JP6435215B2

JP6435215B2 - エレベータシステム

Info

Publication number: JP6435215B2
Application number: JP2015046616A
Authority: JP
Inventors: 武央西田; 知明前原; 貴大羽鳥; 孝道星野
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2015-03-10
Filing date: 2015-03-10
Publication date: 2018-12-05
Anticipated expiration: 2035-03-10
Also published as: CN105967007A; CN105967007B; JP2016166066A

Description

本発明はカメラやレーザーなどのセンサにより、エレベータ乗場など、特定の領域内の人物の位置や数を高精度に推定する方法に関する。

エレベータ乗場などの特定の領域内の人物の位置や数を推定するため、人物の陰に隠れている他の人物を検出する方法として、特開２０１３−１３１１００号公報（特許文献１）に記載の技術がある。この特許文献１には、「本発明の人数予測方法は、所定空間内の所定の二次元平面あるいは三次元空間に存在する物体との距離をセンサによって検出することにより、前記距離の前記二次元平面分布あるいは前記三次元空間分布を取得する取得工程と、前記センサの検出により新たに取得した前記距離の前記二次元平面分布あるいは前記三次元空間分布を、前記所定空間内の人数と前記距離の前記二次元平面分布あるいは前記三次元空間分布との関係を機械学習した学習器に入力して、前記学習器から出力値として予測人数を出力することによって、前記所定空間内の人数を予測する人数予測工程とを含むようにした」という技術が開示されている。

特開２０１３−１３１１００号公報

特許文献１記載の技術では、機械学習した学習器により、二次元平面分布あるいは三次元空間分布と、所定空間内の人数が一対一で対応づけられる。しかし、エレベータの乗場等の空間においては、センサから得られる二次元平面分布または三次元空間分布が同じであっても、実際の死角となっている空間内の人数は、エレベータの制御状態に応じて異なる。

センサの死角領域内の乗客数を、前記エレベータ乗り場からかごが出発してからの時間に基づいて、前記死角領域に存在する乗客数を推定する。

本発明によれば、死角領域内に存在する乗客数を、フロアの交通状況やエレベータの状態に即して推定することができる。

本発明の一実施の形態によるエレベータシステムの概略を示すブロック構成図。エレベータシステムにおける乗場の状況を示す図。死角領域内人数推定手段の動作を示すフローチャート。号機報知装置の報知の有無による乗客の特性を示す図。号機放置の有無によるエレベータシステムにおける乗場の状況を示す図。三次元空間を検出するセンサを用いる計算例の説明図。

以下、実施例を図面を用いて説明する。

図１は、本発明の一実施の形態によるエレベータシステムの概略を示すブロック構成図である。かご２Ａ、２Ｂ、２Ｃは、各かごに対応した号機制御装置３Ａ、３Ｂ、３Ｃにより制御される。多数の階へ向かう乗客が集中するロビー階などの乗場には、かごへの乗車前に乗客の行先階を検出し、乗場行先階呼びとして登録するための乗場行先階検出装置６が設置され、その他の階の乗場には、乗場呼び装置７が設置される。ここで、乗場行先階検出装置６は、乗場設置の行先階登録装置や、乗客個人またはその行先階を特定するセンサ、乗客の携帯端末、カードリーダーなどで構成される。また、乗客の混雑が予測される一つ以上の階の乗場には、乗場内の乗客数や乗客の位置を検出する乗場検出装置５が設置される。さらに、各階の乗場には、各かごの到着の報知や、予約状況などを乗場の乗客に報知するための号機報知装置４Ａ、４Ｂ、４Ｃが設置され、それぞれ号機制御装置３Ａ、３Ｂ、３Ｃにより制御される。複数台のかご２Ａ、２Ｂ、２Ｃを制御する群管理制御装置１は、乗場行先階検出装置６からの行先階呼び情報や、乗場呼び装置７からの乗場呼び情報などのホール情報と、かご２Ａ、２Ｂ、２Ｃをそれぞれ制御している各号機制御装置３Ａ、３Ｂ、３Ｃから、かご位置や走行方向などのかご情報を取り込んでいる。群管理制御装置１は、上記ホール情報とかご情報を取り込んで管理するホール・かご情報管理部１０１と、ホール・かご情報管理部１０１からの情報及び日常の交通量に基づいて交通量を少なくとも階床別及び方向別に予測する交通量予測部１０２と、乗場検出装置５により検出された乗場内の乗客数を検出する乗客検出部１０３と、乗場検出装置５により検出された乗場内の死角領域の少なくとも位置と大きさを演算する死角領域演算部１０４と、乗客数検出部１０３により検出された乗場内の乗客数と、死角領域演算部１０４により演算された死角領域の位置及び大きさ及び交通量予測部１０２により演算された死角領域の発生階の交通量と、ホール・かご情報管理部１０１により管理されるかご情報とから、死角領域内に存在する乗客数を推定する死角領域内人数推定部１０５と、乗客検出部１０３により検出された乗場内で検出された乗客数、死角領域内人数推定部１０５により推定された死角領域内の推定人数、交通量予測部１０２により予測される少なくとも階床別・方向別に予測された交通量、ホール・かご情報管理部に管理されるホール情報及びかご情報に基づいて割当てかごを決定し、割当てたかごの号機制御装置へ割当て信号を送信する割当て制御部１０６とを有している。

