KR20190044635A - 리프트 시스템의 리프트 카에 진입하는 승객을 검출하는 방법 - Google Patents

Abstract

본 발명은 승객이 리프트 시스템의 리프트 카에 진입하는 것을 검출하는 방법에 관한 것이다. 승객 (23) 이 리프트 시스템 (10) 의 리프트 카 (11) 에 진입하는 것을 검출하기 위한 상기 방법은 승객 (23) 이 모바일 터미널 디바이스 (24) 를 휴대하는 것에 근거한다. 터미널 디바이스 (24) 는 적어도 하나, 특히 다수의 센서들 (25) 을 구비하고, 상기 센서들에 의해 상기 모바일 터미널 디바이스 (24) 는 측정된 값들을 검출 및 평가한다. 따라서, 승객이 리프트 카 (11) 에 진입하는 것을 검출하는 것은 상기 측정된 값들에 근거하여 수행된다.

Description

리프트 시스템의 리프트 카에 진입하는 승객을 검출하는 방법

본 발명은 청구항 1 의 전제부에 따른 승객에 의한 엘리베이터 시스템의 엘리베이터 카로의 진입을 검출하는 방법에 관한 것이다.

WO 2013/130040 A1 은 엘리베이터 시스템의 사용을 모니터링하는 방법을 개시한다. 이러한 방법에서, 엘리베이터 시스템의 승객은 태그로서 공지된 마킹 디바이스를 장착한다. 판독 디바이스는 샤프트 도어에 부착되거나, 엘리베이터에 있어서는, 태그가 근처에 있는지 여부와, 만일 그렇다면 어느 것이 있는지를 인식할 수 있는 엘리베이터 시스템의 카들에 부착된다. 따라서, 승객이 엘리베이터 카에 진입한 경우 또한 인식될 수 있다. 판독 디바이스는 이러한 정보에 근거하여 엘리베이터 시스템의 사용을 모니터링할 수 있거나 추후 분석을 위해 이를 기록할 수 있는 트래픽 분석 유닛에 정보를 전송한다. 따라서, WO 2013/130040 A1 에 따른 방법은 승객 마다 하나의 태그와 샤프트 도어 당 또는 엘리베이터 카 당 적어도 하나의 판독 디바이스를 필요로 한다.

US 201/4330535 A1 는 엘리베이터 카에서 승객의 이동을 검출하는 방법을 개시한다. 상기 방법에 따라, 엘리베이터 카의 트립의 시작 및 종료를 검출하기 위하여 일련의 가속도 측정이 평가된다. 하지만, 상기 방법은 승객에 의한 엘리베이터 카로의 진입을 검출하기에는 적합하지 않다.

그와 대조적으로, 본 발명의 목적은, 특히, 승객에 의한 엘리베이터 카로의 진입이 가능한 한 적은 추가의 하드웨어로, 따라서 가능한 한 비용 효과적으로 검출될 수도 있는 방법을 제안하는 것이다. 본 발명의 목적은 청구항 1 의 특징들을 가지는 방법에 의해 본 발명에 따라 달성된다.

승객에 의한 엘리베이터 시스템의 엘리베이터 카로의 진입을 검출하기 위한 본 발명에 따른 방법에서, 승객은 모바일 디바이스를 휴대하는 것으로 가정된다. 모바일 디바이스는 모바일 디바이스가 측정된 값들을 검출 및 평가하는 적어도 하나의 센서, 특히 다수의 센서들을 구비한다. 그런 다음, 엘리베이터 카로의 진입이 상기 측정된 값들에 근거하여 검출된다.

"승객에 의한 엘리베이터 시스템의 엘리베이터 카로의 진입의 검출" 하에서, 엘리베이터 카로의 진입 순간이 검출되는 것으로 이해된다. 엘리베이터 카로의 진입, 따라서 진입 순간은 엘리베이터 카 내의 승객의 트립, 또는 승객 및 엘리베이터 카의 수직 방향으로의 이동, 따라서 가속에 시간적으로 선행한다. 엘리베이터 카로의 진입 순간은 승객 및 엘리베이터 카의 수직 방향으로의 이동 또는 가속의 검출로부터 결정될 수 없다. 엘리베이터 카로의 진입과 엘리베이터 카 내의 승객의 트립 출발 사이의 기간은 몇 초 또는 수 분일 수도 있다.

현대 세상에서, 엘리베이터 시스템의 많은 사람들과, 따라서 많은 승객들은 센서를 갖는, 예를 들어 모바일 폰 또는 스마트 폰 형태의 모바일 디바이스를 그들과 함께 휴대한다. 사람들이 그런 이유로 그들과 함께 휴대하는 이러한 터미널 디바이스들을 사용함으로써, 단지 상기 방법을 구현하는데 필요한 추가의 하드웨어가 상기 방법을 수행하는데 필요하지는 않다. 기껏해야, 본 발명에 따른 방법에 의해 생성된 엘리베이터 카로의 진입에 관한 정보가 추가로 평가되어야 하는 경우, 추가의 하드웨어가 필요할 수도 있다. 따라서, 본 발명에 따른 방법은 비용 효과적인 방식으로 실행될 수 있다.

모바일 디바이스를 구비한 승객이 엘리베이터 카에 진입한다는 정보는 매우 다양한 방법으로 평가되거나, 예를 들어 매우 다양한 액션들을 트리거하는데 추가로 사용될 수도 있다. 예를 들어, 터미널 디바이스는 정보를 무선으로 트래픽 분석 유닛에 전송할 수도 있고, 그런 다음 상기 트래픽 분석 유닛은 WO 2013/130040 A1 의 트래픽 분석 유닛과 유사한 방식으로 엘리베이터 시스템의 트래픽 흐름을 분석 할 수 있다. 모바일 디바이스는, 예를 들어, 특정 프로그램, 앱 또는 미리 정해진 상태에 놓여진 앱에서 시작된 특정 모드에 놓일 수도 있다. 예를 들어, 특정 콘텐츠를 표시하는 앱을 시작할 수 있거나, 엘리베이터 카 내의 다른 승객들과 함께 플레이할 수 있는 게임을 시작할 수 있다. 또한, 센서를 사용하여, 엘리베이터 시스템을 모니터링하기 위해 평가되어야 하는 다가오는 트립 동안 터미널 디바이스가 측정된 값들을 기록할 수 있다. 엘리베이터 카로의 진입이 인식되자 마자, 터미널 디바이스는 측정 모드에 놓여질 수도 있고 또한 측정에 이용가능해질 수도 있다.

