KR20000069292A - 엘리베이터의 운행관리 제어장치 - Google Patents

Abstract

엘리베이터 이용자의 교통량을 구하기 위한 교통데이터를 수집하는 교통데이터 수집부와, 교통데이터 수집부에 의해 수집된 교통데이터에 따라 교통량을 산출하는 교통량 산출부와, 교통량 산출부에 의해 산출된 교통량에 따라 각층상간을 이동하는 엘리베이터 이용자의 교통류 추정치를 산출하는 교통류산출부와, 교통류 산출부에 의해 산출된 교통류 추정치에 따라, 엘리베이터의 운전을 제어하기 위한 제어 파라미터를 설정하는 제어 파라미터 설정부와, 제어파라미터 설정부에 의해 설정된 제어파라미터에 따라 엘리베이터의 운전제어를 하는 운전제어부를 구비하였으므로, 많은 교통류 패턴과, 이 교통류 패턴에서 얻어지는 교통량과의 조합을 미리 준비해서 기억할 필요가 없고 그때까지 관측된 교통량 데이터로부터 교통류 측정치를 즉시 산출해, 산출한 교통류 추정치에 따른 군관리 제어를 위한 제어파라미터를 설정해서 엘리베이터의 군관리 제어를 할수가 있다.

Description

엘리베이터의 운행관리 제어장치{ELEVATOR OPERATION MANAGEMENT AND CONTROL SYSTEM}

도 7 은 예를들면 일본국 특개평 7-309546 호 공보에 기재된 종래의 교통수단 제어장치의 교통류 추정의 기본개념을 표시하는 설명도이고, 특히 여러대의 엘리베이터로 구성되는 교통수단을 제어한 경우를 표시하고 있다.

도 7 의 도면중, 11 은 각층에서의 승차인원수나 강차인원수 등의 량적 정보로 된 교통량데이터, 13 은 량, 시간대 및 방향등의 요소에 의해 표시되는 엘리베이터이용자의 발생, 이동을 표시하는 교통류, 12 는 미리 설정되어 있는 교통량과 교통류 패턴과의 관계에 따라, 입력된 교통량데이터(11)로부터 교통류(13)를 추정하는 다층형 뉴럴넷워크(Neural Network)(제어용 뉴럴넷워크)이다.

여기서 어떤 건물에서 미리 정해진 시간대내에 i 층에서 타고 j 층에서 내리는 엘리베이터 이용자수, 즉 i 층에서 j 층으로 이동하는 엘리베이터 이용자수를 Tij 라고 하면, 그 시간대의 건물내의 교통류는

교통류 : T=(T12 , T13 , …… , Tij ……) …… (1)

로 표현된다.

그리고 이들 교통류에 의해 발생한 관측가능한 교통량 데이터는, 각층에서의 승차인 수를 P 하차인 수를 q 라고 하면

교통량데이터 : G = (P·q) ……… (2)

로 표현된다.

이와같이 교통류는 교통의 흐름 자체이고, 교통량은 교통류에 따라 구해지는, 쉽게 관측가능한 량이다.

또 교통량 데이터와는 별개로, 관측가능한 제어결과를 E 라고 하면 제어결과 E는, 홀 호출 응답시간 분포를 r, 각 층예보의 빗나간 회수분포를 y , 각층만원 통과분포를 m 라고 하면,

제어결과 : E = (r . y . m) ……… (3)

로 표현된다.

대상으로 하는 시간대에서의 엘리베이터 이용자의 이동방향을 표시하는 정보를 포함하지 않은 교통량 데이터 G 로부터 정확한 교통량 T 를 직접 구하는 것은 곤란하므로, 여기서는 교통류는 근사한 방법으로 구한다.

우선, 미리 건물내에서 상정되는 다수의 교통류 패턴을 준비하고 각 교통류패턴에 대해 제어파라미터를 일정하게 해서 제어를 하였을때 생성되는 교통량 데이터 G 와 제어결과 E 를 시뮬레이션에 의해 구한다.

