JP2962182B2 - エレベータの群管理制御装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、ニューラルネットを用
いて呼びの割り当てを行うエレベータの群管理制御装置
に係り、交通状況の変動に拘わらず常に割り当て性能の
向上を図ることのできるエレベータの群管理制御装置に
関する。

【０００２】

【従来の技術】従来、エレベータの群管理制御といえば
評価関数を用いた呼び割り当て方式や、ファジー理論を
用いたエキスパートシステムによる呼び割り当て制御が
主流であったが、最近では生物の神経回路をモデルにし
たニューラルネットを用いて呼びの割り当てを行うとい
う新しい方式が提案されている。

【０００３】ニューラルネットとは、人間の脳をまねた
ネットワークで、神経細胞モデル（ニューロン）が複数
個、複雑に接続され、各ニューロンの動作及びニューロ
ン間の接続形態をうまく決めることによって、パターン
認識機能や知識処理機能を埋め込むことができるという
ものであり、例えば「日経エレクトロニクス」１９８７
年８月１０日号（No４２７）のＰ１１５〜Ｐ１２４や１
９８９年２月に産業図書株式会社から刊行された図書
「ＰＤＰモデル」などに開示されており、特にニューロ
ンを階層構造に配置したものは「バックプロパゲーショ
ン」と呼ばれる自律的学習アルゴリズムを利用できるこ
とに特徴がある。

【０００４】このニューラルネットを用いると、割り当
てアルゴリズムを人間が一切考える必要はなく、しかも
各種の交通状況に対応して、結果的には最適な割り当て
かごを決定する判断システムを自動的に生成できるとい
う優れた効果があり、例えばエレベータの呼び割り当て
に用いた例としては、特開平１−２７５３８１号「エレ
ベータの群管理制御装置」や、特開平３−３１１７３号
「エレベータの群管理制御装置」、特願平５−２４３８
１７号「エレベータ呼び割当て用ニューラルネットの学
習方法」などがある。

【０００５】ここで呼び割り当て用ニューラルネットの
一例を図４に示す。図４に示すように、呼び割り当て用
のニューラルネットＮＮは、入力パターン（エレベータ
システム状態データ）に対応する入力層ＮＲ1 と、出力
パターン（割り当て適性）に対応する出力層ＮＲ3 と、
入力層と出力層の中間に置かれる中間層ＮＲ2 のニュー
ロンとで構成される。

【０００６】入力パターンは、エレベータシステムの状
態を表す種々のデータ（乗場呼びの発生階と方向、各号
機の位置と運転方向、かご呼び、荷重状態等）を、呼び
の割り当てに必要なパラメータとして、ニューラルネッ
トに入力できる形に変換したものであり、入力層のニュ
ーロンの数はそのパラメータの総数に対応する。

【０００７】この入力層の各ニューロンに入力データを
与えると、出力層に向かって順に信号が伝わり、その結
果出力層の各ニューロンからそれぞれ何らかの値が出力
される。出力層では、エレベータの台数分のニューロン
があり、さまざまな入力パターンに対して、割り当てに
最適である号機に対応するニューロンが「１」（最大
値）を、その他のニューロンは「０」を出力するように
予め学習されている。

【０００８】従って、出力パターンの各ニューロンの値
の中で、「１」（最大値）に最も近い値を出力したニユ
ーロンが割り当てに最適であることを示すことになり、
このニューロンに対応する号機が割り当て号機として選
択される。なお、中間層（実施例では一層であるが、複
数であってもよい）のニューロンの数は、エレベータの
台数やビルの性質等に応じて適宜定められる。

【０００９】また、図示を省略しているが、各ニューロ
ン間にはニューロンの結び付きの強さを表す結合重み
（シナプスウェイト）が設定されている。この結合重み
は、最初は適当な値に設定されているが、その後「バッ
クプロパゲーション」と呼ばれる学習アルゴリズムを用
いて、より精度の高い呼び割り当てができるように修正
していくことができる。