유사한 방식으로, 엘리베이터 카로부터의 이탈이 인식될 수도 있다. 퇴장은 기본적으로 진입으로부터 역순으로 진행된다.

검출된 데이터의 평가, 따라서 엘리베이터 카로의 진입의 검출은 특히 모바일 터미널 디바이스에 의해 수행된다. 하지만, 검출된 데이터가 평가 디바이스에 전송되고, 엘리베이터 카로의 진입의 검출이 평가 디바이스에 의해 수행될 수 있다. 이러한 경우, 터미널 디바이스에 의한 데이터의 평가는 평가 디바이스로의 데이터의 전송으로 제한된다. 또한, 평가의 적어도 일부는 평가 디바이스뿐만 아니라 모바일 디바이스에 의해 수행될 수 있다. 따라서, 상호 제어 및/또는 보완이 가능하고, 이는 엘리베이터 카로의 진입을 검출하기 위한 매우 높은 명중 확률을 가능하게 한다.

예를 들어, 모바일 디바이스는 예를 들어 모바일 폰, 스마트 폰, 태블릿 컴퓨터, 스마트워치 (smartwatch), 전자식 스마트 섬유 형태의 웨어러블 (wearable) 이라 불리는 것, 또는 임의의 다른 휴대용 터미널 디바이스로서 디자인될 수도 있다. 모바일 디바이스의 센서는 예를 들어 마이크로폰, 가속도계, 회전 속도 센서, 자기장 센서, 카메라, 기압계, 휘도 센서 (brightness sensor), 상대 습도 센서 또는 이산화탄소 센서로서 디자인될 수도 있다. 가속도계, 회전 속도 센서 및 자기장 센서는 특히 3 차원 또는 3D 센서로 불리는 것으로서 디자인된다. 이러한 유형의 센서들은 측정된 값들을 x, y 및 z 방향으로 전달하고, 여기서 x, y 및 z 방향들은 서로 수직하게 배열된다. 특히, 터미널 디바이스는 다수의 센서들 및 특히 상이한 유형의 센서들, 따라서, 예를 들어, 마이크로폰, 3 차원 가속도계, 3 차원 회전 속도 센서 및 3 차원 자기장 센서를 특징으로 한다. 이하에서, 가속도계, 회전 속도 센서 및 자기장 센서는 3 차원 가속도계, 회전 속도 센서 및 자기장 센서인 것으로 이해된다.

승객은 터미널 디바이스를 완전히 상이한 배향으로 가져올 수 있어서, 가속도계, 회전 속도 센서 또는 자기장 센서가 공간 내에서 어떻게 배향되는지는 처음에는 명확하지 않다. 하지만, 중력 가속도는 항상 측정되기 때문에, 적어도 승객이 이동하지 않으면, 수직 방향, 즉 절대 z 방향을 유일하게 결정하는데 사용될 수도 있다. 절대 z 방향의 지식으로, 가속도계, 회전 속도 센서 및 자기장 센서의 측정된 값들은 절대 z 방향 및 절대 x 및 y 방향을 따라 배향된 값들로 변환될 수도 있다. 따라서, 절대 x, y 및 z 방향들은 각각 서로 수직하게 배열된다. 가속도, 회전 속도 또는 자기장 세기에 관한 다음의 모든 스테이트먼트들은 이러한 방식으로 절대 x, y 및 z 방향으로 변환된 x, y 및 z 방향에 대해 측정된 값들 및 스테이먼트들과 관련된다. 절대 x, y 및 z 방향의 값들을 결정하는 대신에, 3 개의 측정된 값들은 벡터로서 처리될 수도 있고, 최종 벡터는 개별 벡터로부터 형성될 수도 있다. 3 개의 개별 벡터를 사용하는 대신에, 최종 벡터를 또한 사용할 수도 있다.

본 발명의 실시형태에서, 센서 또는 센서들을 사용하여, 모바일 터미널 디바이스는 승객들의 이동을 특징화하는 측정된 값들을 검출하고 이러한 값들을 평가한다. 지시된 측정된 값들은 특히 3 개의 가속도 및/또는 회전 속도가 x, y 및 z 방향으로 각각 구체적으로 측정되는, 횡방향 가속도를 의미하는 가속도 또는 회전 속도이다. 승객들의 이동을 특징화하는 값들로부터, 승객들의 이동이 결정될 수도 있고, 승객들의 이동으로부터 승객이 엘리베이터 카에 진입한 것으로 인식될 수도 있다. 일반적으로, 터미널 디바이스에 의해 측정된 측정된 값들이 터미널 디바이스의 이동뿐만 아니라 승객의 이동을 나타내는 방식으로 승객이 터미널 디바이스를 휴대하는 것이 본원에서 가정된다.

본 발명의 실시형태에서, 승객의 이동 패턴은 유도되어 적어도 하나의 저장된 신호 패턴과 비교될 수도 있다. 그런 다음, 상기 비교에 근거하여 엘리베이터 카로의 진입의 검출이 수행된다. 따라서, 엘리베이터 카로의 진입이 특히 신뢰성있는 방식으로 검출될 수도 있다.

이러한 경우에, 표시되어 저장된 신호 패턴은 이동 패턴이다. 이러한 맥락에서, 이동 패턴은 예를 들어 시간적 시퀀스 (temporal sequence), 특히 가속도 또는 회전 속도를 포함하는 것으로 이해된다. 이동 패턴은 본원에서 속성 또는 특히 다수의 속성들로 불리는 것을 사용하여 기술될 수도 있다. 이러한 유형의 속성들은 예를 들어 평균, 표준 편차, 최소값/최대값 또는 표시된 가속도 또는 회전 속도의 Fast Fourier 분석 결과와 같은 통계적 매개변수일 수도 있다. 이러한 경우에 이동 패턴은 속성 벡터라고 불리는 것으로서 또한 설명될 수도 있다. 전술한 속성들은 특히 개별 시간 세그먼트들에 대해 결정될 수도 있고, 여기에서는 특히 개별 측정된 값들의 특징들 또는 값들에 근거하여 형성된다. 예를 들어, 이러한 유형의 시간 세그먼트는 이동하지 않는, 따라서 샤프트 도어 전방에서 대기해야 하는 승객에 의해 특징화될 수도 있다. 특히, 단일 가속도 또는 회전 속도뿐만 아니라, 다수의 가속도 및/또는 회전 속도의 조합, 특히 3 개의 가속도 및 회전 속도 각각의 조합이 고려된다.

