JP4575030B2 - エレベータ交通需要予測装置およびそれを備えるエレベータ制御装置 - Google Patents

Description

この発明は、エレベータの各乗場における交通需要を予測する装置に関するものである。

従来のエレベータ交通需要予測装置は、エレベータの各乗場における待客の発生人数を予測する交通需要予測装置において、現時点における各階の滞在人数を検出する各階滞在人数検出装置、状況毎に全階各方向についてのエレベータ利用率を学習するエレベータ利用率学習装置、該エレベータ利用率と現時点の各階の滞在人数とから各階方向別の待客発生率を予測する待客発生率予測装置を備え、該待客発生率とかごの到着間隔とからその階の方向別の待客発生人数を予測する（例えば、特許文献１参照。）。

特開平１−６９４８０号公報

しかし、従来のエレベータ交通需要予測装置は、各階滞在人数及び状況毎のエレベータ利用率から待客発生率を予測しているため、交通状況の変化への追従が難しく、想定していない交通状況に対応が難しいという問題がある。また、各階床の滞在人数とエレベータ利用率のみを参照しているため待客発生率に個人の交通行動特性が反映されないという問題がある。

この発明の目的は、交通状況の変化に柔軟に対応してかごを配車するエレベータ交通需要予測装置を提供することである。

この発明に係わるエレベータ交通需要予測装置は、エレベータの各階床の乗場における待客発生数を予測するエレベータ交通需要予測装置において、予め定められた周期毎に上記エレベータの上昇下降別に各階床の乗降人数を算出する乗降人数算出手段と、上記周期毎に上記各階床の乗降人数より各階床における滞在人数を算出する滞在人数算出手段と、階床毎に、予測する時点から所定の期間遡る間の該階床の上記乗降人数と予測する時点の該階床における上記滞在人数とからエレベータの上昇下降別に該階床の乗場における待客発生数を予測する待客発生数予測手段と、該階床から配車階までの移動時間と上記該階床上昇待客発生予測数の積ならびに、該階床から配車階までの移動時間と上記該階床下降待客発生予測数の積の、２つの積の和を、全ての階床について積算した値が、最小になるような階床を配車階に決定するかご配車階決定手段と、を有する。

この発明に係るエレベータ交通需要予測装置は、乗降人数時系列データ及び各階滞在人数から待客発生数を予測するので、エレベータの交通需要の変化に追従することができ、事前に想定していない交通状況にも対応できる。

実施の形態１．
図１は、この発明の実施の形態１に係わるエレベータ交通需要予測装置が設置されたエレベータの概観図である。図２は、実施の形態１のエレベータ交通需要予測装置の機能ブロック図である。図３は、乗降人数などの時系列データのデータ構造を説明するための図である。図４は、乗降人数などからなる時系列データの更新の手順を示すフローチャートである。図５は、かごの待機階を決定する手順を示すフローチャートである。

エレベータ１は、図１に示すように、昇降路２内を昇降するかご３、各階床の乗場に備えられた一般の呼び釦４、かご３内に備えられた一般の行先階登録装置５、かご３を昇降するかご駆動装置６、かご駆動装置６を制御するエレベータ制御装置７から構成されている。
かご３の内側の床に乗客の重さを計測する秤８が備えられている。なお、秤８以外に、画像センサや光電センサなどを利用して人数を計数してもよい。
呼び釦４、行先階登録装置５、秤８は、通信回線９を介してエレベータ制御装置７に接続されている。

エレベータ交通需要予測装置１１は、エレベータ制御装置７に備えられている。
エレベータ交通需要予測装置１１は、図２に示すように、かご内人数計測手段１２、乗降人数算出手段１３、時系列データ管理手段１４、滞在人数算出手段１５、待客発生数予測手段１６、予測関数学習手段１７、かご配車階決定手段１８を有している。

かご内人数計測手段１２は、かご３に設置された秤８により計測される乗車している人の重さの増減から人数を計測する。

乗降人数算出手段１３は、かご内人数計測手段１２から得られるかご３内人数の増減のデータを所定の周期毎に集計し、かご３が上昇して階床ｆに停止したときの上昇乗車人数ｎ_ｆＬ＋（ｔ）および上昇降車人数ｎ_ｆＵＬ＋（ｔ）を算出する。同様に、かご３が下降して階床ｆに停止したときの下降乗車人数ｎ_ｆＬ−（ｔ）および下降降車人数ｎ_ｆＵＬ−（ｔ）を算出する。かご停止時の乗車人数ｎ_ｆＬ＋（ｔ）、ｎ_ｆＬ−（ｔ）及び降車人数ｎ_ｆＵＬ＋（ｔ）、ｎ_ｆＵＬ−（ｔ）は、例えば特開平３−６１２７３号公報に記載する手法を利用して算出することができる。