ここで、交通量予測部１０２は、各階や各方向での交通パターンを記憶する。そして、現在の交通状況が過去のどの交通パターンの特徴近いかを判定して、結果に基づいて交通量を予測する。または、時刻や曜日毎に各階や各方向の交通量を記憶し、現在の曜日・時刻に基づいて交通量を予測しても良い。また上記の予測を組み合わせても良い。これらの予測結果は、日常のエレベータの利用状況に基づいて予測されるものである。

乗客検出部１０３と、死角領域演算部１０４と、死角領域内人数推定部１０５によって乗場人数推定部を構成しており、この乗場人数推定部は、死角領域も含めた乗場内の総乗客数を推定する。割当て制御部１０６は、この乗場人数推定部によって推定される乗場内の総乗客数に基づいて適切なかごの割当てを行う。

本実施例では、死角領域の大きさと、エレベータの日常の交通量と、直前に出発したかごの出発してからの経過時間に基づいて、死角領域内に含まれる乗客数を推定する。

図２は本実施例における乗場の状況を示す図である。乗場には乗場検出装置５が設置されている。本実施例では、乗場検出装置５が、乗場内の水平方向に関する二次元平面分布を検出するレーザー測域センサであるとする。乗場検出装置５の出力する信号に基づいて、乗客検出部１０３は検出領域Ａ１から４人の乗客８を検出する。この検出は、例えばレーザー測域センサで、平均的な腰の高さで水平方向に探索し、予め定めた所定の範囲内の幅となるものを乗客と見なすことで乗客を検出可能である。また、死角領域演算部１０４は、４人の乗客８により発生した死角領域Ａ２の大きさ、位置、形状を演算する。また、図２では、実際には３人の乗客９がいるが、４人の乗客８が乗場検出装置５に対して死角領域Ａ２を形成しているため、３人の乗客９を検出できない状況となっている。

図３は死角領域内人数推定部１０５の動作を示すフローチャートである。死角領域内人数推定部１０５は、周期的、または割当て制御部１０６からの要求に応じて動作する。本推定は死角領域の推定ため、死角がない場合には動作させる必要はない。この場合、センサ４が検知した人数Ｐ１をホールにいる人数として、割当て制御部１０６はかごの割当を決定する。ステップＦＣ１０１で、死角領域Ａ２内の人数が推定済みか否かをチェックし、未推定の場合はステップＦＣ１０３へ進み、推定済みの場合はステップＦＣ１０２に進む。ステップＦＣ２で、死角領域内人数推定部１０５は、死角領域Ａ２が変化したか否かを検出して、変化した場合はステップＦＣ１０３へ進み、変化していない場合は、推定済みの死角領域Ａ２内の人数に変化無しとして終了する。ここで、死角領域の変化とは、周期的または割当て制御部１０６の要求に応じて複数回動作する時に、前回動作時における死角領域の位置・大きさ・形状が変化した場合や、死角領域へ流入または流出する乗客を検出した場合を、死角領域が変化したとみなす。次いで、ステップＦＣ１０３では、死角領域内人数推定部１０５は、乗客検出部１０３が検出した乗場の検出領域Ａ１内の乗客数をＰ１として取得する。次のステップＦＣ１０４では、死角領域内人数推定部１０５は死角領域Ａ２内に入る最大人数Ｐ２を算出する。ここで、Ｐ２の算出に当たっては、少なくとも死角領域Ａ２の大きさが考慮される。例として、死角領域Ａ２が２メートル四方の正方形で有る場合、死角領域の面積は４平方メートルとなる。乗客一人当たりの必要な面積を０．５平方メートルとすると、死角領域Ａ２内には、最大で８人の乗客が入るとして、Ｐ２＝８とする。

