CN102745558A - 电梯群管理系统及其控制方法 - Google Patents

Abstract

本发明提供一种电梯群管理系统及其控制方法。使用过去发生的交通流数据的时间序列特征的变化对过去的时间序列数据的经时性的特征的变化图形和到当前时间点为止的交通流数据的经时性的特征的变化图形进行比较，由此根据与到当前时间点为止的交通流数据的特征的变化图形最为相近的过去的数据的图形来预测当前时间点以后的交通流。由此，在发生了因电车晚点等而使得交通流的变化时间与平时的变化时间不一样的情况下，以及在当前时间点以后的交通流发生了意想不到的变化的情况下，也能够适当地预测交通流。

Description

电梯群管理系统及其控制方法

技术领域

本发明涉及一种电梯群管理系统及其控制方法，尤其是涉及一种对大楼内的交通流(traffic flow)进行预测，并且根据所预测到的交通流进行控制的电梯群管理系统及其控制方法。

背景技术

电梯群管理系统是一种将多台电梯轿厢作为一个群体进行管理，以便能够更为高效地为乘客提供运行服务的管理系统。

具体来说是，电梯群管理系统实施分配控制，将多台电梯轿厢(通常为4台至8台)作为一个组进行管理，当某个楼层发生了门厅呼叫时，从该组电梯轿厢中选择最适当的1台电梯轿厢，并将该电梯轿厢分配给该门厅呼叫。

在这种群管理系统中，已知有根据当前收集到的交通流和到前一天为止收集到的过去的交通流的历史记录来预测将要产生的交通流，并根据与预测到的交通流相适应的控制参数来进行分配控制的群管理系统。

作为本技术领域的背景技术，在专利文献1中公开了一种技术，其根据以时间序列记录有到当天为止的上电梯人数和下电梯人数等交通流数据的数据库，来预测第二天的相同时间的交通流数据。

此外，在专利文献2中公开了一种技术，其提取当前收集到的交通流的特征，并根据提取到的特征与到前一天为止所发生的典型的交通流中的哪一种交通流最为相似来选择交通需求(traffic demand)，并根据当前收集到的交通流的特性以及所选择的交通需求所具有的交通流的特性来预测此后发生的交通流。

专利文献1：日本专利特开平4-256670号公报

专利文献2：日本专利特开昭59-22870号公报

可是，在专利文献1中，由于仅仅使用数据库中的相同时间的数据来预测交通流，所以在发生了因电车晚点等而使得大楼内的交通流的变化时间与平时的变化时间不一样的情况时，难以适当地预测交通流。

此外，在专利文献2中，根据当前收集到的交通流的特征来选择过去的与其相似的交通需求，所以在交通流发生了变化的情况下，在该变化在所收集到的交通流上反映出来以前，难以适当地预测交通流。

发明内容

本发明的目的在于提供一种电梯群管理系统，该电梯群管理系统在发生了因电车晚点等而使得交通流的变化时间与平时的变化时间不一样的情况下，也能够适当地预测交通流，并且能够在控制中反映出来。

作为本发明的一个方面涉及一种电梯群管理系统，其具有：在大楼的多个楼层提供服务的多台电梯以及预测大楼内的交通流的交通流预测装置，并且根据预测到的交通流进行控制，所述电梯群管理系统的特征在于，所述交通流预测装置将大楼内的交通流数据作为每个单位时间的交通流数据进行收集，识别所述每个单位时间的交通流数据属于预先准备的多个特征ID中的哪一个特征ID，按照时间序列来记录在所述每个单位时间识别到的交通流数据的特征ID，通过对过去的所述特征ID的经时性变化的图形和到当前时间点为止的交通流数据中的特征ID的经时性变化的图形进行比较，以搜索与所述到当前时间点为止的交通流数据中的特征ID的变化图形相近的所述过去的数据中的变化图形，并且根据紧接在搜索到的所述过去的数据的类似图形后面发生的过去的交通流数据来预测当前时间点以后的交通流。

