KR20210090345A - Assignment control system of elevator - Google Patents

Assignment control system of elevator Download PDF

Info

Publication number
KR20210090345A
KR20210090345A KR1020200003437A KR20200003437A KR20210090345A KR 20210090345 A KR20210090345 A KR 20210090345A KR 1020200003437 A KR1020200003437 A KR 1020200003437A KR 20200003437 A KR20200003437 A KR 20200003437A KR 20210090345 A KR20210090345 A KR 20210090345A
Authority
KR
South Korea
Prior art keywords
allocation control
elevator
unit
control system
control scheme
Prior art date
Application number
KR1020200003437A
Other languages
Korean (ko)
Inventor
이승우
Original Assignee
현대엘리베이터주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 현대엘리베이터주식회사 filed Critical 현대엘리베이터주식회사
Priority to KR1020200003437A priority Critical patent/KR20210090345A/en
Publication of KR20210090345A publication Critical patent/KR20210090345A/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B1/00—Control systems of elevators in general
    • B66B1/24—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration
    • B66B1/2408—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration where the allocation of a call to an elevator car is of importance, i.e. by means of a supervisory or group controller
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B2201/00—Aspects of control systems of elevators
    • B66B2201/40—Details of the change of control mode
    • B66B2201/402—Details of the change of control mode by historical, statistical or predicted traffic data, e.g. by learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Elevator Control (AREA)

Abstract

An elevator allocation control system according to an embodiment of the present invention includes a data input part for collecting and inputting traffic data of an elevator; a data analysis part for analyzing the traffic data received from the data input part and generating a pattern label; and an allocation control part for calculating an optimal allocation control scheme based on the traffic data received from the data analysis part. The allocation control part includes a generation part for generating an allocation control scheme candidate group; a determination part for generating a control method combination for the allocation control scheme candidate group generated by the generation part and determining whether a preset condition is satisfied; and a calculation part for calculating an optimal allocation control scheme that satisfies the preset condition through the determination part. It is possible to actively respond to changes in the traffic volume of a building quickly and respond to changes in the environment of the building.

Description

엘리베이터의 할당 제어 시스템{Assignment control system of elevator}Assignment control system of elevator

본 발명은 엘리베이터 할당 제어 시스템에 관한 것으로, 보다 상세하게는 엘리베이터 교통량에 따른 적응형 할당 제어 기법을 적용하는 엘리베이터 할당 제어 시스템에 관한 것이다.The present invention relates to an elevator allocation control system, and more particularly, to an elevator allocation control system that applies an adaptive allocation control technique according to an elevator traffic volume.

일반적으로, 주거용도 및 업무용도 등으로 건축되는 다양한 종류의 고층 건물에는 해당 건물을 찾는 승객의 수직방향으로의 원활한 이동을 위해 엘리베이터 장치가 설치된다.In general, in various types of high-rise buildings constructed for residential and business purposes, elevator devices are installed for smooth vertical movement of passengers looking for the corresponding building.

최근들어 건물의 고층화 및 대형화가 진행됨에 따라, 엘리베이터 사용의 피크 시간대에 피크 교통량이 나타나는 층에서는 한번에 승객을 수송할 수 없는 경우가 빈번하게 나타나게 된다. 이에 따라, 해당 건물에 설치된 다수 대의 엘리베이터 카를 승객이 보다 효율적으로 호출하여 탑승할 수 있도록 엘리베이터를 할당하는 제어 기법이 적용된다.As buildings become taller and larger in size in recent years, there are frequent cases in which passengers cannot be transported at once on floors with peak traffic during peak hours of elevator use. Accordingly, a control technique of allocating an elevator so that a passenger can more efficiently call and board a plurality of elevator cars installed in a corresponding building is applied.

미국공개특허 제2018-0244491호US Patent Publication No. 2018-0244491

본 발명의 일 실시예는 엘리베이터를 이용하는 사용자의 교통량을 분석한 후 상기 교통량에 따른 적응형 제어 기법을 적용함으로써, 해당 건물의 교통량 변화에 능동적으로 대처하여 건물의 환경 변화에 빠르게 대응이 가능한 엘리베이터 할당 제어 시스템을 제공하고자 한다.An embodiment of the present invention analyzes the traffic volume of the user using the elevator and then applies the adaptive control technique according to the traffic volume, thereby actively coping with the traffic volume change of the corresponding building and assigning the elevator capable of quickly responding to the environmental change of the building. We want to provide a control system.

