JPH0398962A - エレベーターの群管理制御装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は，エレベーター運行に対するユーザの多様な要
望を実現するのに好適なエレベーターの群管理制御装置
および群管理制御方法に関する。

〔従来の技術〕

エレベーターの群管理制御装置は、運行効率の向上を図
ることにより待ち時間を短縮することを目標として、数
々の改良を重ねてきた。特に群管理制御装置にマイクロ
コンピュータが用いられるようになってからは、発生し
たホール呼びに対する待ち時間を予測演算して、その予
測値を基に「割当て評価式Ｊという評価関数によって割
当てを行う方式が一般的となり、待ち時間短縮をかなり
の程度達威した。

更に、交通需要の学習とシミュレーションとの組合せに
より、時々刻々と変化する交通需要に対応する制御方法
を自動的に作り出す群管理制御装置が特開昭５８−５２
１６２号公報に開示されている。

また，ビル内情報を用いて各階の今後の需要を予測モデ
ル化する群管理制御方法が特開昭６２−７９１７９号公
報に開示されている。

〔発明が解決しようとする課題〕

上記従来技術は、制御目標が待ち時間の短縮であったた
め、ユーザからだされる「かご内にいる時間（乗車時間
）の短縮」であるとか、「かご内混雑度の低減」といっ
た待ち時間とはトレードオフ関係にもなるような制御目
標については考慮されておらず、そういった多目標を制
御する個性的な制御方法の設定方法は未開発という問題
があった。例えば，交通需要に対応じた制御方法を自動
的に作り出す群管理制御装置においても、省エネルギ指
令を満たす中で最も待ち時間の短い制御方法を求めてい
た。あるいは、各階の予測モデルを用いる群管理制御方
法においては、輸送力を群管理制御の基準としているた
め、かご内混雑度等は犠牲となっていた。また、階床毎
の予測モデルを作るためには膨大なビル内情報が必要で
あった。

更に，モデル化を階床毎に行ったため、ビル内の全体に
及ぶ様な群管理制御、特に多目標な群管理制御を行うに
は使用できないという問題があった。

本発明の目的は，ユーザの要望に応じた群管理制御を一
般化した形で決定する群管理制御装置および群管理制御
方法を提供することにある。

本発明の他の目的は、多目標な群管理−制御に強い影響
を与えるビル内特定階を考慮した群管理制御装置および
群管理制御方法を提供することにある。

〔課題を解決するための手段〕

上記目的を達或するために、制御対象とする交通流のデ
ータと特定階に着目した交通流モデルを比較する交通流
比較手段，交通流比較手段で比較された結果とユーザの
要望とに応じた制御方法を決定する制御方法決定手段、
制御方法決定手段で決定された制御方法に従い群管理制
御を実行する群管理制御実行手段を備えたものである。

〔作用〕

交通流比較手段は、群管理制御の対象となる実際の群管
理制御の稼働学習結果の交通流データ、または，予測さ
れる交通流データと特定階に着目した交通流モデルとの
比較を行い，交通流データに対応する交通流モデルの領
域を出力するように動作する。

制御方法決定手段は，交通流比較手段で比較された結果
とユーザの要望とに応じた制御方法を決定するように動
作する。

群管理制御実行手段は、制御方法決定手段で決定された
制御方法に従い群管理制御を実行するように動作する。

それによって、ユーザの要望に応じた更には多目標な群
管理制御方法を一般化した形で決定することができる。

〔実施例〕

Ｈのー−−　　の１Ｈ 以下、本発明の一実施例を第１図から第４０図により説
明する。

第工図は、本発明の基本的な構成を示した原理システム
ブロック図である。以降に記載するように、本発明は様
々な形態で実施することができる．しかし、その全てに
共通する構成として、・対象とする交通流のデータと特
定階に着目した交通流モデルを比較する交通流比較部１
・交通流比較部工で比較された結果とユーザの要望とに
応じた制御方法を制御方法決定知識ベース２より検索し
決定する制御方法決定部・制御方法決定部３で決定され
た制御方法に従い群管理制御を実行する群管理制御実行
部４を備えている。

第１図の原理システムブロック図の構成に従った、本発
明の一実施例を第２図から第４０図に示す。

第２図は本発明の一実旅例のハードウエア概略構成図で
ある。

ハードウエアを大別して、エレベーター号機Ｅ及びホー
ル呼び装置ＨＤと接続され群管理制御を実行する群管理
制御装置ＭＡと、群管理制御装置ＭＡとオフラインで設
けられ制御方法の決定を行う個性化支援装置ＳＰとから
構成される。

群管理制御装置ＭＡは、群管理制御系ソフトウエアＳＦ
Ｉを実行する群管理制御用マイコンＭ１と、学習系ソフ
トウエアＳＦ２を実行する学習用マイコンＭ２、及びＩ
Ｃカード入出力装置ＭＣを持つ。ＨＤＩ〜ＭＤｍは，ホ
ール呼び装置であり、信号線ｌｌＩｌを介して群管理制
御用マイコンＭｌに接続される。ここで、以下の実施例
では、ビルサービス階床数をｍ階床と表す。更に、群管
理制御用マイコンＭｌは、信号線Ｑｚを介して各エレベ
ーター号機制御用マイコンＥ１〜Ｅｎに接続される。こ
こで、以下の実施例では，エレベーター号機はｎ台であ
るものとして説明する。

また、個性化支援装１ｓｐは，支援系ソフトウエアＳＦ
３を実行する制御方法決定用マイコンＳ１と．ＩＣカー
ド入出力装置ＳＣ、及び、ディスプレイ等の出力装置Ｓ
Ｄ、ユーザの群管理制御についての様々な要望を入力す
るキーボード等の入力装置ＳＫより構成される。

本実施例では，群管理制御装置ＭＡと個性化支援装置Ｓ
Ｐ間のデータをＩＣカードを通して受け渡ししているが
、フロツピディスク等の磁気媒体やＲＳ−２３２Ｃ等の
通信回線を用いてもよい。

まず初めに，第３図から第１４図に実施例のソフトウエ
ア構成とそのデータテーブル構戊を示す。

ソフトウエアは大別して、エレベーター号機制御用マイ
コンＥで実行される号機制御用プログラムＳＦＯ，群管
理制御用マイコンＭｌで実行される群管理制御系ソフト
ウエアＳＦＩ，学習用マイコンＭ２で実行される学習系
ソフトウエアＳＦ２、及び、制御方法決定用マイコンＳ
１で実行される支援系ソフトウエアＳＦ３よりなる。

第３図は、号機制御プログラムＳＦＯと、群管理制御系
ソフトウエアＳＦＩの構成図である。

群管理制御系ソフトウエアＳＦＩは，運転制御プログラ
ムＳＦＩＩを中心に，エレベーター制御データテーブル
ＳＴＩＩ，ホール呼びテーブルＳＴ１２，エレベーター
仕様テーブルＳＴ↓３よりなる．運転制御プログラムＳ
ＦＩＩでは、呼び割当て処理や、エレベーターの分散待
機処理等エレベーターの群管理制御を直接的に指令し制
御する。また、群管理制御用マイコンＭ１と、学習用マ
イコンＭ２は第２図に示すように信号線Ｑ３で接続され
ており、エレベーター制御データテーブルＳＴＩ　１，
ホール呼びテーブルＳＴ１２の内容は、第５図に示す学
習用マイコンＭ２の運転データ収集プログラムＳＦ２１
で参照される。また、運転制御プログラムＳＦＩＩでは
、第９図に示す学習用マイコンＭ２の予測パラメータテ
ーブルＳＴ２４と制御パラメータテーブルＳＴ２５を使
用している。

第４図は、群管理制御系ソフトウエアＳＦＩにおけるテ
ーブル構成図である。

データテーブルは、現住のエレベーター状態や各種予測
値のエレベーター制御データテーブルＳＴＩＩ，ホール
呼びの状態を表すホール呼びテーブルＳＴ１２．台数や
速度等やエレベーター仕様テーブルＳＴ１３の３種から
なる。各テーブルはその内部が複数に分割されている。

各テーブルの細部については、以下必要に応じてその都
度説明する。

次に，第５図により学習系ソフトウエアＳＦ２の構成図
について説明する。

学習系ソフトウエアＳＦ２は、５つのプログラム（運転
データ収集プログラムＳＦ２１，交通需要区分プログラ
ムＳＦ２２，運転データ学習プログラムＳＦ２３，最適
パラメータ設定プログラムＳＦ２４，入出力制御プログ
ラムＳＦ２５）．５つのテーブル（サンプリングデータ
テーブルＳＴ２１，交通需要区分テーブルＳＴ２２，学
習結果データテーブルＳＴ２３，予測パラメータテーブ
ルＳＴ２４，制御パラメータテーブルＳＴ２５）．およ
び２つのデータベース（学習結果データベースＳＤ２１
，制御方法データベースＳＤ２２）からなる。

運転データ収集プログラムＳＦ２１は、現在の運転状態
を示すデータをサンプリングして収集する。交通需要区
分プログラムＳＦ２２は，収集された交通流データから
現在の交通需要区分（出勤，平常，昼食，閑散等）を判
定する。運転データ学習プログラムＳＦ２３は、オンラ
インで収集された交通流データで過去に学習した交通流
データを修正し学習する。最適パラメータ設定プログラ
ムＳＦ２４は、判定された交通需要区分に対応じた予測
パラメータと制御パラメータを各々のデータベースから
各々のパラメータテーブルに設定する６人出力制御プロ
グラムＳＦ２５は、ＩＣカードを用いた入出力を制御す
る。

第６図は、学習系ソフトウェアＳＦ２における、一定時
間内の交通流のサンプリングデータテーブルＳＴ２１の
テーブル構成図である。ここで、各記号につけられたシ
ングルクオーテイションマーク（’　）は、オンライン
収集されたデータであることを示す。

第７図は，交通需要区分テーブルＳＴ２２のテーブル構
成図である。観測される交通状態は、出勤，平常，昼食
，閑散等の交通需要に区分される．交通需要区分テーブ
ルＳＴ２２は、その交通需要を区分するためのデータを
格納している。以下実施例では、交通需要を丸囲み数字
（■〜■）を用いて表す。これらの■〜■の交通需要区
分Δの内容については、第２４図に基づいて後述する。