ここでは死角領域Ａ２の大きさのみを考慮したが、死角領域Ａ２の形状を考慮しても良い。この場合、死角領域Ａ２の大きさが同じであったとしても、死角領域Ａ２の形状に応じて適切なＰ２を算出することができる。また、一人当たりの必要な面積は、交通状況に応じて可変な値としても良い。例えば、出勤時間帯などの乗場が混雑する時間帯においては、乗客は互いの間隔詰めると考え、一人当たりの必要な面積を小さくし、閑散となる時間帯においては、乗客は互いの間隔を広げると考え、一人当たりの必要な面積を大きくしても良い。

次いで、ステップＦＣ１０５で、死角領域内人数推定部１０５は、交通量予測部１０２から、日常の交通量に基づいた当該階の予測交通量を取得する。この予測交通量は、当該階に対して、上方向、下方向ともに乗客がいる場合は、両方向の予測交通量の合計を用いれば良く、どちらか一方の方向のみの乗客がいる場合は、当該方向の予測交通量のみを用いれば良い。

次いで、ステップＦＣ１０６で、死角領域内人数推定部１０５は、エレベータの制御情報として、当該階で直前にかごが出発してからの経過時間を算出する。ステップＦＣ１０７では、死角領域内人数推定部１０５は、ステップＦＣ１０５で取得した当該階の予測交通量と、ステップＦＣ１０６で算出した直前にかごが出発してからの経過時間との積に基づいて、直前にかごが出発してからの予測発生人数Ｐ３を算出する。当該階に対して、上方向、下方向ともに乗客がいる場合，それぞれの方向に行くかごが出発してからの時間と、それぞれの方向の予測交通量をそれぞれ乗算し、それらを足し合わせることでＰ３を求めても良い。次いで、ステップＦＣ１０８では、死角領域内人数推定部１０５は、Ｐ１とＰ３の大きさを比較し、Ｐ１がＰ３より小さい時は、ステップＦＣ１０９へ進み、Ｐ１がＰ３以上の場合は、ステップＦＣ１１２で死角領域Ａ２内の人数としてＰ２と推定し終了する。これは、検出領域にいる人数が、当該階で日常発生し得る人数を超えているため、予測交通量より多い人数がホールにいるとして、死角領域Ａ２内の人数を、最大となるＰ２と見していることによる。これにより、突発的に多数の乗客が発生した場合には、普段の交通に基づく予測交通量にとらわれずに、死角領域の人数を推定することができる。

Ｐ１がＰ３より小さくステップＦＣ１０９に進んだ場合、死角領域内人数推定部１０５は、Ｐ３とＰ１の差分と、Ｐ２を比較する。Ｐ２がＰ３とＰ１の差分より小さい時は、ステップＦＣ１１０で死角領域Ａ２内の人数としてＰ２を出力して終了する。これは、予想交通量より人がある程度少ない場合、死角エリアＡ２に人がいる期待値が高いと考え、Ａ２にＰ２程度人がいると考える。また、死角エリアＡ２が小さいとも考えられる。このため、最大人数Ｐ２として算出しても大きな誤差が生じる可能性は低い。Ｐ２がＰ３とＰ１の差分以上の場合、死角領域内人数推定部１０５はステップＦＣ１１１で死角領域Ａ２内の人数としてＰ３とＰ１の差分を出力する。この場合、発生人数Ｐ３と検出した乗客数Ｐ１に大きな差がないか、死角Ａ２の範囲大きく、実質的にセンシング出来てない事が想定される。このような場合、Ａ１にいる人数は予測通りＰ３程度であると推定する。そのため、死角Ａ２内にはＰ３とＰ１の差分程度の人数がいると推定する。上記の死角領域内人数推定部１０５動作により、死角領域Ａ２内の人数が推定されたため、これと乗客検出部１０３が検出した乗客数Ｐ１を足し合わせ、ホールにいる全乗客数として、割当て制御部１０６はかごの割当を決定する。