時系列データ管理手段１４は、図３に示すように、乗降人数算出手段１３より得られる所定の周期毎の階床毎の方向別に算出された乗車人数ｎ_ｆＬ＋（ｔ）、ｎ_ｆＬ−（ｔ）および降車人数ｎ_ｆＵＬ＋（ｔ）、ｎ_ｆＵＬ−（ｔ）のデータを先入れ先出しにより更新する。図３では、階床ｆの時刻ｔから時刻（ｔ−Ｚ）まで遡る時系列データが記憶されている。なお、過去をどのくらい遡るか否かはエレベータ１の設置環境を調べて適切に定めることができる。

滞在人数算出手段１５は、乗降人数算出手段１３により乗車人数ｎ_ｆＬ＋（ｔ）、ｎ_ｆＬ−（ｔ）および降車人数ｎ_ｆＵＬ＋（ｔ）、ｎ_ｆＵＬ−（ｔ）が算出される度に、階床ｆの総乗車人数Ｎ_ｆＬを式（１）、階床ｆの総降車人数Ｎ_ｆＵＬを式（２）により求める。なお、夜中等の無人の時間帯で総乗車人数と総降車人数を零に初期化してから集計を開始する。

次に、滞在人数算出手段１５は、式(３)に従って現時刻ｔにおける階床毎の滞在人数ｎ_ｆ（ｔ）を求め、時系列データ管理手段１４に図３のようにして滞在人数の時系列データを更新する。

なお、エレベータに並列して階段やエスカレータ等の昇降手段が利用できるところでは、エレベータ以外の昇降手段の利用割合を考慮した補正を行ってもよい。
また、建物外部との出入口がある階床の滞在人数は、ＩＣカード、ＲＦＩＤ、指紋や顔による生体認証等の出入口での個人認証装置や、出入口ゲートに設置された赤外線センサ等の人数計測センサを利用して計測した建物入退場者数を用いて、補正してもよい。

待客発生数予測手段１６は、時系列データ管理手段１４に記憶されている現時刻ｔを含む過去に時間Ｔさかのぼるまでの乗車人数ｎ_ｆＬ＋（ｉ）、ｎ_ｆＬ−（ｉ）（ｉ＝ｔ〜ｔ−Ｔ）および現時刻ｔにおける滞在人数ｎ_ｆ（ｔ）から各階方向別の待客発生数の予測数Ｐ（ハット）_ｆ＋（ｔ）、Ｐ（ハット）_ｆ−（ｔ）を予測する。現時刻ｔから将来に向かって所定の時間あたりに上昇するエレベータを待つ待客発生数予測数Ｐ_ｆ＋(t)、下降するエレベータを待つ待客発生数予測数Ｐ_ｆ−（ｔ）は、それぞれ式（４）、（５）を用いて予測する。例えば、ある階ｆの滞在人数ｎ_ｆ（ｔ）及び時刻ｔから時刻ｔ−Ｔまでの乗車人数ｎ_ｆＬ＋（ｔ−ｉ）を変数とした関数を利用して演算する。

ただし、ｇは待客発生数予測関数、Ｔは最大考慮時間幅、（ｔ−ｉ）はｔ≦、≦ｔ−Ｔの所定の周期の時刻である。

このとき、待客発生数予測関数ｇとして、線形関数である式（６）を例に挙げると、式（６）から上昇するエレベータを待つ待客発生数予測数Ｐ_ｆ＋(ｔ）を求めることができる。また、式（７）のように下降するエレベータを待つ待客発生数予測数Ｐ_ｆ−（ｔ）を求めることができる。なお、ｂ、ｄ及びａ_０〜ａ_Ｔ、ｃ_０〜ｃ_Ｔは係数である。
なお、待客発生数予測関数ｇとして線形関数を例に挙げたが、これに限るものではなく、非線形の他の関数を用いても同様に予測することができる。

予測関数学習手段１７は、時系列データ管理手段１４から得られる時系列データから待客発生数予測関数ｇの係数等のパラメータの学習を行う。
この学習方法としていくつか考えられるが、例えば待客発生数予測関数ｇが式（６）に示した線形関数の場合、最小自乗法によって係数等のパラメータの学習が可能である。
また、待客発生数予測関数ｇが非線形関数の場合でも、ニューラルネット等の手法によって係数等のパラメータの学習が可能である。

かご配車階決定手段１８は、かご３に乗場呼び及びかご内呼びが割当られていないとき、待客発生数予測手段１６から得られる現時刻ｔから所定時間先の間に各階床方向別の待客発生数予測数Ｐ_ｆ＋（ｔ）、Ｐ_ｆ−（ｔ）から、待機のためのかご配車階を決定する。かご配車階は、式（８）の評価関数Ｖ（Ｆ）を最小にするＦの階床である。Ｆはすべての階床階である。式（８）の関数Ｓ（ｘ，ｙ）は、ｘ階からｙ階へのかご３の移動時間及びｙ階での戸開時間であり、ｘ＝ｙのとき、Ｓ（ｘ，ｙ）＝０となる。

式（８）において、評価関数Ｖ（Ｆ）を最小にするＦを求めるには、例えばＦに対して最下階から最上階まで全ての階床を代入して総当たりで求める。
なお、かご配車階決定手段１８は、式（８）の評価関数Ｖ（Ｆ）を最小にするＦをかご配車階として決定するとしたが、式（９）に示す各階の現時刻ｔから所定時間先の間の待客発生数予測数が最大の階床としてもよい。