이로인해 몇개의 「교통량 교통류 패턴」과 「교통류 패턴,제어결과」의 관계가 얻어진다.

다음, 「교통량,교통류 패턴」의 관계를 뉴럴넷워크로 표현한다.

그래서 예를들면 도 7 에 표시하는바와같은 다층형의 뉴럴넷워크(12)를 준비하고, 입력측에는 교통량데이터(11), 출력측에는 교통량 데이터(11)를 생성한 교통류 패턴(13)을 소위 말하는 교사데이터로 해서 각각 부여해서 학습시킨다.

이결과, 뉴럴넷워크(12)는 어떤 교통량 데이터를 입력시켰을때 미리 준비한 교통류 패턴중, 입력된 교통량 데이터를 생성하는 교통류 패턴에 가장 유사한 교통류 패턴을 출력하게 된다.

따라서, 미리 충분한 수의 교통류 패턴을 준비해서, 미리 학습을 해둠으로써, 뉴럴 넷워크(12)는 지금까지 학습한 「교통량 교통류 패턴」의 관계중에서, 임의의 교통량 데이터에 대해 그 교통량을 생성시킨 교통류 또는 적어도 그 교통류에 대단히 근사한 교통류를 선택해서 출력하도록 되어 있다.

또 , 다수의 다른 교통류 패턴에서 같은 교통량 데이터가 생성된 경우에는, 교통류가 다르면 일정한 제어 파라미터하에서의 제어결과는 서로 다르므로, 뉴럴 넷워크(12)는 「교통류 패턴,제어결과」의 관계를 이용해서, 같은 교통량 데이터를 생성하는 교통류 패턴중에서 특정한 제어결과를 얻을수 있는 교통류 패턴을 선별할수가 있다.

또 미리 준비한 교통량 패턴에 대해서는, 미리 시뮬레이션등에 의해 최적한 제어결과가 얻어지는 제어파라미터를 설정해두는 것이 가능하므로, 뉴럴넷워크(12)는 교통량 데이터로부터 교통류가 추정되면, 최적한 제어 파라미터의 설정을 할수가 있다.

이 종래기술에서는, 교통류 추정의 정밀도는, 교통류 패턴과 이 교통류 패턴에서 얻어지는 교통량과의 조합을 어느정도 미리 준비해두는 가의 여하에 딸려 있다.

그러나, 모든 교통류 패턴과 이 교통류 패턴에서 얻어지는 교통량과의 조합을 미리 준배해서 기억해두는 것은 방대한 메모리 용량을 필요로 하므로, 현실적이 아니고, 현재 서비스해야할 상황에 따른 적절한 카의 할당을 효율적으로 할수 없다는 문제가 있었다.

또 일본국 특공소 62-36954 호 공보에 계재된 기술에서는 과거에 어떤 교통류가 생겼는가를 해석할수는 있으나, 엘리베이터의 운행관리제어중에 현시점에서 어떤 교통류가 생겨있는가를 리얼타임으로 추정할수가 없으므로, 현시점의 서비스해야할 상황에 따른 적절한 카의 할당을 효율적으로 할수 없다는 문제가 있었다.

본 발명은 이런 문제점을 해결하기 위해 된것으로, 관측된 교통량 데이터로부터 리얼타임에 교통류를 추정하고, 추정한 교통류에 따라 엘리베이터의 운행관리 제어를 할수 있는 엘리베이터의 운행관리 제어장치를 얻는 것을 목적으로 한다.

[발명의 개시]

수단과 효과(작용)

본 발명은 엘리베이터의 운행관리 제어장치에 관한 것이다.

도 1 은 본 발명의 엘리베이터의 운행관리 제어장치의 설명도.

도 2 는 본 발명의 엘리베이터의 운행관리 제어장치의 설명도.

도 3 은 본 발명의 엘리베이터의 운행관리 제어장치의 설명도.