上記では、かごへの乗車時に、乗客の積残しが発生しないことを仮定しているが、乗客の積残しが発生する場合は、直前に出発したかごが乗場に到着前の、乗場内の総乗客数の推定値から、直前に出発したかごへの乗車人数を引いたものを、Ｐ３に加えても良い。この場合かごへの乗車人数はかごに備えつけられる重量センサなどによって計測する事が出来る。このように、かごの乗降人数に基づいて、死角領域内の推定人数の補正が可能である。また上記では、ステップＦＣ１１２において、死角領域内の人数としてＰ２を出力したが、乗場内の総人数を予測交通量と近づけるため、死角領域Ａ２内の人数として０を出力しても良い。

本実施例では、日常の交通量に基づいて、死角領域内に存在する乗客を予測するため、乗場検出装置５から得られる二次元平面分布または三次元空間分布が同一であっても、日常の交通量に即して高精度に推定することができる。この結果、設置可能なセンサの数が構造やコストの問題で限られていても、乗場の乗客数に最適なかごを割当てたり、予約及び報知されたかごのみでは乗場の乗客全てを輸送できないと判断される場合に、追加でかごを割当てたりするなど、適切なかごの割当てを行うことが可能となる。

本実施例は、死角領域Ａ２内の人数の予測にあたり、エレベータの制御情報としてかごの乗場やかごの報知装置の報知情報に基づいて、より高精度に予測を行うものである。エレベータシステムの要部のブロック構成については、図１の構成に加え、さらに乗場情報記憶部１０７を備える。乗場情報記憶部１０７は、乗場におけるかご２Ａ、２Ｂ、２Ｃの出入り口の位置や、乗場検出装置５の位置、乗場への出入り口の位置、号機報知装置４の位置などを記憶している。また、死角領域内人数推定部１０５は、乗場情報記憶部１０７に記憶された情報も活用して死角領域内の人数を推定する。死角領域内人数推定部１０５は、乗客数検出部１０３により検出された乗場内の乗客数と、死角領域演算部１０４により演算された死角領域の位置及び大きさと、交通量予測部１０２により演算された死角領域の発生階の交通量と、ホール・かご情報管理部１０１により管理されるかご情報に加え、乗場情報記憶部１０７に記憶された乗場における各かごの出入り口の位置や、乗場検出装置５の位置、乗場への出入り口の位置、号機報知装置４の位置などに基づいて、死角領域内に存在する乗客数を推定する。

図４は乗場に複数台のかごが有る場合の、号機報知装置による報知状況に応じた乗客の乗場位置を示す図である。一般的に、乗場に複数台のエレベータが有る場合、いずれのかごの号機報知装置も未報知である場合、乗場内の乗客は、複数台のかごの号機報知装置を見渡せる場所に位置することが多い。例えば、３台のかごが一列に並んでいる配置の場合、乗場の乗客は図５（ａ）に示すように号機報知装置４Ａ、４Ｂ、４Ｃが何れも未報知の状況では、乗客はかご出入り口から離れて待機する。号機報知装置４Ａ、４Ｂ、４Ｃの何れかが報知済みの状況では、図５（ｂ）に示すように、乗客は対応したかごの出入り口に近づいて待機しやすい特性がある。本実施例では、上記乗客の特性を活用して、より高精度に死角領域内の乗客数を推定する。

図５は本実施例における乗場の状況を示す図である。乗場には乗場検出装置５が設置されている。本実施例においては、乗場検出装置５が、乗場内の水平方向に関する二次元平面分布を検出するレーザー測域センサであるとする。乗場検出装置５の出力する信号に基づいて、乗客検出部１０３は検出領域Ａ１から４人の乗客８を検出する。また、死角領域演算部１０４は、４人の乗客８により発生した死角領域Ａ２の大きさ及び位置を演算する。また、２Ｂ号機に対応した号機報知装置４Ｂが報知しており、２Ｂ号機の予約、またはかごの到着を報知している状況となっている。従って、図４に示した乗客の特性から、死角領域演算部１０４は、死角領域Ａ２のうち、２Ａ号機の出入り口付近の死角領域内に乗客が存在する可能性は低いとして、無効領域Ａ３を演算する。また図５では、また、２人の乗客９がいるが、４人の乗客８が乗場検出装置５に対して死角領域Ａ２を形成するため、２人の乗客９を検出できない状況となっている。

