JPH08225256A - エレベータの群管理制御装置 - Google Patents
エレベータの群管理制御装置Info
- Publication number
- JPH08225256A JPH08225256A JP7053383A JP5338395A JPH08225256A JP H08225256 A JPH08225256 A JP H08225256A JP 7053383 A JP7053383 A JP 7053383A JP 5338395 A JP5338395 A JP 5338395A JP H08225256 A JPH08225256 A JP H08225256A
- Authority
- JP
- Japan
- Prior art keywords
- allocation
- call
- neural network
- car
- state data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Elevator Control (AREA)
- Feedback Control In General (AREA)
Abstract
システム状態データから、仮割り当て手段13により従
来方式で仮割り当てを行う。その割り当て結果を入力パ
ターンの指標の一つとしてシステム状態データと共にニ
ューラルネット15に入力し、その出力パターンから割
り当て判定手段17により、割り当て号機を決定する。 【効果】 従来方式による割り当て結果を入力パターン
の指標の一つとしたので、従来の割り当てに用いられて
いた種々の有効な指標をニューラルネットに多数入力す
るのと同様な効果があり、高精度の割り当て性能を発揮
できるだけでなく、入力パターンに用いる指標の数も必
要最小限で済み、ニューラルネットの接続構成の複雑化
を防止することができる。
Description
いて呼びの割り当てを行うエレベータの群管理制御装置
の改良に関するものである。
評価関数を用いた呼び割り当て方式や、ファジー理論を
用いたエキスパートシステムによる呼び割り当て制御が
主流であったが、最近では生物の神経回路をモデルにし
たニューラルネットを用いて呼びの割り当てを行うとい
う新しい方式が提案されている。
ネットワークで、神経細胞モデル(ニューロン)が複数
個、複雑に接続され、各ニューロンの動作及びニューロ
ン間の接続形態をうまく決めることによって、パターン
認識機能や知識処理機能を埋め込むことができるという
ものであり、例えば「日経エレクトロニクス」1987
年8月10日号(No427)のP115〜P124や1
989年2月に産業図書株式会社から刊行された図書
「PDPモデル」などに開示されており、特にニューロ
ンを階層構造に配置したものは「バックプロパゲーショ
ン」と呼ばれる自律的学習アルゴリズムを利用できるこ
とに特徴がある。
てアルゴリズムを人間が一切考える必要はなく、しかも
各種の交通状況に対応して、結果的には最適な割り当て
かごを決定する判断システムを自動的に生成できるとい
う優れた効果があり、例えばエレベータの呼び割り当て
に用いた例としては、特開平1−275381号「エレ
ベータの群管理制御装置」や、特開平3−31173号
「エレベータの群管理制御装置」、特願平5−2438
17号「エレベータ呼び割当て用ニューラルネットの学
習方法」などがある。
一例を図4に示す。図4に示すように、呼び割り当て用
のニューラルネットNNは、入力パターン(エレベータ
システム状態データ)に対応する入力層NR1 と、出力
パターン(割り当て適性)に対応する出力層NR3 と、
入力層と出力層の中間に置かれる中間層NR2 のニュー
ロンとで構成される。
態を表す種々のデータ(乗場呼びの発生階と方向、各号
機の位置と運転方向、かご呼び、荷重状態等)を、呼び
の割り当てに必要なパラメータとして、ニューラルネッ
トに入力できる形に変換したものであり、入力層のニュ
ーロンの数はそのパラメータの総数に対応する。
与えると、出力層に向かって順に信号が伝わり、その結
果出力層の各ニューロンからそれぞれ何らかの値が出力
される。出力層では、エレベータの台数分のニューロン
があり、さまざまな入力パターンに対して、割り当てに
最適である号機に対応するニューロンが「1」(最大
値)を、その他のニューロンは「0」を出力するように
予め学習されている。
の中で、「1」(最大値)に最も近い値を出力したニユ
ーロンが割り当てに最適であることを示すことになり、
このニューロンに対応する号機が割り当て号機として選
択される。なお、中間層(実施例では一層であるが、複
数であってもよい)のニューロンの数は、エレベータの
台数やビルの性質等に応じて適宜定められる。
ン間にはニューロンの結び付きの強さを表す結合重み
(シナプスウェイト)が設定されている。この結合重み
は、最初は適当な値に設定されているが、その後「バッ
クプロパゲーション」と呼ばれる学習アルゴリズムを用
いて、より精度の高い呼び割り当てができるように修正
していくことができる。
く知られているので詳細な説明は省略するが、予め作成
された学習用サンプル(入力パターンと、その入力パタ
ーンに対する望ましい出力パターンすなわち教師信号と
を対にしたもの)を用い、同一の入力パターンに対する
出力パターンと教師信号とを比較し、その誤差を最小化
するように結合重みを修正していくアルゴリズムで、ま
ず最初はすべての重みを初期化(例えばランダムな値に
設定)しておき、入力層の各ニューロンに学習用サンプ
ルの入力パターンを与える。そしてこのときの出力パタ
