JP5355298B2 - 乗客有無検知装置、人数検知装置、暴れ検知装置 - Google Patents

Description

本発明は、エレベータ内の乗客の有無を検知する乗客有無検知装置と、乗客の人数を検知する人数検知装置、およびそれらを用いた暴れ検知装置に関するものである。

乗客有無検知装置の従来技術として、エレベータの秤値を１つの固定された閾値と比較することにより、乗客の有無を判定する技術がある。特許文献１や特許文献２では、エレベータ内の画像を演算処理することによりエレベータ内の乗客有無を算出する技術が開示されている。

又、従来の人数検知装置としては、例えば特許文献３においてエレベータの秤の出力を平均体重で割ることにより乗客数を算出する方法が開示されている。特許文献４の人数検知装置では、エレベータの乗車／降車人数を算出し加減算を行うことによりエレベータ内の人数を算出している。

又、従来の暴れ検知装置としては、例えば特許文献２においてカメラで撮影したエレベータ内の画像を解析してエレベータ内で暴れている人物を検知する方法が開示されている。

特開２００３−０４０５４１号公報 特開２００６−２７６９６９号公報 特開２００２−２４１０６１号公報 特開２００８−２４７５９７号公報

エレベータの秤値を閾値と比較して乗客有無を判定する場合、通常秤値には誤差が含まれることが多いため、閾値は誤差を見積もって高めの値に設定される。そのため、乗客の体重が軽かったり誤差によって秤値が軽めに出力される場合には、乗客が居るにも係わらず“無”と判定してしまうことがある。一方、この問題を解決すべく閾値を低めの値に設定すると、誤差によって秤の出力値が重めに出力された場合に、乗客がいないにも係らず“有”と判定してしまうことがある。

特許文献１や特許文献２に記載された方法のように、画像処理によって乗客有無を算出する場合、撮影範囲内に乗客が写らないと乗客が居るにもかかわらず“無”と判定してしまう。また、カメラレンズの汚れや外光などの影響によって撮影画像が乱れる結果、誤って“有”と判定してしまうことがある。

特許文献３の人数検知装置は秤値を平均体重で割ることによって乗客数を検知しているが、平均体重と実際の体重とでは差があるため、正確に人数を検知することは出来ない。

また、特許文献４の人数検知装置は、検知した乗車人数や降車人数を加減算することによって新たな乗客数を算出しているため、１度でも乗車人数／降車人数を誤検知すると、その後に正しい乗客数を検知することが出来なくなるという問題がある。

特許文献２の暴れ検知装置はエレベータ内の画像を解析し、乗客の人数に係わらず暴れ検知を行うものであるが、乗客が１人の場合は暴れによる被害者がいないため暴れを検知する必要性が低い。乗客が１人であるにも係わらず暴れ検知を行うと、エレベータ内に１人でいる乗客が行う手足の挙動の大きな動作、例えば体操動作（ゴルフスイングや素振りなど）や大きなコートの着脱、髪型の手直しなどを暴れと誤検知する可能性がある。エレベータ内の暴れを検知するとエレベータを各階で停止・戸開するように運行管理している場合、暴れを誤検知してしまうと各階停止することになり、乗客の乗車時間や他の階の乗場の乗客の待ち時間が長くなり、利用者の利便性を大きく阻害してしまう。

本発明は上述の問題に鑑みてなされたものであり、正確にエレベータ内の乗客の有無を検知する乗客有無検知装置及びこれを用いた人数検知装置、これらを用いて乗客が一人の際には暴れ検知を行わない暴れ検知装置の提供を目的とする。

本発明の第１の乗客有無検知装置は、停止時のエレベータの積載重量を秤値として計測する計測手段と、エレベータの運行を管理しその状態信号を出力する運行管理手段と、秤値とエレベータの状態信号に基づき、秤値の補正量や補正量を算出する補正式を更新する補正学習手段と、補正学習手段で更新された補正量と補正式に基づき、秤値を補正後秤値として補正する補正手段と、エレベータ内が空であると推定される際の秤値とエレベータの状態信号に基づき閾値を設定／更新する閾値学習手段と、補正後秤値と閾値を比較して、エレベータ内の乗客の有無を判定する有無検知手段と、を備え、閾値学習手段は、閾値が所定期間内に更新されなかった場合、閾値を所定値分小さな値に更新することを特徴とする。
又、本発明の第２の乗客有無検知装置は、停止時のエレベータの積載重量を秤値として計測する計測手段と、エレベータの運行を管理し、その状態信号を出力する運行管理手段と、秤値とエレベータの状態信号に基づき、秤値の補正量や補正量を算出する補正式を更新する補正学習手段と、補正学習手段で更新された補正量と補正式に基づき、秤値を補正後秤値として補正する補正手段と、エレベータ内が空であると推定される際の秤値とエレベータの状態信号に基づき閾値を設定／更新する閾値学習手段と、補正後秤値と閾値を比較して、エレベータ内の乗客の有無を判定する有無検知手段と、を備え、閾値学習手段において、現在階で乗客が降車したことによりエレベータ内が空であると推定される際の秤値とエレベータの状態信号とに基づき設定される閾値を降車閾値とすると、有無検知手段は、現在階で乗客が降車したことによりエレベータ内が空であると推定される際に、降車閾値を用いて乗客の有無を判定し、閾値学習手段は、現在階に到着した時の秤値にも基づいて降車閾値を設定し、現在階に到着した時の秤値から降車閾値を求めるための式を、現在階に到着した時の秤値および秤値の発生率に基づいて更新することを特徴とする。

又、本発明の第１の人数検知装置は、上述の乗客有無検知装置と、乗客有無検知装置から乗客有無検知結果と秤値を受け、これらに基づきエレベータの乗客数を検知する人数検知手段と、を備え、人数検知手段は、秤値の時間差分データの凸型波形を積分し、積分値に応じて乗車人数及び降車人数を検知することによりエレベータの乗客数を検知する手段であって、積分値が所定の閾値以上であれば、乗車人数と降車人数のいずれか一方の最小値を２以上とすることを特徴とする。
又、本発明の第２の人数検知装置は、上述の乗客有無検知装置と、乗客有無検知装置から乗客有無検知結果と秤値を受け、これらに基づきエレベータの乗客数を検知する人数検知手段と、を備え、人数検知手段は、乗車／降車動作の回数からエレベータの乗客数の検知精度を推定することを特徴とする。

又、本発明の暴れ検知装置は、上述の人数検知装置と、エレベータ内の撮影画像を解析してエレベータ内の暴れ動作を検知する暴れ検知手段と、を備え、暴れ検知手段は、人数検知装置がエレベータの乗客数を２人以上と検知した場合にのみ、暴れ動作の検知を行う。

本発明の第１の乗客有無検知装置は、エレベータ内が空であると推定される際の秤値とエレベータの状態信号に基づき閾値を設定／更新する閾値学習手段と、補正後秤値と閾値を比較して、エレベータ内の乗客の有無を判定する有無検知手段と、を備える。閾値を随時適切な値に更新することにより、乗客の有無を正確に検知することが出来る。また、閾値学習手段は、閾値が所定期間内に更新されなかった場合、閾値を所定値分小さな値に更新することにより、閾値の高止まりを避け、より正確に有無判定をすることができる。
又、本発明の第２の乗客有無検知装置は、エレベータ内が空であると推定される際の秤値とエレベータの状態信号に基づき閾値を設定／更新する閾値学習手段と、補正後秤値と閾値を比較して、エレベータ内の乗客の有無を判定する有無検知手段と、を備え、閾値学習手段において、現在階で乗客が降車したことによりエレベータ内が空であると推定される際の秤値とエレベータの状態信号とに基づき設定される閾値を降車閾値とすると、有無検知手段は、現在階で乗客が降車したことによりエレベータ内が空であると推定される際に、降車閾値を用いて乗客の有無を判定し、閾値学習手段は、現在階に到着した時の秤値にも基づいて降車閾値を設定し、現在階に到着した時の秤値から降車閾値を求めるための式を、現在階に到着した時の秤値および秤値の発生率に基づいて更新する。より好適な式に更新することによって、より正確に有無判定をすることができるようになる。

又、本発明の第１の人数検知装置は、上述の乗客有無検知装置と、乗客有無検知装置から乗客有無検知結果と秤値を受け、これらに基づきエレベータの乗客数を検知する人数検知手段と、を備える。乗車人数や降車人数を検知し、それを累積することによってエレベータ内の人数を検出する場合、乗降動作の検知を繰り返す度に乗客人数の検出精度は低下するが、乗客有無検知結果が「乗客は“無”」である場合にエレベータ内の人数を０に設定することにより、検出精度の低下を防ぐことが出来る。また、人数検知手段は、秤値の時間差分データの凸型波形を積分し、積分値に応じて乗車人数及び降車人数を検知することによりエレベータの乗客数を検知する手段であって、積分値が所定の閾値以上であれば、乗車人数と降車人数のいずれか一方の最小値を２以上とするので、エレベータの乗客数を多めあるいは少なめにカウントすることが出来る。
又、本発明の第２の人数検知装置は、上述の乗客有無検知装置と、乗客有無検知装置から乗客有無検知結果と秤値を受け、これらに基づきエレベータの乗客数を検知する人数検知手段と、を備え、人数検知手段は、乗車／降車動作の回数からエレベータの乗客数の検知精度を推定する。これにより、精度の低い検知結果を出力することを避けることができる。

又、本発明の暴れ検知装置は、上述の人数検知装置と、エレベータ内の撮影画像を解析してエレベータ内の暴れ動作を検知する暴れ検知手段と、を備え、暴れ検知手段は、人数検知装置がエレベータの乗客数を２人以上と検知した場合にのみ、暴れ動作の検知を行う。これにより、１人でエレベータに乗っている人物が行う動作を暴れ検知と誤検知することを防ぐことが出来る。

乗客有無検知装置の構成を示すブロック図である。 乗客有無検知装置の動作を示すフローチャートである。 閾値学習手段の閾値設定方法を説明する図である。 閾値学習手段の閾値設定方法を説明する図である。 積載重量の時系列変化と、乗客の進行方向を示す図である。 積載重量とその時間差分データの時系列変化を示す図である。 積載重量の計測データからノイズを除去する方法を説明する図である。 人数検知装置の構成を示すブロック図である。 人数検知装置の動作を示すフローチャートである。 積載重量の時系列変化を示す図である。 積載重量の時間差分データから乗車人数を推定する方法を示す図である。 乗車時に発生する時間差分データのモデル波形を示す図である。 乗車人数の推定候補を示す図である。 エレベータのドアの模式図である。 光電センサの感知結果の時系列変化の一例を示す説明図である。 ドア計測手段の検知結果と、積載重量から求めた乗客の進行方向を示す図である。 積載重量とその時間差分データの時系列変化を示した図である。 暴れ検知装置の構成を示すブロック図である。 暴れ検知装置の動作を示すフローチャートである。

（実施の形態１）
＜構成＞
図１は、本実施の形態に係る乗客有無検知装置１の構成を示すブロック図である。図１の乗客有無検知装置１は、計測手段１１、補正学習手段１２、補正手段１３、閾値学習手段１４、有無検知手段１５、運行管理手段１６及び乗降検知手段１７を備えている。これらの手段の内ハードウェアである計測手段１１を除いて、各手段１２〜１７はマイクロコンピュータ上のソフトウェアによって構成されている。