예를 들어, 저장된 신호 패턴은, 사람이 샤프트 도어로 걸어가서, 엘리베이터 카가 이용가능하여 진입이 가능할 때까지 샤프트 도어 전방에서 대기하고, 엘리베이터 카에 진입하고 또한 카 도어의 방향으로 돌아설 때, 가속도, 회전 속도 및/또는 자기장 또는 속성의 특징적 특성들을 포함할 수도 있다. 신호 패턴들은 경험에 근거하여 전문가에 의해 생성되거나, 특히 하나 이상의 테스트들에 의해 결정될 수도 있다. 기계적 학습이라 불리는 방법은 특히 이동 패턴의 인식 또는 분류에 사용된다. 예를 들어, 서포트 벡터 머신, 랜덤 포레스트 알고리즘 또는 심층 학습 알고리즘이라 불리는 것이 사용될 수도 있다. 이러한 분류 방법은 먼저 트레이닝 되어야 한다. 이를 위하여, 엘리베이터 카로의 진입을 위한 통상적인 이동 패턴들은 특히 전술한 속성들에 근거하여 실험에서 생성되었고, 표시된 알고리즘들은 트레이닝에 이용가능했다. 충분한 수의 트레이닝 패턴들로 알고리즘을 트레이닝한 후, 알려지지 않은 패턴의 이동이 엘리베이터 카로의 진입을 특징화하는지의 여부를 결정할 수 있다. 이러한 경우, 신호 패턴은 알고리즘의 매개변수들로 저장된다.

트레이닝을 위한 통상적인 이동 패턴의 생성은 일용의 모바일 디바이스를 사용하는 승객에 의해 수행될 수도 있다. 그는 단지 엘리베이터 카로의 진입의 시작과 끝을 표시할 필요가 있다. 또한, 실제 트레이닝의 종료 후에, 승객이 엘리베이터 카로의 진입을 인식하지 못했거나 잘못 인식했는지에 대한 피드백을 제공할 수 있다. 이러한 피드백은 알고리즘의 추가의 트레이닝에 사용될 수도 있다.

모든 사람들이 같은 방향으로 이동하지 않기 때문에, 예를 들어, 사람들은 상이한 속도로 돌아서고, 또한, 예를 들어, 대기 시간이 상이한 길이를 갖기 때문에, 측정된 이동 패턴은 특히 하나의 신호 패턴뿐만 아니라 약간 상이한 신호 패턴들의 전체 배열과 비교된다.

본 발명의 실시형태에서, 모바일 디바이스는 센서 또는 센서(들)를 사용하여 엘리베이터 시스템의 액티비티들을 특징화하는 측정된 값들을 검출하고, 이들을 평가한다. 엘리베이터 시스템의 액티비티들은, 예를 들어, 엘리베이터 카의 이동, 샤프트 도어, 카 도어 또는 도어 드라이브의 활성화와 같은 엘리베이터 시스템의 개별 구성 요소들의 이동을 포함하는 것으로 이해되어야 한다. 특히, 터미널 디바이스는 소음 및/또는 자기장을 검출하고, 특히 3 개의 자기장은 x, y 및 z 방향으로 측정된다. 측정된 자기장의 변화들은 예를 들어 전기 모터를 갖는 도어 드라이브의 액티비티 및/또는 강자성의 자기 재료를 갖는 샤프트 도어 및/또는 카에 의해 야기될 수도 있다. 예를 들어, 표시된 측정된 값들로부터, 카 도어가 승객 전방에서 개방되고 승객 후방에서 폐쇄된다는 것을 결론낼 수도 있다.

본 발명의 실시형태에서, 엘리베이터 시스템의 액티비티 패턴은 측정된 값들로부터 유도되고 적어도 하나의 저장된 신호 패턴과 비교된다. 그런 다음, 상기 비교에 근거하여 엘리베이터 카로의 진입의 검출이 수행된다. 따라서, 엘리베이터 카로의 진입이 특히 신뢰성있는 방식으로 검출될 수도 있다.

이러한 경우에, 언급된 저장된 신호 패턴은 액티비티 패턴과 관련된다. 이러한 맥락에서, 특히 측정된 소음 및/또는 자기장의 시간적 시퀀스는 액티비티 패턴 하에서 이해되어야 한다. 액티비티 패턴은 또한 속성, 또는 구체적으로는 이동 패턴과 관련하여 설명된 다수의 속성들을 사용하여 설명될 수도 있다. 특히, 자기장의 단일 측정은 하나의 방향으로뿐만 아니라, 다수의 자기장 측정들과 조합하여 다수의, 특히 3 개의 방향으로 고려된다.

신호 패턴은, 예를 들어, 개방 동안 카 도어의 소음 또는 플로어에서 엘리베이터 카로의 진입 동안의 소음 또는 그로부터 유도된 속성들을 설명할 수도 있다. 신호 패턴들은 경험에 근거하여 전문가에 의해 생성되거나, 특히 하나 이상의 테스트들에 의해 결정될 수도 있다. 전술한 설명과 유사하게, 이동 패턴과 조합하여 기계적 학습이라고 불리는 것의 방법이 특히 신호 패턴을 결정하기 위해 적용될 수도 있다. 신호 패턴은 마찬가지로 시간 세그먼트들 및 각 세그먼트에 대해 결정된 개별 속성들로 분할될 수도 있다.

카 도어의 개방과 같은 엘리베이터의 유사한 액티비티들이 다양할 수도 있으므로 (예를 들어 엘리베이터들의 유사한 액티비티들은 상이한 시간 길이를 소요할 수도 있으므로) 측정된 액티비티 패턴은 하나의 신호 패턴뿐만 아니라 약간 상이한 신호 패턴들의 전체 배열과 구체적으로 비교된다.

본 발명의 실시형태에서, 모바일 디바이스는 센서를 사용하여 모바일 디바이스의 환경의 특성들을 특징화하는 측정된 값들을 검출하고 이들을 평가한다. 예를 들어, 자기장, 공기 압력, 휘도, 상대 습도 또는 공기 중 이산화탄소 함량을 측정할 수 있다.

