JP2017030894A - 群管理エレベータ装置 - Google Patents

Abstract

【課題】信頼性の高い交通需要予測情報に基づいて群管理制御される群管理エレベータ装置を提供する。【解決手段】複数のエレベータ号機と、将来の交通需要を示す交通需要予測情報に基づいて、エレベータ利用者に対して、複数のエレベータ号機から、乗車階に配車する号機を割り当てる群管理制御装置と、を備え、交通需要予測情報は、エレベータ利用者の行動パターンに基づいて作成される。交通需要予測情報がエレベータ利用者の行動パターンに基づいて作成されるので、交通需要予測情報の信頼性を向上し、利用者の待ち時間を短縮することができる。【選択図】図１

Description

本発明は、複数台の号機を群管理制御する群管理エレベータ装置に関する。

群管理エレベータ装置においては、ホール呼びに対して、複数台の号機から最適な号機が群管理制御装置によって割り当てられ、割り当てられたエレベータ号機の乗りかごが、ホール呼びが作成された階床に配車される。群管理制御装置は、時々刻々と変化するビル利用状況のもとで最適な号機を割り当てるため、交通需要を予測する機能を備える。エレベータの交通需要を予測する技術として、特許文献１および特許文献２に記載の従来技術が知られている。

特許文献１に記載の技術においては、予め定められた周期毎に、エレベータの上昇下降別に各階床の乗降人数を算出し、算出された乗降人数より各階床の滞在人数を算出する。さらに、階床毎に、待ち客発生人数を予測する時点から所定の期間遡る間の乗降人数と、待ち客発生人数を予測する時点における滞在人数とから、上昇下降別に乗り場における待ち客発生数を予測する。

特許文献２に記載の技術においては、個人認証によって取得される個人ＩＤ（identification）や個人ＩＤに対応づけられた個人属性に基づいて個人の乗降に係わる個人乗降データを生成し、生成した個人乗降データにより個人の各階床での滞在時間を検出する。さらに、個人乗降データと滞在時間とから、個人がエレベータを利用する利用確率を求め、すべてのエレベータ利用者の利用確率から、エレベータの上昇下降別に各階床における待ち客発生数を予測する。

特開２００５−３３５８９３号公報 特開２０１０−６６１３号公報

しかしながら、上記従来技術では、ビル内の各要所に設置したセンサなどにより、各個人の滞在時間を記録し、乗り場待ち客数を予測しているが、滞在時間のみでは、普段と違う行動を取った場合に、誤ったデータとして活用されてしまう。また、時刻で利用状況を記録した場合、雨の日や電車が遅延した場合などの突発的な変化に対応できない。

そこで、本発明は、信頼性の高い交通需要予測情報に基づいて群管理制御される群管理エレベータ装置を提供する。

上記課題を解決するために、本発明による群管理エレベータ装置は、複数のエレベータ号機と、将来の交通需要を示す交通需要予測情報に基づいて、エレベータ利用者に対して、複数のエレベータ号機から、乗車階に配車する号機を割り当てる群管理制御装置と、を備えるものであって、交通需要予測情報は、エレベータ利用者の行動パターンに基づいて作成される。

本発明によれば、交通需要予測情報がエレベータ利用者の行動パターンに基づいて作成されるので、交通需要予測情報の信頼性を向上することができる。

上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。

本発明の一実施例である群管理エレベータ装置の要部を示すブロック構成図である。 ビル館内検出装置の設置例を示す乗り場近傍の平面図である。 行動パターン学習部に格納される利用者の行動パターンテーブルを示す説明図である。 交通需要予測部に取り込む行動パターン学習情報に含まれる乗り場待ち客数推移を示す棒グラフである。 行き先階別乗り場待ち客数情報を示す説明図である。 群管理エレベータ装置における基本処理を示すフローチャートである。 図１に示した交通需要予測部における将来の交通需要予測処理を示すフローチャートである。

