Tehran-NL-SUE：德黑兰多模式交通的嵌套Logit随机用户均衡模型

该项目为德黑兰市构建基于嵌套Logit模型的随机用户均衡（SUE）交通分析框架，支持多模式交通系统建模、MSA求解算法、两阶段参数校准和政策情景分析，旨在解决超大城市交通拥堵、空气污染等挑战。

传统交通分配模型假设用户选择最短路径，忽略出行行为的随机性和异质性。随机用户均衡（SUE）理论考虑感知误差的随机分布，描述无出行者能单方面提升感知效用的状态，更符合现实，为政策分析提供稳健基础。

嵌套Logit（NL）模型通过层次结构处理选择肢相关性：顶层选择出行方式（私家车、公交等），底层选择具体路径。相比多项Logit，能捕捉不同方式间的替代弹性差异（如地铁与公交替代性高于地铁与私家车）。

采用相继平均法（MSA）迭代逼近均衡，每次迭代更新流量分配。通过路径存储策略+列生成技术动态添加新路径，优化后可处理德黑兰数千节点的大型网络。

两阶段校准：第一阶段用观测流量估计路段费用参数，第二阶段用出行调查校准NL选择参数。融合自动计数器、GPS轨迹、家庭调查数据，通过贝叶斯推断量化参数不确定性，支持敏感性分析。

适配德黑兰特征：地铁-公交换乘系统、市中心拥堵、早晚高峰潮汐现象；考虑非机动交通（老城区步行/自行车）及性别差异对出行行为的影响；输入含路网几何、公交时刻表、票价、土地利用数据。

支持政策模拟：道路容量调整、公交服务优化、定价策略（拥堵/停车收费）、需求管理（弹性工作时间）。输出评估指标：平均行程时间、总车公里数、排放估算、消费者剩余变化。

技术实现：Python生态（NumPy/SciPy/NetworkX/Pandas），模块化设计，支持多核/集群计算；开源贡献降低学习门槛。扩展方向：迁移至其他城市、动态交通分配、整合需求预测模型；为发展中国家提供低成本分析工具。