JP3929580B2 - エレベータ群管理装置 - Google Patents
エレベータ群管理装置 Download PDFInfo
- Publication number
- JP3929580B2 JP3929580B2 JP00812398A JP812398A JP3929580B2 JP 3929580 B2 JP3929580 B2 JP 3929580B2 JP 00812398 A JP00812398 A JP 00812398A JP 812398 A JP812398 A JP 812398A JP 3929580 B2 JP3929580 B2 JP 3929580B2
- Authority
- JP
- Japan
- Prior art keywords
- car
- unit
- call
- floor
- traffic flow
- 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.)
- Expired - Lifetime
Links
Images
Landscapes
- Indicating And Signalling Devices For Elevators (AREA)
- Elevator Control (AREA)
Description
【０００１】
【発明の属する技術分野】
この発明は、複数台のかごが設置されているエレベータの各かごの運行を全体的に制御するエレベータ群管理装置及び方法に係り、特にエレベータの交通流に関する情報を用いて、各かごの到着予測時間の期待値や乗り場呼びの発生確率を演算し、その結果に基づいて新たに発生した乗り場呼びにかごを割り当てるエレベータ群管理装置に関するものである。
【０００２】
【従来の技術】
従来のエレベータ群管理制御は、複数台のかごを備えたエレベータの各かごの効率的な運行を図ることにより、エレベータの設置された建造物全体のサービスを向上させることを目的としている。そのため、乗客が乗り場においてエレベータを呼ぶための乗り場呼びボタンが押された際に、エレベータの複数台のかごの中から、建造物全体のサービスの向上を考慮して、新たに発生した乗り場呼びに応答するかごを決定する呼びかご割当を行っている。この呼びかご割当の際、割当かごの違いによるサービスの評価を行うために、各エレベータがどのくらいの時間で各階に到着できるかを予測することが必要である。乗客がエレベータのかごに乗車後行き先を指定するために、かご内の行き先ボタンを押す操作をかご呼びと言うが、かごの到着予測時間の予測において、かご呼びの予測が可能であれば、その予測精度が大きく向上する。例えば、特開昭６０−１０６７７４号公報開示の発明では、かご呼びの発生需要情報を蓄積し、そのデータに基づいて、未応答の乗り場呼びと新発生の乗り場呼びに派生して発生するかご呼びを予測し、かごの到着予測時間の演算に利用している。
また、乗客の移動の様子を表す交通流に関する情報の利用はエレベータ群管理において有効である。例えば、特開平７−３０９５４６号公報開示の発明では、ニューラルネットワークを用いて交通流を推定し、その推定結果を用いて、乗客の呼びとは関係なくエレベータの回送や待機を行う運転パターンの変更を行っている。
【０００３】
【発明が解決しようとする課題】
従来のエレベータ群管理装置は以上のように構成されているので、特開昭６０−１０６７７４号公報開示の発明では、かご呼びの予測において、過去の個別のかご呼び毎にデータを蓄積し、個別のかご呼び毎に予測を行っているが、かご呼びはエレベータ運行等の影響を受けて、同じ交通流が発生していても異なったパターンで発生する不安定なデータであり、その予測結果も不安定になる傾向にあるなどの課題があった。
【０００４】
また、特開平７−３０９５４６号公報開示の発明では、ニューラルネットワークを用いて交通流の推定を行っているが、その結果を運転パターンの変更のみに使用しており、乗り場呼びに対するかごの割当には利用していないため、交通流の情報を完全に利用していないという課題があった。
【０００５】
この発明は上記のような課題を解決するためになされたもので、交通流に基づいて、安定したかご呼びの発生確率を演算でき、かつ効率的なかごの割当ができ、交通流の変化に対応したエレベータの運行が可能となるエレベータ群管理装置を得ることを目的とする。
【０００６】
また、この発明は、過去の実績を考慮してかご呼び及び乗り場呼びを予測する事ができ、より精度の高い交通流の変化に対応したかごの割当が可能となるエレベータ群管理装置を得ることを目的とする。
【０００７】
さらに、この発明は、乗り場での混雑度を考慮してかご呼び及び乗り場呼びを予測する事が可能となり、より正確に交通流の変化に対応したかごの割当が可能となるエレベータ群管理装置を得ることを目的とする。
【０００８】
さらに、この発明は、行き先階別に指定された乗り場呼び情報を考慮してかご呼びを予測する事が可能となり、より正確に交通流の変化へ対応したかごの割当が可能となるエレベータ群管理装置を得ることを目的とする。
【０００９】
さらに、交通流の推定結果を利用して将来の乗り場呼びを考慮したかごの割当が可能になり、交通流の変化と将来のサービスに対応したエレベータ群の運行が可能となるエレベータ群管理装置を得ることを目的とする。
【００１０】
さらに、この発明は、精度の高い交通流の推定を行うことのできるエレベータ群管理装置を得ることを目的とする。
【００１３】
この発明に係るエレベータ群管理装置は、過去の所定時間内におけるかご呼びの累計値を演算するかご呼び演算部と、該かご呼び演算部によって演算された過去のかご呼びの累計値に基づいて、かご呼び発生確率演算部で演算されたかご呼び発生確率の予測値の補正を行うかご呼び発生確率補正部を更に備え、かご到着予測時間演算部が、該かご呼び発生確率補正部により補正されたかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めるものである。
【００１４】
この発明に係るエレベータ群管理装置は、各階のエレベータ乗り場の混雑度を測定する乗り場混雑度測定装置と、該乗り場混雑度測定装置の出力より各階のエレベータ乗り場の混雑度を検出する乗り場混雑度検出部と、該乗り場混雑度検出部によって検出された前記エレベータ乗り場の混雑度に基づいて、かご呼び発生確率演算部で演算されたかご呼び発生確率の補正を行う乗り場混雑度利用かご呼び発生確率補正部とを更に備え、かご到着予測時間演算部が、該乗り場混雑度利用かご呼び発生確率補正部により補正されたかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めるものである。
【００１５】
この発明に係るエレベータ群管理装置は、エレベータ乗り場において行き先階を指定してかごを呼ぶ行き先階別乗り場呼び装置と、該行き先階別乗り場呼び装置によって登録された行き先階の指定された乗り場呼びに基づいて、かご呼び発生確率演算部により演算されたかご呼び発生確率の補正を行う行き先階指定乗り場呼び利用かご呼び発生確率補正部とを更に備え、かご到着予測時間演算部が、該行き先階指定乗り場呼び利用かご呼び発生確率補正部により補正されたかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めるものである。
【００１７】
この発明に係るエレベータ群管理装置は、過去の所定時間内における乗り場呼びの累計値を演算する乗り場呼び演算部と、該乗り場呼び演算部によって演算された過去の乗り場呼びの累計値に基づいて、乗り場呼び発生確率演算部で演算された乗り場呼び発生確率の補正を行う乗り場呼び発生確率補正部とを更に備え、予測評価制御かご割当部が、かご到着予測時間演算部で演算されたかごの到着時間の期待値と、前記乗り場呼び発生確率補正部で補正された乗り場呼び発生確率とに基づいて、新たに発生した乗り場呼びにかごを割り当てるものである。
【００１８】
この発明に係るエレベータ群管理装置は、各階のエレベータ乗り場の混雑度を測定する乗り場混雑度測定装置と、該乗り場混雑度測定装置の出力より各階のエレベータ乗り場の混雑度を検出する乗り場混雑度検出部と、該乗り場混雑度検出部によって検出された前記エレベータ乗り場の混雑度に基づいて、乗り場呼び発生確率演算部で演算された乗り場呼び発生確率の補正を行う乗り場混雑度利用乗り場呼び発生確率補正部とを更に備え、予測評価制御かご割当部が、かご到着予測時間演算部で演算されたかごの到着時間の期待値と、前記乗り場混雑度利用乗り場呼び発生確率補正部で補正された乗り場呼び発生確率とに基づいて、新たに発生した乗り場呼びにかごを割り当てるものである。
【００１９】
この発明に係るエレベータ群管理装置は、交通流推定部が、エレベータの設置された建造物において発生する交通流パターンと、該交通流パターンから発生する各階の交通量との関係を表す交通流データマップを格納した交通流データベースと、交通量検出部で得られる各階の交通量からその時に発生している交通流に合致する交通流データマップを検索し、該交通流データマップに対応する交通流パターンを出力する交通流パターン検索部とを備えたものである。
【００２０】
この発明に係るエレベータ群管理装置は、交通流パターン検索部が、ニューラルネットワークを用いて交通流データマップの検索を行うニューラルネットワーク利用交通流パターン検索部を備えたものである。
【００２１】
この発明に係るエレベータ群管理装置は、交通流推定部が、エレベータの設置された建造物において発生する交通量の入力を受け、該交通量を発生させるようなＯＤ情報の推定値を出力するＯＤ推定部と、所定時間に発生する交通量の総和である交通総量を交通量から演算する交通総量演算部とを備えたものである。
【００２２】
この発明に係るエレベータ群管理装置は、ＯＤ推定部が、ニューラルネットワークを用いたニューラルネットワーク利用ＯＤ推定部を備えたものである。
【００２３】
この発明に係るエレベータ群管理装置は、交通流推定部が、エレベータの設置された建造物において発生する交通量の入力を受け、前記建造物の各階床間の乗客の移動量を行列表現した階間交通流行列を出力するニューラルネットワークを用いたニューラルネットワーク利用交通流推定部を備えたものである。
【００２５】
【発明の実施の形態】
以下、この発明の実施の一形態を説明する。
実施の形態１．
図２及び図３は、この発明のエレベータ群管理装置及び方法のかご割当の動作原理を説明するための図である。このエレベータは２機のかごを有するものとする。図２及び図３おいて、白抜きの三角形は新規に発生した乗り場呼び、白抜きの逆三角形は予測される乗り場呼び、白抜きの円は予測されるかご呼び、斜線を施した三角形は応答するかごを既に割り当てた乗り場呼び、斜線を施した円はかごに登録済みのかご呼びを表す。また、両図の左側のかごを１号機、右側のかごを２号機とする。
【００２６】
図２に示した例では、１号機はこの後６階，７階に停止することが確定しており、２号機は４階，１２階に停止することが確定している。このような状態において、１０階に新規の乗り場呼びが発生し、その呼びに対して割り当てるかごを決定するのが、エレベータ群管理における呼びかご割当機能である。この際、建造物の全階におけるサービス、つまり建造物全体としての待ち時間を小さくするように割当かごを決定する。そのため、各かごが各階へどのくらいの時間で到着できるかを表す到着予測時間の演算が重要になる。例えば、図２の例では、新規の１０階の乗り場呼びにかごを割り当てる場合、１号機と２号機の１０階への到着予測時間の演算が必要となる。距離だけを見ると、１号機の方が１０階に近いが、１号機は１０階までの停止回数が多いため、２号機の１０階への到着予測時間の方が短くなる。しかし実際には、１号機の６階の乗り場呼びと２号機の４階での乗り場呼びに関して発生するかご呼びが１０階以下に発生するか否かで到着予測時間は変わってくる。そこで、到着予測時間の演算にはかご呼びの予測が重要となる。
【００２７】
このかご呼びの予測を行うために、まず、出発階と行き先階の関係を表すＯＤ（Ｏｒｉｇｉｎ Ｄｅｓｔｉｎａｔｉｏｎ）情報を用いて、乗客の出発階と到着階の間の人数比を求める。次に、この人数比に基づいて、ある階で発生した乗り場呼びに関連して発生するかご呼びの発生階の予測を行う。このようにして得られた、各乗り場呼びに対する到着予測時間を変数として含む評価関数を立てて、その評価関数が最小、あるいは最大となるように割当かごを選ぶ。また、ＯＤ情報を用いることにより、乗り場呼びの発生の予測を行うことも可能となる。この結果、予測された乗り場呼びに対する到着予測時間も考慮して評価関数を作成することにより、将来のサービスの予測値を考慮したかご割当が可能となる。
【００２８】
例えば、図３に示した例について考えてみる。図３の例で、１０階に発生した乗り場呼びに応答するために、１号機と２号機の１０階への到着予測時間を考える。１号機も２号機も同じ階床数だけ途中停止するため、それぞれの停止にかかる時間が同じと仮定すると、新規発生した１０階の乗り場呼びに対しては現在４階にいる１号機の方が、わずかではあるが、早く応答可能である。しかし、９階に乗り場呼びと１号機におけるかご呼びが発生すると予測されているので、１０階で発生している乗り場呼びには２号機を割り当て、１号機は９階に予測される乗り場呼びに備えておくことにより、１機が９の乗り場呼びとかご呼びに同時に応答することが可能となり、建造物全体のサービスを向上させる可能性が高まる。
【００２９】
図１はこの発明の実施の形態１によるエレベータ群管理装置の構成を示すブロック図である。図において、１1 〜１N はエレベータの乗客が乗る各かご（１号機〜Ｎ号機）に設けられた各かごの制御装置、２は各階のエレベータ乗り場に設けられた乗り場呼びの入出力を行う乗り場制御装置、３はこの実施の形態１のエレベータ群管理装置である。
【００３０】
また、３１は乗り場制御装置２や各かごの制御装置１1 〜１N から、乗り場呼び、乗車／降車の人数、乗車中の人数、かご呼び、エレベータの走行状態、扉の状態などエレベータの状態を検出するエレベータ状態検出部、３２はエレベータ状態検出部３１で検出した乗り場呼びや乗車／降車の人数から、建造物内の各階で乗車する乗客数及び降車する乗客数を表す交通量を検出する交通量検出部、３３は交通量検出部３２で検出した交通量の特徴に基づいて、ＯＤ情報と交通量の情報を含むエレベータの交通流を推定する交通流推定部、３４は交通流推定部３３で推定された交通流中のＯＤ情報を用いてエレベータの各かごについて各乗り場呼びごとに各階へのかご呼びの発生確率を演算するかご呼び発生確率演算部、３５はかご呼び発生確率演算部３４で演算されたかご呼び発生確率とエレベータの状態とから各かごの各階への到着予測時間の期待値を演算するかご到着予測時間演算部、３６はかご到着予測時間演算部３５で演算された各かごのかご到着予測時間の期待値から乗り場呼びへの割当かごを決定する予測評価制御かご割当部である。
【００３１】
図４はエレベータ群管理装置３の交通流推定部３３の具体的構成を示すブロック図である。図において、３３１は交通量検出部３２から入力される入力交通量データで、各階毎の上昇方向及び下降方向に分けた方向別の乗車、降車人数などをその要素として含む。３３２はエレベータの設置された建造物において発生する交通流パターンと該交通流パターンから発生する各階の交通量との関係を表す交通流データマップを格納した交通流データベースである。交通流データベース３３２に格納される交通流パターンとは、単位時間当たりに発生する交通総量と、図５に示すような乗客の出発階と到着階の間の移動の割合を表すＯＤ行列とを組み合わせたものである。この交通流データベース３３２は、エレベータを設置する建造物において発生する交通流パターンを考慮して予めシミュレーションによって作成しておく。３３３は交通流データベース３３２に格納された交通流データマップ中から、与えられた入力交通量データ３３１に合致する交通流データマップを検索し、それに対応する交通流パターンを出力する交通流パターン検索部、３３４は交通流データベース３３２に格納されている各交通流データマップのうち、エレベータが設置されている建造物で実際に発生している交通流に関する交通流データマップのみを検索するように交通流パターン検索部３３３を構築する交通流パターン検索部構築部であり、この交通流パターン検索部構築部３３４により交通流パターン検索部３３３の構築をエレベータ設置後も定期的に行うことによって、建造物の交通流の経時変化に対応することが可能になる。３３５は交通流パターン検索部３３３から出力される出力交通流パターンで、かご呼び発生確率演算部３４に入力される。
【００３２】
図６は交通流パターン検索部３３３の具体的構成を示すブロック図である。図において、３３３１はニューラルネットワークを用いて入力交通量データ３３１に合致する交通流パターンを検索するニューラルネットワーク利用交通流パターン検索部である。図７はニューラルネットワーク利用交通流パターン検索部３３３１に用いられるニューラルネットワークの具体的構成を示す図である。このニューラルネットワークの入力層の各ニューロンへの入力信号は入力交通量データ３３１の各要素、出力層の各ニューロンからの出力信号は各交通流パターンに対応する。このニューラルネットワークはその時に入力される入力交通量データ３３１に対応する交通流パターンを出力する出力層ニューロンのみが１を出力し、他の出力層ニューロンは０を出力するように学習する。
【００３３】
交通流パターン検索部３３３が、図６に示すように、ニューラルネットワーク利用交通流パターン検索部３３３１によって構成されている場合、交通流パターン検索部構築部３３４はニューラルネットワーク利用交通流パターン検索部３３３１の学習のために、交通流データベース３３２に各交通流データマップとして格納されている交通量データと交通流パターンとをニューラルネットワークの入出力データの一例として、ニューラルネットワーク利用交通流パターン検索部３３３１に提示して学習を行わせる。
【００３４】
次に動作について説明する。
エレベータ群管理装置３は、乗り場制御装置２及び各かごの制御装置１1 ないし１N からそれぞれ乗り場呼び及びかご呼びの入力を受ける。また、エレベータ状態検出部３１で、乗車／降車の人数、乗車中の人数、エレベータの走行状態、扉の状態などエレベータの状態を検出して交通量検出部３２に入力する。交通量検出部３２では、入力されたエレベータの走行状態を示すデータから、このエレベータの設置された建造物内に発生している交通量を検出して交通流推定部３３に入力する。交通流推定部３３では、入力された入力交通量データ３３１に基づいて、交通流パターン検索部３３３が、この入力交通量データ３３１に合致する交通流データマップを交通流データベース３３２から検索し、それに対応する出力交通流パターン３３５をかご呼び発生確率演算部３４に出力する。この際、上述したように、交通流パターン検索部構築部３３４がニューラルネットワーク利用交通流パターン検索部３３３１に検索した交通流パターンの学習を行わせる。
【００３５】
図８はエレベータ群管理装置３におけるかごの割当手順を示すフローチャートである。まず、この図８のフローチャートを参照しながら、かご割当手順の概略を全体的に説明する。かご呼び発生確率演算部３４では入力された交通流パターンから建造物の各階に発生するかご呼び発生確率を乗り場呼びごとに演算して求め（ステップＳＴ１）、かご到着予測時間演算部３５に出力する。かご到着予測時間演算部３５では、かご呼び発生確率演算部３４から入力されたかご呼び発生確率とエレベータ状態検出部３１から入力されたエレベータ状態とから各かごの各階への到着予測時間の期待値を演算し（ステップＳＴ２）、予測評価制御かご割当部３６に入力する。予測評価制御かご割当部３６では、入力された到着予測時間の期待値に基づいて、まずかご割当評価値を演算し（ステップＳＴ３）、次にこの評価値に基づいて乗り場呼びに応答するかごを割当る（ステップＳＴ４）。
【００３６】
次に図８のフローチャートに示したかご割当手順の各手順につき手順ごとに詳細に説明する。
まず、図８のステップＳＴ１のかご呼び発生確率の演算方法について述べる。このステップでは、交通流推定部３３で推定された交通流パターンのＯＤ情報を用いて、かご呼びの発生確率を演算する。Ｍ階の乗り場呼びに応答した結果乗車した客が発生させるＮ階へのかご呼びを行うかご呼び発生確率は、次の（１），（２）式で表される。
・乗り場呼びが上昇方向の場合。
【数１】
・乗り場呼びが下降方向の場合。
【数２】
ここで、ＣａｇｅＣａｌｌＰ（ｍ，ｎ）はｍ階に発生した乗り場呼びに応答した結果発生するｎ階へのかご呼びの発生確率、ＯＤ（ｍ，ｎ）は、ｍ階からｎ階への異動の乗客比率を表すＯＤ行列のｍ行ｎ列の要素、ＭａｘＦは最上階床、ＭｉｎＦは最下階床を表している。例えば、図５のようなＯＤ行列が得られた場合、図２の例において、１号機の６階の乗り場呼びに応答した結果発生する１１階のかご呼びの発生確率は次の（３）式のように得られる。
【数３】
【００３７】
図９は、かご呼び発生確率演算部３４が前記（１），（２）式を用いてかご呼び発生確率を演算する手順を示すフローチャートである。以下、この図９のフローチャートを参照しながらかご呼び発生確率の演算手順を説明する。
【００３８】
かご呼び発生確率演算部３４は、まず登録済みの乗り場呼び階の中から階数ｍを設定し（ステップＳＴ１１）、次にかご呼び階の階数ｎを最下階に設定する（ステップＳＴ１２）。
【００３９】