また、かご３が複数台あるときは、呼びが割当られなくなったかご３のうち、まず１つのかご３に対して式（８）の評価関数Ｖ（Ｆ）が最小となるＦの階床を配車階として決定し、次のかご３に対して評価関数Ｖ（Ｆ）が２番目に小さくなるようなＦの階床を配車階として決定し、さらに順次配車階を決定してもよい。
また、１番目に式（９）の値が最大になる階床、２番目に大きくなるような階床というように順番に配車階を決定してもよい。
また、滞在人数が０人の階床は、乗車する乗客が発生する可能性がほとんどないため、配車階の候補から除外してもよい。

かご駆動装置６は、かご配車階決定手段１８が決定したかご配車階にまでかご３を移動させる。ただし、配車階へ移動中のかご３に新たな乗場呼びが割当られた場合、最寄階で停止後直ちに乗場呼び配車階に移動させる。

次に、乗車人数、降車人数および滞在人数からなる時系列データと待客発生数予測関数との更新の手順について、図４を参照して説明する。
ステップ１０１で、乗降人数算出手段１３は、所定の周期毎にかご内人数計測手段１２から乗客の重さのデータを収集し、ステップ１０２へ進む。
ステップ１０２で、乗降人数算出手段１３は、所定の期間における乗客の重さのデータからその間に乗車した乗車人数および降車した降車人数を算出してステップ１０３へ進む。かご３が上昇の後停止したとき、上昇降車人数ｎ_ｆＵＬ＋（ｔ）および上昇乗車人数ｎ_ｆＬ＋（ｔ）が算出される。また、かごが下降の後停止したとき、下降降車人数ｎ_ｆＵＬ−（ｔ）および下降乗車人数ｎ_ｆＬ−（ｔ）が算出される。
ステップ１０３で、時系列データ管理手段１４は、算出された上昇降車人数ｎ_ｆＵＬ＋（ｔ）および上昇乗車人数ｎ_ｆＬ＋（ｔ）または下降降車人数ｎ_ｆＵＬ−（ｔ）および下降乗車人数ｎ_ｆＬ−（ｔ）を最新のデータとし、過去所定の期間に亘る上昇降車人数および上昇乗車人数または下降降車人数および下降乗車人数に係わる時系列データを更新したのち記憶し、ステップ１０４へ進む。
ステップ１０４で、滞在人数算出手段１５は、時系列データ管理手段１４に記憶された所望の期間に亘る上昇降車人数および上昇乗車人数と下降降車人数および下降乗車人数のデータを読み込み、式（１）、式（２）に従い、滞在人数ｎ_ｆ（ｔ）を算出し、算出した滞在人数ｎ_ｆ（ｔ）を最新のデータとし、過去所定の期間に亘る滞在人数に係わる時系列データを更新したのち時系列データ管理手段１４に記憶し、ステップ１０５へ進む。
ステップ１０５で、予測関数学習手段１７は、時系列データ管理手段１４から予め設定した期間（Ｓ＋１）の上昇乗車人数と滞在人数の時系列データを読み出し、式（１０）のように、（Ｓ＋１）個の式から最小自乗法により、係数ｑ、ｐ_０〜ｐ_Ｔを求め、式（６）のｂ＝ｑ、ａ_０＝ｐ_０、・・・、ａ_Ｔ＝ｐ_Ｔに代入する。同様に、予測関数学習手段１７は、時系列データ管理手段１４から予め設定した期間（Ｓ＋１）の下降乗車人数と滞在人数の時系列データを読み出し、最小自乗法により、係数を求め、式（７）のｄ、ｃ_０、・・・、ｃ_Ｔに代入して待客発生数予測関数の更新の手順を終了する。

次に、かご３の待機のための配車階への配車の手順について、図５を参照して説明する。
ステップ２０１で、待客発生数予測手段１６は、呼び釦４からの呼びの有無を判断する。呼びがあるとき、ステップ２０１を繰り返す。呼びがないとき、ステップ２０２へ進む。
ステップ２０２で、待客発生数予測手段１６は、時系列データ管理手段１４に記憶されている所定の期間、すなわち過去（ｔ−Ｔ）から現在（ｔ）までに亘る上昇乗車人数、下降乗車人数、滞在人数に係わる時系列データを読み出し、ステップ２０３へ進む。
ステップ２０３で、待客発生数予測手段１６は、予測関数学習手段１７に記憶されている待客発生数予測関数を読み出し、ステップ２０４へ進む。
ステップ２０４で、待客発生数予測手段１６は、ステップ２０２で読み出した時系列データと待客発生数予測関数とに基づき、式（６）、式（７）に従い、待客発生数予測数を予測し、ステップ２０５へ進む。
ステップ２０５で、かご配車階決定手段１８は、待客発生数予測数と予め定められた移動所要値とから式（８）に従い、評価関数Ｖ（Ｆ）を求める。そして、全階に亘って評価関数Ｖ（Ｆ）を求め、最も小さな値の階床を待機のための配車階と決定し、その配車階にかご３を配車するようにかご駆動装置６に指令して、待機のための配車階の決定の手順を終了する。