【００１０】このバックプロパゲーションについてはよ
く知られているので詳細な説明は省略するが、予め作成
された学習用サンプル（入力パターンと、その入力パタ
ーンに対する望ましい出力パターンすなわち教師信号と
を対にしたもの）を用い、同一の入力パターンに対する
出力パターンと教師信号とを比較し、その誤差を最小化
するように結合重みを修正していくアルゴリズムで、ま
ず最初はすべての重みを初期化（例えばランダムな値に
設定）しておき、入力層の各ニューロンに学習用サンプ
ルの入力パターンを与える。そしてこのときの出力パタ
ーンとその学習用サンプルの出力パターン（教師信号）
とを比較し、その差（誤差）を用いて、その差が小さく
なるように各結合重みの値を出力層側から順に修正して
いくのである。

【００１１】そして、多数の学習用サンプルを用いて誤
差が収束するまでこれを繰り返すと、ニューラルネット
に教師信号と同レベルの呼び割当機能が自動的に埋め込
まれたことになり、学習用の入力パターンだけでなく未
知の入力パターンに対しても、教師信号と同レベルの呼
び割り当てを行なうことができるようになる。

【００１２】

【発明が解決しようとする課題】この割り当て用ニュー
ラルネットの学習は、予めシミュレーション等により作
成した学習用サンプルを用いてエレベータの設置前に行
っておくが、実際にエレベータが設置されるビルの性質
や交通状況を事前に正確に把握することは極めて困難で
あり、また、エレベータ設置後にビルの交通状況が変化
することもあるため、ニューラルネットの性能を十分発
揮するには事前の学習だけでは不十分であり、エレベー
タ設置後もこのニューラルネットの学習を継続し、結合
重みを随時修正していくことが必要となる。

【００１３】このため、エレベータの設置後も定期的に
ニューラルネットの再学習を行い、学習の終了の度にニ
ューラルネットを更新することが考えられるが、交通状
況の変動の内容によっては、新しく学習したニューラル
ネットの方が割り当て性能が必ずしも良くなるとは限ら
ず、却って性能が悪くなる場合もある。

【００１４】本発明はこのような問題点に鑑みてなされ
たもので、エレベータの設置後定期的にニューラルネッ
トの再学習を実施し、更新を行っていく際に、交通状況
がどのように変動したとしても常に性能の向上或いは維
持を図ることのできる群管理システムを提供することを
目的とする。

【００１５】

【課題を解決するための手段】上記目的を達成するた
め、本発明では、割り当て用ニューラルネットの再学習
を適宜行う学習手段、学習後のニューラルネットと学習
前のニューラルネットの割り当て性能を比較する割り当
て性能評価手段、評価の結果、学習後の性能が悪ければ
学習前のニューラルネットをそのまま保持し、良ければ
学習後のニューラルネットを以後の割り当て用ニューラ
ルネットとして更新記憶する記憶手段を備えたことを特
徴とする。

【００１６】

【作用】本発明によるエレベータの群管理装置において
は、ニューラルネットによる呼びの割り当てを行う一方
で、それと並行して或いは夜間等の閑散時を利用して随
時ニューラルネットの再学習を行う。そして学習が終了
するとその新しいネットによる割り当てに切替え、その
割り当て性能を学習前のネットと比較する。

【００１７】その結果、学習後の性能が低下している場
合には元のネットでの割り当てに戻し、性能が良くなっ
ていれば元のネットに替えてそのネットを更新記憶し、
以後そのネットを割り当て用のニューラルネットとして
使用する。

