JP5262094B2 - ワンシャフトマルチカーエレベータの運行制御方法 - Google Patents

Description

本発明は、一つのシャフト内に独立して走行可能な複数のかごを備えたワンシャフトマルチカーエレベータにおいて、特に遺伝的アルゴリズムを用いて各かごの運行を制御する運行制御方法に関するものである。

ビルにおける利用可能面積を増加させると同時に輸送能力の増大を図るため、図８に示すように、一つのシャフト内に複数のかごを走行させるワンシャフトマルチカーエレベータが提案されている。ワンシャフトマルチカーエレベータでは、1つのシャフト内を複数のかごが上昇方向或いは下降方向に独立して走行することが可能なため、1つのシャフトに1台のかごしか存在しない通常のエレベータとは異なり、各かごは他のかごとの位置関係や運転方向による制約を受け、シャフト内を自由に走行することができない。すなわち、ワンシャフトマルチカーエレベータでは、運行の制御方法を誤るとかご同士が衝突する可能性があるため、このかご同士の衝突を確実に防止しつつ、且つすべての呼びを効率よくサービスするための特別な制御が必要となる。

一方、生物が環境に適応して進化していく過程を工学的に模倣した学習アルゴリズムで、組合わせ問題における最適解の探索手法としてよく知られたものに遺伝的アルゴリズムがあり、この遺伝的アルゴリズムを群管理エレベータの呼び割当てに適用し、複数台のエレベータを効率よく運転することが提案されている。
例えば特許文献１では、遺伝子を１つの有効な乗場呼びに対応させて染色体を各時点の有効な乗場呼びと同数の遺伝子で構成するとともに、各遺伝子が呼びに応答するかごの識別データを含むようにし、遺伝的アルゴリズムにより最も低いコスト関数値を生じる染色体を選択することで呼びの割当てを行っている。

特表平１１−５０３７０６号公報

上記特許文献１のように、遺伝的アルゴリズムを用いると解の全てを探索することなく迅速な呼び割当てが可能となるが、これをそのままワンシャフトマルチカーに適用することは困難である。何故ならば通常の群管理エレベータにおいては、１つのシャフトに１台のエレベータしか存在せず、またかごの運行は、いわゆるセレコレ（セレクティブコレクティブ）方式、すなわち、一方向に運転中は同方向の乗場呼び及びかご呼びに順次応答し、前方に呼びがなくなれば自動的に運転方向を反転して、今度はその方向の呼びに順次応えて運転し、応答すべき呼びがなくなるとそこで停止し待機するという、従来からの代表的な運転方式により運行するのが一般的であるため、呼びの割当てが決まれば各かごの運行経路も自動的に定まることになるが、ワンシャフトマルチカーエレベータにおいては、かご同士の衝突の問題が存在するため、呼びの割当てを決めただけでは各かごの運行を制御することができないからである。

本発明は上記の問題点に鑑みなされたもので、ワンシャフトマルチカーエレベータシステムに遺伝的アルゴリズムを適用することで、呼びを割当てることなく各かごの運行経路を定めることができ、かつかご同士の衝突を回避して安全な運行を行うことのできる、ワンシャフトマルチカーエレベータの運行制御方法を提供することを目的とする。

本発明に係るワンシャフトマルチカーエレベータの運行制御方法は、呼びが発生する毎に前記各かごそれぞれについて、かごが１階床の移動に要する時間に対応した遺伝子の遺伝子列で形成する染色体で表現した１組の移動計画を個体とする初期個体集団を生成し、該個体集団の各個体の移動計画に対してかご同士の衝突又は運転不能が発生する場合は、前記各個体の移動計画をかご同士の衝突又は運転不能が発生しなくなるまで修正を繰り返した後、前記個体集団に遺伝的アルゴリズムを適用することにより評価と世代交代とを繰り返して最適な１組の移動計画を決定し、決定した最新の移動計画に従って前記各かごの運行制御を行うことで、各かごをその移動経路内の呼びに応答させるようにしたものである。

本発明によれば、遺伝的アルゴリズムをワンシャフトマルチカーエレベータの運行制御に適用することができ、呼びを割当てることなく迅速に各かごの最適な運行経路を決定することができると共に、衝突を回避させながら安全で効率の良い運行制御を行うことができる。

まず、本発明の実施形態の詳細について説明する前に、全体の概略動作を説明する。
本発明においては、エレベータの各かごは、新規呼びが発生する毎に遺伝的アルゴリズムによって各かごの移動計画が決定され、各かごは最新の移動計画に従って運行する。各かごの移動計画は単位時間に対応する遺伝子を所定個数配列した遺伝子列からなる染色体で表現され、各遺伝子はそれぞれが上昇，下降，中立（停止）の何れかの運転指令を表している。

