JP2677698B2

JP2677698B2 - エレベータの群管理制御装置

Info

Publication number: JP2677698B2
Application number: JP2037209A
Authority: JP
Inventors: 進久保
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1990-02-20
Filing date: 1990-02-20
Publication date: 1997-11-17
Anticipated expiration: 2012-11-17
Also published as: JPH03243574A

Description

【発明の詳細な説明】［発明の目的］（産業上の利用分野）この発明は、複数の階床に対して複数のエレベータを
就役させるエレベータの群管理制御装置に関し、特にホ
ール呼びの割当制御に特徴を持つエレベータの群管理制
御装置に関する。

（従来の技術）近年、複数台のエレベータを並設した場合に、エレベ
ータの運転効率向上及びエレベータ利用者へのサービス
向上を図るために、各階床のホール呼びに対して応答す
るエレベータをマイクロコンピュータなどの小型コンピ
ュータを用いて合理的かつ速やかに割り当てるようにす
ることが行なわれている。

すなわち、ホール呼びが発生すると、そのホール呼び
に対してサービスする最適なエレベータを選定して割り
当てると共に、他のエレベータはそのホール呼びに応答
させないようにしている。

このような方式の群管理制御装置において、最近で
は、リアルタイムにて各ホール呼びに応答した場合のか
ご呼び登録データの測定、乗降中のデータ測定など各ビ
ルごとの階間交通の把握が行なわれ、前記測定データを
基にビル固有の需要を把握し、ホール呼び割当制御に利
用している。

このような状況において、エレベータのホール呼び割
当制御は、ホール呼びの発生に対して群管理性能上の各
評価指標を評価し、各評価値を重み付け加算し、総合評
価として最終号機を決定している。

（発明が解決しようとする課題）しかしながら、一般に群管理性能上の各評価指標は交
通需要により大きく変化するために、エレベータ群シス
テムの状況により最適な重み付け値（制御パラメータ）
を選択する必要があり、連続して変化する交通需要に追
従し、制御パラメータの最適化を図ることは困難であっ
た。

また、群管理性能上の「最適」の評価基準はホテル、
テナントビル、一社専有ビルなどのビル用途、あるいは
エレベータの利用者、ビル管理会社など様々な固有の状
況に依存するため、各ビルごと評価基準に群管理制御性
能を合わせる必要があるが、従来システムにおいては、
各ビル固有の評価基準に最適な制御パラメータを個別に
設定することは不可能であった。

そこで、ビル固有の評価基準がユーザーにより事前に
示され、多数のシュミレーションを実行し、ユーザーの
評価基準に適合する制御パラメータを事前に設定し、シ
ステムに入力する方法もあるが、これには多数のシュミ
レーションの実行が必要であり、しかもシュミレーショ
ン結果はそのシステム固有の状況（稼働後の状況）を完
全に反映するものではなく、交通流、混雑度により最適
な制御パラメータが変化するため、ユーザーの意図して
いる評価基準に対して最適な割当制御とならない場合が
生じる問題点であった。

この発明は、このような従来の問題点に鑑みてなされ
たものであり、割当制御上の各評価指標重み付け値とホ
ール呼び応答累積分布に代表される群管理制御応答結果
との間に関係モデルを複数形成し、しかもこの関係モデ
ルを交通需要と関係付け、有限個の関係モデルの連想で
多数の交通需要に対応する対象モデルを実現し、しかも
オンライン学習によりビル固有の需要状況を実際の制御
応答結果により獲得し、各ビルごとにそのビルのユーザ
ーが群管理制御応答結果を評価して当該ビルごとの客先
ニーズに応じた最適の制御パラメータの設定ができるエ
レベータの群管理制御装置を提供することを目的とす
る。

［発明の構成］（課題を解決するための手段）この発明は、複数の階床に対して複数台のエレベータ
を就役させ、発生した共通のホール呼びに対して所定の
評価演算を行ない、各エレベータごとの評価を行なって
最適な号機に上記ホール呼びを割り当てるエレベータの
群管理制御装置において、各評価指標重み付け群管理制御対応結果との関係を交
通需要によりあいまいに区分化したニューラルネットに
より合成された関数モデルから成る部分システムモデル
の集合としてモデル化した部分モデル部と、前記部分システムモデル交通需要との関係を複数のメ
ンバーシップ関数によりあいまい表現し、これらのメン
バーシップ関数及び前記部分システムモデルの結合関係
を記憶し、交通需要に基づき、前記部分システムモデル
に対する重みを演算する推論部と、前記推論部と部分モデル部とからの出力の合成により
群管理制御応答の推論結果を演算する合成部と、この合成部からの群管理制御応答推論結果を表示し、
対話形式によって前記応答推論結果を評価することによ
り評価指標重み付け値の最適化のための操作を行うマン
マシンインターフェースとを備えたものである。

