JPH04286581A

JPH04286581A - エレベーターの群管理制御装置

Info

Publication number: JPH04286581A
Application number: JP3077102A
Authority: JP
Inventors: Toshimitsu Hida; 敏光飛田; Atsuya Fujino; 篤哉藤野; Hiromi Inaba; 博美稲葉; Kenji Yoneda; 健治米田
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1991-03-18
Filing date: 1991-03-18
Publication date: 1992-10-12

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】

【０００１】

【産業上の利用分野】本発明は、複数台のエレベーター
を効率よく運行させるためのエレベーターの群管理制御
装置に係り、特に、過去の学習結果を用いて効率よく、
ホール呼びに対するエレベーターの割当を行うことので
きるエレベーターの群管理制御装置に関する。

【０００２】

【従来の技術】エレベーターの群管理制御装置に関する
従来技術として、例えば、特開昭５９−２２３６７２号
公報、特開昭５９−２２３６７３号公報等に記載された
技術が知られている。この従来技術は、学習データをも
とにしたシミュレーションによって求めた可変パラメー
タを用いて割当てエレベーターを決定するものであり、
過去の学習データを基づいてパラメータに修正を加えて
ゆくため、固定したパラメータ値を用いるよりも正確な
予測が可能であり、より正確なエレベーターの割当てを
行うことが可能なものである。しかし、この従来技術は
、パラメータとして学習値の平均値等の単一の値を用い
ており、学習値の分布等について考慮されていないため
、予測がはずれて不適当な乗りかごを割当てる場合が生
じる。

【０００３】これに対し、学習値の分布を考慮してエレ
ベーターの割当を行う群管理制御装置の従来技術として
、例えば、特開昭５９−１１８６７０号公報、特開昭６
３−８７４８４号公報等に記載された技術が知られてい
る。

【０００４】前記特開昭５９−１１８６７０号公報に記
載された従来技術は、予め各時間単位毎に許容長待ち率
を与えておき、過去一定期間における一定時間単位の未
応答時間及びホール呼び個数の分布に基づいて、長待ち
基準を設定し直すというものであり、これにより、各時
間毎に木目の細かな長待ちの見直し処理を行うことがで
きる。しかし、この従来技術は、ホール呼び個数の分布
を考慮するのは、長待ちの見直しを行うか否かについて
だけであり、初めのホール呼び割当て時に、前述した学
習値の分布を考慮するというものではない。

【０００５】また、前記特開昭６３−８７４８４号公報
に記載された従来技術は、エレベーターの割当てを行う
際に未応答時間の分布を考慮している。しかし、この従
来技術は、実際の待ち時間等の分布がいくつかの山を持
つにもかかわらず、これを台形状の分布として近似させ
ており、待ち時間等の分布を利用した性能向上という点
で、その情報を充分生かしているとはいえないものであ
る。

【０００６】また、前述したいずれの従来技術も、待ち
時間、長待ち、予約変更に関する項目についてのみであ
り、乗車時間や乗車人数も考慮したエレベーターの割当
てを目的としたものではなかった。

【０００７】さらに、乗車時間、その他の項目を考慮し
たエレベーターの割当てを行う従来技術として、例えば
、特開昭５６−１７８７６号公報、特開平１−３１７９
６９号公報等に記載された技術が知られているが、これ
らの従来技術は、学習結果の使用方法、その分布等につ
いて考慮されていないものである。

【０００８】

【発明が解決しようとする課題】前述した従来技術は、
待ち時間等の学習結果について考慮しているものの、そ
の分布形状について考慮しておらず、学習結果を充分に
用いているものではなく、さらに、いずれの従来技術に
おいても待ち時間、長待ち、予約変更に関する項目につ
いてのみであり、乗車時間や乗車人数も考慮した割当て
を目的としたものではなかった。

【０００９】そして、前述の従来技術は、ホール呼びを
エレベーターに割当てる際に、各エレベーター毎に待ち
時間を予測し、その値の最も小さいエレベーターを割当
てエレベーターとして決定し、そのエレベーターをサー
ビスに供するものであるが、予測に用いる学習結果の分
布形状等を考慮していないため、各エレベーターの待ち
時間の差が統計的に有意であるか否かの判断がなされて
おらず、予測がはずれて長待ち、先着、予約変更等が発
生することがあるという問題点を有している。

【００１０】特に、前述の従来技術は、待ち時間にとと
まらず、乗車時間、乗車人数等も考慮したエレベーター
の割当てを行おうとする場合、各評価項目毎に予測が行
われるため、各評価項目の予測値の分布形状によっては
統計的に有意でない割当てが多発する可能性があるとい
う問題点を有している。

【００１１】本発明の目的は、前記従来技術の問題点を
解決し、学習結果の分布形状を有効に活用し、より好適
なエレベーターをより正確に割当てることのできるエレ
ベーターの群管理制御装置を提供することにあり、さら
に、待ち時間、長待ち率予約変更といった従来の制御項
目に加え、乗車時間、かご内の乗車人数等も考慮した割
当てを制御項目の分布形状をも考慮して行い、より正確
な制御を可能にしたエレベーターの群管理制御装置を提
供することにある。

