JP2022054652A - エレベーター及びエレベーター制御方法 - Google Patents
エレベーター及びエレベーター制御方法 Download PDFInfo
- Publication number
- JP2022054652A JP2022054652A JP2020161798A JP2020161798A JP2022054652A JP 2022054652 A JP2022054652 A JP 2022054652A JP 2020161798 A JP2020161798 A JP 2020161798A JP 2020161798 A JP2020161798 A JP 2020161798A JP 2022054652 A JP2022054652 A JP 2022054652A
- Authority
- JP
- Japan
- Prior art keywords
- car
- landing
- elevator
- user
- users
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 64
- 238000005259 measurement Methods 0.000 claims abstract description 119
- 238000004364 calculation method Methods 0.000 claims description 111
- 230000008569 process Effects 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 21
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims 1
- 239000013598 vector Substances 0.000 description 37
- 238000004891 communication Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 7
- 238000012790 confirmation Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 241000282412 Homo Species 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Landscapes
- Indicating And Signalling Devices For Elevators (AREA)
- Elevator Control (AREA)
Abstract
Description
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
[エレベーターシステムの概略構成]
まず、本発明の第1の実施形態に係るエレベーターシステムの概略構成について、図1を参照して説明する。
図1は、第1の実施形態に係るエレベーターシステムの一例を示す概略構成図である。図1に示すエレベーターシステム100は、昇降路を昇降移動するかごに設置されたかごセンサと、各階に設置されたセンサとを備えるエレベーターシステムである。
次に、エレベーターシステム100が備える各装置のハードウェア構成について、図2を参照して説明する。ここでは、かご測定部30、フロア測定部40、状態演算部60、エレベーターコントローラ50、グループコントローラ80、及びドアコントローラ90が備える計算機のハードウェア構成を説明する。
次に、第1の実施形態における第1の例として、人数相当のデータを算出する場合のかご測定部30及びフロア測定部40の構成について、図3を参照して説明する。
図3は、人数相当のデータを算出するかご測定部30及びフロア測定部40の構成例を示すブロック図である。
かごセンサ10及びフロアセンサ20がイメージセンサの場合、これらのセンサで取得できる一般的なデータは画像データである。画像データから人数を算出するには、例えば人工知能(Artificial Intelligence :AI)によるオブジェクト認識を活用することで実現が可能である。AIのオブジェクト認識では、ニューラルネットワークの構造を用いた深層学習による機械学習がよく用いられている。この場合、かご測定部30及びフロア測定部40は、オブジェクト推論部120と、学習済ネットワーク(学習済モデル)110と、及び人計数部130から構成される。例えば深層学習では、学習済ネットワークとして畳み込みニューラルネットワークが最も一般的である。
かごセンサ10及びフロアセンサ20がToFセンサ/ステレオカメラの場合、これらのセンサで取得できる一般的なデータは距離画像データである。距離画像データでは、画素ごとに被写体までの距離を表す情報が含まれる。距離画像データから人数を算出するには、例えばAIによるセグメンテーションを活用することで実現が可能である。AIのセグメンテーションでは、深層学習による機械学習がよく用いられている。この場合、かご測定部30及びフロア測定部40は、セグメント推論部150と、学習済ネットワーク140と、セグメント計数部160から構成される。人を対象としたセグメンテーションにより、セグメント数が人数となる。