본 발명의 일 실시예는 엘리베이터를 이용하는 사용자의 교통량을 분석하여 최적 할당 기법을 선택함으로써, 별도의 관리자의 변경 과정 없이 할당 제어 기법 선택의 과정을 자동화할 수 있는 엘리베이터 할당 제어 시스템을 제공하고자 한다.An embodiment of the present invention is to provide an elevator allocation control system that can automate the process of selecting an allocation control method without a separate manager change process by analyzing the traffic volume of the user using the elevator and selecting the optimal allocation method.

본 발명의 일 실시예에 따른 엘리베이터 할당 제어 시스템은 엘리베이터의 교통량 데이터를 수집하여 입력하는 데이터 입력부, 데이터 입력부로부터 전달 받은 교통량 데이터를 분석하여 패턴 레이블을 생성하는 데이터 분석부, 상기 데이터 분석부로부터 전달받은 교통량 데이터를 기반으로 최적 할당 제어 기법을 산출하는 할당 제어부를 포함하며, 상기 할당 제어부는 할당 제어 기법 후보 군을 생성하는 생성부와, 상기 생성부로부터 생성된 상기 할당 제어 기법 후보 군에 대해 제어 기법 조합을 생성하고, 기 설정된 조건에 해당되는지 여부를 판단하는 판단부와, 상기 판단부를 통해 기 설정된 조건을 만족하는 최적 할당 제어 기법을 산출하는 산출부를 포함하는 것을 특징으로 한다. Elevator allocation control system according to an embodiment of the present invention is a data input unit that collects and inputs the traffic data of the elevator, a data analysis unit that analyzes the traffic data received from the data input unit to generate a pattern label, and the data analysis unit transmits the data. and an allocation control unit for calculating an optimal allocation control scheme based on the received traffic data, wherein the allocation control unit includes a generator for generating an allocation control scheme candidate group, and controls the allocation control scheme candidate group generated by the generator It is characterized in that it comprises a determination unit that generates a combination of techniques and determines whether or not a predetermined condition is met, and a calculation unit that calculates an optimal allocation control method that satisfies the predetermined condition through the determination unit.

상기 데이터 분석부의 상기 패턴 레이블은 인공 신경망 알고리즘을 활용하여 고려할 수 있으며, 상기 데이터 분석부는 학습 데이터 및 기존에 탑재된 패턴 레이블의 업데이트를 진행하는 것을 특징으로 한다.The pattern label of the data analysis unit can be considered by using an artificial neural network algorithm, and the data analysis unit is characterized in that the learning data and the previously loaded pattern label are updated.

상기 할당 제어 기법 후보군은 호출 제어 시스템에 탑재되어 적용된 제어 기법으로 구성되며, 엘리베이터가 설치된 건물의 환경에 따라 변경 가능한 것을 특징으로 한다.The allocation control technique candidate group consists of a control technique mounted on the call control system and is characterized in that it can be changed according to the environment of the building in which the elevator is installed.

상기 판단부는 휴리스틱 알고리즘 모듈을 포함하며, 휴리스틱 알고리즘 모듈을 적용하여 할당 제어 기법의 최적 조합을 탐색하는 것을 특징으로 한다.The determination unit includes a heuristic algorithm module, and searches for an optimal combination of allocation control schemes by applying the heuristic algorithm module.

상기 판단부는 생성된 할당 제어 기법 조합이 기 설정된 기준을 만족할 때까지 평가를 진행하며, 기 설정된 기준은 상기 할당 제어 기법 후보 군의 전체 수렴 또는 지정된 횟수에 따라 결정되는 것을 특징으로 한다.The determination unit evaluates the generated allocation control scheme combination until it satisfies a preset criterion, and the preset criterion is determined according to total convergence of the allocation control scheme candidate group or a specified number of times.

상기 할당 제어 기법 조합의 평가는 평균 대기 시간을 적용하며, 해당 연산은 PSO(Particle Swarm Optimization) 알고리즘, 유전자 알고리즘(Ehsms genetic algorithm) 등과 같은 휴리스틱 알고리즘 모듈을 적용하여 진행하는 것을 특징으로 한다.The evaluation of the allocation control technique combination is characterized in that the average waiting time is applied, and the operation is performed by applying a heuristic algorithm module such as a Particle Swarm Optimization (PSO) algorithm, an Ehsms genetic algorithm, and the like.