また実施例では、交通需要は７つに区分しているが、こ
の区分は７つに限定されるものではない。

第８図は、交通需要の学習結果を示す学習結果データテ
ーブルＳＴ２３の構成図である。

第９図は、各種予測値を演算するための予測パラメータ
テーブルＳＴ２４と呼び割当て制御を実行するための制
御パラメータテーブルＳＴ２５のテーブル構成図である
。

第１０図は、学習結果データテーブルＳＴ２３の内容を
交通需要に応じて格納する学習結果データベースＳＤ２
１の構成図であり、第１１図は、制御パラメータテーブ
ルＳＴ２５の内容を交通需要に応じて格納する制御方法
データベースＳＤ２２の構成図である。

続いて、第１２図により支援系ソフトウェアＳＦ３につ
いて説明する。

支援系ソフトウエアＳＦ３は、５つのプログラム（ＩＣ
カード入出力プログラムＳＦ３１．交通流比較プログラ
ムＳＦ３２，制御方法決定プログラムＳＦ３３，キーボ
ード入力制御プログラムＳＦ３４，画面出力制御プログ
ラムＳＦ３５）．３つのテーブル（学習交通流データテ
ーブルＳＴ３１，予測交通流データテーブルＳＴ３２，
制御方法データテーブルＳＴ３３）．及び制御方法決定
知識ベースＳＫ３１より構成される。

ＩＣカード入出力プログラムＳＦ３１は、ＩＣカードを
用いた入出力を制御する。交通流比較プログラムＳＦ３
２は、群管理制御装置ＭＡで学習された交通流データＳ
Ｔ３　１．又は、入方装置ＳＫから人力された予測され
る交通流データＳＴ３２と、交通流モデルとの比較を行
い、交通流モデルに対応する領域を判定する。制御方法
決定プログラムＳＦ３３は、判定された領域、入方され
たユーザ要望に対応する制御方法を制御方法決定知識ベ
ースＳＫａ王より検索して決定する。キーボード入力Φ
リ御プログラムＳＦ３４は、入カ装置ＫＳであるキーボ
ードの入カ制御を行う。画面出力制御プログラムＳＦ３
５は、出方装置ＳＤであるディスプレイの出力制御を行
う。

第１３図は支援系ソフトウェアＳＦ３におけるテーブル
構成図である。

データテーブルは、学習交通流データテーブルＳＴ３１
，予測交通流データテーブルＳＴ３２，制御方法データ
テーブルＳＴ３　３の３種よりなる。

ここで、予測交通流データテーブルＳＴ３２の各記号に
つけられたダブルクオーテイションマーク（″）は、交
通需要を予測して入力したデータであることを示す。

第１４図は、特定階についての交通流モデルを元にした
知識の領域の区分とそれに対応する知識ベースの関係を
示す制御方法決定知識ベースＳＫ３　１の構成図である
。

制御方法決定知識ベースＳＫ３　１は，領域区分を示す
領域区分テーブルＳＫ３１Ｔと、各領域に対応じた制御
方法を格納した知識ベースＳ　Ｋ３１］〜ＳＫ３１　５
からなる。以下実施例では、領域区分をローマ数字（ｒ
〜■）を用いて表す。また実施例では、領域を５つに区
分しているが、この区分は５つに限定されるものではな
い。

次に、第２図に示したハード構成および第３図から第１
４図に示した各ソフトウエアＳＦＯ〜３と各種テーブル
により、どのように群管理制御が行われるかについて実
施例のプログラム等を示す第ｌ５図から第４０図により
説明する。

なお，以下に説明するプログラムは、プログラムを複数
のタスクに分割し、効率よい制御を行うシステムプログ
ラム、つまりリアルタイムのオペレーティングシステム
のもとで管理実行されるものとする。従って、プログラ
ムの起動や休止は、システムタイマや他のプログラムか
ら自由に行える。

プログラムの説明は、初めに群管理制御系ソフトウエア
ＳＦＩ、次に学習系ソフトウエアＳＦ２、最後に支援系
ソフトウエアＳＦ３の順序で行う。

実施例では、エレベーター群管理制御に対する多項目の
ユーザーの要望，即ち制御目標として、「待ち時間の短
縮」，「乗車時間の短縮」，「かご内混雑度の低減」を
取り上げて説明するが、その他の目標として，「予約変
更率の低減」，「省エネルギの達成ノ，「長持ち率の低
減」等を取り上げた場合でも，ほぼ同様の構成で本発明
を実現できる。

初めに、従来より公知となっている一般的な群管理制御
系ソフトウエアＳＦＩについて、第ｌ５図から第２２図
により説明する。

第１５図は，待ち時間評価演算と乗車時間評価演算の基
礎データとなるべきエレベーターの任意の階までの到着
予測時間を演算するプログラムＡＩＩＯのフローである
。このプログラムは例えば１秒毎に周期起動され，エレ
ベーターの現在位置より任意の階までの到着予測時間を
全階床，全エレベーター号機について演算する。

第１５図において，ステップＡ１１１とＡ１１９は全て
のエレベーターについてループ処理することを示す。こ
こで、ｋは号機番号を示し、ｎが最大号機番号を示す。

また、Ｃｏｎｔｉｎｕｅは、パラメータ（ｋ）を１増加
させることを示す。

ステップＡ１１２でまず、第４図に示すエレベーター制
御データテーブルＳＴ１１におけるワークテーブル中の
時間テーブルＴに初期値をセットし、その内容を第４図
のエレベーター制御データテーブルＳＴＩ　１の到着予
測時間テーブルにセットする。初期値として扉の開閉状
態より、あと何秒で出発できるかや、エレベーター休止
時間における起動までの所要時間等が考えられる。次に
階床を一つ進め（ステップＡ１１３），階床がエレベー
ター位置と同一になったか比較する（ステップＡ１１４
）。もし、同一となっていれば、１台のエレベーター号
機について到着予測時間テーブルが演算できたことによ
り、ステップＡ１１９にジャンプして他のエレベーター
号機について同様の処理を繰り返す。一方ステップＡ１
１４において．Ｎｏであれば、時間テーブルＴに｛階床
走行時間Ｔｒを加算する（ステップＡ１１５）。そして
この時間テーブルＴを到着予測時間テーブルにセットす
る（ステップＡ１１６）。次に、かご呼びあるいは割当
てホール呼び、すなわち、着目したエレベーターにサー
ビスすべき呼びが有るかどうかを判定し（ステップＡ１
１７）、もしあれば，エレベーターのｔ回の停止時間Ｔ
ｓを時間テーブルＴに加算する（ステップＡ１１８）。

次にステップＡ１↓３にジャンプし、全ての階床につい
て上記処理を繰り返す。

なお、ステップＡ１１５における１階床走行時間Ｔｒ．
および、ステップＡ１１８における１回停止時間Ｔｓは
、第９図の予測パラメータテーブルＳＴ２４に格納され
ている。

第１６図は、かご内混雑度評価演算と満員予測評価演算
の基礎データとなるべきエレベーターの任意の階での予
測かご内人数を演算するプログラムＡ２１０のフローで
ある。このプログラムも第１５図のプログラムと同様に
、例えばｌ秒毎に周期起動され、エレベーターの現在位
置から任意の階までにおける予測かご内人数を全階床，
全エレベーター号機について演算する。

第１６図において、ステップＡ２１１とＡ２２０は全て
のエレベーターについてループ処理することを示す。

ステップＡ２１２でまず、ワーク用の人数テーブルＶに
初期値をセットし、その内容を第４図のエレベーター制
御データテーブルＳＴＩ　１の予測かご内人数テーブル
にセットする。初期値として現在のかご内人数等が考え
られる。かご内人数は、各エレベーター号機に設けられ
た荷重計で測定されるデータより、６０ｋｇを１人とい
うように換算して得る。そのため、かご内人数が０．１
　人単位となることもあるが特に問題となることではな
い．次に階床を一つ進め（ステップＡ２１３）．階床が
エレベーター位置と同一になったか比較する（ステップ
Ａ２１４）。もし，同一となっていれば、１台のエレベ
ーター号機について予測かご内人数テーブルが演算でき
たことになり，ステップＡ２２０にジャンプして他のエ
レベーター号機について同様の処理を繰り返す。一方ス
テップＡ２１４において，Ｎｏであれば，かご呼びが有
るかを判定する（ステップＡ２１５）。もしかご呼びが
有れば，人数テーブルＶから予測降り人数Ｃｉｊを減算
する。（ステップＡ２１６）。次に、割当てホール呼び
が有るかどうかを判定し（ステップＡ２１７）．もし割
当てホール呼びがあれば、予測乗込み人数Ｈｉｊを人数
テーブル■に加算する（ステップＡ２１８）。そしてこ
の人数テーブルＶを予測かご内人数テーブルにセットす
る（ステップＡ２１９）。次にステップＡ２１３にジャ
ンプし、全ての階床について上記処理を繰り返す。

なお、ステップＡ２１６における予測降り人数Ｃｉｊ、
および、ステップＡ２１８における予測乗込み人数Ｈｉ
ｊは、第９図の予測パラメータテーブルＳＴ２４に格納
されている。また、第１６図では省略したが、予測かご
内人数が定員数を上回る時には人数テーブルＶを定員数
にする、０人を下回る時には人数テーブルＶを０人にす
る、あるいは方向反転時には人数テーブルＶをＯ人にす
る処理が必要であることはいうまでもない。

第１７図は、呼び割当てのプログラムＢＩＩＯのフロー
である。このプログラムは、例えば、０．１　秒毎に周
期起動するものとするが、ホール呼び発生時に随時起動
することとしてもよい。

第１７図において、ステップＢ１１２と８　１１７は上
昇（ｊ＝１），下降（ｊ＝２）の両方向についてループ
処理することを示す。また、ステップＢ１１３とＢ１１
６は最下階（ｉ＝１）から、最上階（ｉ　＝ｍ）の全階
床についてループ処理することを示す。