（作用）この発明のエレベータの群管理制御装置では、ビルの
各時刻の一定期間ごとの交通需要を推論部に入力するこ
とにより部分システムモデルに対する重みを演算する。

各評価指標のパラメータを所定の範囲内にて変化させ
た制御パラメータ組合せを部分モデル部にそれぞれ入力
し、前記重み値と共に合成部による連想機能により各制
御パラメータ組合せに対する群管理制御応答推論結果を
出力する。

そして、マンマシンインターフェースでは、前記推論
結果を表示し、オペレータ、特にユーザーとの対話形式
により「最適」と判断する評価基準により評価すること
によりエレベータ設置ビルの実際の需要に合致した最適
な推論結果を選択し、この推論結果に対応する評価指標
重み付け値を最適制御パラメータとして選択し、ホール
呼び割当制御を行なうのである。

（実施例）以下、この発明の実施例を図に基づいて詳説する。

第１図はこの発明の一実施例のエレベータの群管理制
御装置の全体的なシステム構成を示しており、１は群管
理制御部であり、この群管理制御部１は各単位エレベー
タの制御を行なう単体制御部２−１〜２−Ｎ及び学習制
御部１−１と第１の伝送制御手段である高速伝送路６を
介して接続されている。この群管理制御部１、学習制御
部１−１及び単体制御部２−１〜２−Ｎは、単数あるい
は複数のマイクロコンピュータなどの小型計算機により
構成されており、ソフトウェアの管理下に動作する。３
は各階に設けられたホール呼びボタンであり、４はホー
ル呼びの入出力を行なうホール呼び入出力制御部であ
る。

そして、群管理制御部１、学習制御部１−１及び単体
制御部２−１〜２−Ｎ及び各ホール呼び入出力制御部４
は、第２の伝送制御手段である低速伝送路７を介して接
続されている。

高速伝送路６は、単体制御部２−１〜２−Ｎと群管理
制御部１及び学習制御部１−１との間、すなわち、主に
機械室の制御計算機間の伝送を行なう伝送制御系であ
り、高速で高インテリジェントなネットワークで接続さ
れている。そして、群管理制御に必要な制御情報を群管
理制御部１、学習制御部１−１、各単体制御部２−１〜
２−Ｎの間で高速に授受している。

低速伝送路７は、各ホールのホール呼びボタン３、監
視室の監視盤５など、主に昇降路を介して情報の伝送を
行なう制御系であり、高速伝送路６に比較して低速であ
り、長距離のため光ファイバーケーブルなどにより構成
されており、群管理制御部１、学習制御部１−１及び単
体制御部２−１〜２−Ｎと接続され、データの授受を行
なっている。

マンマシンインターフェースとしてのCRT付き入出力
装置５−１は、ビル管理室のようなユーザーが操作でき
る場所に設置されていて、学習制御部１−１と接続さ
れ、ユーザーが対話形式にて群管理制御応答推論結果を
評価し、最適な応答推論結果を選択できる構成をなす。

群管理制御部１が正常な場合、ホール呼びボタン３は
低速伝送路７を介して群管理制御部１にて制御され、ホ
ール呼びボタン３が押されると、ホール呼びゲートを閉
じて登録ランプをセットすると共に、高速伝送路６を介
して送られてくる単体制御部２−１〜２−Ｎの情報をベ
ースに最適号機を決定し、単体制御部２−１〜２−Ｎの
内の該当するものに対して制御指令を行なう。そして、
制御指令を受けた単体制御部はこの制御指令をホール呼
び情報として単体制御を行なう。

第２図はこの発明のエレベータの群管理制御装置の一
実施例における群管理制御部１と単体制御部２−１〜２
−Ｎのソフトウェアシステムの一例を示しており、この
ソフトウェアシステムは、オペレーティングシステムで
あるリアルタイムOS8により単体制御機能タスク９、群
管理制御メイン機能タスク10、群管理制御サブ機能タス
ク11、伝送制御タスク12を管理する構成であり、リアル
タイムOS8内のスケジューラにより各タスク９〜12が起
動されたりホールドされたりするようになっている。

これらの各タスク９〜12の内の単体制御機能タスク９
は、単体制御部２−１〜２−Ｎを動作させるための機能
タスクであって、優先順位が高く設定されている。

群管理制御メイン機能タスク10は、群管理制御部１の
中心となる機能タスクであり、各単体制御部２−１〜２
−Ｎに分散した群管理制御サブ機能タスク11より各号機
ごとの情報データを収集し、比較演算することにより最
適合機を決定し、該当号機に対して制御指令を行なうと
共に、ホール呼び登録の制御を行なう。

群管理制御サブ機能タスク11は、群管理制御部１の各
号機単位の情報の処理を行なう機能タスクであり、群管
理制御メイン機能タスク10の制御の下に情報の処理を行
なう。すなわち、群管理制御メイン機能タスク10を有す
るコンピュータにより高速伝送路６を介してタスクの起
動、終結の管理を行なう構成となっており、マスターで
ある群管理制御メイン機能タスク10からの指令により号
機単位に分散処理を行ない、群管理制御メイン機能タス
ク10に対して処理完了時点でデータを搬送する。