본 발명의 실시형태에서, 엘리베이터 시스템의 특징적 패턴은 측정된 값들로부터 유도되고 적어도 하나의 저장된 신호 패턴과 비교된다. 그런 다음, 상기 비교에 근거하여 엘리베이터 카로의 진입의 검출이 수행된다. 따라서, 엘리베이터 카로의 진입이 특히 신뢰성있는 방식으로 검출될 수도 있다.

이러한 경우에 언급된 저장된 신호 패턴들은 특징적 패턴들이다. 이러한 맥락에서 특징적 패턴은 예를 들어 터미널 디바이스의 환경, 따라서 이러한 경우에 엘리베이터 시스템의 특성들을 나타내는 측정된 값들의 시간적 시퀀스를 포함하는 것으로 이해되어야 한다. 특징적 패턴은 또한 속성, 또는 특히 이동 패턴들과 관련하여 설명된 다수의 속성들로 설명될 수도 있다. 특히, 전술한 특징들 중 하나의 단일 측정의 특징뿐만 아니라, 다수의 측정들의 조합이 고려된다.

신호 패턴은, 예를 들어, 엘리베이터 카의 외부로부터 내부로의 자기장 또는 그로부터 유도된 속성들의 변화를 설명할 수도 있다. 자기장의 변화는 예를 들어 엘리베이터 카의 외부 및 내부의 코일과 같은 다양한 전기 구성 요소들의 강자성 재료의 상이한 사용에 의해 야기될 수도 있다. 강자성 재료는 그 자체가 자기장을 생성할 수도 있고 그리고/또는 지구 자기장에 영향을 줄 수도 있다.

신호 패턴은 예를 들어 엘리베이터 캐빈의 외부로부터 내부로의 공기 중 CO2 함량 또는 이로부터 유도된 속성들의 변화를 설명할 수도 있다. 폐쇄된 엘리베이터 카에서 승객이 내쉬는 공기 때문에 공기 중 CO2 함량이 증가한다. 따라서 카에서 공기 중 CO2 함량은 일반적으로 외부보다 높다. 또한, 트립 중에 CO2 함량이 서서히 증가하여, 엘리베이터 카의 트립이 검출될 수도 있다. 이러한 증가는 상당히 느린 프로세스이지만, 더 긴 트립들에서 검출될 수도 있다.

신호 패턴은 예를 들어 엘리베이터 카의 외부로부터 내부로의 상대 습도 또는 그로부터 유도된 속성들의 변화를 설명할 수도 있다. 이는 호기 때문에 카 내부의 CO2 함량과 유사하게 서서히 증가하여, CO2 함량과 유사하게 평가가 수행될 수도 있다.

신호 패턴은 예를 들어 엘리베이터 카의 외부로부터 내부로의 온도 또는 그로부터 유도된 속성들의 변화를 설명할 수도 있다. 승객이 방출하는 열로 인해 온도가 서서히 증가하여, CO2 함량과 유사하게 평가가 수행될 수도 있다.

신호 패턴은 예를 들어 엘리베이터 카의 외부로부터 내부로의 휘도 또는 그로부터 유도된 속성들의 변화를 설명할 수도 있다. 엘리베이터 카 내부에서, 이는 일반적으로 외부보다 덜 밝다.

신호 패턴은 예를 들어 엘리베이터 카의 외부로부터 내부로의 음향 또는 그로부터 유도된 속성의 변화를 설명할 수도 있다. 엘리베이터 카가 비교적 좁은 폐쇄된 공간이므로, 예를 들어 에코 또는 소음 감쇠가 변화된다. 예를 들어 특수화된 테스트 신호들이 이러한 변화를 결정하기 위하여 사용될 수도 있다.

신호 패턴들은 경험에 근거하여 전문가에 의해 생성되거나, 특히 하나 이상의 테스트들에 의해 결정될 수도 있다. 전술한 설명과 유사하게, "기계적 학습" 으로 공지된 것의 방법이 신호 패턴을 결정하기 위하여 이동 패턴과 관련하여 사용될 수도 있다. 신호 패턴은 또한 타임 게이트로 분할될 수도 있고, 개별 속성들은 각 세그먼트에 대해 지정될 수도 있다.

모든 엘리베이터 시스템이 동일한 특징적 패턴을 가지지 않는 대신에 매우 다양할 수도 있으므로, 측정된 특징적 패턴이 하나의 신호 패턴뿐만 아니라 약간 상이한 신호 패턴들의 전체 배열과도 비교된다.

엘리베이터 카로의 진입을 검출하기 위해, 이는 승객의 개별 이동을 특징화하는 측정된 값, 엘리베이터 시스템의 액티비티들을 특징화하는 측정된 값 또는 검출되어 평가되는 엘리베이터 시스템의 특징을 특징화하는 측정된 값뿐만 아니라, 이러한 상이한 유형들의 측정된 값들의 조합이다. 따라서, 엘리베이터 카로의 진입이 특히 신뢰성있는 방식으로 검출될 수도 있다.

본 발명의 실시형태에서, 네이밍된 저장된 신호 패턴들 중 적어도 하나가 변화되고; 특히 모든 저장된 신호 패턴들이 변화된다. 그러므로, 학습 프로세스가 이루어지고, 그에 의해 저장된 신호 패턴들이 계속해서 실제 이벤트들에 보다 좋아지게 적용되게 한다. 이로써, 승객에 의한 엘리베이터 카로의 진입의 특히 정밀한 검출이 가능하다.

특히, 모바일 터미널 디바이스의 센서들 중 적어도 하나의 센서에 의해 측정된 측정된 값으로부터 엘리베이터 카의 트립이 검출된다. 엘리베이터 카의 트립이 검출되자 마자, 트립 전에 검출된 이동, 액티비티 및/또는 특징들의 패턴들이 저장된 신호 패턴들과 비교되고, 저장된 신호 패턴들은 상기 비교에 근거하여 조정된다. 특히, 저장된 신호 패턴들은 트립 전에 검출된 액티비티 및/또는 특징적 패턴들의 이동 방향으로 수정된다. 특히, 이는 전술한 기계적 학습이라 불리는 방법을 구현할 수 있다. 특히 효과적인 학습, 및 따라서 또한 승객에 의한 엘리베이터 카로의 진입의 특히 정밀한 검출이 가능하다.