プログラムＢＩＩＯでは、まずステップＢ１１１で前周
期以降に発生した未割当てホール呼びを読み込む。ステ
ップＢ１１２で設定した方向、ステップＢ１１３で設定
した階床にホール呼びが有るかを判定し（ステップＢ１
１４）、もしなければ，次のステップ（Ｂ　１　１　６
）に進む。ステップＢ１１４でホール呼びが有るときに
は、多目標制御割当てアルゴリズムのサブルーチンＢ２
１０（後述）へ進む。次に、ステップＢ１１５では、サ
ブルーチンＢ２１０でワークテーブルの号機別総合評価
値テーブルΦ［ｋ］に格納した、各エレベーター号機の
総合評価値を比較し、その値の最も小さな号機を最適エ
レベーター号機としてホール呼びを割当てる。階床，方
向に関するループが終了すると、Ｂ１１０の処理が完了
する。

続いて，第１７図中の多目標制御アルゴリズムＢ２１０
を第１８図を用いて説明する。

実施例では、多目標制御アルゴリズムとして、待ち時間
に加え，乗車時間とかご内混雑度を制御する例を取り上
げて説明するが、前述の如く、この他にも、予約変更率
，省エネルギ，長待ち率等を取り上げてもよい。また実
施例では、運行効率を改善する停止呼びの評価、及び、
満員予測の評価も併せて行っている。

さて，第工８図において、ステップＢ２１１と８２１３
は全てのエレベーターについてループ処理することを示
す。

多目標制御は、各目標の評価値を演算し、その総合評価
値により割当てを行う。サブルーチンＢ３１０で待ち時
間の評価値φＶ，サブルーチンＢ３２０で乗車時間の評
価値φｔ，サブルーチンＢ３３０で停止呼びの評価値α
ａ，サブルーチンＢ３４０でかご内混雑度の評価値φＣ
と満貝予８１｝ｌの評価値αｆを演算する。その結果を
ステップＢ２１２で、制御パラメータテーブルＳＴ２５
に格納されている重み係数ｋｉｌ，ｋｔ，ｋｃを掛けて
、ワークテーブルの号機別総合評価値Φ［ｋ］にΦ［ｋ
コ＝ｋｗφｖ＋ｋｔφｔ＋　ｋｃφｃ＋ａｆ−ａａを格
納する。全エレベーター号機について終了したら，第１
７図ステップＢ１↓５へ復帰する。

引き続き、各評価サブルーチンについて説明する。

第１９図は，待ち時間評価サブルーチンＢ　３１０のフ
ローである。

待ち時間評価値φＶを演算する方法は、第９図の制御パ
ラメータテーブルＳＴ２５の待ち時間制御パラメータの
待ち時間制御方法パラメータＷ　ｒｔｒ　ｔ　ｈにより
切り替えられる。つまり、ステップＢ３１１で待ち時間
制御方法パラメータＷ　ｍ　ｔ　ｈが１であればステッ
プＢ３１２へ進む。ステップＢ３１２では、呼び発生階
待ち時間最小アルゴリズム（　Ｍ　ｉ　ｎ割当て）を用
いている。呼び発生階待ち時間最小アルゴリズムでは、
第４図の到着予測時間テーブルを参照して、発生ホール
呼びの予測待ち時間Ｗｃａｌｌを評価値φνへ代入する
。また、ステップＢ３１１で待ち時間制御方法パラメー
タＷ　ｍ　ｔ　ｈが２であればステップＢ３１３へ進む
。ステップＢ３↓３では、最大待ち時間最小アルゴリズ
ム（Ｍｉｎ−Ｍａｘ割当て）を用いている。最大待ち時
間最小アルゴリズムでは，第４図の到着予測時間テーブ
ルとホール呼び経過時間テーブルを参照して、前方割当
てホール呼びの中から，現在までの経過時間と今後の到
着予測時間の和である予測待ち時間の最大となる階の待
ち時間Ｗｍａｘ評価値φＶへ代入する。更に、スイツプ
Ｂ３１１で待ち時間制御方法パラメータＷｍｔｈが３で
あればステップＢ３１４へ進む。ステップＢ３１４では
、待ち時間平均最小アルゴリズム（Ｍｅａｎ割当て）を
用いている。待ち時間平均最小アルゴリズムでは、第４
図の到着予測時間テーブルとホール呼び経過時間テーブ
ルを参照して、前方割当てホール呼びの予測待ち時間の
平均値Ｗｍｅａｎを評価値φＶへ代入する。待ち時間評
価値φＶへの代入が終わったら、サブルーチンＢ２↓Ｏ
の次の処理へ進む。

第２０図は，乗車時間評価サブルーチンＢ３２０のフロ
ーである。

まず、ステップＢ３２１で第４図の到着予測時間テーブ
ルとかと呼び経過時間テーブルを参照して，前方受け持
ちかご呼びの中から、現在までの経過時間と今後の到着
予測時間の和である予測乗車時間の最大となる階の乗車
時間Ｔｍａｘを演算する。ステップＢ３２２でＴｔｎａ
ｘと第９図の制御パラメータテーブルＳＴ２５の乗車時
間制御パラメータの設定値Ｔｉｎｓｔの大小比較を行い
、Ｔｍａｘ≦ＴｉｎｓｔであればステップＢ３２３で乗
車時間評価値φｔにＯを代入する。Ｔ　ｍａｘ＞　Ｔ　
ｉｎｓｔであれば、ステップＢ３２４で乗車時間評価値
φｔに（　Ｔ　ｗａｘ−　Ｔ　ｉｎｓｔ）を代入する。

以上の処理終了後、サブルーチンＢ２１０の次の処理へ
進む． 第２１図は５停止呼び評価サブルーチンＢ３３０のフロ
ーである。

停止呼び評価とは、新規発生ホール呼びの近傍階にホー
ル呼び停止、または、かご呼び停止の予定がある号機を
、新規ホール呼びに割当てられ易くする評価を行うこと
で，団子運転を解消し，省エネルギと運転効率向上を図
る考え方である。

まず、ステップＢ３３１で停止呼び評価値αａを初期化
する。第９図の制御パラメータテーブルＳＴ２５の停止
呼び評価パラメータテーブルの近傍階定数αｄを用い、
ステップＢ３３２とステップＢ３３５のループで、現在
階ｉを中心に±αｄ階床につき処理を行う。ステップＢ
３３３で同方向の割当てホール呼びか受け持ちかご呼び
が有るか調べ、有る時にはステップＢ３３４で階床差に
応じた評価値α［ｉｗ］をαａに加える。以上の処理終
了後、サブルーチンＢ２１０の次の処理へ進む。

第２２図は、かご内混雑度評価と満員予測評価のサブル
ーチンＢ３４０のフローである。

まず、ステップＢ３４１で第４図の予測かご内人数テー
ブルを参照して，前方各階での予測かご内人数の最大値
Ｃｍａｘを演算する。ステップＢ３４２でＣｍａｘと第
９図の制御パラメータテーブルＳＴ２５のかご内混雑度
制御パラメータの設定値Ｃｉｎｓｔの大小比較を行い、
Ｃｍａｘ≦Ｃ　ｉｎｓｔであればステップＢ３４３でか
ご内混雑度評価値φＣにＯを代入する。Ｃｍａｘ＞Ｃｉ
ｎｓｔであれば，ステップＢ３４４でかご内混雑度評価
値φＣに第９図の制御パラメータテーブルＳＴ２５のか
ご内混雉度制御パラメータの混雑評価値ＣＩを代入する
。更に、ステップＢ３４５でＣｍａｘと第４図のエレベ
ーター仕様テーブルＳＴ１３の定員Ｃｃａρの大小比較
を行い、Ｃ　ｍａｘ≦ＣｃａｐであればステップＢ３４
６で満員予測評価値αｆにＯを代入する．Ｃ　ｍａｘ　
）　Ｃ　ｃａｐであれば　ＭステップＢ３４７で満員予
測評価値αｆに第９図の制御パラメータテーブルＳＴ２
５の満員予測評価制御パラメータの満員評価値Ｃ２を代
入する。以上・の処理終了後、サブルーチンＢ２１０の
次の処理へ進む。

以上、第１５図から第２２図のプログラムを用いること
で、多目標制御を実行する群管理制御系ソフトウエアＳ
Ｆ１を説明した。

次に、一般的な学習系ソフトウエアＳＦ２について、第
５図から第ｌ１図、及び、第２３図から第２８図により
説明する。

第２３図は，運転データ収集プログラムＳＦ２１のフロ
ーである。

このプログラムは一定周期毎（例えば１秒）に起動され
，かつ、一定時間（例えば５分間）データを収集した後
、第６図のサンプリングデータテーブルＳＴ２１へ書き
込みを行う。

まず、ステップＣ１１１で前周期以降の全号機の走行時
間と走行階床数のデータを収集する。このデータは、１
階床走行時間Ｔｒを求めるのに用いられる。ステップＣ
１１２では、前周期以降の全号機の停止時間と停止回数
のデータを収集する。

このデータは，１回停止時間Ｔｓを求めるのに用いられ
る。次に、ステップＣ１１３で方向反転を検出し、反転
が有ればステップＣｌ　１４で方向反転回数ｄ′をカウ
ントアップする。ステップＣ１１５では、停止状態を検
出し、停止が有ればステップ０１１６で停止状態発生階
の停止回数ｅ’ｉｊをカウントアップする。ステップＣ
１１７では、ホール呼びを検出し、ホール呼びが有れば
ステップＣｌ１８でホール呼び発生階のホール呼び数ｆ
’ｉｊ　をカウントアップする。ステップＣ１１９では
、かご呼びを検出し、かご呼びが有ればステツＣ１２０
でかご呼び発生階のかと呼び数ｇ’ｉｊをカウントアッ
プする。ステップＣ　１２１では，乗込み乗客を検出し
、乗込みが有ればステップＣ１２２で乗込み発生階の乗
込み人数ｈ’ｉｊをカウントアップする。ステップＣ１
２３では、降り乗客を検出し、降りが有ればステップＣ
１２４で降り発生階の降り人数ｃ’ｉｊをカウントアッ
プする。データ収集が終了すると、ステップＣ１２５で
サンプリングタイムを検出し、終了のタイミングであれ
ばステップ０１２６でサンプリングデータテーブルＳＴ
２　１へ書き込みを行う。このプログラムで収集された
データは，交通需要区分プログラムＳＦ２２と，運転デ
ータ学習プログラムＳＦ２３で用いられる。