かごセンサ10及びフロアセンサ20がRFセンサの場合、これらのセンサで取得できる一般的なデータは位置及び電波反射強度を示すポイントクラウドデータ(点群データ)である。ポイントクラウドデータから人数を算出するには、例えば統計処理を用いた機械学習のクラスタリングを活用することで実現が可能である。例えばクラスタリング手法としては、DBSCAN(Density-based spatial clustering of applications with noise)がある。この場合、かご測定部30及びフロア測定部40は、分類部170と、分類計数部180から構成される。クラスタリングにより求められたインスタンスの数が人数相当となる。
次に、第1の実施形態における第2の例として、占有面積相当のデータを算出する場合のかご測定部30及びフロア測定部40の構成について、図4を参照して説明する。
図4は、占有面積相当のデータを算出するかご測定部及びフロア測定部の構成例を示すブロック図である。
かごセンサ10及びフロアセンサ20がイメージセンサの場合、上述の画像データから人相当領域を検出するには、例えばAI(深層学習による機械学習等)による領域を考慮したオブジェクト認識を活用することで実現が可能である。領域を考慮したオブジェクト認識の例として、Mask R-CNNがある。この場合、かご測定部30及びフロア測定部40は、オブジェクト推論部121と、学習済ネットワーク111と、人面積演算部135から構成される。人相当領域を持つ認識結果から、当該認識結果が示す人相当領域の占有面積を求めることが可能である。なお、本明細書において、占有面積は、絶対値でもよいし、かご1内又はフロア2の面積に対する利用者領域が占める面積の割合を表す相対的な値でもよい。
かごセンサ10及びフロアセンサ20がToFセンサ/ステレオカメラの場合、上述の距離画像データから人相当領域を検出するには、例えばAI(深層学習による機械学習等)のセグメンテーションを活用することで実現が可能である。この場合、かご測定部30及びフロア測定部40は、セグメント推論部150と、学習済ネットワーク140と、セグメント面積演算部165から構成される。人を対象としてセグメンテーションされた領域の面積から、人相当領域の占有面積を求めることが可能である。
かごセンサ10及びフロアセンサ20がRFセンサの場合、上述のポイントクラウドデータから人相当領域を算出するには、例えば統計処理を用いた機械学習のクラスタリングを活用することで実現が可能である。この場合、かご測定部30及びフロア測定部40は、分類部170と、分類面積演算部185から構成される。クラスタリングで分類されたインスタンスの面積から、人相当領域の占有面積を求めることが可能である。
次に、エレベーターシステム100の運行状態が戸開状態における乗降者数演算処理の手順について、図5を参照して説明する。
図5は、戸開状態における乗降者数演算処理の手順例を示すフローチャートである。
上述した乗降者数演算処理について図6A及び図6Bの昇降動作の例を参照して具体的に説明する。
図6Aは乗降前におけるエレベーターの利用者の例を示し、図6Bは乗降後におけるエレベーターの利用者の例を示す。
第2の実施形態として、かご1が目的階に到着する前に降車の発生を予測する方法について、図7及び図8を参照して説明する。
まず、第2の実施形態の第1の例として、かご到着前の降車人数推定処理について図7を参照して説明する。
図7は、かご到着前の降車人数推定処理の手順例を示すフローチャートである。図7では、エレベーター(かご1)の運行状態が、任意階を出発して次の階床に移動している途中の状態において、かご1における降車人数を推定する手順を表す。
次に、第2の実施形態の第2の例として、かご到着前の降車面積推定処理について図8を参照して説明する。
図8は、かご到着前の降車面積推定処理の手順例を示すフローチャートである。図8では、エレベーター(かご1)の運行状態が、任意階を出発して次の階床に移動している途中の状態において、かご1における降車によって生じる空き領域の面積を推定する手順を表す。
第3の実施形態として、かご1から一旦降車した利用者の再乗車を判定する方法について、図9~図11を参照して説明する。
図1に示したように、エレベーターシステム100は、かご1内に設けられたかごセンサ10と、各階のフロア2に設けられたフロアセンサ20と、かごドア91及び乗場ドア92を制御するドアコントローラ90とを有する。このような構成により、エレベーターの戸開直前の状態又は戸閉直前の状態において、かごセンサ10の計測データと、フロアセンサ20の計測データと、かごドア91及び乗場ドア92周辺の計測結果(動作ベクトル、位置データ)に基づいて、かごドア91及び乗場ドア92の動作を制御することができる。
図13は、第5の実施形態に係るドア開制御の手順例を示すフローチャートである。
図13において、エレベーターの運行状態が、かご1が任意階に到着した状態(戸開直前の状態)である場合に、かごセンサ10と、フロアセンサ20の計測結果を基に、戸開を制御する手順を説明する。