計測手段１１はエレベータに設置された重量センサで構成され、エレベータの積載重量（秤値）を計測する。運行管理手段１６は、エレベータの運行を管理しエレベータの状態信号を保持する。補正学習手段１２は計測手段１１から秤値を取得し、エレベータの状態信号に基づき秤値の補正量や補正量を算出するための補正式を更新する。補正手段１３は補正学習手段１２からの補正量や補正式に基づいて秤値を補正し、補正後秤値として算出する。閾値学習手段１４は補正手段１３からの補正後秤値を基に有無検知手段１５で用いる閾値を更新して自動設定する。有無検知手段１５は、補正手段１３からの補正後秤値と閾値学習手段１４からの閾値を比較し、乗客有無を検知する。乗降検知手段１７は、計測手段１１の計測結果を基に乗客の乗車／降車動作を検知する。

すなわち、実施の形態１の乗客有無検知装置１は、停止時のエレベータの積載重量を秤値として計測する計測手段１１と、エレベータの運行を管理し、その状態信号を出力する運行管理手段１６と、秤値とエレベータの状態信号に基づき、秤値の補正量や補正量を算出する補正式を更新する補正学習手段１２と、補正学習手段で更新された補正量と補正式に基づき、秤値を補正後秤値として補正する補正手段１３と、エレベータ内が空であると推定される際の秤値とエレベータの状態信号に基づき閾値を設定／更新する閾値学習手段１４と、補正後秤値と閾値を比較して、エレベータ内の乗客の有無を判定する有無検知手段１５と、を備える。閾値学習手段１４が閾値を適宜更新することによって、正確な乗客の有無検知を行う事が出来る。

＜動作＞
次に、図１の乗客有無検知装置１の動作について図面を踏まえて説明する。図２は、本実施の形態に係る図１の乗客有無検知装置１の動作を示すフローチャートである。

まず、計測手段１１はエレベータの積載重量を計測する（ステップＳＴ１０１）。次に、補正手段１３は補正学習手段１２から現在の補正量や補正式を取得し、計測手段１１が計測した積載重量の秤値を補正して補正後秤値を作成する（ステップＳＴ１０２）。補正量や補正式の作成方法は後述する。

そして、補正学習手段１２は補正量や補正式を更新する条件を満たしているか否かを判断する（ステップＳＴ１０３）。例えば補正量を決めるためには、計測手段１１から取得した秤値が真値（誤差のない本来の積載重量値）からどのくらいの量の誤差を含んでいるかを求めなければならない。しかし、エレベータ内に乗客がいる場合、乗客の重量の真値は不明であるため補正量を求めることはできない。そこで、エレベータ内が空であると推定される状況であることが、補正量や補正式を更新する条件の１つになる。一般的に、エレベータが乗場呼び、かご呼び、割当を持たずに停止中である場合に空である可能性が高い。そこで補正学習手段１２は、エレベータの状態を管理し運転を制御している運行管理手段１６からエレベータの状態信号を得る。ここで状態信号とは、例えばエレベータが走行中／停止中であることを示す信号や、ドアが完全戸開中／完全戸閉中であることを示す信号、乗場呼び／かご呼び／割当を示す信号などである。そして、例えばエレベータが停止中でドアが完全戸閉中であり、かつエレベータが乗場呼びやかご呼びや割当を持たない状態であれば空であると推定し、補正量や補正式を更新する条件の１つが満たされていると判断する。この条件を第１補正学習条件とする。

第１補正学習条件を満たすエレベータは空である可能性が高いが、乗客がかご呼びボタンを押し忘れている場合も考えられるため絶対に空であるとは言い切れない。そこで、第１補正学習条件がＸ秒以上継続して満たされることを第２補正学習条件とする。ここでＸは予め補正学習手段１２に保持されているものとする。

さらに、第２補正学習条件と同様の趣旨により、補正手段１３から取得した補正後秤値が明らかに大きな値ではないことを、補正量や補正式を更新するもう１つの条件としても良い。あるいは、計測手段１１から取得した秤値が明らかに大きな値ではないことを、補正量や補正式を更新するもう１つの条件としても良い。すなわち、｜補正後秤値｜≦ＴＨ₁もしくは｜秤値｜≦ＴＨ₂であること、または｜補正後秤値｜≦ＴＨ₁かつ｜秤値｜≦ＴＨ₂であることが第３補正学習条件である。なお、ＴＨ₁、ＴＨ₂は予め補正学習手段１２に保持されているものとする。

現在の階床でエレベータが空である状況が発生するパターンは２通り存在する。１つは、現在階で乗客が降車することによりエレベータが空になったという第１のパターン、もう１つは、空の状態で別の階に待機していたエレベータが呼ばれて現在階に移動してきたという第２のパターンである。どちらのパターンにも第１及び第２補正学習条件を適用できる。

計測手段１１は、エレベータを吊るすロープの張力から積載重量を計測することがある。この場合、エレベータの停止中にロープの張力に変化があると秤値の出力特性に影響を与えることがある。つまり、第１のパターンと第２のパターンでは、どちらも第１及び第２補正学習条件を満たすものの、計測された秤値が異なり補正量や補正式が異なることがある。そこで、前の停止階で第１あるいは第２補正学習条件が満たして空と推定されたエレベータが、その状態から現在階に呼ばれて停止中になったことを第４補正学習条件とする。言い換えれば、第２のパターンでエレベータが空になったと推定されることを第４補正学習条件とする。

とはいえ、第４補正学習条件が満たされたとしても、到着後にドアが開いてしまうと乗客が乗車し空でなくなる可能性がある。そこで、ドアが現在階で戸開前であるか、ドアが乗車可能なほど開ききっていないことを第５補正学習条件とする。ドアの状態信号は運行管理手段１６から取得する。

また、第４補正学習条件が満たされたとしても前の停止階での降車重量が大きければ、エレベータを吊るすロープの張力の変化が大きく、秤値の出力特性に影響を与えることがある。そこで、前の停止階での降車重量が一定値以下であることを補正量や補正式を更新するもう１つの条件としても良い。すなわち、｜前の停止階での降車重量｜≦ＴＨ₃であることを第６補正学習条件とする。なお、ＴＨ₃は予め補正学習手段１２に保持されているものとする。

以上、補正学習手段１２がステップＳＴ１０３において補正量や補正式を更新する条件として第１〜第６補正学習条件を説明したが、補正量や補正式を更新する条件を、第１〜第６補正学習条件の全てを満たす場合としてもよいし、その一部の条件を満たす場合としてもよいし、上記の第１から第６の条件の排他的論理和を形成して、その条件を満たす場合としてもよい。いずれにせよ、補正学習手段１２は補正量や補正式を更新する条件が満たされていると判断した場合、補正量や補正式を更新する（ステップＳＴ１０４）。

補正量や補正式は、例えば特開２００８−２３９２７５に記載の方法で求める。例えば、エレベータが空であると推定される状況の秤値をかご負荷補正値（補正量）としてエレベータの運行状況別に格納しておき、現在階に停止したときの秤値からかご負荷補正値を減算したものを補正後秤値とすることが出来る。

ステップＳＴ１０５において補正手段１３は、補正学習手段１２で更新された補正量や補正式を利用して計測手段１１から得た秤値を補正し、補正後秤値を更新する。

ステップＳＴ１０６において閾値学習手段１４は、閾値ＴＨ_Aを更新する条件が満たされているか否かを判断する。閾値ＴＨ_Aは、有無検知手段１５において乗客有無を判定するために補正後秤値と比較する値である。閾値ＴＨ_Aを大き過ぎる値に設定すると、軽量の乗客が乗車しているにも係わらず“無”（乗客無し）と判定してしまう。そのため、エレベータ内が空のときの補正後秤値と閾値を比較して“無”と判定できる、最小の値が適切な閾値であるといえる。それで、閾値ＴＨ_Aは“エレベータ内が空であると推定される状況の補正後秤値”から決まることになる。“エレベータ内が空であると推定される状況の「補正後秤値」”は“エレベータ内が空であると推定される状況の「秤値」”から決まるので、閾値ＴＨ_Aは“エレベータ内が空であると推定される状況の「秤値」”から決まる、と言い換えても良い。ここで、閾値の更新に用いる“エレベータ内が空であると推定される状況の「補正後秤値」”を“空補正後秤値”とする。そこで、エレベータ内が空であると推定される状況であることが閾値を更新する条件の１つになる。この条件は上述した第１〜第６補正学習条件と同様であるため、第１〜第６補正学習条件をそれぞれ第１〜第６閾値学習条件とする。

ステップＳＴ１０６において閾値学習手段１４は、閾値を更新する条件を上記の第１〜第６閾値学習条件の全てを満たすこととしてもよいし、その一部の条件を満たすこととしてもよいし、第１〜第６閾値学習条件の排他的論理和を形成してその条件を満たすこととしてもよい。

閾値を更新する条件が満たされていると判断すると、閾値学習手段１４は閾値を更新する（ステップＳＴ１０７）。例えば、後述する有無検知手段１５で補正後秤値≦ＴＨ_Aならば“無”と判定するのであれば、閾値ＴＨ_Aは空補正後秤値にする。あるいは、有無検知手段１５で補正後秤値＜ＴＨ_Aならば“無”と判定するのであれば、閾値ＴＨ_Aは（空補正後秤値+α）とする。例えば秤値の最小計測単位が２ｋｇであれば、αの最小値は２ｋｇになる。このようにして閾値を更新する方法を第１更新方法とする。なお、“閾値ＴＨ_Aを空補正後秤値にする”あるいは、“閾値ＴＨ_Aは（空補正後秤値+α）にし、秤値の最小計測単位が２ｋｇであればαの最小値は２ｋｇになる”と述べたが、これは閾値ＴＨ_Aを最小の値に設定する場合の一例に過ぎず、ある程度余裕を持った値に閾値ＴＨ_Aが設定されるように上記例よりも少し大きめの値に閾値ＴＨ_Aを設定しても良い。

ステップＳＴ１０８において、有無検知手段１５は補正手段１３から補正後秤値を取得し、閾値学習手段１４から閾値ＴＨ_Aを取得する。そして、補正後秤値＜ＴＨ_Aならば“無”と判定し、それ以外は“有”と判定する。あるいは、補正後秤値≦ＴＨ_Aならば“無”と判定し、それ以外は“有”と判定する。等号を含むか含まないかはステップＳＴ１０７での閾値の更新方法に依存する。

なお、空補正後秤値がエレベータの位置（高さ（ｍ）でも階床でも良い）や停止時の方向や時間によって変化する場合、ステップＳＴ１０７において閾値学習手段１４は次のような方法で閾値を更新しても良い。例えば、閾値学習手段１４は閾値学習条件が満たされたときの空補正後秤値を取得する。取得した空補正後秤値が今までに閾値の更新に用いてきた空補正後秤値よりも大きな値であった場合、取得した空補正後秤値を用いて第１更新方法で閾値を更新する。つまり、これまで取得してきた空補正後秤値の中で最も大きな空補正後秤値を利用して閾値が更新されることになる。このようにして閾値を更新する方法を第２更新方法とする。

すなわち、閾値学習手段１４は、エレベータ内が空であると推定される際の補正後秤値である空補正後秤値を継続して取得し、その最大値に基づいて閾値を更新することを特徴とする。これにより、より正確に有無判定を行うことができるようになる。

第２更新方法を用いる場合、閾値ＴＨ_Aはより大きな値へと更新され続けることになるため、必要に応じて閾値ＴＨ_Aが下がるように更新する必要がある。そこで、ステップＳＴ１０７において閾値学習手段１４は、次のような方法で閾値を更新しても良い。例えば、閾値学習手段１４は閾値学習条件が満たされたとき、空補正後秤値と“エレベータの位置”と“停止時の方向”を新たに取得する。新たに取得した空補正後秤値が今までに閾値の更新に用いた空補正後秤値よりも大きな値の場合は、第２更新方法により閾値ＴＨ_Aを更新すると同時に、そのときの“エレベータの位置”と“停止時の方向”を保持しておく。そして、新たに取得した空補正後秤値の“エレベータの位置”と“停止時の方向”が、元の閾値の更新に用いた空補正後秤値の“エレベータの位置”と“停止時の方向”と同じ場合、たとえ新たに取得した空補正後秤値が元の空補正後秤値より小さくても、新たに取得した空補正後秤値を用いて第１更新方法で閾値ＴＨ_Aを更新する。このようにして閾値を更新する方法を第３更新方法とする。