엘리베이터 카의 트립이 검출되면, 엘리베이터 카로부터의 퇴장이 매우 높은 명중확률로 검출될 수도 있다. 승객이 수직 방향에 대해 횡방향으로 이동하자 마자, 즉 x 및/또는 y 방향으로 상당히 이동하자 마자, 엘리베이터 카로부터의 퇴장이 가정될 수도 있다. 이러한 이동은 예를 들어 가속 센서를 통해 검출될 수도 있다. x/y 방향으로의 이동을 검출하는 대신에, 전술한 x, y 및 z 방향으로의 가속도의 최종 벡터가 또한 사용될 수도 있다.

엘리베이터 카의 트립은 수직 방향으로의 특징적 가속 트랜드를 갖는다. 엘리베이터 카는 먼저 상방으로 또는 하방으로 가속된 다음, 일정한 속도로 잠시 동안 일반적으로 주행하고, 그런 다음 정지 상태로 제동된다. 이러한 가속 특징은 모바일 터미널 디바이스의 하나 또는 다수의 가속 센서들의 측정된 값들에 있어서 큰 정밀도로 인식될 수도 있다. 이러한 방식으로, 엘리베이터 카에서의 승객 및 따라서 모바일 디바이스의 트립의 신뢰성있는 검출이 가능하다. 이러한 신뢰성있는 검출에 근거하여, 저장된 신호 패턴들의 신뢰성있는 적응이 가능하며, 궁극적으로 엘리베이터 카에 진입하는 승객을 특히 신뢰할 수 있게 검출하는 것으로 이어진다.

선택적으로 또는 추가적으로, 기압계에 의해 측정된 공기압은 또한 엘리베이터 카의 트립을 검출하기 위해 평가될 수도 있다. 공기 압력의 변화는 수직 방향으로의 트립에 의해 야기되고, 변화 증감도는 계단을 오르거나 기상과 관련된 공기압의 변화의 경우보다 정도에 있어서 상당히 더 크다.

본 발명의 추가의 이점들, 특징들 및 세부 사항들은 예시적인 실시형태들의 이하의 상세한 설명, 및 동일한 또는 기능적으로 동등한 요소들이 동일한 참조 부호를 가지는 도면에서 제공된다.

도 1 은 일 승객을 갖는 엘리베이터 시스템의 매우 개략적인 대표도이다.
도 2a, 도 2b, 도 2c 는 엘리베이터 카로의 승객의 진입 동안 회전 속도의 시간 특징들이다.
도 3a, 도 3b, 도 3c 는 엘리베이터 카로의 승객의 진입 동안 자기장 세기의 시간 특징들이다.
도 4 는 엘리베이터 카의 트립 동안 수직 방향으로의 가속도의 시간 특징이다.

도 1 에 따라, 엘리베이터 시스템 (10) 은 엘리베이터 샤프트 (12) 내에서 수직 방향 (13) 으로 상하로 이동할 수 있는 엘리베이터 카 (11) 를 특징으로 한다. 이러한 목적을 위해, 엘리베이터 카 (11) 는, 상세하게 설명되지 않은 드라이브의 구동 풀리 (15) 및 가요성 서스펜션 수단 (14) 을 통해 평형추 (16) 에 연결된다. 드라이브는 구동 풀리 (15) 및 서스펜션 수단 (14) 을 통해 엘리베이터 카 (11) 및 평형추 (16) 를 반대 방향으로 상하로 이동시킬 수 있다. 엘리베이터 샤프트 (12) 는 3 개의 샤프트 개구들 (17a, 17b, 17c) 및 따라서 샤프트 도어들 (18a, 18b, 18c) 로 폐쇄되는 3 개의 플로어들을 가진다. 도 1 에서, 엘리베이터 카 (11) 는 샤프트 개구 (17a) 에, 따라서 최하 플로어 상에 위치된다. 엘리베이터 카 (11) 가 플로어에, 즉 샤프트 개구들 (17a, 17b, 17c) 중 하나에 위치되면, 카 도어 (19) 와 함께 대응하는 샤프트 도어들 (18a, 18b, 18c) 은 개방될 수도 있고, 그로 인해 엘리베이터 카 (11) 로의 진입이 가능해진다. 카 도어 (19) 및 대응하는 샤프트 도어들 (18a, 18b, 18c) 을 개방하기 위하여, 도어 세그먼트들 (추가로 설명되지 않음) 은 측방향으로 밀려서, 도어 세그먼트들이 변위된다. 카 도어 (19) 및 대응하는 샤프트 도어들 (18a, 18b, 18c) 은 도어 제어 유닛 (21) 에 의해 제어되는 도어 드라이브 (20) 에 의해 작동된다. 도어 제어 유닛 (21) 은 전체 엘리베이터 시스템 (10) 을 제어하는 엘리베이터 제어 유닛 (22) 과 신호 연결된다. 엘리베이터 제어 유닛 (22) 은 예를 들어 드라이브를 제어하고, 따라서 엘리베이터 카 (11) 를 원하는 플로어로 이동시킬 수 있다. 예를 들어, 카 도어 (19) 및 대응하는 샤프트 도어 (18a, 18b, 18c) 를 개방하도록 도어 제어 유닛 (21) 에 요청을 전송할 수 있고, 그런 다음 도어 제어 유닛 (21) 은 도어 드라이브 (20) 의 대응하는 제어를 통해 실행한다.

모바일 텔레폰 (24) 형태의 모바일 디바이스를 휴대하는 승객 (23) 은 최하 플로어에서, 따라서 샤프트 도어 (18a) 의 전방에 서 있다. 모바일 텔레폰 (24) 은 복수의 센서들을 특징으로 하고, 그 중 마이크로폰 (25) 만 도시되어 있다. 또한, 모바일 텔레폰 (24) 은 x, y 및 z 방향으로 측정된 값들을 검출할 수 있는 3 차원의 가속도, 회전 속도 및 자기장 센서들을 갖는다. 전술한 바와 같이, 가속도, 회전 속도 및 자기장 센서들에 의해 검출된 측정된 값들은 절대 x, y 및 z 방향에 관련된 값들로 쉽게 변환될 수 있다. 따라서, 가속도, 회전 속도 또는 자기장 세기에 대한 다음의 모든 스테이트먼트는 이러한 방식으로 절대 x, y 및 z 방향으로 변환된 x, y 및 z 방향에 대한 측정된 값 및 스테이트먼트에 근거한다.

승객 (23) 이 엘리베이터 카 (11) 에 진입하면, 모바일 텔레폰 (24) 의 센서들에 근거하여 검출된 측정된 값들이 인식된다. 모바일 텔레폰 (24) 은 이러한 목적을 위해 측정된 값들을 연속적으로 검출하고 이것들을 평가한다. 모바일 텔레폰 (24) 은 예를 들어 x, y, z 축선에 대한 회전 속도를 검출한다. 이러한 측정된 회전 속도는 모바일 텔레폰 (24) 의 이동뿐만 아니라 승객 (23) 의 이동을 특징화한다. 측정된 값들은 연속적으로 검출되고, 상이한 가속 센서들의 개별 측정된 값들의 조합으로부터 승객 (23) 의 진행 중인 이동 패턴이 생성된다. 그로 인해 측정된 값은 특히 저역 통과 필터에 의해 필터링된다. 따라서, 표시된 이동 패턴은 이러한 경우 x, y 및 z 축선에 대한 회전 속도의 특징들을 포함한다. 모바일 텔레폰 (24) 은 따라서 생성된 진행 중인 이동 패턴을 엘리베이터 카 (11) 로의 진입 동안의 이동 패턴에 대해 통상적인 저장된 신호 패턴들과 비교한다. 비교를 수행할 수 있도록, 회전 속도의 개별 회전 속도 또는 시간 세그먼트의 평균, 표준 편차 및 최소값/최대값 형태의 속성들이 지정되고 저장된 값과 비교된다. 측정된 특징들의 속성과 저장된 속성들 사이의 차이가 결정가능한 임계값보다 작은 경우, 저장된 신호 패턴과 이동 패턴의 충분한 일치가 인식된다. 모바일 텔레폰 (24) 은 이로 부터 승객 (23) 이 엘리베이터 카 (11) 에 진입했다고 결론을 내린다. 모바일 텔레폰 (24) 은 이러한 정보를 여러 다양한 방식으로 평가할 수 있다. 이러한 예에서, 이는 측정 모드로 전환되고, 여기서 엘리베이터 카 (11) 내의 다가오는 트립 동안의 측정을 위해, 엘리베이터 시스템 (10) 을 모니터링할 준비가 된다. 따라서, 측정은 오로지 나중 순간에 시작된다.

측정된 이동 패턴과 저장된 신호 패턴 사이의 비교, 따라서 이동 패턴들의 인식 또는 분류는 또한 기계적 학습이라 불리는 방법을 사용하여 수행될 수 있다. 예를 들어, 서포트 벡터 머신, 랜덤 포레스트 알고리즘 또는 심층 학습 알고리즘이라 불리는 것을 사용할 수도 있다.

x, y 및 z 방향으로의 횡방향 가속도가 또한 고려될 수도 있어서, 이동 패턴은 또한 x, y 및 z 방향으로의 가속도의 특징들을 포함한다.

또한, 모바일 텔레폰은 다른 것을 배제하여 엘리베이터 카로의 진입의 검출을 수행할 뿐만 아니라, 검출된 데이터를 평가 유닛으로 전송하는 것이 가능하다. 그런 다음, 엘리베이터 카로의 진입의 검출은 평가 유닛에 의해 수행된다. 진입이 인식되자 마자, 평가 유닛은 대응하는 신호를 모바일 텔레폰에 전송한다.

도 2a, 도 2b 및 도 2c 에서, 시간에 따라 측정된 이동 패턴 및 저장된 신호 패턴이 도시되어 있고, 도 2a 에서는, x 축선에 대한 회전 속도 (α), 도 2b 에서는, y 축선에 대한 회전 속도 (α), 및 도 2c 에서는, z 축선에 대한 회전 속도 (α) 가 도시된다. 측정된 회전 속도는 각각 실선으로 표시되고, 신호 패턴의 저장된 회전 속도는 각각 점선으로 표시된다. 따라서, 실선 (26a, 26b, 26c) 은 측정된 회전 속도를 나타내고 점선 (27a, 27b, 27c) 은 x, y 및 z 축선에 대한 저장된 회전 속도를 나타낸다. 측정된 값들은 스무딩 후에 표시된다.

저장된 신호 패턴 (점선 27a, 27b, 27c) 은 이것이 엘리베이터 카로의 진입 동안 나타나는 바와 같은 회전 속도의 통상적인 특징들을 포함한다. 순간 t0 에서 순간 t1 까지, 승객은 순간 t1 에서 정지하고 순간 t2 에서 샤프트 및 카 도어들의 개방을 대기하기 위해 샤프트 도어에 접근한다. 사실상 회전 속도는 여기에서 나타나지 않는다. 순간 t2 후에, 승객은 엘리베이터 카에 진입하고, 그런 다음 카 도어의 방향으로 돌아선다. 이러한 반전은 우선 z 축선 (라인 27c) 에 대한 회전 속도의 상당한 편향을 야기하고, 편향의 시작과 끝에서 반대 방향으로의 짧은 언더슈팅이 발생한다. 도 2a, 도 2b 및 도 2c 로부터 자명한 바와 같이, 측정된 운동 패턴 (실선 26a, 26b, 26c) 은 저장된 신호 패턴을 매우 가깝게 뒤따른다. 저장된 신호 패턴들과 이동 패턴의 비교는 전술한 바와 같이 진행된다. 이러한 일치에 근거하여, 모바일 텔레폰은 승객이 엘리베이터 카에 진입했다고 결론을 내린다.

모든 사람들이 같은 방향으로 이동하지 않기 때문에, 예를 들어, 사람들은 상이한 속도로 돌아서고, 또한, 예를 들어, 대기 시간이 상이한 길이를 갖기 때문에, 측정된 이동 패턴은 특히 하나의 신호 패턴뿐만 아니라 약간 상이한 신호 패턴들의 전체 배열과 비교된다.

회전 속도와 상보적으로, x, y 및 z 방향으로의 가속도는 비교가능한 방법으로 또한 고려될 수도 있다. 따라서, 샤프트 도어의 방향으로의 그리고 엘리베이터 카 안으로의 주행뿐만 아니라, 엘리베이터 카 앞에서의 그리고 엘리베이터 카 내에서의 대기가 더 쉽게 식별될 수 있다.

엘리베이터 카로의 진입을 보다 신뢰성 있게 검출하기 위해, 특히, 모바일 텔레폰의 센서들에 의해 검출된 추가적인 측정된 값들이 평가된다. 모바일 텔레폰 (24) 은 특히 3 차원의 자기장 센서를 사용하여 x, y 및 z 방향으로의 자기장 세기를 검출한다. 따라서 측정된 값들은 엘리베이터 시스템의 특성을 특징화한다. 측정된 값들로부터 단일 순간에 모바일 텔레폰, 따라서 승객이 엘리베이터 카 내에 위치된 것으로 결론을 내는 것은 매우 어렵다. 이러한 이유로, 특징적 패턴은 3 개의 필드 세기의 시간 특징들으로부터 생성되며, 여기서 측정된 값들은 특히 저역 통과 필터를 통해 필터링된다. 모바일 텔레폰 (24) 은 따라서 생성된 진행중인 특징적 패턴을 엘리베이터 카 (11) 로의 진입 동안의 이동 패턴에 대해 통상적인 저장된 신호 패턴과 비교한다. 저장된 신호 패턴에 대한 이동 패턴의 충분한 일치가 검출되면, 모바일 텔레폰 (24) 은 승객 (23) 이 엘리베이터 카 (11) 에 진입한 것으로 결론을 낸다. 저장된 신호 패턴들과 이동 패턴의 비교는 전술한 바와 같이 진행된다.

도 3a, 도 3b 및 도 3c 에서, 시간에 따른 측정된 특징적 패턴 및 저장된 신호 패턴이 설명되고, 도 3a 에서는 자기장 세기 (H) 가 x 방향으로 도시되고, 도 3b 에서는 자기장 세기가 y 방향으로 도시되고, 또한 도 3c 에서는 자기장 세기가 z 방향으로 도시된다. 측정된 자기장 세기는 각각 실선으로 표시되고, 신호 패턴의 저장된 자기장 세기는 각각 점선으로 표시된다. 따라서, 실선 (28a, 28b, 28c) 은 측정된 자기장 세기를 나타내고, 점선 (29a, 29b, 29c) 은 x, y 및 z 방향으로의 저장된 자기장 세기를 나타낸다. 측정된 값들은 스무딩 후에 표시된다.

저장된 신호 패턴 (점선 29a, 29b, 29c) 은 이것이 엘리베이터 카에 진입하는 동안 나타나는 바와 같이 자기장 세기의 통상적인 특징들을 포함한다. y 방향 및 z 방향으로의 자기장 세기의 상당한 증가는 승객이 엘리베이터 카에 진입하는 순간 t2 직전으로부터 순간 t2 직후에서 볼 수 있는 반면, x 방향으로의 자기장 세기는 전체 시간 동안 거의 변하지 않는다. 자기장 세기의 변화는 엘리베이터 카에서 강자성 재료의 사용에 특히 기인한다. 도 3a, 도 3b 및 도 3c 로부터 자명한 바와 같이, 측정된 특징적 패턴 (실선 28a, 28b, 28c) 은 저장된 신호 패턴을 매우 가깝게 뒤따른다. 모바일 텔레폰의 경우, 이러한 일치는 승객이 엘리베이터 카에 진입했다는 추가의 표시이다. 특징적 패턴과 저장된 신호 패턴의 비교는 이동 패턴과 전술한 저장된 신호 패턴의 비교와 유사하게 실행된다.

모든 엘리베이터 시스템이 동일한 특징적 패턴을 가지지 않는 대신에 매우 다양할 수도 있으므로, 측정된 특징적 패턴이 하나의 신호 패턴뿐만 아니라 약간 상이한 신호 패턴들의 전체 배열과도 비교된다.

또한, 공기압, 휘도, 상대 습도 또는 공기 중 이산화탄소 함량과 같은 추가의 측정된 값들을 고려할 수도 있다.

엘리베이터 시스템의 액티비티를 특징화하는 측정된 값들을 또한 고려하는 엘리베이터 카로의 진입의 검출의 신뢰성의 추가 증가가 그로 인해 달성될 수 있다. 예를 들어, 액티비티 패턴은 카 및 샤프트 도어들의 개방에 통상적인 신호 패턴과 비교되는 전술한 자기장 세기로부터 유도될 수도 있다. 또 다른 가능성은 마이크로폰을 사용하여 측정된 소음으로부터의 액티비티 패턴을 유도하고, 이를 카 및 샤프트 도어들의 개방에 통상적인 신호 패턴과 비교하는 것이다. 이동 및 특징적 패턴과 마찬가지로, 액티비티 패턴을 다수의 약간 상이한 신호 패턴들과 비교하는 것이 유용할 수도 있다. 측정된 액티비티 패턴과 저장된 신호 패턴 사이의 적절한 일치는 결과적으로 승객이 엘리베이터 카에 진입했다는 표시로서 평가될 수도 있다.

모바일 텔레폰은 이동 패턴, 특징적 패턴 또는 저장된 신호 패턴을 갖는 액티비티 패턴의 단일의 적절한 일치가 존재하는 경우 엘리베이터 카로의 진입을 이미 검출하는 방식으로 디자인될 수도 있다. 하지만, 적어도 2 개, 3 개 또는 그 이상의 일치들이 있는 경우, 진입만이 검출될 수 있다.

엘리베이터 카로의 진입을 보다 신뢰성있게 검출하기 위해, 저장된 신호 패턴이 조정될 수도 있다. 조정을 사용하여, 이러한 방법은 모바일 텔레폰의 소유자의 거동에 대해 구체적으로 조정될 수도 있다. 이를 위해, 모바일 텔레폰은 특히 엘리베이터 카의 트립을 검출한다. 이는 z 방향으로의, 따라서 수직 방향 (13) 으로의 가속도를 모니터링함으로써 매우 신뢰성있게 검출될 수 있다. 도 4 에서, 예를 들어, z 방향으로의 상방으로의 가속도의 특징은 라인 (30) 으로 표시되고, 중력 가속도는 무시된다. 엘리베이터 카 (11), 따라서 또한 모바일 텔레폰 (24) 을 가진 승객 (23) 은 거의 일정한 가속도로 순간 (t4) 으로부터 가속된다. 엘리베이터 카 (11) 의 원하는 속도가 도달되기 직전에, 가속도는 순간 (t5) 에서 제로 라인에 도달하기 위해 감소한다. 그런 다음 엘리베이터 카 (11) 는 순간 (t7) 까지 거의 일정한 네거티브 가속도로 제동하기 위하여 순간 (t6) 까지 일정한 속도로 주행된다. 수직 방향으로의 가속도, 일정한 주행 및 정지까지의 제동을 갖는 이러한 통상적인 특징은 측정된 값들에서 쉽게 검출될 수 있다.