続いて、かご呼び発生確率演算部３４は、ｍ階で発生している乗り場呼びの方向を判定し（ステップＳＴ１３）、乗り場呼びの方向が上昇方向の場合には（１）式に従って、下降方向の場合には（２）式に従って、かご呼び発生確率を演算する（ステップＳＴ１４，ＳＴ１５）。
【００４０】
次に、階数ｎを１だけ増加させ（ステップＳＴ１６）、増加させた階数ｎが最上階を示しているか否かを判定する（ステップＳＴ１７）。階数ｎが最上階を示していない場合には、ステップＳＴ１３に戻り、乗り場呼びの方向判断（ステップＳＴ１３）とかご呼び発生確率の演算（ステップＳＴ１４，ＳＴ１５）を繰り返して、階数ｎを更に１だけ増加させる（ステップＳＴ１６）。
【００４１】
階数ｎが最上階を示している場合には、乗り場呼びの発生する全ての階の階数ｍについて、かご呼び発生確率を演算したかどうかを判定し（ステップＳＴ１８）、演算していない階が残っている場合には、階数ｍを演算していない乗り場呼び階に設定して（ステップＳＴ１９）、ステップＳＴ１２に戻り、新たな乗り場呼び階に対して最下階から最上階までのかご呼び発生確率演算の手順を繰り返す。乗り場呼びの発生する全ての階の階数ｍについて演算が終了している場合には、かご呼び発生確率の演算を終了する。
【００４２】
次に、かご到着予測時間演算部３５の行う、各かごの各階への到着予測時間の期待値の演算方法について述べる。到着予測時間は、移動時間と停止時間の和からなる。この際、各かごが停止する階が重要となる。割り当て済みの乗り場呼び階と登録済みのかご呼び階については、どのかごが停車するかが確定しているが、割り当て前の乗り場呼びについては、割当かごを仮決定して到着予測時間を求め、未応答の乗り場呼びに対するかご呼びについては、かご呼び発生確率を用いて確率的な期待値を求める。
【００４３】
まず、確定しているかご呼び及び乗り場呼びと、未応答の乗り場呼びに対してかごｓ号機を仮割当したときのｐ階にいるかごｑ号機がｒ階にｕｐｄ方向（ｕｐｄは上昇又は下降）で到着するのにかかる到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ１（ｑ，ｒ，ｓ，ｕｐｄ）は次の（４）式のように計算できる。
【数４】
【００４４】
ここで、ＳｔｏｐＦ（ｑ，ｒ，ｓ，ｕｐｄ，ｉ）は下記のように、新規発生の乗り場呼びに対する仮割当かごがｓ号機であるときに、かごｑ号機がｕｐｄ方向のｒ階に到着するまでに停止する階床を表す行列ＳＴＯＰ＿ＦＬＯＯＲ（ｑ，ｒ，ｓ，ｕｐｄ）の要素である。行列ＳＴＯＰ＿ＦＬＯＯＲ（ｑ，ｒ，ｓ，ｕｐｄ）は次の（５）式で表現される。
【数５】
また、ｍｏｖｅ（ｏＦ、ｄＦ）はｏＦ階からｄＦ階へかごが移動するためにかかる時間、ＳｔｏｐＴｉｍｅ（ｆ）は、ｆ階に停止している時間を表し、ｍａｘＳ（ｑ，ｒ，ｓ，ｕｐｄ）は、新規発生の乗り場呼びに対する仮割当かごをｓ号機としたときのかごｑ号機がｕｐｄ方向のｒ階に到着するまでの間の途中停止確定階床数である。
【００４５】
次に、（１），（２）式によって得られたかご呼び発生確率の予測値を用いて、新規発生の乗り場呼びについて発生するかご呼びを考慮した到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）は、例えば次の（６）式のように演算できる。
【数６】
ここで、ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）は、仮割当かごをｓ号機としたときに、ｐ階にいるかごｑ号機がｕｐｄ方向のｒ階に到着するのにかかる到着予測時間の期待値、ＨｓｔｏｐＦ（ｑ，ｓ，ｕｐｄ，ｉ）は、新規発生の乗り場呼びに対する仮割当かごをｓ号機としたときのｑ号機のｕｐｄ方向のｉ番目の乗り場呼び停止階、ＳｔｏｐＴｉｍｅＰ（ｆ）は、ｆ階にかご呼び停止した際の到着予測時間の増分の期待値を表す。
【００４６】
図１０は、かご到着予測時間演算部３５が前記（４），（５），（６）式を用いてかご到着予測時間の期待値を演算する手順を示すフローチャートである。次に、この図１０のフローチャートを参照しながらかご到着予測時間演算部３５のかご到着予測時間の期待値演算手順を詳細に説明する。
【００４７】
かご到着予測時間演算部３５は、まず、仮割当かごｓ号機と演算対象かごｑ号機をそれぞれ１号機であると初期設定し（ステップＳＴ２１，ＳＴ２２）、行き先階の階数ｒを最下階に初期設定する（ステップＳＴ２３）。
【００４８】
次に、設定したかご番号ｑ，ｓ及び階数ｒについて、（４），（５），（６）式に従って、到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）をｕｐｄ＝ＵＰの場合（上昇方向での到着）について演算し（ステップＳＴ２４）、さらに、ｕｐｄ＝ＤＯＷＮの場合（下降方向での到着）について演算する（ステップＳＴ２５）。
【００４９】
続いて、この到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）の演算を全ての行き先階について行ったか否か調べ（ステップＳＴ２６）、最上階まで行っていない場合には、行き先階の階数ｒを１だけ増加させ（ステップＳＴ２７）、再度到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）を演算する（ステップＳＴ２４，ＳＴ２５）。最上階まで演算済みの場合には、全てのかごについて到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）の演算を行ったか否かを調べ（ステップＳＴ２８）、全てのかごにつき演算していない場合には、かご番号ｑを１だけ増加させ（ステップＳＴ２９）、再度全ての行き先階につき到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）を演算する（ステップＳＴ２３，ＳＴ２４，ＳＴ２５）。全てのかごにつき演算し終わっている場合には、全てのかごにつき仮割当を行ったか否かを判断する（ステップＳＴ３０）。ここで、ｍａｘ＿ｃａｒは設置されているかごの台数である。全てのかごにつき仮割当を行っていない場合には、仮割当のかご番号ｓを１だけ増加させ（ステップＳＴ３１）、再度全てのかごにつき、全ての行き先階に関して到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）を演算する（ステップＳＴ２２，ＳＴ２３，ＳＴ２４，ＳＴ２５）。全てのかごにつき仮割当を終わっている場合には、到着予測時間の期待値の演算を終了する。以上のように、かご到着予測時間演算部３５では、仮割当かごｓを全てのかごに変更しながら、各かごｑについて全階床に対して到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）の演算を行う。
【００５０】
次に、予測評価制御かご割当部３６で行う、新規発生乗り場呼びへのかご割当方法の一例について述べる。ここでは、各乗り場呼びに対する待ち時間の和を最小化するように割当かごを決定する場合について述べる。図１１はこの予測評価制御かご割当部３６のかごの割当決定手順を示すフローチャートである。
【００５１】
予測評価制御かご割当部３６は、まず、仮割当かごのかご番号ｓを１として初期設定を行う（ステップＳＴ４１）。次に、割り当て決定のための評価関数である割当評価値Ｈｙｏｕｋａ（ｓ）の演算を行う（ステップＳＴ４２）。続いて、全てのかごにつき仮割当を行って割当評価値Ｈｙｏｕｋａ（ｓ）を演算したか否かを調べ（ステップＳＴ４３）、全てのかごにつき演算が終了していない場合には、仮割当かごのかご番号ｓを１だけ増加させ（ステップＳＴ４４）、再度割当評価値Ｈｙｏｕｋａ（ｓ）を演算する（ステップＳＴ４２）。全てのかごにつき仮割当を行い、割当評価値Ｈｙｏｕｋａ（ｓ）の演算が終了している場合には、次の割当かごの決定ステップ（図８のフローチャートのステップＳＴ４）に進む。
【００５２】
予測評価制御かご割当部３６は、次に、割当評価値Ｈｙｏｕｋａ（ｓ）が最小となる仮割当かごｘを検索し（ステップＳＴ４５）、かごｘを新規発生した乗り場呼びに対する仮割当かごとして決定して（ステップＳＴ４６）かご割当手順を終了する。
【００５３】
ここで、割当評価値Ｈｙｏｕｋａ（ｓ）の一例について述べる。たとえば、乗り場呼び発生階に対する全ての待ち時間を最小とするようにかごの割当を決めたい場合には、割当評価値Ｈｙｏｕｋａ（ｓ）を次の（７）式のように設定する。
【数７】
ここで、ＨＳｔｏｐは乗り場呼びの集合であり、Ｆ（ｔ）は乗り場呼びの発生階、ＵＰＤ（ｔ）は乗り場呼びｔの方向、Ｑ（ｔ）は乗り場呼びｔに既に割り当てられた、もしくは仮割当されたかごを表す。また、Ｗｔは割当評価値Ｈｙｏｕｋａ（ｓ）を求める際の各乗り場呼びに対する優先度を決める荷重係数である。全ての仮割当かごｓについて割当評価値Ｈｙｏｕｋａ（ｓ）を演算し、最小の割当評価値Ｈｙｏｕｋａ（ｓ）を決めることにより、建造物全体の待ち時間を最小化するようにかごの割り当てを行うことが可能となる。
【００５４】
以上のように、この実施の形態１によれば、交通流の推定結果を利用して安定したかご発生確率の演算ができ、効率的なかごの割当が可能になり、交通流の変化に対応したエレベータの運行が可能となるという効果が得られる。
【００５５】
実施の形態２．
この発明の実施の形態２によるエレベータ群管理装置は、基本的構成は図１に示した実施の形態１の構成と同一であり、交通流推定部の構成のみが実施の形態１の交通流推定部３３の構成と異なる。したがって、実施の形態２については、交通流推定部の構成及び動作についてのみ説明し、その他の構成部分については説明を加えない。
【００５６】
図１２は実施の形態２の交通流推定部の具体的構成を示すブロック図である。図において、入力交通量データ３３１は実施の形態１の入力交通量データ３３１と同一である。３７は実施の形態２の交通流推定部、３７１は入力交通量データ３３１に基づいて所定時間内に発生する乗客の移動量の総量、すなわち交通総量を入力交通量データ３３１から演算する交通総量演算部、３７２は交通総量演算部３７１で演算された交通総量、３７３は交通量−ＯＤ行列データマップを格納した交通量−ＯＤ行列データベースであり、交通量−ＯＤ行列データマップはあるＯＤ行列を決定したときにそのＯＤ行列に対応して発生する各階の交通量とＯＤ行列との関係をさまざまな交通総量について表したものである。交通量−ＯＤ行列データベース３７３は、エレベータを設置する建造物において発生する交通量を考慮して予めシミュレーションによって作成しておく。３７４は交通量−ＯＤ行列データベース３７３に格納された交通量−ＯＤ行列データマップ中から、与えられた入力交通量データ３３１を発生させるようなＯＤ行列の推定値を求めて出力するＯＤ推定部、３７５はＯＤ推定部３７４から出力される出力ＯＤ行列で、かご呼び発生確率演算部３４に入力される。３７６は交通量−ＯＤ行列データベース３７３に蓄積されている交通量データとＯＤ行列との関係に従ってＯＤ行列の推定を行うようにＯＤ推定部３７４を構築するＯＤ推定部構築部で、交通量−ＯＤ行列データベース３７３に格納されている各交通量−ＯＤ行列データマップのうち、エレベータが設置されている建造物で実際に発生しているＯＤ行列に関する交通量−ＯＤ行列データマップの関係をＯＤ推定部３７４の入出力データの一例としてＯＤ推定部３７４に学習させる。ＯＤ推定部３７４の学習をＯＤ推定部構築部３７６によりエレベータ設置後も定期的に行わせることによって、建造物の交通流の経時変化に対応することが可能になる。
【００５７】
図１３はＯＤ推定部３７４の具体的構成を示すブロック図である。図において、３７４１はニューラルネットワークを用いて入力交通量データ３３１を発生させるＯＤ行列の各要素の値を推定するニューラルネットワーク利用ＯＤ推定部である。図１４はニューラルネットワーク利用ＯＤ推定部３７４１に用いられるニューラルネットワークの具体的構成を示す図である。このニューラルネットワークの入力層の各ニューロンへの入力信号は入力交通量データ３３１の各要素、出力層の各ニューロンからの出力信号はＯＤ行列の各要素に対応する。このニューラルネットワークはその時に入力される入力交通量データ３３１を発生させるＯＤ行列の各要素の値を出力層ニューロンから出力する。
【００５８】
次に動作について説明する。
交通流推定部３７は、交通量検出部３２から入力交通量データ３３１の入力を受けると、交通総量演算部３７１で交通総量３７２を演算してかご呼び発生確率演算部３４に出力するとともに、ＯＤ推定部３７４で、交通量−ＯＤ行列データベース３７３に格納された交通量−ＯＤ行列データマップ中から、入力交通量データ３３１を発生させるようなＯＤ行列の推定値を求めて出力ＯＤ行列３７５としてかご呼び発生確率演算部３４に出力する。この際、ＯＤ推定部構築部３７６はニューラルネットワーク利用ＯＤ推定部３７４１のニューラルネットワークにＯＤ推定部３７４の入出力データを交通量−ＯＤ行列データマップの関係の一例として学習させる。
【００５９】
以上のように、この実施の形態２によれば、交通量−ＯＤ行列データベース３７３を利用して精度の高い交通流の推定ができ、この精度の高い交通流の推定結果を利用したかごの割当が可能となって、交通流の変化に対応したエレベータの運行が可能となる効果が得られる。
【００６０】
実施の形態３．
この発明の実施の形態３によるエレベータ群管理装置は、基本的構成は図１に示した実施の形態１の構成と同一であり、交通流推定部の構成のみが実施の形態１の交通流推定部３３の構成と異なる。したがって、実施の形態３については、交通流推定部の構成及び動作についてのみ説明し、その他の構成部分については説明を加えない。
【００６１】
図１５は実施の形態３の交通流推定部の具体的構成を示すブロック図である。図において、入力交通量データ３３１及び交通流データベース３３２はそれぞれ実施の形態１の入力交通量データ３３１及び交通流データベース３３２と同一である。３８は実施の形態３の交通流推定部、３８１は交通流データベース３３２の交通流データマップの交通量データと交通流パターンとの関係に従って、入力交通量データ３３１に合致した階間交通流行列を推定して出力するニューラルネットワーク利用交通流推定部、３８２はニューラルネットワーク利用交通流推定部３８１から出力される階間交通流行列で、階間交通流行列３８２は各階床間を移動する乗客数を行列表現した一種のＯＤ行列であり、その各要素が単なる各階間を移動する乗客数の比ではなく、乗客数そのものを表している。この階間交通流行列３８２はＯＤ列と交通総量とから簡単に求めることが可能であり、逆に階間交通流行列３８２からＯＤ行列と交通総量を求めることも可能である。３８３はニューラルネットワーク利用交通流推定部３８１が交通流データベース３３２に蓄積されている交通流データマップの関係に従って、階間交通流行列３８２の推定を行って、推定した階間交通流行列３８２を出力した事実を記憶するように、ニューラルネットワーク利用交通流推定部３８１に学習させる交通流推定部構築部である。
【００６２】
図１６はニューラルネットワーク利用交通流推定部３８１に用いられるニューラルネットワークの具体的構成を示す図である。このニューラルネットワークの入力層の各ニューロンの入力は入力交通量データ３３１の各要素に対応し、出力層の各ニューロンの出力は階間交通流行列３８２の各要素に対応する。
【００６３】
次に動作について説明する。
交通流推定部３８は、交通量検出部３２から入力交通量データ３３１の入力を受けると、ニューラルネットワーク利用交通流推定部３８１で、交通流データベース３３２に格納された交通流データマップ中から、入力交通量データ３３１に合致した階間交通流行列３８２を推定してかご呼び発生確率演算部３４に出力する。この際、交通流推定部構築部３８３は、交通流データベース３３２に蓄積されている各交通流データマップのうち、エレベータが設置されている建造物で実際に発生しているデータマップを選択し、このデータマップの交通流パターンから階間交通流行列３８２を作成して、ニューラルネットワーク利用交通流推定部３８１のニューラルネットワークの出力層の教師データとして与える。このニューラルネットワーク利用交通流推定部３８１の学習を建造物設置後も定期的に行うことによって、建造物の交通流の経時変化に対応することが可能になる。
【００６４】
以上のように、この実施の形態３によれば、交通流推定部３８が階間交通流行列３８２を推定して出力することによって、精度の高い交通流の推定結果を利用したかごの割当が可能になり、交通流の変化に対応したエレベータの運行が可能となるという効果が得られる。
【００６５】
実施の形態４．
図１７はこの発明の実施の形態４によるエレベータ群管理装置の構成を示すブロック図である。図１に示した実施の形態１の構成要素と同一の構成要素には同一の符号を付けて、その説明を省略する。
【００６６】
図１７において、３ａはこの実施の形態４のエレベータ群管理装置、３９は交通流推定部３３により推定された交通流に基づいて、各階において発生する乗り場呼びの発生確率を演算する乗り場呼び発生確率演算部、３５ａは乗り場呼び発生確率演算部３９により演算された乗り場呼び発生確率とかご呼び発生確率演算部３４により演算されたかご呼び発生確率とエレベータの状態とに基づいて、各階への各かごの到着時間の期待値を求めるかご到着予測時間演算部、３６ａはかご到着予測時間演算部３５ａで演算されたかごの到着時間の期待値と、乗り場呼び発生確率演算部３９で演算された乗り場呼び発生確率とに基づいて、新たに発生した乗り場呼びにかごを割り当てる予測評価制御かご割当部である。
【００６７】
次に動作について説明する。
この実施の形態４の動作は、かごの割当手順を除くほか、交通量の検出及び交通流の推定並びにかご呼び発生確率の演算の各手順は実施の形態１から実施の形態３の各手順と同一であるのでその説明を省略する。
【００６８】
図１８はこの実施の形態４のかごの割当手順を示すフローチャートである。まず、この図１８のフローチャートを参照しながら、かご割当手順の概略を全体的に説明する。ステップＳＴ５１におけるかご呼び発生確率演算部３４のかご呼び発生確率の演算演算手順は実施の形態１の演算手順と同一である。この実施の形態４においては、同時に、交通流推定部３３で推定した交通流に基づいて乗り場呼び発生確率演算部３９が各階において発生する乗り場呼びの発生確率を演算し（ステップＳＴ５２）、かご到着予測時間演算部３５ａ及び予測評価制御かご割当部３６ａに入力する。かご到着予測時間演算部３５ａでは、かご呼び発生確率演算部３４から入力されたかご呼び発生確率と、乗り場呼び発生確率演算部３９から入力された乗り場呼び発生確率と、エレベータ状態検出部３１から入力されたエレベータ状態とから各かごの各階への到着予測時間の期待値を演算し（ステップＳＴ５３）、予測評価制御かご割当部３６ａに入力する。予測評価制御かご割当部３６ａでは、入力された乗り場呼び発生確率と到着予測時間の期待値とに基づいて、まずかご割当評価値を演算し（ステップＳＴ５４）、次にこの評価値に基づいて乗り場呼びに応答するかごを割り当てる（ステップＳＴ５５）。
【００６９】
次に図１８のフローチャートに示したかご割当手順の各手順につき手順毎に詳細に説明する。
まず、図１８のステップＳＴ５２の乗り場呼び発生確率演算部３９で行う乗り場呼び発生確率の演算方法について述べる。このステップでは、交通流推定部３３で推定された交通流の情報のうち、ＯＤ情報を用いて、乗り場呼びの発生確率を演算する。
【００７０】
ｘ階に発生する乗り場呼びの発生確率は次の（８），（９）式によって求められる。
・上方向の乗り場呼び発生確率
【数８】
・下方向の乗り場呼び発生確率
【数９】
ここで、ＨａｌｌＣａｌｌＰ（ｘ、ｕｐｄ）はｘ階でｕｐｄ方向に乗り場呼びが発生する確率であり、ＧｅｔＯｎＲａｔｅ（ｉ、ｕｐｄ）はｉ階でｕｐｄ方向の乗り場呼び１つにかごが応答したときに乗車する人数の期待値である。
【００７１】
図１９は乗り場呼び発生確率演算部３９が前記（８），（９）式を用いて乗り場呼び発生確率を演算する手順を示すフローチャートである。以下、この図１９のフローチャートを用いて乗り場呼び発生確率の演算手順を説明する。
【００７２】
乗り場呼び発生確率演算部３９は、まず、乗り場呼び階の階数ｘを最下階に設定して乗り場呼び階の初期設定を行い（ステップＳＴ６１）、次に（８）式に従ってｘ階における上方向の乗り場呼びの発生確率を演算し（ステップＳＴ６２）、続いて（９）式に従ってｘ階における下方向の乗り場呼びの発生確率を演算する（ステップＳＴ６３）。
【００７３】
さらに、今回乗り場呼び発生確率を演算したｘ階が最上階であるかどうかを判断し（ステップＳＴ６４）、最上階でない場合には、階数ｘの値を１だけ増加させて（ステップＳＴ６５）増加させた階における上方向及び下方向の乗り場呼び発生確率を演算する（ステップＳＴ６２，ＳＴ６３）。Ｘ階が最上階であった場合には、乗り場呼び発生確率の演算を終了する。
【００７４】
次に、かご到着予測時間演算部３５ａの行うかご到着予測時間の演算動作について説明する。
このかご到着予測時間の演算は、基本的には図１０のフローチャートに示した実施の形態１のかご到着予測時間の演算動作と同一である。しかし、この実施の形態４においては、乗り場呼び発生確率演算部３９により乗り場呼びの発生確率ＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）が求められているので、（６）式の代わりに次の（１０）式を用いて、新規発生の乗り場呼びについて派生するかご呼び、及び乗り場呼びを考慮した到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）を求める。
【数１０】