遺伝的アルゴリズムによって各かごの最適な移動計画（染色体）が決定すると、各かごはその移動計画に従って、すなわちその染色体に配列された遺伝子が示す時系列の運転指令に従って運行制御される。その際、各かごは停止した階に呼びがあればその呼びに自動的に応答することになり、予め呼びの割当てを行っていなくても、すべての呼びを効率よくサービスできることになる。
遺伝的アルゴリズムによる各かごの移動計画の決定手順は、凡そ次のとおりである。

まず、新規呼びが発生すると、各かごについて所定個数の遺伝子列からなる染色体（移動計画）をそれぞれ生成し、各遺伝子を上昇，下降，中立の何れにすべかについては無作為に決定する。次に、各かごの初期位置を元に、それぞれの移動計画に従って各かごを移動させた場合の移動経路を確認、例えば同一時刻にかごの位置が同一階とならないか、すなわち衝突を生じないか、或いはかごが上限（下限）位置を越えて運転不能の状態にならないかを確認する。そして、かご同士の衝突や運転不能の状態が生じない場合は各かごの移動計画を修正することなく、また、かご同士の衝突や運転不能の状態が生じる場合は、それらを避けるためにその時刻に対応する遺伝子を中立に修正した後に、各かごの移動計画を一組の個体とする。同様にして無作為に複数組の個体を作成し、これを初期個体集団とする。

次に、この初期個体集団の各個体それぞれについて適応度の評価を行う。ここでは適応度の一例として、一組の個体に従って各かごを運行させた場合のすべての呼びの平均サービス時間、すなわち呼びが発生してから目的階に到着するまでの時間の平均値を評価の対象とし、その時点でのすべての呼びの平均サービス時間が小さい個体ほど適応度が高いものとする。

そして、遺伝的アルゴリズムの基本を構成している処理プロセスすなわち、「選択淘汰」「交叉」「突然変異」により親世代の遺伝子の一部を子世代に継承させながら、適応度の評価と世代交代を繰り返し行い、探索終了の所定基準に達すると解の探索を終了し、その中で最も適応度の高い個体を最適解として選択する。各かごはこの最適解、すなわち最新の移動計画に基づいて運行し、その移動経路に存在する呼びがあればその呼びに自動的に応答することにより、かご同士の衝突を生じることなくすべての呼びについてサービスが行われることになる。

実施の形態１．
以下、本発明の一実施形態を図面に基づいて説明する。なお、以下の実施形態においては、一つのシャフト内に１号機〜３号機の３台のかごが運行し、階床数が１０階床である場合について説明するが、勿論、複数であれば何台であっても、また何階床の建物であっても本発明を適用することが可能である。また、途中に退避場所のないワンシャフトマルチカーエレベータでは、シャフトの上下に退避階を設けることが望ましいが、最端階にすべてのかごが応答できなくてもよいなど、かごの走行自由度が多少制限されることも許容されるのであれば、必ずしも退避階を必要とするものではない。また、呼び登録方式についても、最も一般的な、乗場で方向を指定する方向指定方式など種々の呼び登録方式が適用可能であるが、ここでは乗場で行先階を登録することのできる乗場行先階登録方式を適用した場合について説明する。

図１は、本発明の一実施形態であるワンシャフトマルチカーエレベータの運行制御方法を実施する制御システムの全体構成図である。

図１において、Ａ〜Ｃはそれぞれ１号機〜３号機のエレベータのかご、Ｄ〜Ｆはそれぞれ１号機〜３号機の経路計画に従ってかごの運行やドアの開閉等を制御する号機制御装置、Ｈ１〜Ｈｎは１階〜ｎ階の各乗場に設けられた行先階呼び登録装置である。

１０は呼びの発生に応じて各かごの移動計画を決定し全体の運行を管理する運行管理装置、１１は行先階呼び登録装置Ｃ１〜Ｃｎによって発生した呼びの発生階（出発階）とその行先階、発生時刻等を登録し管理する呼び登録部、１２は現在の各かごの位置を検出するかご位置検出部、１３は初期の個体集団とその後の各世代の個体集団を生成する個体集団生成部、１４は各個体の適応度を演算する適応度演算部、１５はプログラムに従って遺伝的アルゴリズムを実行し、最適解を決定する遺伝的アルゴリズム実行部、１６は遺伝的アルゴリズムにより決定された最新の移動計画を更新記憶する移動計画記憶部、１７は各号機制御装置Ｂ１〜Ｂ３と運行管理装置１０との間で情報の双方向の伝送を行うための通信インターフェイスである。

