CN102556781A - 电梯群管理装置 - Google Patents

Abstract

本发明提供根据交通需要而优化控制方式，管理电梯群的电梯群管理装置。一实施例的电梯群管理装置包含电梯轿厢、检测部、提取部、交通需要判定部、控制方式存储部、控制方式评价部、控制方式取得部及轿厢分配控制运算部。检测部按方向且按每个楼层检测乘梯负载及下梯负载，输出负载信息。提取部从上述负载信息提取与乘梯及下梯相关的特征量。交通需要判定部基于上述特征量，判定交通需要。控制方式存储部与每个参照交通需要关联地存储一个以上的控制方式候选。控制方式评价部对每个参照交通需要，从控制方式候选中确定最佳控制方式。控制方式取得部取得对与上述交通需要一致的参照交通需要确定的控制方式。轿厢分配控制运算部按照上述取得的控制方式分配电梯轿厢。

Description

电梯群管理装置

技术领域

本发明的实施例涉及管理电梯群的运行的电梯群管理装置。

背景技术

电梯群管理装置为了提高电梯的运行效率及对使用者的服务，对在建筑物内的任意楼层中任意时刻发生的厅呼叫，按照设定的控制方式分配最佳电梯轿厢。在这样的群管理装置中，若交通需要根据星期及时段而变化，则控制方式按星期及时段变更。另外，在满足特定的条件时也可以变更控制方式。

专利文献1：日本特开2007-91378号公报

专利文献2：日本特开2007-261819号公报

专利文献3：日本特开2007-269424号公报

发明内容

但是，实际的交通需要时时刻刻在变化，因此，可能会以按与实际的交通需要不同的交通需要而优化的控制方式来运行电梯。其结果，存在使用者的等待时间增大、每单位时间的输送量降低这样的电梯性能降低的问题。从而，电梯群管理装置中，寻求可追随连续变化的交通需要而优化控制方式的方法。

本公开为了解决上述问题而提出，目的是提供可根据实际的交通需要而优化控制方式，管理电梯群的运行的电梯群管理装置。

一实施例的电梯群管理装置具备多个电梯轿厢、检测部、提取部、交通需要判定部、控制方式存储部、控制方式评价部、控制方式取得部及轿厢分配控制运算部。多个电梯轿厢在升降井内升降。检测部被设置于上述电梯轿厢的各个，按上下方向且按每个楼层检测乘梯负载及下梯负载，输出负载信息。提取部从上述负载信息提取与乘梯及下梯相关的特征量。交通需要判定部基于上述特征量，判定交通需要。控制方式存储部与每个参照交通需要关联地存储一个以上的控制方式候选。控制方式评价部基于由上述控制方式候选获得的电梯运行实际结果(实绩)，评价上述控制方式候选，对每个参照交通需要，从控制方式候选中确定最佳控制方式。控制方式取得部取得对与上述交通需要一致的参照交通需要确定的控制方式。轿厢分配控制运算部按照上述取得了的控制方式分配电梯轿厢。

附图说明

图1是本实施例的电梯群管理系统的概略方框图。

图2是假想呼叫清单的一例示图。

图3是多个假想呼叫清单的一例示图。

图4是分配对象呼叫清单的一例示图。

图5是判别上班时、下班时及平常时的交通需要的方法的说明图。

图6是判别午餐时前段、午餐时中段及午餐时后段的交通需要的方法的说明图。

图7(a)是1次采样的负载信息的一例示图，(b)是从(a)得出的推定乘梯人数及推定下梯人数的示图，(c)是从(b)算出的乘梯概率及下梯概率的示图，(d)是将(c)编码的结果的示图。

图8(a)、(b)及(c)是将与图7(c)所示的上升轿厢相关的基准层乘梯概率及与下降轿厢相关的基准层下梯概率分别用阈值θ1、θ2及θ3编码的结果的示图。

图9(a)是1次采样的负载信息的其他例的示图，(b)是从(a)得出的推定乘梯人数及推定下梯人数的示图，(c)是从(b)算出的乘梯概率及下梯概率的示图，(d)是使用阈值θ4对(c)的基准层乘梯概率和食堂层乘梯概率的合计及基准层下梯概率和食堂层下梯概率的合计编码的结果的示图。

图10是从按每分钟采样的负载信息生成的特征矢量的一例示图。

图11是从图10所示的特征矢量生成的综合特征矢量的一例示图。

图12是图1所示的交通需要判定部判定交通需要的顺序的概略流程图。

图13是存储于图1所示的控制方式存储部的交通需要模板的概略图。

图14是图1所示的控制方式评价部确定适用于交通需要的控制方式的顺序的概略流程图。

图15是图1所示的再学习判定部检测由控制方式评价部确定的控制方式的恶化的顺序的概略图。

图16是图1所示的学习管理部对各交通需要设定最佳控制方式的顺序的流程图。

标号说明：

100...电梯群管理部，110...轿厢分配运算处理部，111...探索运算处理部，112...探索运算数据存储部，113...模型评价部，120...学习管理部，121...电梯控制结果取得部，122...电梯性能事例总计部，123...特征量提取部，124...交通需要判定部，125...性能事例存储部，126...控制方式存储部，127...控制方式评价部，128...再学习判定部，129...参数确定部，141...轿厢停止信息存储部，142...厅(电梯厅)呼叫检测部，143...轿厢呼叫检测部，144...轿厢信息检测部，151～15M...轿厢控制部，161～16M...电梯轿厢，171～17M...轿厢呼叫按钮，181～18M...负载检测部，191～19N...厅呼叫按钮。