すなわち、閾値学習手段１４は、空補正後秤値の最大値を取得した際と同一のエレベータの位置においてエレベータ内が空であると推定された場合に、そのときの空補正後秤値に基づいて閾値を更新することを特徴とする。よって、これまで取得してきた空補正後秤値の中で最も大きな値であった空補正後秤値が、経年変化などの理由によって小さな値になった場合、それに応じて空補正後秤値と閾値ＴＨ_Aもより小さな値へ更新される。

第１〜第３更新方法では、新たに取得した空補正後秤値が何らかの理由で極めて大きな／小さな値を示していた場合、閾値ＴＨ_Aも極めて大きな／小さな値へと変化してしまう。そこで、ステップＳＴ１０７において閾値学習手段１４は、取得した空補正後秤値から直接に閾値ＴＨ_Aを更新するのではなく、空補正後秤値から式（１）に示すＵＰＤＡＴＥ_Aを更新し、空補正後秤値の代わりにＵＰＤＡＴＥ_Aを用い上記第１〜第３更新方法により閾値ＴＨ_Aを更新するようにしても良い。空補正後秤値からＵＰＤＡＴＥ_Aを更新するための式（１）を下記に示す。

式（１）に従い、例えば、係数Ｃ₁＝０．５、係数Ｃ₂以降を０とすると、更新後のＵＰＤＡＴＥ_Aは、今のＵＰＤＡＴＥ_Aと今回取得した空補正後秤値の平均値となる。係数Ｃ₁を０〜１の範囲で選ぶことにより、“更新後のＵＰＤＡＴＥ_A”を、“今回取得した空補正後秤値”に近い値に更新したり、あるいは“今のＵＰＤＡＴＥ_A”に近い値に更新したりすることができ、ＵＰＤＡＴＥ_Aを緩やかに変化させることができるようになる。取得した空補正後秤値から直接に閾値ＴＨ_Aを更新していた第１〜第３更新方法は、式（１）においてＣ₁以降の係数を全て０にし、“今のＵＰＤＡＴＥ_A＝今回取得した空補正後秤値”にするということと同じである。また、Ｃ₂以降の係数を０〜１の範囲で選ぶことにより、今回取得した空補正後秤値と今のＵＰＤＡＴＥ_Aだけでなく、以前に取得した空補正後秤値と以前のＵＰＤＡＴＥ_Aも利用してＵＰＤＡＴＥ_Aを更新することになる。例えば、前回までの更新でＵＰＤＡＴＥ_Aが徐々に大きな値へと更新されてきていた場合、すなわち“前回取得した空補正後秤値”＞“１つ前のＵＰＤＡＴＥ_A”、“前々回取得した空補正後秤値”＞“２つ前のＵＰＤＡＴＥ_A”、“前々々回取得した空補正後秤値”＞“３つ前のＵＰＤＡＴＥ_A”、…であった場合、仮に“今回取得した空補正後秤値”＜“ 今のＵＰＤＡＴＥ_A”であったとしても、新たなＵＰＤＡＴＥ_Aはこれまでの増加傾向を反映してなおも増加したり、あるいは大きくは減少しないことになり、より緩やかにＵＰＤＡＴＥ_Aを変化させながら更新することができるようになる。このようにして閾値ＴＨ_Aを更新する方法を、第４更新方法とする。

すなわち、閾値学習手段１４は、過去の閾値にも基づいて閾値を更新する。よって、新たに取得した空補正後秤値が、何らかの理由で極めて大きな／小さな値を示していたとしても、緩やかにＵＰＤＡＴＥ_Aが更新されるので、閾値ＴＨ_Aも緩やかに変化させることができるようになる。これにより、より正確に有無判定をすることができるようになる。

第１、第２更新方法では、閾値ＴＨ_Aを減少させることができない。また、第３、第４更新方法では、ＵＰＤＡＴＥ_Aを設定した際の“エレベータの位置”及び“停止時の方向”と同じ“エレベータの位置”及び“停止時の方向”のときの空補正後秤値がＵＰＤＡＴＥ_Aよりも小さな値でないと、閾値ＴＨ_Aがより小さな値へと変化しない。そのため、同じ“エレベータの位置”と“停止時の方向”になる頻度が低いと、閾値ＴＨ_Aは小さな値へと変化しづらく、必要以上に大きな値で高止まりすることがある。これを避けるため、ステップＳＴ１０６において閾値学習手段１４は、エレベータがＮ回停止する間に閾値ＴＨ_Aが１度も変化しない場合に閾値ＴＨ_Aを更新する条件が満たされているものと判定し、ステップＳＴ１０７において、ＵＰＤＡＴＥ_Aと閾値ＴＨ_Aからγを差し引いて小さな値へ変化させても良い。Ｎとγの値は予め閾値学習手段１４が保持しているものとする。

すなわち、閾値学習手段１４は、閾値が所定期間内に更新されなかった場合に閾値を所定値分小さな値に更新する。これにより閾値の高止まりを避け、より正確に有無判定をすることができるようになる。

＜閾値ＴＨ_B＞
エレベータが空になるパターンは２通りあり、１つは現在階で乗客が降車した結果エレベータが空になったという第１のパターンであり、もう１つは、空の状態で別の階に待機していたエレベータが、呼ばれて現在階に移動してきたという第２のパターンであることは既に述べた。また、適切な閾値とは、エレベータ内が空のときの補正後秤値と比較したときに“無”と判定できる最小の値であることも述べた。閾値学習手段１４は第４〜第６の閾値学習条件が満たされたときに閾値ＴＨ_Aを更新しているとすると、閾値ＴＨ_Aは第２のパターンで空になったエレベータの補正後秤値と比較することに適した閾値であると言える。

一方、計測手段１１からの秤値が含む誤差には２種類ある。１つは、エレベータが各階に到着したときに有するオフセット誤差であり、もう１つは、エレベータが各階に到着して戸開したときに、人物の乗降などによって変化する秤値の変化量誤差である。閾値ＴＨ_Aはオフセット誤差を考慮した適切な閾値ではあるが、変化量誤差まで考慮しているとは言い難い。すなわち、閾値ＴＨ_Aは第１のパターンで空になった可能性のあるエレベータを有無判定を行うことに適した閾値ではない。そこで、ステップＳＴ１０７において閾値学習手段１４は、第２のパターンで空になったと推定される状況用の閾値ＴＨ_Aと、第１のパターン、すなわち現在階で降車が発生して空になったと推定される状況用の降車閾値ＴＨ_Bを別々に用意しても良い。そして、第１のパターンで空となった可能性がある場合、有無判定手段１５はステップＳＴ１０８において、補正後秤値と閾値ＴＨ_Bを比較して有無判定を行う。

以下、閾値学習手段１４が閾値ＴＨ_Bを用意する場合の、ステップＳＴ１０６〜ステップＳＴ１０８までの追加動作を説明する。まず、ステップＳＴ１０６において閾値学習手段１４は、閾値ＴＨ_Bを更新する条件が満たされているか否かを判断する。閾値ＴＨ_Bの適切な値とは、エレベータが第１のパターンで空になったときの補正後秤値と閾値を比較したときに、“無”と判定できる最小の値である。そのため、エレベータが第１のパターンで空になったと推定される状況の補正後秤値（空補正後秤値）からＴＨ_Aと同様にしてＴＨ_Bを決めることになる。

そこで、エレベータが第１のパターンで空になったと推定される状況であることが、閾値ＴＨ_Bを更新する条件の１つになる。空であると推定されることが必要なので、閾値ＴＨ_Aを更新する条件として上述した第１〜第３の閾値学習条件は、閾値ＴＨ_Bを更新する条件としても利用できる。

また、エレベータが第１のパターンで空になるためには、現在階で乗客が降車しなければならない。通常のエレベータの利用において乗客がある階で降車する場合、エレベータ内に設置されている行先階ボタン（かご呼び）が押下される。そこで、現在階に停止した要因がかご呼びであることを第７閾値学習条件とする。

ステップＳＴ１０６において閾値学習手段１４は、閾値ＴＨ_Bを更新する条件を上記の第１〜３，７閾値学習条件の全てを満たすこととしてもよいし、その一部の条件を満たすこととしてもよいし、上記の第１〜３，７閾値学習条件の排他的論理和を形成して、その条件を満たすこととしてもよい。

すなわち、閾値学習手段１４において、現在階で乗客が降車したことによりエレベータ内が空であると推定される際の秤値とエレベータの状態信号に基づき設定される閾値を降車閾値ＴＨ_Bとすると、有無検知手段１５は、現在階で乗客が降車したことによりエレベータ内が空であると推定される際に、降車閾値ＴＨ_Bを用いて乗客の有無を判定する。これにより、より正確な乗客の有無判定が行える。

閾値ＴＨ_Bを更新する条件が満たされていると判断すると、閾値学習手段１４は閾値ＴＨ_Bを更新する（ステップＳＴ１０７）。閾値の更新は第１から第４の更新方法による。これにより、より正確に有無判定をすることができるようになる。なお、閾値ＴＨ_Aを更新するときに利用した変数ＵＰＤＡＴＥ_Aと区別するために、閾値ＴＨ_Bの更新ではＵＰＤＡＴＥ_Aに相当する変数をＵＰＤＡＴＥ_Bとする。

また、閾値学習手段１４は、ステップＳＴ１０７において次の方法で閾値ＴＨ_Bを更新しても良い。閾値ＴＨ_Bは秤値の変化量誤差が考慮された閾値であり、第１のパターンでエレベータが空になった可能性があるときに利用される。秤値の変化量誤差の量は変化量に依存するため、閾値ＴＨ_Bも変化量に応じて決まることが好ましい。閾値ＴＨ_BはＵＰＤＡＴＥ_Bから決まるため、閾値ＴＨ_Bが変化量に応じて決まるためにはＵＰＤＡＴＥ_Bが変化量に応じて決まらなければならない。変化量とは、“エレベータがある階に到着したときの補正後秤値”から“その階で降車が発生してエレベータが空になったと推定されたときの補正後秤値”を引いた値である。“その階で降車が発生してエレベータが空になったと推定されたときの補正後秤値”とはＵＰＤＡＴＥ_Bのことである。そのため、ＵＰＤＡＴＥ_Bが変化量に応じて決まるということは、ＵＰＤＡＴＥ_Bが“エレベータがその階で到着したときの補正後秤値”に応じて決まるということである。つまり、“エレベータがその階に到着したときの補正後秤値”によってＵＰＤＡＴＥ_Bが決まるように“エレベータがその階に到着したときの補正後秤値”の関数を用意する。そして、その関数が適時更新されることで閾値ＴＨ_Bも更新されることになる。ここで、“エレベータがその階で到着したときの補正後秤値”をＷ_arriveとする。なお、“エレベータがその階で到着したときの「補正後秤値」”は、“エレベータがその階で到着したときの「秤値」”から決まるので、閾値ＴＨ_Bは“エレベータがその階で到着したときの「秤値」”によって更新される、と言い換えても良い。