【００１２】

【課題を解決するための手段】本発明によれば前記目的
は、学習装置に、過去のエレベーターの運行データを学
習させ、待ち時間、乗車時間、乗車人数、各階の停止確
率、各階床からの乗り込み人数の平均値、及び、これら
の分布形状あるいは分布形状の特徴を表す代表値を記録
させるようにし、割当て手段が、前記分布形状を考慮し
た統計値が有意であるか否かの判断をしてエレベーター
の割当てを行うようにすることにより達成される。

【００１３】さらに、前記目的は、待ち時間のみならず
、乗車時間、乗車人数の予測を行う場合にも、各評価項
目の分布を考慮してエレベーターの割当てを行うように
することにより達成される。

【００１４】

【作用】学習装置は、各階における待ち時間、乗り込み
人数、一方向の移動が完了するまでにある階に停止した
か否か等のエレベーターの利用に関する情報を記録する
と共に、エレベーターが通過する際にその階に停止した
か否かの情報に基づいて、その階の停止確率を求めこれ
を記録する。学習装置は、このようにして、各事象発生
時もしくは時系列的に記録した一時データを統計処理し
て、各階への停止確率分布、到着時間分布、待ち時間分
布を求め、つぎに、この求めた各分布より所定の特徴量
を抽出する。

【００１５】ここでは、特徴量として、平均値と最頻値
とを用いることとして、図面を参照して説明を行う。

【００１６】いま、待ち時間の学習結果が、例えば、図
２（Ａ）に示すような分布をしているものとする。この
場合、従来技術は、学習結果の平均値を用いてエレベー
ターの割当てを行っているので、割当てに用いる待ち時
間の数値が適中する確率が低くなってしまう。すなわち
、エレベーターの待ち時間、乗車時間は、主にエレベー
ターが他の階で何回停止したかが主要な要因になってい
るので、図２（Ａ）の第一の山ｂ１が一回しか停止しな
い場合の、第２の山ｂ２が２回停止した場合の待ち時間
とその発生確率とを示すといったように、図２（Ａ）の
ような分布を示すことが少なくない。

【００１７】このとき、４台の群管理されている各エレ
ベーターが、図３に示すような位置におり、１、２号機
が下降方向、３、４号機が上昇方向に運転されているも
のとし、また、１号機の待ち時間が図２（Ｂ）、２号機
の待ち時間が図２（Ａ）に示すような分布をしていたと
する。

【００１８】割当て評価式に平均値を用いる従来技術の
方法は、ある階例えばｎ階で呼びが発生した場合、図２
（Ａ）の平均値ａ１と図２（Ｂ）の平均値ａ２とを比較
し、この値の小さい２号機を選択してその呼びに対する
割当てを行うが、実際には、平均値ａでエレベーターが
到着する確率は小さく、ｂ１、ｂ２といった待ち時間で
到着することになる。このため、例えば、ｂ２の時間で
到着した場合は、割当てられたｎ階の呼びは長待ちとな
り、１号機に予約変更となる等の不具合が生ずる。また
、ｂ１の時間で到着した場合、この割当てホール呼びに
関しては、到着時間が早くなるので不都合はないが、ほ
かの呼びに対する影響を考慮した場合、全体の予測が狂
うことになるので、先着、予約変更、長待ちの原因とな
る。

【００１９】そこで、本発明は、割当てに使用する値を
待ち時間の平均値ではなく、一番実現する確率の高い最
頻値等を用いるようにしたものであり、これにより、予
測の狂いを少なくすることができる。例えば、前述の場
合と同様に２台の１、２号機の待ち時間が図２に示すよ
うな分布をの場合、本発明は、図２（Ａ）の最頻値ｂ２
と図２（Ｂ）の最頻値ｂ３とを比較してこの値の小さい
図２（Ｂ）の１号機を割当てることになる。

【００２０】また、前述では、割当てに使用する代表値
として第一のピークになる最頻値を用いたが、本発明は
、主なピークのうちで一番長い待ち時間のピーク（この
場合は、ｂ２のピーク）を割当てに用いるようにするこ
とにより、予測の狂いによる予約変更をなくすことがで
きる。

【００２１】さらに、本発明は、予め設定されている条
件判断あるいはシミュレーションにより、各ビルごとに
発生する固有の交通需要に対応してどの交通量が良いか
を判定し、現在の交通量に従って使い分けを行うように
することもでき、これにより、さらに木目の細かいエレ
ベーターの割当てを行うことができる。

【００２２】前述では、エレベーターの割当てに用いる
待ち時間の代表値として、最頻値あるいはピーク値を用
いる方法について説明したが、本発明は、割当てに使用
する統計的代表値として、適中確率が、一定の値以上に
なる範囲の値を使用するようにすることもできる。例え
ば、ある号機Ｘの予測待ち時間の分布が図２（Ａ）に示
すような分布でなく、例えば、図４（Ａ）に示すような
分布であったとし、別の号機Ｙの予測待ち時間の分布が
図４（Ｂ）に示すようであったとする。