개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.The disclosed technology may have the following effects. However, this does not mean that a specific embodiment should include all of the following effects or only the following effects, so the scope of the disclosed technology should not be construed as being limited thereby.

본 발명의 일 실시예에 따른 엘리베이터 할당 제어 시스템은 엘리베이터를 이용하는 사용자의 교통량을 분석한 후 상기 교통량에 따른 적응형 제어 기법을 적용함으로써, 해당 건물의 교통량 변화에 능동적으로 대처하여 건물의 환경 변화에 빠르게 대응이 가능한 기술을 제공할 수 있다.The elevator allocation control system according to an embodiment of the present invention analyzes the traffic volume of users using the elevator and then applies an adaptive control technique according to the traffic volume, thereby actively coping with changes in the traffic volume of the corresponding building to respond to changes in the environment of the building We can provide technology that can respond quickly.

본 발명의 일 실시예에 따른 엘리베이터 할당 제어 시스템은 엘리베이터를 이용하는 사용자의 교통량을 분석하여 최적 할당 기법을 선택함으로써, 별도의 관리자의 변경 과정 없이 할당 제어 기법 선택의 과정을 자동화할 수 있는 기술을 제공할 수 있다. The elevator allocation control system according to an embodiment of the present invention analyzes the traffic volume of users using the elevator and selects an optimal allocation method, thereby providing a technology capable of automating the process of selecting an allocation control method without a separate manager change process can do.

도 1은 본 발명의 일 실시예에 따른 엘리베이터의 할당 제어 시스템을 도시한 블록도이다.
도 2 및 도 3은 엘리베이터의 할당 제어 시스템의 분석부를 통한 교통량 데이터의 분석 예시를 도시한 것이다.
도 4 및 도 5는 엘리베이터의 할당 제어 시스템의 분석부를 통한 교통량 데이터의 분석 예시를 도시한 것이다.
도 6 및 7은 본 발명의 실시예에 따른 엘리베이터 할당 제어 시스템의 할당 제어부를 통한 최적 제어 기법 산출 예시를 도시한 것이다.
도 8은 본 발명의 실시예에 따른 엘리베이터 할당 제어 시스템을 이용한 할당 제어 방법을 도시한 순서도이다.
1 is a block diagram illustrating an elevator allocation control system according to an embodiment of the present invention.
2 and 3 show an example of analysis of traffic data through the analysis unit of the elevator allocation control system.
4 and 5 show an example of analysis of traffic data through the analysis unit of the elevator allocation control system.
6 and 7 show an example of calculating the optimal control method through the allocation control unit of the elevator allocation control system according to an embodiment of the present invention.
8 is a flowchart illustrating an allocation control method using an elevator allocation control system according to an embodiment of the present invention.

본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.Since the description of the present invention is merely an embodiment for structural or functional description, the scope of the present invention should not be construed as being limited by the embodiment described in the text. That is, since the embodiment may have various changes and may have various forms, it should be understood that the scope of the present invention includes equivalents capable of realizing the technical idea. In addition, since the object or effect presented in the present invention does not mean that a specific embodiment should include all of them or only such effects, it should not be understood that the scope of the present invention is limited thereby.

한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.On the other hand, the meaning of the terms described in the present application should be understood as follows.

"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.Terms such as “first” and “second” are for distinguishing one component from another, and the scope of rights should not be limited by these terms. For example, a first component may be termed a second component, and similarly, a second component may also be termed a first component.

어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.When a component is referred to as being “connected” to another component, it may be directly connected to the other component, but it should be understood that other components may exist in between. On the other hand, when it is mentioned that a certain element is "directly connected" to another element, it should be understood that the other element does not exist in the middle. Meanwhile, other expressions describing the relationship between elements, that is, “between” and “between” or “neighboring to” and “directly adjacent to”, etc., should be interpreted similarly.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The singular expression is to be understood to include the plural expression unless the context clearly dictates otherwise, and terms such as "comprises" or "have" refer to the embodied feature, number, step, action, component, part or these It is intended to indicate that a combination exists, and it should be understood that it does not preclude the possibility of the existence or addition of one or more other features or numbers, steps, operations, components, parts, or combinations thereof.

각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.Identifiers (eg, a, b, c, etc.) in each step are used for convenience of description, and the identification code does not describe the order of each step, and each step clearly indicates a specific order in context. Unless otherwise specified, it may occur in a different order from the specified order. That is, each step may occur in the same order as specified, may be performed substantially simultaneously, or may be performed in the reverse order.