次に，交通需要区分プログラムＳＦ２２について説明す
る． まず、交通需要区分の概念を第２４図を用いて説明する
。

エレベーターの交通需要には、出勤時のように上昇方向
の利用が多い時間帯，平常時のように上昇と下降の利用
が均衡し、全体交通量もある程度の時間帯，閑散時のよ
うに全体交通量がごく少ない時間帯等が有る。そこで、
この交通需要の分類は一定時間内の乗込み人数を測定す
ることで区分でき、横軸にＤＮ交通量（下降方向の一定
時間内乗込み人数）、縦軸にＵＰ交通量（上昇方向の一
定時間内乗込み人数）をとって図示すると第２４図のよ
うに表される。例えば第２４図でのが閑散時、■が出勤
時、■が平常時に相当する。交通需要区分は全体交通量
とＵＰ／ＤＮ比率で特徴づけられるので、交通需要区分
テーブルＳＴ２２にはその最大，最小（ＵＰ／ＤＮ比率
は逆正接をとって角度に換算してある）が格納されてい
る。

実際のプログラムのフローを第２５図に示す。

このプログラムは，運転データ収集プログラムＳＦ２１
でサンプリングデータテーブルＳＴ２↓への書き込みが
行われたことに続いて起動される。

交通需要区分の前処理として、ステップＣ２１↓からス
テップＣ２１６のループで方向別の乗込み人数ｈ　ｓｕ
ｍ［　ｊ　］　を演算する。ステップＣ２１７で変数δ
に交通需要をセットし、ステップＣ２１８で全体交通量
が交通需要δの範囲にあるか、ステップＣ２１８でＵＰ
／ＤＮ比率が交通需要δの範四にあるかを調べ，どちら
かでも満足していなければ交通需要δを変更して処理を
繰り返す。条件を共に満たしているならば、ステップＣ
２２０で交通需要区分Δに変数δを代入し、処理を終了
する。以上の処理で、収集されたサンプリングデータに
対応する第７図に示した交通需要区分Δを得ることがで
きる。

次に、運転データ学習プログラムＳＦ２３を第２６図，
第２７図を用いて説明する。

学習は、オンラインで収集されたデータＳＴ２１を用い
て過去の学習結果データベースの内容を修正することで
行われる。

このプログラムは、運転データ収集プログラムＳＦ２１
でサンプリングデータテーブルＳＴ２　１への書き込み
が行われ、交通需要区分プログラムＳＦ２２で交通需要
区分Δを演算したことに続いて起動される。まず、第２
６図ステップｃ３１１で、サンプリングデータテーブル
ＳＴ２１を読み込む。サブルーチンＣ３２０では，サン
プリングデータテーブルＳＴ２１を用いて各種パラメー
タを演算する。つまり、第２７図ステップｃ３２１で１
Ｖａ床走行時間Ｔｒを、 走査時間 で求める。ステップＣ３２２で１回停止時間Ｔｓを、 停止時間 で求める。更に、ステップＣ３２３とステップＣ３３１
の方向に関するループ、ステップｃ３２４とステップＣ
３３０の階床に関するループで各方向，各階床について
、パラメータを演算する。まずステップＣ３２５で、停
止確率Ｐｉｊを、で求める。ステップ０３２６では、予
測乗込み人数Ｈｉｊを、 で求める。ステップＣ３２７では，予測降り人数Ｃｉｊ
を、 で求める。ステップ０３２８では，ドアタイム制御パラ
メータＤｉｊを、 で求める。ステップＣ３２９では、サービス優先レベル
Ｓｉｊを、 で求める。ここで、ステップＣ３２５からステップＣ３
２９のａ１ｙ・・・，ａｓは、ある定数を表している。

以上の処理で得られた上記Ｔ　ｒ　ｇ　Ｔ　ｓ　＋Ｐｉ
ｊ，　Ｈｉｊ，　Ｃｉｊ，　ＤｉｊおよびＳｉｊ等のパ
ラメータ群をまとめてＤ　ｎｅｗと表記する。第２６図
に戻り、ステップＣ３１２で学習結果データベースから
交通需要区分Δに対応する以前に学習されたデータを読
み込む。このデータをまとめてＤｏｌｄと表記する。ス
テップＣ３１３では，このＤ　ｎｅｗとＤｏｌｄを結合
係数γ（０≦γ≦工）を用いて次式により結合し、学習
結果データテーブルＳＴ２３にあたるデータＤ　ｐｒｅ
を演算する。

Ｄｐｒｅ＝　”ｌ　Ｄｎｅｗ＋（１　−　７）Ｄｏｌｄ
ここで、γが１に近いほどオンラインで収集されたデー
タを重視することを表し、γが０に近いほど以前の学習
結果を重視することを表す。ステップＣ３１４でデータ
Ｄ　ｐｒｅを学習結果データベースＳＤ２１へ書き込み
、処理を終了する。

更に、第２８図を用いて最適パラメータ設定プログラム
ＳＦ２４を説明する。

このプログラムは、運転データ収集プログラムＳＦ２１
でサンプリングデータテーブルＳＴ２１への書き込みが
行われ、交通需要区分プログラムＳＦ２２で交通需要区
分Δを演算したことに続いて起動される。

ステップＣ４１１で交通需要区分Δを読み込む。

ステップＣ４１２では、交通需要区分Δに対応する制御
パラメータを制御方法データベースＳＤ２２から読み込
み、制御パラメータテーブルＳＴ２５にセットする。ス
テップＣ４１３では、交通需要区分Δに対応する予測パ
ラメータを学習結果データベースＳＤ２１から読み込み
、予測パラメータテーブルＳＴ２４にセットする。

また、入出力制御プログラムＳＦ２５は、学習結果デー
タベースＳＤ２１の内容をＩＣカードに書き込む、また
は、ＩＣカードの内容を制御方法データベースＳＤ２２
に書き込む等の処理の制御を行う。（フローは省略する
。） 以上が本発明の内，群管理制御系ソフトウエアＳＦＩと
学習系ソフトウエアＳＦ２の実施例であり、ここまでが
、第１図原理システムブロック図の群管理制御実行部４
に相当する。

次に、特定階に着目した交通流モデルにより群管理制御
方法を決定する支援系ソフトウエアＳＦ３について、第
１図，第１２図から第１４図、及び、第２９図から第４
０図を用いて説明する。

この支援系ソフトウエアＳＦ３は、特定階が変更になっ
たり、群管理制御が交通流に合致しなくなったと思われ
る時に，あるいは、自動的に所定の時間毎に起動される
。

支援系ソフトウエアＳＦ３は、第工図原理システムブロ
ック図の内、対象とする交通流のデータと特定階に着目
した交通流モデルを比較する交通流比較部と、交通流比
較部で比較された結果とユーザの要望とに応じた制御方
法を制御方法決定知識ベースより検策し決定する制御方
法決定部に相当する。

初めに、交通流比較部について説明する。

ここで用いられる交通流のデータは、群管理制御装置Ｍ
Ａで学習された結果、即ち、第２４図に示す交通需要区
分Δに関するデータをＩＣカードを通して個性化支援装
置ｓｐに学習交通流データテーブルＳＴ３↓として受け
渡されたものを用いる。また、ビル（エレベーター）が
稼働前であれば、入力装置ＳＫから予測交通流データテ
ーブルＳＴ３２として入力したものを用いる。

また、ここで用いられる特定階に着目した交通流モデル
について、第２９図から第３ｌ図を用いて説明する。ビ
ル内の交通流には交通需要に対応して乗込み需要、また
は，降り需要が特に多い特定階とその他の一般階が存在
し、多目標制御に影響を与える。そこで、この特定階，
一般階に着目すると、個々の乗客のエレベーター利用は
必ず次の３形態の何れかに分類できる。

ハ特定階から乗込み、一般階で降りる利用。

２．一般階から乗込み，特定階で降りる利用。

３．一般階から乗込み、一般階で降りる利用。

この個々の乗客は、交通流を形戊する基本要素であり、
あらゆる交通流は個々の乗客の集合体である。そこで、
上記の３形態をそれぞれ、／．第２９図に示す発散要素
交通流モデル（Ｓｐｒｅａｄ−ｏｕｔ　Ｔｒａｆｆｉｃ
　Ｍｏｄｅｌ　：　Ｓ　Ｔモデル）２．第３０図に示す
集中要素交通流モデル（Ｇａｔｈｅｒｉｎｇ　Ｔｒａｆ
ｆｉｃ　Ｍｏｄｅｌ　：　Ｇ　Ｔモデル）３．第３１図
に示す階間要素交通流モデル（Ｉｎｔｒｅｆｌｏｏｒ　
Ｔｒａｆｆｉｃ　Ｍｏｄｅｌ　：　Ｉ　Ｔモデル）とモ
デル化する。ここで、ＳＴモデルは、出勤時の交通流の
中心成分であり、また、平常時における外来客のロビー
階から目的階までの移動等もＳＴモデルで表すことがで
きる。ＧＴモデルは、昼食時の食堂階へ向かう利用であ
るとか、平常時におけるビル外へ外出するためのエレベ
ーター利用等のモデルである。ＩＴモデルは、一社専有
ビルの平常時に多い階間利用のモデルであるが、ＳＴモ
デルやＧＴモデルに分類できないエレベーター利用はＩ
Ｔモデル成分と考えることができる。

これらの要素交通流モデルを用いることで、第３２図の
ようなＳＴモデルとＧＴモデルを合威したＳＧＴモデル
であるとか、第３３図のようなＩＴモデルを加えたＳＧ
ＩＴモデルといった交通流の合或が可能である。合成交
通流モデルとしては、特定階が複数個所のＳＴモデルや
ＧＴモデル、ビルの一定部分のみのＩＴモデル等も考え
ることができる。この合成交通流モデルにおける３要素
交通流モデルの組合せ、あるいは，成分比率は任意に設
定できるので、あらゆる交通流を上記３つの要素交通流
モデルの成分比率を変えた合成として取り扱うことが可
能になる。