図14は、第6の実施形態に係る乗客間隔確認処理の手順例を示すフローチャートである。
図14において、エレベーターの運行状態が出発待機の状態である場合に、かご1の乗客同士の間隔を測定し、乗客間隔が所定の間隔よりも短い場合には、出発待機を維持する手順を説明する。
Claims (13)
- 乗場の利用者の状況を乗場情報として取得する乗場センサと、かご内の利用者の状況をかご情報として取得するかごセンサと、を備えたエレベーターであって、
前記乗場センサによって取得された前記乗場情報と、前記かごセンサによって取得された前記かご情報とに基づき、前記かごが乗場に到着したときの前記乗場又は前記かご内における利用者の増減を演算する演算部、を備える
エレベーター。 - 前記演算部は、前記エレベーターの運行状態が戸開状態である場合に、前記乗場情報と前記かご情報とから、前記かごに乗車する利用者がいなくなった後、前記かごから降車した利用者と前記かごに乗車した利用者とを反映して、前記乗場における利用者の増減を演算し、さらに、前記かごから降車する利用者がいなくなった後、前記かごから降車した利用者と前記かごに乗車した利用者とを反映して、前記かご内における利用者の増減を演算する
請求項1に記載のエレベーター。 - 前記演算部は、前記エレベーターの運行状態が目的階に到着する前である場合に、前記かごセンサの前記かご情報に基づいて前記かご内の利用者の挙動を測定し、測定結果から前記目的階に到着後に利用者が降車することを推定する
請求項1に記載のエレベーター。 - 前記演算部は、前記かごが目的階に到着後に前記かごから降車した利用者が前記乗場の設定領域内に留まっていると判断した場合には、当該利用者を前記乗場で待機する利用者の人数に含める
請求項1に記載のエレベーター。 - 前記乗場センサによって取得された前記乗場情報から前記乗場の利用者の人数を測定する乗場測定部と、
前記かごセンサによって取得された前記かご情報から前記かご内の利用者の人数を測定するかご測定部と、を備え、
前記演算部は、前記乗場測定部における前記乗場の利用者の人数についての測定結果と、前記かご測定部における前記かご内の利用者の人数についての測定結果とから、前記乗場又は前記かご内における利用者の増減として該当利用者の人数の増減を演算する
請求項1乃至4のいずれか一項に記載のエレベーター。 - 前記乗場センサによって取得された前記乗場情報から前記乗場の利用者の占有面積を測定する乗場測定部と、
前記かごセンサによって取得された前記かご情報から前記かご内の利用者の占有面積を測定するかご測定部と、を備え、
前記演算部は、前記乗場測定部における前記乗場の利用者の占有面積についての測定結果と、前記かご測定部における前記かご内の利用者の占有面積についての測定結果とから、前記乗場又は前記かご内における利用者の増減として該当利用者の占有面積の増減を演算する
請求項1乃至4のいずれか一項に記載のエレベーター。 - 前記かごセンサによって取得された前記かご情報から前記かご内の利用者の位置を測定するかご測定部、を備え、
前記演算部は、前記エレベーターの運行状態が目的階に向かい減速又は到着前である場合に、前記かご測定部における前記かご内の利用者についてのセンシング周期毎の測定結果の差分から、前記かごが前記目的階に到着後に降車すると推定される利用者の人数を算出する
請求項3に記載のエレベーター。 - 前記かごセンサによって取得された前記かご情報から前記かご内の利用者の占有面積を測定するかご測定部、を備え、
前記演算部は、前記エレベーターの運行状態が目的階に向かい減速又は到着前である場合に、前記かご測定部における前記かご内の利用者についてのセンシング周期毎の測定結果の差分から、前記かごが前記目的階に到着後に降車すると推定される利用者の占有面積を算出する
請求項3に記載のエレベーター。 - 前記演算部は、前記エレベーターの運行状態が出発時又は到着時である場合に、前記乗場情報と前記かご情報とから、前記乗場及び前記かごに設けられた各ドアの開閉を制御する
請求項1に記載のエレベーター。 - 前記演算部は、前記エレベーターの運行状態が出発時に、前記乗場情報が前記乗場に利用者がいない状況、又は前記利用者が前記ドアに向かっていない状況に相当する場合、且つ前記かご情報が前記利用者がいない状況、又は前記かご内の利用者が降車しない状況に相当する場合に、前記乗場及び前記かごの各ドアを閉める制御を行う
請求項9に記載のエレベーター。 - 前記演算部は、前記エレベーターの運行状態が目的階に到着時に、前記乗場情報が前記乗場のドア付近に利用者がいない状況、且つ前記かご情報が前記かごのドア付近に利用者がいない状況である場合に、前記乗場及び前記かごの各ドアを開ける制御を行う
請求項9に記載のエレベーター。 - 前記演算部は、前記かごの出発前に、前記かご情報に基づいて利用者間の距離を所定値と比較し、前記利用者間の距離が所定値未満である場合には、前記乗場及び前記かごの各ドアの開放を継続するとともに、前記かご内の出力装置に前記利用者間の距離が確保されていないことを通知し、前記利用者間の距離が所定値以上である場合には、前記乗場及び前記かごの各ドアを閉めて出発可能状態に移行する