도 4 는 본 발명의 엘리베이터의 운행관리 제어장치의 설명도.

도 5 는 본 발명의 엘리베이터의 운행관리 제어장치의 설명도.

도 6 은 본 발명의 엘리베이터의 운행관리 제어장치의 설명도.

도 7 은 종래의 교통수단 제어장치의 설명도.

[발명을 실시하기 위한 최량의 형태]

실시의 형태 1

다음에 본 발명의 실시의 형태 1 에 대해 도면을 사용해서 설명한다.

도 1 은 본 발명에서의 엘리베이터의 운행관리 제어장치의 교통류 추정의 기본개념을 표시하는 설명도이고, 여기서는 여러대의 엘리베이터가 군관리 제어에 의해 운전하는 경우를 예로 설명한다.

도 1 중, 교통량 데이터 11 은 각층에서의 방향(up/Down)별승차 인수, 하차인수등의 양적정보로 되고, 교통류(13)는 어느층에서 다른층까지 대상으로 하는 층간을 이동하는 엘리베이터 이용자의 교통량이 전체의 교통량중에 점유하는 비율을 표시하는 OD(Origin/Destination)데이터에 의해 기술된다.

또 다층형의 뉴럴넷워크(Neural Network)(제어용 뉴럴넷워크)(12)는 입력된 교통량 데이터(11)로부터 교통류 데이터(13)를 추정하는 것이다.

지금 어느 건물에서 미리 정해진 시간대내에 i 층에서 타고 j층에서 내리는 엘리베이터 이용자수, 즉 i층에서 j 층으로 이동하는 엘리베이터 이용자수인 OD데이터를 TFij 라고 하면, 빌딩내의 교통류는 이들 OD 데이터의 통합이므로 전술한 종래예와 같이

교통류 : TF=(TF₁₁, TF₁₂, …… , TFij ……) …… (4)

라고 표현할수 있다.

또 이들 교통류에 의해 발생하는 동시에 관측 가능한 교토량 데이터는

교통량 데이터 : G =(ONup(f1), ON dn(f1), OFFup(f1),OFFdn(f1))

ONup(f1) : f1 층에서의 Up 방향 승차인수

ONdn(f1) : f1 층에서의 Down 방향 승차인수

OFFup(f1) : f1 층에서의 Up 방향 하차인수

OFFdn(f1) : f1 층에서의 Down 방향 하차인수 ……… (5)

로 기술할 수 있다.

통상식(4)에 표시하는 엘리베이터 이용자의 이동방향이나 대상으로 하는 시간대를 표시하는 정보를 포함한 교통류 데이터 G 로부터 식(5)에 표시하는 교통량 T 를 구할 수 있으나 역으로 교통량 데이터 T 로부터 정확한 교통류 G 를 구하는 것은 곤란하다.

그래서 본 발명에서는 매일의 군관리 제어장치와는 별개로, 대상으로 하는 시간대에 어느층에서 어느층까지 몇명의 엘리베이터이용자가 이동하는가라는 각각의 교토류 데이터(OD 데이터)의 과거의 집계로부터 엘리베이터의 각층의 층간이용자수인 교통량을 뉴럴넷워크로 구하고 또 교통류 데이터로부터 교통량이 정해진다는 사상을 뉴럴 넷워크에 의해 표현한다.

그리고 군관리 제어시에는 이런 뉴럴넷워크의 학습결과를 이용해서, 이 사상(寫象)에 대한 역사상을 이용함으로써 교통량데이터 T 로부터 교통류 G 를 근사적으로 구한다.

따라서, 예를들면 매일의 제어종료후에 교통류와 이로부터 산출되는 교통량과의 관계를 뉴럴넷워크에 학습시킨다.

이 경우, 입력측에 교통량 데이터를 부여해서 뉴럴넷워크에 학습시켜 출력측으로부터 교통류를 인출한 경우, 뉴럴넷워크의 일반적인 성질로서 어느 교통량 데이터가 입력되면 뉴럴넷워크는 그에 대응하는 교통류를 출력할수가 있다.