対象とする交通流における３つの要素交通流モデルの成
分比率は、第３４図（ａ）の「三元状態図」を用いるこ
とで図示できる。三元状態図とは，金属材料等の分野に
おいて，物質中に含まれる３つの元素の構成比率を図示
するために用いられるものであるが、本発明では、交通
流中に含まれる３つの要素交通流モデルの構成比率を図
示するために用いている。

三元状態図では、ＳＴ頂点がＳＴモデル成分１００％の
交通流を示し、逆にＧＴ−ＩＴ底辺はＳＴ成分Ｏ％の交
通流を示す。ＳＴ成分Ｘ％であれば、ＧＴ−ＩＴ底辺と
平行にＧＴ−ＩＴ底辺からＳＴ頂点への高さのＸ％の位
置の直線として表される。ＧＴ成分，ＩＴ成分について
も同様である。この三元状態図を用いることにより、全
ての交通流はその要素交通流モデルの構成比率を図示す
ることができる。例えばＳＴ成分３０％，ＧＴ成分４５
％，ＩＴ成分２５％の交通流は．各成分に対応する直線
の交点として表される。

更に、交通流に対応じた多目標制御を実現する制御方法
は、３つの要素交通流モデルの成分比率に従って変わる
。その様子を示す実験結果の一例を第３４図（ｂ）に示
す。

第３４図（ｂ）は交通量（総利用人数）を固定して、そ
の時のＩＴモデルの成分比をＯ％（Ｓ［ｉ丁）　，５０
％（ＳＧＩＴ），１００％（ＩＴ）　　と変化させた交
通流を発生し、その交通流に対して、第２２図のかご内
混雑度制御の設定値Ｃｉｎｓｔをパラメータにして群管
理制御した時の結果をシミュレーション実験した結果で
ある。縦軸のかご内混雑度は、混雑状況（定員の５０％
以上での乗算）に遭遇した利用客の比率で表している。

第３４図（ｂ）より、ＳＧＴモデル（ＩＴ成分Ｏ％）に
おいてはかご内混雑度制御を強めるほど結果を良くでき
るが、ＩＴ成分が５０％含まれる（ＳＧＩＴモデル）と
制御に対して結果の改善が極小を持つ、あるいは飽和す
る傾向をみせる。更にＩＴモデル（ＩＴ成分１００％）
においては、制御を強めても結果が改善できないことが
判る。このことから、かご内混雑度の改善が要求された
ときの制御方法として、 ・ＩＴ成分が少ない領域■ではＣｉｎｓｔを小さく設定
する。

・ＩＴ成分が増えた領域■においては、Ｃ　ｉｎｓｔを
極小点付近に設定する。

・ＩＴ成分が特に多い領域■では、Ｃ　ｉｎｓｔによら
ず，制御量Ｃｌの調整で制御を行う。

といった設定を行う必要がある。

そのため、交通流に対応じた多目標制御を実現する制御
方法を設定するための知識ベースの構成は、３つの要素
交通流モデルの成分比率に従って三元状態図上で区分さ
れる領域毎に制御方法を用意する本発明の方式を用いる
ことが有効である，即ち、第２４図で検出された交通需
要区分Δについて、具体的にどのような交通流になって
いるかを第３４図（ａ）に示す三元状態図により求め、
求められた交通流モデルを処理するに好適な群管理制御
方法を決定し、群管理制御が行われることになる。

支援系ソフトウエアＳＦ３の実施例を第３５図から第４
０図を用いて説明する。

第３５図は，交通流比較プログラムＳＦ３２のフローで
ある。

プログラムは、入力された交通流から特定階を判定する
サブルーチンＤ２１０．入力された交通流の要素交通流
モデル成分比率を演算するサブルーチンＤ３１０、要素
交通流モデル成分比率から領域区分八を判定するサブル
ーチンＤ４１０から構成される． 交通流の乗降人数から特定階を自動的に判定するプログ
ラムを第３６図に示す。第３６図中で、パラメータｋ＝
１の時は乗込みを、ｋ＝２の時は降りを表す。

ステップＤ２１１とＤ２２０の乗降に関するループ、ス
テップＤ２１２とＤ２１９の方向に関するループの中で
、まず．ステップＤ２１３で乗込み人数、あるいは降り
人数の平均μと標準偏差ρを演算する。その後、ステッ
プＤ２１４とＤ　２１８の階床に関するループの中のス
テップＤ２１５でｊ方向ｉ階の乗込み人数、あるいは降
り人数が（μ＋２ρ）以上であるかを判定し、Ｙｅｓで
あればステップＤ２１６でｉ階に相当する特定階フラグ
のビットに１をセットする。ステップＤ２１５の判定で
ＮｏであればステップＤ２１７でｉ階に相当する特定階
フラグのビットに０をセットする．以上の処理がす八で
終了すると、乗降、方向に関する特定階判定結果が特定
階フラグに得られる。

この方法を用いることにより、対象とする時間帯の特定
階を自動的に判定できる効果がある。

次に、入力された交通流の要素交通流モデル成分比率を
演算するサブルーチンＤ３１０を第３７図を用いて説明
する。

発散交通流比率ＳＴＲは、全乗込み人数に対する特定階
からの乗込み人数の比率であるので、ステップＤ３１１
で、 で演算する。また集中交通流比率ＧＴＲはステップＤ３
１２で， で演算する。階間交通流比率ＩＴＲは全体（１００％）
からＳＴＲとＧＴＲを除いた値であるので、ステップＤ
３１３で、 ＩＴＲ＝１００−ＳＴＲ−ＧＴＲ で演算する。

以上の処理により，各要素交通流モデルの成分比率が演
算できる。

次に、要素交通流モデル成分比率から領域区分Ａを判定
するサブルーチンＤ４１０について，第３８図を用いて
説明する。

ステップＤ４１１で変数λに領域区分をセットする。ス
テップＤ４１２で発散交通流比率ＳＴＲが領域区分λの
範囲にあるか，ステップＤ４１３で集中交通流比率ＧＴ
Ｒが領域区分λの範囲にあるか、ステップＤ４１３で階
間交通流比率ＩＴＲが領域区分λの範囲にあるかを調べ
、いずれかでも満足していなければ領域区分λを変更し
て処理を繰り返す．条件を全て満たしているならば、ス
チップＤ４１５で領域区分Ａに変数λを代入し、処理を
終了する。

以上の処理で、対象とする交通流データに対応する領域
区分Ａを得ることができる。なお，Ｄ４１０の処理で領
域の上下限の値は第１４図制御方法決定知識ベースＳＫ
３１の値は領域区分テーブルＳＫ３１Ｔに格納されてい
る。領域の区分は、この領域区分テーブルＳＫ３１Ｔの
上下限値を書き替えることで変更できる。

引き続き、制御方法決定プログラムＳＦ３３を第３９図
，第４０図を用いて説明する。

制御方法決定プログラムＳＦ３３は、交通流比較プログ
ラムＳＦ３２で判定された領域区分八と入力装［ＳＫか
ら入力されたユーザの要望に従った制御方法を制御方法
決定知識ベースを検索して決定するプログラムである。

まず第３９図ステップＤ５１１でユーザの要望を受け付
ける。この入力は，例えば第４０図のような画面に対し
て行う。入力されたユーザの要望にはステップＤ５１２
で配点が行われる。各入力目標の配点は、第４０図の５
段階に対して、重要度順に ３（重要）→２→ｌ（同程度）→Ｏ−＋０とする。実施
例では，各入力目標の総合点数は待ち時間５　（＝３＋
２）点、乗車時間０（＝Ｏ＋Ｏ）点、かご内混雑度２　
（＝Ｏ＋２）点である。ステップＤ５１３では、配点結
果から重要目標を決定する。決定は、４点以上の目標を
重要とし、全目標が３点以下の配点の時には各目標が同
程度とする。この結果、ユーザの要望は「待ち時間が重
要（ｉｎｐＷ）　Ｊ　ｐ　　ｒ乗車時間が重要（ｉｎｐ
Ｔ）　Ｊ　１「かご内混雑度が重要（ｉｎｐＣ）　Ｊ　
，　　ｒ各目標が同程度（ｉｎｐＡ）の４通りに分けら
れる。ステップＤ５１４では、前述の交通流比較プログ
ラムＳＦ３２で判定された領域区分八に対応する知識Ｓ
Ｋ３１１，・・・，ＫＳ３１５から要望に応じた制御方
法を検索する。領域対応知識は、ｉｆ　（要望条件｝−
ｔｈｅｎ　（制御方法パラメータ）という組になってい
る。

例えば、領域区分Ｉに対する知識は、 ｉｆ　（ｉｎｐＷ） −ｔｈｅｎ　（ｋｗ＝０．６，　Ｗｍｔｈ＝１，　ｋｔ
＝０．２，　Ｔｉｎｓｔ＝４０，ｋｃ＝０．２，　Ｃｉ
ｎｓｔ＝ＣｃａｐＸ０．８，　Ｃｔ＝３００＋　＝−｝
ｉｆ　｛ｉｎｐＴ｝ −ｔｈｅｎ　｛ｋｗ＝０．３，　Ｗｍｔｈ＝２，　ｋｔ
＝０．５，　Ｔｉｎｓｔ＝２０，ｋｃ＝０．２，　Ｃｉ
ｎｓｔ＝ＣｃａｐＸ０．４，　Ｃｚ＝６００，　・−｝
ｉｆ　（ｉｎｐＣ） −ｔｈｅｎ　｛ｋｗ＝０．２，　Ｗｉｔｈ＝２，　ｋｔ
＝０．３，　Ｔｉｎｓｔ＝＝２０，ｋｃ＝０．５，　　
Ｃｉｎｓｔ＝ＣｃａｐＸ０．３，　　Ｃ１：６００１　
　−｝ｉｆ　（ｉｎｐＡ｝ −ｔｈｅｎ　｛ｋｗ＝０．４，　Ｗｍｔｈ＝２，　ｋｔ
＝０．３，　Ｔｉｎｓｔ＝４０，ｋｃ＝０．３，　Ｃｉ
ｎｓｔ＝ＣｃａｐＸ０．６，　Ｃ１＝３００，−＞どな
っており、領域区分八と要望が与えられると制御方法パ
ラメータを決定できる。ステップＤ５１５で制御方法パ
ラメータを出力装置に提示し、ステップＤ５１６で確認
を求める。確認がＮｏであればステップＤ５１７で要望
を修正し処理を繰り返す。ステップＤ５１６でＹｅｓで
あれば、制御方法パラメータを制御方法データテープ／
Ｌ／ＳＴ３３へ書き込み処理を終了する。

