KR20020021099A - 엘리베이터의 군관리 제어장치 - Google Patents

Abstract

본 발명은, 다수의 엘리베이터를 1군으로 해서 관리제어하는 엘리베이터 군관리 제어장치에서, 빌딩내에 발생하는 다수의 엘리베이터의 교통수요를 검출하는 수단과, 검출된 교통수요에 따라 근미래의 교통수요를 예측하는 수단과, 교통수요의 예측결과가 근미래의 교통패턴을 판별하는 수단과, 적어도 예측판별된 교통패턴에 따라 미래에 적용할 군관리 제어룰군의 후보를 여러개 자동생성하는 수단과, 생성된 각 룰군후보를 평가해서 선정하는 수단과, 선정된 룰군을 사용해서 제어를 하는 수단을 구비함으로서 항상, 적정한 룰군을 사용해서 군관리 제어를 실시한다.

Description

엘리베이터의 군관리 제어장치{ELEVATOR GROUP MANAGEMENT CONTROL DEVICE}

통상, 다수의 엘리베이터가 취역하는 빌딩에서는 군관리 제어가 실시된다. 군관리 제어장치에는, 여러가지 기능이 있으나, 수송효율을 향상시키는 것이 가장 기본적인 기능이다. 수송효율을 향상시키기 위한 구체적인 기능을 대별하면 아래 2종류가 있다.

(1) 호출할당기능

(2) 배차제어기능

여기서, 호출할당기능은 홀에서 호출이 발생했을때에 최적한 응답호기를 결정하는 것이다. 또 출근시에는 로버층에 다수의 카를 배차하나, 배차제어기능이라는 것은 호출발생의 유무에 관계없이 카를 배차·회송시키는 기능이다.

전에는, 상기 호출할당에는 각 엘리베이터를 할당하였다고 가정한 경우에 대해, 대기시간등 군관리 퍼포먼스를 일정한 평가식을 사용해서 평가하고 응답호기를 결정하는 방식이 주류였었다. 또 최근에는 인공지능(AI : Artficial Inteligence)기술등이 군관리 제어에 도입되고, 다수의 룰군을 사용해서 군관리 제어를 하도록 되고 있다. 그러나, 이들 룰군은 거의가 고정된 것이고 일부가 학습에 의해 파라미터 변경이 실시될 정도로 정지되어 있다.

또 최근에는 예를 들면 일본국 특개평 6-156893호 공보에 개시되어 있는 바와 같이 군관리 제어장치에 시뮬레이션기능을 탑재하고, 일정한 제어방식을 사용한 경우의 군관리 퍼포먼스를 시뮬레이션하는 방법도 제안되고 있다.

그러나, 이 방법에서도, 상기 호출할당 평가식에 포함되는 파라미터를 다른 값으로 변경해서 시뮬레이션하는 정도에 그치고 있고, 군관리에 사용되고 있는 많은 룰군의 유효,무효의 전환이나 조합의 변경은 되어 있지 않다. 이들을 모든 경우에 대해 시뮬레이션을 실시하면 막대한 연산시간이 필요하게 되고, 실용적인 제품에 조립하는 것이 불가능하기 때문이다.

본 발명은 상술한 문제점을 해결하기 위해 된것으로, 항상 최적한 룰군을 사용해서 군관리 제어를 실시 할 수 있는 엘리베이터 군관리 제어장치를 제공하는 것을 목적으로 한다.

(발명의 개시)

본 발명에 관한 엘리베이터 군관리 제어장치는, 다수의 엘리베이터를 일군으로 해서 관리제어하는 엘리베이터 군관리 제어장치에서, 다수의 엘리베이터의 교통수요를 검출하는 교통수요검출수단과, 검출된 교통수요에 따라 근미래의 교통수요를 예측하는 교통수요예측수단과, 교통수요의 예측결과로부터 근미래의 교통패턴을 판별하는 예측교통패턴판별수단과, 적어도 예측판별된 교통패턴에 따라, 근미래에 적용해야 할 군관리제어 룰군의 후보를 여러개 자동생성하는 룰군후보생성수단과, 생성된 각 룰군의 후보를 평가해서 선정하는 룰군평가선정수단과, 선정된 룰군을사용해서 제어를 하는 운전제어수단을 구비한 것이다.