엘리베이터 카의 트립이 검출되자 마자, 이동, 액티비티 및/또는 특징적 패턴이 저장된 신호 패턴과 비교되고, 상기 비교에 근거하여, 저장된 신호 패턴들이 기계적 학습 방법을 사용하여 조정된다. 그렇게 해서, 저장된 신호 패턴은 트립 전에 검출된 이동, 액티비티 및/또는 특징적 패턴 방향으로 변경된다.

마지막으로, "구비하는", "포함하는" 등과 같은 용어는 다른 요소들 또는 단계들을 배제하지 않으며, 단수 표현의 용어는 복수를 배제하지 않는다는 것을 유의해야 한다. 또한, 전술한 실시형태들 중 어느 하나를 참조하여 기술된 속성들 또는 단계들이 또한 전술한 다른 실시형태들의 다른 속성들 또는 단계들과 조합하여 사용될 수도 있다는 것을 유의해야 한다. 청구 범위에서 참조 부호는 제한적인 것으로 간주되지 않는다.

Claims (11)

1. 승객 (23) 에 의한 엘리베이터 시스템 (10) 의 엘리베이터 카 (11) 로의 진입을 검출하기 위한 방법으로서,
   - 상기 승객 (23) 은 적어도 하나의 센서 (25) 를 구비하는 모바일 디바이스 (24) 를 휴대하고,
   - 상기 모바일 디바이스 (24) 는 상기 센서 (25) 를 사용하여 측정된 값들을 검출 및 평가하고, 또한
   - 상기 엘리베이터 카 (11) 로의 진입은 상기 측정된 값들에 근거하여 검출되는, 승객 (23) 에 의한 엘리베이터 시스템 (10) 의 엘리베이터 카 (11) 로의 진입을 검출하기 위한 방법.
2. 제 1 항에 있어서,
   상기 모바일 디바이스 (24) 는 상기 센서 (25) 를 사용하여 상기 승객 (23) 의 이동을 특징화하는 측정된 값들을 검출 및 평가하는 것을 특징으로 하는, 승객 (23) 에 의한 엘리베이터 시스템 (10) 의 엘리베이터 카 (11) 로의 진입을 검출하기 위한 방법.
3. 제 2 항에 있어서,
   상기 모바일 디바이스 (24) 는 가속도, 회전 속도 및 자기장을 검출 및 평가하는 것을 특징으로 하는, 승객 (23) 에 의한 엘리베이터 시스템 (10) 의 엘리베이터 카 (11) 로의 진입을 검출하기 위한 방법.
4. 제 2 항 또는 제 3 항에 있어서,
   상기 승객 (23) 의 이동 패턴 (26a, 26b, 26c) 이 상기 측정된 값들로부터 유도되어, 적어도 하나의 저장된 신호 패턴 (27a, 27b, 27c) 과 비교되고, 상기 엘리베이터 카 (11) 로의 진입은 상기 비교에 근거하여 검출되는 것을 특징으로 하는, 승객 (23) 에 의한 엘리베이터 시스템 (10) 의 엘리베이터 카 (11) 로의 진입을 검출하기 위한 방법.
5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
   상기 모바일 디바이스 (24) 는 상기 센서 (25) 를 사용하여 상기 엘리베이터 시스템 (10) 의 액티비티들 (activities) 을 특징화하는 것을 검출 및 평가하는 것을 특징으로 하는, 승객 (23) 에 의한 엘리베이터 시스템 (10) 의 엘리베이터 카 (11) 로의 진입을 검출하기 위한 방법.
6. 제 5 항에 있어서,
   액티비티 패턴이 상기 측정된 값으로부터 유도되어, 적어도 하나의 저장된 신호 패턴과 비교되고, 상기 엘리베이터 카 (11) 로의 진입은 상기 비교에 근거하여 검출되는 것을 특징으로 하는, 승객 (23) 에 의한 엘리베이터 시스템 (10) 의 엘리베이터 카 (11) 로의 진입을 검출하기 위한 방법.
7. 제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
   상기 센서 (25) 를 구비하는 상기 모바일 디바이스 (24) 는 상기 모바일 디바이스 (24) 의 환경 특성들을 특징화하는 측정된 값들을 검출 및 평가하는 것을 특징으로 하는, 승객 (23) 에 의한 엘리베이터 시스템 (10) 의 엘리베이터 카 (11) 로의 진입을 검출하기 위한 방법.
8. 제 7 항에 있어서,
   특징적 패턴 (28a, 28b, 28c) 이 상기 측정된 값들로부터 유도되어, 적어도 하나의 저장된 신호 패턴 (29a, 29b, 29c) 과 비교되고, 상기 엘리베이터 카 (11) 로의 진입은 상기 비교에 근거하여 검출되는 것을 특징으로 하는, 승객 (23) 에 의한 엘리베이터 시스템 (10) 의 엘리베이터 카 (11) 로의 진입을 검출하기 위한 방법.
9. 제 5 항 내지 제 8 항 중 어느 한 항에 있어서,
   상기 모바일 디바이스 (24) 는 소음, 자기장, 공기 중 CO2 함량, 대기 습도, 온도, 기압, 휘도 (brightness) 및/또는 소음을 검출 및 평가하는 것을 특징으로 하는, 승객 (23) 에 의한 엘리베이터 시스템 (10) 의 엘리베이터 카 (11) 로의 진입을 검출하기 위한 방법.
10. 제 4 항 내지 제 9 항 중 어느 한 항에 있어서,
    전술한 신호 패턴들 (27a, 27b, 27c; 29a, 29b, 29c) 중 적어도 하나가 변경되는 것을 특징으로 하는, 승객 (23) 에 의한 엘리베이터 시스템 (10) 의 엘리베이터 카 (11) 로의 진입을 검출하기 위한 방법.
11. 제 10 항에 있어서,
    엘리베이터 카 (11) 의 트립이 상기 측정된 값들로부터 검출되고, 상기 트립 전에 검출된 측정된 값들은 저장된 신호 패턴들 (27a, 27b, 27c; 29a, 29b, 29c) 과 비교되고, 상기 비교에 근거하여, 상기 저장된 신호 패턴들 (27a, 27b, 27c; 29a, 29b, 29c) 이 변경되는 것을 특징으로 하는, 승객 (23) 에 의한 엘리베이터 시스템 (10) 의 엘리베이터 카 (11) 로의 진입을 검출하기 위한 방법.

Images