実質的な死角領域は、Ａ２の領域からＡ３の領域を除いた領域となり狭められ、この領域に対して、図３で示したフローチャートにより、死角領域内の人数を推定する。

次に、図５と同様に乗客８が乗場検出装置５に対して死角領域Ａ２を形成しており、さらに、号機報知装置４Ｃが報知している場合について述べる。乗場検出装置５の出力する信号に基づいて、乗客検出部１０３は検出領域Ａ１から４人の乗客８を検出する。また、死角領域演算部１０４は、４人の乗客８により発生した死角領域Ａ２の大きさ及び位置を演算する。また、２Ｃ号機に対応した号機報知装置４Ｃが報知しており、２Ｃ号機の予約、またはかごの到着を報知している状況となっている。図４に示した乗客の特性から、死角領域演算部１０４は、死角領域Ａ２のうち、２Ａ号機及び２Ｂの出入り口付近の死角領域内に乗客が存在する可能性は低いとして、死角領域Ａ２全てが無効領域Ａ３で有るとして演算する。この場合死角領域Ａ２内の乗客数を０人と推定する。

本実施例では、日常の交通量に基づいて、死角領域内に存在する乗客を予測するにあたって、号機報知装置による報知の状況を考慮して、乗客のいる可能性のある死角領域を調整しているため、報知状況に即してより高精度に推定することができ、この結果、適切なかごの割当て行うことが可能となる。なお、本実施例ではＡ３の領域を無効領域としたが、Ａ２より人がいる可能性が低い領域、つまり、面積当たりの最大人数がＡ２より少ない領域として扱い、図３のフローに従いＡ３の領域にいる人数を推定してもよい。

本実施例は、センサから得られる３次元空間情報を用いて乗場の乗客数をさらに高精度に予測を行うものである。

図６は三次元空間を検出するセンサを用いる計算例の説明図である。検出領域Ａ１内に乗客８を検出しており、この乗客８により、死角領域Ａ２が発生している。三次元空間を検出する場合は、死角領域Ａ２の水平面上の各位置における高さを計算することができる。
乗場内の三次元空間を検出する乗場検出装置５は、高さＨ１の乗場天井からＨ２の高さに俯角θ１で据え付けられている。このＨ２は短くし、天井に近い位置に乗場検出装置５を備え付けた方がより望ましい。これは、死角の発生面積をなるべく小さくするためである。
乗場検出装置５から得られるデータ、または乗場検出装置５から得られるデータの変換により、乗場検出装置５から乗客８の最頂部までの距離がＲ１で、乗場検出装置５の対する乗客８の最頂部の垂直方向の角度がθ２であることを検出している。このとき、また、乗客８の乗場検出装置５からの水平方向の距離Ｄ１は、次式で算出できる。
Ｄ１＝Ｒ１×ｃｏｓ（θ１−θ２）・・・・・・・・・・・・・・・・・（式１）
上記より、図６において乗客８と乗客９水平方向の距離をＤ２とすると、乗客９の許容される高さＨ３は、次式で算出できる。
Ｈ３＝Ｈ１−Ｈ２−（Ｄ１＋Ｄ２）×ｔａｎ（θ１−θ２）・・・・・・（式２）
上記のように、死角領域内の水平方向の位置に応じて、乗客の高さを算出することができる。

算出した死角領域Ａ２に存在し得る乗客の高さと、学校やオフィスなど、ビルの用途に応じた想定される乗客の身長とを比較することにより、死角領域Ａ２内の乗客が存在し得る領域を制限できるため、より死角領域内の乗客数の推定精度の高精度化を図ることができる。例えば、オフィスビルの乗場に発生した死角領域Ａ２のある位置において、その位置に存在し得る乗客の高さが１３０ｃｍ程度であると算出された場合、オフィスビルで想定される身長よりも低いため、その位置に乗客が存在する可能性が低いとして、その位置に対応する領域を無効領域Ａ３とする。一方で、同様の状況が小学校やファミリー向けマンション等で発生した場合は、その位置に乗客が存在する可能性が高いとし、無効領域Ａ３としない。

本実施例では、日常の交通量に基づいて、死角領域内に存在する乗客を予測するにあたって、乗場検出装置から得られる三次元空間情報から、死角領域の各位置における高さと、乗客の想定される身長の比較から、死角領域を調整しているため、より高精度に死角領域内の乗客数を推定することができ、この結果、適切なかごの割当て行うことが可能となる。