【００１８】

【実施例】図１は、本発明の全体の構成を示すブロック
図で、図中、１は各階床に設けられた乗場呼び釦（１つ
の階床分のみを図示し、他の階については省略してい
る）、２は乗場呼び信号、Ａ１は１号機の運行を管理す
る運行制御装置、同様にＡ２〜Ａｎは２号機〜ｎ号機用
の運行制御装置、３は各号機の状態（かご位置や運転方
向、走行または停止の別、戸の開閉状態、かご呼び、荷
重、サービス階等）を表すかご情報信号、１０はこの乗
場呼び信号２とかご情報信号３からなるエレベータシス
テム状態データに基づいて乗場呼びを最適な号機に割り
当て、それを割り当て信号４として出力する群管理装置
であり、各運行制御装置Ａ１〜Ａｎはこの割り当て信号
４で割り当てられた乗場呼びと自号機のかご内で登録さ
れたかご呼びに順次応答するようにかごの運行を制御す
る。

【００１９】群管理装置１０はマイクロコンピュータ等
で構成され、入出力インターフェイス１１と、呼び割り
当て用のニューラルネット１２と、該ニューラルネット
１２の学習を行う学習手段１３と、割り当て用ニューラ
ルネット１２の出力パターンから最適と思われる号機を
選択して乗場呼びに割り当てる割り当て判定手段１４
と、割り当て用ニューラルネット１２の学習前後の割り
当て性能を比較し評価する割り当て性能評価手段１５
と、該評価手段の結果に従って、学習前後のニューラル
ネットの何れかを以後の割り当て用ニューラルネットと
して更新記憶する記憶手段１６とを備えており、これら
の各手段はマイクロコンピュータ内のソフトウェア上で
実現される。

【００２０】以上の構成において、本発明における再学
習の手順を図２のフローチャートに基づいて説明する。
ここでは一例として、エレベータの稼働中に、ニューラ
ルネットによる割り当てによって学習用サンプルを作成
し、その学習用サンプルを用いて再学習を行う手順につ
いて説明する。

【００２１】まず、ステップＳ１で新たな乗場呼びが発
生したか否かを判定し、呼びが発生するとステップＳ２
で、その呼びの発生時点におけるエレベータシステム状
態データをニューラルネットの入力パターンに変換す
る。この間にこの呼びは、割り当て用ニューラルネット
１２により割り当てられ、応答号機がその呼び向かって
運転を開始する。そしてステップＳ３で、その呼びがサ
ービスされたことを確認すると、ステップＳ４でそのサ
ービスした号機を割り当て号機としてニューラルネット
の出力パターンに変換する。このとき割り当て変更或い
は再割り当て等により、当初割り当てられた号機と実際
にサービスした号機とが異なる場合、すなわち当初の割
り当てが結果的に最善でなかった場合（但し専用運転に
切り換えられたためサービスできなくなったような場合
は除く）は、実際にサービスした号機を割り当て号機と
して出力パターンに変換する。

【００２２】そしてステップＳ５で、上記の入力パター
ンと出力パターンとを対にして学習用サンプルとして記
憶する。そしてステップＳ６を経て上記の手順を繰り返
し実行し、学習用サンプルが所定数に達するとこれを用
いてニューラルネットの再学習を実施する。以後も学習
用サンプルが所定数に達する毎に再学習が繰り返され
る。

【００２３】なお、学習中のニューラルネットは呼びの
割り当てに使用することができないので、この再学習
は、割り当て用ニューラルネット１２をコピーした学習
用ニューラルネットを用い、呼びの割り当てと並行して
或いは夜間等の閑散時を利用して行うようにする。

【００２４】次に、本発明におけるニューラルネットの
更新の手順を、図３のフローチャートにより説明する。
まず、ステップＳ１でニューラルネットの再学習を実施
したか否かを確認する。まだの場合は、ステップＳ１２
へと進み、現状の割り当て用ニューラルネットで割り当
てを実行し、ステップＳ１３でその割り当て性能を算出
し記憶する。この割り当て性能としては、例えば各呼び
についてその呼びがサービスされた時点でその実際の待
ち時間を算出し、その平均待ち時間を求めるようにすれ
ばよい。

【００２５】その後、前述の図２の手順によりニューラ
ルネットの再学習が終了すると、ステップＳ１４へと進
み、割り当て用ニューラルネットをこの学習後のニュー
ラルネットに切り替えて、所定期間或いは所定数の乗場
呼びについて割り当てを実行する。そしてステップＳ１
５で、前述のステップＳ１３と同様に、学習後のニュー
ラルネットによる割り当て性能を算出し記憶する。