여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.All terms used herein have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs, unless otherwise defined. Terms defined in general used in the dictionary should be interpreted as being consistent with the meaning in the context of the related art, and cannot be interpreted as having an ideal or excessively formal meaning unless explicitly defined in the present application.

도 1은 본 발명의 일 실시예에 따른 엘리베이터의 할당 제어 시스템을 도시한 블록도이다.1 is a block diagram illustrating an elevator allocation control system according to an embodiment of the present invention.

도 1을 참조하면, 엘리베이터의 할당 제어 시스템(100)은 데이터 입력부(110), 데이터 분석부(120) 및 할당 제어부(130)를 포함한다.Referring to FIG. 1 , the elevator allocation control system 100 includes a data input unit 110 , a data analysis unit 120 , and an allocation control unit 130 .

먼저, 데이터 입력부(110)는 엘리베이터의 교통량 데이터를 수집하고, 수집된 상기 교통량 데이터를 입력한다.First, the data input unit 110 collects the traffic data of the elevator, and inputs the collected traffic data.

데이터 분석부(120)는 데이터 입력부(110)로부터 전달받은 상기 교통량 데이터를 분석한다. 그리고, 데이터 분석부(120)는 상기 교통량 데이터의 특성을 나태나는 일정 분류 기준을 가지며, 이 분류 기준으로 상기 교통량 데이터를 분석하여 패턴 레이블을 생성한다. 데이터 분석부(120)의 상기 패턴 레이블은 인공 신경망 알고리즘을 활용하여 고려할 수 있으며, 상기 데이터 분석부는 학습 데이터 및 기존에 탑재된 패턴 레이블의 업데이트를 진행할 수 있다. The data analysis unit 120 analyzes the traffic data received from the data input unit 110 . In addition, the data analysis unit 120 has a predetermined classification criterion representing the characteristics of the traffic data, and analyzes the traffic data based on the classification criterion to generate a pattern label. The pattern label of the data analysis unit 120 may be considered by using an artificial neural network algorithm, and the data analysis unit may update the training data and the previously loaded pattern label.

할당 제어부(130)는 데이터 분석부(120)로부터 전달받은 상기 교통량 데이터를 기반으로 최적 할당 제어 기법을 산출한다.The allocation control unit 130 calculates an optimal allocation control scheme based on the traffic data received from the data analysis unit 120 .

이러한 할당 제어부(130)는 생성부(140), 판단부(150) 및 산출부(160)를 더 포함한다.The allocation control unit 130 further includes a generation unit 140 , a determination unit 150 , and a calculation unit 160 .

생성부(140)는 데이터 분석부(120)로부터 전달받은 패턴 레이블을 통해 할당 제어 기법 후보 군을 생성한다. 할당 제어 기법 후보 군을 구성하는 할당 제어 기법은 기존의 호출 제어 시스템에 탑재되어 적용된 기법일 수 있다. 그러나, 기존의 호출 제어 시스템에 적용된 기법에 한정하지 않으며, 해당 엘리베이터가 설치된 빌딩의 환경에 따라 다양한 할당 제어 기법으로 변경 가능하다. The generation unit 140 generates an allocation control scheme candidate group through the pattern label received from the data analysis unit 120 . The allocation control scheme constituting the allocation control scheme candidate group may be a scheme loaded and applied to the existing call control system. However, it is not limited to the technique applied to the existing call control system, and it can be changed to various allocation control techniques according to the environment of the building in which the elevator is installed.

판단부(150)는 생성부(140)로부터 생성된 상기 할당 제어 기법 후보 군에 대해 제어 기법 조합을 생성하고, 기 설정된 조건에 해당되는지 여부를 판단한다. 이때, 할당 제어 기법 조합의 평가는 평균 대기 시간을 적용하며, 해당 연산은 PSO(Particle Swarm Optimization) 알고리즘, 유전자 알고리즘(Ehsms genetic algorithm) 등과 같은 휴리스틱 알고리즘 모듈을 적용하여 진행할 수 있다. 판단부(150)는 생성된 할당 제어 기법 조합이 기 설정된 기준을 만족할 때까지 평가를 진행하며, 기 설정된 기준은 상기 할당 제어 기법 후보 군의 전체 수렴 또는 지정된 횟수에 따라 결정된다. The determination unit 150 generates a control method combination for the allocation control method candidate group generated by the generation unit 140 , and determines whether a preset condition is satisfied. In this case, the evaluation of the allocation control technique combination applies the average waiting time, and the corresponding operation may be performed by applying a heuristic algorithm module such as a Particle Swarm Optimization (PSO) algorithm, an Ehsms genetic algorithm, or the like. The determination unit 150 evaluates the generated allocation control scheme combination until it satisfies a preset criterion, and the preset criterion is determined according to the total convergence of the allocation control scheme candidate group or a specified number of times.