在本发明的优选的实施方式中，对现实中出现的多个特征中的每一个特征分别赋予特征ID名，以识别所述多个特征中的各个特征分别属于这些特征ID中的哪一个特征ID，并且在进行识别时，搜索与所述到当前时间点为止的交通流数据中的特征ID的变化图形最相近的所述过去的数据中的变化图形。

(发明效果)

根据本发明的优选的实施方式，能够提供一种电梯群管理系统，该电梯群管理系统在发生了因电车晚点等而使得交通流的变化时间与平时的变化时间不一样的情况下，也能够适当地预测交通流，并且能够在控制中反映出来。

附图说明

图1是本发明的一实施例所涉及的电梯群管理系统中的交通流预测部分的结构图。

图2表示在本发明的一实施例的时间序列特征数据库中处理的数据的示例。

图3是本发明的一实施例的时间序列特征图形匹配部分中的一部分处理的说明图。

图4是本发明的一实施例的各个日期类型的数据库的生成方法的说明图。

图5是本发明的一实施例的平日交通流识别部分的识别方法的说明图。

图6是本发明的一实施例的日期类型ID的更新方法的说明图。

符号说明：101…交通流收集部分，102…交通流识别部分，103…时钟，104…时间序列特征数据库，105…时间序列特征图形匹配部分，106…各特征的交通流参照部分，107…预测交通流生成部分，108…交通流数据分类部分，1081…平日交通流识别部分，1082…休息日交通流识别部分，1083…特殊交通流识别部分，1084…特殊交通流匹配次数计数部分，1085…日期类型ID更新部分。

具体实施方式

以下参照附图对本发明的一实施方式进行说明。

图1是本发明的一实施例所涉及的电梯群管理系统中的交通流预测部分的结构图。

交通流收集部分101从电梯收集各个楼层的上电梯人数和下电梯人数等交通流信息。如果是在电梯门厅进行目的地楼层登录的目的地楼层预约式群管理系统，则可从目的地楼层登录装置收集各个楼层的电梯使用人数等交通流信息，并以此来取代上电梯人数和下电梯人数等。

交通流识别部分102例如采用专利文献2所示的方法等来识别由交通流收集部分101收集到的交通流信息的特征与到前一天为止所发生的多种典型的交通流中的哪一种交通流的特征最为相似。

在此，交通流的特征优选是各个方向和各个楼层的交通量或者从各个楼层的交通量中选出的交通量特别多的方向和楼层的交通量或者楼层之间的交通量。并且，对现实中出现的多个特征中的每一个特征分别赋予特征ID名。

时钟103输出当前的时间。

时间序列特征数据库104根据由交通流识别部分102识别出的与当前时间点的交通流的特征最为相似的典型的交通流的特征ID名以及由时钟103输出的当前时间，按照时间序列记录识别到的特征ID名。其中，在赋予典型的交通流的特征ID名时，以对各个典型的交通流加以区别的方式赋予特征ID名，例如分别赋予A、B、C，…等。

时间序列特征图形匹配部分105根据由交通流识别部分102识别出的特征ID名、由时钟103输出的当前时间、以及记录在时间序列特征数据库104中的记录有到前一天为止的时间序列的特征ID名的数据库，通过后述的图形匹配，输出被预测为此后会产生的交通流的日期类型(daytype)(平日(weekday)、休息日(holiday)以及特殊日(a day of singularity)等)以及特征ID名。

各特征的交通流参照部分106参照由时间序列特征图形匹配部分105输出的被预测为此后会产生的交通流的特征ID名，输出与特征ID名相应的交通流。

预测交通流生成部分107根据由交通流收集部分101收集到的交通流信息以及由各特征的交通流参照部分106输出的交通流来生成预测交通流。例如，将上述2个交通流的平均值作为预测交通流。