【００２６】そして所定期間或いは、所定数の乗場呼び
について割り当て実行した後、ステップＳ１６で、学習
前のニューラルネットによる割り当て性能と、学習後の
ニューラルネットによる割り当て性能とを比較し、ステ
ップＳ１７で性能が学習により向上したか否かを判定す
る。

【００２７】その結果、性能が向上せず、学習前の方が
性能が良かった場合は、ステップＳ１８へと進み、学習
後の新たなニューラルネットは破棄し学習前のニューラ
ルネットをそのまま保持し、再びステップＳ１１へと戻
って、その後の割り当ては学習前のニューラルネットを
用いて行う。

【００２８】一方、学習により性能が向上した場合には
ステップＳ１９へと進み、元のニューラルネットに替え
て学習後の新たなニューラルネットを記憶し、その後は
この更新後のニューラルネットで割り当てが行われる。

【００２９】以上の手順を繰り返すことにより、ニュー
ラルネットの再学習を行った際、割り当て性能が向上し
た場合のみニューラルネットの更新が行われる。

【００３０】

【発明の効果】本発明によれば、エレベータの設置後に
交通状況がどのように変動したとしても、再学習によっ
てニューラルネットの性能が却って悪化したりすること
はなくなり、常に割り当て性能の向上或いは維持を図る
ことができる。

【図面の簡単な説明】

【図１】本発明の全体の構成を示すブロック図である。

【図２】本発明におけるニューラルネットの再学習の手
順の一例を示すフローチャートである。

【図３】本発明におけるニューラルネットの更新の手順
の一例を示すフローチャートである。

【図４】呼び割当て用ニューラルネットの一例を示す図
である。

【符号の説明】

Ａ１〜Ａｎ １号機〜ｎ号機の運行制御装置 １ 乗場呼び釦 ２ 乗場呼び信号 ３ かご情報信号 ４ 割り当て信号 １０ 群管理装置 １１ 入出力インターフェイス １２ 割り当て用ニューラルネット １３ 学習手段 １４ 割り当て判定手段 １５ 割り当て性能評価手段 １６ 更新手段

───────────────────────────────────────────────────── フロントページの続き (72)発明者 中川 真実 大阪府茨木市庄１丁目28番10号 株式会 社フジテック技術研究所内 (72)発明者 緑谷 武 大阪府茨木市庄１丁目28番10号 株式会 社フジテック技術研究所内 (72)発明者 太田 直樹 大阪府茨木市庄１丁目28番10号 株式会 社フジテック技術研究所内 審査官 志水 裕司 (58)調査した分野(Int.Cl.⁶，ＤＢ名) B66B 1/18 - 1/20

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】 複数の階床に対し複数台のエレベータを
   就役させ、乗場呼びが発生すると、その時のエレベータ
   システムの状態を表す種々のデータを、ニューラルネッ
   トの入力パターンとして使用できる形に変換して割り当
   て用のニューラルネットに入力し、その出力パターンか
   ら最適なかごを選択して、その乗場呼びに割り当てるよ
   うにしたエレベータの群管理制御装置において、割り当
   て用ニューラルネットの再学習を適宜行う学習手段、学
   習後のニューラルネットと学習前のニューラルネットの
   割り当て性能を比較する割り当て性能評価手段、評価の
   結果、学習後の性能が悪ければ学習前のニューラルネッ
   トをそのまま保持し、良ければ学習後のニューラルネッ
   トを以後の割り当て用ニューラルネットとして更新記憶
   する記憶手段を備えたことを特徴とするエレベータの群
   管理制御装置。
2. 【請求項２】 前記割り当て性能は、乗場呼びの平均待
   ち時間を指標の一つとしたことを特徴とする請求項１記
   載のエレベータの群管理制御装置。