（１０）式中の各記号の意味は上述の各式につき説明したものと同一である。
【００７５】
次に、予測評価制御かご割当部３６ａの行うかご割当評価値の演算（ステップＳＴ５４）及び割当かごの決定（ステップＳＴ５５）手順について説明する。これらの手順は基本的には図１１に示した実施の形態１の割当かごの決定手順と同一であるが、割当評価値Ｈｙｏｕｋａ（ｓ）の演算式として、（７）式ではなく、次の（１１）式を用いる。
【数１１】
ここで、Ｗｐは評価値を求める際の予測した乗り場呼びに対する優先度を決める荷重係数であり、ｍｉｎ（ＡｒｒｉｖａｌＴｉｍｅ２（ｉ，ｊ，ｓ，ｕｐｄ））は、仮割当かごｓの時に、ｊ階にｕｐｄ方向で最短で到着するかごｉの到着予測時間を表す。全ての仮割当かごｓについて割当評価値Ｈｙｏｕｋａ（ｓ）を演算し、最小の割当評価値Ｈｙｏｕｋａ（ｓ）を決めることにより、建造物全体の待ち時間を最小化するようにかごの割当を行うことが可能となる。
【００７６】
以上のように、この実施の形態４によれば、交通流の推定結果を利用して将来の乗り場呼びを考慮したかごの割当が可能になり、交通流の変化と将来のサービスに対応したエレベータの運行が可能となるという効果が得られる。
【００７７】
実施の形態５．
この発明の実施の形態５によるエレベータ群管理装置は、過去の所定時間内における乗客移動発生の実績を用いて、かご呼び発生予測及び乗り場呼び発生予測の補正を行う。この実施の形態５は、例えばオフィス建造物における昼食時などのように、所定時間に所定数の交通が発生するような場合に有効である。例えば、交通流推定部が、各階から１階へ１時間当たり１０００人が向かう昼食時型交通流パターンを１２時から１２時半までの時間に推定した場合を考える。この時に、例えばある階では、この時間帯のうち前半に多くの乗客が発生し、後半にはあまり乗客が発生しないような場合や日によって乗客が多く発生する時間が上記の時間帯の中で前後するような場合には、交通流パターンが細かく用意されていればよいが、あまり多くの交通流パターンを用意できない場合、平均化された交通流しか推定できない。この実施の形態５は、このような問題点を解決するために、過去の乗客移動量発生実績を見ながら、既に多くの乗客の移動量が発生した場合にはその後はあまり発生しないと予測し、まだあまり多くの乗客の移動量が発生していない場合にはその後多くの乗客の移動量が発生すると考え、平均化して推定されたＯＤ行列から予測されたかご呼びや乗り場呼びの補正を行うものである。
【００７８】
図２０はこの実施の形態５によるエレベータ群管理装置の構成を示すブロック図である。図２０において、図１７に示した実施の形態４の構成要素と同一の構成要素には同一の符号を付けて、その説明を省略する。
【００７９】
図２０において、３ｂはこの実施の形態５のエレベータ群管理装置、４０は各階に発生した乗り場呼びに関連したかご呼びの過去所定時間の累計値を行き先階毎に演算するかご呼び演算部、４１はかご呼び演算部４０によって得られた過去のかご呼びの累計値を用いて、かご呼び発生確率演算部３４で得られたかご呼び発生確率の予測値の補正を行うかご呼び発生確率補正部、４２は各階に発生した乗り場呼びの過去所定時間の累計値を演算する乗り場呼び演算部、４３は乗り場呼び演算部４２によって得られた過去の乗り場呼びの累計値を用いて、乗り場呼び発生確率演算部３９で得られた乗り場呼び発生確率の補正を行う乗り場呼び発生確率補正部である。
【００８０】
次に動作について説明する。
この実施の形態５の動作は、過去のかご呼び及び乗り場呼びの累計値に基づいてかご呼び発生確率及び乗り場呼び発生確率の予測値を補正する手順を除くほか、交通量の検出及び交通流の推定並びにかご呼び発生確率及び乗り場呼び発生確率の演算の各手順は実施の形態４の各手順と同一であるのでその説明を省略する。
【００８１】
図２１はこの実施の形態５のかごの割当手順を示すフローチャートであり、この図２１のフローチャートを参照しながら、かご割当手順を説明する。
かご呼び発生確率演算部３４は、実施の形態１，４と同様にして、かご呼び発生確率の予測値を演算してかご呼び発生確率補正部４１に出力する（ステップＳＴ７１）。
【００８２】
同時に、かご呼び演算部４０では、過去所定時間に発生したかご呼びの累積回数を関連する乗り場呼び及び行き先階毎に求めて、かご呼び発生確率補正部４１に出力する（ステップＳＴ７２）。累積する時間は、交通流推定部３３で推定した交通流の継続している時間であり、交通流が変化した時点でリセットする。この値は次の（１２）式のように得られる。
ＣａｇｅＣａｌｌＮｕｍ（ｏＦ，ｄＦ） ・・・（１２）
ここで、ＣａｇｅＣａｌｌＮｕｍはかご呼びの累積回数、ｏＦはかご呼びが発生する直前に停止した乗り場呼び階、ｄＦはかご呼び階である。
【００８３】
かご呼び発生確率補正部４１では、かご呼び発生確率演算部３４から入力されるかご呼び発生確率の予測値とかご呼び演算部４０から入力されるかご呼びの累積回数とを比較し、次の（１３）式に従って、かご呼び発生確率の補正を行う（ステップＳＴ７３）。
【数１２】
ここで、ＴｏｔａｌＮｕｍＣはＯＤ行列から予測したかご呼びの比率と実際の比率が同じになると考えられる時までに発生するかご呼びの総数であり、ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）は補正されたかご呼び発生確率である。
【００８４】
また、交通流推定部３３で推定した交通流に基づいて乗り場呼び発生確率演算部３９が各階において発生する乗り場呼びの発生確率を演算し（ステップＳＴ７４）、乗り場呼び発生確率補正部４３に出力する。同時に、乗り場呼び演算部４２では、過去の所定時間内に発生した乗り場呼びの累積回数を乗り場呼び階ごと、上下方向別に求め（ステップＳＴ７５）、乗り場呼び発生確率補正部４３に出力する。過去所定時間内の乗り場呼びの累積方法は、かご呼び累積回数と同様に、推定された交通流の継続している時間単位に累積し、交通流が変化した時点でリセットする。この乗り場呼びの累積回数は次の（１４）式に従って得られる。
ＨａｌｌＣａｌｌＮｕｍ（ｏＦ，ｕｐｄ） ・・・（１４）
ここで、ＨａｌｌＣａｌｌＮｕｍは乗り場呼びの累積回数、ｏＦは乗り場呼び発生階、ｕｐｄは乗り場呼びの方向である。
【００８５】
次に、乗り場呼び発生確率補正部４３では、乗り場呼び演算部４２によって演算された過去の乗り場呼びの累計値と乗り場呼び発生確率演算部３９で演算された乗り場呼び発生確率とを比較し、次の（１５）式に従って、乗り場呼び発生確率の補正を行う（ステップＳＴ７６）。
【数１３】
ここで、ＴｏｔａｌＮｕｍＨはＯＤ行列から予測した乗り場呼びの比率と実際の比率が同じになると考えられる時までに発生する乗り場呼びの総数である。ＨｏｓｅｉＨａｌｌＣａｌｌＰ（ｍ，ｎ）は補正された乗り場呼び発生確率である。
【００８６】
かご到着予測時間演算部３５ａでは、かご呼び発生確率補正部４１から入力された補正されたかご呼び発生確率と、乗り場呼び発生確率補正部４３から入力された補正された乗り場呼び発生確率と、エレベータ状態検出部３１から入力されたエレベータ状態とから各かごの各階への到着予測時間の期待値を演算し（ステップＳＴ７７）、予測評価制御かご割当部３６ａに入力する。予測評価制御かご割当部３６ａでは、乗り場呼び発生確率補正部４３から入力された補正された乗り場呼び発生確率と、かご到着予測時間演算部３５ａから入力された到着予測時間の期待値とに基づいて、まずかご割当評価値を演算し（ステップＳＴ７８）、次にこの評価値に基づいて乗り場呼びに応答するかごを割り当てる（ステップＳＴ７９）。ステップＳＴ７７及びステップＳＴ７８の演算動作は、これらの演算の基礎に用いるかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）及び乗り場呼び発生確率ＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）の代わりに、補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）及び補正された乗り場呼び発生確率ＨｏｉｓｅＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）をそれぞれ用いて演算するほかは、実施の形態４の各演算動作と同一である。
【００８７】
以上のように、この実施の形態５によれば、補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）をかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）の代わりに、補正された乗り場呼び発生確率ＨｏｉｓｅＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）を乗り場呼び発生確率ＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）の代わりに用いて、（１０）式及び（１１）式を用いて到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）及び割当評価値Ｈｙｏｕｋａ（ｓ）を求めることにより、過去の実績を考慮してかご呼び及び乗り場呼びを予測する事が可能となり、より細かい交通流の変化への対応したかごの割当が可能となるという効果が得られる。
【００８８】
実施の形態６．
図２２はこの発明の実施の形態６によるエレベータ群管理装置の構成を示すブロック図である。図２２において、図１７に示した実施の形態４の構成要素と同一の構成要素には同一の符号を付けて、その説明を省略する。
【００８９】
図２２において、３ｃはこの実施の形態６のエレベータ群管理装置、４はエレベータ群管理装置３ｃの設置された建物の各階のエレベータ乗り場の混雑度（エレベータ待ち客の多少）を測定する乗り場混雑度測定装置、４４は乗り場混雑度測定装置４の出力から各階のエレベータ乗り場の混雑度を検出する乗り場混雑度検出部、４５は乗り場混雑度検出部４４によって検出されたエレベータ乗り場の混雑度に基づいて、かご呼び発生確率演算部３４で演算されたかご呼び発生確率の補正を行う乗り場混雑度利用かご呼び発生確率補正部、４６は乗り場混雑度検出部４４によって検出されたエレベータ乗り場の混雑度に基づいて、乗り場呼び発生確率演算部３９で演算された乗り場呼び発生確率の補正を行う乗り場混雑度利用乗り場呼び発生確率補正部である。
【００９０】
次に動作について説明する。
この実施の形態６の動作は、乗り場混雑度検出部４４によって検出されたエレベータ乗り場の混雑度に基づいて、かご呼び発生確率演算部３４で演算されたかご呼び発生確率と、乗り場呼び発生確率演算部３９で演算された乗り場呼び発生確率の補正を行う手順を除くほか、交通量の検出及び交通流の推定並びにかご呼び発生確率及び乗り場呼び発生確率の演算の各手順は実施の形態４の各手順と同一であるのでその説明を省略する。
【００９１】
図２３はこの実施の形態６のかごの割当手順を示すフローチャートであり、この図２３のフローチャートを参照しながら、かご割当手順を説明する。
かご呼び発生確率演算部３４は、実施の形態１，４，５と同様にして、かご呼び発生確率の予測値を演算して乗り場混雑度利用かご呼び発生確率補正部４５に出力する（ステップＳＴ８１）。
【００９２】
また、乗り場呼び発生確率演算部３９は、実施の形態４，５と同様にして、各階において発生する乗り場呼びの発生確率を演算し（ステップＳＴ８２）、乗り場混雑度利用乗り場呼び発生確率補正部４６に出力する。
【００９３】
次に、乗り場混雑度測定装置４は、監視用テレビ画像情報等の情報を用いて、各階のエレベータ乗り場の乗客の人数に関する情報を得、エレベータ群管理装置３ｃの乗り場混雑度検出部４４に出力する。乗り場混雑度検出部４４では、各階ごとの乗り場混雑度データを作成して、乗り場混雑度利用かご呼び発生確率補正部４５と乗り場混雑度利用乗り場呼び発生確率補正部４６に出力する（ステップＳＴ８３）。
【００９４】
この乗り場混雑度データは次の（１６）式のように与えられる。
ＨＡＬＬ＿ＪＡＭ＝｛ＨａｌｌＪａｍ（ｍｉｎＦ），ＨａｌｌＪａｍ（ｍｉｎＦ＋１），ｅ，ＨａｌｌＪａｍ（ｍａｘＦ）｝ ・・・（１６）
ここで、ＨＡＬＬ＿ＪＡＭは乗り場混雑度データ、ＨａｌｌＪａｍ（ｆ）は、ｆ階における乗り場混雑度を示している。ＨａｌｌＪａｍ（ｆ）は混雑の度合いに対して単調増加する値を取り、例えば、
ＨａｌｌＪａｍ（ｆ）＝ｆ階での待ち客数 ・・・（１７）
とすることができる。
【００９５】
次に乗り場混雑度利用かご呼び発生確率補正部４５では、乗り場混雑度検出部４４から入力された各階ごとの乗り場混雑度データに基づいて、かご呼び発生確率演算部３４から入力されたかご呼び発生確率を乗り場混雑度に応じて補正する（ステップＳＴ８４）。つまり、ある乗り場呼びに対する乗り場混雑度が大きい場合には、その乗り場呼びに対して発生するかご呼びの数は１個よりも大きくなる可能性が高い。しかし上述の（１），（２）式においては一つの乗り場呼びに対して発生するかご呼びの個数は全て等しいと考えている。そこで、次の（１８）式に基づいてかご呼び発生確率の補正を行う。
ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）＝ＨａｌｌＪａｍ（ｍ）・ＣａｇｅＣａｌｌＰ（ｍ，ｎ） ・・・（１８）
ここで、ＨｏｉｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）はｍ階の乗り場呼びに対して発生するｎ階へのかご呼びの補正後の発生確率である。
【００９６】
次に乗り場混雑度利用乗り場呼び発生確率補正部４６では、各階ごとの乗り場混雑度データに基づいて、乗り場呼び発生確率演算部３９から入力された乗り場呼び発生確率を乗り場混雑度に応じて補正する（ステップＳＴ８５）。以下、図２４のフローチャートを参照しながら、上記補正手順を詳細に説明する。
【００９７】
乗り場混雑度利用乗り場呼び発生確率補正部４６では、まず、乗り場呼び発生確率の補正を行う階の階数ｘを最下階の値に設定して初期設定する（ステップＳＴ９１）。
【００９８】
次に、乗り場呼び発生確率の補正を行う階ｘの乗客の有無を、乗り場混雑度検出部４４ら入力された乗り場混雑度に基づいて判定し（ステップＳＴ９２）、乗客がいない場合には、ステップＳＴ９８に進む。乗客がいる場合は、ステップＳＴ９３に進み、乗り場混雑度の補正を行う階ｘの乗り場呼びの有無を判定する。乗り場呼びが発生していない場合には、ステップＳＴ９４において、下記の（１９），（２０）式に従って乗り場呼び発生確率の補正を行い、ステップＳＴ９８に進む。
【数１４】
ＨｏｓｅｉＨａｌｌＣａｌｌＰ（ｉ，ｕｐｄ）＝（１−ＨｏｓｅｉＨａｌｌＣａｌｌＰａｒａ１）・ＨａｌｌＣａｌｌＰ（ｉ，ｕｐｄ） ・・・（２０）
ここでの補正は、乗客が乗り場にいるにもかかわらず乗り場呼びが発生していないことから、近いうちにその階で発生することを予期して行う補正である。（１９），（２０）式において、ＨｏｓｅｉＨａｌｌＣａｌｌＰａｒａ１は、乗り場呼び補正を行う際のパラメータで、１より小さい正の値をとる。
【００９９】
乗り場呼びが発生している場合には、ステップＳＴ９５に進み、補正対象の階ｘが混雑しているかどうかを、乗り場混雑度から判定する。補正を行う階ｘが混雑していない場合にはステップＳＴ９８に進み、混雑している場合には、ステップＳＴ９６において補正を行う階ｘに割当られているかごが混雑しているかどうかを判定する。かごが混雑していない場合にはステップＳＴ９８に進み、混雑している場合には、次の（２０），（２１）式に従って乗り場呼びの補正を行う。ＨｏｓｅｉＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）＝ＨｏｓｅｉＨａｌｌＣａｌｌＰａｒａ２・ｇｅｔｏｎＬｅａｖｅＰ（ｘ，ｕｐｄ）・
ＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ） ・・・（２１）
ＨｏｉｓｅｉＨａｌｌＣａｌｌＰ（ｉ，ｕｐｄ）＝−（１−ＨｏｓｅｉＨａｌｌＣａｌｌＰａｒａ２・（ｇｅｔｏｎＬｅａｖｅＰ（ｘ，ＵＰ）・
ＨａｌｌＣａｌｌＰ（ｘ，ＵＰ）＋ｇｅｔｏｎＬｅａｖｅＰ（ｘ，ＤＯＷＮ・ＨａｌｌＣａｌｌＰ（ｘ，ＤＯＷＮ））））・ＨａｌｌＣａｌｌＰ（ｉ，ｕｐｄ） ・・・（２２）
ここでの補正は、かご、乗り場ともに混雑している場合には積み残しが発生することを想定し、その後乗り場呼びが発生する確率が高くなることを想定して、乗り場呼び発生確率の補正を行うものである。この乗り場呼び発生確率の補正を行った後ステップＳＴ９８に進む。（２１），（２２）式において、ＨｏｓｅｉＨａｌｌＣａｌｌＰａｒａ２は、乗り場呼び補正を行う際のパラメータで、１より小さい正の値をとる。ｇｅｔｏｎＬｅａｖｅＰ（ｘ，ＵＰ）は積み残し発生確率で、例えば次の（２３）式のように表される。
【数１５】
ここで、ＭａｘＲｉｄｅＮｕｍはかご定員、ｃａｒはｘ階でｕｐｄ方向に割当られたかごの番号であり、ＲｉｄｅＮｕｍ（ｃａｒ）はかごｃａｒに乗車している人数、ＪａｍＰａｒａはＨａｌｌＪａｍ（ｘ，ｕｐｄ）から乗り場での待ち人数を推定するためのパラメータである。
【０１００】
ステップＳＴ９８においては、全ての階について乗り場呼びの補正を行ったかどうかを判定し、補正が終わっていない場合には、ステップＳＴ９９において、補正を行う階の階数ｘを１だけ増加させ、階数ｘの再設定を行い、ステップＳＴ９２に戻って新たに設定した階の乗り場呼び補正を行う。全ての階について補正が終わっている場合には、補正プロセスを終了する。
【０１０１】
かご到着予測時間演算部３５ａでは、乗り場混雑度利用かご呼び発生確率補正部４５から入力された補正されたかご呼び発生確率と、乗り場混雑度利用乗り場呼び発生確率補正部４６から入力された補正された乗り場呼び発生確率と、エレベータ状態検出部３１から入力されたエレベータ状態とから各かごの各階への到着予測時間の期待値を演算し（ステップＳＴ８６）、予測評価制御かご割当部３６ａに入力する。予測評価制御かご割当部３６ａでは、乗り場混雑度利用乗り場呼び発生確率補正部４６から入力された補正された乗り場呼び発生確率と、かご到着予測時間演算部３５ａから入力された到着予測時間の期待値とに基づいて、まずかご割当評価値を演算し（ステップＳＴ８７）、次にこの評価値に基づいて乗り場呼びに応答するかごを割り当てる（ステップＳＴ８８）。ステップＳＴ８６及びステップＳＴ８７の演算動作は、これらの演算の基礎に用いるかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）及び乗り場呼び発生確率ＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）の代わりに、補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）及び補正された乗り場呼び発生確率ＨｏｉｓｅＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）をそれぞれ用いて演算するほかは、実施の形態４の各演算動作と同一である。
【０１０２】
以上のように、この実施の形態６によれば、乗り場混雑度に応じて補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）をかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）の代わりに、乗り場混雑度に応じて補正された乗り場呼び発生確率ＨｏｉｓｅＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）を乗り場呼び発生確率ＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）の代わりに用いて、到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）及び割当評価値Ｈｙｏｕｋａ（ｓ）を求めることにより、乗り場混雑度を考慮してかご呼び及び乗り場呼びを予測する事が可能となり、より精度の高いかごの割当が可能となるという効果が得られる。
【０１０３】
実施の形態７．
この発明の実施の形態７は行き先階別乗り場呼び装置のあるエレベータを管理するエレベータ群管理装置に関するものである。
図２５はこの実施の形態７によるエレベータ群管理装置の構成を示すブロック図である。図２５において、図１７に示した実施の形態４の構成要素と同一の構成要素には同一の符号を付けて、その説明を省略する。
【０１０４】
図２５において、２ａは各階のエレベータ乗り場に設けられた乗り場呼びの入出力を行う乗り場制御装置で、２１は乗り場制御装置２ａに設けられた行き先階を指定してかごを呼ぶ行き先階別乗り場呼び装置、３ｄはこの実施の形態７のエレベータ群管理装置、４７は行き先階別乗り場呼び装置２１によって登録された行き先階の指定された乗り場呼びに基づいて、かご呼び発生確率演算部３４により演算されたかご呼び発生確率の補正を行う行き先階指定乗り場呼び利用かご呼び発生確率補正部である。
【０１０５】
行き先階別乗り場呼び装置２１は乗客が乗り場でかごを呼ぶ際に、通常の上下階方向別ではなく、行き先階別に乗り場呼びのボタンが用意されている装置である。
この行き先階別乗り場呼び装置２１を利用することにより、乗客の行き先階がエレベータに乗車する前から分かることになる。なお、行き先階別乗り場呼び装置２１は全乗り場階に設置する必要はない。
【０１０６】
次に動作について説明する。