伝送制御タスク12は、高速伝送路６のデータの授受及
び群管理制御サブ機能タスク11の起動、終結の制御を行
なう。

第３図は、第１図の高速伝送路６のシステム構成を示
すブロック図であり、伝送制御はマイクロプロセッサ13
を用いて行なう構成であるが、例えばISO（国際標準化
機構）が提唱するLANネットワークモデル階層のデータ
リンク階層を制御する部分としてハードウェアで構成さ
れたデータリンクコントローラ14とメディアアクセスコ
ントローラ15とを用いてデータ伝送を高インテリジェン
トにて行なうようにし、高速伝送制御に対してマイクロ
プロセッサ13が管理する伝送制御ソフトウェアの比率を
軽減させる構成にしている。

例えば、上記の高インテリジェント伝送制御を実現す
るためのコントローラであるデータリンクコントローラ
14としてインテル社（INTEL社）のLSIであるi82586が、
またメディアアクセスコントローラ15として同じくイン
テル社のi82501などが実用化されているが、これらを用
いることにより10Mビット／秒というような高速伝送機
能を、マイクロプロセッサ13のサポート比率を軽減した
形で比較的容易に行なうことができる。

なお第３図において、16はシステムバスであり、17は
制御ライン、18はシリアル伝送系である。

第４図は、この発明による学習制御部１−１の入出力
信号の流れを示す機能ブロック図であり、第５図は第４
図の学習制御部１−１のシステム構成の一例であり、第
６図及び第７図はそれぞれ第５図の推論部、部分モデル
部の詳細システム構成を示している。

第４図において、群管理制御部１は上述したようにエ
レベータ群システム２の単体制御部２−１〜２−Ｎにお
ける群管理制御サブ機能タスク11と協調をとり、ホール
呼び割当制御機能を実行する。

このホール呼び割当制御に用いられる評価アルゴリズ
ムは、群管理性能上の各評価指標を評価し、各評価値を
最適な重み付け加算して総合評価を行なうものである。

学習制御部１−１は、制御パラメータとして各時刻別
の一定期間ごとに最適な評価指標重み付け値を群管理制
御部１へ送信する。

群管理制御部１は、単体制御部２−１〜２−Ｎからの
情報を基に各評価指標の評価値を演算し、制御パラメー
タにより最適な重み付けを行ない、最適号機に対して制
御指令を与える。

学習制御部１−１は、一定期間ごとにエレベータ群シ
ステム２、すなわち、単体制御部２−１〜２−Ｎ及びホ
ール呼び入出力制御部４からの情報を基にして群管理制
御応答結果を入力し、オンライン学習のためのベースデ
ータとする。

次に、この学習制御部１−１の詳しい動作を第５図以
下の図面を用いて説明する。

まず学習制御部１−１の機能構成を説明すると、第５
図に示すように推論部21と、部分モデル部22と、合成部
23と、推論結果評価部24とで構成されている。

群管理制御部１における評価演算は一般に、複数の評
価指標ｌに対して行なわれ、ｉ号機に対して g₁（ｉ）,g₂（ｉ），……,g_l（ｉ）と表わされ、総合評価値は各評価別割当評価値を重み付
け加算することにより求められ、ｉ号機の総合評価値E₁
は、と表現される。

ここで、α_ｊは各評価指標ｊにおける重み付け値であ
り、学習制御部１−１より群管理制御部１へ送信される
制御パラメータである。

そこで、推論結果評価部24は、各時間帯別の一定期間
ごとに交通需要を算出し、推論部21に出力すると共に、
制御パラメータα_ｊの組合せを所定範囲内にて生成し、
部分モデル部22に対して出力し、結果として各制御パラ
メータα_ｊの組合せに対応する群管理制御応答推論結果
をユーザーのニーズに合わせて評価し、入出力装置５−
１を介して応答推論結果をユーザーに表示し、ユーザー
の選択により最適な制御パラメータを設定する。

群管理制御応答結果をｙ、入力をｕとすると、推論部
21、部分モデル部22及び合成部23における演算は、ｙ＝Ｆ（ｕ） …（１）と表現できる。なお、ここで、ｙ＝（y₁,y₂,……,y_n）^Ｔｕ＝（u_s,u_l）^Ｔ＝（C,α）^Ｔとする。

この群管理制御応答結果ｙにおいて、y₁,y₂,……,y_n
は一定時間におけるホール呼び応答時間の発生率、平均
乗合率、平均サービス時間などを表わし、群管理性能を
判定する上での評価基準データとなる。

また、入力ｕにおけるＣは交通需要を表わしＣ＝（c₁,c₂,c₃）とすると、c₁,c₂,c₃はそれぞれ全平均乗客発生間隔［s/
人］、基準階における平均乗客発生間隔、基準階へ向か
う平均乗客発生間隔を表わすデータであり、システムの
混雑度や人の流れなどのシステムの状況を表わすことに
なる。

