本文主要围绕出行者的路径选择、诱导信息的发布以及模型博弈平衡进行了讨论与研究。首先,论文将行为强化理论应用到了驾驶员的路径选择行为中,提出了在有限理性条件下,驾驶员第k+1次的路径选择主要依赖于驾驶员自身第k次路径选择所获得的收益,即:自学习机制。其次,论文将驾驶员的行程时间感受作为驾驶员的路径选择收益,并将其时间感受划分成了三个模糊集,然后给出了各模糊集的隶属度函数。最后,论文在有限理性和以时间感受为模糊集的前提下,建立了相应的模型,并给出了各模型的求解算法与仿真验证。具体地来说,论文的主要研究工作内容如下:①将操作反射条件理论应用于驾驶员的车辆路径选择行为中,建立了基于有限理性模糊博弈无诱导信息条件下的车辆路径选择模型;证明了在模型的九种初始状态下,该博弈最终会取得平衡,并给出了九种初始状态下的博弈平衡结果。②建立了基于有限理性模糊博弈有诱导信息条件下的车辆路径选择模型,给出了该模型的求解算法,并采用具体算例对该模型进行了仿真验证。③对比分析了有诱导信息条件下和无诱导信息条件下的博弈平衡结果,结果显示:诱导信息的发布并不是一直有效的,诱导信息的有效性与参与博弈的局中人总数以及初始交通流的分布有密切关系;当参与博弈局中人总数小于或接近路网总通行能力时,发布诱导信息对减小局中人总行程时间是有利的,且路径L1的初始流量所占比例越接近C1/(C1+C2),诱导信息的有效性越差;诱导信息的有效性随路网总流量的增加而增加,当参与博弈局中人总数远大于路网总通行能力时,发布诱导信息能有效减小局中人总行程时间。④建立了累积自学习机制的车辆路径选择模型,给出了模型的求解算法,并采用具体算例进行了仿真验证,仿真结果表明:在累积自学习机制下,无诱导信息的车辆路径选择博弈结果与发布诱导信息的车辆路径选择博弈结果无显著差异。⑤分析了有诱导信息条件下的博弈模型参数ζ的变化对博弈平衡结果的影响。论文采用仿真验证的方法分析ζ的变化对博弈平衡结果的影响,仿真结果表明:当参与博弈车辆总数少于路网总通行能力时,ζ的变化对博弈平衡结果影响显著;当参与博弈车辆总数远大于路网总通行能力时,ζ的变化对博弈平衡结果无影响;在参与博弈车辆总数一定的情形下,初始状态接受诱导的车辆比例越大,ζ的变化对博弈平衡结果的影响越小。⑥最后论文分析讨论了博弈模型参数ζ的变化对诱导效果的影响。结果表明:ζ能影响局中人总行程时间T总,它对T总的影响显著性与博弈的初始接受诱导的车辆比例及博弈局中人总数相关;当局中人总数小于(或接近)路网总通行能力时,ζ对T总的影响主要与路网流量的初始接受诱导的车辆比例有关;当局中人总数远大于路网总通行能力时,ζ对T总影响不显著。