또, 상기 룰군평가선정수단은, 예측된 교통수요에 대해, 각 룰군의 후보를 적용한 경우의 군관리 퍼포먼스를 시뮬레이션에 의해 예측평가하는 것이다.

또 상기 룰군후보생성수단은, 예측교통패턴판별수단의 판별결과에 따라 소정의 기본적 룰군중에서 별개를 픽업 또는 파라미터를 변경한 것을 조합함으로서 군관리 제어를 군의 후보를 다수 자동생성하는 것이다.

또, 상기 룰군후보생성수단은, 예측교통패턴에 대응하는 표준룰군으로서, 특정의 교통패턴에 대해 반드시 적용하는 고정룰군, 교통상황에 따라서는 적용하지 않는 가변룰군, 파라미터치를 포함하는 파라미터룰군의 적어도 하나 이상을 포함하고, 각 룰군의 후보를 가변룰군의 각 가변룰의 유효·무효와 파라미터룰군의 각 파라미터룰의 파라미터치를 변화시킨 것과 조합에 의해 생성하는 것이다.

또 상기 룰군후보생성수단은, 예측교통패턴판별수단의 판별결과에 따라 교통패턴이 변화했는지를 판정하고, 변화한 경우에는 파라미터룰의 파라미터치를 표준치와 그 전후의 값으로 설정한 것을 대상으로 하고, 변화하지 않은 경우에는 파라미터룰에 파라미터치를 전회최적룰군으로 선택된 값과 그 전후의 값에 설정한 것을 대상으로 해서 룰군후보를 생성하는 것이다.

도 1은 본 발명에서의 엘리베이터 군관리 제어장치의 전체 구성예를 표시하는 블록도.

도 2는 본 발명의 실시의 형태에 관한 동작의 개략을 표시하는 플로차트.

도 3은 룰군후보생성을 위한 개념을 설명하기 위한 설명도.

도 4는 룰군의 예를 표시하는 설명도.

도 5는 룰 적용예를 표시하는 설명도.

도 6은 룰군후보생성순서의 개략을 표시하는 플로차트.

(발명을 실시하기 위한 최량의 형태)

이하, 본 발명의 실시의 형태를 도면을 참조해 설명한다.

도 1은 본 발명에서의 엘리베이터 군관리 제어장치의 전체 구성예를 표시하는 블록도이다.

도 1에서, 1은 다수의 카를 효과적으로 관리제어하는 군관리 제어장치, 2는 각각 각카를 제어하는 각대(台)제어장치이다. 또, 도 1에서는, 도면의 간략화를 위해, 각대 제어장치(2)는 2대만을 표시하였으나, 보통은 2대 ~ 8대가 군관리의 대상이 된다.

도 1에 표시하는 군관리 제어장치(1)에는 아래의 1A ~ 1H의 각 수단이 포함되어 있고, 이들 각 수단은, 마이크로컴퓨터상의 소프트웨어에 의해 구성되어 있다.

즉, 군관리 제어장치(1)는 각대 제어장치(2)와의 통신을 하는 통신수단 1A, 빌딩내에 발생하는 다수의 엘리베이터의 교통수요를 항시 모니터하고, 정기적으로 통계처리하는 교통수요검출수단(1B), 상기 교통수요검출수단(1B)의 검출결과에 따라, 근미래에 발생하는 교통수요를 예측하는 교통수요예측수단 1C, 상기 교통수요예측수단 1C의 예측결과에 따라, 근미래에 발생하는 교통수요의 교통패턴을 판별하는 예측교통패턴판별수단 1D, 군관리 제어에 필요한 룰군을 저장한 군관리 룰베이스 1E, 상기 예측교통패턴판별수단 1D의 판별결과에 따라, 적용할 룰군의 후보를 여러개 자동생성하는 룰군후보생성수단 1F, 상기 룰군후보생성수단 1F가 생성한 룰군후보를 평가하고 적용해야 할 룰군을 선정하는 룰군평가선정수단 1G, 상기 룰군평가선정수단 1G가 선정한 룰군을 적용해서, 엘리베이터 전반의 운전을 제어하는 운전제어수단 1H를 구비하고 있다.