즉 뉴럴 넷워크는 교통류 데이터로부터 교통량을 정한다는 사상에 대한 역사상을 실행하는 능력을 얻을수가 있다.

또, 교통류가 특정되면, 운전제어장치는 교통류에 따른 제어 파라미터를 설정해서, 군관리 제어를 하나, 엘리베이터의 군관리 제어에서의 제어파라미터는 혼잡층에의 배차대수, 회송층의 설정, 각 카의 지정층에의 도착시간예측, 호출할당시의 각 평가 지표에 대한 Weighting 등 여러종류이다.

그러나, 교통류가 특정되면 정해진 제어파라미터하에서의 제어결과는 시뮬레이션등의 방법에 의해 평가되고, 각 교통류에 대한 제어 파라미터의 최적치가 설정가능하다.

즉 교통류가 추정되면 자동적으로 제어 파라미터의 최적치를 설정할수가 있다.

다음에 본 발명의 실시예로서, 전술한 기본개념에 의해 추정된 교통류에 따라 다수의 엘리베이터군을 제어하는 엘리베이터의 운행 관리제어장치에 대해 도 2 를 사용해서 설명한다.

도 2 는 본 발명에서의 엘리베이터의 운행관리제어장치로서 예를들면 군관리 제어장치의 구성을 표시하는 블록도이다.

도 2 중 (31~3n)는 각층 승강장에 설치된 승강장 호출버튼이다.

엘리베이터 이용자가 승강장 호출버튼(31~3n)의 적어도 어느것인가를 조작하면, 조작된 승강장 호출버튼으로부터 군관리 제어장치(1)에 승강장 호출이 출력되고 군관리 제어장치(1)은 군관리 제어를 하도록 되어 있다.

또 각대 제어장치(21~2m)는, 군관리 제어장치(1)의 제어지령에 따라, 각 엘리베이터의 주행, 정지, 도어개폐라는 동작제어를 각각 실시하도록 되어 있다.

여기서 군관리 제어장치(1)은, 각 엘리베이터의 거동이나 발생한 호출등 교통데이터를 수집하는 교통데이터수집부(1A)와 수집된 교통데이터로부터 교통량을 산출하는 교통량 산출부(1B)와, 산출한 교통량 데이터로부터 교통류 추정치를 리얼타임에 산출하는 교통류 산출부로서의 교통류 추정부 1C 와, 교통데이터로부터 엘리베이터 이용자의 이동을 해석해서 뉴럴넷워크 학습용의 교사데이터를 작성하는 교사데이터 작성부 1D 와, 교사데이터 작성부 1D 가 작성한 교사데이터에 따라 교통류 추정부 1C 의 교통류 추정치의 산출기능을 뉴럴넷워크의 학습에 의해 구축하는 추정기능구축부 1E 와, 교통류 추정부 1C 가 추정한 교통류 추정치에 따라, 엘리베이터군을 제어하기 위한 제어 파라미터를 설정하는 제어파라미터 설정부 1F 와, 설정된 제어파라미터에 따라 군관리 제어를 하는 운전제어부 1G 로 구성되어 있다.

여기서 상술한 교통데이터에는 교통량을 산출하기 위한 데이터뿐 아니라, 엘리베이터 이용자가 조작한 호출신호, 엘리베이터의 정지, 상승, 하강등의 운행정보 엘리베이터에 승차 또는 하차인 인원수, 부하의 변화등의 카 정보, 대상으로 하는 시간대등 엘리베이터 이용자의 이동을 해석해서 교통류를 추정하기 위한 데이터가 포함된다.

다음 제 3도를 사용해서, 본 실시예의 동작으로서 특히 엘리베이터의 군관리 제어의 구체적 동작에 대해 설명한다.

제 3 도는 군관리 제어의 개략을 표시하는 플로차트이다.