以下、本発明の実施例を、図面を用いて説明する。各図において、参照番号が同一のものは同一の構成要件あるいは類似の機能を備えた構成要件を示している。

図１は、本発明の一実施例である群管理エレベータ装置の要部を示すブロック構成図である。本実施例の群管理エレベータ装置は、オフィスビルなどの建物内に設置される。

群管理エレベータ装置は、複数台のエレベータの号機１Ａ〜１Ｎと、各号機１Ａ〜１Ｎをそれぞれ制御する号機制御装置２Ａ〜２Ｎと、エレベータ利用者（以下、単に「利用者」と記す）が所持するＩＤタグなどの個人識別情報媒体から利用者の位置を検出する複数のビル館内検出装置３Ａ〜３Ｎと、利用者に対して乗車号機情報を報知する報知装置４と、ビル館内検出装置３Ａ〜３Ｎを用いて収集した利用者毎の行動パターンを用いて近い将来の交通需要予測に使用する情報を作成する利用状況予測装置５と、利用状況予測装置５および号機制御装置２Ａ〜２Ｎに関連する各種信号を取り込んで各号機１Ａ〜１Ｎを群管理制御する群管理制御装置６とを備えている。

利用状況予測装置５は、ビル館内検出装置３Ａ〜３Ｎからの検出信号を取り込んで利用者を特定する個人検出部７と、全利用者の行き先階などの利用情報を管理する利用者情報管理部８と、利用者情報管理部８からの利用情報ａと群管理制御装置６からの現在の運行情報ｂとを用いて利用者情報ｃ（図３の行動パターンテーブルにおける情報参照）を作成する利用者情報作成部９と、利用情報作成部９からの利用者情報ｃを用いて各利用者別に平均的な行動パターン学習情報ｄを作成および更新し、かつ行動パターン学習情報ｄを記憶する行動パターン学習部１０と、ビル館内検出装置３Ａ〜３Ｎからの利用者信号ｅを個人検出部７および利用者情報管理部８を経由して受信して、行動パターン学習部１０から利用者信号ｅに対応する利用者の過去の行動パターン学習情報ｄを抽出して出力する行動パターン判定部１１と、行動パターン判定部１１から取り込んだ行動パターン学習情報ｄに基づいて、将来の交通需要を予測するための交通需要予測情報ｇを作成する交通需要予測部１２とを有している。

また群管理制御装置６は、行動パターン判定部１１から受信した利用者信号ｆの中に含まれるエレベータの利用が確定した利用者の乗車確定情報を検出する利用者検出部１４と、交通需要予測部１２からの交通需要予測情報ｇから制御パラメータを作成する制御パラメータ選択部１５と、利用者検出部１４からの乗車確定情報と制御パラメータ選択部１５からの制御パラメータに基づいて最適な乗車号機を選択する乗車号機選択部１６と、各号機の運行情報を決定する運行情報決定部１７とを有している。このような構成により、群管理制御装置６は、将来の交通需要を示す交通需要予測情報ｇに基づいて、利用者に対して、号機１Ａ〜１Ｎから利用者の乗車階の乗り場に配車する号機を選択して割り当てる。

なお、利用状況予測装置５および群管理制御装置６は、図示しない演算処理装置、例えばマイクロコンピュータを備え、演算処理装置が、所定のプログラムを読み込んで実行することにより各部（７〜１６）として機能する。なお、演算処理装置は、複数個でも良いし、１個でも良い。

図２は、上述したビル館内検出装置３Ａ〜３Ｎの設置例を示す、ロビー階の乗り場近傍の平面図である。

利用者の乗車階であるロビー階には、エレベータ乗降口に至るビルの各出入口１８，１９，２０が設けられており、各出入口１８〜２０には、利用者がビルの各出入口に達したことを各利用者が所持している個人識別情報媒体から読み取って個人識別情報を検出するビル館内検出装置３Ａ〜３Ｃがそれぞれ分散配置されている。各出入口１８〜２０から入った利用者がその後に乗降口へ行く前に通過する乗り場には、同一構成のビル館内検出装置３Ｄが配置されている。乗り場のビル館内検出装置３Ｄの手前には、受付を行うために同一構成のビル館内検出装置３Ｅ，３Ｆが配置されている。また、ビル館内検出装置３Ｄの近傍には、割当てられた号機情報を利用者に通知する報知装置４が配置されている。

またビル館内検出装置３Ｅ，３Ｆの手前にはコンビニ２１、自動販売機コーナー２２、お手洗い２３や喫煙所２４などが設置されており、それぞれを利用した各利用者を検出するように同一構成のビル館内検出装置３Ｇ，３Ｈ，３Ｉ，３Ｊがそれぞれ配置されている。またエレベータ各号機１Ａ〜１Ｎの乗りかご内にも同一構成のビル館内検出装置３Ｋ，３Ｌ，３Ｍがそれぞれ配置され、さらに、エレベータの近傍に併設される階段２５にも同一構成のビル館内検出装置３Ｎが配置されている。

