Pythonで利用者均衡配分【後編】|複数ODが道路を共有すると何が起きる?

自分の出発地も目的地も変わっていない。それでも、ほかの地域の交通が増えると、いつも使う経路の混み方が変わり、別の道を選ぶようになることがあります。

利用者均衡配分の前編では、AからIへ向かう1組のODについて、2経路の時間がそろう状態を求めました。今回は同じ3×3・9ノードの道路網に、A→HとD→Iの移動を加えます。複数のODが道路を共有するとき、全体の交通量と所要時間がどう整合するかを、Pythonで計算します。

見どころは、前編で使われなかった中央の道路にも交通が流れること、そして最短経路の探索と交通量調整を繰り返して均衡へ近づくことです。道路条件は変えず、追加したODの影響を追います。入力はすべて架空の教材データです。

1.前編の「2経路の交点」から、道路を共有する問題へ

前編でも道路網は9ノードでしたが、起終点はA→Iだけで、均衡で使う2経路が道路を共有しない設定でした。一方の経路の交通量をqと置くと、もう一方は1,200−qとなり、経路時間の交点を探す問題として理解できました。

ここへ別のODを加えると、同じリンクに「違う目的地へ行く車」も重なります。A→Iの利用者が決めた交通量だけで、その道路の時間は決まりません。

したがって、A→Iだけを先に解き、A→Hを解き、D→Iを解いて、最後に結果を足す方法では不十分です。合計した交通量で時間が変わり、各ODの経路選択の前提も変わるからです。

9ノードだから数式で表せない、という意味ではありません。均衡条件は数式に書けます。ただ、経路ごとの交通量と、どの経路が使われるかを一緒に求める必要があり、今回は道路網全体の均衡を数値的な反復計算で求めます。反復計算も数値計算の一種です。

2.同じ道路網に、3つのODを与える

前編と道路のつながり、距離、自由走行時間、容量パラメーター、BPR関数の係数はすべて同じです。追加するのは、次の2組のODだけです。

OD需要自由走行時間での最短経路
A→I(前編から継続)1,200台/時A→D→G→H→I
A→H(追加)600台/時A→D→G→H
D→I(追加)600台/時D→G→H→I

全需要は2,400台/時。他のODは0です。9地点のすべての組み合わせを埋めるのではなく、道路を共有する効果が見える3組に絞っています。

道路のまとまり各リンクの自由走行時間片方向の容量パラメーター
左・下:A–D、D–G、G–H、H–I1.5分600台/時
上・右:A–B、B–C、C–F、F–I3分1,000台/時
中央:B–E、D–E、E–F、E–H5分1,000台/時
t(x) = t0 × [1 + 0.15 × (x / c)^4]

xは同じ方向のリンクを通る全ODの合計交通量です。道路は双方向で、計24有向リンクとして扱います。反対向きは別々に計算し、対向車による干渉は考えません。容量cは、このモデルでは交通量を打ち切る上限ではありません。

3.共有する道路では、別のODの車が自分の時間を変える

まず自由走行時間で全か無か配分すると、3つのODがD→G→Hを共有します。G→Hに注目すると、通過量は次の合計になります。

G→Hの交通量 = A→Iの1,200 + A→Hの600 + D→Iの600 = 2,400 台/時
自由走行時間で3つのODを配分した9ノード網。DからG、GからHに2400台毎時が集中する。
線の太さは交通量、矢印は方向。ラベルの時間は、初期配分の全ODを合計した後にBPR関数で再計算した値です。

同じ道路なので、A→Iの車だけ特別に空いた状態を走れるわけではありません。G→Hを通る全員に、合計2,400台/時に対応する同じ所要時間がかかります。

この教材ではG→Hのt0は1.5分、cは600台/時なので、初期配分をそのまま載せると59.1分になります。大きな値ですが、混雑の集中を見せるための架空設定です。実際に2,400台が通過できると主張する値ではなく、渋滞列を再現した結果でもありません。

混雑を避けるためにA→Iの車が上側へ移ると、左側・下側が空き、A→HやD→Iの車にとっての経路の優劣も変わります。今度はそれらの車が経路を変え、再びA→Iの選択に影響します。ここでいう相互作用は、共有する同方向のリンクの合計交通量を介した影響です。

各ODを単独で均衡にして足しても、全体の均衡にはならない

実際に3つのODをそれぞれ単独で解いてから足すと、G→Hは約2,164.3台/時です。しかし、その合計交通量で時間を更新すると、G→Hの1区間だけで約39.596分になります。各ODを単独で解いたときとは、道路時間がまるで違います。

この合算結果のRelative gapは約0.858でした。十分小さい値ではなく、別の経路へ移ることで早くなる余地が残っています。独立に解くのではなく、同じ道路時間のもとで、すべてのODが整合する配分を探す必要があります。