このようなエレベータ交通需要予測装置は、エレベータ乗降人数時系列データ及び各階滞在人数から待客発生数を予測するため、待機のための配車階への配車を交通状況の変化に追従して行うことができる。
また、事前に想定していない交通状況が発生したとき、臨機応変に対応してかごを配車することができる。

また、各階方向別の待客発生数の予測に基づいて待機のためのかご配車を行うので、新たにかご呼びを行った乗客の待時間を従来よりも短縮できる。

実施の形態２．
図６は、この発明の実施の形態２に係わるエレベータ交通需要予測装置が設置されたエレベータの概観図である。図７は、実施の形態２のエレベータ交通需要予測装置の機能ブロック図である。

実施の形態２のエレベータ交通需要予測装置２１が配設されたエレベータ２０は、図６に示すように、実施の形態１に係わるエレベータ１に特殊呼び釦２２、特殊行先階登録装置２３、火災警報機２４、避難運転指令装置２５がさらに備えられていることが異なっており、その他は同様であるので、同様な部分に同じ符号を付記して説明は省略する。
なお、特殊呼びとは、車椅子呼び釦による車椅子呼び、ＶＩＰ呼び釦によるＶＩＰ呼びなどの一般乗場呼び釦以外の特定人物むけの呼びである。以下の説明において、特に断らないとき、特殊呼びは、車椅子呼び、ＶＩＰ呼びなどすべての特定人物向けの呼びを総称した表現である。
特殊呼び釦２２は、乗場に設けられ、特殊呼びが行える釦である。特殊呼び釦２２には、車椅子呼び釦やＶＩＰ呼び釦が含まれている。
また、特殊行先階登録装置２３は、かご３内に設けられ、特殊呼びが行える装置である。特殊行先階登録装置２３には、車椅子呼びおよびＶＩＰ呼びを区別して行える機能が揃っている。
また、火災警報機２４は、図示しない火災検知器などから入力される火災信号に基づき、火災検出情報を避難運転指令装置２５に送信する。避難運転指令装置２５は、火災検出情報に基づき、避難運転指令をエレベータ交通需要予測装置２１に送信する。

実施の形態２に係わるエレベータ交通需要予測装置２１は、図７に示すように、実施の形態１のエレベータ交通需要予測装置１１に特殊呼びに係わる機能を追加した点と、火災発生時に通常と異なるかご配車を行う点が異なっており、その他は同様であるので、同様な部分の説明は省略する。

かご内人数計測手段２６は、特殊呼び釦２２からの特殊呼びによりかご３が停車したときの乗客の重さの増減、および特殊行先階登録装置２３からの特殊呼びによりかご３が停車したときの乗客の重さの増減のデータを、一般呼びと異なるように区別して記録する。

次に、乗降人数算出手段２７は、特殊呼び釦２２により停止した階床で乗車した人数を特殊呼び乗車人数ｎ_ｆＡＬ＋（ｔ）、ｎ_ｆＡＬ−（ｔ）として算出し、特殊行先階登録装置２３により停止した階床で降車した人数を特殊呼び降車人数ｎ_{ｆＡＵＬ＋}（ｔ）、ｎ_{ｆＡＵＬ−}（ｔ）として算出する。なお、特殊呼び釦２２および特殊行先階登録装置２３に関連せずに停止した階床については、実施の形態１と同様に通常の乗車人数ｎ_ｆＬ＋（ｔ）、ｎ_ｆＬ−（ｔ）および降車人数ｎ_ｆＵＬ＋（ｔ）、ｎ_ｆＵＬ−（ｔ）として算出する。乗降人数の計測方法は実施の形態１の乗降人数算出手段１３と同様の方法により、各特殊呼びの種類毎に乗降人数を取得する。すなわち、車椅子上昇乗車人数、車椅子下降乗車人数、車椅子上昇降車人数、車椅子下降降車人数、ＶＩＰ上昇乗車人数、ＶＩＰ下降乗車人数、ＶＩＰ上昇降車人数、ＶＩＰ下降降車人数を取得する。
時系列データ管理手段２８は、所定の周期毎に乗降人数算出手段２７により算出されたデータにより通常の乗降人数および特殊呼びの乗降人数の時系列データを更新する。

滞在人数算出手段２９は、特殊呼び乗車人数ｎ_ｆＡＬ＋（ｔ）、ｎ_ｆＡＬ−（ｔ）と特殊呼び降車人数ｎ_{ｆＡＵＬ＋}（ｔ）、ｎ_{ｆＡＵＬ−}（ｔ）に基づき、式（１１）、式（１２）に従い、総特殊乗車人数Ｎ_ｆＡＬ（ｔ）および総特殊降車人数Ｎ_ｆＡＵＬ（ｔ）を算出する。次に、総特殊乗車人数Ｎ_ｆＡＬ（ｔ）と総特殊降車人数Ｎ_ｆＡＵＬ（ｔ）に基づき、式（１３）に従い、特殊滞在人数Ｎ_ｆＡ（ｔ）を求め、時系列データ管理手段２８に記憶する。なお、通常の滞在人数Ｎ_ｆ（ｔ）は式（３）から算出することができ、時系列データ管理手段２８に記憶する。