具体实施方式

以下，根据需要，参照附图说明实施例的电梯群管理装置。

图1概略地表示了本实施例的电梯群管理装置。该电梯群管理装置如图1，具备电梯群管理部100，该电梯群管理部100进行在楼宇等的建筑物内设置的M台的电梯轿厢(以下简称轿厢。)161～16M的群管理控制。这里，M是2以上的整数。轿厢161～16M以在楼宇内设置的升降井内以可升降的方式设置，由轿厢控制部151～15M驱动控制。在轿厢161～16M，设置了用于指示目的楼层(去往楼层)的轿厢呼叫按钮171～17M。另外，在轿厢161～16M，分别设置了检测轿厢161～16M内的负载的负载检测部181～18M。

在楼宇内的各楼层(楼面)，设置了用于进行电梯轿厢的配梯请求(厅呼叫)的厅呼叫按钮191～19N。“配梯”是指根据厅呼叫分配电梯轿厢。图1中，表示了假定N层的楼宇，在各楼层设置一个厅呼叫按钮的例子。例如，为了从X楼层向其他楼层移动而希望乘梯的使用者按下厅呼叫按钮19X，对电梯群管理部100进行电梯轿厢的配梯请求。这里，X是从1到N的整数。配梯请求由电梯群管理部100检测为厅呼叫。电梯群管理部100确定对厅呼叫分配的轿厢的方法将后述。

电梯群管理部100具备：确定对厅呼叫的轿厢分配的轿厢分配运算处理部110；及从预先准备的多个控制方式(假想呼叫清单)中，确定由轿厢分配运算处理部110使用的控制方式(假想呼叫清单)的学习管理部120。而且，电梯群管理部100具备轿厢停止信息存储部141、厅呼叫检测部142、轿厢呼叫检测部143及轿厢信息检测部144。

轿厢分配运算处理部110对在楼宇内的任意楼层中任意时刻发生的厅呼叫，执行基于由学习管理部120确定的假想呼叫清单的轿厢分配运算处理，确定应当对厅呼叫分配的轿厢。轿厢分配运算处理部110将包含分配轿厢的识别信息和成为轿厢的分配对象的厅呼叫信息的集合的厅呼叫分配信息，向轿厢停止信息存储部141送出。厅呼叫分配信息还包含厅呼叫的发生时刻、厅呼叫的发生楼层、厅呼叫的方向等。厅呼叫分配信息也可以包含对厅呼叫分配轿厢的时刻。

学习管理部120基于由后述的轿厢信息检测部144获得的轿厢信息，判定交通需要，基于判定的交通需要，从多个假想呼叫清单中，选择由轿厢分配运算处理部110使用的假想呼叫清单。被选择的假想呼叫清单向轿厢分配运算处理部110发送。

厅呼叫检测部142检测各楼层的厅呼叫按钮19X(X＝1，2，...，N)的按下，即，来自使用者的配梯请求。配梯请求以新的厅呼叫的发生的形式由厅呼叫检测部142检测。由厅呼叫检测部142检测的厅呼叫的信息向轿厢分配运算处理部110发送。厅呼叫的信息包含厅呼叫的发生时刻、厅呼叫的发生楼层及厅呼叫的方向(UP或DOWN)等。

轿厢信息检测部144检测与各轿厢161～16M相关的轿厢信息。轿厢信息包含轿厢内负载、轿厢前进方向、轿厢速度及轿厢现在位置等的数据。轿厢内负载指轿厢内乘入的使用者和使用者带入行李等的重量的合计值。轿厢内负载由在轿厢161～16M的各个设置的负载检测部181～18M检测。轿厢信息向学习管理部120发送。

轿厢呼叫检测部143将各轿厢161～16M内设置的轿厢呼叫按钮171～17M被使用者按下的情况检测为轿厢呼叫，将检测的轿厢呼叫的信息转发给轿厢停止信息存储部141。轿厢呼叫信息例如包含目的楼层(去往楼层)及轿厢的识别信息。轿厢呼叫信息也可以包含轿厢呼叫的发生时刻。

轿厢停止信息存储部141从轿厢呼叫检测部143接受轿厢呼叫信息并存储。而且，轿厢停止信息存储部141从轿厢分配运算处理部110接受厅呼叫分配信息并存储。轿厢停止信息存储部141从轿厢控制部151～15M经由轿厢信息检测部144接受对未应答的厅呼叫的配梯结束的情况后，删除与该厅呼叫相关的厅呼叫分配信息。另外，轿厢停止信息存储部141从轿厢控制部151～15M经由轿厢信息检测部144接受对未应答的轿厢呼叫的处理结束的情况后，删除与该轿厢呼叫相关的轿厢呼叫信息。这里，未应答的厅呼叫指轿厢的分配已经确定但是配梯还未结束的厅呼叫，未应答的轿厢呼叫指还未在目的楼层停止的轿厢呼叫。

根据群管理处理系统的差异，例如，可能发生本来对厅呼叫分配的轿厢以外的轿厢由于轿厢呼叫发生等而先到达，楼层等待的乘客搭乘先到达的轿厢的所谓“轿厢呼叫先达”的情况。该场合，也可能不删除对厅呼叫的厅呼叫分配信息。

接着，进一步详细说明轿厢分配运算处理部110。

如图1，轿厢分配运算处理部110为了进行轿厢分配运算处理(探索运算处理)，具备探索运算处理部111、探索运算数据存储部112及模型评价部113。探索运算处理部111基于由学习管理部120内的参数确定部129确定的假想呼叫清单和来自轿厢停止信息存储部141及轿厢信息检测部144的信息，进行轿厢分配运算处理。探索运算数据存储部112存储与轿厢分配运算处理相关的数据。

探索运算处理部111在可计算的定时接受来自厅呼叫检测部142的厅呼叫信息。例如，轿厢分配运算处理部110在对某厅呼叫的轿厢分配运算处理结束后，接受新的厅呼叫信息。探索运算处理部111从厅呼叫检测部142接受厅呼叫信息，并且接受轿厢停止信息存储部141存储的信息，还从轿厢信息检测部144接受轿厢信息。轿厢分配运算处理部110基于接受的信息和由学习管理部120确定的假想呼叫清单，进行轿厢分配运算处理，确定向由厅呼叫检测部142检测的厅呼叫分配的轿厢。