本実施例においては、個人識別情報媒体として、ＲＦＩＤ（Radio Frequency Identification）などの無線ＩＤタグが用いられる。ＩＤタグとビル館内検出装置とが無線で通信することにより、ＩＤタグに記録される個人情報が読み取られたり、ＩＤタグを所有する利用者の位置が検出されたりする。

なお、ビル到着検出装置３Ａ〜３Ｎは、利用者のカメラ画像に基づいて、顔認証など、生体的特徴量を検知する認証手段により、利用者が無線ＩＤタグなどの個人識別媒体を携帯することなく、また意識してビル到着検出装置３Ａ〜３Ｎに近づくことなく、利用者を検出しても良い。

次に、図１に示した群管理エレベータ装置における要部で実行される処理内容について説明する。

ビル館内検出装置３Ａ〜３Ｎは、ビル入館者である利用者の検出を行っており、各ビル館内検出装置３Ａ〜３Ｎが利用者を検出した場合、個人検出部７によって利用者が特定されて利用者情報管理部８に取り込まれる。利用情報作成部９は、利用者情報管理部８からの利用情報ａと、群管理制御装置６の運行情報決定部１７を介して得た運行情報ｂとから利用者情報ｃを作成している。行動パターン学習部１０は、利用者情報作成部９から日々取り込んだ利用者情報ｃを用いて利用者別の行動パターン学習情報ｄを更新している。この行動パターン学習情報ｄは、後述する図３に示すような行動パターンテーブルに格納されている。

図３は、行動パターン学習部１０に格納される利用者２６（図２）の行動パターンテーブルを示す説明図である。

図３の行動パターンテーブルは、格納される情報として、利用者２６が検出されたビル館内検出装置３Ａ〜３Ｎの装置番号２７と、利用者２６が装置番号２７に続いて検出されたビル館内検出装置３Ａ〜３Ｎの装置番号２８と、利用者２６が装置番号２７のビル館内検出装置から装置番号２８のビル館内検出装置で検出されるように移動した行動パターンのときに３分以内に乗り場のビル館内検出装置３Ｄで検出される確率を示す到着率２９と、行動パターン毎の乗り場までの平均到着時間３０と、行動パターン毎のエレベータ乗車確率３１と、行動パターン毎の平均乗り場待ち客数３２と、行動パターン毎の平均待ち時間３３と、行動パターン毎の発生頻度３４などを有している。

利用者２６の一般的な移動経路においては、最初にビル出入口１９から入ってビル館内検出装置３Ｂにより検出され、次に、受付のビル館内検出装置３Ｅを経て乗り場のビル館内検出装置３Ｄによって検出され、本移動経路を取る行動パターンの発生頻度３４が高い。特に、最初にビル館内検出装置３Ｂによって検出された後に、ビル館内検出装置３Ｅで検出される行動パターンの場合（３Ｂ→３Ｅ）、３分以内に乗り場へ到達する到着率２９は「１００％」であり、平均到着時間３０は「３０秒」であり、エレベータ乗車確率は「９０％」である。また、同行動パターンでは、平均待ち客数３２は「４０人」であり、平均待ち時間は「３０秒」である。

一方、発生頻度３４は低いが、ビル館内検出装置３Ｂによって検出された後に、コンビニ２１に立ち寄ってビル館内検出装置３Ｇで検出される場合（３Ｂ→３Ｇ）、３分以内に乗り場へ到達する到着率２９は「０％」であり、平均到着時間３０は「５分」であり、エレベータ乗車確率は「６０％」である。

このようにして、全利用者を対象にして利用者別に行動パターンテーブルが作成され、それぞれ行動パターン学習情報ｄとして行動パターン学習部１０に格納される。また行動パターン学習部１０は、日々収集した利用者情報ｃを取り込んで、行動パターン学習情報ｄの各項目２７〜３４を平均化して修正する。また行動パターン学習情報ｄには、図３においては省略しているが、乗り場階、行き先階、乗り場到着時間、平均乗り場待ち客数３２に関連する時間的推移情報や、平均乗り場待ち客数３２に関連する行き先階情報などが格納されている。

図４は、交通需要予測部１２に取り込む行動パターン学習情報ｄに含まれる乗り場待ち客数推移を示す棒グラフである。

ある利用者がビル館内検出装置３Ａ〜３Ｎによって検出され、検出信号が利用状況予測装置５に取り込まれたとき、行動パターン判定部１１は、行動パターン学習部１０によって格納されている利用者の過去の行動パターン学習情報ｄを行動パターン学習部１０から抽出し、その行動パターン学習情報ｄのうち図４に示すような平均乗り場待ち客の人数を時間の経過と共に示す情報、つまり乗り場待ち客数パターンを取り出す。なお、図４において、乗り場待ち客数パターンは、分かり易くするため、棒グラフで示されているが、実際には数値データにより構成されている。