【００２３】この場合、平均値を用いる従来技術による
方法は、Ｘ号機を選択することになるが、この例の場合
、Ｘ号機のエレベーターが平均値ａ３秒で到着する確率
よりも、Ｙ号機がａ４秒で到着する確率の方が高いので
、その予測が狂う場合が生じる。

【００２４】そこで、本発明は、図４に示すような予測
待ち時間分布を示す交通需要の場合に、ある時間以下で
到着する確率がある一定値以上となるような値ｃ１、ｃ
２同士を比較し、この結果、Ｙ号機のエレベーターの方
がより小さい値となるので、このＹ号機のエレベーター
を割当てるようにしている。このように、ある時間以下
で到着する確率が所定値以上となる待ち時間ｃ１、ｃ２
同士を比較し、この値の少ない方を、この場合図４（Ｂ
）の分布を示すエレベーターの方を選択するという方法
によりエレベーターの割当てを行うようにすることも有
効である。

【００２５】さらに、本発明は、別の解決方法として、
ある号機に呼びを割当てることによって、その呼びによ
り何人乗り込んでくるか、いくつかご呼びが発生するか
といった不確定要素が発生するので、（１）どの号機の
待ち時間の分散もなるべく悪化しないように割当てる、
（２）この不確定要素による待ち時間などの分散が所定
値の基準値以上にならないように割当てる、といった割
当て方法を使用することが可能であり、このような方法
も、予測待ち時間の分布状況によっては有効である。

【００２６】例えば、（１）の場合に、全体の待ち時間
の分布が図５に実線で示すような分布を示すとする。こ
の場合、従来技術による方法は、Ａ号機を割当てたとき
の平均値ａ６とＢ号機を割当てたときの平均値ａ７とを
比較してこの値の小さいＢ号機を割当てることになるが
、分散値の変化を見てみると、この分散値が、Ａ号機を
割当てたときはσａ、Ｂ号機を割当てたときはσｂとな
るので、本発明では、Ａ号機を割当てるようにしている
。

【００２７】また、前述の（２）の割当て方法の場合、
本発明は、図６に示すように、割当てを行った後の分散
（この場合はＢ号機を割当てたときの分散）σｂが分散
の基準値ｄよりも大きくなるなら、分散の基準値を下回
るＡ号機を割当てるようにしている。そして、本発明は
、どのエレベーターを割当てても基準値を上回るような
場合、予約を保留するのが良いが、もし予約の保留をし
なければ、平均値の小さい方を採用しても良いし、分散
値の小さい方を選択しても良い。

【００２８】以上、待ち時間を中心に説明を行ったが、
本発明は、エレベーターの割当てを行う際に用いる予測
値として用いられるもの、例えば、予測乗車時間、予測
乗車人数、予測予約変更確率等のいずれに対しても有効
である。

【００２９】さらに、本発明は、始めの例で述べたよう
に、予め設定した判定条件あるいは学習した交通需要を
用いてシミュレーションを行い、各ビル固有の交通需要
に従ってどの割手方法を使用するのがよいかを判別する
ことにより、より木目の細かいエレベーターの割当てを
行うことができる。

【００３０】以上、本発明について、学習装置を持つ場
合について説明したが、本発明は、学習装置を持たない
場合にも、予め学習結果相当の分布形状データあるいは
特徴量をテーブルに持たせておくことによって実現する
ことができる。

【００３１】

【実施例】以下、本発明によるエレベーターの群管理制
御装置の実施例を図面により詳細に説明する。

【００３２】図１は本発明の一実施例の全体構成を示す
ブロック図である。図１において、１はホール呼び登録
装置、２は群管理制御装置、３は号機制御装置、４は巻
き上げ機、５は乗りかごである。

【００３３】図１において、ホール呼び登録装置１は、
ホール呼びを受け入れ、群管理制御装置２のホール呼び
テーブル２１１にホール呼びを登録する。また、号機制
御装置３は、かご位置、かご内の荷重、かご呼びボタン
情報を群管理制御装置２のエレベーター制御データテー
ブル２１２に送り登録する。

【００３４】群管理制御装置２は、運転系プログラム２
１と学習・知能系プログラム２２とにより構成され、運
転系プログラム２１は、所要のプログラムと各種テーブ
ルとにより構成される。なお、学習・知能系プログラム
２２の詳細な構成については後述する。

【００３５】運転系プログラム２１において、運転制御
プログラム２１３は、ホール呼びデータテーブル２１１
、エレベーター制御データテーブル２１２の内容に基づ
いて、エレベーター仕様テーブル２１４と待ち時間等の
分布形状を表す特徴量を納めた運転系特徴量データテー
ブル２１５のデータを用いて新規に発生したホール呼び
に対してサービスする割当てエレベーターを決定し、そ
の結果をエレベーター制御データテーブル２１２に書き
込む。

【００３６】このエレベーター制御データテーブル２１
２に書き込まれたエレベーターの割当て結果は、該当す
る号機制御装置３に送られ、号機制御装置３は、該当ホ
ール呼びに対して巻き上げ機４を動作させて乗りかご５
を運転し、ホール呼びに乗りかごをサービスする。