図３は、Ｗ_arriveに対するＵＰＤＡＴＥ_Bの変化を示すグラフである。今、ＵＰＤＡＴＥ_Bは（Ａ×Ｗ_arrive+Ｂ）によって決まるものとする。Ａ，Ｂの初期値は閾値学習手段１４が予め保持している。ここで、ｘ₁はエレベータの定格容量でエレベータ毎に既知であり、運行管理手段１６から取得する。ｙ₁は（Ａ×Ｗ_arrive+ Ｂ）から求めることができる。ｙ₂はＵＰＤＡＴＥ_Bの下限値であり、予め閾値学習手段１４が保持している。ｘ₂は（（ｙ₂−Ｂ）／Ａ）で求めることができる。前述の閾値ＴＨ_Bの閾値学習条件が満たされ、閾値学習手段１４が新たなＷ_arrive（ｘ₃）とそのときのＵＰＤＡＴＥ_B（ｙ₃）を取得したとすると、（ｘ₁、ｙ₁) 、（ｘ₂、ｙ₂）、（ｘ₃、ｙ₃）から最小二乗法を利用してＡとＢを更新する。更新されたＡとＢを、Ａ_new，Ｂ_newとする。そして、ステップＳＴ１０７において閾値学習手段１４は、ＵＰＤＡＴＥ_B=Ａ_new×Ｗ_arrive+Ｂ_newとしてＵＰＤＡＴＥ_Bを更新し、更新されたＵＰＤＡＴＥ_BからＷ_arrive（ｘ₃）のときの閾値ＴＨ_Bを決める。この閾値ＴＨ_Bを更新する方法を、第５更新方法とする。

すなわち、閾値学習手段１４は、現在階に到着した時の秤値にも基づいて降車閾値ＴＨ_Bを設定する。これにより、乗降車による秤値の変化量誤差を考慮して閾値を設定し、より正確に有無判定をすることができるようになる。

また閾値学習手段１４は、現在階に到着した時の秤値から降車閾値ＴＨ_Bを決めるための式を、現在階に到着した時の秤値に基づいて更新する。これにより、乗降車による秤値の変化量誤差を考慮して閾値を設定し、より正確に有無判定をすることができるようになる。

なお、上述の説明ではｘ₁をエレベータの定格容量とし、ｙ₁は式から求めることとしているが、ｙ₁を予め閾値学習手段１４が保持するＵＰＤＡＴＥ_Bの上限値としてもよい。この場合、ｘ₁はｙ₁と、式から求める。また、Ａ_newが０の値になった場合、ｘ₂は０とする。また、Ａ_newが０の値であり、ｘ₁をｙ₁（上限値）から決める場合も、ｘ₁をエレベータの定格容量とする。

また、第５更新方法では、新たに取得した到着時の秤値が、何らかの理由で極めて大きな／小さな値を示していた場合、Ａ_newやＢ_newも極めて大きな／小さな値へと変化してしまい、その結果、降車閾値ＴＨ_Bも極めて大きな／小さな値に設定されてしまう。そこで、最小二乗法によって求まった新しいＡやＢをそのまま更新後のＡ_newやＢ_newとして利用するのではなく、式（２）によってＡ_newやＢ_newを更新しても良い。

Ｂ_newも同様の式で決めることができる。このようにして閾値ＴＨ_Bを更新する方法を、第６更新方法とする。

すなわち、閾値学習手段１４は、現在階に到着した時の秤値Ｗ_arriveから降車閾値ＴＨ_Bを求めるための式を、過去の式に基づいて更新する。これにより、新たに取得した到着時の秤値が何らかの理由で極めて大きな／小さな値を示していたとしても、Ａ_newやＢ_newは緩やかに更新されるため、降車閾値ＴＨ_Bも緩やかに更新させることができ、より正確に有無判定をすることができるようになる。

また、図４は、縦軸が式（Ａ、Ｂ）を更新するときの到着時の補正後秤値の発生率、横軸が式（Ａ、Ｂ）を更新するときの到着時の補正後秤値のグラフの一例である。発生率は０〜１の値を選ぶ。図４によれば、到着時の補正後秤値は６０ｋｇ〜７０ｋｇである確率が最も高く、１人でエレベータに乗車するケースが多いことがわかる。第５更新方法では、到着したときの秤値から式（Ａ、Ｂ）を決めているため、ｘ₃ = ６５ｋｇ（大人１人の平均体重）付近の値で更新されることが多いことになる。ｘ₃ = ６５ｋｇ（大人１人の平均体重）付近の値での更新頻度が高いほど、それ以外のｘ₃の値を用いた更新の影響が小さくなってしまい、必ずしも好適なＡ_newやＢ_newに収束しなくなってしまうことがある。そこで、式（３）を用いてＡ_newやＢ_newを更新しても良い。

Ｅ₁は、“今回計算で求めたＡ”を求めるときに用いた到着時の補正後秤値ｘ₃の発生率を利用する。Ｅ₂は、“前回計算で求めたＡ”を求めるときに用いた到着時の補正後秤値ｘ₃の発生率を利用する。Ｅ₃以降も同じ要領で求める。Ｂ_newも同様の式で決めることができる。こうすることで、発生率の高いｘ₃を用いて計算されたＡやＢが、“更新後のＡ_new”や“更新後のＢ_new”に及ぼす影響を抑えることができ、より好適なＡ_newやＢ_newに収束させることができ、より正確に有無判定をすることができるようになる。各“到着時の補正後秤値ｘ₃の発生率”は、予め閾値学習手段１４が保持しているものとする。このようにして閾値ＴＨ_Bを更新する方法を、第７更新方法とする。

なお、第７更新方法では、各“到着時の補正後秤値ｘ₃の発生率”は、予め閾値学習手段１４が保持することとしている。しかしながら、ハードウェアの演算メモリや記憶容量など演算リソースの有効活用によってコスト削減するためには、閾値学習手段１４に各“到着時の補正後秤値ｘ₃の発生率”を保持させておくのは得策ではない。そこで、閾値学習手段１４は、各“到着時の補正後秤値ｘ₃の発生率”を求めるための式を予め保持しておいても良い。例えば、図４の到着時の補正後秤値ｘ₃の発生率が、正規分布に従っていると仮定すると、到着時の補正後秤値ｘ₃の発生率ｆ（ｘ₃）は、式（４）で求めることができる。

この式中のμは平均体重であり、σは標準偏差の値を示す。ｅは自然対数の底である。図４では、μを６５ｋｇ、標準偏差を１０としたときの正規分布を示している。この正規分布の値を、“到着時の補正後秤値ｘ₃の発生率”として使用しても良い。必ずしも、μ＝６５ｋｇ，σ＝１０である必要はない。μとσは予め閾値学習手段１４に保持されているものとする。こうすることで、少ない演算リソースでより正確に有無判定をすることができるようになる。なお、ここでは正規分布に従うものとして式を作成しているが、特に正規分布に限定しない。“到着時の補正後秤値ｘ₃の発生率”をｘ₃の式としておくことで、同様の効果を得ることができる。このようにして閾値ＴＨ_Bを更新する方法を、第８更新方法とする。

すなわち、閾値学習手段１４は、現在階に到着した時の秤値Ｗ_arriveから降車閾値ＴＨ_Bを求めるための式を、現在階に到着した時の秤値Ｗ_arriveの発生率にも基づいて更新する。より好適な式に更新することによって、より正確に有無判定をすることができるようになる。

また、閾値学習手段１４は、現在階に到着した時の秤値Ｗ_arriveに基づいて、秤値Ｗ_arriveの発生率を設定する。こうして設定した発生率に基づきより好適な式に更新することによって、より正確に有無判定をすることができるようになる。

また、式（５）からＡ_newを求めることにより、第６更新方法と、第７もしくは第８更新方法を併用することができる。

Ｂ_newも同様の式で決めることができる。こうすることで、第６〜第８更新方法の両効果を奏することができる。

なお、上述の説明では、Ｗ_arriveから（Ａ×Ｗ_arrive+Ｂ）を用いてＵＰＤＡＴＥ_Bを求めるとしているが、ＵＰＤＡＴＥ_Bを求める式を到着時の方向別に用意しても良い。例えば、ＵＰ方向で現在階に到着したときの補正後秤値Ｗ_{arrive_UP}から（Ａ_UP×Ｗ_{arrive_UP}+Ｂ_UP）を用いてＵＰＤＡＴＥ_{B_UP}を求めても良い。式（Ａ_UP、Ｂ_UP）は、ＵＰ方向で現在階に到着した時の秤値から第５〜第８更新方法と同様に求めることができる。ＤＯＷＮ方向についても同様に求めることができる。

すなわち、閾値学習手段１４は、現在階に到着した時の秤値Ｗ_arriveから降車閾値ＴＨ_Bを求めるための式を、現在階に到着した時の方向にも基づいて更新する。これにより、より正確に有無判定をすることができる。

なお、上述の説明では、ＵＰＤＡＴＥ_Bは（Ａ×Ｗ_arrive+Ｂ）の１次式によって決まるものとしているが、２次以上の多次の式で決まることとしても良い。例えば、２次式である場合、ＵＰＤＡＴＥ_Bは（Ａ×Ｗ_arrive ²＋Ｂ×Ｗ_arrive＋Ｃ）で決まる。（ｘ₁、ｙ₁）、（ｘ₂、ｙ₂）、（ｘ₃、ｙ₃）から最小二乗法を利用してＡとＢとＣを更新しても良い。これにより、より正確に有無判定をすることができる。

有無検知手段１５はステップＳＴ１０８においてエレベータ内の乗客有無を検知するが、エレベータが第１のパターンで空になったのか第２のパターンで空になったのかを判別し、それに応じて閾値を使い分ける。有無検知手段１５は、補正手段１３から補正後秤値を取得し閾値学習手段１４から閾値ＴＨ_AとＴＨ_Bを取得する。そして、第１のパターンでエレベータが空になっている可能性があると判断すると、補正後秤値＜ＴＨ_Bならば“無”と判定し、それ以外は“有”と判定する。あるいは、補正後秤値≦ＴＨ_Bならば“無”と判定し、それ以外は“有”と判定する。ここで等号を含むか含まないかは、ステップＳＴ１０７での閾値の更新方法に依存する。また、第１のパターンでエレベータが空になっている可能性があると判断されなかった場合は、前述のとおり閾値ＴＨ_Aと補正後秤値を比較して、有無判定を行う。

次に、有無検知手段１５がステップＳＴ１０８において、第１のパターンでエレベータが空になっている可能性があると判断する方法について説明する。まず、エレベータが現在階で空になるためには現在階で降車が検知されなければならない。また、降車が検知された後に乗車が検知されてはいけない。すなわち、現在階に停止後、乗客の降車動作が検知された後は、有無検知手段１５は第１のパターンでエレベータが空になっている可能性があると判断し、閾値ＴＨ_Bと補正後秤値を比較して有無判定を行う。しかし、その後に乗客の乗車動作が検知された後は、閾値ＴＨ_Aと補正後秤値を比較して有無判定を行う。以下、ステップＳＴ１０８において、乗客の乗降動作を検知する動作について説明する。