図２は、建物とかご位置及び呼びの発生状況の関係を示す図で、一例として、かごＡは１階、かごＢは６階、かごＣは９階にそれぞれ位置し、４階を行先階とする上昇方向の呼びｈ１が２階で発生し、８階を行先階とする下降方向の呼びｈ２が１０階で発生している様子を示している。

図３は、染色体で表現された移動計画の一例を示す図で、a０はかごＡの、ｂ０はかごＢの、ｃ０はかごＣの移動計画の例をそれぞれ示している。各染色体は単位時間に対応する１０個の遺伝子ｇ１〜ｇ１０で構成され、すなわち時刻１から時刻１０までの期間の移動計画を示すものであり、各遺伝子のＵは上昇、Ｄは下降、Ｎは中立（停止）の運転指令をそれぞれ表している。例えば、各かごが図２の状態から図３の移動計画に従って運行されるとすると、かごＡは１階に位置するので、時刻１で上昇すなわち２階に移動して呼びｈ１に応答し、同様に時刻２で３階へ、時刻３で４階に移動して乗客を降ろし、時刻４は４階でそのまま停止…というように運転されることを示している。なお、ここでは簡単のため、かごが１階床の移動に要する時間を単位時間とし、かごの加減速や乗客の乗り降りに要する時間は無視するものとして扱う。また、ここでは各染色体における遺伝子の数を１０個としているが、勿論これに限定されるものではなく、階床数等に応じて適宜設定することができる。

同様にして、かごＢは６階から時刻１で５階に下降、時刻２はそのまま５階に停止、時刻３で６階に上昇、時刻４では７階に上昇…となり、かごＣは時刻１では８階にそのまま停止、時刻２は９階に上昇、時刻３で１０階に上昇して呼びｈ２に応答し、時刻４で９階に下降…というように運行制御される。

図４は、上記の時刻４の時点における各かごと呼びの状況を示す。図３の呼びｈ１はすでにかごＡによってサービスを終了しており、呼びｈ２はかごＣによってサービス中であり、この時点で新たに１階で５階を行先階とする呼びｈ３が発生したとすると、以下に示す手順で新たな移動計画を決定し、時刻５以降は新たな移動計画の遺伝子１〜１０（時刻１〜１０）に示された運転指令によって運行制御されることになる。

図５は本発明にかかる移動計画の決定の手順を示すフローチャートである。
まずステップＳ１で、新規呼びが発生したか否かを検出し、新規呼びが発生すればステップＳ２へ進む。

ステップＳ２では、世代数を表すパラメータｎを１とし、ステップＳ３で初期の個体集団、ここでは例えば１００組の個体を生成するものとし、その一例を図６に示す。図６において、ａ１はかごＡの移動計画に対応する染色体、同様にｂ１はかごＢの移動計画に対応する染色体、ｃ１はかごＣの移動計画に対応する染色体であり、この３個の染色体を１組の個体として、ａ１００，ｂ１００，ｃ１００まで１００組の初期個体集団を作成する。

各染色体において、各遺伝子は前述のように、Ｕ，Ｄ，Ｎの何れかの値をとるが、探索の開始時においてはどのような個体が望ましいかは全く不明であるため、各遺伝子の値は乱数等を用いて無作為に発生させるようにしてもよいが、前回の移動計画を踏襲して活かすようにするためには、例えば図３の時刻４の時点で新規呼びが発生し、この時点で初期個体集団を生成するのであれば、図３のｇ４〜ｇ１０を新たな初期個体集団のｇ１〜ｇ６とし、ｇ７〜ｇ１０は無作為に発生させるようにしてもよい。 すなわち、新規呼び発生時点で初期個体集団の生成を行う際、前回の最適化で得られた最終世代の遺伝子個体群を前回と今回の時間差に対応させて適切にシフトさせた上で初期個体群として再利用すると、より効率よく最適化を行うことができる。

次に１００組の個体それぞれについて適応度を計算し評価を行うが、各個体の移動計画によってかごを移動させた場合にかご同士に衝突が生じたり、上限（下限）位置を越えて運転不能の状態となるのでは移動計画として不適格であるため、評価の前にステップＳ４によって各個体の修正を行う。