交通流数据分类部分108根据记录在时间序列特征数据库中的时间序列的特征ID名，对平日、休息日以及特殊日等日期类型信息进行分类，具有平日交通流识别部分1081、休息日交通流识别部分1082、特殊交通流识别部分1083、特殊交通流匹配次数计数部分1084以及日期类型ID更新部分1085。此外，交通流数据分类部分优选在一天中的电梯乘客少的夜间等进行处理。

平日交通流识别部分1081判断当天收集到的时间序列的交通流数据与过去的被识别为是平日的时间序列的交通流数据是否相近，在判断为相近时，将当天收集到的交通流数据识别为平日的交通流。

休息日交通流识别部分1082也同样，判断当天收集到的时间序列的交通流数据与过去的被识别为是休息日或者特殊日的时间序列的交通流数据是否相近，在判断为相近时，将当天收集到的交通流数据识别为相关的日期类型的交通流。

特殊交通流识别部分1083在识别的结果表示既不是平日的交通流也不是休息日的交通流时，将其识别为特殊交通流。

特殊交通流匹配次数计数部分1084对当天的由时间序列特征图形匹配部分105输出的日期类型为特殊日的次数进行计数，并且输出计数结果。

日期类型ID更新部分1085根据由特殊交通流匹配次数计数部分1084输出的被识别为特殊日的次数，通过后述的方法对日期类型ID进行更新。

图2表示在时间序列特征数据库中处理的数据的示例。如图2所示，相对于每天的交通流数据，记录平日和休息日等的日期类型ID以及各个时间的交通流的特征ID名。图2中示出了以一分钟为单位记录的交通流数据，其中上下方向表示一个月的交通流数据，左右方向表示24个小时的交通流数据。但是，本发明并不仅限于1个月或者每一分钟的交通流的特征ID名。

图3是时间序列特征图形匹配部分中的一部分处理的说明图。如图3所示，从过去的交通流的经时性的特征ID的变化图形中搜索与当前时间点的交通流的经时性的组合图形最为相近的图形，并根据搜索结果来预测当前时间点之后的交通流的特征ID的变化。

如图3所示，将当天的当前时间(8:43)设定为B，将1分钟前以及2分钟前设定为A。此时，从当前时间点的附近开始，在过去的组合图形内搜索“AAB”这一特征ID的变化图形。在图3中，平日的8:41～8:43这三分钟的变化图形为“AAB”，与当前的图形为相同的图形。在过去的数据库中，紧接在“AAB”图形后面的图形是“CCCC”，所以预测为此后将发生具有“CCCC”这一特征ID的变化图形的交通流。

图4是图3中的各个日期类型的数据库的生成方法的说明图。如图4所示，参照图2所示的数据库，根据一天前的相同时间的交通流的发生历史记录生成各个日期类型的数据库。例如，在8:43，特征ID(A)识别到7次，特征ID(B)识别到12次。此时，判断为是识别到的次数较多的特征ID(B)。在此选择了识别到的次数较多的特征ID，但也可以按照重视最近的趋势的方式赋予权重来进行评价。

图5是平日交通流识别部分的识别方法的说明图。如图5所示，在各个时间将当天的数据与过去的平日的数据进行比较，在相一致的数据的个数大于规定值时，将该交通流识别为平日的交通流。休息日交通流识别部分的识别方法与平日交通流识别部分的识别方法相同。

图6是日期类型ID更新部分1085中的各个日期类型ID的更新方法的说明图。如图6所示，在平日的交通流数据的出现频度小于规定值，并且被视为特殊交通流数据的交通流数据识别到的次数超过了规定值时，将特殊交通流的时间序列特征ID的变化数据置换为平日的交通流的时间序列特征ID的变化数据。

通过上述方法，在发生了因电车晚点等而使得交通流的变化时间与平时的变化时间不一样的情况下，也可能够据过去的交通流的时间序列特征ID的变化数据来预测当前时间点以后的时间点的交通流特征ID的变化。

此外，即使在某一天大楼内的交通流因入住的租户搬家等而出现了突发性的变化时，由于具有特殊交通流的数据库，所以能够从第二天起进行适当的预测。

Claims (9)

