交通理論シリーズ：8記事の共通教材（2026-11-12）

データ・係数・費用・乗車人数・到着列は全て教材用の仮定です。
現地調査、統計推定、特定都市の予測、TfL実験の再現ではありません。
コードはMIT。架空データは自由に改変・再配布できます。

実行：ZIPを展開し、transport-series-kitで次を実行。
 python -m pip install -r requirements.txt
 python mobility.py
 python behaviour.py
Windowsでは python -m venv .venv の後、pythonを.venv\Scripts\python.exeへ
替えると環境を分離できます。macOS/Linuxはpython3と.venv/bin/python。
検証：Python3.11.5、NetworkX3.1、NumPy1.24.3、Matplotlib3.7.2、SciPy1.11.1。
図はMeiryo。他OSではスクリプトのフォントをインストール済み日本語フォントへ。
初回ライブラリ取得後はオフライン実行可能です。

【需要推定：mobility.py】
zones.csv：仮想3地域、代表ノードA/E/I、人口3000/2400/1800、従業者2500/4000/1500。
1時間の方向別人トリップをモデル化。人口×0.4が出発、従業者×0.4が到着の原案。
出発2880、到着原案3200なので、到着側を0.9倍し総量をそろえます。
発生集中の一般的なproduction/attractionと時刻別origin/destinationを混同せず、
本教材は単純な出発/到着として定義。実務の目的別・時間帯変換は省略。
ゾーン内移動は0とする教材条件。現実に0だという意味ではありません。

分布：種行列exp(-0.12×自由走行最短時間)、対角0。
行・列の比例調整を繰り返し、最大絶対差1e-9人トリップ/時未満へ調整。
今回43回。両側の合計と構造的0が不整合なら、この方法でも解けません。
手段：2項ロジット。Uc=0.4-0.08×自動車時間-0.003×自動車費用。
Ur=-0.08×鉄道時間-0.003×鉄道費用。時間は分、費用は円/人。
自動車時間=自由走行最短+4分。費用=200+50×経路距離(km)。
鉄道時間=AE/EIで12分、AIで18分（乗車・待ち・アクセス込みの仮定）。
鉄道費用=220+40×距離。係数は推定結果ではありません。
自動車人数÷1.2人/台で車両ODへ変換します。
配分：前後編と同じ9ノード24有向リンク、BPR0.15/4、方向別容量。
今回の基本・人口20%増・自動車費用400円/人増は、自由走行最短への初期配分が
混雑時間でも最短であるため、交通量更新0回で均衡条件を満たします。
配分のRelative gap目標1e-6。均衡なら常に経路分散するわけではありません。
前段の分布・手段選択へ混雑時間を戻すフィードバックは実装していません。
全段階が連立した均衡モデルではなく、一方向に接続した教育用パイプラインです。

主要結果：総2880人トリップ/時、自動車1822.979822人、鉄道1057.020178人、
自動車1519.149851台/時、道路上の需要加重平均6.585173分。
人口20%増：1822.979822台/時、平均6.777681分。
自動車費用400円/人増：824.767312台/時、平均6.411620分。
出力generation.csv、od-mode.csv、scenarios.csv、mobility-summary.json、PNG7枚。

システム最適：前編のA→I 1200台/時を使い、全12単純経路をSLSQPで最適化。
最小化するのは総時間Σx*t(x)。勾配は限界費用t+x*t'。
実際の経路時間と限界費用の条件を区別して検算します。
UE平均12.005552分、SO平均9.493320分。SOの実経路時間は等しくありません。
結果optimum-routes.csv。これを政策や現場の誘導の効果の予測とは扱いません。

【エスカレーターと待ち行列：behaviour.py】
エスカレーター：600人、到着120人/分、歩行希望120人を固定乱数で配置。
両側立ち：2列共通の待ち列、空いた列を利用。入口間隔は各列1秒、乗車40秒。
片側立ち片側歩行：立位/歩行の別待ち列、列の乗り換えなし。
立位1秒/40秒、歩行1.5秒/25秒。歩行希望者も両側立ちでは立ちます。
人同士の衝突・身体寸法・入口/出口の相互干渉はモデル化しません。
入口から列ごとの所要時間が一定の遅延モデルで、詳細な歩行シミュレーションではありません。
600人の入力は同じ。主要指標は最初の入口到着から最後の出口通過まで。
基本結果：両側立ち339.5秒、片側歩行519.0秒。条件を25通り変えて比較。
これらの値は観測結果ではなく仮定からの計算。施設の安全性を評価できません。
出力escalator-people.csv、escalator-sensitivity.csv、PNG2枚。

待ち行列：FCFSの1窓口、600人、サービス時間1秒。
均等到着は2秒ごと、一斉到着は200秒ごと100人。20分間に平均30人/分の設定。
平均待ち0秒と49.5秒。同一平均到着率でもばらつきで違いが生じます。
最後の到着時刻が異なるので、完了時刻だけで優劣を判定しません。
観測区間は空から始め、全員退出まで。待ち列面積と待ち時間合計の一致、
同じ区間の有効到着率を使ったLq=lambda_eff*Wqの一致を検算。
M/M/1：ポアソン到着・指数サービス・1窓口・無限待ち列・FCFS。
μ=60人/分、ρ=0.5/0.7/0.8/0.9/0.95。定常条件ρ<1。
Wq=ρ/(μ-λ)、W=1/(μ-λ)。分/秒の変換に注意。
乱数300000人、初期20000人を除外、固定seed20261112。
高利用率では乱数誤差が大きく、理論値と完全には一致しません。
エスカレーターをM/M/1として扱うモデルではありません。
出力finite-queues.csv、mm1.csv、behaviour-summary.json、PNG2枚。

【検算】
需要とOD行列の行列合計、手段人数の保存、乗車人数変換、各ノードの流量保存、
均衡判定、SOの限界費用条件、同一到着列、列の入口間隔、待ち時間の非負、
待ち列面積と合計待ち時間の一致をスクリプト内で確認。
同梱の結果と別フォルダーへの展開再実行が同じになることを確認しています。
条件を変える場合、固定の検算条件・図見出し・期待値も合わせて見直してください。

【一次資料】
四段階：MWCOG https://www.mwcog.org/transportation/data-and-tools/modeling/process/
モデル設計：ATAP https://www.atap.gov.au/tools-techniques/travel-demand-modelling/3-model
係数推定：ATAP https://www.atap.gov.au/tools-techniques/travel-demand-modelling/5-model-development
UE/SO：Sheffi https://web.mit.edu/sheffi/www/selectedMedia/sheffi_urban_trans_networks.pdf
Holborn：TfL 2016年7月理事会報告24ページ（PDFの25ページ目）
https://tfl.gov.uk/cdn/static/cms/documents/board-20160719-item05-commissioners-report.pdf
待ち行列：MIT https://ocw.mit.edu/courses/1-203j-logistical-and-transportation-planning-methods-fall-2006/lec5.pdf