図７は、上記ステップＳ４の個体の修正手順を示すフローチャートである。 まずステップＳ４１で個体の組番号を表すパラメータｎを１とし、ステップＳ４２で各かごの現在の位置を読み込む。次にステップＳ４３で、１組目の染色体ａ１〜ｃ１について時刻１から順にかご位置の移動経路を確認し、同一時刻にかご位置が同じとなることがないか否かを確認する。例えば各かごが図４の位置からスタートし、染色体ａ１に従ってかごＡが４階から移動すると、時刻１では４階に停止、時刻２で５階に上昇、時刻３ではそのまま５階に停止することになるが、同様にかごＢが染色体ｂ１に従って７階から移動すると、時刻１では７階に停止、時刻２では６階に下降、時刻３では５階に下降するため、かごＡとかごＢとが５階で衝突することとなる。また、かごＣが染色体ｃ１に従って９階から移動すると、時刻１で１０階に移動し、時刻２で１０階にそのまま停止した後、時刻３では１０階から更に上方へ移動することになるが、１０階が上限位置の場合は運転不能となる（ここでは１０階の上に退避階は存在しないものとする）。

このように衝突や運転不能な状態が生じる場合はステップＳ４４からＳ４５へと進み、その衝突する時刻３における染色体ｂ１の遺伝子Ｄ及び染色体ｃ１の遺伝子ＵをそれぞれＮに置き換える。そしてステップＳ４３へと戻って修正後の移動計画で再度衝突の有無を時刻１から順次確認し、同様にして別の時刻で衝突や運転不能が生じる場合はその時刻の遺伝子のＵ又はＤをＮに置き換える。こうして衝突や運転不能が生じなくなると、ステップＳ４６とＳ４７により１００組の個体すべてについて同様のチェックを行い、必要であれば上記と同様にして遺伝子の修正を行う。

こうして修正を終え、移動計画に不適格な個体を排除した後、図５のステップＳ５へと戻って、次に各組の個体それぞれについての適応度を計算する。ここでは一例として各呼びのサービス時間の平均値を評価の対象とし、この値が小さい個体ほど適応度が高いものとする。すなわち、或る１組の個体の移動計画に従ってかごを移動させ、各かごの移動経路に存在する呼びを各かごが自動的に応答していった場合のすべての呼びの平均サービス時間を計算し、同様にして１００組の個体の移動計画それぞれについて平均サービス時間を計算する。なお、移動計画よっては、呼びのサービスが完了せず平均サービス時間が算出できない場合も考えられるが、その場合はサービスを完了できない呼びのサービス時間を所定のペナルティ値にするなど種々の方法が考えられる。

ステップＳ５で１００組の個体のそれぞれについて適応度を算出した後、次にステップＳ６で、当の個体集団が最適解の探索を終了するための評価基準を満たしているか否かを調べる。ここでは評価基準の一例として、個体集団の世代交代が予め定められた回数、例えば３００回に到達したこととする。この条件をまだ満たしていない場合はステップＳ７以下へと進み、基本的には適応度の高い個体がより多くの子孫を残すように、次の「選択淘汰」「交叉」「突然変異」という処理を経て次世代の個体集団を生成していく。

ステップＳ７の「選択淘汰」は、例えば１００組の個体集団の中、適応度の高い個体の所定個数を次世代に残し、集団の個体数を常に一定に保つため残りの個体の選出にはランダムに選んだ２つの個体を比較して適応度の高い方の個体を随時採用して行くことで、再び１００組の個体集団を生成する。

ステップＳ８の「交叉」は、基本的には個体集団の中から選択によって選出された個体に対して、ある交叉位置で双方の染色体の一部ずつを採ってきて子孫の染色体を作る。例えばあらかじめ用意したマスク（一般にはランダムなビット列）を用い、マスクパターンが０の位置では、子Ａには親Ａの遺伝子を、１の位置では親Ｂの遺伝子をコピーし、子Ｂに関してはこれの逆を行うなどである。

ステップＳ９の「突然変異」では、ある確率で染色体の一部の値を変える操作で、交叉だけでは個体の親に依存するような限られた範囲の子しか生成できないため、染色体上の遺伝子を一定の突然変異率で他の対立遺伝子に置き換えることにより、交叉だけでは生成できない子を生成して、個体群の多様性を維持するようにしたものである。

なお、上記の遺伝的アルゴリズムの基本を構成している処理プロセス、すなわち「選択淘汰」「交叉」「突然変異」については種々の方法が知られており、ここでは詳細な説明は省略する。

ステップＳ７〜Ｓ９の実行により次世代の個体集団が生成されると、ステップＳ１０で世代数を表すパラメータｎの値を１つ増やし、ステップＳ４に戻って上記の手順を繰り返す。そしてステップＳ６で世代交代の回数が３００回に達し、探索終了の条件を満たすと、ステップＳ１１でその時点での個体集団の中から最も適応度の高い１組の個体を決定し、それを最新の移動計画として更新記憶するとともに、各かごの号機制御装置にその移動計画を送信する。