待客発生数予測手段３０は、予測関数学習手段３１に記憶されている特殊待客発生数予測関数を読み出す。さらに、時系列データ管理手段２８に記憶されている所定の期間の特殊呼び上昇乗車人数ｎ_ｆＡＬ＋（ｔ）および現時刻ｔの特殊滞在人数Ｎ_ｆＡ（ｔ）に基づき、特殊待客発生数予測関数としての式（１４）に従い、現在から所望の期間における特殊待客発生数予測数Ｐ（ハット）_ｆＡ＋（ｔ）を予測する。また、特殊呼び下降乗車人数ｎ_ｆＡＬ−（ｔ）と特殊滞在人数Ｎ_ｆＡ（ｔ）に基づき、特殊待客発生数予測関数としての式（１５）に従い、現在から所望の期間における特殊待客発生数予測数Ｐ（ハット）_ｆＡ−（ｔ）を予測する。なお、一般の呼びによりエレベータを利用して滞在している人の待客発生数予測数Ｐ（ハット）_ｆ＋（ｔ）、Ｐ（ハット）_ｆ−（ｔ）は待客発生数予測関数としての式（４）、式（５）により予測することができる。

かご配車階決定手段３２は、避難運転指令装置２５からの避難運転指令がなく、さらにかご３に呼びが割当られていないとき、待客発生数予測手段３０から得られる特殊待客発生数予測数に基づいて待機のための配車階を決定する。
なお、車椅子呼びの待客発生数予測数が最大の階床、もしくはＶＩＰ呼び待客発生数予測数が最大の階床といったように、優先すべき特定の特殊呼びの待客発生数予測数が最大の階床をかご待機階として決定してもよい。
一方、かご配車階決定手段３２は、避難運転指令を受信すると、待客発生数予測手段３０から得られる車椅子呼び待客発生数予測数が最も多い階床を避難時に利用するエレベータのかご配車階として決定する。

予測関数学習手段３１は、実施の形態１の予測関数学習手段１７と同様の方法で特殊待客発生数予測関数のパラメータを学習する。

このようなエレベータ交通需要予測装置は、一般呼びと特殊呼びに係わる乗降人数および滞在人数を別々に管理し、さらに一般呼びと特殊呼びとの待客の発生数を予測するので、一般と特殊の乗客を区別して交通需要の予測を行うことができる。
また、特殊呼び乗客交通需要予測に基づいて、ビル管理者が優先したい特殊呼びの種類の乗客が乗車する可能性が高い階床をかご待機階とすることができる効果がある。

また、災害が発生したとき車椅子呼びに係わる待客発生数に基づいてかご配車を行う階床を決定するので、車椅子等の優先させたい属性を有する乗客が多い階床を優先的に待機階とすることができる。

また、避難時に利用するエレベータにおいて、車椅子等の災害弱者が乗車する階床に優先的にかごを配車できる効果がある。災害弱者として、車椅子利用者を例に挙げて説明しているが、高齢者、身体障害者など必要に応じて対応することができる。

実施の形態３．
図８は、この発明の実施の形態３に係わるエレベータ交通需要予測装置が配設されたエレベータの概略図である。図９は、実施の形態３のエレベータ交通需要予測装置の機能ブロック図である。
実施の形態３のエレベータ交通需要予測装置４１が配設されたエレベータ４０は、図８に示すように、実施の形態１に係わるエレベータ１の秤８の替わりにＲＦＩＤリーダ４２がかご３内に備えられていることが異なっている。また、エレベータ交通需要予測装置４１は、実施の形態１のエレベータ交通需要予測装置１１と異なり、個人単位で管理している。実施の形態１と同様な部分には、同じ符号を付記して説明は省略する。

ＲＦＩＤリーダ４２は、かご３内部に設置され、乗客が所持する携帯情報記憶媒体４３からその乗客の個人識別情報（以下、個人ＩＤと称す。）を読み取る。ＲＦＩＤリーダ４２は、通信回線９を介してエレベータ交通需要予測装置４１に接続されている。
エレベータ制御装置４５は、かご駆動装置６を制御して、かご３の走行・停止を制御し、かご３の停止後乗客の乗降の間扉を開き、乗降の完了後扉を閉めている。