更具体地说，探索运算处理部111根据轿厢信息、轿厢呼叫信息及厅呼叫分配信息，求出各轿厢的楼层巡回时间表，生成各轿厢的楼层巡回时间表的集合即模型数据。而且，探索运算处理部111基于假想呼叫清单，求出各轿厢的巡回时间表，向模型数据追加。模型评价部113评价逐次更新的模型数据，求出评价值。作为一例，评价值是未应答时间，即，到达任意楼层的轿厢到达时刻与成为轿厢停止于该任意楼层的起因的厅呼叫的发生时刻的时间差。探索运算处理部111基于评价值，确定对厅呼叫分配的电梯轿厢。

轿厢分配运算处理部110确定对厅呼叫分配的轿厢16X(X＝1，2，...，M之一)。这里，作为一例，假定对厅呼叫分配轿厢161。轿厢分配运算处理部110向与确定了的轿厢161对应的轿厢控制部151通知厅呼叫的分配。厅呼叫的分配通知例如包含厅呼叫的发生楼层(停止楼层)及厅呼叫的方向。轿厢控制部151按照厅呼叫的分配通知，进行控制将轿厢161导向发生楼层。更具体地说，轿厢控制部151根据已向轿厢161分配的厅呼叫、通过轿厢161内的轿厢呼叫按钮171的按下而发生的轿厢呼叫以及轿厢位置信息及由系统定义的轿厢状态(停止中、移动中、开门中等)信息，唯一确定轿厢的楼层巡回顺序，按照确定了的轿厢的楼层巡回顺序，自动地运行控制轿厢161。与上述轿厢控制部151同样，轿厢控制部152～15M各自运行控制轿厢162～16M。

参照图2，说明假想呼叫清单。

假想呼叫清单将假想呼叫集清单化。图2中，L个假想呼叫集被清单化。假想呼叫集包含在后发生和预测的厅呼叫及其派生发生的轿厢呼叫的信息。更详细地说，假想呼叫集包含呼叫集ID、假想的厅呼叫的信息(假想厅呼叫信息)和从该假想的呼叫派生发生的轿厢呼叫的信息(派生轿厢呼叫信息)。假想厅呼叫信息包含“发生时刻(设现在时刻为时刻0秒)”、“发生楼层”、“发生方向(厅呼叫方向)”。派生轿厢呼叫信息包含一个以上的“目的楼层(去往层)”。图2中，假想呼叫清单存储多个假想呼叫集，但是假想呼叫清单也可以不是假想呼叫集的形态，而仅仅记述假想厅呼叫信息。该情况下，探索运算处理部111具备从假想厅信息求出派生轿厢呼叫信息的轿厢呼叫确定部(未图示)，在探索运算处理时或新选择了假想呼叫清单的时刻，从假想厅呼叫信息求出派生轿厢呼叫信息。轿厢呼叫确定部可以例如将假想厅呼叫信息输入预先准备的函数而求出派生轿厢呼叫信息，也可以随机求出派生轿厢呼叫信息。

假想呼叫清单中，根据过去的运行实际结果数据和/或楼宇在住中的租户的特性等，包括了多个尤其是预期需要多的楼层间，或者，尤其是想提高服务的楼层间的假想呼叫集。本实施例的电梯群管理装置中，这样的假想呼叫清单如图3所示预先准备多个。后述的参数确定部129从这样的多个假想厅呼叫清单中，根据交通需要选择适合的假想厅呼叫清单，送出至探索运算处理部111。

探索运算处理部111从厅呼叫检测部142接受厅呼叫信息后，通过预测从接受了的厅呼叫信息的厅呼叫而派生的轿厢呼叫，生成派生轿厢呼叫信息。即，探索运算处理部111具有从厅呼叫预测派生轿厢呼叫的轿厢呼叫预测功能。探索运算处理部111例如可以将厅呼叫信息输入预先准备的函数而求出派生轿厢呼叫信息，也可以随机求出派生轿厢呼叫信息。探索运算处理部111生成包含接受的厅呼叫信息和生成的派生轿厢呼叫信息的组的呼叫集。而且，探索运算处理部111向该呼叫集附加由参数确定部129选择的假想呼叫清单，生成分配对象呼叫清单。图4表示了向图3所示的假想呼叫清单No.1追加了呼叫集的分配对象呼叫清单的一例。

探索运算处理部111对分配对象呼叫清单所包含的多个呼叫集(假想呼叫集也简称呼叫集。)，执行发现最佳的轿厢分配模式(轿厢假分配模式)的探索运算处理。探索运算处理部111基于由探索运算处理发现的轿厢假分配模式，确定要向由厅呼叫检测部142检测的厅呼叫分配的轿厢。探索运算处理部111对与确定了的轿厢(例如轿厢161)对应的轿厢控制部(例如轿厢控制部151)进行厅呼叫的分配的通知。

接着，详细说明学习管理部120。

学习管理部120如图1所示，具备电梯控制结果取得部121、电梯性能事例总计部122、特征量提取部123、交通需要判定部124、性能事例存储部125、控制方式存储部126、控制方式评价部127、再学习判定部128及参数确定部129。

电梯控制结果取得部121从厅呼叫检测部142、轿厢呼叫检测部143及轿厢信息检测部144取得运行数据。例如，电梯控制结果取得部121从轿厢信息检测部144取得轿厢信息，例如，表示以规定的采样间隔按方向及各个楼层的乘梯负载及下梯负载的负载信息，作为运行数据的一部分。电梯性能事例总计部122总计由电梯控制结果取得部121取得的运行数据，将总计的运行数据在性能事例存储部125存储。运行数据包含每个楼层的平均未应答时间和/或楼宇全体的平均未应答时间等。运行数据还可以包含交通需要判定部124检测到交通需要的变化的时刻及对变化后的交通需要使用的控制方式等的记录。