乗降検知手段１７は、乗客の乗車／降車動作を検知する。図５（ａ）のグラフは横軸に時刻ｔ（ｉ）、縦軸にエレベータの積載重量Ｗ（ｉ）をとり、計測手段１１が計測した積載重量Ｗの時系列変化を示している。ここでグラフの所定の期間［ｔ（ｉ），ｔ（ｉ−ｘ）］に着目すると、この期間に積載重量Ｗが減少していることが分かる。乗降検知手段１７は、Ｗ（ｉ）−Ｗ（ｉ−ｘ）＜Ｙ₁を満たすとき、図５（ｂ）に示すように［ｔ（ｉ），ｔ（ｉ−ｘ）］においてエレベータから乗客が降車中であると検出する。ｉはサンプリング番号であり自然数である。ｘは変数であり自然数である。ｔ（ｉ）−ｔ（ｉ−１）は、計測手段の計測周期である。前記Ｙ₁は予め定める閾値である。また、Ｗ（ｉ）−Ｗ（ｉ−ｘ）＞Ｙ₂を満たすとき、［ｔ（ｉ），ｔ（ｉ−ｘ）］は乗車中であると検出する。前記ｘ，Ｙ₁，Ｙ₂は、予め乗降検知手段１７によって保持されているものとする。この方法によれば、ｔ（ｉ）にて降車が検知され始めたことになるため、有無判定手段１５はｔ（ｉ）以降、閾値ＴＨ_Bと補正後秤値を比較して有無判定を行う。なお、それまでは閾値ＴＨ_Aと補正後秤値を比較して有無判定を行っている。また、降車が検知された後に乗車が検知されると、その時点から閾値ＴＨ_Aと補正後秤値を比較して有無判定を行う。また、エレベータが出発して別の階へ移動・停止した場合、移動先で降車が検知されるまでは、閾値ＴＨ_Aと補正後秤値を比較して有無判定を行う。これにより、より正確に有無判定をすることができるようになる。なお、エレベータが走行中は乗客の乗降は発生しないため、有無判定を行う必要がない。走行中の乗客の有無は、出発直前に行われた有無判定の結果と同じである。

また、ステップＳＴ１０８において乗降検知手段１７は、次の方法で乗客の乗降動作を検知しても良い。図６（ａ）は、横軸に時刻ｔ、縦軸にエレベータの積載重量Ｗをとり、計測手段１１が計測した積載重量Ｗの時系列変化を示すグラフである。図６（ｂ）は、横軸に時刻ｔ、縦軸に積載重量Ｗの時系列変化から演算される時間差分データＷ_diffを取り、積載重量Ｗの時間差分データＷ_diffの時系列変化を示すグラフである。乗降検知手段１７は、計測手段１１から積載重量Ｗ（ｉ）を取得し、式（６）を用いて時間差分データＷ_diff（ｉ）を演算する。

式（６）においてΔｉは差分間隔を表す。時間差分データＷ_diff（ｉ）は、積載重量が減少するとマイナスの値を示し、積載重量が増加するとプラスの値を示し、積載重量に変化がないと零の値を示す特性がある。そこで乗降検知手段１７は、時間差分データＷ_diff（ｉ）がマイナスの値を示してから再び零以上の値を示すまでの期間［ｔ（ｉ），ｔ（ｉ−ｘ）］に降車が発生していると検出し、ｔ（ｉ）以降、有無検知手段１５は閾値ＴＨ_Bを利用して有無判定を行う。また乗降検知手段１７は、時間差分データＷ_diff（ｉ）がプラスの値を示してから再び零以下の値を示すまでの期間を乗車中と検出する。これにより、より正確に乗降動作を検知することができ、その結果、より正確に有無判定をすることができるようになる。

ところで、積載重量Ｗのデータは図７（ａ）に示すように数値ノイズを持つことがある。その結果、図７（ｂ）のように時間差分データＷ_diffにも数値ノイズが発生し、乗降動作を誤検知してしまうことがある。そこで、次のような対策を施してもよい。例えば乗降検知手段１７は、図７（ｂ）に示すように時間差分データＷ_diffが時刻ｔ（ｉ）にマイナス値を示してから時刻ｔ（ｉ＋ｘ）に再び０以上の値を示すと、時刻ｔ（ｉ）〜ｔ（ｉ＋ｘ）の間の時間差分データＷ_diffの値の合計の絶対値を計算する。そして、絶対値が閾値Ｗ_judge以下の値であった場合、時刻ｔ（ｉ）〜ｔ（ｉ＋ｘ）の間の時間差分データＷ_diffの値はノイズであると判断して０へ変換する。図７は乗車の場合を示したが、降車の場合は時間差分データＷ_diffがマイナスの値を示すので、例えば時刻ｔ（ｉ）に時間差分データＷ_diffが０より小さな値を示してから時刻ｔ（ｉ＋ｘ）に再び０以上の値を示すと、時刻ｔ（ｉ）〜ｔ（ｉ＋ｘ）の間の時間差分データの値の合計の絶対値を演算し、絶対値が閾値Ｗ_judge以下の値であった場合、時刻ｔ（ｉ）〜ｔ（ｉ＋ｘ）の間の時間差分データＷ_diffの値はノイズであると判断して０へ変換する。閾値Ｗ_judgeは予め乗降検知手段１７に保存されているものとする。これにより、より正確に乗降動作を検知することができ、その結果、より正確に有無判定をすることができるようになる。

計測手段１１は一定周期で積載重量Ｗを計測している。そのため、ステップＳＴ１０８までの動作が終了するとステップＳＴ１０１から動作を再開する。ただし、常に乗客有無を検知する必要がない場合、ステップＳＴ１０２からステップＳＴ１０８の各動作の内、必要に応じて全てあるいは一部の動作を省略しても良い。また、計測手段１１が一定周期で積載重量Ｗを計測しているとすると、その他の各手段で用いる秤値は、そのときの計測された瞬時値ではなく、そのときに計測された秤値とそこから一定期間過去の間に計測された秤値の平均値を利用しても良い。これにより、エレベータやロープの振動によって生じる秤値の微振動の影響による有無検知精度の低下を軽減することができる。

また、図２では、ステップＳＴ１０６とステップＳＴ１０７にて閾値を更新してから、ステップＳＴ１０８にて更新された閾値を利用して有無判定を行うとしているが、動作の順序は問わないものとする。例えば、ステップＳＴ１０５の後で、今の閾値を利用してステップＳＴ１０８と同様の動作を行い、有無判定を実施し、その後、ステップＳＴ１０６とステップＳＴ１０７の動作によって閾値を更新しても良い。

また、図２では、ステップＳＴ１０４にて秤値の補正量／補正式を更新しステップＳＴ１０５にて秤値を再補正した後、ステップＳＴ１０８にて補正後秤値を利用して有無判定を行うとしているが、補正量／補正式の更新と有無判定動作の順序は問わないものとする。例えば、今の補正量や補正式を利用して秤値を補正し、補正後秤値を利用してステップＳＴ１０８と同様の動作で有無判定を行った後に、ステップＳＴ１０３とステップＳＴ１０４と同様の動作を行い秤値の補正量や補正式を更新しても良い。

＜効果＞
秤値を補正したとしても、その誤差を完全に除去することは難しい。また、その誤差量は、秤装置の設置環境や経年変化に依存するため、全てのエレベータに対して同じ閾値を適用すると、精度良く有無判定を行うことが難しかった。しかし、実施の形態１の乗客有無検知装置１は、停止時のエレベータの積載重量を秤値として計測する計測手段１１と、エレベータの運行を管理し、その状態信号を出力する運行管理手段１６と、秤値とエレベータの状態信号に基づき、秤値の補正量や補正量を算出する補正式を更新する補正学習手段１２と、補正学習手段で更新された補正量と補正式に基づき、秤値を補正後秤値として補正する補正手段１３と、エレベータ内が空であると推定される際の秤値とエレベータの状態信号に基づき閾値を設定／更新する閾値学習手段１４と、補正後秤値と閾値を比較して、エレベータ内の乗客の有無を判定する有無検知手段１５と、を備えることにより、閾値を適切な値に自動更新し、正確な乗客の有無検知を行う事が出来る。また、エレベータの保守作業員が個別に閾値を設定するという作業を省力化することができる。

さらに、閾値学習手段１４は、エレベータ内が空であると推定される際の補正後秤値である空補正後秤値を継続して取得し、その最大値に基づいて閾値を更新することを特徴とする。これにより、より正確に有無判定を行うことができるようになる。

また、閾値学習手段１４は、空補正後秤値の最大値を取得した際と同一のエレベータの位置においてエレベータ内が空であると推定された場合に、そのときの前記空補正後秤値に基づいて閾値を更新することを特徴とする。よって、これまで取得してきた空補正後秤値の中で最も大きな値であった空補正後秤値が、経年変化などの理由によって小さな値になった場合、それに応じて空補正後秤値と閾値ＴＨ_Aもより小さな値へ更新される。

さらに、閾値学習手段１４は、過去の閾値にも基づいて閾値を更新する。よって、新たに取得した空補正後秤値が、何らかの理由で極めて大きな／小さな値を示していたとしても、緩やかにＵＰＤＡＴＥ_Aが更新されるので、閾値ＴＨ_Aも緩やかに変化させることができるようになる。これにより、より正確に有無判定をすることができるようになる。

また、閾値学習手段１４は、閾値が所定期間内に更新されなかった場合に閾値を所定値分小さな値に更新する。これにより閾値の高止まりを避け、より正確に有無判定をすることができるようになる。

さらに、閾値学習手段１４において、現在階で乗客が降車したことによりエレベータ内が空であると推定される際の秤値とエレベータの状態信号に基づき設定される閾値を降車閾値ＴＨ_Bとすると、有無検知手段１５は、現在階で乗客が降車したことによりエレベータ内が空であると推定される際に、降車閾値ＴＨ_Bを用いて乗客の有無を判定する。これにより、より正確な乗客の有無判定が行える。

また、閾値学習手段１４は、現在階に到着した時の秤値にも基づいて降車閾値ＴＨ_Bを設定する。これにより、乗降車による秤値の変化量誤差を考慮して閾値を設定し、より正確に有無判定をすることができるようになる。

さらに、閾値学習手段１４は、現在階に到着した時の秤値から降車閾値ＴＨ_Bを決めるための式を、現在階に到着した時の秤値に基づいて更新する。これにより、乗降車による秤値の変化量誤差を考慮して閾値を設定し、より正確に有無判定をすることができるようになる。

また、閾値学習手段１４は、現在階に到着した時の秤値Ｗ_arriveから降車閾値ＴＨ_Bを求めるための式を、過去の式に基づいて更新する。これにより、新たに取得した到着時の秤値が何らかの理由で極めて大きな／小さな値を示していたとしても、Ａ_newやＢ_newは緩やかに更新されるため、降車閾値ＴＨ_Bも緩やかに更新させることができ、より正確に有無判定をすることができるようになる。

さらに、閾値学習手段１４は、現在階に到着した時の秤値Ｗ_arriveから降車閾値ＴＨ_Bを求めるための式を、現在階に到着した時の秤値Ｗ_arriveの発生率にも基づいて更新する。より好適な式に更新することによって、より正確に有無判定をすることができるようになる。

また、閾値学習手段１４は、現在階に到着した時の秤値Ｗ_arriveに基づいて、秤値Ｗ_arriveの発生率を設定する。こうして設定した発生率に基づきより好適な式に更新することによって、より正確に有無判定をすることができるようになる。

さらに、閾値学習手段１４は、現在階に到着した時の秤値Ｗ_arriveから降車閾値ＴＨ_Bを求めるための式を、現在階に到着した時の方向にも基づいて更新する。これにより、より正確に有無判定をすることができる。

（実施の形態２）
＜構成＞
本実施の形態の人数検知装置は、実施の形態１の乗客有無検知装置１を利用するものであり、乗客有無検知装置１がエレベータ内に乗客が居ると判定した場合に、乗客が１人なのか、複数人なのかを推定する。

図８は、実施の形態２に係る人数検知装置２の構成を示すブロック図である。人数検知装置２は、乗客有無検知装置１、人数検知手段２１、ドア計測手段２２を備える。乗客有無検知装置１は、前述の通り実施の形態１の乗客有無検知装置と同じであり、その構成要素である各手段は、本実施の形態の人数検知装置２にも含まれているものとする。乗客有無検知装置１に含まれる計測手段１１を除き、各手段はマイクロコンピュータ上のソフトウェアによって構成されている。