さらに、αは各評価指標別重み付け値（制御パラメー
タ）であり、前述のように複数の評価指標ｌに対して α＝（α₁,α₂,……，α_ｌ）と表わされる。

そこで、推論部21、部分モデル部22、合成部23から成
る対象モデルは、ｍ個の部分システムモデルf_i（α），
（ｉ＝1,2,……,m）の合成で表現され、（１）式は次式
のように書き直せることになる。

ここで、a_i（Ｃ）は交通需要Ｃにおける部分システム
モデルf_i（α）の活性度を示し、交通需要Ｃから得られ
るシステムの状況と部分モデル部22における部分システ
ムモデルとの結合関係により決まる。

次に、推論部21、部分モデル部22及び推論結果評価部
24の各部のシステム構成について説明する。

第５図に示すように推論部21は、推論結果評価部24よ
り交通需要Ｃを受けて、これらから得られるシステムの
状況により活性度を表わす（２）式のa_i（Ｃ），（ｉ＝
1,2,……,m）を出力する働きをする。

この推論部21は第６図に示すように、入力部21−１と
記憶部21−２と出力部21−３とゲート21−４より構成さ
れている。

入力部21−１はｋ個のニューロンから成るｋ次元の状
態ベクトルＶを持ち、入力される交通需要Ｃをメンバー
シップ関数φ_ｉを通すことにより、各要素がそのメンバ
ーシップグレードで構成される部分入力ベクトルc_i,
（ｉ＝1,2,……,M）を出力する。このＭ個の部分入力ベ
クトルc_iは一括して入力ベクトルＣとして前記入力状態
ベクトルＶへ入力される。

また記憶部21−２は、ｒ御のニューロンから成るｒ次
元の状態ベクトルＸから成り、入力部21−１と出力部21
−３を関係付ける記憶部に相当する。

出力部21−３は、ｍ個のニューロンから成るｍ次元の
状態ベクトルＺから成り、各要素Z_i,（ｉ＝1,2,……,
m）が前記部分モデル部22の部分システムモデルf
_i（α）に対応している。

入力部21−１と記憶部21−２との間、また記憶部21−
２と出力部21−３との間にはそれぞれ相互ループを持
ち、また各部21−１〜21−３は自己ループを持ってい
る。

この関係は離散形式であって、次のように表現され
る。

Ｃ（ｋ）＝φ（ｕ（ｋ）） …（3.1）Ｖ（ｋ＋１）＝ φ（W_VC・Ｃ（ｋ）＋W_VV・Ｖ（ｋ）＋W_VX・Ｘ（ｋ）） …（3.2）Ｘ（ｋ＋１）＝φ（W_XV・Ｖ（ｋ＋１）＋W_XX・Ｘ（ｋ）＋W_XZ・Ｚ（ｋ）） …（3.3）Ｚ（ｋ＋１）＝φ（X_ZX・Ｘ（ｋ＋１）＋W_ZZ・Ｚ（ｋ）） …（3.4）Ｖ（０）＝V₀,X（０）＝X₀, Ｚ（０）＝Z₀,k≧０ここで、W_VCはベクトルＣからベクトルＶへの荷重を
表わすマトリックスであり、ベクトルＶを構成するニュ
ーロンのベクトルＣに対するシナプス荷重である。ま
た、W_VV,W_VX,W_XV,W_XX,W_ZX,W_ZZについても同様である。

また、φはｊ次元のメンバーシップ関数であり、φは
各次元に対応するシグモイド関数であり、入力される要
素ごとに、の演算を行なう。

さらに、ｋは時間を表わすパラメータであり、１増え
るごとに単位時間が経過する。

上記（3.1）〜（3.4）式で各Ｗを適当に設定すること
により入力される需要Ｃ（ｕ（ｋ））に対する部分シス
テムモデルf_i（α），（ｉ＝1,2,……,m）の活性度が出
力部21−３の状態ベクトルＺに時間経過を伴って現れて
くれる。

ゲート21−４は設定された時間Ｔが経過すると開かれ
て、Z_i（Ｔ）を部分システムモデルf_i（α）の活性度a_i
（Ｃ）として出力する。

次に、部分モデル部22は第７図に示すシステム構成で
あり、制御パラメータαを入力することにより各部分シ
ステムモデルごとに群管理制御応答結果f_i（α）を出力
する働きを有する。

部分モデル部22における個々の部分システムモデルf_i
（α），（ｉ＝1,2,……,m）は、第８図に示すように多
層のニューラルネットワークにより構成され、これらは
それぞれある特定の需要C₁に対応しており、それぞれが
その需要に対する制御パラメータαと実システムの群管
理制御応答結果の入出力データｉとを格納している。そ
して、部分システムモデルf_i（α）は、この入出力デー
タｉを教師データとしてバックプロパゲーション法を用
いて学習される。