次に、エレベータ交通需要予測装置４１を図９を参照して説明する。
個人認証・属性検出手段４６には、ＲＦＩＤリーダ４２からの個人ＩＤとエレベータ制御装置４５からのかごの走行・停止および扉の開閉信号が入力されている。そして、個人認証・属性検出手段４６は、扉が開かれて乗降が完了し、扉が閉まったとき、ＲＦＩＤリーダ４２からの乗車している人すべての個人ＩＤを読み取り、乗車登録データに含まれない個人ＩＤが読み取られたとき、新たに読み取られた個人ＩＤに係わる個人が乗車したと判断し、乗車登録データに登録し、逆に、読み取られた個人ＩＤが乗車登録データにないとき、その乗車登録データから消えた個人ＩＤに係わる人が降車したと判断する。
個人認証・属性検出手段４６は、判断した時刻、乗車したことと合わせて乗車した人の個人ＩＤおよび乗車した階床、降車したことと合わせて降車した人の個人ＩＤおよび降車した階床からなる個人乗降データを滞在階床検出手段４７と個人時系列データ管理手段４８に伝送する。

滞在階床検出手段４７は、個人乗降データに基づき個人毎に階床に滞在している時間を降車した時刻と乗車した時刻とから求め、それを個人時系列データ管理手段４８に伝送する。
個人時系列データ管理手段４８は、個人認証・属性検出手段４６からの個人乗降データと滞在階床検出手段４７からの滞在時間を取得し、各個人の乗降時系列データとして更新記憶する。

待客発生数予測手段４９は、待客発生予測関数である式（１６）ｈ_ｊまたは式（１７）ｖ_ｊを予測関数学習手段５０から読み出す。そして、個人乗降データと滞在時間に基づき、式（１６）、式（１７）に従い、利用確率Ｒ（ハット）_ｊｆ＋（ｔ）、Ｒ（ハット）_ｊｆ−（ｔ）を求める。なお、Ｒ（ハット）_ｊｆ＋（ｔ）は、現時刻ｔから将来に向かって所定の期間における上昇するエレベータに滞在階床ｆから乗客ｊが乗車する利用確率、Ｒ（ハット）_ｊｆ−（ｔ）は、現時刻ｔから将来に向かって所定の期間における下降するエレベータに滞在階床ｆから乗客ｊが乗車する利用確率である。ｕ_ｊｆ＋（ｔ）は、過去の時刻ｔを含む時間帯における上昇するエレベータに乗客ｊが滞在階床ｆから乗車したエレベータ利用率、ｕ_ｊｆ−（ｔ）は、過去の時刻ｔを含む時間帯における下降するエレベータに乗客ｊが滞在階床ｆから乗車したエレベータ利用率である。ｗ_ｊｆ（ｔ）は、乗客ｊが現在滞在している階床ｆでの滞在時間である。

個人待客発生予測関数ｈ_ｊ、ｖ_ｊの代表的な例を式（１８）、式（１９）に示す。ここで、α_ｊ、β_ｊ、γ_ｊ、η_ｊは乗客ｊに対する係数、ｋ、ｌは全ての乗客共通の係数である。
なお、個人待客発生予測関数ｈ_ｊ、ｖ_ｊとして過去のエレベータ利用率ｕ_ｊｆ＋（ｔ）、ｕ_ｊｆ−（ｔ）だけ、または滞在時間ｗ_ｊｆ（ｔ）だけを利用してもよい。

待客発生数予測手段４９は、対象のすべての個人の利用確率を加算することにより各階床方向別交通需要予測を行う。

予測関数学習手段５０は、個人乗降データ、滞在時間、エレベータ利用率から個人待客発生予測関数ｈ_ｊ、ｖ_ｊの係数等のパラメータの学習を行う。この学習方法として、例えば個人待客発生予測関数ｈ_ｊ、ｖ_ｊが線形関数の場合、最小自乗法によってα_ｊ、β_ｊ、γ_ｊ、η_ｊの学習が可能である。また待客発生予測関数ｈ_ｊ、ｖ_ｊが他の関数形式の場合でも、ニューラルネット等の手法によって係数等のパラメータの学習が可能である。

このようなエレベータ交通需要予測装置は、各個人の乗降時系列データ及び各個人の滞在階床に基づき、待客発生を予測するため、各個人の行動特性を反映したエレベータの交通需要予測を行うことができる。

また、個人の行動パターンを考慮してかごの配車を行うので、新たにかご呼びを行った個人の待時間をより短縮できる。

なお、ＲＦＩＤが発信する電波に重畳された個人ＩＤを検出する例を挙げたが、携帯電話、無線ＬＡＮなどの携帯無線端末または指紋、虹彩、顔などの生体情報による生体認証を利用して個人ＩＤを検出してもよい。

また、個人乗降データに基づいて各個人の滞在階床を検出する例を挙げたが、建物外部との出入口がある階床での滞在階床の検出は、建物入退場時等にＩＣカード等のカードによる認証、ＲＦＩＤ等の携帯無線端末による認証、指紋、虹彩、顔などの生体情報による生体認証等の個人認証装置から得られる各個人の入退場情報を利用して補正してもよい。つまり、入退場情報より建物内にいないと判断された個人は、滞在階床を無しとして補正する。

また、エレベータ以外の昇降手段であるエスカレータや階段の踊り場近辺に、ＲＦＩＤリーダを設け、エレベータ以外の昇降手段を利用した場合にも各個人の滞在階床を正確に検出してもよい。