人数検知手段２１は、計測手段１１が計測したエレベータの積載重量と乗客有無検知装置１の有無検知結果を基に、エレベータ内の乗客が０人か１人か２人以上かを検知する。

すなわち、実施の形態２に係る人数検知装置は、実施の形態１の乗客有無検知装置と、乗客有無検知装置から乗客有無検知結果と秤値を受け、これらに基づき前記エレベータの乗客数を検知する人数検知手段と、を備える。乗客有無検知装置が“無”と判定した場合に人数検知手段が乗客数を０にすれば、繰り返し乗車数や降車数を検知することによる検知精度の低下を防ぐことが出来る。

＜動作＞
次に、人数検知装置２の動作について記載する。図９は、本実施の形態に係る人数検知装置２の動作を示すフローチャートである。図９に示すステップＳＴ２０１からステップＳＴ２０８までの動作は、図２に示すステップＳＴ１０１からステップＳＴ１０８までの動作と同一であるため説明を省略し、それ以降の動作について説明する。

ステップＳＴ２０９において、人数検知手段２１は計測手段１１から秤値、あるいは補正手段１３から補正後秤値を取得し、その時間差分データを演算する。図１０は、エレベータが停止して完全戸開中に２人が乗車し、その後２人が降車したときの積載重量の時系列変化を示すグラフである。人数検知手段２１は、取得した積載重量Ｗ（ｉ）から実施の形態１で示した式（６）を用いて、時間差分データＷ_diff（ｉ）を演算する。あるいは、実施の形態１の乗降検知手段１７から時間差分データＷ_diff（ｉ）を取得しても良い。図１１は、図１０に示した積載重量Ｗのデータから演算した時間差分データＷ_diffの時系列変化を示す図である。

次いで人数検知手段２１は、乗降人数を推定する条件が満たされた場合に、演算した時間差分データから乗降人数を推定する（ステップＳＴ２１０）。乗降人数を推定する条件とは、時間差分データＷ_diffがプラスの値から０以下の値へ遷移すること、あるいは時間差分データＷ_diffの値がマイナスの値から０以上の値へ遷移すること、である。時間差分データＷ_diffは、Δｉの間に積載重量Ｗに変化がない場合０の値を示すので、乗降行為が終了して積載重量が変化しなくなると０の値を示す。したがって、図１１のグラフにおいて１つの凸型波形が１回の乗降動作を示している。

乗降人数を推定する条件が満たされると、人数検知手段２１は時間差分データＷ_diffから乗降人数を演算する。図１２は、モデル波形Ｗ_m（ｉ）の時系列変化を示すグラフである。人数検知手段２１は予め図１２に示されるようなモデル波形Ｗ_m（ｉ）を保持し、そのモデル波形Ｗ_m（ｉ）を時間軸方向に走査して、図１１に示した時間差分データＷ_diff（ｉ）の波形とモデル波形Ｗ_m（ｉ）との形状の類似度を表す式（７）に示される正規化相互相関関数ｚ（τ）を算出する。

ここで、τは基準となる時刻ｔ（ｉ）からのずれ量を示し、Ｗ_m（バー）標準モデルの時間差分データＷ_m（ｉ）の平均を示し、Ｗ_diff（バー）は受信した時間差分データＷ_diff（ｉ）の平均を示す。基準となる時刻は任意に選択することができ、例えば現在のｔ（ｉ）でも良い。そして、相互相関関数ｚ（τ）の値が予め定める閾値Ｓ_overlap以上となった回数を、１つの凸型波形の人数とする。Ｓ_overlapは、予め人数検知手段２１が保持しているものとする。凸型波形がプラスの値の場合は乗車人数であり、マイナスの場合は降車人数になる。凸型波形がマイナスの場合は、モデル波形Ｗ_m（ｉ）もマイナスの値に変換してから相互相関関数ｚ（τ）を演算すればよい。この乗降人数を演算する方法を乗降人数検知方法１とする。

そして人数検知手段２１は、有無検知装置１から取得する有無判定結果とステップＳＴ２１０で演算した乗降人数から、エレベータ内の乗客が０人か、１人か、２人以上かを判定する（ステップＳＴ２１１）。有無検知装置１から習得する有無判定結果が“無”であれば、更新後のエレベータ内の乗客は０人と判定する。有無判定結果が“有”であれば、エレベータ内の人数を式（８）から算出する。

もし、ステップＳＴ２１０において、乗降人数を推定する条件が満たされており、乗車人数が検知された場合は、降車人数は０人になる。逆に降車人数が検知された場合は、乗車人数は０人になる。乗車人数も降車人数を検知されていない場合は、エレベータ内の人数に変化は無い。

更新後のエレベータ内の人数が１人である場合、人数検知手段２１はエレベータ内の人数を１人と判定する。更新後のエレベータ内の人数が２人以上である場合、人数検知手段２１は、エレベータ内の人数を２人以上と判定する。

ステップＳＴ２１０において人数検知手段２１は、乗降人数検知方法１とは異なる次の方法で乗降人数を検知しても良い。例えば、図１１の時間差分データＷ_diff（ｉ）の０以上の値において、図中に示すＣの位置に閾値を設定する。そして、時間差分データＷ_diff（ｉ）が閾値以上になった回数を乗車人数とする。Ｃの位置に閾値を設定した場合Ｗ_diffがＣ以上となる回数は２回あり、通過人数は２人と推定される。閾値を時間差分データＷ_diff（ｉ）の０以下の値に設定する場合は、時間差分データＷ_diff（ｉ）が閾値以下になった回数を降車人数とする。このような人数検知方法によれば、乗降人数検知方法１のようにモデル波形Ｗ_m（ｉ）を予め保存しておく必要がなく、モデル波形Ｗ_m（ｉ）との類似度を演算する必要がないため、使用する演算リソース量を少なくすることができる。この乗降人数を演算する方法を、乗降人数検知方法２とする。

また、ステップＳＴ２１０において人数検知手段２１は、乗降人数検知方法１及び２とは異なる次の方法で乗降人数を検知しても良い。図１１の時間差分データＷ_diff（ｉ）の０以上の値において、閾値を複数、例えば図１１に示すように６つの閾値Ａ〜Ｆを設定する。そして、時間差分データＷ_diff（ｉ）が閾値以上になった回数（乗車人数の推定候補）を閾値毎に数える。そして、各乗車人数の推定候補になった数（カウント値）を数えると、図１３に示すような表が完成する。このとき、乗車人数が２人と推定されたのは閾値６個中４個と最も多いため、乗車人数を２人とする。時間差分データＷ_diff（ｉ）の０以下の値において閾値を複数設定した場合も同様にして降車人数を決定する。このような方法によれば、乗降人数検知方法１のようにモデル波形Ｗ_m（ｉ）を予め保存しておく必要がなく、モデル波形Ｗ_m（ｉ）との類似度を演算する必要がないため、使用する演算リソース量を少なくすることができる。さらに、乗降人数検知方法２では１つの閾値の設定次第で人数検知結果が変動するが、この乗降人数検知方法では複数の閾値を設定するため乗降人数検知方法２よりも精度良く人数を検出することができる。この乗降人数検知方法を乗降人数検知方法３とする。

また、ステップＳＴ２１０において人数検知手段２１は、乗降人数検知方法１〜３とは異なる次の方法で乗降人数を検知しても良い。図１４は、ドア計測手段の一例としてドア２３の近傍に設けられる光電センサ２４を示す図である。例えば、ドア計測手段２２は１つまたは複数個の光電センサ２４の発光素子と受光素子によって構成されており、ドア２３を人が通過すると図１５（ａ）に示すような感知結果が得られる。図１５（ａ）において横軸は時刻、縦軸はセンサ設置位置を示している。ここで、光電センサ２４の設置位置に所定の範囲Ｐ_n（ｎは自然数）を設ける。たとえば範囲Ｐ₁において、Ｎ₁（Ｎ₁は自然数）個以上の光電センサ２４がＭ₁（Ｍ₁は自然数）回連続して感知することを通過開始条件Ｓ₁とする。また、所定の範囲Ｐ₂において、Ｎ₂（Ｎ₂は自然数）個以上の光電センサ２４がＭ₂（Ｍ₂は自然数）回連続して感知しなかったことを通過終了条件Ｅ₁とする。範囲Ｐ₁およびＰ₂は必ずしも同一の範囲である必要はない。通過開始条件Ｓ₁が満たされてから、通過終了条件Ｅ₁が満たされるまでの間に利用者が通過したと判断し、通過人数を１人と検出する。

また、全センサの感知結果を累積し、その累積数から通過人数を推定しても良い。図１５（ｂ）は、ある時刻における光電センサ２４の感知結果の累積数を示す図である。横軸は時刻、縦軸は感知結果累積数を示している。ここで、感知結果累積数にも所定の範囲Ｑ_n（ｎは自然数）を設け、例えば所定の範囲Ｑ₁においてＮ₃（Ｎ₃は自然数）個以上の光電センサ２４が、Ｍ₃（Ｍ₃は自然数）回連続して感知した場合を通過開始条件Ｓ₂とする。また、たとえば所定の範囲Ｑ₂において、Ｎ₄（Ｎ₄は自然数）個以上の光電センサ２４がＭ₄（Ｍ₄は自然数）回連続して感知しなかった場合を通過終了条件Ｅ₂とする。範囲Ｑ₁およびＱ₂は必ずしも同一の範囲である必要はない。通過開始条件Ｓ₂が満たされてから、通過終了条件Ｅ₂が満たされるまでの間に利用者が通過したと判断し、通過人数を１人と推定する。

通過人数を推定するにあたり、２つの通過開始条件Ｓ₁，Ｓ₂のいずれか一方を適用してもよいし、両方適用してもよい。また２つの通過終了条件Ｅ₁，Ｅ₂のいずれか一方を適用してもよいし、両方適用してもよい。Ｐ_n，Ｑ_n，Ｎ_n，Ｍ_n（ｎは自然数）は人数検知手段２１によって保持されているものとする。ただし、ドア計測手段２２は通過人数を検知できるが、それが乗車か降車かを判断することはできないため、実施の形態１の乗降検知手段１７がステップＳＴ１０８で行う方法によって、すなわち計測手段１１から秤値を取得し、積載重量Ｗの変化を調べることによって乗車か降車かを判定する。

そして人数検知手段２１は、ドア計測手段２２が検知した通過人数と積載重量Ｗの変化から得た乗車・降車の判定結果とを突合わせ、換言すればマッチングさせて乗車人数と降車人数とを出力する。以下、通過人数と乗車・降車の判定結果とを突合わせる方法について説明する。図１６（ａ）はドア計測手段２２が通過人数を検知した結果を示す図であり、図１６（ｂ）は積載重量の変化から乗車／降車の別を検知した結果を示した図である。人数検知手段２１は、降車中であると推定されている期間［ｔ（ｉ），ｔ（ｉ−ｘ）］に通過人数が１人と推定されている場合、当該期間の降車人数を１人と出力する。しかし、通過人数を推定するドア計測手段２２と進行方向を推定する計測手段２１とはセンサ系列が異なるため、互いの時系列データに時間差が生じ、降車中であると推定されている期間［ｔ（ｉ），ｔ（ｉ−ｘ）］に通過人数が１人と推定されるとは限らない。

そこで本実施の形態では、通過人数の出力時刻の進行方向が仮に不明（以下「不」という）である場合、通過人数の出力時刻を±Ｚ（Ｚは自然数）の範囲でずらすことによって、乗車・降車の判定結果が乗車方向（以下「乗」という）、または降車方向（以下「降」という）と一致するか否かを探索する。探索した結果、「降」と一致した場合は、降車人数を１人と出力する。

