无信号交叉口是交通事故多发地和造成交通拥堵的重要原因。在无信号交叉口,不同方向的车辆存在通行权的冲突,在决定通行顺序时容易造成事故,直接影响交通安全和道路通行效率。为了对这个问题进行研究,很多研究者将这个问题视为一个博弈问题,通过对驾驶员行为建模研究了交叉口交通流。然而较少有研究考虑到驾驶员在重复博弈过程中的学习机制,为了对学习机制在无信号交叉口交通系统交通流的作用进行探讨,本文将采用建模与仿真的方法对问题进行研究。本文将分别采用信念学习模型和逻辑回归模型对无信号交叉口博弈行为进行建模。在信念学习模型中,推导了合作率的公式,发现其是损益比r和记忆能力m的函数。该函数随着损益比的增加呈现阶梯状变化,阶梯状的数量与记忆能力有关。在逻辑回归模型中,自变量为决策者前两轮的局势,通过实验的数据对参数进行了标定。结合元胞自动机交通流模型,本文对这两个行为模型在无信号交叉口路网情景下进行了仿真实验。本文发现在信念学习模型中较高的记忆能力有利于驾驶员对系统合作率的正确把握,从而减少失误,提高交通系统效率。研究也发现合作行为有利于提高交通流的流量和速度。此外发现仿真中的交通流,根据车辆总数不同,存在三个交通流性质存在差异的阶段。在逻辑回归部分中,由于模型经过了实验数据的标定,因此其仿真结果在各方面都表现出了与实验数据相当的一致性,一定程度上表明了仿真结果的可靠性。另外发现基于本文逻辑回归模型背叛者的收益一直低于合作者。以往关于无信号交叉口的研究在考虑驾驶员行为时较少考虑学习能力。本文在该情景下引入了信念学习和逻辑回归,讨论了驾驶员之前的博弈经历对系统的影响,具有一定的理论和实际价值。