第８図に詳しく示されているように、各部分システム
モデルは、入力ｕが与えられたとき、ｙ（ｋ）＝f_i（ｕ（ｋ））の演算を実行する。この演算処理は、 neth（ｋ）＝W_hu（ｋ）・ｕ（ｋ） …（4.1）ｈ（ｋ）＝φ（neth（ｋ）＋θ_ｈ（ｋ）） …（4.2） nety（ｋ）＝W_yh（ｋ）・ｈ（ｋ）＋W_yu（ｋ）・ｕ（ｋ） …（4.3）ｙ（ｋ）＝φ（nety（ｋ）＋θ_ｙ（ｋ）） …（4.4）ｋ≧０ここで、W_hu,W_yh,W_yuはシナプス荷重を表わすマトリ
ックスである。また、θ_h,θ_ｙはそれぞれ中間層ｈ、出
力層ｙに対するバイアス値を表わすベクトルである。

各部分システムモデルf_i（ｕ），（ｉ＝1,2,……,m）
はそれぞれが異なるシナプス荷重とバイアスを持ち、演
算を行なう。

第５図に示す合成部23では、部分モデル部２から入力
されてくる部分システムモデルf₁（α）,f₂（α），…
…,f_m（α）、及び推論部21から入力される各部分シス
テムモデルに対する活性度a₁（Ｃ）,a₂（Ｃ），……,a_m
（Ｃ）を（２）式にしたがって合成し、群管理制御応答
推論結果ｙとして推論結果評価部24に出力する。

推論結果評価部24では、後で詳しく説明するように、
上記のように推論部21、部分モデル部22、合成部23から
成る対象モデルに対して、入力ｕ（＝（C,α）^Ｔ）にお
いて、実システムの交通需要に対して制御パラメータα
の組合せを所定範囲内にて生成し、入力ｕとして与える
ことにより、その結果として各制御パラメータαの組合
せに対応する群管理制御応答結果を対話型式にて評価
し、最適な制御パラメータαを設定し、群管理制御部１
に送信する。

次に、オンラインにて得られるエレベータ群システム
２からの群管理制御応答結果による推論部21、部分モデ
ル部22のオンライン学習について説明する。

学習に関しては、推論結果とエレベータ群システム２
からの応答結果の差異に基づいて、推論部21「確かさ」
及び関係する部分システムモデル22−ｉの値f_iを修正す
る。その修正量は、差異の大きさ及び活性度に比例さ
せ、その確かさに反比例させて行なう。

第６図に示した推論部21における確かさを修正するル
ープは、出力部21−３から記憶部21−２へのループ、す
なわちマトリックスW_XZに限定する。またマトリクスW_XZ
は正方、すなわちｒ＝ｍと仮定する。このとき、マトリ
ックスW_XZの（i,j）要素w_ijを、 w_ii＝p_i,（ｉ＝1,2,…,m） …（5.1） w_ji＝−p_i,（ｊ≠ｉ） …（5.2）のように修正する。

ここで、pi≧０は部分システムモデルf_i（α）に対す
る記憶の確かさを表わすパラメータであり、次式により
演算される。

p_i＝ξ・R_i（ｋ＋１）＋ζ …（6.1） R_i（ｋ＋１）＝１−exp［−β（N_i（ｋ＋１）＋γ）］ …（6.2） N_i（ｋ＋１）＝N_i（ｋ）＋δN_i …（6.3）ここで、η，β，γ，ξ，ζはそれぞれ定数であり、
R_i,N_iはそれぞれ部分システムモデルf_i（α）の習熟度
及び学習進度である。そして、この学習進度N_i（ｋ）
は、部分システムモデルf_i（α）のｋ回学習した後の学
習の進み具合を表わしており、活性度a_iに比例し、現在
の習熟度R_i（ｋ）に反比例する度合δN_i（最大１）で変
化する。そして、（6.3）式で計算される新たな学習進
度N_i（ｋ＋１）に対して、新たな習熟度R_i（ｋ＋１）が
（6.2）式により決まり、最終的に修正された確かさp_i
が（6.1）式により求まる。

一方、部分モデル部22の修正は、バックプロパゲーシ
ョン法により行なう。この際に、各部分システムモデル
が持つ入出力データを書換える。所定時間帯ごとの一定
期間が終了すると、前記時間帯の応答結果を基に群管理
制御応答結果の演算を行ない、前記時間帯での制御パラ
メータと共に入出力データ D_o＝（u_o,y_o）， u_o＝（C_o ^＊，α_ｏ）^Ｔを生成する。

このとき、部分システムモデルが持つ入出力データ
（D₁,D₂,……,D_L）を書換える。

すべての入出力データをスキャンし、そのαとα_ｏと
の距離の２乗ｄα＝｜α−α_o|² …（7.1）を求め、近いものから順に２つのデータD^(1st),D^(2nd)
を抽出する。