우선 정지,주행 등 카의 거동이나, 승하차 인원수, 카호출 승차장호출, 호출응답카등 교통데이터가 리얼타임에 교통데이터수집부 1A 에 의해 수집된다(스텝 ST10).

다음, 교통량 산출부 1B 는 교통데이터 수집부 1A 에 의해 수집된 이들의 교통데이터로부터 교통량 데이터 G 를 산출한다(스텝 ST20). 이 교통량의 산출은, 교통량산출부 1B 가 정기적으로, 예를들면 1분마다에 과거 5분간의 승하차 인원수를 산출함으로써 실현된다.

다음 교통류 추정부 1C 는, 교통량 산출부 1B 로부터 산출된 교통량데이터로부터 교통류 추정치를 리얼타임에 산출한다(스텝 ST30). 여기서 이 스텝 S30 에서의 교통류 추정동작을 제 4 도를 사용해서 설명한다.

산출된 교통량 데이터 G 가 제 1 도에 표시하는 뉴럴넷워크(12)에 입력된다(스텝 ST31). 이 경우 식(2)에 표시된 교통량 데이터 G 의 각 요소데이터 ONup(f1) ,ONdn(f1),OFFup(f1),OFFdn(f1)의 값이, 뉴럴넷워크(12)의 입력층의 각뉴 런에 각각 입력된다.

따라서 입력층의 뉴런의 수는 4×Z 개(Z 는 건물의 층상수)가 된다.

여기서 뉴럴넷워크(12)는 주지의 넷워크 연산을 하고(스텝 ST32). 계산에서 구한 교통류 추정치를 리얼타임에 출력한다(스텝 ST33). 이 경우 뉴럴넷워크(12)의 출력층의 각 뉴런의 출력치를 , 식(4)의 교통류 데이터 TF 의 각 요소의 추정치로 한다.

즉 출력층의 제1뉴런의 출력치를 TF11 , 제 2 뉴런의 출력치를 TF12, …… 로 해서, 교통류 데이터의 추정치를 OD 데이터로서 얻어진다.

따라서 출력층의 뉴런의 수는 Z²개가 된다.

또 중간층의 뉴런의 수는 경우에 따라 임의의 수로 해도 된다.

또 교통류 및 교통량 데이터는 빌딩내를 몇개의 구역으로 구분하고 구역마다에 기술해도 된다.

이 경우 전술한 Z 는 구역수가 된다.

여기서 다시 제 3 도의 설명으로 되돌아간다.

스텝 ST30에서, 이와같이 교통류의 추정데이터가 뉴럴넷워크(12)에 의해 리얼타임에 얻어지면, 다음에 제어 파라미터설정부 1F 는, 뉴럴 넷워크(12)에 의해 추정된 교통류에 대응한 제어파라미터를 설정한다(스텝 ST40).

그리고 운전제어부 1G 는 제어파라미터 설정부 1F 에 의해 설정된 제어 파라미터에 따라 엘리베이터의 군관리 제어를 실행한다(스텝 ST50).

그런데 이러한 일상의 군관리 제어시에 뉴럴넷워크(12)가 실현하는 교통량 데이터로부터 교통류를 추정하는 기능은, 이하에 설명하는 추정기능의 보정을 반복함으로써 구축된다.

즉 일상의 군관리 제어와는 별개로, 뉴럴넷워크(12)에 의해 실현되는 교통류의 추정기능의 보정을 예를들면 정기적으로 실시한다(스텝 ST60). 이 추정기능의 보정은 매일 제어종료후에 실시해도 되고, 예를들면 1줄일마다라는 미리 정해진 일정시간 간격마다 해도 된다.

추정기능보정은, 전번에 실시한 추정기능의 보정에서 이번 실시하는 추정기능의 보정까지의 사이에 얻어진 교통데이터로부터 구해지는 교통류 데이터 및 교통량 데이터에 따라, 뉴럴넷워크(12)가 교통류와 이로부터 산출되는 교통량과의 관계를 학습하고, 그리고 뉴럴넷워크(12)가 그 교통류 추정기능의 능력을 전번 얻은 교통류 추정기능의 능력보다 높이는 것으로 실현된다.