この実施の形態７の動作は、行き先階別乗り場呼び装置２１から入力される乗り場呼び情報に基づいて、かご呼び発生確率演算部３４で演算されたかご呼び発生確率の補正を行う手順を除くほか、交通量の検出及び交通流の推定並びにかご呼び発生確率及び乗り場呼び発生確率の演算の各手順は実施の形態４の各手順と同一であるのでその説明を省略する。
【０１０７】
図２６はこの実施の形態７のかごの割当手順を示すフローチャートであり、この図２６のフローチャートを参照しながら、かご割当手順を説明する。
かご呼び発生確率演算部３４は、実施の形態１，４，５，６と同様にして、かご呼び発生確率の予測値を演算して行き先階指定乗り場呼び利用かご呼び発生確率補正部４７に出力する（ステップＳＴ１０１）。
【０１０８】
また、乗り場呼び発生確率演算部３９は、実施の形態４，５，６と同様にして、各階において発生する乗り場呼びの発生確率を演算し（ステップＳＴ１０２）、かご到着予測時間演算部３５ａ及び予測評価制御かご割当部３６ａに出力する。
【０１０９】
行き先階指定乗り場呼び利用かご呼び発生確率補正部４７の行うかご呼び発生確率の補正は、行き先階別乗り場呼び装置２１から入力された乗り場呼び情報を用いてかご呼びの補正を行うものである。行き先階別乗り場呼び装置２１の出力する乗り場呼び情報は次の（２４）式で与えられる。
ＨａｌｌＤｅｍａｎｄ（ｍ）＝｛ＨａｌｌＤｅｍａｎｄ（ｍ，１），ＨａｌｌＤｅｍａｎｄ（ｍ，２）^ ・・・（２４）
ここで、ＨａｌｌＤｅｍａｎｄ（ｍ）は乗り場呼び階ｍで発生した行き先階別の乗り場呼びの集合であり、ＨａｌｌＤｅｍａｎｄ（ｍ，１）はその１番目の要素で、行き先階を表している。
【０１１０】
図２７は、行き先階指定乗り場呼び利用かご呼び発生確率補正部４７がステップＳＴ１０３で行うかご呼び発生確率の補正手順を詳細に示すフローチャートである。以下、この図２７のフローチャートを参照しながら、行き先階指定乗り場呼び利用かご呼び発生確率補正部４７のかご呼び発生確率の補正動作を説明する。
【０１１１】
行き先階指定乗り場呼び利用かご呼び発生確率補正部４７は、まず、乗り場呼び階の階数ｍを最下階の値に設定して初期設定を行う（ステップＳＴ１１１）。次に、設定した乗り場呼び階ｍに行き先階別乗り場予備装置２１が設置されているかどうかを判定し（ステップＳＴ１１２）、設置されていない場合にはステップＳＴ１１４おいてかご呼び発生確率の補正を行わず（補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）を補正していないかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）と等しくする）、ステップＳＴ１２０に進む。行き先階別乗り場予備装置２１が設置されている場合には、行き先階の階数ｎを最下階の値に設定して初期化を行い（ステップＳＴ１１３）、ステップＳＴ１１５に進む。
【０１１２】
ステップＳＴ１１５においては、ｎ階への行き先階別乗り場呼びが存在するかどうか、つまりＨａｌｌＤｅｍａｎｄ（ｍ，ｉ）＝ｎとなるｉが存在するかどうかを判定し、存在する場合には、ｍ階からｎ階への補正されたかご呼び発生確率ＨｏｓｅｉＨａｌｌＣａｌｌＰ（ｍ，ｎ）を１とする（ステップＳＴ１１６）。存在しない場合には、ｍ階からｎ階への補正されたかご呼び発生確率ＨｏｓｅｉＨａｌｌＣａｌｌＰ（ｍ，ｎ）を０とする（ステップＳＴ１１７）。
【０１１３】
次に、全ての行き先階の階数ｎについて補正を行ったかどうかを判定し（ステップＳＴ１１８）、補正が終わっていない場合には、階数ｎの値を１だけ増加させて補正を行う行き先階の再設定を行い（ステップＳＴ１１９）、ステップＳＴ１１５に戻って再度補正されたかご呼び確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）の値を設定する。全ての行き先階について補正が終わっている場合には、ステップＳＴ１２０に進む。
【０１１４】
ステップＳＴ１２０においては、全ての乗り場呼び階ｍについて補正を行ったかどうかを判定し、補正が終わっていない場合には、補正を行う乗り場呼び階の階数ｍを１だけ増加させ、乗り場呼び階ｍの再設定を行う（ステップＳＴ１２１。）そして、新たに設定された補正を行う乗り場呼び階についていき先指定階ごとに補正されたかご呼び確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）の値を求める。全ての乗り場呼び階ｍについて補正が終わっている場合には、かご呼び発生確率の補正動作を終了する。
【０１１５】
かご到着予測時間演算部３５ａでは、行き先階指定乗り場呼び利用かご呼び発生確率補正部４７から入力された補正されたかご呼び発生確率と、乗り場呼び発生確率演算部３９から入力された乗り場呼び発生確率と、エレベータ状態検出部３１から入力されたエレベータ状態とから各かごの各階への到着予測時間の期待値を演算し（ステップＳＴ１０４）、予測評価制御かご割当部３６ａに入力する。予測評価制御かご割当部３６ａでは、乗り場呼び発生確率演算部３９から入力された乗り場呼び発生確率と、かご到着予測時間演算部３５ａから入力された到着予測時間の期待値とに基づいて、まずかご割当評価値を演算し（ステップＳＴ１０５）、次にこの評価値に基づいて乗り場呼びに応答するかごを割り当てる（ステップＳＴ１０６）。ステップＳＴ１０４及びステップＳＴ１０５の演算動作は、これらの演算の基礎に用いるかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）の代わりに、補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）を用いて演算するほかは、実施の形態４の各演算動作と同一である。
【０１１６】
以上のように、この実施の形態７によれば、行き先階別乗り場呼び装置２１により指定されたかご呼びに応じて補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）をかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）の代わりに用いて、到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）及び割当評価値Ｈｙｏｕｋａ（ｓ）を求めることにより、行き先階別乗り場呼び装置２１により指定されたかご呼びを考慮してかごの割当を行うことが可能となり、より精度の高いかごの割当が可能となるという効果が得られる。
【０１１７】
【発明の効果】
以上のように、この発明によれば、検出した交通量に基づいて交通流を推定し、推定した交通流に基づいてかご呼びの発生確率を演算し、演算により求めたかご呼び発生確率から各階への各かごの到着時間の期待値を求め、この各かごの到着時間の期待値の基づいて、新たに発生した乗り場呼びにかごを割り当てるように構成したので、安定したかご呼びの発生確率を演算でき、かつ既に発生している乗り場呼びに対するサービスと、新たに発生した乗り場呼びに対するサービスを考慮して、新たに発生した乗り場呼びにサービスを行うことにより効率的なかごの割当ができ、交通流の変化に対応したエレベータの運行が可能となる効果がある。
【０１１８】
また、この発明によれば、過去の所定時間内におけるかご呼び及び乗り場呼びの各累計値のいずれか一方又は双方を演算して、演算された過去の累計値に基づいて、それぞれ対応するかご呼び発生確率及び乗り場呼び発生確率の各予測値の補正を行い、補正された予測値に基づいて、各階への各かごの到着時間の期待値を求めるように構成したので、過去の実績を考慮した上で、交通流に応じたより最適なエレベータサービスの提供が可能となる効果がある。
【０１１９】
さらに、この発明によれば、各階のエレベータ乗り場の混雑度を測定し、測定したエレベータ乗り場の混雑度に基づいて、かご呼び発生確率及び乗り場呼び発生確率のいずれか一方又は双方の補正を行い、補正された発生確率に基づいて、各階への各かごの到着時間の期待値を求めるように構成したので、乗り場での混雑度を考慮した上で、交通流に応じたより最適なエレベータサービスの提供が可能となる効果がある。
【０１２０】
さらに、この発明によれば、エレベータ乗り場において行き先階を指定してかごを呼ぶ行き先階別乗り場呼び装置を備えたエレベータにおいて、この行き先階別乗り場呼び装置によって登録された行き先階の指定された乗り場呼びに基づいて、かご呼び発生確率の補正を行い、補正されたかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めるように構成したので、乗客発生と同時に得られる行き先階情報を考慮した上で、交通流に応じたより最適なエレベータサービスの提供が可能となる効果がある。
【０１２１】
さらに、この発明によれば、交通流推定部により推定された交通流に基づいて、各階において発生する乗り場呼びの発生確率を演算し、かごの到着時間の期待値と乗り場呼び発生確率とに基づいて、新たに発生した乗り場呼びにかごを割り当てるように構成したので、将来の乗り場呼びを考慮したかごの割当が可能になり、交通流の変化と将来のサービスに対応したエレベータの運行が可能となる効果がある。
【０１２２】
さらに、この発明によれば、エレベータの設置された建造物において発生する交通流パターンと、該交通流パターンから発生する各階の交通量との関係を表す交通流データマップを格納し、検出した各階の交通量からその時に発生している交通流に合致する交通流データマップを検索し、該交通流データマップに対応する交通流パターンを出力することによって交通流パターンを検索するように構成したので、精度の高い交通流の推定を行うことができる効果がある。
【０１２３】
さらに、この発明によれば、交通流パターン検索部をニューラルネットワークを用いて構成したので、学習により交通流パターン検索の精度と効率を高くすることができるという効果がある。
【０１２４】
さらに、この発明によれば、エレベータの設置された建造物において発生する交通量を発生させるようなＯＤ情報を推定し、かつ、交通量から交通総量を演算して交通流を推定するように構成したので、精度の高い交通流の推定ができ、この精度の高い交通流の推定結果を利用したかごの割当が可能となって、交通流の変化に対応したエレベータの運行が可能となる効果がある。
【０１２５】
さらに、この発明によれば、ニューラルネットワークを用いたＯＤ推定部を用いるように構成したので、ＯＤ情報の推定値を学習することが出来、より実際的なエレベータの運行管理が可能となる効果がある。
【０１２６】
さらに、この発明によれば、エレベータの設置された建造物において発生する交通量に基づいて、階間交通流行列を出力するニューラルネットワークを用いて交通流を推定するように構成したので、精度の高い交通流の推定結果を利用したかごの割当が可能になり、交通流の変化に対応したエレベータの運行が可能となる効果がある。
【図面の簡単な説明】
【図１】 この発明の実施の形態１によるエレベータ群管理装置の構成を示すブロック図である。
【図２】 実施の形態１によるエレベータ群管理装置の原理的考え方を説明するための図である。
【図３】 実施の形態１によるエレベータ群管理装置の原理的考え方を説明するための図である。
【図４】 実施の形態１の交通流推定部の具体的構成を示すブロック図である。
【図５】 実施の形態１で用いるＯＤ行列の一例を示す図である。
【図６】 図４に示した交通流推定部の交通流パターン検索部の具体的構成を示すブロック図である。
【図７】 図６に示した交通流パターに検索部に用いられるニューラルネットワークの具体的構成を示す図である。
【図８】 実施の形態１のエレベータ群管理装置におけるかごの割当手順を示すフローチャートである。
【図９】 図１に示したエレベータ群管理装置のかご呼び発生確率演算部がかご呼び発生確率を演算する手順を示すフローチャートである。
【図１０】 図１に示したエレベータ群管理装置のかご到着予測時間演算部がかご到着予測時間の期待値を演算する手順を示すフローチャートである。
【図１１】 図１に示したエレベータ群管理装置の予測評価制御かご割当部のかごの割当決定手順を示すフローチャートである。
【図１２】 この発明の実施の形態２によるエレベータ群管理装置の交通流推定部の具体的構成を示すブロック図である。
【図１３】 図１２に示した交通流推定部のＯＤ推定部の具体的構成を示すブロック図である。
【図１４】 図１３に示したＯＤ推定部に用いられるニューラルネットワークの具体的構成を示す図である。
【図１５】 この発明の実施の形態３によるエレベータ群管理装置の交通流推定部の具体的構成を示すブロック図である。
【図１６】 図１５に示した交通流推定部のニューラルネットワーク利用交通流推定部に用いられるニューラルネットワークの具体的構成を示す図である。
【図１７】 この発明の実施の形態４によるエレベータ群管理装置の構成を示すブロック図である。
【図１８】 実施の形態４のエレベータ群管理装置のかごの割当手順を示すフローチャートである。
【図１９】 実施の形態４のエレベータ群管理装置の乗り場呼び発生確率演算部が乗り場呼び発生確率を演算する手順を示すフローチャートである。
【図２０】 この発明の実施の形態５によるエレベータ群管理装置の構成を示すブロック図である。
【図２１】 実施の形態５のエレベータ群管理装置のかごの割当手順を示すフローチャートである。
【図２２】 この発明の実施の形態６によるエレベータ群管理装置の構成を示すブロック図である。
【図２３】 実施の形態６のエレベータ群管理装置のかごの割当手順を示すフローチャートである。
【図２４】 実施の形態６の乗り場混雑度利用乗り場呼び発生確率補正部の行う乗り場呼び発生確率の補正手順を示すフローチャートである。
【図２５】 この発明の実施の形態７によるエレベータ群管理装置の構成を示すブロック図である。
【図２６】 実施の形態７のかごの割当手順を示すフローチャートである。
【図２７】 実施の形態７の行き先階指定乗り場呼び利用かご呼び発生確率補正部がかご呼び発生確率の補正手順を示すフローチャートである。
【符号の説明】
３，３ａ，３ｂ，３ｃ，３ｄ エレベータ群管理装置、４ 乗り場混雑度測定装置、２１ 行き先階別乗り場呼び装置、３２ 交通量検出部、３３，３７，３８ 交通流推定部、３４ かご呼び発生確率演算部、３５，３５ａ かご到着予測時間演算部、３６，３６ａ 予測評価制御かご割当部、３９ 乗り場呼び発生確率演算部、４０ かご呼び演算部、４１ かご呼び発生確率補正部、４２ 乗り場呼び演算部、４３ 乗り場呼び発生確率補正部、４４ 乗り場混雑度検出部、４５ 乗り場混雑度利用かご呼び発生確率補正部、４６ 乗り場混雑度利用乗り場呼び発生確率補正部、４７ 行き先階指定乗り場呼び利用かご呼び発生確率補正部、３３２ 交通流データベース、３３３ 交通流パターン検索部、３７１交通総量演算部、３７４ ＯＤ推定部、３８１ ニューラルネットワーク利用交通流推定部、３３３１ ニューラルネットワーク利用交通流パターン検索部、３７４１ ニューラルネットワーク利用ＯＤ推定部。
【発明の属する技術分野】
この発明は、複数台のかごが設置されているエレベータの各かごの運行を全体的に制御するエレベータ群管理装置及び方法に係り、特にエレベータの交通流に関する情報を用いて、各かごの到着予測時間の期待値や乗り場呼びの発生確率を演算し、その結果に基づいて新たに発生した乗り場呼びにかごを割り当てるエレベータ群管理装置に関するものである。
【０００２】
【従来の技術】
従来のエレベータ群管理制御は、複数台のかごを備えたエレベータの各かごの効率的な運行を図ることにより、エレベータの設置された建造物全体のサービスを向上させることを目的としている。そのため、乗客が乗り場においてエレベータを呼ぶための乗り場呼びボタンが押された際に、エレベータの複数台のかごの中から、建造物全体のサービスの向上を考慮して、新たに発生した乗り場呼びに応答するかごを決定する呼びかご割当を行っている。この呼びかご割当の際、割当かごの違いによるサービスの評価を行うために、各エレベータがどのくらいの時間で各階に到着できるかを予測することが必要である。乗客がエレベータのかごに乗車後行き先を指定するために、かご内の行き先ボタンを押す操作をかご呼びと言うが、かごの到着予測時間の予測において、かご呼びの予測が可能であれば、その予測精度が大きく向上する。例えば、特開昭６０−１０６７７４号公報開示の発明では、かご呼びの発生需要情報を蓄積し、そのデータに基づいて、未応答の乗り場呼びと新発生の乗り場呼びに派生して発生するかご呼びを予測し、かごの到着予測時間の演算に利用している。
また、乗客の移動の様子を表す交通流に関する情報の利用はエレベータ群管理において有効である。例えば、特開平７−３０９５４６号公報開示の発明では、ニューラルネットワークを用いて交通流を推定し、その推定結果を用いて、乗客の呼びとは関係なくエレベータの回送や待機を行う運転パターンの変更を行っている。
【０００３】
【発明が解決しようとする課題】
従来のエレベータ群管理装置は以上のように構成されているので、特開昭６０−１０６７７４号公報開示の発明では、かご呼びの予測において、過去の個別のかご呼び毎にデータを蓄積し、個別のかご呼び毎に予測を行っているが、かご呼びはエレベータ運行等の影響を受けて、同じ交通流が発生していても異なったパターンで発生する不安定なデータであり、その予測結果も不安定になる傾向にあるなどの課題があった。
【０００４】
また、特開平７−３０９５４６号公報開示の発明では、ニューラルネットワークを用いて交通流の推定を行っているが、その結果を運転パターンの変更のみに使用しており、乗り場呼びに対するかごの割当には利用していないため、交通流の情報を完全に利用していないという課題があった。
【０００５】
この発明は上記のような課題を解決するためになされたもので、交通流に基づいて、安定したかご呼びの発生確率を演算でき、かつ効率的なかごの割当ができ、交通流の変化に対応したエレベータの運行が可能となるエレベータ群管理装置を得ることを目的とする。
【０００６】
また、この発明は、過去の実績を考慮してかご呼び及び乗り場呼びを予測する事ができ、より精度の高い交通流の変化に対応したかごの割当が可能となるエレベータ群管理装置を得ることを目的とする。
【０００７】
さらに、この発明は、乗り場での混雑度を考慮してかご呼び及び乗り場呼びを予測する事が可能となり、より正確に交通流の変化に対応したかごの割当が可能となるエレベータ群管理装置を得ることを目的とする。
【０００８】
さらに、この発明は、行き先階別に指定された乗り場呼び情報を考慮してかご呼びを予測する事が可能となり、より正確に交通流の変化へ対応したかごの割当が可能となるエレベータ群管理装置を得ることを目的とする。
【０００９】
さらに、交通流の推定結果を利用して将来の乗り場呼びを考慮したかごの割当が可能になり、交通流の変化と将来のサービスに対応したエレベータ群の運行が可能となるエレベータ群管理装置を得ることを目的とする。
【００１０】
さらに、この発明は、精度の高い交通流の推定を行うことのできるエレベータ群管理装置を得ることを目的とする。
【００１３】
この発明に係るエレベータ群管理装置は、過去の所定時間内におけるかご呼びの累計値を演算するかご呼び演算部と、該かご呼び演算部によって演算された過去のかご呼びの累計値に基づいて、かご呼び発生確率演算部で演算されたかご呼び発生確率の予測値の補正を行うかご呼び発生確率補正部を更に備え、かご到着予測時間演算部が、該かご呼び発生確率補正部により補正されたかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めるものである。
【００１４】
この発明に係るエレベータ群管理装置は、各階のエレベータ乗り場の混雑度を測定する乗り場混雑度測定装置と、該乗り場混雑度測定装置の出力より各階のエレベータ乗り場の混雑度を検出する乗り場混雑度検出部と、該乗り場混雑度検出部によって検出された前記エレベータ乗り場の混雑度に基づいて、かご呼び発生確率演算部で演算されたかご呼び発生確率の補正を行う乗り場混雑度利用かご呼び発生確率補正部とを更に備え、かご到着予測時間演算部が、該乗り場混雑度利用かご呼び発生確率補正部により補正されたかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めるものである。
【００１５】
この発明に係るエレベータ群管理装置は、エレベータ乗り場において行き先階を指定してかごを呼ぶ行き先階別乗り場呼び装置と、該行き先階別乗り場呼び装置によって登録された行き先階の指定された乗り場呼びに基づいて、かご呼び発生確率演算部により演算されたかご呼び発生確率の補正を行う行き先階指定乗り場呼び利用かご呼び発生確率補正部とを更に備え、かご到着予測時間演算部が、該行き先階指定乗り場呼び利用かご呼び発生確率補正部により補正されたかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めるものである。
【００１７】
この発明に係るエレベータ群管理装置は、過去の所定時間内における乗り場呼びの累計値を演算する乗り場呼び演算部と、該乗り場呼び演算部によって演算された過去の乗り場呼びの累計値に基づいて、乗り場呼び発生確率演算部で演算された乗り場呼び発生確率の補正を行う乗り場呼び発生確率補正部とを更に備え、予測評価制御かご割当部が、かご到着予測時間演算部で演算されたかごの到着時間の期待値と、前記乗り場呼び発生確率補正部で補正された乗り場呼び発生確率とに基づいて、新たに発生した乗り場呼びにかごを割り当てるものである。