一方、各かごの号機制御装置は、送信されてきた最新の移動計画に従ってかごの運行制御を行い、その運行経路に呼びが存在する場合は自動的に応答して停止する。

上記の手順は、新たに呼びが発生する毎に繰り返されるため、その度に最新の移動計画が作成されることになり、各かごは常に最新の移動計画に基づいて運行し、かご同士が衝突することなく、すべての呼びを効率よくサービスしていくことになる。

その他の実施形態
上記の実施形態においては、図７のフローチャートで説明したように、かごの衝突や運転不能が生じる染色体については遺伝子の値を修正するようにしたが、不適格な染色体については修正することなく削除するようにし、かごの衝突や運転不能を生じない染色体だけを残して個体集団を生成するようにしてもよい。

また、適応度については平均サービス時間を用いて評価するようにしたが、これに限らず、サービス時間の最大値や、呼びの待ち時間、かごの移動距離、或いはそれらの組合わせなど、呼び登録方式や制御の目的（省エネなど）に応じて種々の適応度を選択すればよい。

また、最適解の探索を終了するための評価基準としては、世代交代の回数に限らず、個体集団中の適応度の平均値或いは最大値が所定値より大きくなったこととしてもよい。

また、染色体の各遺伝子は、単位時間における上昇、下降、中立（停止）の何れかの運転指令を表すようにし、かごが１階床の移動に要する時間を単位時間としたが、単位時間を更に細分化したり、運転指令として加減速などを加えるようにしてもよい。

その他、本発明では上記の実施形態に限定されるものではなく、本発明の要旨を逸脱しない範囲で、種々の改変を施すことができる。

本発明の一実施形態であるワンシャフトマルチカーエレベータの運行制御方法を実施する制御システムの全体構成図である。 建物とかご位置及び呼びの発生状況の関係を示す図である。 染色体で表現された移動計画の一例を示す図である。 図３の時刻４の時点における各かごと呼びの状況を示す図である。 本発明に係る移動計画の決定の手順を示すフローチャートである。 本発明に係る個体集団の一例を示す図である。 図６のステップＳ４における個体の修正手順を示すフローチャートである。 ワンシャフトマルチカーエレベータの、一般的な構成を示す図である。

符号の説明

Ａ〜Ｃ １〜３号機の各かご
Ｄ〜Ｆ １〜３号機の運行制御装置
Ｈ１〜Ｈｎ 各階の乗場の行先階登録装置
１０ 運行管理装置
１１ 呼び登録部
１２ かご位置検出部
１３ 個体集団生成部
１４ 適応度演算部
１５ 遺伝的アルゴリズム実行部
１６ 移動計画記憶部
１７ 通信インターフェイス

Claims (4)

1. 一つの昇降路内に独立して走行する複数のかごを備えたワンシャフトマルチカーエレベータにおいて、呼びが発生する毎に前記各かごそれぞれについて、かごが１階床の移動に要する時間に対応した遺伝子の遺伝子列で形成する染色体で表現した１組の移動計画を個体とする初期個体集団を生成し、該個体集団の各個体の移動計画に対してかご同士の衝突又は運転不能が発生する場合は、前記各個体の移動計画をかご同士の衝突又は運転不能が発生しなくなるまで修正を繰り返した後、前記個体集団に遺伝的アルゴリズムを適用することにより評価と世代交代とを繰り返して最適な１組の移動計画を決定し、決定した最新の移動計画に従って前記各かごの運行制御を行うことで、各かごをその移動経路内の呼びに応答させるようにしたことを特徴とするワンシャフトマルチカーエレベータの運行制御方法。
2. 前記遺伝子は、上昇、下降、中立（停止）の何れかの運転指令を表すことを特徴とする請求項１記載のワンシャフトマルチカーエレベータの運行制御方法。
3. 新規呼び発生時点で初期個体集団の生成を行う際、前回の最適化で得られた最終世代の遺伝子個体群を前回と今回の時間差に対応させて適切にシフトさせた上で初期個体群として再利用することにより、前記初期個体集団の生成を行うことを特徴とする請求項１又は請求項２記載のワンシャフトマルチカーエレベータの運行制御方法。
4. 前記評価は、その時点でのすべての呼びの平均サービス時間を用いて行うことを特徴とする請求項１乃至請求項３の何れかに記載のワンシャフトマルチカーエレベータの運行制御方法。

Images