上記のように、行動パターン判定部１１は、初期検出信号である利用者信号ｅを受信すると、行動パターン学習部１０が格納する行動パターン学習情報を抽出するので、利用者の行動パターンにおける最終段階の情報、つまりビル館内検出装置３Ｄが利用者を検出したときの乗り場の待ち客数を取得するまで待つことなく、ビル館内検出装置３Ｄが利用者を検出した時点での乗り場の待ち客数、行き先階毎の需要を予測することができる。

図４の乗り場待ち人数パターンでは、縦軸に乗り場の待ち客数を示し、横軸に時間を示して、ロビー階における時間の経過と待ち客数の推移を示している。このような乗場待ち人数パターンは、利用者信号ｅに対応する利用者の行動パターンテーブルに基づいて作成されたものではあるが、乗り場待ち人数パターンの時間範囲に他の利用者の到着時間が含まれるならば、実質、他の利用者の行動パターンに基づく乗り場待ち人数パターンを一部含むことになる。従って、図４の乗場待ち人数パターンは、近い将来の交通需要と行き先階需要の予測情報、すなわち交通需要予測情報ｇとして、予測精度を確保しつつ使用することができる。

図５は、行き先階別乗り場待ち客数情報を示す説明図である。

本図５は、図４に示した乗り場待ち客数を行き先階別に示したもので、縦軸に行き先階を示し、横軸に時間を示している。例えば、図４に示した棒グラフデータ３５は、行き先階が２階の利用者（３人）が乗り場待ち客数として検出されていることを示している。

図５のデータは、行動パターン判定部１１から交通需要予測部１２に送信される行動パターン学習情報ｄに含まれるもので、説明のために見易くして示したものである。上述したように行動パターン学習情報ｄには、乗り場階情報、行き先階情報、行動パターンに対応した乗り場平均到着時間３０、平均乗り場待ち客数３２に対応する時間的推移情報や、平均乗り場待ち客数３２に対応する各行き先階情報などが格納されている。

図６は、本実施例の群管理エレベータ装置における基本処理を示すフローチャートである。

処理フローが開始すると、まずビル館内検出装置３Ａ〜３Ｎが利用者のビルへの入館を検出したかが判定される（ステップＳ１）。ここで、利用者のビル入館を検出したと判定されなかった場合（ステップＳ１，ＮＯ）、ビル館内検出装置３Ａ〜３Ｎは監視を続け、ステップＳ１の判定処理が繰り返し実行される。

図２に示した出入口１９から利用者２６が入館し、ビル館内検出装置３Ｂが利用者２６のビル入館を検出した場合（ステップＳ１，ＹＥＳ）、行動パターン判定部１１は、入館した利用者２６の追跡を開始する（ステップＳ２）。次に、追跡開始からの経過時間が予め設定された追跡許可時間以内かを判定する（ステップＳ３）。通常は追跡許可時間以内であるため（ステップＳ３，ＹＥＳ）、次に、ビル館内検出装置３Ｂ以外の他のビル館内検出装置において、追跡している利用者２６が検出されたかを判定する（ステップＳ４）。ステップＳ４において、利用者２６が検出されたと判定されない場合（ステップＳ４，ＮＯ）、コンビニやその他の設備（図２の２１〜２４）の利用、すなわち通常の行動パターンと異なる逸脱行動が発生していると考えられるので、ステップＳ３に戻って継続追跡する。

なお、ステップＳ３において、追跡許可時間以内であると判定されなかった場合（ステップＳ３，ＮＯ）、追跡を終了して（ステップＳ１５）、処理を終了する。

追跡許可時間以内に利用者２６を検出した場合（ステップＳ４，ＹＥＳ）、行動パターン判定部１１は、行動パターン学習部１０から抽出した行動パターン学習情報ｄを用いて利用者２６の行動パターンテーブルに格納されているビル館内検出装置間の移動かどうかを判定する（ステップＳ５）。ここで、行動パターンテーブルには格納されていないビル館内検出装置への移動であれば、利用者２６の例外的な逸脱行動であるため、さらに過去の行動パターン学習情報を参照することなく、ステップＳ３に戻って継続追跡する。