特征量提取部123从轿厢信息检测部144接受轿厢信息，从接受了的轿厢信息提取用于判定交通需要的特征量。轿厢信息也可以从轿厢信息检测部144经由电梯控制结果取得部121向特征量提取部123发送。

交通需要判定部124基于特征量提取部123提取的特征量，判定楼宇内发生的电梯的交通需要。控制方式存储部126保持与多个参照交通需要的各个相关地记述一个以上的控制方式候选的交通需要模板。控制方式存储部126，根据由交通需要判定部124判定的交通需要参照参照交通需要，将与该交通需要相应的控制方式通知参数确定部129。

参数确定部(也称为控制方式取得部)129从控制方式存储部126取得控制方式(假想呼叫清单)，将与该控制方式相应的控制参数设定在轿厢分配运算处理部110。

控制方式评价部127基于在性能事例存储部125存储的运行数据，从交通需要模板中与各参照交通需要相关的控制方式候选中，确定对于各参照交通需要最佳的控制方式。再学习判定部128在检测到由控制方式评价部127确定的控制方式的性能恶化了的情况下，通知控制方式评价部127再度确定对于参照交通需要最佳的控制方式。

以下，详细说明学习管理部120的动作。

楼宇内的交通需要能够不根据楼宇用途而分类为典型的几个模式。作为电梯的交通需要的特征，使用者经由楼宇的出入口所在大厅层(基准层)或食堂所在食堂层这样的预测为频繁利用的层的情况很多。交通需要判定部124基于与基准层相关的信息(例如，基准层的乘梯概率及下梯概率)，与特定的楼层相关的信息(例如，食堂层的乘梯概率及下梯概率)及电梯的使用者数，判定交通需要。

一般，电梯的交通需要通过OD(Origin Destination，起点-终点)表现。OD在一定期间内记录电梯使用者从哪层向哪层移动。若是N楼层的楼宇，OD由N×N的矩阵的OD表来表现。作为一例，OD表的各行相加的合计表示各楼层的乘梯人数，OD表的各列相加的合计表示各楼层的下梯人数。各楼层的乘梯人数的合计或各楼层的下梯人数的合计表示一定期间中的电梯使用者的总数。另外，若OD除以电梯使用者数，则成为一定期间的每1人的状态迁移矩阵。即，OD由状态迁移矩阵乘以电梯使用者总数而得。状态迁移矩阵的各行的和表示各楼层的电梯使用者的乘梯概率，各列的和表示各楼层的电梯使用者的下梯概率。

但是，实际上，在上下按钮方式的电梯中，难以准确取得OD。为了准确计测OD，必须如DCS(Destination Control System，目的地控制系统)那样对每个使用者事先输入去往层信息，或者对使用者附上IC标签等。

本实施例中，将交通需要由按上下方向各楼层的乘梯概率及下梯概率以及使用者数作为要素的特征矢量表现。在N层的楼宇的情况下，交通需要由(4N+1)维的特征矢量表现。

这样的特征矢量中，矢量的各要素是非负的连续值。作为一例，在16层的楼宇中，将乘梯及下梯概率以10％的等级分类且使用者数从0人到3000人的范围中以100人的等级分类的情况下，特征矢量可表现约3×10¹³种的交通需要。但是，对这些全部的交通需要准备最佳的控制方式并不容易，在实际运用的电梯的应用上也存在计算资源的问题，认为是不可能的。因而，本实施例中，有效使用电梯的交通需要的特征，来削减分类的交通需要数。

交通需要因楼而异，大致可分类为上班时、下班时、平常时、午餐时前段、午餐时中段、午餐时后段、特定层集中时及闲散时等。

上班时的交通需要是从基准层(例如，出入口所在1层)乘梯的使用者数占全体的使用者数的大半(过半)的交通需要。下班时的交通需要是在基准层下梯的使用者数占全体的使用者数的大半的交通需要。平常时的交通需要是如上班时及下班时的交通需要混和那样的交通需要，是经由基准层的使用者数占全体的使用者数的大半的交通需要。午餐时(午餐时前段、午餐时中段、午餐时后段)的交通需要不同于上班时、下班时及平常时的交通需要，是除了基准层以外使用者还集中于食堂层的交通需要。特定层集中时的交通需要是使用者集中于特定的楼层的交通需要。另外，闲散时的交通需要是使用者数少的交通需要。

考虑基准层和食堂层等的特定的楼层，上述的交通需要分类如下。

(A)以经由基准层的使用者为特征的交通需要...上班时、下班时、平常时

(B)以经由基准层的使用者及经由基准层以外的特定的楼层的使用者为特征的交通需要...午餐时前段、午餐时中段、午餐时后段、特定层集中时

(C)以使用者数为特征的交通需要...闲散时

例如，上班时、下班时、午餐时及闲散时的交通需要通过检测乘入上升轿厢的人数(上升轿厢乘梯人数)及从上升轿厢下梯的人数(上升轿厢下梯人数)的合计(上升轿厢使用者数)，以及乘入下降轿厢的人数(下降轿厢乘梯人数)及从下降轿厢下梯的人数(下降轿厢下梯人数)的合计(下降轿厢使用者数)，可根据从上升轿厢使用者数及下降轿厢使用者数求出的使用者数以及上升轿厢使用者数及下降轿厢使用者数的偏差分类。但是，仅仅检测上升轿厢使用者数及下降轿厢使用者数的情况下，每个楼层的信息缩减，因此，上升轿厢使用者数及下降轿厢使用者数取得平衡时，无法将交通需要分类，另外，无法将特定层集中时等的交通需要分类。

本实施例中，由除了上升轿厢使用者数及下降轿厢使用者数还具有每个楼层的乘梯概率及下梯概率作为要素的特征矢量来表现交通需要。本实施例中，对应于上述的8个交通需要的各个，准备多个状态迁移矩阵及以使用者数为特征的特征矢量，进行通过模板匹配的交通需要的识别。