【００３７】学習・知能系プログラム２２は、ホール呼
びデータテーブル２１１及びエレベーター仕様テーブル
２１４からデータを受け取り、割当てに必要な制御項目
の分布形状あるいは分布形状を表す特徴量を算出して、
その結果を運転系特徴量データテーブル２１５に送り登
録する。

【００３８】図７は本発明のソフトウェアの構成を示す
ブロック図であり、次に、この図を用いて、本発明の一
実施例の動作を説明する。

【００３９】前述したように、群管理制御装置２は、運
転系プログラム２１と学習・知能系プログラム２２とに
より構成され、運転系プログラム２１は、ホール呼びデ
ータテーブル２１１、エレベーター制御データテーブル
２１２の内容に基づいて、エレベーター仕様テーブル２
１４、運転系特徴量データテーブル２１５のデータを用
いて、割当てエレベーターを決定する。また、各号機制
御プログラム３１は、決定された割当て情報により巻き
上げ機４を動作させ、乗りかご５を運転して呼びに対す
るサービスを行う。

【００４０】学習・知能系プログラム２２は、学習結果
よりその特徴量を求めて、運転系特徴量データテーブル
２１５に格納する処理を行うものであり、学習データ収
集プログラム２２１、特徴量算出プログラム２２３、特
徴量データ転送プログラム２２５、統計データテーブル
２２２、学習・知能系特徴量データテーブル２２４、学
習データテーブル２２７を備えて構成されている。

【００４１】学習データ収集プログラム２２１は、運転
系プログラム２１内のホール呼びデータ収集テーブル２
１１とエレベーター制御テーブル２１２とに格納されて
いるデータを取り込み、学習データテーブル２２７を作
成し、さらに、交通需要別、時間帯別、曜日別等の統計
データを作成して、これらを統計データテーブル２２２
に書き込む。

【００４２】特徴量算出プログラム２２３は、統計デー
タテーブル２２２内のデータに基づいて、割当てに必要
な特徴量を算出し、学習・知能系特徴量データテーブル
２２４に書き込む。学習・知能系特徴量データテーブル
２２４の内容は、特徴量データ転送プログラム２２５に
より、運転系プログラム２１内の特徴量データテーブル
２１５に送られる。運転制御プログラム２１３は、この
特徴量データテーブル２１５のデータを使用してホール
呼びに対するサービス号機の割当てを行う。

【００４３】図８は学習データテーブル２２７の構成の
一例を示す図である。このテーブル１１７は、時間帯別
、曜日別、交通需要別に複数のテーブルを備えて構成さ
れており、各テーブルには、各階床毎、各号機毎に発生
した事象、例えば、各階での乗車人数、降車人数、車内
人数、行き先階、その場合の乗車人数等が記録される。

【００４４】図９は統計データテーブル２２２の構成の
一例を示す図である。このテーブル２２２は、前述の学
習データテーブル１１７の場合と同様に、時間帯別、曜
日別、交通需要別に複数のテーブルを備えて構成されて
おり、各テーブルには、各階床毎、各号機毎の平均待ち
時間、標準偏差、最頻値、ピーク値、平均乗り込み人数
、停止確率等が記録される。

【００４５】図１０は運転系特徴量データテーブル２１
５の構成の一例を示す図である。このテーブル２１５は
、運転制御プログラム２１３により、呼びに対するエレ
ベーターの割当て制御のために使用されるものであり、
時間帯別、曜日別、交通需要別に使用する割当て評価式
と、評価に用いる特徴量と、各パラメータに対する係数
を記録している。これらのデータは、学習・知能系プロ
グラム２２により作成され、特徴量データ転送プログラ
ム２２５により、学習・知能系プログラム２２より送ら
れて、テーブル２１５内にセットされる。

【００４６】図１１は学習データ収集プログラム２２１
が学習データ作成を行う動作を説明するフローチャート
であり、以下、これについて説明する。

【００４７】（１）まず、一定時刻毎にホール呼びデー
タテーブル２１１、及び、エレベーター制御データテー
ブル２１２内のデータを収集する。（ステップ１０１）
。

【００４８】（２）ステップ１０１のデータの収集を所
定の回数行った後、収集した学習データの時間帯、曜日
、交通需要の判定を行う。時間帯及び曜日等の判定は、
図示しない時計を参照して時刻及び日付を判定すること
により行われる。その結果に基づいて、時間帯、曜日別
の各種収集データを学習データテーブル２２７に書き込
む（ステップ１０２、１０３）。

【００４９】（３）次に、各階の上向き下向きの交通量
を合計して、上りの交通量及び下りの交通量を求める（
ステップ１０４）。

【００５０】（４）さらに、基準階とそれ以外の階との
乗り込み人数比率を求める（ステップ１０５）。

【００５１】（５）ステップ１０４、１０５の計算結果
を元に、学習データの交通需要がどの型に当たるかを判
定し、各階毎の乗降人数及び前述のステップの終了まで
に計算した値を交通需要別の学習データテーブル２２７
に書き込む（ステップ１０６、１０７）。