산출부(160)는 판단부(150)를 통해 기 설정된 조건을 만족하는 최적 할당 제어 기법을 산출한다.The calculation unit 160 calculates an optimal allocation control scheme that satisfies a preset condition through the determination unit 150 .

도 2 및 도 3은 엘리베이터의 할당 제어 시스템의 분석부를 통한 교통량 데이터의 분석 예시를 도시한 것이다. 2 and 3 show an example of analysis of traffic data through the analysis unit of the elevator allocation control system.

도 2 및 도 3을 참조하여 엘리베이터의 할당 제어 시스템(도 1의 '100')의 데이터 분석부(도 1의 '110')의 교통량 데이터 분석 과정을 설명하면 다음과 같다. The traffic volume data analysis process of the data analysis unit ('110' in FIG. 1) of the elevator allocation control system ('100' in FIG. 1) will be described with reference to FIGS. 2 and 3 as follows.

먼저, 일정 시간 내에 발생한 엘리베이터 호출 빈도를 기준으로 하는 교통량 데이터(200)를 입력 받는다. 교통량 데이터(200)는 일정 시간 내에 발생한 엘리베이터의 호출 데이터를 나타내며, 엘리베이터의 호출 데이터는 엘리베이터가 호출되는 횟수, 호출 발생 시간, 출발 층 및 목적 층을 포함한다. First, the traffic data 200 based on the frequency of elevator calls occurring within a certain time is received. The traffic data 200 represents the call data of the elevator that occurred within a certain time, and the call data of the elevator includes the number of times the elevator is called, the call occurrence time, the departure floor, and the destination floor.

입력된 교통량 데이터(200)에 대해 다양한 분류 기준을 적용하여 다수의 분류 모델(210)로 분류한다. 분류 모델(210)은 도 3에 도시된 바와 같이 인공 신경망(artificial neural network)을 활용하여 고려할 수 있다. 인공 신경망에 기반한 분류 모델은 이용자들의 교통량 패턴을 학습하며, 입력 데이터로부터 지속적으로 교통량 패턴을 학습하여 학습된 교통량에 적용 가능한 특성이 있다. Various classification criteria are applied to the input traffic data 200 and classified into a plurality of classification models 210 . The classification model 210 may be considered by utilizing an artificial neural network as shown in FIG. 3 . A classification model based on an artificial neural network learns the traffic patterns of users, and it has characteristics that can be applied to the learned traffic patterns by continuously learning traffic patterns from input data.

이후, 다수의 분류 모델(210)을 포함하는 교통량 데이터가 나타나는 패턴 레이블(220)을 생성한다.Thereafter, a pattern label 220 in which traffic data including a plurality of classification models 210 appears is generated.

도 4 및 도 5는 엘리베이터의 할당 제어 시스템의 분석부를 통한 교통량 데이터의 분석 예시를 도시한 것이다.4 and 5 show an example of analysis of traffic data through the analysis unit of the elevator allocation control system.

도 4 및 도 5를 참조하여, 엘리베이터의 할당 제어 시스템(도 1의 '100')의 데이터 분석부(도 1의 '110')의 교통량 데이터 분석 과정을 설명하면 다음과 같다. 4 and 5, the traffic volume data analysis process of the data analysis unit ('110' in FIG. 1) of the elevator allocation control system ('100' in FIG. 1) will be described as follows.

먼저, 일정 시간 내에 발생한 엘리베이터 호출 빈도를 기준으로 하는 교통량 데이터(400)를 입력 받는다. 교통량 데이터(400)는 분류 모델의 학습 데이터로 변환(410)하여 분류 모델의 업데이트(420)에 활용될 수 있다. First, the traffic data 400 based on the frequency of elevator calls occurring within a predetermined time is received. The traffic data 400 may be converted 410 into training data of the classification model and utilized for updating 420 of the classification model.

또한, 교통량 데이터(400)는 군집화 모델(430)하여 탑재된 패턴 레이블의 업데이트(440)에 활용될 수 있다. 군집화 모델(430)은 도 5에 도시된 바와 같이, 유사한 교통량 데이터를 기준의 집단 묶음으로 분류하여 진행할 수 있다. In addition, the traffic data 400 may be utilized for the update 440 of the pattern label mounted by the clustering model 430 . As shown in FIG. 5 , the clustering model 430 may classify similar traffic data into a standard group bundle and proceed.

도 6 및 7은 본 발명의 실시예에 따른 엘리베이터 할당 제어 시스템의 할당 제어부를 통한 최적 제어 기법 산출 예시를 도시한 것이다.6 and 7 show an example of calculating the optimal control method through the allocation control unit of the elevator allocation control system according to an embodiment of the present invention.

도 6 및 7을 참조하여 할당 제어 시스템(도 1의 '100')의 할당 제어부(도 1의 '130')를 통한 최적 제어 기법 산출 예시를 설명하면 다음과 같다. An example of calculating an optimal control scheme through the allocation control unit ( '130' in FIG. 1 ) of the allocation control system ( '100' in FIG. 1 ) will be described with reference to FIGS. 6 and 7 .

먼저, 입력된 교통량 데이터를 통한 패턴 레이블(600)이 결정된다. 이후, 엘리베이터 할당 제어부의 생성부(도 1의 '140')은 할당 제어 기법 후보군을 생성(610)한다. 생성된 할당 제어 기법 후보군(610)은 휴리스틱 알고리즘 모듈(620)로 전달된다. 휴리스틱 알고리즘 모듈(620)로 전달되는 과정에서 할당 제어 기법 후보군을 구성하는 일련의 제어 기법은 기존 호출 제어 시스템에 탑재되어 적용된 기법으로 구성되며, 그 구성은 빌딩의 환경에 따라 상이할 수 있다. First, the pattern label 600 through the input traffic data is determined. Thereafter, the generator ( '140' in FIG. 1 ) of the elevator allocation control unit generates ( 610 ) an allocation control scheme candidate group. The generated allocation control scheme candidate group 610 is transferred to the heuristic algorithm module 620 . In the process of being transferred to the heuristic algorithm module 620 , a series of control techniques constituting the allocation control technique candidate group consists of techniques loaded and applied to the existing call control system, and the configuration may be different depending on the environment of the building.

생성된 할당 제어 기법 후보군(610)이 입력되면 휴리스틱 알고리즘 모듈(620)은 최적 조합을 탐색하는 과정을 진한다. 최적 조합을 탐색하는 과정 중 할당 제어 기법 조합의 평가는 평균 대기 시간을 적용하며, 해당 연산은 PSO(Particle Swarm Optimization) 알고리즘, 유전자 알고리즘(Ehsms genetic algorithm) 등과 같은 휴리스틱 알고리즘 모듈을 적용하여 진행할 수 있다. 도 7은 유전자 알고리즘을 설명하기 위한 도식도로, 도 7을 참조하여 유전자 알고리즘을 설명하면 다음과 같다. When the generated allocation control scheme candidate group 610 is input, the heuristic algorithm module 620 proceeds to search for an optimal combination. In the process of searching for the optimal combination, the evaluation of the allocation control method combination is evaluated by applying the average waiting time, and the corresponding operation can be performed by applying a heuristic algorithm module such as the PSO (Particle Swarm Optimization) algorithm, Ehsms genetic algorithm, etc. . 7 is a schematic diagram for explaining the genetic algorithm. The genetic algorithm will be described with reference to FIG. 7 as follows.

유전자 알고리즘(genetic algorithm)은 최적화 문제를 해결하는 기법의 하나로, 전역 최적화 기법이다. 유전자 알고리즘(genetic algorithm)은 생물의 진화를 모방한 기법인 진화 연산의 대표로서, 생명체에 적용되는 많은 방식을 차용하여 변이(돌연변이), 교차(교배)연산 등을 포함하며, 세대, 인구와 같은 용어도 사용한다.The genetic algorithm is one of the techniques for solving the optimization problem, and is a global optimization technique. Genetic algorithm is a representative of evolutionary operation, which is a technique that imitates the evolution of living things, and includes mutation (mutation) and crossover (crossing) operations by borrowing many methods applied to living things. term is also used.