(A)说明以经由基准层的使用者为特征的交通需要(上班时、下班时、平常时)。前述的交通需要的特征矢量为(4N+1)维矢量，但是上班时、下班时、平常时等，不经由基准层的使用者少。因而，进一步削减用于判定上班时、下班时、平常时的交通需要的特征矢量的维数，通过基准层乘梯概率、基准层下梯概率及使用者数的3维矢量表现。

图5中，3个坐标轴分别表示基准层乘梯概率、基准层下梯概率及使用者数。图5中，包含基准层乘梯概率的轴及基准层下梯概率的轴的平面通过与各轴平行的线段被分割为多个区域。这与将基准层乘梯概率及基准层下梯概率通过多个阈值分割一致。图5中，在基准层乘梯概率及基准层下梯概率设定的阈值都示例为0.25和0.5，但是阈值的值及数不限于该例。

另外，图5中，每1小时的使用者数以300人为等级分割。使用者数相关的等级幅度也可任意设定。据此，通过以包含基准层乘梯概率的轴及基准层下梯概率的轴的平面的分割区域作为底面，以使用者数的轴的一定的等级幅度为高度的多角柱，使得3维空间被分割为多个区域。各区域表示一个交通需要。

这样，通过采用从基准层乘梯概率、基准层下梯概率及使用者数作成的特征矢量，使得在上班时、下班时、平常时在基准层以外的楼层几乎没有使用者的情况下，可网罗全部的交通需要。

接着，(B)说明以经由基准层的使用者及经由基准层以外的特定的楼层的使用者为特征的交通需要。(B)的交通需要分为(B-1)午餐时前段、午餐时中段、午餐时后段的交通需要和(B-2)特定层集中时的交通需要来说明。

首先，说明(B-1)午餐时前段、午餐时中段及午餐时后段的交通需要。在午餐时前段、午餐时中段、午餐时后段，除了基准层以外，使用者还集中在食堂层。该场合，即使采用与上述的方法同样的方法，由于与食堂层相关的信息不足，因此可能无法准确判定交通需要。

午餐时前段、午餐时中段、午餐时后段的交通需要由以基准层乘梯概率和食堂层乘梯概率的合计、基准层下梯概率和食堂层下梯概率的合计及使用者数为要素的特征矢量来表现。此时，如图6，生成与上班时、下班时及平常时的交通需要的判定中采用的3维空间类似的空间。

图6中，通过基准层乘梯概率和食堂层乘梯概率的合计、基准层下梯概率和食堂层下梯概率的合计、使用者总数的3轴来表现3维空间。与上述同样，通过准备多个阈值，可将包含基准层乘梯概率和食堂层乘梯概率的合计的轴、基准层下梯概率和食堂层下梯概率的合计的轴的平面分割为多个区域。然后，与图5同样，通过对使用者数的轴设置一定的等级幅度，可分割为多角柱的区域。

(B-2)说明特定层集中时的交通需要。

在使用者集中于基准层和食堂层以外的特定楼层的情况下，在可表现上班时、下班时、平常时、午餐时前段、午餐时中段、午餐时后段的交通需要的空间上无法表现。特定层集中时的交通需要的判定中，需要用于判断使用者集中于特定层的基准。本实施例中，特定楼层的乘梯概率或下梯概率算出为0.25以上的情况下，判定为特定层集中时的交通需要。将阈值设定为例如0.25，在基准层及食堂层以外的楼层的乘梯概率或下梯概率中，判断是否存在阈值以上的楼层。特定层集中时的交通需要虽然因楼宇而恒定发生，但是大部分的楼宇用途无法预见，因此，也可以设为不按上班时、下班时、平常时、午餐时前段、午餐时中段、午餐时后段那样来区别。

(C)说明以使用者数为特征的交通需要(闲散时的交通需要)。闲散时是使用者少的时间。是否为闲散时的交通需要不进行根据各楼层的乘梯概率或下梯概率的判定，而根据使用者数判定。

特征量提取部123从轿厢信息检测部144检测的轿厢信息，提取与使用者的乘梯及下梯相关的特征量，交通需要判定部124基于从特征量提取部123获得的特征量，分类为上述(A)、(B)及(C)，判定建筑物内发生的交通需要。

特征量提取部123使用从轿厢信息检测部144按一定的采样间隔获得的按方向且每个楼层的乘梯负载及下梯负载的信息，推定按方向且每个楼层的乘梯人数及下梯人数。推定乘梯人数及推定下梯人数分别通过将乘梯负载及下梯负载除以每人的平均体重，例如，65kg而求出。接着，特征量提取部123将推定乘梯人数及推定下梯人数相加，求出推定使用者人数。乘梯人数及下梯人数理想为相同，但是根据电梯的运行的特性，计测乘梯人数的定时和计测下梯人数的定时不同，因此几乎不会相同。但是，交通需要恒定的情况下，即，相同交通需要在一定期间持续的情况下，乘梯人数及下梯人数计测为近似相同人数，因此，可认为乘梯人数及下梯人数实质相同。本实施例中，将乘梯人数和下梯人数的平均值设为该采样时刻的使用者数。

参照图7(a)～(d)，具体地说明算出特征矢量的顺序。图7(a)～(d)中，表示了从在6时50分开始的1分钟期间获得的轿厢内负载的数据算出特征矢量的示例。该例中，假定了具有4个楼层的楼宇。

特征量提取部123以每个规定的采样间隔例如每分钟，按方向且按每个楼层接收乘梯负载及下梯负载的数据。图7(a)中，上升轿厢内的负载在1层增加1040kg，在2层增加65kg，在3层增加130kg，在4层增加0.004kg。另外，上升轿厢内的负载在1层减少0.008kg，在2层减少65.01kg，在3层减少65.01kg，在4层减少130kg。下降轿厢内的负载在4层增加65kg，在3层增加65kg，在2层增加65kg，在1层增加0.01kg。另外，下降轿厢内的负载在4层减少0.002kg，在3层减少65.01kg，在2层减少65.01kg，在1层减少975kg。