4.全ODの交通量を合計し、最短経路を更新する

基本の計算法は前編と同じFrank–Wolfe法です。ODが増えても、均衡の考え方を変える必要はありません。各ODに同じ「現在の道路時間」を使うことが重要になります。

  1. 全ODの現在の配分をリンクごとに合計し、交通量xを作る。
  2. 合計交通量xから、BPR関数で各リンクの時間を更新する。
  3. その同じ時間を使い、すべてのODの最短経路を探索する。
  4. 各最短経路へOD需要を全量載せ、目標交通量yを作る。
  5. 収束判定を行い、未収束ならxとyを適切な割合で混ぜて更新する。

3でODを一つ計算するたびに時間を変えることはしません。1回の更新内では、全ODを同じ時間で比較します。そのうえで、全体の配分を調整します。

次の交通量 = (1 − λ) × x + λ × y
Relative gap = [Σ xₐ tₐ(xₐ) − Σ yₐ tₐ(xₐ)] / Σ xₐ tₐ(xₐ)

λは前編と同じく、リンク時間を積分したBeckmannポテンシャルを更新方向上で最小にする値です。全員の総所要時間を最小化する更新ではありません。Relative gapも、xとyの両方を同じ現在のリンク時間で評価します。

1回では終わらず、19回の更新で目標に到達

19回の更新でRelative gapが目標10のマイナス8乗を下回る。下段にGからH、DからE、AからDの交通量の推移。
上:均衡とのずれを表すRelative gap。下:代表リンクの交通量。横軸は計算上の更新回数で、実際の時刻や日数ではありません。

今回の条件では、Relative gapの目標10⁻⁸を19回の交通量更新で満たし、最終値は約8.10×10⁻⁹になりました。前編の1回と比べ、全体を繰り返し調整する様子が見えます。

途中のRelative gapは、毎回必ず下がるわけではありません。この例でも2回目・3回目には上昇しています。また、リンク交通量の線が落ち着いて見えるだけでは、均衡に十分近いとは判断できません。数値の収束判定と合わせて確認します。

19回という回数は、この需要・道路条件・解法・目標値での結果です。一般の道路網で必要な回数を示すものではありません。また、計算途中の配分を、実際の利用者の学習過程として読むことはできません。

5.均衡では、前編で使われなかった中央の道にも流れる

3つのODの均衡配分。中央DからE、EからHに約164.6台毎時が流れ、GからHは約1191.6台毎時となる。
全ODの交通量を合計した均衡配分。線の太さは初期配分の図と同じ尺度です。逆方向は表示桁で0台/時。

前編では使われなかったD→E→Hに、約164.6台/時が流れます。道路を追加したわけでも、時間や容量を有利に変えたわけでもありません。ODを増やしたことで、外周との相対的な通りやすさが変わった結果です。

比較する値A→Iだけ(前編)3つのODを同時に配分
A→Iの均衡所要時間約12.005552分約14.136589分
A→Iのうち左・下の外周を通る交通量約964.337台/時約73.919台/時
D→Eの全OD合計交通量0台/時約164.587台/時

A→Iの需要は1,200台/時のままです。それでも、ほかのODが加わるとA→Iの経路の使い方と時間が変わります。自分たちの需要だけを見ていると、この変化は説明できません。

同じ道路の台数を、OD別に分けて見る

GからHの交通量をOD別に積み上げた比較。均衡ではAからI約73.9、AからH約558.9、DからI約558.9台毎時。
均衡でのG→Hは約1,191.6台/時。その内訳を見ると、A→I以外の2つのODが大きな割合を占めます。

A→Iの車はG→Hから大きく減っていますが、その道路の交通がなくなるわけではありません。A→HとD→Iの車も利用しているからです。道路の総交通量と、特定ODの交通量を分けて見ることが大切です。

時間がそろうのは「同じODの中」

ODこの計算で使われる経路交通量(台/時)経路時間(分)
A→IA→B→C→F→I約1,043.788約14.136589
A→IA→D→G→H→I約73.919約14.136589
A→IA→D→E→H→I約82.294約14.136589
A→HA→D→G→H約558.853約12.068845
A→HA→D→E→H約41.147約12.068845
D→ID→G→H→I約558.853約12.068845
D→ID→E→H→I約41.147約12.068845

A→Iの3経路は同じ時間にそろいます。一方、A→IとA→Hの時間が一致する必要はありません。起終点が違うからです。異なるOD同士の所要時間をそろえるのではなく、各ODについて、自分だけ別の経路へ移っても早くならない条件を同時に満たします。

表の経路交通量は、今回の解法が得た分け方の一例です。共有する道路があると、同じリンク交通量を作る経路交通量の分け方が複数あり得ます。経路交通量まで常に一意に決まるとは限りません。教材の検算では、独立解法との比較をリンク交通量で行っています。