이 추정기능의 보정순서(스텝 ST60)에 대해 제 5 도를 사용해서 설명한다.

제 5 도는 교통류의 추정기능의 보정순서를 표시하는 플로차트이다.

먼저의 스텝 ST10 에서 수집된 군관리 제어중의 교통데이터중에서 이 추정기능의 보정용으로 기억해둔 데이터가 인출된다(스텝 ST61). 여기서 추정기능의 보정용 교통데이터는, 수집된 모든 데이터를 보정용으로 기억해둘 필요는 없다.

미리 정해진 5분정도의 데이터를 1단위로 해 소정수, 예를들면 출근시,평상시 등 특징적인 교통이 생기는 시간대마다에 여러개의 데이터를 기억해서 추정기능의 보정용으로 사용해도 된다.

다음, 교사데이터작성부 1D 는 이들 추정기능의 보정용 교통데이터를 해석해서 뉴럴넷(12)의 학습에 사용하는 소위 교사데이터를 작성한다(스텝 ST62).

여기서 교사데이터는 각각 교통데이터로부터 해석된 교통량데이터와 교통류 데이터와의 조합으로 된다.

여기서, 교통량 데이터는 전술한 스텝 S20 에서의 순서와 같이 각 카의 승하차인원수로부터 식(5)의 형식으로 구할수 있다.

또 교통량 데이터는 식(4)의 형식에서 구해진다.

이 구하는 순서를 제 6 도를 사용해서 설명한다.

어떤 카가 UP 또는 DOWN 방향의 주행을 개시해서 반전할때까지의 일련의 동작을 스캔이라 한다.

예를들면 대상으로 하는 시간대에서 어떤 카의 UP 스켄에서의 정지층과 승하차 인원수가 제 6 도에 표시하는바와같이 1F(3인승차)→3층(2인하차)→4F(1인승차)→6F(1인하차)→10층(1인하차)였다고 한다.

이경우 3F 에서 하차한 2인의 하차객은 1F 에서 승차하였다고 특정할수가 있다.

그러나, 6F 와 10F 에서 하차한 엘리베이터 이용자의 승차층은 특정할 수 없다.

따라서 특정할수가 없는 하차한 엘리베이터 이용자수를 엘리베이터 이용자 이동의 조합에 대해 각각 균등하게 분배한다.

즉 이 경우는 특정할수가 없는 2인을, 1F→6F(0.5인), 4F→6F(0.5인), 1F→10F(0.5인), 4F→10F(0.5인)으로 분배한다.

다음 이들 데이터를 구역마다에 변환한다.

제 6 도의 예에서는, 1F 을 제1구역, 2F→6F 를 제2구역, 7F→10F 을 제3구역이라고 하면, OD(Origin/Destination)데이터로서의 교통류 데이터는 식(6)으로 표시된다.

TF12 = 2.5(1F→3F(2인)과 1F→6F(0.5인)

TF13 = 0.5(1F→10F(0.5인))

TF22 = 0.5(4F→6F(0.5인))

TF23 = 0.5(4F→10F(0.5인)) ………… (6)

상기 순서를 각카, 각 스켄마다에 계산해서 적산하면 대상으로 하는 시간대에서의 개개의 엘리베이터 이용자의 이동정보가 반영된 교통류 데이터가 구해진다.

이렇게 해서, 기억한 교통데이터마다에 산출된 교통량 데이터와, 교통류 데이터의 조합을 교사 데이터로 하고, 뉴럴넷워크(12)가 학습을 해서, 뉴럴넷워크 (12)의 조정이 실행된다(스텝 ST63).

이 뉴럴넷워크(12)의 학습에는 예를들면 주지하는 소위 백 프로파게이션(Back Propagation)법이 사용된다.