この２つのデータD^(1st),D^(2nd)について、そのｙとy
_oとの距離の２乗 dy＝|y−y_o|² …（7.2）を求め、その後、D^(1st),D^(2nd)を次式によって修正す
る。

y^(1st)＝p₁・y₀＋（１−p₁）・y^(1st) …（7.3） y^(2nd)＝p₂・y₀＋（１−p₂）・y^(2nd) …（7.4）上記の（7.3），（7.4）式により部分システムモデル
22−ｉにおける入出力データが書換えられ、書換え後の
入出力データを教師データとしてバックプロパゲーショ
ン法により部分システムモデルの荷重マトリックスの修
正を、以下の手順により行なう。

δ_ｙ（ｋ）＝ φ′（nety（ｋ）＋θ_ｙ（ｋ））＊（ｙ^＊（ｋ）−ｙ（ｋ）） …（8.1） δ_ｈ（ｋ）＝ φ′（neth（ｋ）＋θ_ｈ（ｋ））＊Ｗ′_yh・δ_ｙ（ｋ） …（8.2） ΔW_yh（ｋ＋１）＝ η_yh（ｋ）・δ_ｙ（ｋ）・ｈ′（ｋ）＋α_yh・ΔW_yh（ｋ） …（8.3） ΔW_hu（ｋ＋１）＝ η_hu（ｋ）・δ_ｈ（ｋ）・ｕ′（ｋ）＋α_hu・ΔW_hu（ｋ） …（8.4） ΔW_yu（ｋ＋１）＝ η_yu（ｋ）・δ_ｙ（ｋ）・ｕ′（ｋ）＋α_yu・ΔW_yu（ｋ） …（8.5） W_yh（ｋ＋１）＝W_yh（ｋ）＋ΔW_yh（ｋ＋１）…（8.6） W_hu（ｋ＋１）＝W_hu（ｋ）＋ΔW_hu（ｋ＋１）…（8.7） W_yu（ｋ＋１）＝W_yu（ｋ）＋ΔW_yu（ｋ＋１）…（8.8） ΔW_yh（０）＝0,ΔW_hu（０）＝0, ΔW_yu（０）＝0,Δθ_ｙ（０）＝0, Δθ_ｈ（０）＝０ここで、ｙ^＊は教師データであり、がすべてのｙ^＊について成立するまでｋをインクリメン
トして繰り返す。

ここで、Ａ＊Ｂとは、行列Ａ及びＢの要素ごとの積を
表わしており、η，αは学習パラメータである。

上記の演算により、部分システムモデルの荷重マトリ
ックスを群管理制御応答結果が入力するたびに修正し、
再学習する。

次に、第９図乃至第12図により、推論結果評価部24の
詳細な構成とその制御パラメータαの最適化設定動作に
ついて説明する。

第９図に示すように、推論結果評価部24は制御パラメ
ータ組み合わせ生成部24−１と、交通需要検出部24−２
と、推論結果評価パラメータ設定部24−３と、推論結果
評価演算部24−４と、制御パラメータ設定部24−５とか
ら構成されている。

上述のように学習制御部１−１の推論部21、部分モデ
ル部22、合成部23により各ビルごとの任意の交通需要に
対して制御パラメータと群管理制御応答推論結果との関
係を構成し、（１）式により群管理制御応答結果ｙを連
想により推定することができた。

そこで、推論結果評価部24では、群管理制御応答結果
ｙを客先ニーズに応じて各ビルにあった「最適」の基準
にして制御パラメータの最適値設定を行なう。

そのために、推論結果評価部24は、所定の時間帯にお
いて交通需要を検出して推論部21に出力すると共に、ユ
ーザーが対話形式により入出力装置５−１により設定し
た推論結果評価パラメータを基にして制御パラメータの
最適値を決定する。

ここで推論結果評価パラメータとは、群管理制御応答
結果ｙを評価するためのパラメータテーブルであり、各
ビルごとに交通需要別に設定されるものである。また、
群管理制御応答結果ｙは、群管理制御性能を表わす指標
であり、前述のようにホール呼び応答時間の発生率、平
均乗合率、平均サービス時間といった評価基準データで
ある。

群管理制御性能を評価する場合、前記評価基準データ
をベースとして評価を行なうが、一般には前記評価基準
データに対する重み付けは客先ニーズ、交通需要により
異なるために、交通需要ごとに客先ニーズに合わせて設
定する必要がある。そのため、ユーザーが入出力装置５
−１を介して対話形式にて群管理制御応答結果ｙの表示
データを確認しながら、最適な群管理制御応答結果を選
択し、この選択に対応した推論結果評価パラメータを群
管理制御応答結果ｙの各指標を評価する重み付け値とし
て構成する。

こうして所定の交通需要Ｃにより選定された推論結果
評価パラメータβは、推論結果評価演算部24−２に送出
され、ここで合成部23より出力されてくる群管理制御応
答結果ｙを評価し、その評価結果である性能評価値PEは
制御パラメータ設定部24−５に送り出され、最適な制御
パラメータα_０が設定される。

この推論結果評価部24の動作を第10図のフローチャー
トを基に詳しく説明すると、まず制御パラメータ組み合
わせ生成部24−１において各制御パラメータαをその取
り得る範囲内で微小変化量Δαずつ変化させ、それぞれ
のαに対して有限個の組み合わせPmaxを定める（ステッ
プS1,S2）。

