複数ODの利用者均衡配分：9ノードの共有道路と収束計算

ZIPを展開し、multi-od-kitフォルダーで次を実行してください。
  python -m pip install -r requirements.txt
  python assignment.py
  python run_all.py
Windowsで環境を分ける場合は python -m venv .venv の後、pythonを
.venv\Scripts\python.exe に置き換えます。macOS/Linuxはpython3と
.venv/bin/pythonを使用。初回ライブラリ取得後の計算に通信は不要です。

実行確認：Python3.11.5、NetworkX3.1、NumPy1.24.3、Matplotlib3.7.2、SciPy1.11.1。
日本語フォントはMeiryo。別OSではrun_all.pyのフォントを変更してください。

前編のlinks.csvをそのまま継承。9ノード・12本の双方向道路を24有向リンク
として扱い、方向別交通量でBPR関数 t=t0*(1+0.15*(x/c)^4) を計算。
対向車の干渉はなし。容量は硬い上限ではありません。
ODはA→I 1200台/時、A→H 600台/時、D→I 600台/時。他は0。
全て架空のデータ。需要増加時も道路条件は変更していません。

期待結果：19回の交通量更新、Relative gap 約8.10e-9（目標1e-8）。
A→I：A-B-C-F-I 約1043.7876、A-D-G-H-I 約73.9188、
      A-D-E-H-I 約82.2936台/時。経路時間は約14.136589分。
A→H：A-D-G-H 約558.8532、A-D-E-H 約41.1468台/時。約12.068845分。
D→I：D-G-H-I 約558.8532、D-E-H-I 約41.1468台/時。約12.068845分。
経路交通量はこの解法で得た分解の一例で、一般に一意とは限りません。
G→Hのリンク交通量は1191.6253台/時、D→Eは164.5871台/時。

結果はresultsへ出力。
links.csv（結果）：OD別のリンク交通量内訳と最終所要時間。
paths.csv：3ODについて全32単純経路の交通量、所要時間、最短との差。
convergence.csv：更新ごとのRelative gap、ポテンシャル、代表リンク交通量。
scenario-links.csv：A→Iだけ・ODを独立に解いて合算・全OD同時配分の比較。
summary.json：主要結果と検算結果。PNG4枚：初期配分、均衡配分、共有道路内訳、収束。

検算：各OD需要保存、各ノード流量保存、経路からのリンク再構成、非負性、
全32経路を使った均衡条件確認、別の経路ベースSLSQP最適化との照合。
実質的に使われる経路（0.001台/時超）の最短との差は最大約2.3e-7分。
SLSQPとのリンク交通量差は最大約0.00029台/時。
原理上、経路交通量の分解に複数の解があっても、リンク交通量は比較できます。

solve(od_override=[('A','I',1200),...])で別の需要も計算可能です。
入力変更時はrun_all.pyの固定条件チェックと図の見出しも変更してください。
最大20000回で目標を満たさなければ例外停止。数値誤差の範囲で均衡を近似。
Relative gapは常に単調に下がるとは限りません。今回の2・3回目も上昇します。
Frank-Wolfe法の更新は実際の時刻・日数や利用者の学習過程ではありません。

仮定：固定OD、単一車種、時間だけで経路選択、連続交通量、定常モデル。
待ち行列、渋滞の延伸、信号、交差点、出発時刻、情報・好みの違いは対象外。
相互作用は共有する同方向リンクの合計交通量を介したものです。
9ノードだから解析解が存在しない、という主張はしていません。
データは自由に改変・再配布可能。独自コードはMIT（LICENSE）。

参考：AequilibraE Traffic Assignment Insights
https://www.aequilibrae.com/docs/python/v1.5.2/traffic_assignment/traffic_assignment_insights.html