ーンとその学習用サンプルの出力パターン(教師信号)
とを比較し、その差(誤差)を用いて、その差が小さく
なるように各結合重みの値を出力層側から順に修正して
いくのである。
差が収束するまでこれを繰り返すと、ニューラルネット
に教師信号と同レベルの呼び割当機能が自動的に埋め込
まれたことになり、学習用の入力パターンだけでなく未
知の入力パターンに対しても、教師信号と同レベルの呼
び割り当てを行なうことができるようになる。
効率や学習完了後の割り当て精度は、ニューラルネット
の入力パターンの各データ(指標)として何を選択する
か、すなわち新規呼びが発生したときの群全体の状況を
表すシステム状態データの中から何を選択し、或いはど
のように加工したものをニューラルネットへの入力とす
るかによって大きく左右される。
標としては、各エレベータのかご位置や運転方向、呼び
の発生状況、かごの荷重状態等の直接的なデータや、或
いはこれらを加工した間接的なデータ等、呼びの割り当
てに関連していると思われるものであれば、何でもよい
と考えられる。そこで、従来方式である評価関数による
呼び割り当て制御や、ファジー理論を用いたエキスパー
トシステムによる呼び割り当て制御に用いた評価指標、
例えば乗場呼びの予測待ち時間や、新規呼びを割り当て
ることによる他の乗場呼びの待ち時間の悪化指標等、種
々の指標を導入することが考えられるが、指標の数をあ
まり多くすると入力層のニューロンの数が増え、接続構
成が複雑となって学習にも時間がかかるだけでなく、ど
の指標が有効でどの指標がそれほど有効でないかを見つ
け出すのに、多くの時間と労力を必要とするという問題
点があった。
め、本発明では、エレベータシステムの状態を表すシス
テム状態データに基づいて従来方式により割り当てを行
う仮割り当て手段と、該仮割り当て手段による割り当て
結果を入力パターンの指標の一つとし、割り当て適性を
出力パターンとするニューラルネットと、該出力パター
ンから割り当て号機を決定する割り当て判定手段とを備
えたことを特徴とする。
は、乗場呼びが発生するとまず従来方式により呼びが仮
に割り当てられ、その割り当て結果が呼び発生時のシス
テム状態データと共に入力パターンとしてニューラルネ
ットに入力される。そしてその出力パターンから最適な
号機が割り当て号機として決定される。
ながら説明する。図1は、本発明の全体の構成を示すブ
ロック図で、図中、1は各階床に設けられた乗場呼び釦
(1つの階床分のみを図示し、他の階については省略し
ている)、2は乗場呼び信号、A1は1号機の運行を管
理する運行制御装置、同様にA2〜Anは2号機〜n号
機用の運行制御装置、3は各号機の状態(かご位置や運
転方向、走行または停止の別、戸の開閉状態、かご呼
び、荷重、サービス階、異常等)を表すかご情報信号、
10はこの乗場呼び信号2とかご情報信号3からなるエ
レベータのシステム状態データに基づいて乗場呼びを最
適な号機に割り当て、それを割り当て信号4として出力
する群管理装置であり、各運行制御装置A1〜Anはこ
の割り当て信号4で割り当てられた乗場呼びと自号機の
かご内で登録されたかご呼びに順次応答するようにかご
の運行を制御する。
で構成され、11は入出力インターフェィス、12及び
12’はエレベータのシステム状態データ(12の各デ
ータと12’の各データとは、それぞれ同一であっても
異なるものであってもよい)、13はこのシステム状態
データ12’に基づいて従来方式で仮割り当てを行う仮
割り当て手段、14は仮割り当て信号、15はこの仮割
り当て結果とシステム状態データ12とを入力パターン
として入力し、出力パターンとして割り当て適性16を
出力する割り当て用のニューラルネット、17はこの割
り当て適性16から割り当て号機を判定する割り当て判
定手段、18はニューラルネット15の学習を行う学習
手段で、これらの各手段とニューラルネットはマイクロ
コンピュータ内のソフトウェア上で実現される。
当ての手順を図2のフローチャートに基づいて説明す
る。
びが発生したか否かを判断し、発生していればステップ
S2でそのときの乗場呼び信号2及びかご情報信号3を
読み込み、それをそのまま或いは一部を加工してエレベ
ータのシステム状態データ12及び12’とする。ステ
ップS3では、このシステム状態データ12’に基づい
て従来方式、例えばファジー理論を用いた呼び割り当て
方式により仮割り当てを行う。このシステム状態データ
12’としては、例えばかご位置や呼びの発生階等の他
に、従来から使用されている「新規乗場呼びを割り当て
ることによる、他の乗場呼びの待ち時間の悪化」や、
「順方向で新規乗場呼び発生階以遠の乗場呼びの最大待
ち時間」、或いは「新規乗場呼びの予測待ち時間」等が
考えられる。
システム状態データ12とをニューラルネットに入力で
きる形に変換し、入力パターンとしてニューラルネット
に入力する。
重みは、後述の手順で学習により予め設定されているの
で、入力パターンが決まると順次各層の出力を演算によ
って求めることができ、この処理をステップS5で行
う。そしてその出力パターンの値からステップS6で最
適と思われる号機を選択し、ステップS7でこれを割り
当て信号として出力する。以後は上記の手順を繰り返す
ことにより、乗場呼びが順次割り当てられることにな
る。
ておく必要があり、シミュレーションにより或いは実際
の現場でエレベータの稼働中に学習用サンプルを作成
し、そのサンプルを用いて学習を行う手順について図3
のフローチャートにより説明する。
発生したか否かを判定し、呼びが発生するとステップS