6.Pythonで再現し、OD別の内訳まで確かめる

複数ODの均衡配分教材をダウンロード(ZIP・約0.36 MB)

前編のlinks.csvをそのまま引き継ぎ、od.csvを次の内容にします。配布ZIPには必要なファイルをすべて入れているので、前編のフォルダーを上書きする必要はありません。

origin,destination,demand_vph
A,I,1200
A,H,600
D,I,600

ZIPを展開し、multi-od-kitフォルダーをターミナルで開きます。Windows PowerShellなら次の順です。

python -m venv .venv
.venv\Scripts\python.exe -m pip install -r requirements.txt
.venv\Scripts\python.exe assignment.py
.venv\Scripts\python.exe run_all.py

macOS・Linuxではpythonをpython3、.venv\Scripts\python.exeを.venv/bin/pythonに置き換えます。検証環境はPython 3.11.5、NetworkX 3.1、NumPy 1.24.3、Matplotlib 3.7.2、SciPy 1.11.1です。図の日本語フォントはMeiryo。別環境ではインストール済みの日本語フォントへ変更してください。初回のライブラリ取得以外に通信は不要です。

ODを一つ追加しても、計算の中心は変わらない

次のコードを教材フォルダー内の別の.pyファイルとして保存すると、均衡結果と、G→Hを通るOD別交通量を表示できます。

from assignment import solve

result = solve()
print("更新回数:", result["history"][-1]["iteration"])
print("Relative gap:", result["history"][-1]["relative_gap"])
for origin, destination, demand in result["od"]:
    shared_flow = sum(
        flow for (o, d, path), flow in result["path_flows"].items()
        if (o, d) == (origin, destination)
        and ("G", "H") in list(zip(path, path[1:]))
    )
    print(f"{origin}→{destination}: G→Hを{shared_flow:.3f}台/時が通る")
更新回数: 19
Relative gap: 8.095965654022235e-09
A→I: G→Hを73.919台/時が通る
A→H: G→Hを558.853台/時が通る
D→I: G→Hを558.853台/時が通る
出力ファイル確かめられること
results/links.csv全24有向リンクの合計・OD別交通量と所要時間
results/paths.csv各ODの全単純経路の交通量、時間、最短時間との差
results/convergence.csv更新ごとのRelative gapと代表リンク交通量
results/scenario-links.csv前編条件・独立に解いて合算・全OD同時配分の違い
results/summary.json収束・検算・比較の主要数値

最短経路の探索と、結果の検算を分ける

均衡を求める処理では、毎回の最短経路探索と交通量更新を使っています。一方、検算では小さい道路網であることを生かし、3つのODについて全32本の単純経路を列挙しました。

実質的に使われる経路(0.001台/時を超えるもの)と、そのODの最短時間との差は最大約2.3×10⁻⁷分でした。使われていない経路にも、計算精度の範囲でより早いものがないことを照合しています。数値上の微小な経路交通量を、実際に車が1台走るという意味で読まないでください。

さらに、各ODの需要保存、各ノードの流量保存、経路からリンク交通量を再構成できること、Beckmannポテンシャルが更新で増加しないことを確認しました。全経路の交通量を直接扱う別の最適化法(SLSQP)とのリンク交通量の差は、最大約0.00029台/時でした。

全経路列挙は教材の独立検算のためです。大規模道路網でこの方法をそのまま使う前提ではありません。また、最大20,000回でRelative gapの目標を満たさなければ、未収束として停止します。

7.均衡が必要なのは「全員の経路選択がつながっている」から

前編では、使われる2経路の時間を比べることで均衡の意味を理解しました。後編では、別のODが加わることで、自分の需要が同じでも経路や時間が変わり、中央の道路まで使われることを確認しました。

このとき必要なのは、あるODにとってよい経路を一度選ぶだけではなく、全ODが作る交通量と、その交通量から決まる時間が、各ODの経路選択と食い違わない状態を求めることです。それが、道路網全体で利用者均衡を考える理由です。

ただし、今回も固定OD・単一車種・時間だけで選ぶ利用者による定常モデルです。信号や交差点、出発時刻、対向車の干渉、渋滞列の延伸や利用者の情報不足は含めていません。「相互作用を表現できた」ことと、「現実の交通をすべて再現できた」ことは分けて考える必要があります。

次は、OD交通量そのものをどう作るか

ここまでの前後編では、OD交通量は最初から与えました。次の四段階推定法の全体像の記事(2026年11月22日9時公開予定・公開日時以降に閲覧できます)では、人口などから発生・集中交通量を考え、地域間のODへ分布させ、交通手段を分け、自動車ODを今回の配分へつなぐ流れを示します。

「地域の条件→どこへ何人移動するか→どの交通手段か→どの道路が混むか」という全体のつながりを、今回の計算を出口として整理していきます。

参考資料

コメント

タイトルとURLをコピーしました