また、各時点での各個人の滞在階床情報を各種建物管理システムに利用することができる。例えば、セキュリティシステムにおいて、建物内の滞在階床情報より、ある階床のエリアへの不正アクセスの検出や、一般的な行動パターンから逸脱した不正行動パターンの検出行うことができる。

また、デパート等の商業施設の管理システムにおいて、建物内の滞在階床情報より、各個人の階床間の移動経路検出による顧客購買行動分析や、各個人に適応したガイダンス作成を行うことができる。

また、在場管理システムにおいて、建物内の滞在階床情報より、ある個人の現在滞在階床を検出し、スケジューラに各個人の行先を自動的に反映することができる。
また、集合住宅管理システムにおいて、独居高齢者等の居住者の滞在階時系列データにより、居住階から一定期間移動を行っていない居住者を検出し、居住者の健康状態のチェックを行うことができる。

実施の形態４．
図１０は、この発明の実施の形態４に係わるエレベータ交通需要予測装置が設置されたエレベータの概略図である。図１１は、実施の形態４のエレベータ交通需要予測装置の機能ブロック図である。
実施の形態４のエレベータ交通需要予測装置６１が備えられたエレベータ６０は、実施の形態３に係わるエレベータ４０に火災警報機２４がさらに備えられている点が異なっている。この火災警報機２４、避難運転指令装置２５は実施の形態２に関して説明したものと同様であり、説明は省略する。
実施の形態４のエレベータ交通需要予測装置６１は、図１０に示すように、実施の形態３のエレベータ交通需要予測装置４１のかご配車階決定手段５１に避難運転指令が入力されることが異なっている。エレベータ制御装置６２は、エレベータ交通需要予測装置６１と避難運転指令装置２５が備えられている。

次に、エレベータ交通需要予測装置６１に関して図１１を参照して説明する。
なお、特殊乗客は、高齢者、車椅子使用者、ＶＩＰなどとして登録された乗客を意味する。個人ＩＤに特殊乗客を識別する特殊属性が付与されている。また、車椅子使用者、高齢者などの乗客は、災害弱者としての災害弱者属性が付与されている。
次に、エレベータ交通需要予測装置６１の各構成要素について、特殊乗客と災害弱者に関する部分について説明する。一般の利用者に関しては実施の形態３と同様であるので、説明は省略する。

個人認証・属性検出手段４６は、個人ＩＤから特殊属性の検出に基づいて特殊乗客の乗降に係わる特殊乗客乗降データを生成する。また、個人認証・属性検出手段４６は、個人ＩＤから災害弱者属性の検出に基づいて災害弱者の乗降に係わる災害弱者乗降データを生成する。
滞在階床検出手段４７は、特殊乗客乗降データより特殊乗客の滞在階床での滞在時間および災害弱者乗降データより災害弱者の滞在階床での滞在時間を求める。
個人時系列データ管理手段４８は、特殊乗客乗降データ、災害弱者乗降データ、特殊乗客および災害弱者の滞在階床での滞在時間を用いて、それぞれの時系列データを更新する。
特殊待客発生数予測手段６４は、個人時系列データ管理手段４８から得られる個人乗降データおよび滞在時間のうち、特殊乗客乗降データおよび滞在時間に基づき、利用確率を式（１８）、式（１９）に従って算出する。そして、特殊乗客に係わる利用確率を特殊乗客全体に亘って演算して各階床方向別の特殊乗客待客発生数を予測する。
また、特殊待客発生数予測手段６４は、個人時系列データ管理手段４８から得られる個人乗降データおよび滞在時間のうち、災害弱者乗降データおよび滞在時間に基づき、利用確率を式（１８）、式（１９）に従って算出する。そして、災害弱者に係わる利用確率を災害弱者全体に亘って演算して各階床方向別の災害弱者待客発生数を予測する。

かご配車階決定手段６３は、避難運転指令の受信がないとき、特殊待客発生数予測手段６４から得られる特殊乗客待客発生数の大きい階床をかごの優先的な配車階として決定する。
一方、避難運転指令を受信したとき、かご配車階決定手段６３は、特殊待客発生数予測手段６４から得られる災害弱者待客発生数の大きい階床をかごの優先的な配車階として決定する。
滞在階床検出手段４７は、避難運転指令を受信すると、避難階床として予め定められた階床に滞在している個人は避難が完了したと判断する。

なお、複数のかごがあるエレベータにおいて全てのかごが車椅子利用号機でない場合は、特殊待客発生数予測手段６４から得られる災害弱者待客発生数が大きい階床に、車椅子利用号機を優先的に待機させる。

このようなエレベータ交通需要予測装置は、車椅子や高齢者、ＶＩＰ等の個人属性に応じた待客発生数を予測するため、個人に適応した運転サービスを行うことができる。
また、避難時に利用するエレベータにおいて、優先的な救助が必要な車椅子利用者や高齢者等の災害弱者の滞在階床に応じてかごを配車することができるので、災害弱者を優先的に救助することができ、効率的な避難を行うことができる。