12で、その呼びの発生時点におけるエレベータシステ
ム状態データを一時記憶する。ステップS13では、こ
の呼びをファジー群管理等の従来方式の呼び割り当て制
御で割り当て、ステップS14でこの割り当て結果とシ
ステム状態データとをニューラルネットの入力パターン
に変換する。
されたか否かを確認し、サービスされるとステップS1
6で、そのサービスした号機を割り当て号機としてニュ
ーラルネットの出力パターンに変換する。このとき、割
り当て変更或いは再割り当て等により、当初割り当てら
れた号機と実際に割り当てられた号機とが異なる場合、
すなわち当初の割り当てが結果的に最善でなかった場合
(但し専用運転に切り換えられたためにサービスできな
かったような場合は除く)は、実際にサービスした号機
を割り当て号機として出力パターンに変換する。
ーンと出力パターンとを対にして学習用サンプルとして
記憶する。更にステップS18を経て、学習用サンプル
が所定数に達するまで上記の手順を繰り返し実行し、ス
テップS19でその収集した学習用サンプルを用いてニ
ューラルネットの学習を実施する。
従来方式の割り当て結果を入力パターンの指標の一つと
して入力することにより、それを上回る割り当て性能の
出力パターンが得られることになる。
呼び割り当て方式の割り当て結果は、有効性が実証され
ている種々の指標値を集約した結果であり、本発明では
これを入力パターンの指標の一つとしてニューラルネッ
トに入力するようにしたので、従来の割り当てに用いら
れていた種々の有効な指標をニューラルネットに多数入
力するのと同様な効果があり、高精度の割り当てを実現
できるだけでなく、入力パターンに用いる指標の数も必
要最小限に留めることができ、ニューラルネットの接続
構成の複雑化を防止することができると共に、有効な指
標を開発するのに要する時間と労力をも軽減することが
できる。
ーンの指標の一つとし、実際に応答した号機を出力パタ
ーンとして学習するようにしたので、従来方式を上回る
割り当て性能を期待することができる。
ャートである。
示すフローチャートである。
である。
Claims (2)
- 【請求項1】 複数の階床に対し複数台のエレベータを
就役させ、乗場呼びが発生すると、その時のエレベータ
システムの状態を表す種々のシステム状態データを、ニ
ューラルネットの入力パターンとして使用できる形に変
換して割り当て用のニューラルネットに入力し、その出
力パターンから最適なかごを選択して、その乗場呼びに
割り当てるようにしたエレベータの群管理制御装置にお
いて、前記システム状態データに基づいて従来方式によ
り割り当てを行う仮割り当て手段と、該仮割り当て手段
による割り当て結果を入力パターンの指標の一つとし、
割り当て適性を出力パターンとするニューラルネット
と、該出力パターンから割り当て号機を決定する割り当
て判定手段とを備えたことを特徴とするエレベータの群
管理制御装置。 - 【請求項2】 前記従来方式とは、評価関数を用いた呼
び割り当て方式或いはファジー理論を用いたエキスパー
トシステムによる呼び割り当て方式であることを特徴と
する請求項1記載のエレベータの群管理制御装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP7053383A JP2959425B2 (ja) | 1995-02-16 | 1995-02-16 | エレベータの群管理制御装置 |
US08/576,937 US5767461A (en) | 1995-02-16 | 1995-12-22 | Elevator group supervisory control system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP7053383A JP2959425B2 (ja) | 1995-02-16 | 1995-02-16 | エレベータの群管理制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH08225256A true JPH08225256A (ja) | 1996-09-03 |
JP2959425B2 JP2959425B2 (ja) | 1999-10-06 |
Family
ID=12941307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP7053383A Expired - Lifetime JP2959425B2 (ja) | 1995-02-16 | 1995-02-16 | エレベータの群管理制御装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2959425B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100399882B1 (ko) * | 1998-03-30 | 2003-11-13 | 미쓰비시덴키 가부시키가이샤 | 엘리베이터의 제어장치 |
KR20110098759A (ko) | 2008-12-25 | 2011-09-01 | 후지텍크가부시키가이샤 | 엘리베이터의 군 관리 제어 방법 및 장치 |
CN111170095A (zh) * | 2019-12-31 | 2020-05-19 | 北京猎户星空科技有限公司 | 一种电梯调度系统 |
-
1995
- 1995-02-16 JP JP7053383A patent/JP2959425B2/ja not_active Expired - Lifetime
