在我国优先发展轨道交通的策略方针下,乘客出行时在路网内的可选路径也愈加多样,但同时乘客路径选择方式的随机性和多样性也增大了轨道交通网络的复杂性与不确定性。掌握乘客的路径选择规律对于城市轨道交通的组织统筹和运营管理具有重要意义[1],然而传统的路径选择研究方法中却很少考虑乘客在出行中的适应性学习行为,即个体在面临复杂环境变化时产生的自我调整决策过程。根据现有研究的不足,本文以轨道交通网络中的出行乘客作为研究对象,分别采用经历加权吸引和强化学习解释乘客在路径选择行为中的学习效应并构建出基于相应理论的日变路径选择模型,对乘客的路径选择规律以及路径流量演化进行分析,最后使用基于多智能体的仿真方法对模型结果进行验证,并总结出乘客个体微观行为与宏观路网流量变化特性之间的关系。本文主要工作如下:（1）总结经历加权吸引模型与强化学习模型的性质并通过对比分析两种模型的适用性,为后续日变路径选择模型的更新提供理论支撑。（2）对乘客在轨道交通网络中路径选择行为的影响因素进行归纳分析,在此基础上设计调查问卷以获取研究数据并为模型中的参数设定建立基础。（3）构建路径广义出行费用函数并引入延误时间费用,同时对多种情况下的拥挤度费用系数进行完善。在经历加权吸引模型中通过路径广义出行费用确定乘客路径选择结果的收益值,在强化学习理论模型中根据路径广义出行费用推导出乘客感知出行费用并将其作为满意度评价指标用以更新乘客的路径选择概率。（4）运用经历加权吸引重新定义乘客的路径选择更新规则,建立以乘客的出行经历为主要参数的日变路径选择模型。加入理性选择概率和经验选择概率用以描述乘客在路径选择过程中受到的个体理性认识与出行习惯的影响作用。（5）运用强化学习并根据乘客对路径选择结果的满意度评价指标建立日变路径选择模型。通过仿真验证和分析路径流量在不同强度学习行为能力影响下的演化性质。