また、支援系ソフトウエアＳＦ３のＩＣカード入出力プ
ログラムＳＦ３１は、ＩＣカードの内容を学習結果デー
タテーブルＳＴ３　１に書き込む、または、制御方法デ
ータテーブルＳＴ３３の内容をＩＣカードに書き込む等
の処理に制御を行う。

（フローは省略する。） 本実施例によれば、以下のような効果がある。

群管理制御対象とする交通流と特定階に着目した交通流
モデルを比較する構成としたことにより交通流を一般化
して扱うことができる交通流の判定が容易となる。また
交通流の特徴を明確にすることができる。

乗降別に特定階を判定する構成としたことにより特定階
の影響をより精度よく制御方法の決定に反映できる。従
って、特定階が変った場合でも、制御用データを人手に
より設定し直す必要はなく、自動的に新しい特定階に対
する交通流に合致した群管理制御が行われる。

知識ベースを交通流モデル対応領域毎に用意する構成と
したことにより知識ベースの構築・保守を容易にできる
。

交通流を基本となる３つの要素交通流モデルの成分比率
により三元状態図上の領域に表すことにより交通流の認
識が容易にできる。

交通流比較部と制御方法決定部を群管理制御実行部とオ
フラインの構成とすることにより群管理制御装置の装置
規模を縮小できる。また知識ベースの更新が容易にでき
る。

制御方法の決定を知識ベースの知識のみで行うことによ
り支援装置を簡便にできる。また制御方法の決定の即時
性を向上することができる。

Ｈの他の一施りの説口 次に、本発明の他の実施例を説明する。以下の説明では
、先に説明した実施例との共通部分の説明は省略し、相
違部分のみ説明する。

初めに、制御方法決定知識ベースに補足知識を備えた実
施例について説明する。

本実施例では、第工２図支援用ソフトウエアＳＦａ内の
制御方法決定知識ベースＳＫ３１のテーブル構成図（第
１４図）に補足知識ＳＫ３↓Ｃを加えた第４１図のテー
ブル構戒を用いる。補足知識は．　ｉｆ　（環境条件｝
　−ｔｈｅｎ｛制御方法変更点｝、又は、ｉｆ　（環境
条件）　−ｔｈｅｎ　（制御方法パラメータ｝となって
いる。環境条件としては、・特定階の位置に関する条件
（特定階が端階、端階から数階、中心階等） ・特定階の数に関する条件（特定階が一方向に２階，同
方向に乗込み特定階と降り特定階が存在等） 等が考えられる。これらの条件は、特定階判定プログラ
ムＤ２１０で作成される特定階フラグＨＳｊ，ＣＳｊに
より或立を調べることができる。

補足知識は例えば、 ｉｆ　｛降り特定階が端階｝ −ｔｈｅｎ　（　Ｃｉｎｓｔ＝　Ｃｉｎｓｔ　Ｘ　１　
．　ｌ　）ｉｆ　（降り特定階が中央階｝ −ｔｈｅｎ　（　Ｃｉｎｓｔ＝　Ｃｉｎｓｔ　Ｘ　０　
．　８　）ｉｆ　（降り特定階が２つで両端階） −ｔｈｅｎ　｛Ｃｉｎｓｔ＝ＣｉｎｓｔＸ　１．２｝等
である。補足知識は、第３９図ステップＤ５１４での制
御方法検索時に用いられる。

本実施例によれば、制御方法決定知識ベースに補足知識
を加えたことにより、ビル環境の実態に即した制御方法
の決定が可能となる効果がある。

また、三元状態対応の知識ベースに納まりきらない知識
を制御方法決定に活用することができる効果がある。

次に、支援系ソフトウエアＳＦ３に群管理制御を模擬す
るシミュレーションプログラムを加えた実施例について
説明する。

本実施例では、支援系ソフトウエアＳＦ３を第４２図の
ように変更する。第４２図における変更点は、シミュレ
ーションプログラムＳＦ３６が加わった点である。

これに伴う制御方法決定プログラムＳＦ３５のプログラ
ム変更点を第４３図から第４５図を用いて説明する。

第４３図において、ステップＤ６　１　１，　Ｄ６１２
，Ｄ６１３，Ｄ６１７，Ｄ６１８，０６１９，、Ｄ６２
０はそれぞれ第３９図ステップＤ５　１　１，Ｄ５１２
，Ｄ５１３，Ｄ５１６，Ｄ５１７，Ｄ５１８，Ｄ５↓９
と同様である。しかし、ステップＤ６１４で検索される
制御方法は、ｉｆ　（ｉｎｐＷ） −ｔｈｅｎ　（ｋｗ＝０．６，　Ｗｍｔｈ＝１，　ｋｔ
＝ｏ，２，　Ｔｉｎｓｔ＝４０，ｋｃ＝０．２，　Ｃｉ
ｎｓｔ＝ＣｃａｐＸ０．８，　Ｃｔ＝３００，　・・・
）ｏｒ　（ｋｗ＝０．７，　Ｗｍｔｈ＝１，　ｋｔ＝０
．１，　Ｔｉｎｓｔ＝４０，ｋｃ＝０．２，　Ｃｉｎｓ
ｔ＝ＣｃａｐＸ０．８，　Ｃｔ＝３００，　−）ｉｆ　
（和ρＣ｝ −ｔｈｅｎ　｛ｋｉ＋＝０．２，　Ｗｍｔｈ＝２，　ｋ
ｔ＝０．３，　Ｔｉｎｓｔ＝２０，ｋｃ＝０．５，　Ｃ
ｉｎｓｔ＝ＣｃａｐＸ０．２，　Ｃｔ＝６００，　・＝
｝ｏｒ　（ｋｗ＝０．２，　Ｗｍｔｈ＝２，　ｋｔ＝０
．３，　Ｔｉｎｓｔ＝２０，ｋｃ＝０．５，　Ｃｉｎｓ
ｔ＝ＣｃａｐＸ０．３＊　Ｃｘ＝６０ＣＬ　・−＞ｏｒ
　（ｋｗ＝０．２，　Ｗｉｔｈ＝２，　ｋｔ＝０．３，
　Ｔｉｎｓｔ＝２０，ｋｃ＝０．５，　Ｃｉｎｓｔ＝Ｃ
ｃａｐＸ０．４，　Ｃｚ＝６００，　−）というように
、ｉｆ　｛要望条件｝　−ｔｈｅｎ　（制御方法パラメ
ータ）．ｒ（制御方法パラメータ｝で記述され、１つの
要望に対して複数の制御方法パラメータを出力する。制
御方法パラメータが検索されると、サブルーチンＤ７１
０へ対象交通流（学習交通流データテーブルＳＴ３１又
は予測交通流データテーブルＳＴ３２）、及び検索され
た複数の制御方法パラメータを受渡し、シミュレータ（
後述）を起動する。シミュレータからはシミュレーショ
ン結果及びそのノルムＬｐを受け取る。ステップＤ６１
５では、受け取ったノルムＬρの最も小さいものを最適
制御方法として決定し、ステップＤ６１６でそのシミュ
レーション結果を出力する．以降の処理は同一である。

第４４図は、シミュレータを管理するサブルーチンＤ７
１０のフローである。ステップＤ７１１でシミュレーシ
ョン用データとして学習交通流データテーブルＳＴ３　
１又は予測交通流データテーブルＳＴ３２から１階床走
行時間Ｔｒ（予測交通流データテーブル使用時であれば
Ｔｎｒ）と１回停止時間Ｔｓ（Ｔ”ｓ）を設定する。ス
テップＤ７１２では、各階乗込み人数ｈ　ｉｊ（ｈ　”
ｉｊ）　、各階降り人数ｃｉｊ（ｃ”ｉｊ）に従う乗客
を発生する。シミュレーションはこの同じ発生乗客に対
して制御方法パラメータを変更して行う。ステップＤ７
１３でシミユレーションしていない制御方法の有無を調
べ、まだシミュレーションしていない制御方法の有れば
、ステップＤ７１４へ進む。ステップＤ７　１４では、
まだシミュレーションしていない制御方法をシミュレー
タに設定する。サブルーチンＤ　８１０では、シミュレ
ーションを実行する。ステップＤ７１５では、シミュレ
ーション結果データ（平均待ち時間ＷｓｉＩ！ｌ．平均
乗車時間ＴＳｉＩ１、かご内混雑度Ｃｓｉｍ　）に、第
４３図ステップＤ６１２で与えられた点数（ｐｗ　＋　
ｐｔ　＋　ｐｃ　）を重みとして掛け、和をとったもの
をノルムＬｐとして演算する。

ＬＰ＝ｐｖ′ＷＳｉＩＩｌ＋ｐｔ′ＴＳｉｍ＋ｐＣ０Ｃ
ＳｉｍこのノルムＬＰは、要望に対する制御結果の優秀
度を示し，このノルムを短いほど、望ましい制御方法で
あることを表す。また、このノルムの計算法としては、
制御目標値Ｘ　ｔａｒｇ、規格化値Ｘ　ｓｔｎｄを定め
、（Ｘは各目標項目を表す）ＬＰ＝Σｐ　ｘ　●（Ｘｓ
ｉｌｌ−　Ｘｔａｒｇ）／　Ｘｓｔｎｄとして求めても
よい。受け渡された全制御方法に対するシミュレーショ
ンが終了すると、ステップＤ７１３の判定がＮＯとなり
復帰する。

次に、シミュレーション実行部のプログラムを第４５図
で説明する。

まず、ステップＤ８１１でエレベーター位置，ホール呼
び，かご呼び等のシミュレーション変数を初期化する。

ステップＤ８１２では待ち時間や乗車時間、かご内混雑
度等の統計変数を初期化する。ステップＤ８１３でシミ
ュレーション時間ＴｉｍｅにＯを代入し、シミュレーシ
ョンを開始する。