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100399882B1 (ko) * | 1998-03-30 | 2003-11-13 | 미쓰비시덴키 가부시키가이샤 | 엘리베이터의 제어장치 |
KR20110098759A (ko) | 2008-12-25 | 2011-09-01 | 후지텍크가부시키가이샤 | 엘리베이터의 군 관리 제어 방법 및 장치 |
US8960374B2 (en) | 2008-12-25 | 2015-02-24 | Fujitec Co., Ltd. | Elevator group control method and device for performing control based on a waiting time expectation value of all passengers on all floors |
CN111170095A (zh) * | 2019-12-31 | 2020-05-19 | 北京猎户星空科技有限公司 | 一种电梯调度系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2959425B2 (ja) | 1999-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5767461A (en) | Elevator group supervisory control system | |
JPH075235B2 (ja) | エレベータの群管理制御装置 | |
JP2959425B2 (ja) | エレベータの群管理制御装置 | |
JP2979993B2 (ja) | エレベータ呼び割当て用ニューラルネットの学習方法 | |
JPH0742055B2 (ja) | エレベータの群管理制御方法 | |
JP2956516B2 (ja) | エレベータの群管理制御装置 | |
JPH0331173A (ja) | エレベータの群管理制御装置 | |
JP2988312B2 (ja) | エレベータの群管理制御装置 | |
JP2988306B2 (ja) | エレベータの群管理制御装置 | |
JP2867849B2 (ja) | エレベータ呼び割当て用ニューラルネットの学習方法 | |
JP3106908B2 (ja) | 待ち時間予測用ニューラルネットの学習方法 | |
JP2500407B2 (ja) | エレベ―タ群管理制御装置の構築方法 | |
JP2991077B2 (ja) | エレベータの群管理制御装置 | |
JP2964907B2 (ja) | エレベータの群管理制御装置 | |
JP2962174B2 (ja) | エレベータの群管理制御装置 | |
JP3060879B2 (ja) | 呼び割り当て用ニューラルネットの構成とその学習方法 | |
JP3052768B2 (ja) | エレベータの群管理制御装置 | |
JP2964902B2 (ja) | エレベータ呼び割り当て用ニューラルネットの学習方法 | |
JP2962182B2 (ja) | エレベータの群管理制御装置 | |
JP2964900B2 (ja) | 呼び割り当て用ニューラルネットの学習方法 | |
JP3407660B2 (ja) | エレベータの群管理制御装置 | |
JP2998589B2 (ja) | エレベータの群管理制御装置 | |
JP3215001B2 (ja) | エレベータ呼び割り当て用ニューラルネットの学習方法 | |
JPH0764488B2 (ja) | エレベータの群管理制御装置 | |
JP2964908B2 (ja) | エレベータの群管理制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080730 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090730 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090730 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100730 Year of fee payment: 11 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100730 Year of fee payment: 11 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110730 Year of fee payment: 12 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110730 Year of fee payment: 12 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120730 Year of fee payment: 13 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130730 Year of fee payment: 14 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
EXPY | Cancellation because of completion of term |