また、滞在階床検出手段４７において、避難階で降車した人を避難完了者としてチェックすることができるので、避難遅れ者を早期に検出することができる。

この発明の実施の形態１に係わるエレベータ交通需要予測装置が設置されたエレベータの概観図である。 実施の形態１のエレベータ交通需要予測装置の機能ブロック図である。 時系列データのデータ構造を説明するための図である。 乗降人数などからなる時系列データの更新の手順を示すフローチャートである。 かごの待機階を決定する手順を示すフローチャートである。 この発明の実施の形態２に係わるエレベータ交通需要予測装置が設置されたエレベータの概観図である。 実施の形態２のエレベータ交通需要予測装置の機能ブロック図である。 この発明の実施の形態３に係わるエレベータ交通需要予測装置が設置されたエレベータの概観図である。 実施の形態３のエレベータ交通需要予測装置の機能ブロック図である。 この発明の実施の形態４に係わるエレベータ交通需要予測装置が設置されたエレベータの概観図である。 実施の形態４のエレベータ交通需要予測装置の機能ブロック図である。

符号の説明

１、２０、４０、６０ エレベータ、２ 昇降路、３ かご、４ 呼び釦、５ 行先階登録装置、６ かご駆動装置、７、４５、６２ エレベータ制御装置、８ 秤、９ 通信回線、１１、２１、４１、６１ エレベータ交通需要予測装置、１２、２６ かご内人数計測手段、１３、２７ 乗降人数算出手段、１４、２８ 時系列データ管理手段、１５、２９ 滞在人数算出手段、１６、３０、４９ 待客発生数予測手段、１７、３１、５０ 予測関数学習手段、１８、３２、５１、６３ かご配車階決定手段、２２ 特殊呼び釦、２３ 特殊行先階登録装置、２４ 火災警報機、２５ 避難運転指令装置、４２ ＲＦＩＤリーダ、４３ 携帯情報記憶媒体、４６ 個人認証・属性検出手段、４７ 滞在階床検出手段、４８ 個人時系列データ管理手段、６４ 特殊待客発生数予測手段。

Claims (4)

1. エレベータの各階床の乗場における待客発生数を予測するエレベータ交通需要予測装置において、
   予め定められた周期毎に上記エレベータの上昇下降別に各階床の乗降人数を算出する乗降人数算出手段と、
   上記周期毎に上記各階床の乗降人数より各階床における滞在人数を算出する滞在人数算出手段と、
   階床毎に、予測する時点から所定の期間遡る間の該階床の上記乗降人数と予測する時点の該階床における上記滞在人数とからエレベータの上昇下降別に該階床の乗場における待客発生数を予測する待客発生数予測手段と、
   該階床から配車階までの移動時間と上記該階床上昇待客発生予測数の積ならびに、該階床から配車階までの移動時間と上記該階床下降待客発生予測数の積の、２つの積の和を、全ての階床について積算した値が、最小になるような階床を配車階に決定するかご配車階決定手段と、
   を有することを特徴とするエレベータ交通需要予測装置。
2. エレベータの各階床の乗場における待客発生数を予測するエレベータ交通需要予測装置において、
   予め定められた周期毎に、一般呼びに関わる乗降人数と特殊呼びに関わる乗降人数とを別々に上記エレベータの上昇下降別に各階床の乗降人数を算出する乗降人数算出手段と、
   
   階床毎に、予測する時点から所定の期間遡る間の該階床の上記一般呼びに関わる乗降人数と予測する時点の該階床における上記一般呼びに関わる滞在人数とからエレベータの上昇下降別に該階床の乗場における一般呼びに関わる待客発生数と、階床毎に、予測する時点から所定の期間遡る間の該階床の上記特殊呼びに関わる乗降人数と予測する時点の該階床における上記特殊呼びに関わる滞在人数とからエレベータの上昇下降別に該階床の乗場における特殊呼びに関わる待客発生数と、を別々に予測し、該階床から配車階までの移動時間と上記該階床の特殊呼びに関わる上昇待客発生予測数の積ならびに、該階床から配車階までの移動時間と上記該階床の特殊呼びに関わる下降待客発生予測数の積の、２つの積の和を、全ての階床について積算した値が、最小になるような階床を配車階に決定するかご配車階決定手段と、
   を有することを特徴とするエレベータ交通需要予測装置。
3. 上記かご配車階決定手段が、滞在人数が零の階床を除外して、配車階を決定することを特徴とする請求項１または２に記載のエレベータ交通需要予測装置。
4. 請求項２に記載のエレベータ交通需要予測装置を備えたエレベータ制御装置において、
   火災警報器から火災検出信号を受信し、上記火災検出信号を受信した場合に、上記エレベータ交通需要予測装置に避難運転指令を送信する避難運転指令装置を備え、
   上記エレベータ交通需要予測装置は、上記避難運転指令を受信した場合には、車椅子呼び待ち客発生数予測数が最も多い階床を避難時に利用するエレベータの配車階として決定することを特徴とするエレベータ制御装置。

Images