다음 이 실시의 형태의 동작에 대해 도 2를 참조해서 설명한다.

도 2는 본 발명의 실시의 형태에 관한 동작의 개략을 표시하는 플로차트이다. 우선, 스텝 S10에서는 각층에서의 승간인원수로 대표되는 교통수요에 관한 각대 제어장치(2)로부터의 데이터를 통신수단(1A)을 통해서 항시 모니터 해두고, 예를 들면 1분 또는 5분 단위로된 국기로 정기적으로 이들의 교통수요 데이터에 관한 통계처리를 한다. 이 순서는 교통수요검출수단 1B에 의해 실시된다.

다음에, 스텝 S20에서는, 스텝 S10에서의 교통수요에 관한 통계처리 데이터로부터, 예를 들면 현시점에서 장래 5분간이라는 근미래의 교통수요의 예측이 교통수요예측수단 1C에 의해 실시된다. 이 교통수요의 예측에는 몇가지 방법이 생각된다. 예를 들면 학습기능에 의해 과거(전일)의 같은 시간대의 교통수요를 기록해두고, 예를 들면 다음식으로 예측하는 방법이 있다.

P(n) = α×P (n-1) + (1- α) × T (n-1)

P(n) : 당일의 예측치.

P(n-1) : 전일의 예측치.

T(n-1) : 전일의 교통수요 실측치.

α: 웨이트

또 교통수요를 예측하는 수단으로서, 당일의 시계열 데이터를 사용해서 예측하는 수단도 있다. 예를 들면 1분 또는 5분을 단위로해서 과거수점의 데이터를 기록해두고, 다음 식으로 예측한다.

P(t) = αt 3 + b t 2 + c t + d

t : 현재시각

a, b, c, d : 파라미터

상식에서, 각 파라미터의 값은 최소자승법을 사용해서 결정하면 된다.

또, 상술한 학습을 사용한 방법과 시계열 데이터를 사용한 예측을 조합한 방법도 생각 할 수 있다. 교통수요를 예측하는 수법은 이외에도 생각 할 수 있으나 마이크로컴퓨터의 계산시간이나 메모리용량에 따라 적의 설정하면 된다.

다음의 스텝 S30에서는, 스텝 S20에서 예측된 교통수요 데이터에 관해, 예측교통패턴판별수단 1D가 교통패턴판별을 한다. 이 패턴판별에는 예를 들면 이하의 방법이 있다.

우선 기본적인 몇개의 교통패턴과 각 교통패턴에 대응하는 대표적인 교통수요 데이터를 설정해둔다. 그리고 스텝 S20에서 예측된 교통수요 데이터와, 상기 각 대표적인 교통수요 데이터와의 자승오차를 계산한다. 그리고, 자승오차가 최소가 되는 교통패턴을 선택한다.

또 교통패턴을 판별하는 방법으로 뉴트럴 넷(이하 NN라 표기)을 사용하는 방법도 생각된다. 상기 각 교통패턴에 대응하는 대표적 교통수요 데이터를 미리 설정해 두거나, 또는 실측된 데이터로부터 추출해서 기록해둔다. 이 대표적 교통수요 데이터를 NN의 입력에, 그리고 대응하는 교통패턴을 출력하도록 NN을 구성해서 학습을 해둔다. 이렇게하면 NN의 일반적인 성질로서 임의의 교통수요 데이터를 입력했을때, NN은 교통패턴을 출력하게 된다.

교통패턴을 판별하는 방법은 이외에도 여러가지 생각할 수 있으나 종래로부터 여러가지의 방법이 제안되어 있으므로 여기서는 상세한 설명은 생략한다.

다음, 스텝 S40에서는 스텝 S30까지의 연산결과에 따라 룰군후보생성수단 1F가 적용해야 할 룰군의 후보를 몇개 생성한다. 이 순서의 상세에 대해서는 후술한다.

스텝 S50에서는 룰군평가선정수단 1G가, 스텝 S40에서 생성된 각 룰군후보를 평가해서, 최량의 룰군을 선택한다.