特征量提取部123将按方向且按每个楼层的乘梯负载及下梯负载除以一个成人的平均体重例如65kg，获得按方向且按每个楼层的推定乘梯人数及推定下梯人数。图7(b)中，在推定上升轿厢从1层乘入16人，从2层乘入1人，从3层乘入2人。另外，推定从上升轿厢在2层下来1人，在3层下来1人，在4层下来1人。另外，推定在下降轿厢从4层乘入1人，从3层乘入1人，从2层乘入1人。另外，推定从下降轿厢在3层下来1人，在2层下来1人，在1层下来15人。

从而，该采样间隔内的乘梯人数推定为将上升轿厢的推定乘梯人数和下降轿厢的推定乘梯人数相加的22人。另外，该采样间隔内的下梯人数推定为上升轿厢的推定下梯人数和下降轿厢的推定下梯人数相加的21人。

接着，特征量提取部123将按方向且每个楼层的推定乘梯人数及推定下梯人数分别除以推定乘梯人数及推定下梯人数，如图7(c)，获得按方向且每个楼层的乘梯概率及下梯概率。另外，特征量提取部123算出推定乘梯人数和推定下梯人数的平均值，将该平均值设定成推定使用者数。该例中，推定使用者数算出为21.5人。

而且，特征量提取部123将按方向且每个楼层的乘梯概率及下梯概率用预先设定了的阈值编码，即2值化。该阈值设为θ1。该例中，阈值θ1设定成0.25。该编码处理中，按方向且每个楼层的乘梯概率及下梯概率的各个在阈值θ1以下的情况下，分配“0”，超过阈值θ1的场合，分配“1”。在图7(d)存储了按方向且每个楼层的编码数据及推定使用者数。特征量提取部123根据图7(d)的数据，作成4×4+1＝17维的特征矢量。

另外，特征量提取部123为了详细区别与基准层(该例为1层)关联的交通需要，对与上升轿厢相关的基准层乘梯概率(由图7(c)中上行及在1层乘梯特定的栏)及与下降轿厢相关的基准层下梯概率(由图7(c)中下行及1层乘梯特定的栏)用比上述的阈值θ1大的一个以上的阈值进行编码。作为一例，预先准备2个阈值θ2、θ3，一方的阈值θ2预先设定为0.5，另一方的阈值θ3设定成0.75。图8(a)、(b)及(c)分别表示了用阈值θ1、θ2及θ3将与图7(c)所示上升轿厢相关的基准层乘梯概率及下降轿厢相关的基准层下梯概率编码的结果。

而且，特征量提取部123为了详细区别午餐时的交通需要，算出基准层乘梯概率和食堂层(例如3层)乘梯概率的合计及基准层下梯概率和食堂层下梯概率的合计，用预先设定的阈值对乘梯概率的合计及下梯概率的合计编码。该阈值设为θ4。作为一例，阈值θ4设定成0.5。该阈值θ4及上述阈值θ1、θ2、θ3可从外部通过未图示输入装置进行变更。

图9(a)～(d)表示了将基准层乘梯概率和食堂层乘梯概率的合计及基准层下梯概率和食堂层下梯概率的合计编码的一例。如图9(a)所示，特征量提取部123接收按方向且每个楼层的乘梯负载及下梯负载的数据。如图9(b)，特征量提取部123将按方向且每个楼层的乘梯负载及下梯负载除以一个成人的平均体重，获得按方向且每个楼层的推定乘梯人数及推定下梯人数。如图9(c)所示，特征量提取部123将按方向且每个楼层的推定乘梯人数及推定下梯人数分别除以推定乘梯人数及推定下梯人数，获得按方向且每个楼层的乘梯概率及下梯概率。

而且，特征量提取部123算出推定乘梯人数和推定下梯人数的平均值，将算出的平均值设定成推定使用者数。图9(c)中，基准层乘梯概率和食堂层(3层)乘梯概率的合计为0.934，基准层下梯概率和食堂层下梯概率的合计为0.911。图9(d)表示了用阈值θ4编码的结果。基准层乘梯概率和食堂层乘梯概率的合计及基准层下梯概率和食堂层下梯概率的合计分别超过阈值θ4，因此，图9(d)的编码结果都为“1”。

对于上述阈值的数，将为了详细区别与基准层关联的交通需要而导入的阈值的数设为P，将为了详细区别午餐时的交通需要而导入的阈值的数设为Q。上述例中，P为3，Q为1。此时，每次采样作成的特征矢量成为(4N+2P+2Q+2)维矢量。该特征矢量具有：用于区别各楼层的交通需要的4N个要素；用于区别经由基准层的交通需要的2P个要素；用于区别午餐时的交通需要的2Q个要素；表示时刻的要素及表示推定使用者数的要素。图10表示根据每1分钟采样的负载信息生成的特征矢量的一例。图10的各行表示一个特征矢量。各特征矢量由时刻、推定使用者数以及乘梯概率及下梯概率的编码数据表现。

本实施例中，用(4N+2P+2Q+2)维的特征矢量判定交通需要，但是，交通需要的判定不使用每次采样的特征矢量，而是使用采用多个特征矢量通过多数决定判定生成的综合特征矢量。

综合特征矢量使用过去的(例如最新的)K个特征矢量生成。综合特征矢量的推定使用者数设为K个特征矢量的推定使用者数的平均值。综合特征矢量的乘梯概率的编码数据的各个设为对K个特征矢量的每个要素比较“1”的数和“0”的数较多的一方。另外，综合特征矢量的下梯概率的编码数据的各个设为对K个特征矢量的每个要素比较“1”的数和“0”的数较多的一方。该多数决定判定中，通过将K设定成奇数，各要素唯一确定为“1”或“0”。图11表示从图10的特征矢量生成的综合特征矢量。图11中，每5分钟生成综合特征矢量。例如，时刻6时55分的综合特征矢量根据从图10中的6时50分到6时54分为止的5个特征矢量而生成。本实施例中，交通需要判定部124基于由特征量提取部123生成的综合特征矢量，判定交通需要。