ステップＤ８１４で乗客の到着等の処理を行う。

ステップＤ８１５で号機の移動等を制御する。ステップ
Ｄ８１６でホール呼びに対する割当て処理を行う。ステ
ップＤ８１７で待ち時間、ホール呼び数等のシミュレー
ションデータを収集する。ステップＤ８１８でＴｉｍｅ
を更新し、ステップＤ８１９でシミュレーションの終了
を判定する。時間終了でなければステップＤ８１４で戻
り処理を繰り返す。終了になれば、ステップＤ８２０で
平均待ち時間等を計算する統計処理を行う。

本実施例によれば，制御方法の決定にシミュレーション
を用いることにより制御方法決定の精度を向上すること
ができる効果がある。

次に、交通流比較部及び制御方法決定部を群管理制御装
置にオンラインで組み込んだ構成をとる場合の実施例を
説明する。

第４６図は、実施例のハードウエア概略構戊図である。

ハードウエアは大別して、エレベーター号機Ｅ及びホー
ル呼び装！ｉｆｆＨＤと接続され群管理制御を実行する
群管理制御装置ＭＡと、入力装置ＳＫ，出力装置ＳＤと
から構成される。入力装置ＳＫ及び出力装置ＳＤは制御
盤に組み込んだり、管理人室に設置することが考えられ
る。群管理制御装置ＭＡは、群管理制御系ソフトウエア
ＳＦＩを実行する群管理制御用マイコンＭ１と、学習系
ソフトウエアＳＦ２を実行する学習用マイコンＭ２、及
び、支援及び修正系ソフトウエアＳＦ４を実行する制御
方法決定・修正用マイコンＭ３を持つ。

次に、実施例のソフトウエア構成を示す。ソフトウェア
は大別して、エレベーター号機制御用マイコンＥで実行
される号機制御用プログラムＳＦＯ　，群管理制御用マ
イコンＭ１で実行される群管理制御系ソフトウエアＳＦ
Ｉ，学習用マイコンＭ２で実行される学習系ソフトウエ
アＳＦ２、及び、制御方法決定・支援用マイコンＭ３で
実行される支援・修正系ソフトウエアＳＦ４よりなる。

号機制御用プログラムＳＦＯと、群管理制御系ソフトウ
エアＳＦＩの構成は第３図と同一である。

第４７図は、学習系ソフトウエアＳＦ２の構成図である
。先に説明した第１の実施例に比べ、入出力制御プログ
ラムＳＦ２５，学習結果データベースＳＤ２１，制御方
法データベースＳＤ２２が無い点が異なっている。

第４８図は、支援・修正系ソフトウエアＳＦ４の構成図
である。

支援・修正系ソフトウエアＳＦ４は，６つのプログラム
（交通流比較プログラムＳＦ４２，制御方法決定プログ
ラムＳＦ４３，キーボード入力制御プログラムＳＦ４４
，画面出力制御プログラムＳＦ４５，シミュレーション
プログラムＳＦ４６，制御方法修正プログラムＳＦ４７
）、予測交通流データテーブルＳＴ４２，制御方法決定
知識べ一スＳＫ４１、及び２つのデータベース（学習結
果データベースＳＤ４１，制御方法データベースＳＤ４
２）より構成される。第４８図において、ＳＦ４２，Ｓ
Ｆ４３，ＳＦ４４，ＳＦ４５，ＳＴ４２，ＳＫ４１はそ
れぞれ第ｌ２図のＳＦ３２，ＳＦ３３，ＳＦ３４，ＳＦ
３５，ＳＴ３２，ＳＫ３１と、第４８図ＳＦ４６は，第
４２図ＳＦ３６と、第４８図ＳＤ４１，ＳＤ４２はそれ
ぞれ第５図ＳＤ２１，ＳＤ２２とほぼ同一である。

ここで、制御方法決定知識ベースＳＫ４１の内容は、キ
ーボード入力制御プログラムＳＦ４４から変更可能とし
ている。（フローは省略する。）また、制御方法修正プ
ログラムＳＦ４７は、交通流の学習結果から制御方法パ
ラメータを自動修正するプログラムである。

第４９図は、制御方法修正プログラムＳＦ４７のフロー
である。制御方法修正プログラムＳＦ４７の起動は、学
習結果データベースＳＤ４２の内容に変更があつ゛た時
、あるいは、１日又は１週間に１度等の周期的に起動す
る。

第４９図でステップＥ１１１とＥ１１６は交通需要に関
するループである。ステップＥ１１１では、修正の対象
交通需要を設定する。ステップＥ　１　１．　２では、
交通流データを読み込み、ステップＥ１１３では、制御
方法パラメータを読み込む。

サブルーチンＥ２１０では、制御方法パラメータの修正
項目を決定する。ステップＤ７１０では，シミュレータ
を起動（第４４図）する。ステップＥ１１４では、シミ
ュレータからシミュレーション結果及びそのノルムＬｐ
を受け取り，ノルムＬｐの最も小さいものを最適制御方
法（パラメータ）として決定する。ステップＥ１１５で
は、修正された制御方法を制御方法データベースＳＤ４
２へ書き込む。

第５０図は、修正項目決定サブルーチンＥ２１０のフロ
ーである。

本実施例では、制御目標の重要度により修正項目を決定
する方法を用いる。

まず、ステップＥ２１１で重要目標が乗車時間であるか
を調べ、Ｙｅｓであれば、ステップＥ２１３で制御方法
パラメータの乗車時間の設定値Ｔ　ｉｎｓｔを修正項目
とする。この例では、乗車時間の設定値Ｔ　ｉｎｓｔを
±１０，±２０ずつ変更したパラメータについてシミュ
レーションするよう指示している。また、ステップＥ２
１１でＮｏであれば，ステップＥ２１２で重要目標がか
ご内混雑度であるかを調べ、Ｙｅｓであれば、ステップ
Ｅ２１４で制御方法パラメータのかご内混雑度の設定値
Ｃ　ｉｎｓｔを修正項目とする。ステップＥ２１２でＮ
ｏであれば、ステップＥ２１５で停止呼び評価パラメー
タαを修正項目とする。以上の処理により、修正項目が
決定され、制御方法修正用プログラムへ復帰する。

本実施例によれば、交通流比較部と制御方法決定部を群
管理制御実行部とオンラインの構成としたことにより制
御方法の設定変更を随時できる効果がある。また、制御
方法修正手段を備え、修正項目を制御の重要目標を基に
決定する構成としたことにより、交通流変化に対して重
要目標を重視した制御方法パラメータの自動修正が行え
る効果がある。

本発明の他の実施例として，制御方法決定知識ベースを
交通量に対応して備えた例について説明する。

多目標制御を実行する制御方法は、特定階によっただけ
でなく、交通量にも依存するので、その制御方法は交通
量によっても変更する必要がある。

そこで、制御方法決定知識ベース内の三元状態図対応知
識ベースを交通量に応じて、例えば５，１，０，１５，
２０，２５．３０　（人／５分・台）毎に用意する。制
御方法決定の対象交通流が、例えば交通量１２（人／５
分・台）であれば、制御方法はその交通量をはさむ１０
及び１５（人／５分・台）の三元状態図上の、対象交通
流の要素交通流モデル成分比率対応領域からユーザ要望
に応じて選択し、シミュレーション結果により決定する
。

（フローは省略する。） 本実施例によれば，制御方法決定知識ベースを交通量に
対応して用意することにより制御方法決定の精度を向上
することができる効果がある。

〔発明の効果〕

以上説明したように、本発明によれば、交通流と特定階
に着目した交通流モデルを比較することにより交通流を
判定するようにしたので、交通流を一般化して扱うこと
ができ、交通流の判定が容易となる。そして、交通流を
特定階に着目したモデルにより判定しているので、複数
のエレベーターを現実の交通流に合致した形で群管理制
御することができる。

【図面の簡単な説明】

第１図は本発明の原理システムブロック図，第２図は本
発明の一実施例のハードウエア概略構成図、第３図は群
管理制御系ソフトウエアのソフトウエア構成図、第４図
は群管理制御系ソフトウエアのテーブル構成図、第５図
は学習系ソフトウエアのソフトウエア構戊図、第６図か
ら第９図は学習系ソフトウエアのテーブル構成図、第１
０図と第１１図は学習系ソフトウエアのデータベース構
成図，第ｌ２図は支援系ソフトウエアのソフトウエア構
成図、第１３図は支援系ソフトウエアのテーブル構成図
、第１４図は支援系ソフトウエアの知識ベース構成図，
第１５図から第２２図は群管理制御系ソフトウエアのプ
ログラムフローを示す図、第２３図及び第２５図から第
２８図は学習系ソフトウエアのプログラムフローを示す
図、第２４図は交通需要区分分類図、第２９図から第３
１図は要素交通流モデル図、第３２図と第３３図は合成
交通流モデル図、第３４図（ａ）は交通流モデル対応領
域区分分類図、第３４図（ｂ）は３つの交通流モデルに
ついて混雑度制御を行った場合の実験結果の例を示す図
、第３５図から第３９図は支援系ソフトウエアのプログ
ラムフローを示す図、第４０図はユーザ要望入力画面例
を示す図、第４ｌ図から第５０図は本発明の他の実施例
に関する説明図であり、第４ｌ図は支援系ソフトウエア
の知識ベース構成図、第４２図は支援系ソフトウエアの
テーブル構成図、第４３図から第４５図は支援系ソフト
ウエアのプログラムフローを示す図、第４６図はハード
ウエア概略構戒図、第４７図は学習系ソフトウエアのソ
フトウエア構成図、第４８図は支援・修正系ソフトウエ
アのソフトウエア構成図，第４９図と第５０図は支援・
修正系ソフトウエアのプログラムフローを示す図である
。 ＭＡ・・・群管理制御装置、Ｍ↓・・・群管理制御用マ
イコン、Ｍ２・・・学習用マイコン、ＭＣ・・ＩＣカー
ド入出力装置、Ｅｌ，・・・，Ｅｎ・・号機制御用マイ
コン，ＨＤＩ，・・・，ＨＤｍ・・・ホール呼び釦、Ｓ
Ｐ・・・個性化支援装置、Ｓ１・・・制御方法決定用マ
イコン、ＳＣ・・・ＩＣコード入出力装置、ＳＤ・・・
出力装置、ＳＫ・・・入力装置、ＳＦＯ・・・号機制御
用プログラム、ＳＦＩ・・・群管理制御系ソフトウエア
．ＳＦ２・・学習系ソフトウエア、ＳＦ３・・支援系ソ
フｈウエア、第１図 第３図 第２図 第 ４ 図 第 ６ 図 第 ７ 図 第 ５ 図 第 ８ 図 第 ９ 図 第１１ 図 第１０ 図 第１２図 第１３ 図 第１５ 図 第 １４ 図 第 １６ 図 第１７ 図 第 ２０ 図 第 ２１ 図 第 １８ 図 第 １９ 図 第 ２２ 図 第 ２３ 図 第 ２５ 図 第 ２４ 図 ＤＮ交通量 第 ２６ 図 第 ２７ 図 第 ２８ 図 Ｃ４１４ 第 ３２ 図 第 ３４ 図 （ａ） ＳＴ 第 ３３ 図 ｌ　Ｓ　（Ｊ　Ｉ　’１’モアルノ 第３５ 図 第 ３６ 図 第３９ 図 第４０図 第 ３７ 図 第　４１ 図 第 ４２ 図 第 ４４ 図 第４３ 図 第４５ 図 第 ４６ 図 第 ４８ 図 第 ４９ 図 第 ５０ 図