請求項9に記載のエレベーター。 - エレベーターの乗場の利用者の状況を乗場情報として取得する乗場センサと、前記エレベーターのかご内の利用者の状況をかご情報として取得するかごセンサと、演算部と、運行制御部と、を備えたエレベーターによるエレベーター制御方法であって、
前記演算部により、前記乗場センサによって取得された前記乗場情報と、前記かごセンサによって取得された前記かご情報とに基づき、前記かごが乗場に到着したときの前記乗場又は前記かご内における利用者の増減を演算する処理と、
前記運行制御部により、演算された前記乗場又は前記かご内における利用者の増減に基づいて、前記エレベーターの運行を制御する処理と、
を含むエレベーター制御方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020161798A JP7437279B2 (ja) | 2020-09-28 | 2020-09-28 | エレベーター及びエレベーター制御方法 |
CN202110805330.8A CN114314224A (zh) | 2020-09-28 | 2021-07-16 | 电梯及电梯控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020161798A JP7437279B2 (ja) | 2020-09-28 | 2020-09-28 | エレベーター及びエレベーター制御方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022054652A true JP2022054652A (ja) | 2022-04-07 |
JP7437279B2 JP7437279B2 (ja) | 2024-02-22 |
Family
ID=80998185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020161798A Active JP7437279B2 (ja) | 2020-09-28 | 2020-09-28 | エレベーター及びエレベーター制御方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7437279B2 (ja) |
CN (1) | CN114314224A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024009341A1 (ja) * | 2022-07-04 | 2024-01-11 | 株式会社日立製作所 | 運行管理システム、運行管理方法、及びエレベーターシステム |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000351560A (ja) | 1999-06-09 | 2000-12-19 | Mitsubishi Electric Building Techno Service Co Ltd | エレベーターの戸の開閉制御装置 |
JP2005126184A (ja) | 2003-10-23 | 2005-05-19 | Mitsubishi Electric Corp | エレベーターの制御装置 |
JP2005255404A (ja) | 2004-03-15 | 2005-09-22 | Mitsubishi Electric Corp | エレベータ制御装置 |
JP5318584B2 (ja) * | 2006-01-12 | 2013-10-16 | オーチス エレベータ カンパニー | エレベータ制御に用いるビデオ補助式システム |
JP5749595B2 (ja) * | 2011-07-27 | 2015-07-15 | 日本電信電話株式会社 | 画像伝送方法、画像伝送装置、画像受信装置及び画像受信プログラム |
WO2013030898A1 (ja) * | 2011-09-02 | 2013-03-07 | 三菱電機株式会社 | エレベーターの車椅子運転装置 |
JP2013056720A (ja) * | 2011-09-07 | 2013-03-28 | Toshiba Elevator Co Ltd | エレベータ運転制御方法、およびこれを用いたエレベータ運転制御装置、エレベータ運転制御システム |
JP2017052578A (ja) | 2015-09-07 | 2017-03-16 | 株式会社日立ビルシステム | エレベーター用乗りかご到着時の降車状況予測提示方法及び装置 |
JP6532423B2 (ja) * | 2016-03-30 | 2019-06-19 | 株式会社日立ビルシステム | エレベーターのかご内アナウンス装置 |
JP6352367B2 (ja) * | 2016-11-10 | 2018-07-04 | 東芝エレベータ株式会社 | エレベータ制御方法およびエレベータ制御装置 |
JP6742962B2 (ja) * | 2017-07-24 | 2020-08-19 | 株式会社日立製作所 | エレベーターシステム、画像認識方法及び運行制御方法 |