다음에 교통류의 추정정밀도의 체크를 한다.

이 추정정밀도의 지표로는 채용한 교사데이터의 교통류데이터와 뉴럴넷워크 (12)가 그 교사데이터의 교통량 데이터에 따라 산출한 교통류 추정치와 각각 대응하는 요소의 2승오차의 총합계가 채용된다(스텝 ST64). 즉 교사데이터 전부에 대해 다음식(7)을 사용해서 각각 구한 오차 E 를 합계해서, 이 합계치를 추정정밀도의 지표로 한다.

이 합계치가 적을수록 추정정밀도가 양호하다고 볼수 있다.

E = Σ(TF ij - TF ji)²

TF ij : 교사데이터의 교통류 데이터의 각 요소치

TF ij : 교사데이터의 교통량 데이터에 따라 산출하였다.

교통류 추정치의 각 요소치 ……… (7)

다음에, 추정기능구축부 1E 는, 식(7)을 사용해서 구한 오차 E 의 합계치를 지난번 실시한 추정기능의 보정순으로 마찬가지로 식(7)을 사용해서 구한 오차 E 의 합계치와 비교한다(스텝ST65).

그리고 추정기능구축부 1E 는, 추정정밀도가 개량되어 있으면 (스텝 ST65 에서 YES), 스텝 S63 에서 조정된 뉴럴넷워크를 그대로 등록하나(스텝 ST67), 개량되지 않았으면(스텝 ST65 에서 NO), 뉴럴넷워크를 전번의 것으로 되돌려 등록한다(스텝 ST67).

통상의 군관리 제어와는 별개로 상술한 교통류 추정기능의 보정을 실시해둠으로써, 뉴럴넷워크(12)와 교통류 추정부 1C 를 항상 적절한 것으로 유지할수가 있고, 교통류의 추정정밀도를 양호하게 유지할수가 있다.

따라서, 상기 실시의 형태에 의하면, 많은 교통류 패턴과 이 교통류패턴에서 얻어지는 교통량과의 조합을 미리 준비해서 기억할 필요가 없고, 그때까지 관측된 교통량 데이터로부터 교통류 추정치를 즉시 산출하고, 산출한 교통류 추정치에 따른 군관리 제어를 위한 제어파라미터를 설정해서 엘리베이터의 군관리 제어를 할수 있다.

또, 입력데이터는 추정치를 포함하지 않고, 즉시 관측 가능한 교통량이므로, 정밀도가 좋은 연산이 가능해지고, 보다 정확한 교통류의 추정이 가능해지고, 또 교통량과 교통류의 관계를 뉴럴넷으로 형성해서, 교통 데이터의 해석결과를 뉴럴넷워크에 학습시킴으로써 추정기능의 구축,보정을 하도록 하였으므로, 미리 많은 데이터를 기억하는 일없이, 이들 양자의 관게를 방대한 논리로 대응시킬 필요가 없어지고, 양자를 대응시키는 연산에 요하는 프로그램이나, 기억영역을 감축할수가 있다.

또, 지난번의 추정정밀도의 조정으로부터 이번의 추정정밀도의 조정까지 사이에 얻어진 실제의 교통량 데이터 및 교통류 데이터에 따라, 교통류 추정부가 추정한 교통류 추정치의 추정정밀도를 양호하게 유지할수가 있으므로, 예를들면 건물마다에 또 건물에 따라 서로 시간대에 의해 변화하는 엘리베이터 이용객의 움직임의 변화에 적합한 엘리베이터의 운전관리 제어장치를 얻을수가 있다.

또 추정기능구축부는, 비정상적인 교통류 데이터를 교사데이터로 해서, 교통류 추정부의 추정정밀도의 지표의 산출에 채용해서 학습을 해서 추정정밀도를 악화시킨다는 염려가 없다.