1.一种电梯群管理系统，其具有在大楼的多个楼层提供服务的多台电梯以及预测大楼内的交通流的交通流预测装置，并且根据预测到的交通流进行控制，所述电梯群管理系统的特征在于，

所述交通流预测装置具有：

交通流数据收集部分，所述交通流数据收集部分将大楼内的交通流数据作为每个单位时间的交通流数据进行收集；

特征ID识别部分，所述特征ID识别部分识别所述每个单位时间的交通流数据属于预先准备的多个特征ID中的哪一个特征ID；

记录部分，所述记录部分按照时间序列来记录在每个单位时间识别到的所述交通流数据的特征ID；

类似图形搜索部分，所述类似图形搜索部分通过对过去的所述特征ID的经时性变化的图形和到当前时间点为止的交通流数据中的特征ID的经时性变化的图形进行比较，以搜索与所述到当前时间点为止的交通流数据中的特征ID的变化图形相近的所述过去的数据中的变化图形；以及

交通流预测部分，所述交通流预测部分根据紧接在搜索到的所述过去的数据的类似图形后面发生的过去的交通流数据来预测当前时间点以后的交通流。

2.如权利要求1所述的电梯群管理系统，其特征在于，

所述特征ID识别部分对现实中出现的多个特征中的每一个特征分别赋予特征ID名，以识别所述多个特征中的各个特征分别属于这些特征ID中的哪一个特征ID。

3.如权利要求1或者2所述的电梯群管理系统，其特征在于，

所述类似图形搜索部分搜索与所述到当前时间点为止的交通流数据中的特征ID的变化图形最相近的所述过去的数据中的变化图形。

4.如权利要求1至3中任一项所述的电梯群管理系统，其特征在于，

所述过去是指一天前。

5.如权利要求1至4中任一项所述的电梯群管理系统，其特征在于，

所述比较通过对交通流数据的特征ID的经时性变化的图形进行图形匹配来进行。

6.如权利要求1至5中任一项所述的电梯群管理系统，其特征在于，

所述进行比较的过去的变化图形被分类为包括平日、休息日和特殊日在内的至少三种以上的日期类型。

7.如权利要求6所述的电梯群管理系统，其特征在于，

具有日期类型变更部分，所述日期类型变更部分根据规定的条件将所述特殊日的日期类型变更为平日或者休息日的日期类型。

8.如权利要求7所述的电梯群管理系统，其特征在于，

一天中的图形与特殊日的交通流数据相匹配的次数在规定次数以上的天数在规定值以上时，所述日期类型变更部分将所述特殊日的日期类型变更为平日或者休息日的日期类型。

9.一种电梯群管理系统的控制方法，其是具有在大楼的多个楼层提供服务的多台电梯的电梯群管理系统的控制方法，包括预测大楼内的交通流的交通流预测步骤以及根据预测到的交通流来控制电梯群管理系统的步骤，所述电梯群管理系统的控制方法的特征在于，还包括：

交通流数据收集步骤，在所述交通流数据收集步骤中将大楼内的交通流数据作为每个单位时间的交通流数据进行收集；

特征ID识别步骤，在所述特征ID识别步骤中识别所述每个单位时间的交通流数据属于多个特征ID中的哪一个特征ID；

记录步骤，在所述记录步骤中按照时间序列将在每个单位时间识别到的所述交通流数据的特征ID名作为特征ID的变化进行记录；

类似图形搜索步骤，在所述类似图形搜索步骤中通过对过去的所述特征ID的经时性变化的图形和到当前时间点为止的交通流数据中的特征ID的经时性变化的图形进行比较，以提取与所述到当前时间点为止的交通流数据中的特征ID的变化图形相近的所述过去的数据中的变化图形；以及

交通流预测步骤，在所述交通流预测步骤中根据紧接在搜索到的所述过去的数据的类似图形后面发生的过去的交通流数据来预测当前时间点以后的交通流。

Images