另外，也可以不由特征量提取部123生成综合特征矢量，交通需要判定部124基于由特征量提取部123生成的特征矢量来判定交通需要。从而，以下，将综合特征矢量简称为特征矢量。

图12表示基于特征矢量判定交通需要的顺序的一例。步骤S1201中，交通需要判定部124比较特征矢量的推定使用者数与设定值G。推定使用者数比设定值G小的情况下，交通需要判定部124在步骤S1206中判定为闲散时的交通需要。其后，步骤S1205中，选择与闲散时的交通需要相应的控制方式。

在步骤S1201推定使用者数为设定值G以上的情况下，进入步骤S1202。步骤S1202中，参照按方向且每个楼层的乘梯概率及下梯概率的位模式，判定基准层以外的任一要素是否存储了“1”。基准层以外的任一要素都不是“1”的情况下，进入步骤S1207，交通需要判定部124判定是否为上班时、下班时及平常时中的任一交通需要。

在步骤S1202，基准层以外存在“1”的要素的情况下，进入步骤S1203。步骤S1203中，判定与食堂层(例如3层)关联的任一要素是否存储了“1”。步骤S1203中，与食堂层关联的任一要素存储“1”的情况下，步骤S1204中，交通需要判定部124判定是否为午餐时前段、午餐时中段及午餐时后段中的任一交通需要。与食堂层关联的任一要素都未存储“1”的情况下，步骤S1208中，交通需要判定部124判定为特定层集中时的交通需要。步骤S1205中，选择在特定层发生的厅呼叫优先的控制方式。

交通需要判定部124在由步骤S1204、S1206、S1207、S1208确定交通需要后，参照控制方式存储部126存储的交通需要模板，确定控制方式。通过交通需要判定部124确定的控制方式被通知给参数确定部129。

参照图13，说明在步骤S1207中，判定是否为上班时、下班时及平常时中的任一交通需要，确定与该交通需要相应的控制方式的方法。

图13表示控制方式存储部126存储的交通需要模板(数据集)的一例。控制方式存储部126如图13所示，存储用使用者数的上限和下限来区分，由位模式表现的交通需要模板。交通需要模板中，每个参照交通需要与一个以上的控制方式候选(例如，控制方式C1、控制方式C2等)相关。另外，对各参照交通需要分配了识别ID。图13记述了用于判定上班时、下班时及平常时的交通需要的位模式，但是午餐时也可以同样表现。交通需要判定部124判定现在的交通需要后，用判定了的交通需要参照控制方式存储部126的模板，将与现在的交通需要相应的控制方式通知参数确定部129。

图13中，表示对一个参照交通需要设定多个控制方式候选的例，但是不限于此，也可以对一个参照交通需要设定一个控制方式候选。设定多个控制方式候选的情况下，必须通过用这些控制方式候选实际运行并评价结果，来确定对参照交通需要最佳的控制方式。控制方式候选的评价由控制方式评价部127进行。

控制方式评价部127通过由符号判定来评价按每个交通需要在控制方式存储部126设定的控制方式候选的各个实际运行的结果，确定对交通需要模板内的各参照交通需要最佳的控制方式。

参照图14，说明对某交通需要最佳的控制方式的确定方法。

步骤S1401中，控制方式评价部127设定用于进行符号判定的评价基准。控制方式评价部127使用对各交通需要以相同控制方式运行而获得的结果，生成评价基准。评价基准生成时，轿厢分配运算处理部110按照基准控制方式(假想无使用者的分配)进行轿厢分配运算处理。按每个交通需要获得J次的运行数据后，将该运行数据的平均值设定为基准值。控制方式的确定中使用的运行数据是例如各个楼层的平均未应答时间和/或楼宇全体的平均未应答时间等。此时，控制方式评价部127存储样本数及累积值。

步骤S1402中，按照对控制方式判定对象的交通需要设定的控制方式候选的各个运行电梯，这些运行数据由电梯性能事例总计部122总计，在性能事例存储部125存储。这里，对每个控制方式候选收集J次的判定数据。判定数据是表示通过判定步骤S1402获得的运行数据比通过步骤S1401设定的基准值更好(Y)或是更差(N)的结果。然后，对于对交通需要设定的某控制方式候选，蓄积了J次的判定数据后，控制方式评价部127变更到其他控制方式，收集判定数据。这是为了统一样本数进行评价。

控制方式评价部127在对参照交通需要设定的各个控制方式候选取得J个判定数据后，在步骤S1403中，对每个控制方式候选计算Y及N的数。然后，比较Y的数，通过Y的数判定相对于基准控制方式的优劣。若观测到与Y的数多的拒绝域相当的个数，则控制方式评价部127将该控制方式候选作为有效的控制方式候选在选择支保留。作为一例，在J为20的情况下，在5％的有效水平中，Y的数多的拒绝域指Y为15个以上的范围。若观测到与N的个数多的拒绝域相当的个数，则控制方式评价部127将该控制方式候选从选择支删除。作为一例，在J为20的情况下，在5％的有效水平中，N的个数多的拒绝域指Y在5个以下的范围。控制方式评价部127将不与拒绝域相当的控制方式候选保留在选择支。

步骤S1404中，在通过步骤S1403判定控制方式候选的优劣的结果为有效的控制方式确定为一个时，将该有效的控制方式视为最佳控制方式，设定成与该交通需要适用的控制方式。

在步骤S1404，没有一个有效的控制方式候选的情况下，在步骤S1405中，控制方式评价部127除去比基准控制方式差的控制方式候选，按Y的数多的顺序将控制方式候选排序。