CN107609597B (zh) * | 2017-09-26 | 2020-10-13 | 嘉世达电梯有限公司 | 一种电梯轿厢人数检测系统及其检测方法 |
JP6963464B2 (ja) * | 2017-10-30 | 2021-11-10 | 株式会社日立製作所 | エレベーターの乗り降り人数推定装置、乗り降り人数推定方法及び乗り降り人数推定プログラム |
JP6588140B1 (ja) | 2018-09-18 | 2019-10-09 | 東芝エレベータ株式会社 | エレベータシステム、これに利用する利用者端末、およびエレベータ制御方法 |
CN110861983B (zh) * | 2019-11-01 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 电梯的运行控制方法及装置 |
-
2020
- 2020-09-28 JP JP2020161798A patent/JP7437279B2/ja active Active
-
2021
- 2021-07-16 CN CN202110805330.8A patent/CN114314224A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024009341A1 (ja) * | 2022-07-04 | 2024-01-11 | 株式会社日立製作所 | 運行管理システム、運行管理方法、及びエレベーターシステム |
Also Published As
Publication number | Publication date |
---|---|
CN114314224A (zh) | 2022-04-12 |
JP7437279B2 (ja) | 2024-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109292579B (zh) | 电梯系统、图像识别方法和运行控制方法 | |
JP5879152B2 (ja) | エレベータ到着時間推定装置、エレベータシステム | |
JP5031371B2 (ja) | エレベータの制御システム | |
JP3375643B2 (ja) | エレベーターの管理制御装置 | |
CN109311622B (zh) | 电梯系统以及轿厢呼叫估计方法 | |
CN110626891B (zh) | 用于改进的电梯调度的系统和方法 | |
JP2573715B2 (ja) | エレベータ制御装置 | |
JP2005126184A (ja) | エレベーターの制御装置 | |
JP6125842B2 (ja) | エレベータ運転制御装置 | |
WO2007096947A1 (ja) | エレベータの制御システム | |
JP6416326B1 (ja) | エレベータシステム、およびエレベータ制御方法 | |
JP2013241230A (ja) | エレベータの群管理制御装置および群管理制御方法 | |
JP2015000807A (ja) | エレベータ制御システムおよびエレベータ制御方法 | |
JP2013043711A (ja) | エレベータの乗降検出装置およびエレベータ装置、並びにエレベータの乗降検出方法 | |
JP2019156607A (ja) | エレベーターシステム | |
JP6894982B2 (ja) | 群管理制御装置及び群管理制御方法 | |
JP7437279B2 (ja) | エレベーター及びエレベーター制御方法 | |
JP6104409B2 (ja) | 制御パラメータ検出方法、エレベーター群管理シミュレーション方法、制御パラメータ検出装置及びエレベーター群管理シミュレーション装置 | |
JP4732343B2 (ja) | エレベータの群管理制御装置 | |
US20210101776A1 (en) | Elevator system | |
WO2023021788A1 (ja) | エレベーターシステム及びエレベーターシステムの制御方法 | |
KR102515719B1 (ko) | 영상인식 연동 승강기 제어 시스템 | |
EP3808693A1 (en) | Elevator condition based maintenance using an in-car camera | |
JP6536484B2 (ja) | エレベーターシステム | |
JP7276517B2 (ja) | エレベーターの制御システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230203 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240122 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240209 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7437279 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |