Pythonで利用者均衡配分：9ノードの仮想交通網

1. ZIPを展開し、ue-grid-kitフォルダーをターミナルで開きます。
2. Python 3.11で次を実行します。
   python -m pip install -r requirements.txt
   python assignment.py
   python run_all.py
Windowsでは python -m venv .venv で環境を作り、以降のpythonを
.venv\Scripts\python.exe に替えると環境を分けられます。
macOS/Linuxでは python3 と .venv/bin/python を使います。

データ取得やAPIキーは不要。初回ライブラリ取得後はオフライン実行可能。
検証環境：Python 3.11.5、NetworkX 3.1、NumPy 1.24.3、
Matplotlib 3.7.2、SciPy 1.11.1。図はMeiryoフォントを指定しています。
他OSではrun_all.pyのMeiryoをインストール済みの日本語フォントに変更。

モデル：前記事の9ノード・12本の双方向道路（計24有向リンク）。
距離と混雑前の時間は前記事の値を維持。前記事のtime_minを、本教材では
free_time_min（自由走行時間）として引き継いでいます。
各道路の往復は別々の容量・交通量で扱い、対向車の影響はモデル化しません。
配置は模式図であり、図上の線の長さは実距離を表しません。
OD：A→I 1,200台/時。他のODは0。容量は片方向、台/時。
左・下の4リンク：自由走行1.5分、容量600台/時。
上・右の4リンク：自由走行3分、容量1000台/時。
中央の4リンク：自由走行5分、容量1000台/時。
BPR：t=t0*(1+0.15*(x/c)^4)。容量は硬い上限ではありません。

結果：左・下 A-D-G-H-I 約964.337051台/時。
上・右 A-B-C-F-I 約235.662949台/時。経路時間は双方約12.005552分。
全か無か配分を混雑前時間で行うと左・下1200台/時。その交通量で再計算
した経路時間は20.4分で、未使用の上・右12分より遅いため均衡ではありません。

assignment.py：汎用の小規模単一車種Frank-Wolfe実装。
run_all.py：記事の固定条件で図・集計・検算を作成。
results/link-results.csv：24有向リンクの配分前後の交通量と時間。
results/all-paths.csv：全12単純経路の均衡時コストと経路交通量。
results/convergence.csv：Relative gap、Beckmannポテンシャル、更新幅。
results/summary.json：合計値と独立検算の結果。

検算：需要保存、各ノードの流量保存、非負性、経路からのリンク再構成、
全12経路のWardrop条件、Beckmannポテンシャルの非増加、
独立したSLSQP最適化と2経路の時間等式の求根による照合。
今回の単純・対称な条件では、厳密な線探索により1回の更新で収束します。
Relative gapの目標は1e-8、最大更新回数は20000。未収束なら例外で停止。
入力を変更する場合、assignment.pyで計算できますが、run_all.pyの固定条件
チェックや図の見出しは記事の元条件に合わせているため修正が必要です。

仮定：定常・固定OD・単一車種・経路の時間を把握し時間だけで選ぶ利用者。
連続的な交通量を扱い、車1台ずつの行動や経時的な渋滞は再現しません。
信号、交差点容量、待ち行列、渋滞の延伸、出発時刻、対向車の干渉は対象外。
均衡は総所要時間の最小化を意味しません。Frank-Wolfeで最小化するのは
総所要時間ではなく、リンク時間を積分したBeckmannポテンシャルです。

データは全て架空・教材用。自由に改変・再配布できます。コードはMIT。
参考：FHWA BPR formula
https://www.fhwa.dot.gov/Environment/air_quality/conformity/research/sample_methodologies/emismeth07.cfm
AequilibraE Traffic Assignment Insights
https://www.aequilibrae.com/docs/python/v1.5.2/traffic_assignment/traffic_assignment_insights.html