また、発明の実施形態として死角領域が単数の場合について説明したが、死角領域が複数ある場合にも適用可能である。この場合、２つ目以降の死角領域の人数を推定する際には、図３のステップＦＣ１０７の直前にかごが出発してからの発生人数Ｐ３から、それ以前に推定した死角領域の人数の合計を減じたをＰ３として扱う。この様に扱う事で、複数の死角が存在存在しても、その死角内の乗客数を推定する事が出来、適切なかごの割当て行うことが可能となる。

本発明の各実施例においては、乗場内の二次元平面分布または三次元空間分布を検出するためのセンサとして、レーザー測域センサを利用した場合を例にとったが、センサは温度センサやカメラなど、乗場内の二次元平面分布または三次元空間分布を検出できるものであれば本発明を同様に適用できる。

なお、本発明は上記した実施例に限定されるものではなく、さまざまな変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。また、上記の各構成、機能、演算部、推定部等は、それらの一部または全部を、例えば集積回路で設計するなどによりハードウェアで実現しても良い。また、上記の各構成、機能などは、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現しても良い。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

１群管理制御装置、５乗場検出装置、１０１ホール・かご情報管理部、１０２交通量予測部、１０３乗客検出部、１０４死角領域演算部、１０５死角領域内人数推定部、１０６割当て制御部

Claims

エレベータ乗場内の乗客数及び乗客の位置を検出するセンサを備えたエレベータシステムであって、
前記センサの死角領域内の乗客数を、前記エレベータ乗り場からかごが出発してからの時間に基づいて推定する死角領域乗客数推定部を備えるエレベータシステム。
請求項１記載のエレベータシステムであって、
エレベータシステムの交通量を予測する交通量予測部を更に備え、
前記死角領域乗客数推定部は、予測された前記交通量に基づいて
前記死角領域内の乗客数を推定するエレベータシステム。
請求項２記載のエレベータシステムであって、
前記予測交通量と直前にかごが出発してからの時間との積に基づいて前記死角領域内の乗客数を推定するエレベータシステム。
請求項３記載のエレベータシステムであって、
前記交通量予測部は、エレベータの運行情報を記憶し、
記憶された前記エレベータの運行情報に基づき前記交通量を予測する、
エレベータシステム。
請求項４記載のエレベータシステムであって、
前記交通量予測部は、前記記憶されたエレベータの運行情報のうち、
現在のエレベータの運行状況又は運行時間帯の類似度の高い運行情報に基づいて、
請求項１記載のエレベータシステムであって、
前記死角領域乗客数推定部は、前記死角領域内の乗客数を前記死角領域の面積と乗客一人当たりに必要な面積に基づいて推定するエレベータシステム。
請求項６記載のエレベータシステムであって、
エレベータ混雑時は閑散事よりも前記乗客一人当たりに必要な面積小さく設定する、
エレベータシステム
請求項１記載のエレベータシステムであって、
複数のかごと、前記エレベータ乗場の各かごの乗降口に設置され前記各かごの状況の報知を行う複数の号機報知装置と、を備え、
前記死角領域乗客数推定部は、さらに前記号機報知装置の報知の有無に基づいて、前記センサの死角領域内の乗客数を推定する
エレベータシステム。
請求項８記載のエレベータシステムであって、
前記死角領域乗客数推定部は、前記センサの死角領域のうち前記号機報知装置により報知されていない前記かごの出入り口前の領域は、乗客がいないと推定するエレベータシステム。
請求項１に記載のエレベータシステムであって、
前記センサは３次元分布を測定できるセンサであり、
前記センサは前記エレベータ乗り場の天井近くに設置され、
前記死角領域乗客数推定部は、前記センサから得られる三次元空間分布に基づいて、前記死角領域内の各位置に存在し得る乗客の身長の最大値を求め、
前記身長の最大値と、当該エレベータシステムのの乗客の想定身長との比較し、
前記身長の最大値が当該エレベータシステムの乗客の想定身長より低い場合、
前記死角領域には乗客がいないと推定するエレベータシステム。
請求項１から１０いずれかに記載のエレベータシステムであって、
前記推定された死角領域の乗客数及び前記センサで検出した乗客数に基づいてかごの割り当てを決定する割当て制御部を備える、
エレベータシステム。