【００１８】
この発明に係るエレベータ群管理装置は、各階のエレベータ乗り場の混雑度を測定する乗り場混雑度測定装置と、該乗り場混雑度測定装置の出力より各階のエレベータ乗り場の混雑度を検出する乗り場混雑度検出部と、該乗り場混雑度検出部によって検出された前記エレベータ乗り場の混雑度に基づいて、乗り場呼び発生確率演算部で演算された乗り場呼び発生確率の補正を行う乗り場混雑度利用乗り場呼び発生確率補正部とを更に備え、予測評価制御かご割当部が、かご到着予測時間演算部で演算されたかごの到着時間の期待値と、前記乗り場混雑度利用乗り場呼び発生確率補正部で補正された乗り場呼び発生確率とに基づいて、新たに発生した乗り場呼びにかごを割り当てるものである。
【００１９】
この発明に係るエレベータ群管理装置は、交通流推定部が、エレベータの設置された建造物において発生する交通流パターンと、該交通流パターンから発生する各階の交通量との関係を表す交通流データマップを格納した交通流データベースと、交通量検出部で得られる各階の交通量からその時に発生している交通流に合致する交通流データマップを検索し、該交通流データマップに対応する交通流パターンを出力する交通流パターン検索部とを備えたものである。
【００２０】
この発明に係るエレベータ群管理装置は、交通流パターン検索部が、ニューラルネットワークを用いて交通流データマップの検索を行うニューラルネットワーク利用交通流パターン検索部を備えたものである。
【００２１】
この発明に係るエレベータ群管理装置は、交通流推定部が、エレベータの設置された建造物において発生する交通量の入力を受け、該交通量を発生させるようなＯＤ情報の推定値を出力するＯＤ推定部と、所定時間に発生する交通量の総和である交通総量を交通量から演算する交通総量演算部とを備えたものである。
【００２２】
この発明に係るエレベータ群管理装置は、ＯＤ推定部が、ニューラルネットワークを用いたニューラルネットワーク利用ＯＤ推定部を備えたものである。
【００２３】
この発明に係るエレベータ群管理装置は、交通流推定部が、エレベータの設置された建造物において発生する交通量の入力を受け、前記建造物の各階床間の乗客の移動量を行列表現した階間交通流行列を出力するニューラルネットワークを用いたニューラルネットワーク利用交通流推定部を備えたものである。
【００２５】
【発明の実施の形態】
以下、この発明の実施の一形態を説明する。
実施の形態１．
図２及び図３は、この発明のエレベータ群管理装置及び方法のかご割当の動作原理を説明するための図である。このエレベータは２機のかごを有するものとする。図２及び図３おいて、白抜きの三角形は新規に発生した乗り場呼び、白抜きの逆三角形は予測される乗り場呼び、白抜きの円は予測されるかご呼び、斜線を施した三角形は応答するかごを既に割り当てた乗り場呼び、斜線を施した円はかごに登録済みのかご呼びを表す。また、両図の左側のかごを１号機、右側のかごを２号機とする。
【００２６】
図２に示した例では、１号機はこの後６階，７階に停止することが確定しており、２号機は４階，１２階に停止することが確定している。このような状態において、１０階に新規の乗り場呼びが発生し、その呼びに対して割り当てるかごを決定するのが、エレベータ群管理における呼びかご割当機能である。この際、建造物の全階におけるサービス、つまり建造物全体としての待ち時間を小さくするように割当かごを決定する。そのため、各かごが各階へどのくらいの時間で到着できるかを表す到着予測時間の演算が重要になる。例えば、図２の例では、新規の１０階の乗り場呼びにかごを割り当てる場合、１号機と２号機の１０階への到着予測時間の演算が必要となる。距離だけを見ると、１号機の方が１０階に近いが、１号機は１０階までの停止回数が多いため、２号機の１０階への到着予測時間の方が短くなる。しかし実際には、１号機の６階の乗り場呼びと２号機の４階での乗り場呼びに関して発生するかご呼びが１０階以下に発生するか否かで到着予測時間は変わってくる。そこで、到着予測時間の演算にはかご呼びの予測が重要となる。
【００２７】
このかご呼びの予測を行うために、まず、出発階と行き先階の関係を表すＯＤ（Ｏｒｉｇｉｎ Ｄｅｓｔｉｎａｔｉｏｎ）情報を用いて、乗客の出発階と到着階の間の人数比を求める。次に、この人数比に基づいて、ある階で発生した乗り場呼びに関連して発生するかご呼びの発生階の予測を行う。このようにして得られた、各乗り場呼びに対する到着予測時間を変数として含む評価関数を立てて、その評価関数が最小、あるいは最大となるように割当かごを選ぶ。また、ＯＤ情報を用いることにより、乗り場呼びの発生の予測を行うことも可能となる。この結果、予測された乗り場呼びに対する到着予測時間も考慮して評価関数を作成することにより、将来のサービスの予測値を考慮したかご割当が可能となる。
【００２８】
例えば、図３に示した例について考えてみる。図３の例で、１０階に発生した乗り場呼びに応答するために、１号機と２号機の１０階への到着予測時間を考える。１号機も２号機も同じ階床数だけ途中停止するため、それぞれの停止にかかる時間が同じと仮定すると、新規発生した１０階の乗り場呼びに対しては現在４階にいる１号機の方が、わずかではあるが、早く応答可能である。しかし、９階に乗り場呼びと１号機におけるかご呼びが発生すると予測されているので、１０階で発生している乗り場呼びには２号機を割り当て、１号機は９階に予測される乗り場呼びに備えておくことにより、１機が９の乗り場呼びとかご呼びに同時に応答することが可能となり、建造物全体のサービスを向上させる可能性が高まる。
【００２９】
図１はこの発明の実施の形態１によるエレベータ群管理装置の構成を示すブロック図である。図において、１1 〜１N はエレベータの乗客が乗る各かご（１号機〜Ｎ号機）に設けられた各かごの制御装置、２は各階のエレベータ乗り場に設けられた乗り場呼びの入出力を行う乗り場制御装置、３はこの実施の形態１のエレベータ群管理装置である。
【００３０】
また、３１は乗り場制御装置２や各かごの制御装置１1 〜１N から、乗り場呼び、乗車／降車の人数、乗車中の人数、かご呼び、エレベータの走行状態、扉の状態などエレベータの状態を検出するエレベータ状態検出部、３２はエレベータ状態検出部３１で検出した乗り場呼びや乗車／降車の人数から、建造物内の各階で乗車する乗客数及び降車する乗客数を表す交通量を検出する交通量検出部、３３は交通量検出部３２で検出した交通量の特徴に基づいて、ＯＤ情報と交通量の情報を含むエレベータの交通流を推定する交通流推定部、３４は交通流推定部３３で推定された交通流中のＯＤ情報を用いてエレベータの各かごについて各乗り場呼びごとに各階へのかご呼びの発生確率を演算するかご呼び発生確率演算部、３５はかご呼び発生確率演算部３４で演算されたかご呼び発生確率とエレベータの状態とから各かごの各階への到着予測時間の期待値を演算するかご到着予測時間演算部、３６はかご到着予測時間演算部３５で演算された各かごのかご到着予測時間の期待値から乗り場呼びへの割当かごを決定する予測評価制御かご割当部である。
【００３１】
図４はエレベータ群管理装置３の交通流推定部３３の具体的構成を示すブロック図である。図において、３３１は交通量検出部３２から入力される入力交通量データで、各階毎の上昇方向及び下降方向に分けた方向別の乗車、降車人数などをその要素として含む。３３２はエレベータの設置された建造物において発生する交通流パターンと該交通流パターンから発生する各階の交通量との関係を表す交通流データマップを格納した交通流データベースである。交通流データベース３３２に格納される交通流パターンとは、単位時間当たりに発生する交通総量と、図５に示すような乗客の出発階と到着階の間の移動の割合を表すＯＤ行列とを組み合わせたものである。この交通流データベース３３２は、エレベータを設置する建造物において発生する交通流パターンを考慮して予めシミュレーションによって作成しておく。３３３は交通流データベース３３２に格納された交通流データマップ中から、与えられた入力交通量データ３３１に合致する交通流データマップを検索し、それに対応する交通流パターンを出力する交通流パターン検索部、３３４は交通流データベース３３２に格納されている各交通流データマップのうち、エレベータが設置されている建造物で実際に発生している交通流に関する交通流データマップのみを検索するように交通流パターン検索部３３３を構築する交通流パターン検索部構築部であり、この交通流パターン検索部構築部３３４により交通流パターン検索部３３３の構築をエレベータ設置後も定期的に行うことによって、建造物の交通流の経時変化に対応することが可能になる。３３５は交通流パターン検索部３３３から出力される出力交通流パターンで、かご呼び発生確率演算部３４に入力される。
【００３２】
図６は交通流パターン検索部３３３の具体的構成を示すブロック図である。図において、３３３１はニューラルネットワークを用いて入力交通量データ３３１に合致する交通流パターンを検索するニューラルネットワーク利用交通流パターン検索部である。図７はニューラルネットワーク利用交通流パターン検索部３３３１に用いられるニューラルネットワークの具体的構成を示す図である。このニューラルネットワークの入力層の各ニューロンへの入力信号は入力交通量データ３３１の各要素、出力層の各ニューロンからの出力信号は各交通流パターンに対応する。このニューラルネットワークはその時に入力される入力交通量データ３３１に対応する交通流パターンを出力する出力層ニューロンのみが１を出力し、他の出力層ニューロンは０を出力するように学習する。
【００３３】
交通流パターン検索部３３３が、図６に示すように、ニューラルネットワーク利用交通流パターン検索部３３３１によって構成されている場合、交通流パターン検索部構築部３３４はニューラルネットワーク利用交通流パターン検索部３３３１の学習のために、交通流データベース３３２に各交通流データマップとして格納されている交通量データと交通流パターンとをニューラルネットワークの入出力データの一例として、ニューラルネットワーク利用交通流パターン検索部３３３１に提示して学習を行わせる。
【００３４】
次に動作について説明する。
エレベータ群管理装置３は、乗り場制御装置２及び各かごの制御装置１1 ないし１N からそれぞれ乗り場呼び及びかご呼びの入力を受ける。また、エレベータ状態検出部３１で、乗車／降車の人数、乗車中の人数、エレベータの走行状態、扉の状態などエレベータの状態を検出して交通量検出部３２に入力する。交通量検出部３２では、入力されたエレベータの走行状態を示すデータから、このエレベータの設置された建造物内に発生している交通量を検出して交通流推定部３３に入力する。交通流推定部３３では、入力された入力交通量データ３３１に基づいて、交通流パターン検索部３３３が、この入力交通量データ３３１に合致する交通流データマップを交通流データベース３３２から検索し、それに対応する出力交通流パターン３３５をかご呼び発生確率演算部３４に出力する。この際、上述したように、交通流パターン検索部構築部３３４がニューラルネットワーク利用交通流パターン検索部３３３１に検索した交通流パターンの学習を行わせる。
【００３５】
図８はエレベータ群管理装置３におけるかごの割当手順を示すフローチャートである。まず、この図８のフローチャートを参照しながら、かご割当手順の概略を全体的に説明する。かご呼び発生確率演算部３４では入力された交通流パターンから建造物の各階に発生するかご呼び発生確率を乗り場呼びごとに演算して求め（ステップＳＴ１）、かご到着予測時間演算部３５に出力する。かご到着予測時間演算部３５では、かご呼び発生確率演算部３４から入力されたかご呼び発生確率とエレベータ状態検出部３１から入力されたエレベータ状態とから各かごの各階への到着予測時間の期待値を演算し（ステップＳＴ２）、予測評価制御かご割当部３６に入力する。予測評価制御かご割当部３６では、入力された到着予測時間の期待値に基づいて、まずかご割当評価値を演算し（ステップＳＴ３）、次にこの評価値に基づいて乗り場呼びに応答するかごを割当る（ステップＳＴ４）。
【００３６】
次に図８のフローチャートに示したかご割当手順の各手順につき手順ごとに詳細に説明する。
まず、図８のステップＳＴ１のかご呼び発生確率の演算方法について述べる。このステップでは、交通流推定部３３で推定された交通流パターンのＯＤ情報を用いて、かご呼びの発生確率を演算する。Ｍ階の乗り場呼びに応答した結果乗車した客が発生させるＮ階へのかご呼びを行うかご呼び発生確率は、次の（１），（２）式で表される。
・乗り場呼びが上昇方向の場合。
【数１】
【数２】
【数３】
図９は、かご呼び発生確率演算部３４が前記（１），（２）式を用いてかご呼び発生確率を演算する手順を示すフローチャートである。以下、この図９のフローチャートを参照しながらかご呼び発生確率の演算手順を説明する。
【００３８】
かご呼び発生確率演算部３４は、まず登録済みの乗り場呼び階の中から階数ｍを設定し（ステップＳＴ１１）、次にかご呼び階の階数ｎを最下階に設定する（ステップＳＴ１２）。
【００３９】
続いて、かご呼び発生確率演算部３４は、ｍ階で発生している乗り場呼びの方向を判定し（ステップＳＴ１３）、乗り場呼びの方向が上昇方向の場合には（１）式に従って、下降方向の場合には（２）式に従って、かご呼び発生確率を演算する（ステップＳＴ１４，ＳＴ１５）。
【００４０】
次に、階数ｎを１だけ増加させ（ステップＳＴ１６）、増加させた階数ｎが最上階を示しているか否かを判定する（ステップＳＴ１７）。階数ｎが最上階を示していない場合には、ステップＳＴ１３に戻り、乗り場呼びの方向判断（ステップＳＴ１３）とかご呼び発生確率の演算（ステップＳＴ１４，ＳＴ１５）を繰り返して、階数ｎを更に１だけ増加させる（ステップＳＴ１６）。
【００４１】
階数ｎが最上階を示している場合には、乗り場呼びの発生する全ての階の階数ｍについて、かご呼び発生確率を演算したかどうかを判定し（ステップＳＴ１８）、演算していない階が残っている場合には、階数ｍを演算していない乗り場呼び階に設定して（ステップＳＴ１９）、ステップＳＴ１２に戻り、新たな乗り場呼び階に対して最下階から最上階までのかご呼び発生確率演算の手順を繰り返す。乗り場呼びの発生する全ての階の階数ｍについて演算が終了している場合には、かご呼び発生確率の演算を終了する。
【００４２】
次に、かご到着予測時間演算部３５の行う、各かごの各階への到着予測時間の期待値の演算方法について述べる。到着予測時間は、移動時間と停止時間の和からなる。この際、各かごが停止する階が重要となる。割り当て済みの乗り場呼び階と登録済みのかご呼び階については、どのかごが停車するかが確定しているが、割り当て前の乗り場呼びについては、割当かごを仮決定して到着予測時間を求め、未応答の乗り場呼びに対するかご呼びについては、かご呼び発生確率を用いて確率的な期待値を求める。
【００４３】
まず、確定しているかご呼び及び乗り場呼びと、未応答の乗り場呼びに対してかごｓ号機を仮割当したときのｐ階にいるかごｑ号機がｒ階にｕｐｄ方向（ｕｐｄは上昇又は下降）で到着するのにかかる到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ１（ｑ，ｒ，ｓ，ｕｐｄ）は次の（４）式のように計算できる。
【数４】
ここで、ＳｔｏｐＦ（ｑ，ｒ，ｓ，ｕｐｄ，ｉ）は下記のように、新規発生の乗り場呼びに対する仮割当かごがｓ号機であるときに、かごｑ号機がｕｐｄ方向のｒ階に到着するまでに停止する階床を表す行列ＳＴＯＰ＿ＦＬＯＯＲ（ｑ，ｒ，ｓ，ｕｐｄ）の要素である。行列ＳＴＯＰ＿ＦＬＯＯＲ（ｑ，ｒ，ｓ，ｕｐｄ）は次の（５）式で表現される。
【数５】
【００４５】
次に、（１），（２）式によって得られたかご呼び発生確率の予測値を用いて、新規発生の乗り場呼びについて発生するかご呼びを考慮した到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）は、例えば次の（６）式のように演算できる。
【数６】
【００４６】
図１０は、かご到着予測時間演算部３５が前記（４），（５），（６）式を用いてかご到着予測時間の期待値を演算する手順を示すフローチャートである。次に、この図１０のフローチャートを参照しながらかご到着予測時間演算部３５のかご到着予測時間の期待値演算手順を詳細に説明する。
【００４７】
かご到着予測時間演算部３５は、まず、仮割当かごｓ号機と演算対象かごｑ号機をそれぞれ１号機であると初期設定し（ステップＳＴ２１，ＳＴ２２）、行き先階の階数ｒを最下階に初期設定する（ステップＳＴ２３）。
【００４８】
次に、設定したかご番号ｑ，ｓ及び階数ｒについて、（４），（５），（６）式に従って、到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）をｕｐｄ＝ＵＰの場合（上昇方向での到着）について演算し（ステップＳＴ２４）、さらに、ｕｐｄ＝ＤＯＷＮの場合（下降方向での到着）について演算する（ステップＳＴ２５）。
【００４９】
続いて、この到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）の演算を全ての行き先階について行ったか否か調べ（ステップＳＴ２６）、最上階まで行っていない場合には、行き先階の階数ｒを１だけ増加させ（ステップＳＴ２７）、再度到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）を演算する（ステップＳＴ２４，ＳＴ２５）。最上階まで演算済みの場合には、全てのかごについて到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）の演算を行ったか否かを調べ（ステップＳＴ２８）、全てのかごにつき演算していない場合には、かご番号ｑを１だけ増加させ（ステップＳＴ２９）、再度全ての行き先階につき到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）を演算する（ステップＳＴ２３，ＳＴ２４，ＳＴ２５）。全てのかごにつき演算し終わっている場合には、全てのかごにつき仮割当を行ったか否かを判断する（ステップＳＴ３０）。ここで、ｍａｘ＿ｃａｒは設置されているかごの台数である。全てのかごにつき仮割当を行っていない場合には、仮割当のかご番号ｓを１だけ増加させ（ステップＳＴ３１）、再度全てのかごにつき、全ての行き先階に関して到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）を演算する（ステップＳＴ２２，ＳＴ２３，ＳＴ２４，ＳＴ２５）。全てのかごにつき仮割当を終わっている場合には、到着予測時間の期待値の演算を終了する。以上のように、かご到着予測時間演算部３５では、仮割当かごｓを全てのかごに変更しながら、各かごｑについて全階床に対して到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）の演算を行う。
【００５０】
次に、予測評価制御かご割当部３６で行う、新規発生乗り場呼びへのかご割当方法の一例について述べる。ここでは、各乗り場呼びに対する待ち時間の和を最小化するように割当かごを決定する場合について述べる。図１１はこの予測評価制御かご割当部３６のかごの割当決定手順を示すフローチャートである。
【００５１】
予測評価制御かご割当部３６は、まず、仮割当かごのかご番号ｓを１として初期設定を行う（ステップＳＴ４１）。次に、割り当て決定のための評価関数である割当評価値Ｈｙｏｕｋａ（ｓ）の演算を行う（ステップＳＴ４２）。続いて、全てのかごにつき仮割当を行って割当評価値Ｈｙｏｕｋａ（ｓ）を演算したか否かを調べ（ステップＳＴ４３）、全てのかごにつき演算が終了していない場合には、仮割当かごのかご番号ｓを１だけ増加させ（ステップＳＴ４４）、再度割当評価値Ｈｙｏｕｋａ（ｓ）を演算する（ステップＳＴ４２）。全てのかごにつき仮割当を行い、割当評価値Ｈｙｏｕｋａ（ｓ）の演算が終了している場合には、次の割当かごの決定ステップ（図８のフローチャートのステップＳＴ４）に進む。
【００５２】
予測評価制御かご割当部３６は、次に、割当評価値Ｈｙｏｕｋａ（ｓ）が最小となる仮割当かごｘを検索し（ステップＳＴ４５）、かごｘを新規発生した乗り場呼びに対する仮割当かごとして決定して（ステップＳＴ４６）かご割当手順を終了する。
【００５３】
ここで、割当評価値Ｈｙｏｕｋａ（ｓ）の一例について述べる。たとえば、乗り場呼び発生階に対する全ての待ち時間を最小とするようにかごの割当を決めたい場合には、割当評価値Ｈｙｏｕｋａ（ｓ）を次の（７）式のように設定する。
【数７】
【００５４】
以上のように、この実施の形態１によれば、交通流の推定結果を利用して安定したかご発生確率の演算ができ、効率的なかごの割当が可能になり、交通流の変化に対応したエレベータの運行が可能となるという効果が得られる。
【００５５】
実施の形態２．
この発明の実施の形態２によるエレベータ群管理装置は、基本的構成は図１に示した実施の形態１の構成と同一であり、交通流推定部の構成のみが実施の形態１の交通流推定部３３の構成と異なる。したがって、実施の形態２については、交通流推定部の構成及び動作についてのみ説明し、その他の構成部分については説明を加えない。
【００５６】