유전 알고리즘(genetic algorithm)은 대부분 정해진 수의 해로 구성되는 조합 군(population)을 갖는다. 유전 알고리즘(genetic algorithm)은 먼저 n개의 해를 임의로 생성하는 초기화 단계로 시작된다. 이 조합 군(population)으로부터 k개의 새로운 해를 만들어 내는데 각각의 해는 선택(selection), 교차(crossover), 변이(mutation)의 단계를 거쳐 만들어진다. 이러한 과정을 임의의 정지 조건이 만족될 때까지 수행한 후 군(population)에 남은 해 중 가장 좋은 해를 답으로 삼는다. Genetic algorithms mostly have a population of combinations consisting of a fixed number of solutions. A genetic algorithm begins with an initialization step that randomly generates n solutions. From this population of combinations, k new solutions are generated, and each solution is created through the steps of selection, crossover, and mutation. After performing this process until a certain stopping condition is satisfied, the best solution among the remaining solutions in the population is taken as the answer.

도 8은 본 발명의 실시예에 따른 엘리베이터 할당 제어 시스템을 이용한 할당 제어 방법을 도시한 순서도이다.8 is a flowchart illustrating an allocation control method using an elevator allocation control system according to an embodiment of the present invention.

도 8을 참조하면, 엘리베이터의 교통량 데이터를 수집하고, 수집된 상기 교통량 데이터를 입력한다(S810). 교통량 데이터는 일정 시간 내 발생한 호출 데이터를 의미하며, 엘리베이터의 호출 빈도, 호출 발생 시간, 출발 층, 목적 층, 건물의 층고, 상주 인원, 서비스층 등 건물의 사양에 적합한 엘리베이터의 속도, 대수, 정원 등을 포함한다. Referring to FIG. 8 , the elevator traffic data is collected, and the collected traffic data is input ( S810 ). Traffic volume data refers to call data that occurred within a certain period of time, and the speed, number, and capacity of the elevator suitable for the specifications of the building, such as the elevator call frequency, call occurrence time, departure floor, destination floor, building floor height, resident number, service floor, etc. etc.

다음으로, 데이터 입력부로부터 입력된 교통량 데이터를 전달받고, 전달받은 교통량 데이터의 패턴 분류 모델 값을 출력한다(S820). 이때, 패턴 분류 모델 값은 입력된 교통량 데이터에 대해 다양한 분류 기준을 적용하여 진행할 수 있으며, 분류 모델은 인공 신경망(artificial neural network)을 활용하여 고려할 수 있다.Next, the traffic data inputted from the data input unit is received, and a pattern classification model value of the received traffic data is output (S820). In this case, the pattern classification model value may be processed by applying various classification criteria to the input traffic data, and the classification model may be considered by utilizing an artificial neural network.

이어서, 다수의 분류 모델을 포함하는 교통량 데이터를 나타내는 패턴 레이블을 생성한다(S830). 패턴 레이블의 생성 이후, 할당 제어 기법 후보군을 생성한다(S840). 할당 제어 기법 후보군은 휴리스틱 알고리즘 모듈에 입력되고, 휴리스틱 알고리즘 모듈은 최적 조합을 탐색하는 과정을 진행한다. 제어 기법 후보군의 조합 평가를 진행한다(S850). 할당 제어 기법 조합의 평가는 평균 대기 시간을 적용하며, 해당 연산은 PSO(Particle Swarm Optimization) 알고리즘, 유전자 알고리즘(Ehsms genetic algorithm) 등과 같은 휴리스틱 알고리즘 모듈을 적용하여 진행Next, a pattern label indicating traffic data including a plurality of classification models is generated (S830). After the pattern label is generated, an allocation control scheme candidate group is generated (S840). The allocation control scheme candidate group is input to the heuristic algorithm module, and the heuristic algorithm module searches for an optimal combination. Combination evaluation of the control technique candidate group is performed (S850). The average waiting time is applied to the evaluation of the allocation control technique combination, and the calculation is performed by applying a heuristic algorithm module such as the Particle Swarm Optimization (PSO) algorithm and the Ehsms genetic algorithm.

이후, 조합 평가가 진행되지 않은 다른 제어 기법 후보군을 선택하고(S860), 할당 제어 기법 조합을 생성한다(S870).Thereafter, another control scheme candidate group for which combination evaluation has not been performed is selected ( S860 ), and an allocation control scheme combination is generated ( S870 ).

