驾驶员在面对诱导信息时的路径选择问题。本文首先研究基于两种学习理论的驾驶员路径选择交通诱导模型。主要研究了三个方面的内容,第一方面,考虑基于强化学习理论,建立交通诱导模型,即驾驶员在进行下一次路径选择时只会考虑上一次决策产生的影响,不会考虑未被选择策略产生的收益。第二方面,考虑基于经验加权吸引学习理论,建立交通诱导模型,即驾驶员在进行下一次进行路径选择时不仅考虑上一次策略选择时没有选中策略产生的影响,还考虑个人历史经历。第三方面,基于前两个方面建立的交通诱导模型,通过MATLAB仿真对比分析两种模型的使用情况,仿真结果表明,不同的初始诱导接受比例,两种模型的适用效果不同。然后基于经验加权吸引模型,研究了驾驶员路径策略选择过程。主要研究了三个方面的内容,第一方面,研究了在初始接受诱导比例不变的情况下,路网总流量逐渐增加至路网通行能力时,驾驶员路径选择情况,并通过MATLB进行实验仿真,仿真结果表明,当路网总流量约占通行能力的85%,诱导信息能够充分应用,能够有效的缓解拥堵。第二方面,研究了在路网总流量不变的情况下,初始接受诱导比例逐渐增加时,驾驶员路径选择情况,并通过MATLB进行实验仿真,仿真结果表明,当初始接受诱导的比例为20%或者80%时,诱导信息能够充分应用,路网流量能均衡分布。第三方面,研究了在路网总流量与初始接受诱导比例均发生变化的情况下,驾驶员车辆路径选择情况,并通过MATLB进行实验仿真,仿真结果表明,两路上的流量、时间变化趋势相反,当初始接受诱导比例为20%或者80%时,变化幅度最大。最后研究了经验加权吸引模型自身参数变化对驾驶员车辆路径策略选择产生的影响。主要研究了两个方面的内容,第一方面,研究了经验权重初始值参数在发生变化时,对驾驶员车辆路径选择产生的影响。第二方面,研究了初始吸引力参数在发生变化时,对驾驶员车辆路径选择产生的影响,均通过了MATLAB仿真验证,仿真结果表明,随着两种参数逐渐增大,会使模型效果逐渐变差,路网上的车流量需要进行更多次的博弈才能均衡。