図１２は実施の形態２の交通流推定部の具体的構成を示すブロック図である。図において、入力交通量データ３３１は実施の形態１の入力交通量データ３３１と同一である。３７は実施の形態２の交通流推定部、３７１は入力交通量データ３３１に基づいて所定時間内に発生する乗客の移動量の総量、すなわち交通総量を入力交通量データ３３１から演算する交通総量演算部、３７２は交通総量演算部３７１で演算された交通総量、３７３は交通量−ＯＤ行列データマップを格納した交通量−ＯＤ行列データベースであり、交通量−ＯＤ行列データマップはあるＯＤ行列を決定したときにそのＯＤ行列に対応して発生する各階の交通量とＯＤ行列との関係をさまざまな交通総量について表したものである。交通量−ＯＤ行列データベース３７３は、エレベータを設置する建造物において発生する交通量を考慮して予めシミュレーションによって作成しておく。３７４は交通量−ＯＤ行列データベース３７３に格納された交通量−ＯＤ行列データマップ中から、与えられた入力交通量データ３３１を発生させるようなＯＤ行列の推定値を求めて出力するＯＤ推定部、３７５はＯＤ推定部３７４から出力される出力ＯＤ行列で、かご呼び発生確率演算部３４に入力される。３７６は交通量−ＯＤ行列データベース３７３に蓄積されている交通量データとＯＤ行列との関係に従ってＯＤ行列の推定を行うようにＯＤ推定部３７４を構築するＯＤ推定部構築部で、交通量−ＯＤ行列データベース３７３に格納されている各交通量−ＯＤ行列データマップのうち、エレベータが設置されている建造物で実際に発生しているＯＤ行列に関する交通量−ＯＤ行列データマップの関係をＯＤ推定部３７４の入出力データの一例としてＯＤ推定部３７４に学習させる。ＯＤ推定部３７４の学習をＯＤ推定部構築部３７６によりエレベータ設置後も定期的に行わせることによって、建造物の交通流の経時変化に対応することが可能になる。
【００５７】
図１３はＯＤ推定部３７４の具体的構成を示すブロック図である。図において、３７４１はニューラルネットワークを用いて入力交通量データ３３１を発生させるＯＤ行列の各要素の値を推定するニューラルネットワーク利用ＯＤ推定部である。図１４はニューラルネットワーク利用ＯＤ推定部３７４１に用いられるニューラルネットワークの具体的構成を示す図である。このニューラルネットワークの入力層の各ニューロンへの入力信号は入力交通量データ３３１の各要素、出力層の各ニューロンからの出力信号はＯＤ行列の各要素に対応する。このニューラルネットワークはその時に入力される入力交通量データ３３１を発生させるＯＤ行列の各要素の値を出力層ニューロンから出力する。
【００５８】
次に動作について説明する。
交通流推定部３７は、交通量検出部３２から入力交通量データ３３１の入力を受けると、交通総量演算部３７１で交通総量３７２を演算してかご呼び発生確率演算部３４に出力するとともに、ＯＤ推定部３７４で、交通量−ＯＤ行列データベース３７３に格納された交通量−ＯＤ行列データマップ中から、入力交通量データ３３１を発生させるようなＯＤ行列の推定値を求めて出力ＯＤ行列３７５としてかご呼び発生確率演算部３４に出力する。この際、ＯＤ推定部構築部３７６はニューラルネットワーク利用ＯＤ推定部３７４１のニューラルネットワークにＯＤ推定部３７４の入出力データを交通量−ＯＤ行列データマップの関係の一例として学習させる。
【００５９】
以上のように、この実施の形態２によれば、交通量−ＯＤ行列データベース３７３を利用して精度の高い交通流の推定ができ、この精度の高い交通流の推定結果を利用したかごの割当が可能となって、交通流の変化に対応したエレベータの運行が可能となる効果が得られる。
【００６０】
実施の形態３．
この発明の実施の形態３によるエレベータ群管理装置は、基本的構成は図１に示した実施の形態１の構成と同一であり、交通流推定部の構成のみが実施の形態１の交通流推定部３３の構成と異なる。したがって、実施の形態３については、交通流推定部の構成及び動作についてのみ説明し、その他の構成部分については説明を加えない。
【００６１】
図１５は実施の形態３の交通流推定部の具体的構成を示すブロック図である。図において、入力交通量データ３３１及び交通流データベース３３２はそれぞれ実施の形態１の入力交通量データ３３１及び交通流データベース３３２と同一である。３８は実施の形態３の交通流推定部、３８１は交通流データベース３３２の交通流データマップの交通量データと交通流パターンとの関係に従って、入力交通量データ３３１に合致した階間交通流行列を推定して出力するニューラルネットワーク利用交通流推定部、３８２はニューラルネットワーク利用交通流推定部３８１から出力される階間交通流行列で、階間交通流行列３８２は各階床間を移動する乗客数を行列表現した一種のＯＤ行列であり、その各要素が単なる各階間を移動する乗客数の比ではなく、乗客数そのものを表している。この階間交通流行列３８２はＯＤ列と交通総量とから簡単に求めることが可能であり、逆に階間交通流行列３８２からＯＤ行列と交通総量を求めることも可能である。３８３はニューラルネットワーク利用交通流推定部３８１が交通流データベース３３２に蓄積されている交通流データマップの関係に従って、階間交通流行列３８２の推定を行って、推定した階間交通流行列３８２を出力した事実を記憶するように、ニューラルネットワーク利用交通流推定部３８１に学習させる交通流推定部構築部である。
【００６２】
図１６はニューラルネットワーク利用交通流推定部３８１に用いられるニューラルネットワークの具体的構成を示す図である。このニューラルネットワークの入力層の各ニューロンの入力は入力交通量データ３３１の各要素に対応し、出力層の各ニューロンの出力は階間交通流行列３８２の各要素に対応する。
【００６３】
次に動作について説明する。
交通流推定部３８は、交通量検出部３２から入力交通量データ３３１の入力を受けると、ニューラルネットワーク利用交通流推定部３８１で、交通流データベース３３２に格納された交通流データマップ中から、入力交通量データ３３１に合致した階間交通流行列３８２を推定してかご呼び発生確率演算部３４に出力する。この際、交通流推定部構築部３８３は、交通流データベース３３２に蓄積されている各交通流データマップのうち、エレベータが設置されている建造物で実際に発生しているデータマップを選択し、このデータマップの交通流パターンから階間交通流行列３８２を作成して、ニューラルネットワーク利用交通流推定部３８１のニューラルネットワークの出力層の教師データとして与える。このニューラルネットワーク利用交通流推定部３８１の学習を建造物設置後も定期的に行うことによって、建造物の交通流の経時変化に対応することが可能になる。
【００６４】
以上のように、この実施の形態３によれば、交通流推定部３８が階間交通流行列３８２を推定して出力することによって、精度の高い交通流の推定結果を利用したかごの割当が可能になり、交通流の変化に対応したエレベータの運行が可能となるという効果が得られる。
【００６５】
実施の形態４．
図１７はこの発明の実施の形態４によるエレベータ群管理装置の構成を示すブロック図である。図１に示した実施の形態１の構成要素と同一の構成要素には同一の符号を付けて、その説明を省略する。
【００６６】
図１７において、３ａはこの実施の形態４のエレベータ群管理装置、３９は交通流推定部３３により推定された交通流に基づいて、各階において発生する乗り場呼びの発生確率を演算する乗り場呼び発生確率演算部、３５ａは乗り場呼び発生確率演算部３９により演算された乗り場呼び発生確率とかご呼び発生確率演算部３４により演算されたかご呼び発生確率とエレベータの状態とに基づいて、各階への各かごの到着時間の期待値を求めるかご到着予測時間演算部、３６ａはかご到着予測時間演算部３５ａで演算されたかごの到着時間の期待値と、乗り場呼び発生確率演算部３９で演算された乗り場呼び発生確率とに基づいて、新たに発生した乗り場呼びにかごを割り当てる予測評価制御かご割当部である。
【００６７】
次に動作について説明する。
この実施の形態４の動作は、かごの割当手順を除くほか、交通量の検出及び交通流の推定並びにかご呼び発生確率の演算の各手順は実施の形態１から実施の形態３の各手順と同一であるのでその説明を省略する。
【００６８】
図１８はこの実施の形態４のかごの割当手順を示すフローチャートである。まず、この図１８のフローチャートを参照しながら、かご割当手順の概略を全体的に説明する。ステップＳＴ５１におけるかご呼び発生確率演算部３４のかご呼び発生確率の演算演算手順は実施の形態１の演算手順と同一である。この実施の形態４においては、同時に、交通流推定部３３で推定した交通流に基づいて乗り場呼び発生確率演算部３９が各階において発生する乗り場呼びの発生確率を演算し（ステップＳＴ５２）、かご到着予測時間演算部３５ａ及び予測評価制御かご割当部３６ａに入力する。かご到着予測時間演算部３５ａでは、かご呼び発生確率演算部３４から入力されたかご呼び発生確率と、乗り場呼び発生確率演算部３９から入力された乗り場呼び発生確率と、エレベータ状態検出部３１から入力されたエレベータ状態とから各かごの各階への到着予測時間の期待値を演算し（ステップＳＴ５３）、予測評価制御かご割当部３６ａに入力する。予測評価制御かご割当部３６ａでは、入力された乗り場呼び発生確率と到着予測時間の期待値とに基づいて、まずかご割当評価値を演算し（ステップＳＴ５４）、次にこの評価値に基づいて乗り場呼びに応答するかごを割り当てる（ステップＳＴ５５）。
【００６９】
次に図１８のフローチャートに示したかご割当手順の各手順につき手順毎に詳細に説明する。
まず、図１８のステップＳＴ５２の乗り場呼び発生確率演算部３９で行う乗り場呼び発生確率の演算方法について述べる。このステップでは、交通流推定部３３で推定された交通流の情報のうち、ＯＤ情報を用いて、乗り場呼びの発生確率を演算する。
【００７０】
ｘ階に発生する乗り場呼びの発生確率は次の（８），（９）式によって求められる。
・上方向の乗り場呼び発生確率
【数８】
【数９】
【００７１】
図１９は乗り場呼び発生確率演算部３９が前記（８），（９）式を用いて乗り場呼び発生確率を演算する手順を示すフローチャートである。以下、この図１９のフローチャートを用いて乗り場呼び発生確率の演算手順を説明する。
【００７２】
乗り場呼び発生確率演算部３９は、まず、乗り場呼び階の階数ｘを最下階に設定して乗り場呼び階の初期設定を行い（ステップＳＴ６１）、次に（８）式に従ってｘ階における上方向の乗り場呼びの発生確率を演算し（ステップＳＴ６２）、続いて（９）式に従ってｘ階における下方向の乗り場呼びの発生確率を演算する（ステップＳＴ６３）。
【００７３】
さらに、今回乗り場呼び発生確率を演算したｘ階が最上階であるかどうかを判断し（ステップＳＴ６４）、最上階でない場合には、階数ｘの値を１だけ増加させて（ステップＳＴ６５）増加させた階における上方向及び下方向の乗り場呼び発生確率を演算する（ステップＳＴ６２，ＳＴ６３）。Ｘ階が最上階であった場合には、乗り場呼び発生確率の演算を終了する。
【００７４】
次に、かご到着予測時間演算部３５ａの行うかご到着予測時間の演算動作について説明する。
このかご到着予測時間の演算は、基本的には図１０のフローチャートに示した実施の形態１のかご到着予測時間の演算動作と同一である。しかし、この実施の形態４においては、乗り場呼び発生確率演算部３９により乗り場呼びの発生確率ＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）が求められているので、（６）式の代わりに次の（１０）式を用いて、新規発生の乗り場呼びについて派生するかご呼び、及び乗り場呼びを考慮した到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）を求める。
【数１０】
【００７５】
次に、予測評価制御かご割当部３６ａの行うかご割当評価値の演算（ステップＳＴ５４）及び割当かごの決定（ステップＳＴ５５）手順について説明する。これらの手順は基本的には図１１に示した実施の形態１の割当かごの決定手順と同一であるが、割当評価値Ｈｙｏｕｋａ（ｓ）の演算式として、（７）式ではなく、次の（１１）式を用いる。
【数１１】
【００７６】
以上のように、この実施の形態４によれば、交通流の推定結果を利用して将来の乗り場呼びを考慮したかごの割当が可能になり、交通流の変化と将来のサービスに対応したエレベータの運行が可能となるという効果が得られる。
【００７７】
実施の形態５．
この発明の実施の形態５によるエレベータ群管理装置は、過去の所定時間内における乗客移動発生の実績を用いて、かご呼び発生予測及び乗り場呼び発生予測の補正を行う。この実施の形態５は、例えばオフィス建造物における昼食時などのように、所定時間に所定数の交通が発生するような場合に有効である。例えば、交通流推定部が、各階から１階へ１時間当たり１０００人が向かう昼食時型交通流パターンを１２時から１２時半までの時間に推定した場合を考える。この時に、例えばある階では、この時間帯のうち前半に多くの乗客が発生し、後半にはあまり乗客が発生しないような場合や日によって乗客が多く発生する時間が上記の時間帯の中で前後するような場合には、交通流パターンが細かく用意されていればよいが、あまり多くの交通流パターンを用意できない場合、平均化された交通流しか推定できない。この実施の形態５は、このような問題点を解決するために、過去の乗客移動量発生実績を見ながら、既に多くの乗客の移動量が発生した場合にはその後はあまり発生しないと予測し、まだあまり多くの乗客の移動量が発生していない場合にはその後多くの乗客の移動量が発生すると考え、平均化して推定されたＯＤ行列から予測されたかご呼びや乗り場呼びの補正を行うものである。
【００７８】
図２０はこの実施の形態５によるエレベータ群管理装置の構成を示すブロック図である。図２０において、図１７に示した実施の形態４の構成要素と同一の構成要素には同一の符号を付けて、その説明を省略する。
【００７９】
図２０において、３ｂはこの実施の形態５のエレベータ群管理装置、４０は各階に発生した乗り場呼びに関連したかご呼びの過去所定時間の累計値を行き先階毎に演算するかご呼び演算部、４１はかご呼び演算部４０によって得られた過去のかご呼びの累計値を用いて、かご呼び発生確率演算部３４で得られたかご呼び発生確率の予測値の補正を行うかご呼び発生確率補正部、４２は各階に発生した乗り場呼びの過去所定時間の累計値を演算する乗り場呼び演算部、４３は乗り場呼び演算部４２によって得られた過去の乗り場呼びの累計値を用いて、乗り場呼び発生確率演算部３９で得られた乗り場呼び発生確率の補正を行う乗り場呼び発生確率補正部である。
【００８０】
次に動作について説明する。
この実施の形態５の動作は、過去のかご呼び及び乗り場呼びの累計値に基づいてかご呼び発生確率及び乗り場呼び発生確率の予測値を補正する手順を除くほか、交通量の検出及び交通流の推定並びにかご呼び発生確率及び乗り場呼び発生確率の演算の各手順は実施の形態４の各手順と同一であるのでその説明を省略する。
【００８１】
図２１はこの実施の形態５のかごの割当手順を示すフローチャートであり、この図２１のフローチャートを参照しながら、かご割当手順を説明する。
かご呼び発生確率演算部３４は、実施の形態１，４と同様にして、かご呼び発生確率の予測値を演算してかご呼び発生確率補正部４１に出力する（ステップＳＴ７１）。
【００８２】
同時に、かご呼び演算部４０では、過去所定時間に発生したかご呼びの累積回数を関連する乗り場呼び及び行き先階毎に求めて、かご呼び発生確率補正部４１に出力する（ステップＳＴ７２）。累積する時間は、交通流推定部３３で推定した交通流の継続している時間であり、交通流が変化した時点でリセットする。この値は次の（１２）式のように得られる。
ＣａｇｅＣａｌｌＮｕｍ（ｏＦ，ｄＦ） ・・・（１２）
ここで、ＣａｇｅＣａｌｌＮｕｍはかご呼びの累積回数、ｏＦはかご呼びが発生する直前に停止した乗り場呼び階、ｄＦはかご呼び階である。
【００８３】
かご呼び発生確率補正部４１では、かご呼び発生確率演算部３４から入力されるかご呼び発生確率の予測値とかご呼び演算部４０から入力されるかご呼びの累積回数とを比較し、次の（１３）式に従って、かご呼び発生確率の補正を行う（ステップＳＴ７３）。
【数１２】
【００８４】
また、交通流推定部３３で推定した交通流に基づいて乗り場呼び発生確率演算部３９が各階において発生する乗り場呼びの発生確率を演算し（ステップＳＴ７４）、乗り場呼び発生確率補正部４３に出力する。同時に、乗り場呼び演算部４２では、過去の所定時間内に発生した乗り場呼びの累積回数を乗り場呼び階ごと、上下方向別に求め（ステップＳＴ７５）、乗り場呼び発生確率補正部４３に出力する。過去所定時間内の乗り場呼びの累積方法は、かご呼び累積回数と同様に、推定された交通流の継続している時間単位に累積し、交通流が変化した時点でリセットする。この乗り場呼びの累積回数は次の（１４）式に従って得られる。
ＨａｌｌＣａｌｌＮｕｍ（ｏＦ，ｕｐｄ） ・・・（１４）
ここで、ＨａｌｌＣａｌｌＮｕｍは乗り場呼びの累積回数、ｏＦは乗り場呼び発生階、ｕｐｄは乗り場呼びの方向である。
【００８５】
次に、乗り場呼び発生確率補正部４３では、乗り場呼び演算部４２によって演算された過去の乗り場呼びの累計値と乗り場呼び発生確率演算部３９で演算された乗り場呼び発生確率とを比較し、次の（１５）式に従って、乗り場呼び発生確率の補正を行う（ステップＳＴ７６）。
【数１３】
【００８６】
かご到着予測時間演算部３５ａでは、かご呼び発生確率補正部４１から入力された補正されたかご呼び発生確率と、乗り場呼び発生確率補正部４３から入力された補正された乗り場呼び発生確率と、エレベータ状態検出部３１から入力されたエレベータ状態とから各かごの各階への到着予測時間の期待値を演算し（ステップＳＴ７７）、予測評価制御かご割当部３６ａに入力する。予測評価制御かご割当部３６ａでは、乗り場呼び発生確率補正部４３から入力された補正された乗り場呼び発生確率と、かご到着予測時間演算部３５ａから入力された到着予測時間の期待値とに基づいて、まずかご割当評価値を演算し（ステップＳＴ７８）、次にこの評価値に基づいて乗り場呼びに応答するかごを割り当てる（ステップＳＴ７９）。ステップＳＴ７７及びステップＳＴ７８の演算動作は、これらの演算の基礎に用いるかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）及び乗り場呼び発生確率ＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）の代わりに、補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）及び補正された乗り場呼び発生確率ＨｏｉｓｅＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）をそれぞれ用いて演算するほかは、実施の形態４の各演算動作と同一である。
【００８７】
以上のように、この実施の形態５によれば、補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）をかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）の代わりに、補正された乗り場呼び発生確率ＨｏｉｓｅＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）を乗り場呼び発生確率ＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）の代わりに用いて、（１０）式及び（１１）式を用いて到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）及び割当評価値Ｈｙｏｕｋａ（ｓ）を求めることにより、過去の実績を考慮してかご呼び及び乗り場呼びを予測する事が可能となり、より細かい交通流の変化への対応したかごの割当が可能となるという効果が得られる。
【００８８】
実施の形態６．
図２２はこの発明の実施の形態６によるエレベータ群管理装置の構成を示すブロック図である。図２２において、図１７に示した実施の形態４の構成要素と同一の構成要素には同一の符号を付けて、その説明を省略する。
【００８９】
図２２において、３ｃはこの実施の形態６のエレベータ群管理装置、４はエレベータ群管理装置３ｃの設置された建物の各階のエレベータ乗り場の混雑度（エレベータ待ち客の多少）を測定する乗り場混雑度測定装置、４４は乗り場混雑度測定装置４の出力から各階のエレベータ乗り場の混雑度を検出する乗り場混雑度検出部、４５は乗り場混雑度検出部４４によって検出されたエレベータ乗り場の混雑度に基づいて、かご呼び発生確率演算部３４で演算されたかご呼び発生確率の補正を行う乗り場混雑度利用かご呼び発生確率補正部、４６は乗り場混雑度検出部４４によって検出されたエレベータ乗り場の混雑度に基づいて、乗り場呼び発生確率演算部３９で演算された乗り場呼び発生確率の補正を行う乗り場混雑度利用乗り場呼び発生確率補正部である。
【００９０】
次に動作について説明する。
この実施の形態６の動作は、乗り場混雑度検出部４４によって検出されたエレベータ乗り場の混雑度に基づいて、かご呼び発生確率演算部３４で演算されたかご呼び発生確率と、乗り場呼び発生確率演算部３９で演算された乗り場呼び発生確率の補正を行う手順を除くほか、交通量の検出及び交通流の推定並びにかご呼び発生確率及び乗り場呼び発生確率の演算の各手順は実施の形態４の各手順と同一であるのでその説明を省略する。
【００９１】
図２３はこの実施の形態６のかごの割当手順を示すフローチャートであり、この図２３のフローチャートを参照しながら、かご割当手順を説明する。
かご呼び発生確率演算部３４は、実施の形態１，４，５と同様にして、かご呼び発生確率の予測値を演算して乗り場混雑度利用かご呼び発生確率補正部４５に出力する（ステップＳＴ８１）。
【００９２】