Claims (1)

1. 【特許請求の範囲】 １、多階床間に就役する複数台のエレベーターを統括管
   理するエレベーターの群管理制御装置において、交通流
   データと特定階に着目した複数の交通流モデルとの比較
   を行う交通流比較手段と、該交通流比較手段で比較され
   た結果と群管理制御に対するユーザの要望とに応じた制
   御方法を決定する制御方法決定手段と、該制御方法決定
   手段で決定された制御方法に従い群管理制御を実行する
   群管理制御実行手段を備えることを特徴とするエレベー
   ターの群管理制御装置。 ２、上記請求項第１項において、前記交通流比較手段が
   、特定階判定手段を含むことを特徴とするエレベーター
   の群管理制御装置。 ３、多階床間に就役する複数台のエレベーターを統括管
   理するエレベーターの群管理制御装置において、検出し
   た多階床間の乗客の移動に対して特定階への集中、特定
   階からの発散および特定階以外の階間での交通流の３成
   分比率に基づいて群管理制御を行う手段を備えたエレベ
   ーターの群管理制御装置。 ４、多階床間に就役する複数台のエレベーターを統括管
   理するエレベーターの群管理制御装置において、検出し
   た多階床間の乗客の移動に対して特定階への集中、特定
   階からの発散および特定階以外の階間での交通流の３成
   分比率と多項目の制御目標に基づいて群管理制御を行う
   手段を備えたエレベーターの群管理制御装置。 ５、上記請求項１〜４において、群管理制御は、交通流
   およびユーザの要望に関して制御方法決定知識ベースに
   蓄えられた知識により決定されることを特徴とするエレ
   ベーターの群管理制御装置。 ６、多階床間に就役する複数台のエレベーターを統括管
   理し、かつ、エレベーターの運行状態を収集・学習する
   ように構成したエレベーターの群管理制御装置において
   、エレベーターの運行状態を収集する収集手段と、該収
   集手段で収集された該エレベーターの運行状態を交通需
   要毎に分類し交通需要別交通流データとして学習する学
   習手段と、該学習手段で学習された該交通需要別交通流
   データと特定階に着目した複数の交通流モデルとの比較
   を行う交通流比較判定手段と、群管理制御方法に関する
   知識を蓄えた制御方法決定知識ベースと、群管理制御に
   対するユーザの要望を受け付ける要望入力手段と、該交
   通流比較手段で判定された該交通流モデルと該要望入力
   手段で入力された該ユーザの要望とに応じた制御方法を
   該制御方法決定知識ベースより検索し該交通需要別交通
   流データに対する制御方法として決定する制御方法決定
   手段と、該制御方法決定手段で決定された該制御方法を
   記憶する制御方法データベースと、制御方法を受け取り
   群管理制御を実行する群管理制御実行手段と、現在のエ
   レベーターの運行状態の交通需要に対応する制御方法を
   該制御方法データベースから検索し該群管理制御実行手
   段に設定する制御方法決定手段を備えることを特徴とす
   るエレベーターの群管理制御装置。 ７、多階床間に就役する複数台のエレベーターを統括管
   理し、かつ、エレベーターの運行状態を集計・学習し、
   該学習結果により制御方法を調整するように構成したエ
   レベーターの群管理制御装置において、エレベーターの
   運行状態を収集する収集手段と、該収集手段で収集され
   た該エレベーターの運行状態を交通需要毎に分類し交通
   需要別交通流データとして学習する学習手段と、該学習
   手段で学習された該交通需要別交通流データと特定階に
   着目した複数の交通流モデルとの比較を行う交通流比較
   手段と、群管理制御方法に関する知識を蓄えた制御方法
   決定知識ベースと、群管理制御に対するユーザの要望を
   受け付ける要望入力手段と、該交通流比較手段で判定さ
   れた該交通流モデルと該要望入力手段で入力された該ユ
   ーザの要望とに応じた制御方法を該制御方法決定知識ベ
   ースより検索し該交通需要別交通流データに対する制御
   方法として決定する制御方法決定手段と、該制御方法決
   定手段で決定された該制御方法を記憶する制御方法デー
   タベースと、該学習手段で学習した交通流データの学習
   結果に基づき該制御方法データベースに記憶された該交
   通流データに対応する制御方法を修正し該制御方法デー
   タベースに記憶する制御方法修正手段と、制御方法を受
   け取り群管理制御を実行する群管理制御実行手段と、現
   在のエレベーターの運行状態の交通需要に対応する制御
   方法を該制御方法データベースから検索し該群管理制御
   実行手段に設定する制御方法決定手段とを備えることを
   特徴とするエレベーターの群管理制御装置。 ８、上記請求項第１〜７において、乗客の交通流につい
   てのデータが、特定時間間隔当りの乗り人数、特定時間
   間隔当りの降り人数、特定時間間隔当りのホール呼び数
   、特定時間間隔当りのかご呼び数のうち少なくとも１つ
   に関する情報を含むことを特徴とするエレベーターの群
   管理制御装置。 ９、上記請求項第６、７項において、制御方法決定手段
   が、制御方法の選択を群管理制御模擬手段の性能予測結
   果に基づいて行うことを特徴とするエレベーターの群管
   理制御装置。 １０、上記請求項第７項において、制御方法修正手段の
   修正項目が、前記制御方法決定手段で決定された制御方
   法の項目の部分集合であることを特徴とするエレベータ
   ーの群管理制御装置。 １１、多階床間に就役する複数台のエレベーターを統括
   管理するエレベーターの群管理制御方法において、交通
   流データと特定階に着目した複数の交通流モデルとの比
   較を行う交通流比較ステップと、該交通流比較ステップ
   で比較された結果と群管理制御に対するユーザの要望と
   に応じた制御方法を制御方法決定知識ベースより検索し
   決定する制御方法決定ステップと、該制御方法決定ステ
   ップで決定された制御方法に従い群管理制御を実行する
   群管理制御実行ステップを備えることを特徴とするエレ
   ベーターの群管理制御方法。 １２、上記請求項第１１項において、特定階に着目した
   複数の交通流モデルは、特定階への集中、特定階からの
   発散および特定階以外の階間の乗客の移動を３成分比率
   としているものであることを特徴とするエレベーターの
   群管理制御方法。 １３、上記請求項第１１項において、交通流比較ステッ
   プが特定階判定ステップを含むことを特徴とするエレベ
   ーターの群管理制御方法。 １４、上記請求項第１３項において、特定階判定ステッ
   プでの乗込み特定階の判定が、該交通流の各階ごとの乗
   込み人数に対し、該乗込み特定階からの乗込み人数が規
   定値以上多い場合に、乗込み特定階と判定することを特
   徴とするエレベーターの群管理制御方法。 １５、上記請求項第１３項において、特定階判定ステッ
   プでの降り特定階の判定が、該交通流の各階ごとの降り
   人数に対し、該降り特定階からの降り人数が規定値以上
   多い場合に、降り特定階と判定することを特徴とするエ
   レベーターの群管理制御方法。 １６、上記請求項第１４、１５項において、規定値が各
   階からの乗込み人数、あるいは、降り人数の平均に、標
   準偏差の２倍を加えた値であることを特徴とするエレベ
   ーターの群管理制御方法。 １７、上記請求項第１３項において、特定階判定ステッ
   プでの特定階の判定を、上昇、下降の方向ごとに行うこ
   とを特徴とするエレベーターの群管理制御方法。 １８、上記請求項第１２項において、交通流における発
   散要素交通流モデルの成分比率を、全乗込み人数に対す
   る特定階乗込み人数の比率とすることを特徴とするエレ
   ベーターの群管理制御方法。 １９、上記請求項第１２項において、交通流における集
   中要素交通流モデルの成分比率を、全降り人数に対する
   特定階降り人数の比率とすることを特徴とするエレベー
   ターの群管理制御方法。 ２０、上記請求項第１２項において、交通流における階
   間要素交通流モデルの成分比率を、全体比率から発散要
   素交通流モデルの成分比率と集中要素交通流モデルの成
   分比率を除いた比率とすることを特徴とするエレベータ
   ーの群管理制御方法。 ２１、上記請求項第１１項において、制御方法決定知識
   ベースの分類が、交通流モデルを特定階への集中、特定
   階からの発散、および特定階以外の階間の乗客の移動の
   ３成分比率として三元状態図で表わし、この三元状態図
   を区分することで行われることを特徴とするエレベータ
   ーの群管理制御方法。 ２２、上記請求項第１１項において、制御方法決定知識
   ベースは、特定階の数および位置に対応した知識を備え
   ていることを特徴とするエレベーターの群管理制御方法
   。