次に、任意の組み合わせＰに対する各制御パラメータ
Ｐ（α_1P,α_2P,……，α_lP）に対して、交通需要検出部
24−２による現時間帯の交通需要パラメータＣと共に入
力ｕ（＝（C,α）^Ｔ）を形成し、推論部21及び部分モデ
ル部22に入力し、結果として合成部23を介して群管理制
御応答推論結果y_Pを得る（ステップS3）。

この推論結果y_Pに基づいて群管理制御性能評価を示す
目的関数として性能評価値PEを数式モデルとしてモデル
化し、性能評価を数値化する（ステップS4）。

制御パラメータ組み合わせＰに対する評価値をPE_Pと
して推論結果を評価すると、次のようになる。

ここで、β（＝（β₁,β₂,……，β_ｎ））は推論結果
評価パラメータであり、ユーザーが入出力装置５−１を
介して評価した群管理制御応答結果y_pを背景としてデー
タである。

すべての組み合わせＰに対して性能評価値PE_P;（Ｐ＝
０〜Pmax）が演算されたところで（ステップS5）、この
PE_Pが最小となる組み合わせＰをP_Oとし、この組み合わ
せP_Oに対応する制御パラメータP_O（α_1PO,α_2PO,……，
α_lPO）を最適制御パラメータに設定し、群管理制御部
１に対して送信する（ステップS6）。

次に、第11図及び第12図のフローチャートに従い、ユ
ーザーへのマンマシンインターフェースであるCRT付き
入出力装置５−１の動作の詳細を説明する。

ユーザーはCRTを見ながら対話形式にて群管理制御応
答結果に対してユーザーの意見を反映することができ
る。

そこでまず、対象となる時間帯の指定を行い、群管理
制御性能の評価上の重要度を入力する（第11図における
ステップS11〜S13）。

この項目は、群管理制御応答結果のうち、群管理制御
性能上のどの項目をポイントにするか、定性的表現によ
り尋ねられ、それに答える形で入力されるものであり、
上述のようにホール呼び応答時間、平均乗合率、平均サ
ービス時間といった評価基準のうち、どの項目にポイン
トを置き、かつ同一比重を設定するかなどである。例え
ば、ホテルなどのようにサービス時間、乗合率重視形で
あれば、群管理制御応答結果のうちサービス時間、乗合
率に大きい重み付けをして評価を行う。また事務所ビル
などのように、乗合率、サービス時間よりもホール呼び
応答時間重視形であれば、ホール呼び応答時間を、「平
均待ち時間」、「長待ち率」などに分解し、それぞれ重
要と思われる項目に大きな重み付けをして評価を行う。

次に、重要度入力データを基にして計算機内部にて推
論評価パラメータの形に上記客先重要度入力データを交
換し、この設定値を基にして性能評価値PEが最小となる
群管理制御応答推論結果y_pOを算出する（ステップS14,S
15）。

この計算手順は第12図に詳しく示されており、第10図
のフローチャートとほぼ同様にして、ユーザー入力値を
基にした前記推論結果評価パラメータを基にして性能評
価値PEが最小となる群管理制御応答推論結果_ypOを決定
するのである（ステップS21〜S26）。

こうして求められた群管理制御応答推論結果y_pOは、
客先ユーザーが重要度の形で要求を行った評価指標に対
するビルでの群管理制御による応答結果の推定値を意味
する。

続いて、この群管理制御応答推論結果y_pOをCRTに表示
し、ユーザーに確認させることにより、ユーザー自身の
判断を要求する。ここで、もしユーザーの意図する結果
と異なる場合は、再度、群管理制御性能の重要度入力を
修正し、応答推論結果を算出するようにする（第11図に
おけるステップS16,S17）。

この操作を何度か繰り返し、相対的にユーザーが
「良」と判断を下した場合には、この群管理制御応答推
論結果に対応する推論結果評価パラメータβを該当する
交通需要Ｃに対する設定値として学習制御部１−１に送
出し、一定時間ごとにリアルタイムにて実行される第10
図のフローチャート中の推論結果評価パラメータとして
登録し、ユーザーの意向を群管理制御に反映することが
できる（第11図におけるステップS18）。

以上に詳述したように、推論部21、部分モデル部22、
合成部23、及び推論結果評価部24から成る学習制御部１
−１を構成することにより、ホール呼びの割当制御にお
いて、群管理性能上の各評価指標に対する重み付け値で
ある制御パラメータをユーザーの意向を反映した形で交
通需要に応じて最適化することができ、各ビル固有の評
価基準に対しても最適な制御パラメータを自動的に設定
することができる。

また、推論部21、部分モデル部22は群管理制御応答結
果によりオンライン学習ができるため、適用能力の高い
自律型システムを形成できる。

なお、この発明は上記の実施例に限定されるものでは
なく、群管理制御応答結果、制御パラメータ、交通需要
などの詳細構成はそれぞれの意図する範囲内で変更して
も同様に扱うことができることは明白である。