ステップＳ５において、利用者２６の行動パターンテーブルに格納されているビル館内検出装置間の移動であると判定された場合（ステップＳ５，ＹＥＳ）、次に、３分以内の乗り場到着率が所定値以上かが判定され（ステップＳ６）、さらに、エレベータ乗車確率が所定値以上かが判定される（ステップＳ７）。

通常の移動経路の場合、３分以内の乗り場到着率は所定値以上あり（ステップＳ６，ＹＥＳ）、かつエレベータ乗車確率は所定値以上であるから（ステップＳ７，ＹＥＳ）、行動パターン判定部１１は、乗り場以外すなわち乗り場よりも手前に設置されたビル館内検出装置かどうかを判定する（ステップＳ８）。その結果、利用者２６は通常では図２に示したようにビル館内検出装置３Ｅによって検出されるため、ステップＳ８で乗り場以外のビル館内検出装置であると判定されるので（ステップＳ８，ＹＥＳ）、行動パターン判定部１１は、利用者２６を乗車予定者として、呼び登録に必要な乗り場到着時間と、乗り場階、行き先階情報などを群管理制御装置６の利用者検出部１４へ送信する（ステップＳ９）。

なお、ステップＳ６で３分以内の乗り場到着率が所定値以上と判定されなかった場合（ステップＳ６，ＮＯ）、またステップＳ７で乗車確率が所定値以上と判定されなかった場合（ステップＳ７，ＮＯ）、逸脱行動とみなして、ステップＳ３に戻って継続追跡する。

ステップＳ９を実行後、行動パターン判定部１１は、利用者２６に対応する行き先階別乗り場待ち客数、乗り場到着時間、待ち時間、乗り場階、行き先階などを含む情報を、行動パターン学習部１０から取得して交通需要予測部１２へ送り、交通需要予測部１２では、図４で説明したようにこれらの情報を用いて近い将来の交通需要予測情報ｇを作成して、群管理制御装置６の制御パラメータ選択部１５へ送信する（ステップＳ１２）。

次に、行動パターン判定部１１は、図２に示した乗り場のビル館内検出装置３Ｄで利用者２６が検出されたかどうかを判定することにより、乗車確定者であるかを判定する（ステップＳ１３）。乗車確定者であると判定された場合（ステップＳ１３，ＹＥＳ）、行動パターン判定部１１は、利用者検出部１４に利用者信号ｆを送信する。ステップＳ１３で、乗り場のビル館内検出装置３Ｄでは利用者２６が検出されず乗車確定者と判定されなかった場合（ステップＳ１３，ＮＯ）、逸脱行動とみなして、ステップＳ３に戻って継続追跡する。このとき、追跡許可時間を超過していれば、ステップＳ３において追跡許可時間以内と判定されないので（ステップＳ３，ＮＯ）、利用者２６の追跡は終了され、処理は終了となる。

ステップＳ１３で乗車確定者と判定された場合（ステップＳ１３，ＹＥＳ）、行動パターン判定部１１は、利用者２６が乗車号機の乗りかご内に乗車したことを、例えば乗りかご内に設置されるビル館内検出装置３Ｋによって利用者２６を検出することにより確認する（ステップＳ１４）。乗車が確認された場合（ステップＳ１４，ＹＥＳ）、利用者２６の追跡を終了し（ステップＳ１５）、処理を終了する。乗車が確認されない場合（ステップＳ１４，ＮＯ）、乗車号機が出発したかが判定される（ステップＳ１６）。乗車号機が出発したと判定されれば（ステップＳ１６，ＹＥＳ）、利用者２６の追跡を終了し（ステップＳ１５）、処理を終了する。乗車号機が出発したと判定されなければ（ステップＳ１６，ＮＯ）、ステップＳ１４の判定が再度実行される。

前述したステップＳ８において、乗り場以外に設置されたビル館内検出装置であると判定されない場合（ステップＳ８，ＮＯ）、すなわち乗り場に設置されたビル館内検出装置３Ｄである場合には、例えば、ビル館内検出装置３Ｅによって検出されたものの、利用者２６がコンビニ２１に入り、所定の追跡許可時間を満了した後、ビル館内検出装置３Ｅによって再度検出され、その後、ビル館内検出装置３Ｄによって検出された場合である。このような場合、利用者２６に対して報知装置４から乗車号機の号機案内を行う（ステップＳ１０）。ステップＳ１０実行後、利用者２６を乗車確定者とみなして、乗り場到着時間と、乗り場階、行き先階情報などが群管理制御装置６の利用者検出部１４へ送信される（ステップＳ１１）。

図示を省略しているが、群管理制御装置６側では、利用者検出部１４が行動パターン判定部１１からの利用者信号ｆの中に利用者２６の乗車確定情報が含まれていることを検出し、また制御パラメータ選択部１５が交通需要予測部１２からの交通需要予測情報ｇから制御パラメータを作成しているときは、乗車号機選択部１６では乗車確定情報と制御パラメータに基づいて最適な乗車号機を選択する。選択された乗車号機の情報（例えば、号機番号）は、乗車号機通知部１３によって所定のタイミング、例えば、ビル館内検出装置３Ｄによって利用者２６が検出された時点で、利用者２６に報知される。

なお、制御パラメータ選択部１５は、交通需要予測情報ｇに応じて、評価式などの号機割り当て制御手段に用いられる制御パラメータを選択する。乗車号機選択部１６は、選択された制御パラメータを用いて各号機を評価し、予測される交通需要に応じて最適な号機を割り当てる。

上述したように、本実施例の群管理エレベータ装置は、ビル館内検出装置３Ａ〜３Ｎからの検出信号を取り込んだ利用情報ａと群管理制御装置６からの現在の運行情報ｂとを用いて利用者情報ｃを作成する利用情報作成部９と、利用情報作成部９からの利用者情報ｃを用いて利用者別に平均的な行動パターン学習情報ｄを作成し、かつ行動パターン学習情報ｄを更新する行動パターン学習部１０と、ビル館内検出装置３Ａ〜３Ｎからの検出信号を用いて追跡される利用者の行動と行動パターン学習情報ｄとを比較して通常時と異なる逸脱行動の判定を行い、かつ、逸脱行動がないときに行動パターン学習部１０から対応する利用者の過去の行動パターン学習情報ｄを抽出して出力する行動パターン判定部１１と、行動パターン判定部１１からの行動パターン学習情報ｄに基づいて近い将来の交通需要予測情報ｇを群管理制御装置６に送信する交通需要予測部とを設けている。

このような構成においては、まず個人の行動パターンは日々余り変化せず同様である点に着目しているので、何等かの状況で逸脱行動があると、交通需要予測情報の信頼性が低下してしまう可能性が有る。そこで、行動パターン判定部１１では、ビル館内検出装置３Ａ〜３Ｎの検出信号によって追跡される利用者の行動と学習した行動パターンとが異なる場合、通常の行動パターンと異なる逸脱行動とみなす。この場合、号機割り当て処理へ進まずに、追跡を継続している。

なお、特定の逸脱行動が多い場合は、逸脱行動を通常の行動パターンとして登録しても良い。これにより、利用者の行動パターンの変化に柔軟に対応できる。

交通需要予測部１２では、抽出した逸脱行動に伴う情報を含まない交通需要予測情報ｇを群管理制御装置６へ送信しているため、近い将来の交通需要を正確に把握しながら、それを号機割当て制御に適用して高い精度で号機を選択できる。これにより、待ち時間が短縮されたり、長待ちが抑制されたり、最大乗り場待ち客数が低減されたりする。

図７は、図１に示した交通需要予測部１２における将来の交通需要予測処理を示すフローチャートである。

交通需要予測部１２は、図示していないが、交通需要予測情報ｇを格納可能な交通需要予測テーブルと、逸脱行動をとった利用者が予め設定した閾値以上に発生しているか否かを検出する逸脱発生率検出部と、逸脱発生率検出部が逸脱行動をとる利用者の発生が閾値以上であることを検出しなかったとき上述した交通需要予測テーブルに交通需要予測情報ｇを格納し、かつ、逸脱発生率検出部逸脱行動をとる利用者の発生が閾値以上であることを検出したとき上述した交通需要予測テーブルに格納されている過去の交通需要予測情報ｇを抽出して群管理制御装置６に送信する選択抽出部とを備えている。

群管理制御装置６は、現在の交通需要モード（出勤モード，閑散モードなど）に応じて、過去の乗車確定者数と逸脱行動をとった利用者の数に基づいて、上述した逸脱発生率検出部にそれぞれの閾値を設定する（ステップＳ１７）。次に、設定された閾値を用いて、交通需要予測部１２の逸脱発生率検出部は、乗車予定者および乗車確定者が閾値以上であるかどうかを判定する（ステップＳ１８）。乗車予定および乗車確定者が閾値以上であると判定された場合（ステップＳ１８，ＹＥＳ）、交通需要予測部１２の逸脱発生率検出部は逸脱者が閾値以下かどうかを判定する（ステップＳ１９）。その結果、逸脱者が閾値以下の場合（ステップＳ１９，ＹＥＳ）、さらに乗車予定者があるかを判定する（ステップＳ２０）。乗車予定者が有ると判定された場合（ステップＳ２０，ＹＥＳ）、交通需要予測部１２は、乗車予定者の乗り場到着時間と乗り場待ち客数と待ち時間とを、将来の交通需要予測テーブルに追加して（ステップＳ２１）、次にステップＳ２２の処理が実行される。なお、乗車予定者が有ると判定されなかった場合（ステップＳ１９，ＮＯ）、ステップＳ２１の処理は実行されず、ステップＳ２２の処理が実行される。

ステップＳ２２では、乗車確定者がいるかどうかを判定し、乗車確定者がいると判定された場合（ステップＳ２２，ＹＥＳ）、選択抽出部は乗車確定者の乗り場到着時間と乗り場待ち客数と待ち時間とを、将来の交通需要予測テーブルに追加する（ステップＳ２３）。ステップＳ２２で、乗車確定者がいると判定されなかった場合（ステップＳ２２，ＮＯ）、ステップＳ２３の処理は実行されず、次にステップＳ２５の処理が実行される。

なお、ステップＳ１８で乗車予定および乗車確定者が閾値以上と判定されなかった場合（ステップＳ１８，ＮＯ）、並びにステップＳ１９で逸脱者が閾値以下と判定されなかった場合（ステップＳ１９，ＮＯ）は、逸脱行動による交通需要予測の精度の低下を防止するために、選択抽出部は交通需要予測テーブルへの情報追加はせずに、交通需要予測テーブルに既に格納されている過去の交通需要予測情報ｇを選択して抽出する（ステップＳ２４）。

ステップＳ２３あるいはステップＳ２４の処理が実行された後、もしくはステップＳ２２で乗車確定者が有ると判定されなかった場合（ステップＳ２２，ＮＯ）、交通需要予測部１２の選択抽出部は、ステップＳ２１またはＳ２３において情報が追加された交通需要予測情報ｇ、または過去の交通需要予測情報ｇ、すなわちステップＳ２５実行時点で交通需要予測テーブルに格納されている交通需要予測情報を群管理制御装置６へ送信する。

このように、交通需要予測部１２における処理において、乗車予定者および乗車確定者が少ない場合（ステップＳ１８で判定）、また逸脱者が多い場合（ステップＳ１９で判定）は、交通需要予測情報ｇへの情報の追加を制限している。従って、群管理制御に用いる交通需要予測情報ｇの信頼性低下を防ぐことができる。

以上説明したように本実施例によれば、個人の行動パターンは余り変化しない点に着目して、群管理制御に利用者の行動パターンを反映させている。さらに、行動パターン判定部１１では、ビル館内検出装置３Ａ〜３Ｎの検出信号などを用いて学習した行動パターンと比較して、通常の行動パターンと異なる逸脱行動を抽出している。交通需要予測部１２では、抽出した逸脱行動に伴う情報を除いたものを交通需要予測情報ｇとして群管理制御装置６へ送信しているため、近い将来の交通需要を正確に把握しながら、これを考慮して号機割当て制御を行う。これにより、号機の割り当て精度が向上し、待ち時間の短縮、長待ちの抑制、最大乗り場待ち客数の低減が可能になる。また、近い将来の行先階毎の需要が高い精度で予測できることで、同一行先階の将来の利用者を同一の乗りかごに割り当て、且つ各乗りかごのサービス時間を調整して各乗りかごの乗車率を最大限に高めることができ、無駄の少ない運行が可能となる。

なお、本発明は前述した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、各実施例の構成の一部について、他の構成の追加・削除・置き換えをすることが可能である。

例えば、逸脱行動を判定する要素としては例示したものに限定するものではない。

１Ａ〜１Ｎ 号機
２Ａ〜２Ｎ 号機制御装置
３Ａ〜３Ｎ ビル館内検出装置
４ 乗り場到着検出装置
５ 利用状況予測装置
６ 群管理制御装置
７ 個人検出部
８ 利用者情報管理部
９ 利用情報作成部
１０ 行動パターン学習部
１１ 行動パターン判定部
１２ 交通需要予測部
１３ 乗車号機通知部
１４ 利用者検出部
１５ 乗車号機選択部
１６ 乗車号機選択部
１７ 運行情報決定部

Claims (10)

1. 複数のエレベータ号機と、
   将来の交通需要を示す交通需要予測情報に基づいて、エレベータ利用者に対して、前記複数のエレベータ号機から、乗車階に配車する号機を割り当てる群管理制御装置と、
   を備える群管理エレベータ装置において、
   前記交通需要予測情報は、前記エレベータ利用者の行動パターンに基づいて作成されることを特徴とする群管理エレベータ装置。
2. 請求項１に記載の群管理エレベータ装置において、
   前記エレベータ利用者の利用状況に関する利用情報と前記エレベータ利用者の利用時における運行情報とに基づいて、前記エレベータ利用者の前記行動パターンを示す行動パターン学習情報を作成、更新するとともに、前記行動パターン学習情報を記憶する行動パターン学習部と、
   前記乗車階に設置され、前記エレベータ利用者を検出する複数のビル館内検出装置からの検出信号に応じて、前記行動パターン学習部が記憶する、前記エレベータ利用者の前記行動パターン学習情報を抽出する行動パターン判定部と、
   前記行動パターン判定部によって抽出される前記行動パターン学習情報を取り込み、取り込んだ前記行動パターン学習情報に基づいて前記交通需要予測情報を作成して前記群管理制御装置へ送信する交通需要予測部と、
   を備えることを特徴とする群管理エレベータ装置。
3. 請求項２に記載の群管理エレベータ装置において、
   前記行動パターン判定部は、前記複数のビル館内検出装置からの検出信号に基づいて前記エレベータ利用者の行動を追跡し、追跡される前記エレベータ利用者の前記行動と、抽出した前記行動パターン学習情報とを比較して、比較結果に基づいて前記エレベータ利用者が乗車予定者または乗車確定者あるいは逸脱行動者であるかを判定し、
   前記エレベータ利用者が前記乗車予定者または前記乗車確定者であると判定されると、前記交通需要予測部は前記交通需要予測情報を前記群管理制御装置に送信し、
   前記エレベータ利用者が前記逸脱行動者であると判定されると、前記行動パターン判定部は前記エレベータ利用者の追跡を継続することを特徴とする群管理エレベータ装置。
4. 請求項３に記載の群管理エレベータ装置において、
   前記複数のビル館内検出装置の内、乗り場に設けられるビル館内検出装置によって前記エレベータ利用者が検出されると、前記エレベータ利用者は前記乗車確定者であると判定されることを特徴とする群管理エレベータ装置。
5. 請求項４記載の群管理エレベータ装置において、
   前記エレベータ利用者が前記乗車確定者であると判定されると、前記群管理制御装置は、前記交通需要予測部から送信された前記交通需要予測情報に基づいて、前記エレベータ利用者に対して号機を割り当て、
   前記エレベータ利用者が前記乗車確定者であると判定されないと、前記行動パターン判定部は前記エレベータ利用者の追跡を継続することを特徴とする群管理エレベータ装置。
6. 請求項２乃至請求項５のいずれか一項に記載の群管理エレベータ装置において、
   前記利用情報は前記エレベータ利用者の行き先階を含み、前記運行情報は乗り場待ち客数を含むことを特徴とする群管理エレベータ装置。
7. 請求項２乃至請求項５のいずれか一項に記載の群管理エレベータ装置において、
   前記交通需要予測情報は、乗り場待ち客数の時間推移を含むことを特徴とする群管理エレベータ装置。
8. 請求項２乃至請求項５のいずれか一項に記載の群管理エレベータ装置において、
   前記交通需要予測情報は、行き先階別の乗り場待ち客数の時間推移を含むことを特徴とする群管理エレベータ装置。
9. 請求項２に記載の群管理エレベータ装置において、
   前記交通需要予測部は、
   逸脱行動者数が所定の閾値以下である場合、取り込んだ前記行動パターン学習情報に基づいて前記交通需要予測情報を作成して前記群管理制御装置へ送信し、
   前記逸脱行動者数が所定の閾値を超えている場合、記憶している過去の交通需要予測情報を前記群管理制御装置へ送信することを特徴とする群管理エレベータ装置。
10. 請求項９に記載の群管理エレベータ装置において、
    前記閾値は、交通需要モードに応じて、過去の逸脱行動者数に基づいて設定されることを特徴とする群管理エレベータ装置。

Images