미리 정해진 시간대마다에 그 시간대에 따른 교통류의 추정을 하도록 교사데이터를 사용해서 뉴럴넷워크의 조정이 가능하고, 시간대에 의하지 않고, 일률적으로 교통류의 추정을 시키는 연산부를 사용하기보다도, 시간대에 따른 보다 정밀도가 좋은 교통류의 추정을 할수가 있다.

또, 교통류 산출부는 대상으로 하는 층간을 이동하는 엘리베이터 이용자의 교통량이 전체의 교통량중에 점유하는 비율로서 교통류 추정치를 산출하므로, 건물내에서의 엘리베이터이용자의 이동이 정확하게 표현할수가 있다.

또, 한대의 엘리베이터의 운행관리를 조정하는데 유익할뿐 아니라 여러대의 엘리베이터에 상호간에 호출을 할당이 최적한 운전제어를 하는 소위 군관리 제어에 적합해서, 복잡한 엘리베이터의 운행관리가 가능해진다.

이상과 같이 본 발명에 관한 엘리베이터의 운행관리 제어장치에서 사용된는데 적합하다.

Claims (7)

1. 엘리베이터 이용자의 교통량을 구하기 위한 교통데이터를 수집하는 교통데이터 수집부와, 이 교통데이터 수집부에 의해 수집된 교통데이터에 따라, 교통량을 산출하는 교통량 산출부와, 이 교통량 산출부에 의해 산출된 교통량에 따라 각 층상간을 이동하는 엘리베이터 이용자의 교통류 추정치를 산출하는 교통류 산출부와, 이 교통류 산출부에 의해 산출된 교통류 추정치에 따라 엘리베이터의 운전을 제어하기 위한 제어파라미터를 설정하는 제어파라미터 설정부와, 이 제어파라미터 설정부와 이 제어파라미터 설정부에 의해 설정된 제어 파라미터에 따라 엘리베이터의 운전제어를 하는 운전 제어부를 구비한 것을 특징으로 하는 엘리베이터의 운행관리 제어장치.
2. 교통류 산출부는 입력측을 엘리베이터 이용자의 교통량으로 하고 출력측을 엘리베이터 이용자의 교통류로 한 뉴럴넷 워크로 형성된 것을 특징으로 하는 청구항 1 에 기재한 엘리베이터의 운행관리 제어장치.
3. 교통데이터 수집부에 수집된 교통 데이터에 따라 뉴럴넷워크 학습용 교사데이터를 작성하는 교사데이터 작성부와, 이 교사데이터 작성부에 의해 작성된 교사 데이터에 따른 뉴럴넷워크의 학습에 의해 교통류 산출부의 교통류 추정치를 산출하는 기능을 구축하는 추정기능 구축부를 다시 또 구비한 것을 특징으로 하는 청구항 2 에 기재한 엘리베이터의 운행관리 제어장치.
4. 추정기능구축부는, 채용한 교사데이터의 교통류 데이터와 교통류 산출부가 상기 교사 데이터의 교통량 데이터에 따라 산출한 교통류 추정치와의 각각 대응하는 요소의 2승 오차에 따른 값을 추정정밀도의 지표로 한 것을 특징으로 하는 청구항 3 에 기재한 엘리베이터의 운행관리 제어장치.
5. 교사데이터 작성부는 미리 정해진 시간대에 교통데이터 수집부에 수집된 교통데이터에 따라 교사데이터를 작성하는 것을 특징으로 하는 청구항 3 또는 4 에 기재한 엘리베이터의 운행관리 제어장치.
6. 교통류 산출부는, 대상으로 하는 층간을 이동하는 엘리베이터 이용자의 교통량이 전체의 교통량중에 점유하는 비율로서 교통류 추정치를 산출하는 것을 특징으로 하는 청구항 1 내지 5의 어느한항에 기재된 엘리베이터의 운행관리 제어장치.
7. 운전제어부는, 운전제어를 군관리 제어로 한 것을 특징으로 하는 청구항 1 내지 6 의 어느한항에 기재한 엘리베이터의 운행관리 제어장치.