仮に、通過人数の出力時刻を±Ｚの範囲でずらしても進行方向結果が「乗」または「降」と一致しない場合は、予め人数検知手段２１に保持されているルールに沿って、乗車人数をＮ（Ｎは自然数）人、降車人数をＭ（Ｍは自然数）人と出力する。

本実施の形態では、図１６において通過人数の出力時刻の進行方向が仮に「不」である場合、通過人数の出力時刻を±Ｚの範囲でずらす例を説明したが、乗車・降車の判定結果の出力期間［ｔ（ｉ），ｔ（ｉ−ｘ）］を±Ｚの範囲でずらしても同様の効果が得られる。変数Ｚは、人数検知手段２１によって保持されているものとする。この乗降人数検知方法を、乗降人数検知方法４とする。

すなわち、人数検知装置２はエレベータのドアを通過する人数を検知するドア計測手段２２を備え、人数検知手段２１は、ドア計測手段２２が検知した通過人数と、乗客有無検知装置１の乗客有無検知結果と秤値に基づきエレベータの乗客数を検知する。これにより、乗客数を正確に検知することが出来る。

なお、図１４に示したドア２３は、２枚のドア部分すなわち第１のドア部分２３ａと第２のドア部分２３ｂとで構成され、第１のドア部分２３ａ、第２のドア部分２３ｂがそれぞれドア中央部から各両端部へ移動することによってドア２３が開く構造となっているが、このようなドアに限定されない。例えばドア２３は、１枚のドア部分によって構成され、この１枚のドア部分が出入口の一端部から他端部へ移動することで、ドア２３が開く構造であってもよい。

また、２枚のドア部分すなわち第１及び第２のドア部分２３ａ，２３ｂは、必ずしもそれぞれ１枚の矩形板状部材で構成されていなくてもよい。例えば第１及び第２のドア部分２３ａ，２３ｂは、それぞれ２枚以上の複数枚の矩形板状部材によって多段に構成され、第１のドア部分２３ａと第２のドア部分２３ｂとがドア中央部から各両端部へ移動するにあたり、複数枚の矩形板状部材が重なり合いながら移動するようにドア２３を開くものであってもよい。同様に、ドア２３が１枚のドア部分によって構成される場合、１枚のドア部分は必ずしも１枚の矩形板状部材で構成されていなくてもよく、例えば２枚以上の複数枚の矩形板状部材によって多段に構成され、１枚のドア部分が一端部から他端部へ移動するにあたり、複数枚の矩形板状が重なり合いながら移動するようにドア２３を開くものであってもよい。

また、図１４では光電センサ２４をドア２３の近傍に複数個並べて設けているが、図１４は平易に説明するための模式図に過ぎず、光電センサ２４は乗場側とエレベータ側のどちらに設置されていてもよい。また光電センサ２４は、必ずしも乗場側やエレベータ側の目視可能な位置に設置する必要はない。一般的にエレベータのドア２３は、乗場側のドアとエレベータ側のドアとによって構成されるが、この場合に光電センサ２４は、乗場側のドアとエレベータ側のドアとの間に設置されていてもよい。また光電センサ２４は、必ずしも各乗場に１つずつ設置する必要はなく、エレベータ側のドアに装着されることによってエレベータの移動と共に移動し、各階で乗客の乗り降りを計測できるようにしてもよい。

また、光電センサ２４は、一般的に発光端子と受光端子とによって構成されるが、発光および受光の各端子は必ずしも１対１に対応している必要はない。１つの発光端子から広角に発射されたビームを複数の受光端子が受光することにより、複数の計測結果を測定することも可能であり、そのような光電センサ２４を用いても本発明を実施することは可能である。

複数人が横並びの状態で乗車すると、乗降人数検知方法１〜３では時間差分データの凸型波形は１つしか形成されないことにより、乗車人数を１人であると誤検知する可能性がある。乗降人数検知方法４においても、複数人が横並びで乗車した場合の感知結果は一人が乗車した場合の感知結果と似ており、乗車人数を過少に検知してしまう可能性がある。複数人が横並びで降車する場合も同様の問題が生じる。そこで、次のような補正を施してもよい。図１７（ａ）は、約１１０ｋｇ相当の物体が乗車したときの積載重量Ｗの時系列変化を示すグラフであり、図１７（ｂ）は、積載重量Ｗの時間差分データＷ_diffの時系列変化を示すグラフである。時間差分データＷ_diffには、１つの凸型波形の合計値の絶対値が積載重量Ｗの変化量と等しくなるという特性がある。すなわち、積載重量Ｗが約１１０ｋｇ増加したとき、時間差分データＷ_diffの凸型波形の合計値（積分値）は約１１０ｋｇになる。そこで、人数検知手段２１は、１人の体重と想定される積載重量Ｗの閾値Ｗ_totsu1を設定し、凸型波形の積分値の絶対値が閾値Ｗ_totsu1以上である場合に最少の乗車／降車人数を２人とする。つまり、人数検知手段２１は上記の場合に１つの凸型波形から演算される乗車／降車人数の最小値を２以上とし、仮に乗降人数検知方法１〜４のいずれかによって乗車／降車人数が１人以下と評価されたとしても、乗車／降車人数を２人と数える。なお、最少の乗車／降車人数を３人とするための閾値Ｗ_totsu2、４人とするための閾値Ｗ_totsu3、５人とするための閾値Ｗ_totsu4、…など、閾値を複数個用意しても良い。各閾値は予め人数検知手段２１に保持されているものとする。

また、上記補正方法を利用すれば、人数検知手段２１はエレベータ内の人数を多め／少なめに数えることができる。例えば、上述の補正を乗車人数の算定のみに行い降車人数は補正なしで算定すれば、乗車人数を多めに数えていることになり、式（８）によって算出されるエレベータ内の人数が多めに算出されることになる。逆に、上述の補正を降車人数の算定のみに行い乗車人数は補正なしで算定すれば、降車人数を多めに数えていることになり、式（８）によって算出されるエレベータ内の人数が少なめに算出されることになる。

すなわち、人数検知手段２１は、秤値の時間差分データの凸型波形を積分し、積分値に応じて乗車人数及び降車人数を検知することによりエレベータの乗客数を検知する手段であって、積分値が所定の閾値以上であれば、乗車人数と降車人数のいずれか一方の最小値を２以上とする。これにより、エレベータの乗客数を多めあるいは少なめにカウントすることが出来る。

ステップＳＴ２１１において人数検知手段２１は、有無検知装置１から取得する有無判定結果が“無”であった場合にエレベータ内の乗客を０人と判定するが、毎回有無判定結果を取得する必要はない。エレベータ内の乗客有無が“有”から“無”へ変化するタイミングは、戸開中かつ降車を検知したときである。そこで、ステップＳＴ２１０にて降車を検知したときのみ、人数検知手段２１は有無検知装置１から有無判定結果を取得して、エレベータ内の乗客人数の検知結果に反映させても良い。あるいは、エレベータの完全戸閉後に有無判定結果を取得して、エレベータ内の乗客の人数に反映させても良い。あるいは、降車が検知された後の完全戸閉後に有無判定結果を取得して、エレベータ内の乗客の人数に反映させても良い。

また、エレベータ内の人数を、式（８）を用いて乗降人数の加減算から算出する場合、例えば１回の乗車／降車動作による乗車／降車人数の検知精度が９０％であったとすると、乗降動作を５回繰り返した後のエレベータ内の人数の検知精度は９０％の５乗＝約６０％となる。このように、検知精度は乗降動作を繰り返す度に低下する。しかし、人数検知手段２１はステップＳＴ２１１において有無検知装置１から取得する有無判定結果が“無”であった場合に、更新後のエレベータ内の乗客を０人に再設定することで、再び１回の乗車／降車動作による乗車／降車人数の検知精度まで回復する。そこで、ステップＳＴ２１１において人数検知手段２１は、有無検知装置１から取得する有無判定結果が“無”とならないまま、連続して乗車／降車人数を検知した回数Ｎ_raを数える。そして、Ｎ_raが閾値ＴＨ_nra以上である場合に人数検知手段２１は、そのときに算出されているエレベータ内の人数は精度が低いものとして無視する。つまり、人数検知手段２１は連続した乗車／降車動作の回数からエレベータ内の人数の検知精度を推定し、検知精度が低い場合には算出されているエレベータ内の人数を無視する。そして、次に有無検知装置１から有無判定結果が“無”と取得できるまで、エレベータ内の人数を“不明”と判定するようにしても良い。若しくは、エレベータ内の人数を、０人、１人、２人以上の内いずれかに判定するようにしても良い。閾値ＴＨ_nraは、予め人数検知手段２１に保持されているものとする。

このように、人数検知手段２１は、乗車／降車動作の回数からエレベータの乗客数の検知精度を推定する。これにより、精度の低い検知結果を出力することを避けることができる。

又、人数検知手段は、エレベータ内の人数の検知精度が低いとき、エレベータ内の人数を“不明”と出力することを特徴とする。これにより、本実施の形態の人数検知装置２を利用する装置／システムは、エレベータ内の人数が“不明”と判定されたときの動作、すなわちエレベータ内の人数の検知精度が低いときの動作を、予め定めておくことができ、誤ったエレベータ内の人数を利用することで、誤って動作してしまう可能性を低減することができる。

なお、乗降人数検知方法４を用いない場合、ドア計測手段２２は必ずしも必要ではない。

＜効果＞
以上の様に、本実施の形態によれば実施の形態１の乗客有無検知装置１によってエレベータ内に乗客がいると判定された場合に、その乗客が１人であるか複数人であるかを求めることができる。

そして、実施の形態２に係る人数検知装置は、実施の形態１の乗客有無検知装置と、乗客有無検知装置から乗客有無検知結果と秤値を受け、これらに基づき前記エレベータの乗客数を検知する人数検知手段と、を備える。乗客有無検知装置が“無”と判定した場合に人数検知手段が乗客数を０にすれば、繰り返し乗車数や降車数を検知することによる検知精度の低下を防ぐことが出来る。

又、人数検知装置２はエレベータのドアを通過する人数を検知するドア計測手段２２を備え、人数検知手段２１は、ドア計測手段２２が検知した通過人数と、乗客有無検知装置１の乗客有無検知結果と秤値に基づきエレベータの乗客数を検知する。これにより、乗客数を正確に検知することが出来る。

さらに、人数検知手段２１は、秤値の時間差分データの凸型波形を積分し、積分値に応じて乗車人数及び降車人数を検知することによりエレベータの乗客数を検知する手段であって、積分値が所定の閾値以上であれば、乗車人数と降車人数のいずれか一方の最小値を２以上とする。これにより、エレベータの乗客数を多めあるいは少なめにカウントすることが出来る。

又、人数検知手段２１は、乗車／降車動作の回数からエレベータの乗客数の検知精度を推定する。これにより、精度の低い検知結果を出力することを避けることができる。

さらに、人数検知手段２１は、エレベータ内の人数の検知精度が低いとき、エレベータ内の人数を“不明”と出力することを特徴とする。これにより、本実施の形態の人数検知装置２を利用する装置／システムは、エレベータ内の人数が“不明”と判定されたときの動作、すなわちエレベータ内の人数の検知精度が低いときの動作を、予め定めておくことができ、誤ったエレベータ内の人数を利用することで、誤って動作してしまう可能性を低減することができる。

（実施の形態３）
＜構成＞
本実施の形態の暴れ検知装置は、実施の形態２の人数検知装置１を利用し、エレベータ内の乗客が暴れていることをより正確に検知することが出来る暴れ検知装置である。