またユーザーによる群管理制御応答推論結果の評価に
関しても、上記の実施例では推論結果評価パラメータに
置き換え制御を行っているが、各ケースについて直接す
べての群管理制御応答推論結果を表示し、その中で最適
なケースを直接選択し、その応答推論結果を対応する制
御パラメータを最適値として設定する方式も同様に扱え
る。したがって、ユーザーが群管理制御応答結果を評価
することによってユーザーの意図する意向が制御パラメ
ータの設定に反映できるものであれば、特に限定される
ことはないのである。

［発明の効果］以上のようにこの発明によれば、各評価指標の制御パ
ラメータと群管理制御応答結果との関係を交通需要によ
りあいまいに区分したニューラルネットにより合成され
た関数モデルから成る部分モデル集合としてモデル化し
た部分モデル部と、各部分モデルと交通需要の関係を複
数メンバーシップ関数により関係付けた推論部と、前記
推論部と部分モデル部から合成により群管理制御応答結
果を演算する合成部とを備えて成る学習制御部持つこと
により、各ビルごとの任意の交通需要に対して各評価指
標の制御パラメータと群管理制御応答結果との関係が定
量的に推定できるため、交通需要により変化し、最適な
制御パラメータの設定が困難であった従来システム対し
て、連続して変化する交通需要に対して各時間帯ごとに
最適な制御パラメータを設定することができるようにな
る。

しかも、ホテル、テナントビル、一社専有ビルなどビ
ル用途により、またビルのユーザーの意向により「最
適」の評価基準が異なる場合であっても、ユーザーがマ
ンマシンインターフェースを介して対話形式でユーザー
の意図が伝えられるので、各ビル用途に応じた最適な制
御パラメータを設定することができ、各ビルごとの個性
化を実現することができる。

加えて、この発明では、ビル稼働後、発生した交通需
要と完全に一致するデータが無い場合においても、推論
部、部分モデル部、合成部により構成するシステムの連
想機能によ各制御パラメータに対する群管理制御応答推
定結果を出力するため、任意の交通需要に対応すること
ができ、一定期間に応答した実システムからのオンライ
ン学習により部分モデル部及び推論部の内部構造を自動
的に変更し、能力の高い自律システムを形成することが
できる。

そしてこれらの特徴により、多種多様なビル構成及び
客先ニーズに対して常に最適をホール呼び割当制御を実
現することができる。

【図面の簡単な説明】

第１図はこの発明の群管理制御装置の一実施例のブロッ
ク図、第２図は上記実施例の群管理制御部及び単体制御
部のソフトウェアシステムの構成図、第３図は上記実施
例の高速伝送路のシステム構成図、第４図は上記実施例
の学習制御部の入出力信号の流れを示す機能ブロック
図、第５図は上記実施例の学習制御部のシステム構成
図、第６図は上記実施例の推論部のシステム構成図、第
７図は上記実施例の部分モデル部のシステム構成図、第
８図は上記部分モデル部の各部分システムモデルの構成
図、第９図は上記実施例の推論結果評価部のシステム構
成図、第10図は上記の推論結果評価部の動作を示すフロ
ーチャート、第11図は上記の実施例のユーザー用入出力
装置の動作を示すフローチャート、第12図は第11図のフ
ローチャートにおける群管理制御応答推論結果の算出ル
ーチンの詳しい動作を示すフローチャートである。１……群管理制御部、１−１……学習制御部２……エレベータ群システム２−１〜２−Ｎ……単体制御部３……ホール呼びボタン４……ホール呼び入出力制御部５……監視盤、５−１……入出力装置６……高速伝送路、７……低速伝送路 21……推論部、22……部分モデル部 23……合成部、24……推論結果評価部

Claims

(57)【特許請求の範囲】

【請求項１】複数の階床に対して複数台のエレベータを
就役させ、発生した共通のホール呼びに対して所定の評
価演算を行ない、最適号機に前記ホール呼びを割り当て
るエレベータの群管理制御装置において、各評価指標重み付け値と群管理制御対応結果との関係を
交通需要によりあいまいに区分化したニューラルネット
により合成された関数モデルから成る部分システムモデ
ルの集合としてモデル化した部分モデル部と、前記部分システムモデルと交通需要との関係を複数のメ
ンバーシップ関数によりあいまい表現し、これらのメン
バーシップ関数及び前記部分システムモデルの結合関係
を記憶し、交通需要に基づき、前記部分システムモデル
に対する重みを演算する推論部と、前記推論部と部分モデル部とからの出力の合成により群
管理制御応答推論結果を演算する合成部と、この合成部からの群管理制御応答推論結果を表示し、対
話形式によって前記応答推論結果を評価することにより
評価指標重み付け値の最適化のための操作を行うマンマ
シンインターフェースとを備えて成るエレベータの群管
理制御装置。