また、乗り場呼び発生確率演算部３９は、実施の形態４，５と同様にして、各階において発生する乗り場呼びの発生確率を演算し（ステップＳＴ８２）、乗り場混雑度利用乗り場呼び発生確率補正部４６に出力する。
【００９３】
次に、乗り場混雑度測定装置４は、監視用テレビ画像情報等の情報を用いて、各階のエレベータ乗り場の乗客の人数に関する情報を得、エレベータ群管理装置３ｃの乗り場混雑度検出部４４に出力する。乗り場混雑度検出部４４では、各階ごとの乗り場混雑度データを作成して、乗り場混雑度利用かご呼び発生確率補正部４５と乗り場混雑度利用乗り場呼び発生確率補正部４６に出力する（ステップＳＴ８３）。
【００９４】
この乗り場混雑度データは次の（１６）式のように与えられる。
ＨＡＬＬ＿ＪＡＭ＝｛ＨａｌｌＪａｍ（ｍｉｎＦ），ＨａｌｌＪａｍ（ｍｉｎＦ＋１），ｅ，ＨａｌｌＪａｍ（ｍａｘＦ）｝ ・・・（１６）
ここで、ＨＡＬＬ＿ＪＡＭは乗り場混雑度データ、ＨａｌｌＪａｍ（ｆ）は、ｆ階における乗り場混雑度を示している。ＨａｌｌＪａｍ（ｆ）は混雑の度合いに対して単調増加する値を取り、例えば、
ＨａｌｌＪａｍ（ｆ）＝ｆ階での待ち客数 ・・・（１７）
とすることができる。
【００９５】
次に乗り場混雑度利用かご呼び発生確率補正部４５では、乗り場混雑度検出部４４から入力された各階ごとの乗り場混雑度データに基づいて、かご呼び発生確率演算部３４から入力されたかご呼び発生確率を乗り場混雑度に応じて補正する（ステップＳＴ８４）。つまり、ある乗り場呼びに対する乗り場混雑度が大きい場合には、その乗り場呼びに対して発生するかご呼びの数は１個よりも大きくなる可能性が高い。しかし上述の（１），（２）式においては一つの乗り場呼びに対して発生するかご呼びの個数は全て等しいと考えている。そこで、次の（１８）式に基づいてかご呼び発生確率の補正を行う。
ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）＝ＨａｌｌＪａｍ（ｍ）・ＣａｇｅＣａｌｌＰ（ｍ，ｎ） ・・・（１８）
ここで、ＨｏｉｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）はｍ階の乗り場呼びに対して発生するｎ階へのかご呼びの補正後の発生確率である。
【００９６】
次に乗り場混雑度利用乗り場呼び発生確率補正部４６では、各階ごとの乗り場混雑度データに基づいて、乗り場呼び発生確率演算部３９から入力された乗り場呼び発生確率を乗り場混雑度に応じて補正する（ステップＳＴ８５）。以下、図２４のフローチャートを参照しながら、上記補正手順を詳細に説明する。
【００９７】
乗り場混雑度利用乗り場呼び発生確率補正部４６では、まず、乗り場呼び発生確率の補正を行う階の階数ｘを最下階の値に設定して初期設定する（ステップＳＴ９１）。
【００９８】
次に、乗り場呼び発生確率の補正を行う階ｘの乗客の有無を、乗り場混雑度検出部４４ら入力された乗り場混雑度に基づいて判定し（ステップＳＴ９２）、乗客がいない場合には、ステップＳＴ９８に進む。乗客がいる場合は、ステップＳＴ９３に進み、乗り場混雑度の補正を行う階ｘの乗り場呼びの有無を判定する。乗り場呼びが発生していない場合には、ステップＳＴ９４において、下記の（１９），（２０）式に従って乗り場呼び発生確率の補正を行い、ステップＳＴ９８に進む。
【数１４】
ここでの補正は、乗客が乗り場にいるにもかかわらず乗り場呼びが発生していないことから、近いうちにその階で発生することを予期して行う補正である。（１９），（２０）式において、ＨｏｓｅｉＨａｌｌＣａｌｌＰａｒａ１は、乗り場呼び補正を行う際のパラメータで、１より小さい正の値をとる。
【００９９】
乗り場呼びが発生している場合には、ステップＳＴ９５に進み、補正対象の階ｘが混雑しているかどうかを、乗り場混雑度から判定する。補正を行う階ｘが混雑していない場合にはステップＳＴ９８に進み、混雑している場合には、ステップＳＴ９６において補正を行う階ｘに割当られているかごが混雑しているかどうかを判定する。かごが混雑していない場合にはステップＳＴ９８に進み、混雑している場合には、次の（２０），（２１）式に従って乗り場呼びの補正を行う。ＨｏｓｅｉＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）＝ＨｏｓｅｉＨａｌｌＣａｌｌＰａｒａ２・ｇｅｔｏｎＬｅａｖｅＰ（ｘ，ｕｐｄ）・
ＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ） ・・・（２１）
ＨｏｉｓｅｉＨａｌｌＣａｌｌＰ（ｉ，ｕｐｄ）＝−（１−ＨｏｓｅｉＨａｌｌＣａｌｌＰａｒａ２・（ｇｅｔｏｎＬｅａｖｅＰ（ｘ，ＵＰ）・
ＨａｌｌＣａｌｌＰ（ｘ，ＵＰ）＋ｇｅｔｏｎＬｅａｖｅＰ（ｘ，ＤＯＷＮ・ＨａｌｌＣａｌｌＰ（ｘ，ＤＯＷＮ））））・ＨａｌｌＣａｌｌＰ（ｉ，ｕｐｄ） ・・・（２２）
ここでの補正は、かご、乗り場ともに混雑している場合には積み残しが発生することを想定し、その後乗り場呼びが発生する確率が高くなることを想定して、乗り場呼び発生確率の補正を行うものである。この乗り場呼び発生確率の補正を行った後ステップＳＴ９８に進む。（２１），（２２）式において、ＨｏｓｅｉＨａｌｌＣａｌｌＰａｒａ２は、乗り場呼び補正を行う際のパラメータで、１より小さい正の値をとる。ｇｅｔｏｎＬｅａｖｅＰ（ｘ，ＵＰ）は積み残し発生確率で、例えば次の（２３）式のように表される。
【数１５】
【０１００】
ステップＳＴ９８においては、全ての階について乗り場呼びの補正を行ったかどうかを判定し、補正が終わっていない場合には、ステップＳＴ９９において、補正を行う階の階数ｘを１だけ増加させ、階数ｘの再設定を行い、ステップＳＴ９２に戻って新たに設定した階の乗り場呼び補正を行う。全ての階について補正が終わっている場合には、補正プロセスを終了する。
【０１０１】
かご到着予測時間演算部３５ａでは、乗り場混雑度利用かご呼び発生確率補正部４５から入力された補正されたかご呼び発生確率と、乗り場混雑度利用乗り場呼び発生確率補正部４６から入力された補正された乗り場呼び発生確率と、エレベータ状態検出部３１から入力されたエレベータ状態とから各かごの各階への到着予測時間の期待値を演算し（ステップＳＴ８６）、予測評価制御かご割当部３６ａに入力する。予測評価制御かご割当部３６ａでは、乗り場混雑度利用乗り場呼び発生確率補正部４６から入力された補正された乗り場呼び発生確率と、かご到着予測時間演算部３５ａから入力された到着予測時間の期待値とに基づいて、まずかご割当評価値を演算し（ステップＳＴ８７）、次にこの評価値に基づいて乗り場呼びに応答するかごを割り当てる（ステップＳＴ８８）。ステップＳＴ８６及びステップＳＴ８７の演算動作は、これらの演算の基礎に用いるかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）及び乗り場呼び発生確率ＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）の代わりに、補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）及び補正された乗り場呼び発生確率ＨｏｉｓｅＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）をそれぞれ用いて演算するほかは、実施の形態４の各演算動作と同一である。
【０１０２】
以上のように、この実施の形態６によれば、乗り場混雑度に応じて補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）をかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）の代わりに、乗り場混雑度に応じて補正された乗り場呼び発生確率ＨｏｉｓｅＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）を乗り場呼び発生確率ＨａｌｌＣａｌｌＰ（ｘ，ｕｐｄ）の代わりに用いて、到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）及び割当評価値Ｈｙｏｕｋａ（ｓ）を求めることにより、乗り場混雑度を考慮してかご呼び及び乗り場呼びを予測する事が可能となり、より精度の高いかごの割当が可能となるという効果が得られる。
【０１０３】
実施の形態７．
この発明の実施の形態７は行き先階別乗り場呼び装置のあるエレベータを管理するエレベータ群管理装置に関するものである。
図２５はこの実施の形態７によるエレベータ群管理装置の構成を示すブロック図である。図２５において、図１７に示した実施の形態４の構成要素と同一の構成要素には同一の符号を付けて、その説明を省略する。
【０１０４】
図２５において、２ａは各階のエレベータ乗り場に設けられた乗り場呼びの入出力を行う乗り場制御装置で、２１は乗り場制御装置２ａに設けられた行き先階を指定してかごを呼ぶ行き先階別乗り場呼び装置、３ｄはこの実施の形態７のエレベータ群管理装置、４７は行き先階別乗り場呼び装置２１によって登録された行き先階の指定された乗り場呼びに基づいて、かご呼び発生確率演算部３４により演算されたかご呼び発生確率の補正を行う行き先階指定乗り場呼び利用かご呼び発生確率補正部である。
【０１０５】
行き先階別乗り場呼び装置２１は乗客が乗り場でかごを呼ぶ際に、通常の上下階方向別ではなく、行き先階別に乗り場呼びのボタンが用意されている装置である。
この行き先階別乗り場呼び装置２１を利用することにより、乗客の行き先階がエレベータに乗車する前から分かることになる。なお、行き先階別乗り場呼び装置２１は全乗り場階に設置する必要はない。
【０１０６】
次に動作について説明する。
この実施の形態７の動作は、行き先階別乗り場呼び装置２１から入力される乗り場呼び情報に基づいて、かご呼び発生確率演算部３４で演算されたかご呼び発生確率の補正を行う手順を除くほか、交通量の検出及び交通流の推定並びにかご呼び発生確率及び乗り場呼び発生確率の演算の各手順は実施の形態４の各手順と同一であるのでその説明を省略する。
【０１０７】
図２６はこの実施の形態７のかごの割当手順を示すフローチャートであり、この図２６のフローチャートを参照しながら、かご割当手順を説明する。
かご呼び発生確率演算部３４は、実施の形態１，４，５，６と同様にして、かご呼び発生確率の予測値を演算して行き先階指定乗り場呼び利用かご呼び発生確率補正部４７に出力する（ステップＳＴ１０１）。
【０１０８】
また、乗り場呼び発生確率演算部３９は、実施の形態４，５，６と同様にして、各階において発生する乗り場呼びの発生確率を演算し（ステップＳＴ１０２）、かご到着予測時間演算部３５ａ及び予測評価制御かご割当部３６ａに出力する。
【０１０９】
行き先階指定乗り場呼び利用かご呼び発生確率補正部４７の行うかご呼び発生確率の補正は、行き先階別乗り場呼び装置２１から入力された乗り場呼び情報を用いてかご呼びの補正を行うものである。行き先階別乗り場呼び装置２１の出力する乗り場呼び情報は次の（２４）式で与えられる。
ＨａｌｌＤｅｍａｎｄ（ｍ）＝｛ＨａｌｌＤｅｍａｎｄ（ｍ，１），ＨａｌｌＤｅｍａｎｄ（ｍ，２）^ ・・・（２４）
ここで、ＨａｌｌＤｅｍａｎｄ（ｍ）は乗り場呼び階ｍで発生した行き先階別の乗り場呼びの集合であり、ＨａｌｌＤｅｍａｎｄ（ｍ，１）はその１番目の要素で、行き先階を表している。
【０１１０】
図２７は、行き先階指定乗り場呼び利用かご呼び発生確率補正部４７がステップＳＴ１０３で行うかご呼び発生確率の補正手順を詳細に示すフローチャートである。以下、この図２７のフローチャートを参照しながら、行き先階指定乗り場呼び利用かご呼び発生確率補正部４７のかご呼び発生確率の補正動作を説明する。
【０１１１】
行き先階指定乗り場呼び利用かご呼び発生確率補正部４７は、まず、乗り場呼び階の階数ｍを最下階の値に設定して初期設定を行う（ステップＳＴ１１１）。次に、設定した乗り場呼び階ｍに行き先階別乗り場予備装置２１が設置されているかどうかを判定し（ステップＳＴ１１２）、設置されていない場合にはステップＳＴ１１４おいてかご呼び発生確率の補正を行わず（補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）を補正していないかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）と等しくする）、ステップＳＴ１２０に進む。行き先階別乗り場予備装置２１が設置されている場合には、行き先階の階数ｎを最下階の値に設定して初期化を行い（ステップＳＴ１１３）、ステップＳＴ１１５に進む。
【０１１２】
ステップＳＴ１１５においては、ｎ階への行き先階別乗り場呼びが存在するかどうか、つまりＨａｌｌＤｅｍａｎｄ（ｍ，ｉ）＝ｎとなるｉが存在するかどうかを判定し、存在する場合には、ｍ階からｎ階への補正されたかご呼び発生確率ＨｏｓｅｉＨａｌｌＣａｌｌＰ（ｍ，ｎ）を１とする（ステップＳＴ１１６）。存在しない場合には、ｍ階からｎ階への補正されたかご呼び発生確率ＨｏｓｅｉＨａｌｌＣａｌｌＰ（ｍ，ｎ）を０とする（ステップＳＴ１１７）。
【０１１３】
次に、全ての行き先階の階数ｎについて補正を行ったかどうかを判定し（ステップＳＴ１１８）、補正が終わっていない場合には、階数ｎの値を１だけ増加させて補正を行う行き先階の再設定を行い（ステップＳＴ１１９）、ステップＳＴ１１５に戻って再度補正されたかご呼び確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）の値を設定する。全ての行き先階について補正が終わっている場合には、ステップＳＴ１２０に進む。
【０１１４】
ステップＳＴ１２０においては、全ての乗り場呼び階ｍについて補正を行ったかどうかを判定し、補正が終わっていない場合には、補正を行う乗り場呼び階の階数ｍを１だけ増加させ、乗り場呼び階ｍの再設定を行う（ステップＳＴ１２１。）そして、新たに設定された補正を行う乗り場呼び階についていき先指定階ごとに補正されたかご呼び確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）の値を求める。全ての乗り場呼び階ｍについて補正が終わっている場合には、かご呼び発生確率の補正動作を終了する。
【０１１５】
かご到着予測時間演算部３５ａでは、行き先階指定乗り場呼び利用かご呼び発生確率補正部４７から入力された補正されたかご呼び発生確率と、乗り場呼び発生確率演算部３９から入力された乗り場呼び発生確率と、エレベータ状態検出部３１から入力されたエレベータ状態とから各かごの各階への到着予測時間の期待値を演算し（ステップＳＴ１０４）、予測評価制御かご割当部３６ａに入力する。予測評価制御かご割当部３６ａでは、乗り場呼び発生確率演算部３９から入力された乗り場呼び発生確率と、かご到着予測時間演算部３５ａから入力された到着予測時間の期待値とに基づいて、まずかご割当評価値を演算し（ステップＳＴ１０５）、次にこの評価値に基づいて乗り場呼びに応答するかごを割り当てる（ステップＳＴ１０６）。ステップＳＴ１０４及びステップＳＴ１０５の演算動作は、これらの演算の基礎に用いるかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）の代わりに、補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）を用いて演算するほかは、実施の形態４の各演算動作と同一である。
【０１１６】
以上のように、この実施の形態７によれば、行き先階別乗り場呼び装置２１により指定されたかご呼びに応じて補正されたかご呼び発生確率ＨｏｓｅｉＣａｇｅＣａｌｌＰ（ｍ，ｎ）をかご呼び発生確率ＣａｇｅＣａｌｌＰ（ｍ，ｎ）の代わりに用いて、到着予測時間の期待値ＡｒｒｉｖａｌＴｉｍｅ２（ｑ，ｒ，ｓ，ｕｐｄ）及び割当評価値Ｈｙｏｕｋａ（ｓ）を求めることにより、行き先階別乗り場呼び装置２１により指定されたかご呼びを考慮してかごの割当を行うことが可能となり、より精度の高いかごの割当が可能となるという効果が得られる。
【０１１７】
【発明の効果】
以上のように、この発明によれば、検出した交通量に基づいて交通流を推定し、推定した交通流に基づいてかご呼びの発生確率を演算し、演算により求めたかご呼び発生確率から各階への各かごの到着時間の期待値を求め、この各かごの到着時間の期待値の基づいて、新たに発生した乗り場呼びにかごを割り当てるように構成したので、安定したかご呼びの発生確率を演算でき、かつ既に発生している乗り場呼びに対するサービスと、新たに発生した乗り場呼びに対するサービスを考慮して、新たに発生した乗り場呼びにサービスを行うことにより効率的なかごの割当ができ、交通流の変化に対応したエレベータの運行が可能となる効果がある。
【０１１８】
また、この発明によれば、過去の所定時間内におけるかご呼び及び乗り場呼びの各累計値のいずれか一方又は双方を演算して、演算された過去の累計値に基づいて、それぞれ対応するかご呼び発生確率及び乗り場呼び発生確率の各予測値の補正を行い、補正された予測値に基づいて、各階への各かごの到着時間の期待値を求めるように構成したので、過去の実績を考慮した上で、交通流に応じたより最適なエレベータサービスの提供が可能となる効果がある。
【０１１９】
さらに、この発明によれば、各階のエレベータ乗り場の混雑度を測定し、測定したエレベータ乗り場の混雑度に基づいて、かご呼び発生確率及び乗り場呼び発生確率のいずれか一方又は双方の補正を行い、補正された発生確率に基づいて、各階への各かごの到着時間の期待値を求めるように構成したので、乗り場での混雑度を考慮した上で、交通流に応じたより最適なエレベータサービスの提供が可能となる効果がある。
【０１２０】
さらに、この発明によれば、エレベータ乗り場において行き先階を指定してかごを呼ぶ行き先階別乗り場呼び装置を備えたエレベータにおいて、この行き先階別乗り場呼び装置によって登録された行き先階の指定された乗り場呼びに基づいて、かご呼び発生確率の補正を行い、補正されたかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めるように構成したので、乗客発生と同時に得られる行き先階情報を考慮した上で、交通流に応じたより最適なエレベータサービスの提供が可能となる効果がある。
【０１２１】
さらに、この発明によれば、交通流推定部により推定された交通流に基づいて、各階において発生する乗り場呼びの発生確率を演算し、かごの到着時間の期待値と乗り場呼び発生確率とに基づいて、新たに発生した乗り場呼びにかごを割り当てるように構成したので、将来の乗り場呼びを考慮したかごの割当が可能になり、交通流の変化と将来のサービスに対応したエレベータの運行が可能となる効果がある。
【０１２２】
さらに、この発明によれば、エレベータの設置された建造物において発生する交通流パターンと、該交通流パターンから発生する各階の交通量との関係を表す交通流データマップを格納し、検出した各階の交通量からその時に発生している交通流に合致する交通流データマップを検索し、該交通流データマップに対応する交通流パターンを出力することによって交通流パターンを検索するように構成したので、精度の高い交通流の推定を行うことができる効果がある。
【０１２３】
さらに、この発明によれば、交通流パターン検索部をニューラルネットワークを用いて構成したので、学習により交通流パターン検索の精度と効率を高くすることができるという効果がある。
【０１２４】
さらに、この発明によれば、エレベータの設置された建造物において発生する交通量を発生させるようなＯＤ情報を推定し、かつ、交通量から交通総量を演算して交通流を推定するように構成したので、精度の高い交通流の推定ができ、この精度の高い交通流の推定結果を利用したかごの割当が可能となって、交通流の変化に対応したエレベータの運行が可能となる効果がある。
【０１２５】
さらに、この発明によれば、ニューラルネットワークを用いたＯＤ推定部を用いるように構成したので、ＯＤ情報の推定値を学習することが出来、より実際的なエレベータの運行管理が可能となる効果がある。
【０１２６】
さらに、この発明によれば、エレベータの設置された建造物において発生する交通量に基づいて、階間交通流行列を出力するニューラルネットワークを用いて交通流を推定するように構成したので、精度の高い交通流の推定結果を利用したかごの割当が可能になり、交通流の変化に対応したエレベータの運行が可能となる効果がある。
【図面の簡単な説明】
【図１】 この発明の実施の形態１によるエレベータ群管理装置の構成を示すブロック図である。
【図２】 実施の形態１によるエレベータ群管理装置の原理的考え方を説明するための図である。
【図３】 実施の形態１によるエレベータ群管理装置の原理的考え方を説明するための図である。
【図４】 実施の形態１の交通流推定部の具体的構成を示すブロック図である。
【図５】 実施の形態１で用いるＯＤ行列の一例を示す図である。
【図６】 図４に示した交通流推定部の交通流パターン検索部の具体的構成を示すブロック図である。
【図７】 図６に示した交通流パターに検索部に用いられるニューラルネットワークの具体的構成を示す図である。
【図８】 実施の形態１のエレベータ群管理装置におけるかごの割当手順を示すフローチャートである。
【図９】 図１に示したエレベータ群管理装置のかご呼び発生確率演算部がかご呼び発生確率を演算する手順を示すフローチャートである。
【図１０】 図１に示したエレベータ群管理装置のかご到着予測時間演算部がかご到着予測時間の期待値を演算する手順を示すフローチャートである。