図１８は、この発明の実施の形態３に係る暴れ検知装置３の構成を示すブロック図である。暴れ検知装置３は、実施の形態２に記載の人数検知装置２と暴れ検知手段３１を備える。人数検知手段２１は、図８にその構成を示した実施の形態２の人数検知装置と同じものである。それで、人数検知装置２の構成要素である各手段は暴れ検知装置３にも含まれている。また、人数検知装置２の構成要素である有無検知装置１は、図１に示した実施の形態１の有無検知装置１と同じものであり、その構成要素である各手段も暴れ検知装置３に含まれている。

乗客有無検知装置１に含まれる計測手段１１、人数検知装置に含まれるドア計測手段２２を除き、各手段はマイクロコンピュータ上のソフトウェアによって構成されている。

暴れ検知手段３１は、カメラの撮影画像を基に、エレベータ内の乗客の暴れ動作を検知する。

＜動作＞
次に、暴れ検知装置３の動作について記載する。図１９は、本実施の形態３に係る暴れ検知装置３の動作を示すフローチャートである。図１９に示すステップＳＴ３０１からステップＳＴ３１１までの動作は、図９に示すステップＳＴ２０１からステップＳＴ２１１までの動作と同一であるので、説明を省略する。

ステップＳＴ３１２において暴れ検知手段３１は、人数検知装置２からエレベータ内が“０人”か、“１人”か、“２人以上”か、あるいは“不明”か、を取得した上で例えば特開２００６−２７６９６９記載の方法によって暴れを検知する。具体的には、撮影時刻が異なる２枚の画像から画像内の各点の動きの向きや大きさを算出し、人物の動きの向きや大きさのばらつき量から暴れを検知する。暴れ検知手段３１は、人数検知装置２から取得したエレベータ内の乗客数が０人か１人であった場合、暴れではないと判断する。

すなわち、実施の形態２の人数検知装置２と、暴れ検知装置３はエレベータ内の撮影画像を解析してエレベータ内の暴れ動作を検知する暴れ検知手段３１と、を備え、暴れ検知手段３１は、前記人数検知装置がエレベータの乗客数を２人以上と検知した場合にのみ、暴れ動作の検知を行う。人数検知装置２によってエレベータ内の乗客が０人、または１人と検知された場合に暴れではないと判断するため、より正確に暴れを検知できる。その結果、必要以上にエレベータを各階で停止・戸開するような運行が改善され、乗客の利便性が向上する。

このような方法によれば、実際のエレベータ内の人数が２人であるにも係らず人数検知装置２が１人と過少に検知した場合に、暴れを検知することができなくなってしまうという問題がある。しかし人数検知装置２は、実施の形態２で説明したようにエレベータ内の乗客数を多めに数えるように設定することができるため、そのように設定すればエレベータ内の人数が過少に検知されることを低減し、暴れ検知を必要以上に阻害せずに運行を改善し、乗客の利便性を向上することができる。

また、人数検知装置２によるエレベータ内の人数の検知精度が低いときには、人数検知装置２はエレベータ内の人数を“不明”と出力するため、実際のエレベータ内の人数が２人であるにも係らずエレベータ内の人数を１人と過少に検知し、それによって暴れを検知することができなくなってしまう、という問題を低減することができる。

１ 乗客有無検知装置、１１ 計測手段、１２ 補正学習手段、１３ 補正手段、１４ 閾値学習手段、１５ 有無検知手段、１６ 運行管理手段、１７ 乗降検知手段、２ 人数検知装置、２１ 人数検知手段、２２ ドア計測手段、３ 暴れ検知手段、３１ 暴れ検知手段。

Claims (24)

1. 停止時のエレベータの積載重量を秤値として計測する計測手段と、
   前記エレベータの運行を管理し、その状態信号を出力する運行管理手段と、
   前記秤値と前記エレベータの状態信号に基づき、前記秤値の補正量や前記補正量を算出する補正式を更新する補正学習手段と、
   前記補正学習手段で更新された前記補正量と前記補正式に基づき、前記秤値を補正後秤値として補正する補正手段と、
   前記エレベータ内が空であると推定される際の前記秤値と前記エレベータの状態信号に基づき閾値を設定／更新する閾値学習手段と、
   前記補正後秤値と前記閾値を比較して、前記エレベータ内の乗客の有無を判定する有無検知手段と、を備え、
   前記閾値学習手段は、前記閾値が所定期間内に更新されなかった場合、前記閾値を所定値分小さな値に更新することを特徴とする、
   乗客有無検知装置。
2. 前記閾値学習手段は、前記エレベータ内が空であると推定される際の前記補正後秤値である空補正後秤値を継続して取得し、その最大値に基づいて前記閾値を更新することを特徴とする、
   請求項１に記載の乗客有無検知装置。
3. 前記閾値学習手段は、前記空補正後秤値の最大値を取得した際と同一の前記エレベータの位置において前記エレベータ内が空であると推定された場合に、そのときの前記空補正後秤値に基づいて前記閾値を更新することを特徴とする、
   請求項２に記載の乗客有無検知装置。
4. 前記閾値学習手段は、過去の前記閾値にも基づいて前記閾値を更新することを特徴とする、
   請求項２又は３に記載の乗客有無検知装置。
5. 前記閾値学習手段において、現在階で乗客が降車したことにより前記エレベータ内が空であると推定される際の前記秤値と前記エレベータの状態信号とに基づき設定される前記閾値を降車閾値とすると、
   前記有無検知手段は、現在階で乗客が降車したことにより前記エレベータ内が空であると推定される際に、前記降車閾値を用いて乗客の有無を判定することを特徴とする、
   請求項１〜４のいずれかに記載の乗客有無検知装置。
6. 前記閾値学習手段は、現在階に到着した時の前記秤値にも基づいて前記降車閾値を設定することを特徴とする、
   請求項５に記載の乗客有無検知装置。
7. 前記閾値学習手段は、現在階に到着した時の前記秤値から前記降車閾値を求めるための式を、現在階に到着した時の前記秤値に基づいて更新することを特徴とする、
   請求項６に記載の乗客有無検知装置。
8. 前記閾値学習手段は、現在階に到着した時の前記秤値から前記降車閾値を求めるための式を、過去の前記式にも基づいて更新することを特徴とする、
   請求項７に記載の乗客有無検知装置。
9. 前記閾値学習手段は、現在階に到着した時の前記秤値から前記降車閾値を求めるための式を、現在階に到着した時の前記秤値の発生率にも基づいて更新することを特徴とする、
   請求項７又は８に記載の乗客有無検知装置。
10. 前記閾値学習手段は、現在階に到着した時の前記秤値に基づいて、前記秤値の発生率を設定することを特徴とする、
    請求項９に記載の乗客有無検知装置。
11. 前記閾値学習手段は、現在階に到着した時の前記秤値から前記降車閾値を求めるための式を、現在階に到着した時の方向にも基づいて更新することを特徴とする、
    請求項７〜１０のいずれかに記載の乗客有無検知装置。
12. 停止時のエレベータの積載重量を秤値として計測する計測手段と、
    前記エレベータの運行を管理し、その状態信号を出力する運行管理手段と、
    前記秤値と前記エレベータの状態信号に基づき、前記秤値の補正量や前記補正量を算出する補正式を更新する補正学習手段と、
    前記補正学習手段で更新された前記補正量と前記補正式に基づき、前記秤値を補正後秤値として補正する補正手段と、
    前記エレベータ内が空であると推定される際の前記秤値と前記エレベータの状態信号に基づき閾値を設定／更新する閾値学習手段と、
    前記補正後秤値と前記閾値を比較して、前記エレベータ内の乗客の有無を判定する有無検知手段と、を備え、
    前記閾値学習手段において、現在階で乗客が降車したことにより前記エレベータ内が空であると推定される際の前記秤値と前記エレベータの状態信号とに基づき設定される前記閾値を降車閾値とすると、
    前記有無検知手段は、現在階で乗客が降車したことにより前記エレベータ内が空であると推定される際に、前記降車閾値を用いて乗客の有無を判定し、
    前記閾値学習手段は、現在階に到着した時の前記秤値にも基づいて前記降車閾値を設定し、現在階に到着した時の前記秤値から前記降車閾値を求めるための式を、現在階に到着した時の前記秤値および前記秤値の発生率に基づいて更新することを特徴とする、
    乗客有無検知装置。
13. 前記閾値学習手段は、前記エレベータ内が空であると推定される際の前記補正後秤値である空補正後秤値を継続して取得し、その最大値に基づいて前記閾値を更新することを特徴とする、
    請求項１２に記載の乗客有無検知装置。
14. 前記閾値学習手段は、前記空補正後秤値の最大値を取得した際と同一の前記エレベータの位置において前記エレベータ内が空であると推定された場合に、そのときの前記空補正後秤値に基づいて前記閾値を更新することを特徴とする、
    請求項１３に記載の乗客有無検知装置。
15. 前記閾値学習手段は、過去の前記閾値にも基づいて前記閾値を更新することを特徴とする、
    請求項１３又は１４に記載の乗客有無検知装置。
16. 前記閾値学習手段は、現在階に到着した時の前記秤値から前記降車閾値を求めるための式を、過去の前記式にも基づいて更新することを特徴とする、請求項１５に記載の乗客有無検知装置。
17. 前記閾値学習手段は、現在階に到着した時の前記秤値に基づいて、前記秤値の発生率を設定することを特徴とする、
    請求項１２〜１６のいずれかに記載の乗客有無検知装置。
18. 前記閾値学習手段は、現在階に到着した時の前記秤値から前記降車閾値を求めるための式を、現在階に到着した時の方向にも基づいて更新することを特徴とする、
    請求項１２〜１７のいずれかに記載の乗客有無検知装置。
19. 請求項１〜１８のいずれかに記載の乗客有無検知装置と、
    前記乗客有無検知装置から乗客有無検知結果と前記秤値を受け、これらに基づき前記エレベータの乗客数を検知する人数検知手段と、を備え、
    前記人数検知手段は、前記秤値の時間差分データの凸型波形を積分し、前記積分値に応じて乗車人数及び降車人数を検知することにより前記エレベータの乗客数を検知する手段であって、前記積分値が所定の閾値以上であれば、乗車人数と降車人数のいずれか一方の最小値を２以上とすることを特徴とする、
    人数検知装置。
20. 前記人数検知手段は、乗車／降車動作の回数から前記エレベータの乗客数の検知精度を推定することを特徴とする、
    請求項１９に記載の人数検知装置。
21. 前記人数検知手段は、前記エレベータ内の人数の検知精度が低いとき、エレベータ内の人数を“不明”と出力することを特徴とする、
    請求項２０に記載の人数検知装置。
22. 請求項１〜１８のいずれかに記載の乗客有無検知装置と、
    前記乗客有無検知装置から乗客有無検知結果と前記秤値を受け、これらに基づき前記エレベータの乗客数を検知する人数検知手段と、を備え、
    前記人数検知手段は、乗車／降車動作の回数から前記エレベータの乗客数の検知精度を推定することを特徴とする、
    人数検知装置。
23. 前記人数検知手段は、前記エレベータ内の人数の検知精度が低いとき、エレベータ内の人数を“不明”と出力することを特徴とする、
    請求項２２に記載の人数検知装置。
24. 請求項１９〜２３のいずれかに記載の人数検知装置と、
    前記エレベータ内の撮影画像を解析して前記エレベータ内の暴れ動作を検知する暴れ検知手段と、を備え、
    前記暴れ検知手段は、前記人数検知装置がエレベータの乗客数を２人以上と検知した場合にのみ、暴れ動作の検知を行うことを特徴とする、
    暴れ検知装置。

Images