路网均衡是一种理想状态，利用现有的交通分配理论及方法可以得到网络均衡时各路段的交通流流量。但是，这种均衡状态是建立在出行者掌握完全的路网信息和选择行为完全理性的这一前提下的，而现实情况往往无法严格满足这些条件。现实中的出行者往往只能在有限理性的条件下，依据不完全的路网信息，选择自己的出行路径，并且通过不断的学习和调整策略，逐步使路网到达均衡状态。因此，了解出行者在现实情况下的学习过程和决策规则对我们理解路网的状态是非常必要的。 本文设计了四组路径选择实验，旨在通过实验研究出行者在完全信息和不完全信息、有历史记录和无历史记录条件下的选择行为。本文也基于数学归纳法的思路，证明了进化方法对路径选择行为分析的适用性。经证明，两条路径和三(多)条路径条件下由上述方法求得的进化稳定状态与用交通分配理论所解出的均衡状态一致。 在此基础上，本文分别建立了基于递归信念集的出行者群体和个体选择行为模型，并研究了不同的信息条件和以往的选择经验对出行者选择行为的影响。结果表明，出行者在选择路径的过程中存在着普遍的学习现象，而学习效应与不同路径方案的收益差之间显著相关，甚至在出行者没有获得其他路径旅行时间信息的情况下也是如此。经验和完全信息都增加了出行者对收益差的敏感性，而且对出行者的选择行为产生了显著的影响。经验使出行者对道路条件的感知更加准确，从而明显减少了出行者在不同路径之间的转换频数，而完全信息对出行者的影响则因出行者采用学习方式的不同而存在着很大的差异。