【図１１】 図１に示したエレベータ群管理装置の予測評価制御かご割当部のかごの割当決定手順を示すフローチャートである。
【図１２】 この発明の実施の形態２によるエレベータ群管理装置の交通流推定部の具体的構成を示すブロック図である。
【図１３】 図１２に示した交通流推定部のＯＤ推定部の具体的構成を示すブロック図である。
【図１４】 図１３に示したＯＤ推定部に用いられるニューラルネットワークの具体的構成を示す図である。
【図１５】 この発明の実施の形態３によるエレベータ群管理装置の交通流推定部の具体的構成を示すブロック図である。
【図１６】 図１５に示した交通流推定部のニューラルネットワーク利用交通流推定部に用いられるニューラルネットワークの具体的構成を示す図である。
【図１７】 この発明の実施の形態４によるエレベータ群管理装置の構成を示すブロック図である。
【図１８】 実施の形態４のエレベータ群管理装置のかごの割当手順を示すフローチャートである。
【図１９】 実施の形態４のエレベータ群管理装置の乗り場呼び発生確率演算部が乗り場呼び発生確率を演算する手順を示すフローチャートである。
【図２０】 この発明の実施の形態５によるエレベータ群管理装置の構成を示すブロック図である。
【図２１】 実施の形態５のエレベータ群管理装置のかごの割当手順を示すフローチャートである。
【図２２】 この発明の実施の形態６によるエレベータ群管理装置の構成を示すブロック図である。
【図２３】 実施の形態６のエレベータ群管理装置のかごの割当手順を示すフローチャートである。
【図２４】 実施の形態６の乗り場混雑度利用乗り場呼び発生確率補正部の行う乗り場呼び発生確率の補正手順を示すフローチャートである。
【図２５】 この発明の実施の形態７によるエレベータ群管理装置の構成を示すブロック図である。
【図２６】 実施の形態７のかごの割当手順を示すフローチャートである。
【図２７】 実施の形態７の行き先階指定乗り場呼び利用かご呼び発生確率補正部がかご呼び発生確率の補正手順を示すフローチャートである。
【符号の説明】
３，３ａ，３ｂ，３ｃ，３ｄ エレベータ群管理装置、４ 乗り場混雑度測定装置、２１ 行き先階別乗り場呼び装置、３２ 交通量検出部、３３，３７，３８ 交通流推定部、３４ かご呼び発生確率演算部、３５，３５ａ かご到着予測時間演算部、３６，３６ａ 予測評価制御かご割当部、３９ 乗り場呼び発生確率演算部、４０ かご呼び演算部、４１ かご呼び発生確率補正部、４２ 乗り場呼び演算部、４３ 乗り場呼び発生確率補正部、４４ 乗り場混雑度検出部、４５ 乗り場混雑度利用かご呼び発生確率補正部、４６ 乗り場混雑度利用乗り場呼び発生確率補正部、４７ 行き先階指定乗り場呼び利用かご呼び発生確率補正部、３３２ 交通流データベース、３３３ 交通流パターン検索部、３７１交通総量演算部、３７４ ＯＤ推定部、３８１ ニューラルネットワーク利用交通流推定部、３３３１ ニューラルネットワーク利用交通流パターン検索部、３７４１ ニューラルネットワーク利用ＯＤ推定部。
Claims (10)
- 複数台のかごが設置されているエレベータの各かごの運行を全体的に制御するエレベータ群管理装置において、
各階で乗車する乗客数及び降車する乗客数を表す交通量を検出する交通量検出部と、
交通量検出部により検出された交通量の特徴に基づいて、出発階と行き先階の関係を表す情報と交通量の情報を含む前記エレベータの交通流を推定する交通流推定部と、
該交通流推定部により推定された交通流に基づいて、前記エレベータの各かごについて各乗り場呼びに対して発生する各階へのかご呼びの発生確率を演算するかご呼び発生確率演算部と、
少なくともかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めるかご到着予測時間演算部と、
少なくとも、該かご到着予測時間演算部で演算された各かごの到着時間の期待値に基づいて、新たに発生した乗り場呼びにかごを割り当てる予測評価制御かご割当部と、
過去の所定時間内におけるかご呼びの累計値を演算するかご呼び演算部と、
該かご呼び演算部によって演算された過去のかご呼びの累計値に基づいて、かご呼び発生確率演算部で演算されたかご呼び発生確率の予測値の補正を行うかご呼び発生確率補正部とを備え、
前記かご到着予測時間演算部が、前記かご呼び発生確率補正部により補正されたかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めることを特徴とするエレベータ群管理装置。 - 複数台のかごが設置されているエレベータの各かごの運行を全体的に制御するエレベータ群管理装置において、
各階で乗車する乗客数及び降車する乗客数を表す交通量を検出する交通量検出部と、
交通量検出部により検出された交通量の特徴に基づいて、出発階と行き先階の関係を表す情報と交通量の情報を含む前記エレベータの交通流を推定する交通流推定部と、
該交通流推定部により推定された交通流に基づいて、前記エレベータの各かごについて各乗り場呼びに対して発生する各階へのかご呼びの発生確率を演算するかご呼び発生確率演算部と、
少なくともかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めるかご到着予測時間演算部と、
少なくとも、該かご到着予測時間演算部で演算された各かごの到着時間の期待値に基づいて、新たに発生した乗り場呼びにかごを割り当てる予測評価制御かご割当部と、
各階のエレベータ乗り場の混雑度を測定する乗り場混雑度測定装置と、
該乗り場混雑度測定装置の出力より各階のエレベータ乗り場の混雑度を検出する乗り場混雑度検出部と、
該乗り場混雑度検出部によって検出された前記エレベータ乗り場の混雑度に基づいて、かご呼び発生確率演算部で演算されたかご呼び発生確率の補正を行う乗り場混雑度利用かご呼び発生確率補正部とを備え、
前記かご到着予測時間演算部が、前記乗り場混雑度利用かご呼び発生確率補正部により補正されたかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めることを特徴とするエレベータ群管理装置。 - 複数台のかごが設置されているエレベータの各かごの運行を全体的に制御するエレベータ群管理装置において、
各階で乗車する乗客数及び降車する乗客数を表す交通量を検出する交通量検出部と、
交通量検出部により検出された交通量の特徴に基づいて、出発階と行き先階の関係を表す情報と交通量の情報を含む前記エレベータの交通流を推定する交通流推定部と、
該交通流推定部により推定された交通流に基づいて、前記エレベータの各かごについて各乗り場呼びに対して発生する各階へのかご呼びの発生確率を演算するかご呼び発生確率演算部と、
少なくともかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めるかご到着予測時間演算部と、
少なくとも、該かご到着予測時間演算部で演算された各かごの到着時間の期待値に基づいて、新たに発生した乗り場呼びにかごを割り当てる予測評価制御かご割当部と、
エレベータ乗り場において行き先階を指定してかごを呼ぶ行き先階別乗り場呼び装置と、
該行き先階別乗り場呼び装置によって登録された行き先階の指定された乗り場呼びに基づいて、かご呼び発生確率演算部により演算されたかご呼び発生確率の補正を行う行き先階指定乗り場呼び利用かご呼び発生確率補正部とを備え、
前記かご到着予測時間演算部が、前記行き先階指定乗り場呼び利用かご呼び発生確率補正部により補正されたかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めることを特徴とするエレベータ群管理装置。 - 複数台のかごが設置されているエレベータの各かごの運行を全体的に制御するエレベータ群管理装置において、
各階で乗車する乗客数及び降車する乗客数を表す交通量を検出する交通量検出部と、
交通量検出部により検出された交通量の特徴に基づいて、出発階と行き先階の関係を表す情報と交通量の情報を含む前記エレベータの交通流を推定する交通流推定部と、
該交通流推定部により推定された交通流に基づいて、前記エレベータの各かごについて各乗り場呼びに対して発生する各階へのかご呼びの発生確率を演算するかご呼び発生確率演算部と、
少なくともかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めるかご到着予測時間演算部と、
少なくとも、該かご到着予測時間演算部で演算された各かごの到着時間の期待値に基づいて、新たに発生した乗り場呼びにかごを割り当てる予測評価制御かご割当部と、
交通流推定部により推定された交通流に基づいて、各階において発生する乗り場呼びの発生確率を演算する乗り場呼び発生確率演算部と、
過去の所定時間内における乗り場呼びの累計値を演算する乗り場呼び演算部と、
該乗り場呼び演算部によって演算された過去の乗り場呼びの累計値に基づいて、前記乗り場呼び発生確率演算部で演算された乗り場呼び発生確率の補正を行う乗り場呼び発生確率補正部とを備え、
予測評価制御かご割当部が、かご到着予測時間演算部で演算されたかごの到着時間の期待値と乗り場呼び発生確率とに基づいて、新たに発生した乗り場呼びにかごを割り当て、
予測評価制御かご割当部が、かご到着予測時間演算部で演算されたかごの到着時間の期待値と前記乗り場呼び発生確率補正部で補正された乗り場呼び発生確率とに基づいて、新たに発生した乗り場呼びにかごを割り当てることを特徴とするエレベータ群管理装置。 - 複数台のかごが設置されているエレベータの各かごの運行を全体的に制御するエレベータ群管理装置において、
各階で乗車する乗客数及び降車する乗客数を表す交通量を検出する交通量検出部と、
交通量検出部により検出された交通量の特徴に基づいて、出発階と行き先階の関係を表す情報と交通量の情報を含む前記エレベータの交通流を推定する交通流推定部と、
該交通流推定部により推定された交通流に基づいて、前記エレベータの各かごについて各乗り場呼びに対して発生する各階へのかご呼びの発生確率を演算するかご呼び発生確率演算部と、
少なくともかご呼び発生確率に基づいて、各階への各かごの到着時間の期待値を求めるかご到着予測時間演算部と、
少なくとも、該かご到着予測時間演算部で演算された各かごの到着時間の期待値に基づいて、新たに発生した乗り場呼びにかごを割り当てる予測評価制御かご割当部と、
交通流推定部により推定された交通流に基づいて、各階において発生する乗り場呼びの発生確率を演算する乗り場呼び発生確率演算部と、
各階のエレベータ乗り場の混雑度を測定する乗り場混雑度測定装置と、
該乗り場混雑度測定装置の出力より各階のエレベータ乗り場の混雑度を検出する乗り場混雑度検出部と、
該乗り場混雑度検出部によって検出された前記エレベータ乗り場の混雑度に基づいて、乗り場呼び発生確率演算部で演算された乗り場呼び発生確率の補正を行う乗り場混雑度利用乗り場呼び発生確率補正部とを備え、
予測評価制御かご割当部が、かご到着予測時間演算部で演算されたかごの到着時間の期待値と、乗り場呼び発生確率とに基づいて、新たに発生した乗り場呼びにかごを割り当て、
予測評価制御かご割当部が、かご到着予測時間演算部で演算されたかごの到着時間の期待値と、前記乗り場混雑度利用乗り場呼び発生確率補正部で補正された乗り場呼び発生確率とに基づいて、新たに発生した乗り場呼びにかごを割り当てることを特徴とするエレベータ群管理装置。 - 交通流推定部は、
エレベータの設置された建造物において発生する交通流パターンと、該交通流パターンから発生する各階の交通量との関係を表す交通流データマップを格納した交通流データベースと、
交通量検出部で得られる各階の交通量からその時に発生している交通流に合致する交通流データマップを検索し、該交通流データマップに対応する交通流パターンを出力する交通流パターン検索部とを備えたことを特徴とする請求項１から請求項５のうちのいずれか１項記載のエレベータ群管理装置。 - 交通流パターン検索部は、
ニューラルネットワークを用いて交通流データマップの検索を行うニューラルネットワーク利用交通流パターン検索部を備えたことを特徴とする請求項６記載のエレベータ群管理装置。 - 交通流推定部は、
エレベータの設置された建造物において発生する交通量の入力を受け、該交通量を発生させるような出発階と行き先階の関係を表す情報の推定値を出力するＯＤ推定部と、
所定時間に発生する交通量の総和である交通総量を交通量から演算する交通総量演算部とを備えたことを特徴とする請求項１から請求項５のうちのいずれか１項記載のエレベータ群管理装置。 - ＯＤ推定部は、
ニューラルネットワークを用いたニューラルネットワーク利用ＯＤ推定部を備えたことを特徴とする請求項８記載のエレベータ群管理装置。 - 交通流推定部は、
エレベータの設置された建造物において発生する交通量の入力を受け、前記建造物の各階床間の乗客の移動量を行列表現した階間交通流行列を出力するニューラルネットワークを用いたニューラルネットワーク利用交通流推定部を備えたことを特徴とする請求項１から請求項５のうちのいずれか１項記載のエレベータ群管理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00812398A JP3929580B2 (ja) | 1998-01-19 | 1998-01-19 | エレベータ群管理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00812398A JP3929580B2 (ja) | 1998-01-19 | 1998-01-19 | エレベータ群管理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH11209010A JPH11209010A (ja) | 1999-08-03 |
| JP3929580B2 true JP3929580B2 (ja) | 2007-06-13 |
Family
ID=11684524
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP00812398A Expired - Lifetime JP3929580B2 (ja) | 1998-01-19 | 1998-01-19 | エレベータ群管理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3929580B2 (ja) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003081541A (ja) * | 2001-09-14 | 2003-03-19 | Mitsubishi Electric Corp | エレベーター群管理システム |
| JP2006298577A (ja) * | 2005-04-21 | 2006-11-02 | Fujitec Co Ltd | エレベータの群管理装置 |
| JP4621620B2 (ja) * | 2006-03-30 | 2011-01-26 | 株式会社東芝 | エレベータ群管理システム、方法およびプログラム |
| JP2014237521A (ja) * | 2013-06-10 | 2014-12-18 | 株式会社日立製作所 | 群管理エレベータシステム |
| CN107683251A (zh) * | 2015-06-05 | 2018-02-09 | 通力股份公司 | 用于电梯组中呼叫分配的方法 |
| WO2019026250A1 (ja) * | 2017-08-03 | 2019-02-07 | 三菱電機株式会社 | エレベータシステムおよび群管理装置 |
| JP7106590B2 (ja) * | 2020-03-06 | 2022-07-26 | 東芝エレベータ株式会社 | 群管理制御方法及びエレベータ制御システム |
-
1998
- 1998-01-19 JP JP00812398A patent/JP3929580B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH11209010A (ja) | 1999-08-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6394232B1 (en) | Method and apparatus for control of a group of elevators based on origin floor and destination floor matrix | |
| KR100714515B1 (ko) | 빌딩에서의 엘리베이터 시스템의 복수의 카를 스케줄링하기위한 엘리베이터 스케줄러 및 그 방법 | |
| JP2935854B2 (ja) | エレベーター制御装置及びエレベーター制御方法 | |
| JP5464979B2 (ja) | エレベータの群管理システム | |
| US4846311A (en) | Optimized "up-peak" elevator channeling system with predicted traffic volume equalized sector assignments | |
| JP4949722B2 (ja) | エレベータの群管理制御システム | |
| JP4469897B2 (ja) | エレベータの群管理システムおよびエレベータの群管理制御方法 | |
| KR940009984B1 (ko) | 엘리베이터 제어장치 | |
| KR20110098759A (ko) | 엘리베이터의 군 관리 제어 방법 및 장치 | |
| KR20190140829A (ko) | 엘리베이터의 군관리 제어 시스템 | |
| WO2019176196A1 (ja) | エレベーターシステム | |
| JP3929580B2 (ja) | エレベータ群管理装置 | |
| KR930004754B1 (ko) | 엘리베이터의 군관리장치 및 그 군관리방법 | |
| JPH0158111B2 (ja) | ||
| CN114644267B (zh) | 双层电梯的组群管理控制装置以及组群管理控制方法 | |
| JP2003221169A (ja) | エレベータ制御装置 | |
| GB2277611A (en) | Elevator bank control system | |
| EP0623545B1 (en) | Measurement and reduction of bunching in elevator dispatching with multiple term objection function | |
| KR940009412B1 (ko) | 엘리베이터 제어장치 | |
| JPH07117941A (ja) | エレベータの群管理制御装置 | |
| Basagoiti et al. | Passenger flow pattern learning based on trip counting in lift systems combined with real-time information | |
| JPS60106774A (ja) | エレベ−タの群管理制御方法 | |
| JPH01203187A (ja) | エレベータの群管理制御方法 | |
| JPS6233190B2 (ja) | ||
| JPH0521826B2 (ja) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050627 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050809 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20051007 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060704 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060726 |
|
| 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: 20070206 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070307 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100316 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110316 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110316 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120316 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130316 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130316 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140316 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |