先进出行者信息系统(ATIS,Advanced Traveler Information System)为出行者提供实时交通信息有助于改善城市范围内的出行,其关键之一在于对ATIS下驾驶员行为的理解。而驾驶员路线选择行为是实时信息下驾驶员行为的核心内容。目前针对驾驶员在实时信息下路线选择行为研究还不够深入,从而也限制了ATIS的应用与推广。因此研究驾驶员在实时交通信息下的路线选择行为是十分必要的,这对于智能交通系统(尤其是ATIS)的有效实施具有重要的现实意义。本文模拟了在一个拥有固定起终点、有限可选路径的简单通勤路网中,对驾驶员进行了实时信息下路线选择行为的调查,调查中提供了五种不同类型的实时信息,分别为:没有信息、定性信息、定量信息、预测性信息和描述性信息。在调查的基础上,充分考虑了驾驶员重复性路线选择之间的相关性,利用带有二项Logit连接函数的GEE(广义估计方程)方法对每种不同类型信息下驾驶员路线选择行为进行了建模,进而利用智能体相关原理建立了车辆-驾驶员单元的智能体模型,它被抽象为:战略层模型和战术层模型两部分。战术层负责加速、减速、换车道等基本的驾驶行为;战略层则负责在每种不同类型信息下的路线选择行为。最后,通过MIT(麻省理工学院)开发的多智能体仿真软件Starlogo对不同类型下驾驶员路线选择行为进行了仿真。在对仿真结果分析的基础上,不仅揭示了不同类型信息的提供以及接受信息服务的驾驶员比例的不同对路网系统的性能影响,而且通过产生的流量-密度曲线验证了微观模型的有效性。