【００５２】図１２は学習データ収集プログラム２２１
が統計データを作成する動作を説明するフローチャート
であり、以下、これについて説明する。

【００５３】（１）まず、学習データテーブル２２７の
結果を読み出し、この学習データに基づいて各種統計値
の算出を行う（ステップ２０１、２０２）。

【００５４】（２）さらに、学習データに基づいて算出
された前述の統計値と、統計データテーブル２２２内に
格納されている旧データとを重み付けして足し合わせ、
この結果を新しい統計データとして統計値データテーブ
ル２２２に登録する（ステップ２０３、２０４）。

【００５５】図１３は学習・知能系特徴量データテーブ
ル２２４の構成の一例を示す図である。このテーブル２
２４は、各時間帯毎、曜日毎、交通量毎に複数のテーブ
ルを備えて構成されており、各テーブルには、各種特徴
量及び使用する割当て方式が記述されており、また、停
止確率等が、現在位置、行き先階毎に登録される。

【００５６】図１４は前述により現在の交通需要を判定
してエレベーターの割当てを行う本発明の一実施例の構
成を示すブロック図であり、以下、この図を参照して図
１４に示す実施例の動作を説明する。

【００５７】特徴量算出プログラム２２３は、各時間帯
別、交通需要別、曜日等毎に予めそれぞれについて定め
られている異なる特徴量を算出し、図１５に示すように
、どういった割当て方法に用いる特徴量かを示す標識子
を記入して、これらの特徴量を学習・知能系プログラム
２２の特徴量データテーブル２２４に登録する。特徴量
データ転送プログラム２２５は、時計２２６、学習デー
タテーブル２２７の内容から、現在の交通需要、時間帯
等を判定し、現状にあった特徴量を学習・知能系プログ
ラムの特徴量データテーブル２２４から選び出し、運転
系プログラム２１の運転系特徴量データテーブル２１５
に送る。

【００５８】前述のような構成による本発明の実施例に
よれば、時間帯、交通需要等に応じて、それぞれに最適
な特徴量を用いてエレベーターの割当てを行うことがで
きるので、より綿密な群管理制御を行うことが可能であ
る。

【００５９】次に、前述の割当て評価に使用するための
確立分布に関する特徴量として代表的なもの挙げて説明
する。

【００６０】確立分布関数のモーメント関係は、一次の
モーメントが一般に使用されている平均値である。二次
モーメントは分散、三次のモーメントはＳｋｅｗｎｅｓ
ｓ否度、四次のモーメントはＫｕｒｔｓｉｓ尖度である
。モーメント以外の特徴量は、中央値、再頻値、確立が
一定値以上（例えば、８０％以上）になる値、期待値が
一定値になる値等を使用することが可能である。これに
類するものとして、第１の４分位点（２５パーセント点
）、第３の４分位点（７５パーセント点）、ｒａｎｇｅ
（第３の４分位点−第１の４分位点）、標本範囲等があ
る。

【００６１】前述した平均値等の各モーメントは、次の
ような式で与えられる。ここで、ｎは測定した標本の数
、Ｘｉは各標本の値である。

【００６２】一次モーメントは、平均値であるので、二
次のモーメントは、分散であるので、三次のモーメント
は、否度であり、四次のモーメントは、尖度であり、となる。また、標準偏差は、分散の平方根σである。

【００６３】前述した特徴量のうち、平均値、中央値、
モードは、いずれも分布の中心のおおよその位置を表す
のに役立つ量である。分散、標準偏差、ｒａｎｇｅ、標
本範囲は、分布の広がりの広さを表す。また、尖度は平
均値近くの分布関数のとがりを表し、尖度が大きいほど
分布は概して中心が高く裾が遠くひろがる。超過率は、
尖度と正規分布の尖度とを比較したものであり、歪度は
、分布の非対称性をはかる量であり、歪度が正で大きい
ほど分布は概して右側に遠く裾を引き、負の場合は、そ
の反対に左側に裾を引く。

【００６４】前述したものが、統計量と呼ばれる特徴量
であり、ピークが一つの場合を想定して説明した。これ
らのほかにピークが二つ以上ある場合があり、それぞれ
、そピークの値、ピークのとがり具合を表す尖度相当の
量、分散標準偏差相当の量、等がある。

【００６５】次に、これらの特徴量を用いたエレベータ
ーの割当て評価方法を説明する。割当てエレベーターを
決定する割当て評価は、次のような割当て評価式を計算
し、その値が最小となるエレベーターを割当てエレベー
ターとして決定する。ここで、予測待ち時間ｗｔは、過
去の学習結果の平均値を使用している。実際のこの値は
、過去の待ち時間の学習結果を用いて計算するばかりで
はなく、ある階に停止する確立分布を測定したおき、こ
れから求めることもできる。

【００６６】分散を用いた割当て方法は次のようになる
。分散は分布の広がりを表す量であるから、これが大き
いほど散らばりが大きくなるので、通常の割当てを行っ
たのでは予測到着時間等の誤差が大きくなってしまう。このため、本発明では、例えば、割当て評価式φｉとし
て、次の式を用い、これにより割当てエレベーターを決
定する。 φｉ＝Ｘｉ＋ｆ（σｉ２）標準偏差を用いる場合も同じように、次式により決定す
ることができる。 φｉ＝Ｘｉ＋ｆ（σｉ）前述では、待ち時間を評価値とした場合について示した
。前記式中、ｆ（ｘ）は、交通需要に応じて変化させる
必要があるが、標準偏差を用いる場合であれば、φｉ＝
Ｘｉ＋σｉでもよい。また、中央値、第３の４分位点を
予測待ち時間とする場合であれば、予測待ち時間内にエ
レベーターが到着する確立が５０％、７５％となる値と
なる。

【００６７】歪度を用いる場合、歪度によつて分布がど
ちらに片寄っているかがわかるので、例えば、割当て評
価式φｉとして、次の式を用い、これにより割当てエレ
ベーターを決定する。 φｉ＝ｍｉｊ＋Ｃ１γ１ｉｊ（ｍｉｊ：平均値、Ｃ１：
定数）この式では、分布の片寄りを歪度によって判定、
補正している。

【００６８】尖度をしようの場合、その値が大きいほど
平均値ｍで到着する確立が高くなり、値が小さくなるほ
どその確立が小さくなるので、例えば、割当評価式φｉ
を次のように与え、尖度が小さく、エレベーターがｍ時
間内に到着する確立が低いときには、Ｃ２／γ２ｉｊで
補正を行うことによって評価値内の時間でエレベーター
が到着する確率を高くすることができる。 φｉ＝ｍｉｊ＋Ｃ２／γ２ｉｊ（ｍｉｊ：平均値、Ｃ２
：定数）前述までは、ピークが一つの場合について述べ
できた。

【００６９】次に、ピークが複数ある場合のエレベータ
ーの割当て方法について説明する。いま、第１のピーク
の値をｐ１、第２のピークの値をｐ２、以下、第３、第
４・・・のピーク値をｐ３、ｐ４・・・とする。そして
、第２のピーク値をエレベーターの割当てのために使用
する場合、前述した平均値を用いていた割当て評価式の
平均値の代わりに第２のピーク値を用いればよい。第３
以降のピーク値を用いる場合も同様である。また、ピー
ク値の回りの標準偏差、尖度、歪度等に相当する量を用
いる場合も、前述した平均値を尖度、歪度等で補正する
方法に準じて行うことができる。なお、尖度、歪度に相
当する量は、ピーク値付近の区間を限定して求める。

【００７０】ピーク値を使用してエレベーターの割当て
を行う場合、次のような割当て式を用いる方法を行うこ
ともできる。（１）最大のピーク値を使用する。 φｉ＝ｍａｘ（ｐ１，ｐ２，・・・）（２）第２のピーク値ｐ２が一定値ｋ２以上の場合、第
２のピーク値を、それ以外の場合、第１のピーク値ｐ１
を使用する。 φｉ＝ｐ２　　　　　　　　　　　　ｐ２＞ｋ２のとき
φｉ＝ｐ１　　　　　　　　　　　　上記以外のとき（
３）第ｎのピーク値ｐｎが一定値ｋｎ以上の場合、第ｎ
のピーク値ｐｎを、それ以外の場合、第１のピーク値ｐ
１を使用する。 φｉ＝ｐｎ　　　　　　　　　　　　ｐｎ＞ｋｎφｉ＝
ｐ１　　　　　　　　　　　　上記以外のとき（４）第
ｎのピーク値ｐｎが一定値ｋｎ以上の場合、第ｎのピー
ク値ｐｎを、それ以外の場合、平均値ｍ、中央値等を使
用する。 φｉ＝ｐｎ　　　　　　　　　　　　ｐｎ＞ｋｎφｉ＝
ｍｉｊ　　　　　　　　　　　上記以外のとき（５）各
ピーク値ｐｎにその発生確率ｓｎをかけたものの和をと
る。　　本発明の実施例は、前述した（１）から（５）の割
当て方法を交通需要に応じて使い分けることによって、
より適したエレベーターの割当てを行うことができる。また、交通需要の判定に、標準偏差、尖度、歪度等を用
いるようにしてもよい。さらに、本発明の実施例は、こ
れ以外の割当て方法についても、従来平均値を用いてい
たところに前述したピーク値、その他の値を使用してエ
レベーターの割当てを行うようにすることが可能である
。

【００７１】前述では、主に待ち時間に関連させてエレ
ベーターの割当てを行うとして、本発明の実施例を説明
してきたが、本発明は、これだけに留まらず、乗車時間
、かご内混雑度、長待ち確率、予約変更率などについて
もそれぞれの確率分布を使用して、同様にエレベーター
の割当て制御を行うことができ、また、これらを組み合
わせてエレベーターの割当てを行うことも可能である。

【００７２】次に、特徴量データ転送プログラム２２５
が現在の交通需要を判定し、その交通需要に適した特徴
量を抽出して、この抽出した特徴量を運転系特徴量デー
タテーブル２１５に転送する動作を、図１６に示すフロ
ーチャートを参照して説明する。

【００７３】（１）まず、学習データテーブル２２７の
内容を読み込み、この読み込んだ学習データテーブル２
２７の内容とすでに学習した交通需要とを比較して、現
在の交通需要を判定する（ステップ３０１、３０２）。

【００７４】（２）次に、ステップ３０２の判定結果に
より、現在の交通需要に適した特徴量及び割当て方法を
学習・知能系プログラムの特徴量データテーブル２２４
から選び出し、これにより抽出されたデータを運転系プ
ログラムの特徴量データテーブル２１５に送る（ステッ
プ３０４）。

【００７５】図１７はシミュレーションを行うことによ
り特徴量を求める本発明の他の実施例の構成を示すブロ
ック図である。

【００７６】図１７において、運転系プログラム２１の
構成、及び、特徴量データ転送プログラム２２５は、前
述した図１４に示した実施例と同様である。この図１７
の実施例において、特徴量算出プログラム２２３は、特
徴量を算出する際に、考え得る特徴量を全て算出してお
き、その結果を全て図１８に示すシミュレーション用の
特徴量データテーブル２２９に書き込む。

【００７７】このシミュレーション用の特徴量データテ
ーブル２２９は、図１８に示すように、エレベーターの
割当てに使用可能な全ての特徴量を格納可能であり、前
述のように特徴量算出プログラム２２３により作成され
る。

【００７８】シミュレーションプログラム２２８は、統
計データテーブル２２２の交通量データ及びエレベータ
ー仕様テーブル２３１内のデータを取り込み、シミュレ
ーション用特徴量データテーブル２２９のそれぞれの特
徴量を用いた場合について、エレベーターの運行シミュ
レーションを行い、この結果から最も適したエレベータ
ーの割当て方法の特徴量を求め、これを、学習・知能系
プログラムの特徴量データテーブル２２４に送る。

【００７９】図１９は前述した本発明の他の実施例によ
るシミュレーションによるエレベーターの割当て方法の
動作を説明するフローチャートであり、以下、これにつ
いて説明する。

【００８０】（１）まず、学習データ収集プログラム２
２１は、学習データテーブル２２７の結果を読み出し、
この学習データに基づいて各種統計値の算出を行う（ス
テップ４０１、４０２）。

【００８１】（２）さらに、学習データに基づいて算出
された前述の統計値と、統計データテーブル２２２内に
格納されている旧データとを重み付けして足し合わせ、
この結果を新しい統計データとして統計値データテーブ
ル２２２に登録する（ステップ４０３、４０４）。

【００８２】（３）次に、特徴量算出プログラム２２３
は、この統計データテーブル２２２の内容を用いて各種
の特徴量を算出し、この算出された特徴量をシミュレー
ション用特徴量データテーブル２２９に書き込む（ステ
ップ４０５）。

【００８３】（４）さらに、シミュレーションプログラ
ム２２８は、前述で算出された各種特徴量を用い、統計
データテーブル２２２で示された条件の基でシミュレー
ションを行う（ステップ４０６）。

【００８４】（５）シミュレーションプログラム２２８
は、このシミュレーション結果を評価して、一番適した
特徴量および割当て方法を求め、このようにして求めら
れた特徴量及び割当て方法を学習・知能系の特徴量デー
タテーブル２２４に送ると共に、特徴量データ転送プロ
グラム２２５を介して、運転系特徴量データテーブル２
１５に送る（ステップ４０７、４０８）。

【００８５】図２０は本発明のさらに他の実施例の構成
を示すブロック図であり、この実施例は、複数の目標を
バランス良く制御するための群管理制御を実現するため
の実施例である。

【００８６】この実施例は、各目標値に対する重み係数
テーブル２３０を備え、シミュレーションを行ってその
結果を判定する際に、この重み係数を使用して指定され
た重みに従って各制御目標を制御することのできる制御
方法を求め、これに使用する特徴量を特徴量データテー
ブル２２４に登録するようにしたものである。

【００８７】図２１は本発明のさらに他の実施例の構成
を示すブロック図であり、この実施例は、学習装置を持
たずに、分布形状のデータあるいは特徴量を予めテーブ
ル２２４に記憶しておく場合の実施例であり、他の構成
は、図１４の場合と同様である。

【００８８】図２２はエレベーター仕様テーブルの構成
の一例を示す図である。図示エレベーター仕様テーブル
は、運転系エレベーター仕様テーブル２１４、学習系エ
レベーター仕様テーブル２３１共に同一のものが使用さ
れ、各号機毎の各種仕様が記述されている。

【００８９】

【発明の効果】以上説明したように本発明によれば、待
ち時間等の確率分布形状を考慮してエレベーターの割当
てを行うことができるので、予測がはずれて、長待ち、
予約変更等といった不具合が発生することの少ない、良
好なエレベーターの割当てを行うことができる。特に、
本発明によれば、待ち時間ばかりでなく、乗車時間、か
ご内の乗車人数等を考慮してエレベーターの割当てを行
う場合、予測に予測が重なるため統計的に有為でないよ
うな割当てが多発することを防止することができ、実際
に即したエレベーターの割当てを行うことができる。

【図面の簡単な説明】

【図１】本発明の一実施例の全体構成を示すブロック図
である。

【図２】待ち時間の分布形状の例を説明する図である。

【図３】不具合が発生する場合のエレベーター位置を説
明する図である。

【図４】確率が所定値以上となるようにエレベーターを
割当てる場合を説明する図である。

【図５】どの号機も分散が悪くならないようにエレベー
ターを割当てる場合を説明する図である。

【図６】分散が所定値以上にならないようにする場合を
説明する図である。

【図７】本発明のソフトウェアの構成を示すブロック図
である。

【図８】学習データテーブルの構成の一例を示す図であ
る。

【図９】統計データテーブルの構成の一例を示す図であ
る。

【図１０】運転系特徴量データテーブルの構成の一例を
示す図である。

【図１１】学習データ収集プログラムが学習データ作成
を行う動作を説明するフローチャートである。

【図１２】学習データ収集プログラムが統計データを作
成する動作を説明するフローチャートである。

【図１３】学習・知能系特徴量データテーブルの構成の
一例を示す図である。

【図１４】現在の交通需要を判定してエレベーターの割
当てを行う本発明の一実施例の構成を示すブロック図で
ある。

【図１５】特徴量データテーブルの構成の一例を示す図
である。

【図１６】特徴量データ転送プログラム２２５が現在の
交通需要を判定する動作を説明するフローチャートであ
る。

【図１７】シミュレーションを行うことにより特徴量を
求める本発明の他の実施例の構成を示すブロック図であ
る。

【図１８】シミュレーション用の特徴量データテーブル
の構成の一例を示す図である。

【図１９】シミュレーションによるエレベーターの割当
て方法の動作を説明するフローチャートである。

【図２０】複数の目標をバランス良く制御するための群
管理制御を実現するための本発明の他の実施例の構成を
示すブロック図である。

【図２１】分布形状のデータあるいは特徴量を予めテー
ブルに記憶しておく場合の本発明の他の実施例の構成を
示すブロック図である。

【図２２】エレベーター仕様テーブルの一例を示す図で
ある。

【符号の説明】

１　　ホール呼び登録装置２　　群管理制御装置３　　号機制御装置２１　　運転系プログラム２２　　学習・知能系プログラム３１　　号機制御プログラム

Claims

【特許請求の範囲】

【請求項１】　　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、過去の学習デ
ータの確率分布形状あるいは前記確率分布形状を表す特
徴量を用いて割当てエレベーターの決定を行うことを特
徴とするエレベーターの群管理制御装置。
【請求項２】　　前記学習データが、待ち時間、長待ち
、予約変更、各階の停止確率、かご呼び発生階までの乗
車時間、予測乗り込み人数の少なくとも１つであること
を特徴とする請求項１記載のエレベーターの群管理制御
装置。
【請求項３】　　前記特徴量は、前記学習データの確率
分布形状の最頻値、ピーク値、分散値、尖度、歪度の少
なくとも１つを含むことを特徴とする請求項１または２
記載のエレベーターの群管理制御装置。
【請求項４】　　現在の時間を計測する時計を備え、該
時計により計測された時刻により前記特徴量及びエレベ
ーターの割当て方法を変更することを特徴とする請求項
１、２または３記載のエレベーターの群管理制御装置。
【請求項５】　　現在の交通状況を計測する手段を備え
、得られた交通状況によって前記特徴量及びエレベータ
ーの割当て方法を変更することを特徴とする請求項１、
２または３記載のエレベーターの群管理制御装置。
【請求項６】　　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、過去の学習結
果を用いてエレベーターの運行状況を模擬するシミュレ
ーション手段と、過去の学習データの確率分布形状ある
いは前記確率分布形状を表す特徴量を算出する手段とを
備え、前記シミュレーション手段により前記算出された
特徴量を用いてエレベーターの群管理制御を行った場合
のシミュレーション結果を求め、該シミュレーション結
果の総合評価値の最小もしくは最大の特徴量を用いてエ
レベーターの群管理制御を行うことを特徴とするエレベ
ーターの群管理制御装置。
【請求項７】　　前記学習データが、待ち時間、長待ち
、予約変更、各階の停止確率、かご呼び発生階までの乗
車時間、予測乗り込み人数の少なくとも１つであること
を特徴とする請求項６記載のエレベーターの群管理制御
装置。
【請求項８】　　前記特徴量は、前記学習データの確率
分布形状の最頻値、ピーク値、分散値、尖度、歪度の少
なくとも１つを含むことを特徴とする請求項６または７
記載のエレベーターの群管理制御装置。
【請求項９】　　前記総合評価値は、平均待ち時間、平
均乗車時間、平均乗車人数、予約変更率、長待ち率の少
なくとも１つ、または、これらのそれぞれを重み付けし
た総和であることを特徴とする請求項６、７または８記
載のエレベーターの群管理制御装置。
【請求項１０】　　複数台のエレベーターを統括管理し
、評価項目として待ち時間、乗車時間、乗車人数を総合
評価してホール呼びに対するサービスを行う割当てエレ
ベーターを決定するエレベーターの群管理制御装置にお
いて、前記各評価項目の平均値、所定の分散となる分散
値を用いて割当てエレベーターを決定することを特徴と
するエレベーターの群管理制御装置。