步骤S1406中，控制方式评价部127与在控制方式存储部126存储的上次评价控制方式的结果进行比较。步骤S1405中排序了的顺序与前次的结果相同时，在步骤S1407中，控制方式评价部127比较最差值和最佳值的差，将该差最小的控制方式候选暂时地设定为最佳控制方式。这里，最差值表示由各控制方式候选运行时运行数据的值最差的值，最佳值表示由各控制方式候选运行时运行数据的值最佳的值。

在步骤S1406，本次结果和上次结果不同时，步骤S1408中，控制方式评价部127将本次结果最佳的控制方式候选选择为基准控制方式。步骤S1409中，控制方式评价部127为了进行之后的比较，将本次的评价结果在控制方式存储部126登记。然后，再次返回步骤S1401，重复一系列的手续。

控制方式评价部127重复一系列的手续后，最终唯一确定控制方式。通过同样的手续对各参照交通需要唯一确定控制方式后，仅仅通过交通需要判定部124进行的交通需要的判定，可以适当地控制电梯。

但是，本实施例的交通需要模板缩减了OD信息，因此，即使检知与同一模板相当的交通需要，在长的时间范围，同一模板内OD水平发生了微小变化的情况下，由控制方式评价部127选择的控制方式不总是可以持续呈现优良的性能。

因而，由控制方式评价部127常时评价对交通需要唯一确定的控制方式的性能。性能恶化的评价由再学习判定部128进行。在检知性能恶化的情况下，控制方式评价部127按照图14，再度确定对该交通需要最佳的控制方式。

图15概略地表示再学习判定部128的动作的一例。步骤S1501中，轿厢分配运算处理部110按照对通过交通需要判定部124检测的交通需要设定的最佳控制方式而动作。获得J次的运行数据后，再学习判定部128将运行数据的平均值设定成基准值。此时，再学习判定部128存储样本数和累积值。

步骤S1502中，再学习判定部128，通过步骤S1501的控制方式进一步连续运行，收集J回的判定数据。判定数据是比基准值好(Y)或坏(N)的判定结果。

步骤S1503中，基于步骤S1502获得的判定数据，进行符号判定。在符号判定的结果为判定该控制方式显著劣化的情况下，进入步骤S1504，再学习判定部128通知控制方式评价部127进行再学习。

被通知再学习后，控制方式评价部127返回在控制方式存储部126存储的该交通需要的再学习返回点，对该交通需要再度确定有效的控制方式。为了再学习，控制方式评价部127将过去评价的结果在控制方式存储部126存储。例如，控制方式评价部127将步骤S1403中对某交通需要的控制方式候选的选择支缩小到一定数以下的时刻设定成再学习返回点，将此时刻中的选择支的组在控制方式存储部126存储。再学习中，使用再学习返回点中的选择支的组，确定一个有效的控制方式。

图16概略地表示学习管理部120对交通需要的各个设定最佳控制方式的顺序。步骤S1601中，控制方式评价部127如图14所示，对交通需要的各个，从控制方式候选探索一个有效的控制方式。步骤S1602中，控制方式评价部127反复进行步骤S1601，直到对交通需要的各个确定一个有效的控制方式为止。对交通需要的各个确定一个有效的控制方式后，步骤S1603中，再学习判定部128如图15所示，评价对每个交通需要设定的控制方式的性能。若再学习判定部128在步骤S1604中判断对某交通需要设定的控制方式的性能恶化，则在步骤S1605中，通知控制方式评价部127进行再学习。

这样，学习管理部120对每个交通需要预先设定有效的控制方式，可将适合于检测出的交通需要的控制方式提供给轿厢分配运算处理部110。

如上所述，本实施例的电梯群管理装置，检测建筑物内的交通需要，根据检测的交通需要确定控制方式，按照该控制方式确定应答厅呼叫的电梯轿厢，从而，可实现追随时时刻刻在变化的交通需要的电梯运行。而且，对交通需要的各个准备多个控制方式候选，基于电梯的运用实际结果，从控制方式候选确定对各交通需要最佳的控制方式，从而可实现与建筑物固有的状况相应的电梯轿厢的分配控制。

虽然说明了本发明的几个实施例，但是这些实施例只是作为例子提示，而不是意图限定发明的范围。这些的新实施例可以各种各样的形态实施，在不脱离发明的要旨的范围，可以进行各种省略、置换、变更。这些实施例及其变形也是发明的范围和要旨所包含的，同时也是权利要求的范围所述的发明及其均等的范围所包含的。

Claims (4)

1.一种电梯群管理装置，其特征在于，具备：

在升降井内升降的多个电梯轿厢；

检测部，其在上述电梯轿厢的各个设置，按上下方向且按每个楼层检测乘梯负载及下梯负载，输出负载信息；

提取部，其从上述负载信息提取与乘梯及下梯相关的特征量；

交通需要判定部，其基于上述特征量判定交通需要；

控制方式存储部，其与每个参照交通需要关联地存储一个以上的控制方式候选；

控制方式评价部，其基于由上述控制方式候选获得的电梯运行实际结果，评价上述控制方式候选，对每个上述参照交通需要，从上述控制方式候选中确定最佳控制方式；

控制方式取得部，其取得对与上述交通需要一致的参照交通需要确定的控制方式；以及

轿厢分配控制运算部，其按照上述取得的控制方式分配上述电梯轿厢。

2.如权利请求1所述的电梯群管理装置，其特征在于，

上述交通需要判定部根据上述负载信息算出按上下方向且按每个楼层的乘梯概率及下梯概率，使用预先准备的阈值，生成以将上述按上下方向且按每个楼层的乘梯概率及下梯概率编码的值为要素的特征矢量，作为上述特征量输出。

3.如权利请求2所述的电梯群管理装置，其特征在于，

上述阈值可从外部变更。

4.如权利请求1所述的电梯群管理装置，其特征在于，

还具备性能事例存储部，该性能事例存储部存储上述交通需要判定部检测到交通需要的变化的时刻及对变化后的交通需要所采用的控制方式。

Images