이 각 룰군 평가의 방법으로는 시뮬레이션을 시행하는 것이 가장 정밀도가 높다. 구체적으로 스텝 S20에서 예측된 교통수요에 대해 각 룰군후보를 적용한 경우의 군관리 퍼포먼스를 시뮬레이션 예측한다. 즉, 각 룰군을 적용한 경우의 대기시간이나 서비스 완료시간, 만원회수 등을 시뮬레이션에 의해 예측한다.

그리고, 시뮬레이션 결과를 예를 들면, 다음식에 의해 종합평가하고 종합평가치가 최량의 상태가 되는 룰군을 선택한다.

(룰군 e의 종합평가치)

= W1 ×(룰군 e의 대기시간 평가치)

+ W2 ×(룰군 e의 만원평가치)

+ W3 ×(룰군 e의 서비스 완료시간 평가치)

+ W4 ×(룰군 e의 성에너지 평가치)

W1 ~ W4 : 웨이트

스텝 S60에서는 운전제어수단 1H가 스텝 S50에서 선택된 룰군을 사용해서 운전제어를 한다.

또 스텝 S10 ~ S50까지의 순서는 예를 들면 5분마다 주기적, 정기적으로 실시되므로, 다음 주기까지 스텝 S50에서 선택된 룰군에 의한 운전제어 실시하게 된다.

이상이 본 실시의 형태의 동작개로순서의 설명이다.

다음, 도 2에서의 스텝 S40, 즉 룰군후보생성수단 1F에 의한 군후보생성수단에 대해 도 3 ~ 도 6을 참조해서 상세히 설명한다.

도 3은, 룰군후보생성을 위한 개념을 설명하기 위한 설명도이고, 도 4는 룰군의 예를 표시하는 설명도, 도 5는 룰 적용예를 표시하는 설명도이다. 또 도 6은 룰군후보생성순서의 개략을 표시하는 플로차트이다.

본 발명에서의 룰군후보생성수단 1F에 의한 룰군후보생성의 개념은, 상기 예측교통패턴판별수단 1D의 판별결과에 따라, 소정의 기본적 룰군중에서 몇개를 픽업 또는 파라미터 변경한 것을 조합함으로서, 군관리 제어를 군의 후보를 다수 자동생성하는 것이다.

따라서, 예를 들면 도 2의 스텝 S30에서 예측교통수요가 평상시라고 판정되면, 도 3A에 표시하는 군관리를 베이스 1E중에서, 우선 도 3B에 표시한 바와 같이 평상시용 표준룰군을 인출한다. 그리고, 도 3B에 표시한 바와 같이 평상시용 표준룰군에 있는 각 룰의 유효, 무효와 파라미터치를 포함하는 룰의 파라미터치를 변화시킨 것을 조합해서, 도 3C에 표시한 바와 같은 룰군후보를 작성한다.

여기서 표준룰군의 수 및 각 파라미터룰에 취할 수 있는 파라미터치의 수는 결코 작지않다. 따라서, 모든 조합에 대해 룰군후보를 생성하는 것은 현실적이 못된다. 특히 스텝 S50에서 모든 룰의 조합에 대해 시뮬레이션에 의한 평가를 하는 것은 여하에 고성능의 CPU를 사용해도 연산시간상의 문제가 발생한다.

이 때문에 여기서는 도 3B에 표시한 바와 같이, 미리 표준룰군을, 고정룰군, 가변룰군, 파라미터룰군의 3종류로 분류해두는 방법을 취한다,

그리고, 예측교통패턴에 대응하는 표준룰군으로서, 고정룰군, 가변룰군, 파라미터룰군의 적어도 하나 이상을 포함하고 각 룰군의 후보를, 가변룰군의 각 가변룰의 유효, 무효와, 파라미터룰군의 각 파라미터룰의 파라미터치를 변화시킨 것과 조합에 대해 생성한다.

여기서, 고정룰군이라는 것은 특정의 교통패턴에 대해 유효일 가능성이 높고, 반드시 적용하는 룰군이다. 가변룰군이라는 것은, 유효일때가 많으나 교통상태에 의해 적용하지 않는 것이 대기시간이 짧아지는 등의 가능성도 있는 룰군이다. 또 파라미터룰군이라는 것은 파라미터치를 포함하는 룰군이다.

이 개념 및 룰의 적용예를, 도 4 및 도 5를 참조해서 설명한다.

지금, 도 2의 스텝 S30에서 판별되는 교통패턴이 평상시라고 판정된 경우를 예로 한다.

평상시에 적용되는 예로써, 도 4에 표시하는 바와 같이 이하의 각 룰을 생각한다.

·고정룰 : 단자운전회피룰, 종합평가룰 :

·가변룰 : 주층상대기룰

·파라미터룰 : 장기대기회피룰

또, 단자운전이라는 것은, 근접해서 동일방향을 향하는 카끼리가 같은 층상에 정지하거나 또 서로 추월해서 다음 승차장호출에 응답하거나 해서, 여러대의 카가 가까이서 떨어지지 않고 운행되는 상태를 표시한다. 그러므로 카가 한쪽으로 치우쳐서 배차됨으로서, 엘리베이터 군으로서의 서비스성능이 저하하므로, 도 4에 표시한 단자운전회피룰에서는 동일방향의 카가 있으면, 다른 카에 할당하지 않는 룰을 말한다.

또 장기대기회피라는 것은, 승객의 대기시간이 서비스지표의 하나이고 예측되는 대기시간이 긴 승객의 호출에 대체 우선해서 카를 배차함으로서 서비스를 향상시키는 것을 말하고, 도 4에 표시하는 장시간 대기회피룰을 할때에 의해 장기대기가 생기는 카는 할당을 하지 않는 다는 룰이 있다.

지금, 도 5에 표시하는 예에서는, 4대의 카가 취역하고 있다. 빌딩의 정지층산은 12측상이고, 1F이 주층상이다.

도 5A에서는, 홀에서의 호출이 이미 할당된 상태이다.

이 예에서, 주층상대기룰이 적용된 경우, 한대의 카(#B 호기)가 1F에 배차된다. 일반적으로 가장 혼잡하는 것은 주층상이므로, 이 룰이 유효인 경우는 많다. 그러나, 이 룰을 적용하면, 항상 한대의 카가 주층상에 배차되므로, 일반적으로 상방층의 서비스는 저하한다. 따라서, 교통상태에 의해서는 적용하지 않는 쪽이 대기시간등이 좋아지는 경우도 있다. 따라서, 여기의 예에서는 이 룰은 가변룰로서 그 유효성을 시뮬레이션에 의해 검증하는 대상으로 하였다.

도 5B에서는, 10F(DOWN)에 신규호출이 발생하고 있다.

이 도 5B에서 주층상 대기룰이 유효하지 않은 경우는, 1F에 카는 배차되지 않는다. 또 고정룰에 있는 단자운전회피룰이 적용되고, 10F(DOWN)의 호출에는 #A, #C의 2대가 할당후보로 선택되게 된다. 일반적으로, 단자운전이 생기면, 운전효율이 저하하므로 여기 예에서는 이 룰을 고정룰로서 항상 적용하도록 하였다. 또, 종합평가룰은 할당후보가 다수있는 경우에 최종적인 할당 카를 선택하기 위한 것으로 이것도 고정룰로 하였다.

그리고, 파라미터룰로서 장시간회피룰이 적용되고 있는 경우, 장시간회피룰의 파라미터 T의 값과 신규호출, #A의 호출(7F DOWN)과 #C의 호출(8F DOWN)의 예측대기시간에 의해 할당후보가 결정되게 된다. 예상대기시간은 통상, 다음식으로 계산된다.

(어느 카를 할당했을때의 예상대기시간)

= (어느 카의 당해 호출발생층에의 도착예상시간)

+ (당해 호출발생으로부터 현재까지의 경과시간)

또 상기식 및 식내의 도착예상시간의 계산순서는 주지하고 있는 대로이다.

여기서, 예를 들면 신규호출(10F DOWN)을 #A에 할당했을때의 예측대기시간이 10F DOWN : 24초, 7F DOWN : 50초, 8F DOWN : 24초로, #C에 할당했을때의 예측대기시간이 10F DOWN : 20초, 8F DOWN : 44초, 7F DOWN : 40초 였다고 하면 할당후보는 도 4에 표시한 파라미터룰을 참조해서 아래와 같이 된다.

T = 30초의 경우 : #C를 할당카로 한다.(최대장기대기 취소)

T = 45초의 경우 : #C를 할당카로 한다.

T = 60초의 경우 : #A, #C를 할당후보로 하고 종합평가식에 의해 할당카 선택(가령 종합평가식을 예측대기시간 합계치로 하면 #A를 선택)

이상과 같이, 파라미터룰의 파라미터치에 따라서는 같은 교통상황이라도 할당카는 다른때가 있다.

여기서, 파라미터룰의 파라미터치의 종류는 룰에 의해서는 다수가 되고 모두를 검증하는 것은 곤란하다. 그래서, 여기서는 아래의 방법을 취한다. 이 순서에 대해 도 6에 표시하는 플로차트를 참조해서 설명한다.

우선, 스텝 S41에서 교통패턴판별결과가 입력되면, 스텝 S42에서는 판별결과가 변화하였는지의 여부를 판정한다.

여기서의 교통패턴판별에서 룰군 선정까지의 순서는 예를 들면 5분마다라는 주기로 정기적으로 실행된다. 이 스텝에서는(5분전 : 평상시)→(금번 : 평상시)와 같이 교통패턴이 있는지, 또는(5분전 : 출근시)→(금번 : 평상시)와 같이 변화하였는지의 판정을 한다.

교통패턴이 변화한 경우(스텝 S42에서 Yes인 경우), 스텝 S43에서 파라미터룰의 파라미터치를 표준치로 설정한 것과, 그 전후의 값에 설정한 것을 검증의 대상으로 한다. 예를 들면 도 4에 표시하는 장기대기회피룰에서 표준치를 60초로한 경우, 45초와 75초에 설정한 것을 대상으로 한다.

또, 교통패턴이 변화하지 않았을때(스텝 S42에서 No인 경우), 스텝 S44에서 전회 최적룰군에서 선택된 값과 그 전후의 값에 설정한 것을 검증의 대상으로 한다. 예를 들면 도 4에 표시하는 장기대기회피룰에서 선택된 값이 45초인 경우, 30초와 60초에 설정한 것을 대상으로 한다.

그리고 스텝 S45에서는 각 가변룰의 유효, 무효와 각 파라미터룰의 파라미터치의 취할 수 있는 값의 조합에 의해 룰군후보를 작성하고 스텝 S46에서 출력한다. 도 4에 표시하는 예에서는 가변룰과 파라미터룰은 각각 하나씩이다. 이 때문에, 가변룰의 유효, 무효의 2종류와, 파라미터룰의 값 3종류에 의해, 합계 2 ×3 = 6종류의 조합이 평가, 검증의 대상이 된다.

이렇게 하면 전케이스를 검증하지 않아도 적어도 파라미터룰의 파라미터치를 적정하게 변화시켜 갈 수가 있다.

이상과 같이 본 발명에 의하면 다수의 엘리베이터를 1군으로 해서 관리제어하는 엘리베이터 군관리 제어장치에서, 빌딩내에 발생하는 다수의 엘리베이터의 교통수요를 검출하고, 검출된 교통수요에 따라 근미래의 교통수요를 예측하고 교통수요의 예측결과로부터 근미래의 교통패턴을 판별하고, 적어도 예측판별된 교통패턴에 따라, 근미래에 적용해야 할 군관리 제어룰군의 후보를 다수 자동생성하고, 생성된 각 룰군의 후보를 평가해서 선정하고, 선정된 룰군을 사용해서 제어를 하도록 하였으므로 항상 적절한 룰군을 사용해서 군관리 제어를 실시 할 수 있고, 수송효율을 향상시킬수 있다는 효과가 있다.

또, 예측된 교통수요에 대해 각 룰군의 후보를 적용한 경우의 군관리 퍼포먼스를 시뮬레이션에 의해 예측평가하도록 하였으므로 각 룰군 적용시의 퍼포먼스를 정확하게 예측 파악할 수 있고, 적정한 롤군을 선택 할 수 있다는 효과가 있다.

또 예측교통패턴의 판별결과에 따라, 소정의 기본적 룰군중에서 몇개를 픽업, 또는 파라미터변경을 조합함으로서 군관리 제어룰군의 후보를 여러개 자동생성하도록 하였으므로, 평가해야 할 룰군후보를 어느 정도 좁힐수가 있어, 실용시간내에 룰군선정연상을 할 수 있다는 효과가 있다.

또, 예측교통패턴에 대응하는 표준룰군으로서, 특정의 교통패턴에 대해 반드시 적용하는 고정룰군, 교통상황에 따라서는 적용하지 않는 가변룰군, 파라미터치를 포함하는 파라미터룰군의 적어도 하나 이상을 포함하고, 각 룰군의 후보를 가변룰군의 각 가변룰의 유효, 무효와 파라미터룰군의 각 파라미터룰의 파라미터치를 변화시킨것과의 조합에 의해 생성하도록 하였으므로, 교통상활에 따른 적정한 룰군후보를 선정 할 수가 있고, 룰군선정연산을 단축 할 수 있다는 효과가 있다.

또, 예측교통패턴판별수단의 판별결과에 따라 교통패턴이 변화하였는지를 판정하고, 변화한 경우에는 파라미터룰의 파라미터치를 표준치와 그 전후의 값에 설정한 것을 대상으로 하고, 변화하지 않은 경우에는 파라미터룰의 파라미터치를 전번최적룰군에서 선택된 값과 그 전후의 값에 설정한 것을 대상으로 해서 롤군 후보를 생성하도록 하였으므로 교통패턴의 변화에 따른 파라미터치를 선정할 수 있다는 효과가 있다.

본 발명은 다수의 엘리베이터를 1군으로 해서 관리제어하는 엘리베이터 군관리 제어장치에서, 빌딩내에 발생하는 다수의 엘리베이터의 교통수요를 검출하고, 검출된 교통수요에 따라 근미래의 교통수요를 예측하고, 교통수요의 예측결과로부터 근미래의 교통패턴을 판별하고 적어도 예측판별된 교통패턴에 따라 근미래에 적용할 군관리 제어룰군의 후보를 여러개 자동생성하고, 생성된 각 룰군의 후보를 평가해서 선정하고, 선정된 룰군을 사용해서 제어를 하므로 항상 적절한 룰군을 사용해서 군관리 제어르 실시하고 수송효율을 향상시킨다.

Claims (3)

1. 다수의 엘리베이터를 1군으로 해서 관리제어하는 엘리베이터 군관리 제어장치에서, 다수의 엘리베이터의 교통수요를 검출하는 교통수요검출수단과, 검출된 교통수요에 따라 근미래의 교통수요를 예측하는 교통수요예측수단과, 교통수요의 예측결과로부터 근미래의 교통패턴을 판별하는 예측교통패턴판별수단과, 적어도 예측 판별된 교통패턴에 따라, 근미래에 적용할 군관리 제어룰군의 후보를 여러개 자동생성하는 룰군후보생성수단과, 생성된 각 룰군의 후보를 평가해서 선정하는 룰군평가선정수단과, 선정된 룰군을 사용해서 제어를 하는 운전제어수단을 구비한 것을 특징으로 하는 엘리베이터 군관리 제어장치.
2. 제 1항에 있어서,

   상기 룰군평가선정수단은, 예측된 교통수요에 대해, 각 룰군의 후보를 적용한 경우의 군관리 퍼포먼스를 시뮬레이션에 의해 예측평가하는 것을 특징으로 하는 엘리베이터 군관리 제어장치.
3. 제 1항에 있어서,

   상기 룰군후보생성수단은 예측교통패턴판별수단의 판별결과에 따라, 소정의기본적 룰군중에서 몇개를 픽업, 또는 파라미터 변경한 것을 조합함으로서, 군관리제어를 군의 후보를 여러개 자동생성하는 것을 특징으로 하는 엘리베이터 군관리 제어장치