다음으로, 생성된 제어 기법 조합이 기 설정된 조건을 만족하는지 판단한다(S880). 판단 결과, 기 설정된 조건을 만족하면 최적 제어 기법을 산출한다(S890). 판단 결과, 기 설정된 조건을 만족하지 않으면, 조합 평가를 다시 진행한다(S850). 생성된 할당 제어 기법 조합이 기 설정된 기준을 만족할 때까지 평가를 진행하며, 기 설정된 기준은 상기 할당 제어 기법 후보 군의 전체 수렴 또는 지정된 횟수에 따라 결정된다.Next, it is determined whether the generated control scheme combination satisfies a preset condition (S880). As a result of the determination, if a preset condition is satisfied, an optimal control technique is calculated (S890). As a result of the determination, if the preset condition is not satisfied, the combination evaluation is performed again (S850). Evaluation is performed until the generated allocation control scheme combination satisfies a preset criterion, and the preset criterion is determined according to total convergence of the allocation control scheme candidate group or a specified number of times.

상술한 바와 같이, 본 발명의 일 실시예에 따른 엘리베이터 할당 제어 시스템은 엘리베이터를 이용하는 사용자의 교통량을 분석한 후 상기 교통량에 따른 적응형 제어 기법을 적용함으로써, 해당 건물의 교통량 변화에 능동적으로 대처하여 건물의 환경 변화에 빠르게 대응이 가능하며, 엘리베이터를 이용하는 사용자의 교통량을 분석하여 최적 할당 기법을 선택함으로써, 별도의 관리자의 변경 과정 없이 할당 제어 기법 선택의 과정을 자동화할 수 있다.As described above, the elevator allocation control system according to an embodiment of the present invention analyzes the traffic volume of the user using the elevator and then applies the adaptive control technique according to the traffic volume, thereby actively coping with the change in the traffic volume of the building. It is possible to quickly respond to changes in the environment of the building, and by analyzing the traffic volume of users using the elevator and selecting the optimal allocation method, the process of selecting the allocation control method can be automated without a separate manager change process.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the above has been described with reference to preferred embodiments of the present invention, those skilled in the art can variously modify and change the present invention within the scope without departing from the spirit and scope of the present invention as set forth in the claims below. You will understand that it can be done.

100 : 엘리베이터 할당 제어 시스템 110 : 데이터 입력부
120 : 데이터 분석부 130 : 할당 제어부
140 : 생성부 150 : 판단부
160 : 산출부 200, 400 : 교통량 데이터
210 : 분류 모델 220 : 패턴 레이블
410 : 학습 데이터 변환 420 : 분류 모델 업데이트
430 : 군집화 모델 440 : 패턴 레이블 업데이트
600 : 패태너 레이블 610 : 제어 기법 후보 생성
620 : 휴리스틱 알고리즘 모듈 630 : 최적 제어 기법 산출 100: elevator allocation control system 110: data input unit
120: data analysis unit 130: allocation control unit
140: generation unit 150: judgment unit
160: calculation unit 200, 400: traffic data
210: classification model 220: pattern label
410: transform training data 420: update classification model
430: clustering model 440: update pattern label
600: patterner label 610: control technique candidate generation
620: heuristic algorithm module 630: optimal control method calculation

Claims (6)

엘리베이터의 교통량 데이터를 수집하여 입력하는 데이터 입력부
데이터 입력부로부터 전달받은 교통량 데이터를 분석하여 패턴 레이블을 생성하는 데이터 분석부;
상기 데이터 분석부로부터 전달받은 교통량 데이터를 기반으로 최적 할당 제어 기법을 산출하는 할당 제어부를 포함하며,
상기 할당 제어부는 할당 제어 기법 후보 군을 생성하는 생성부;
상기 생성부로부터 생성된 상기 할당 제어 기법 후보 군에 대해 제어 기법 조합을 생성하고, 기 설정된 조건에 해당되는지 여부를 판단하는 판단부; 및
상기 판단부를 통해 기 설정된 조건을 만족하는 최적 할당 제어 기법을 산출하는 산출부
를 포함하는 것을 특징으로 하는 엘리베이터 할당 제어 시스템.
Data input unit that collects and inputs elevator traffic data
a data analysis unit for generating a pattern label by analyzing the traffic data received from the data input unit;
and an allocation control unit that calculates an optimal allocation control scheme based on the traffic data received from the data analysis unit,
The allocation control unit includes: a generation unit for generating an allocation control scheme candidate group;
a determination unit generating a control method combination for the allocation control method candidate group generated by the generation unit and determining whether a preset condition is satisfied; and
A calculation unit that calculates an optimal allocation control scheme that satisfies a preset condition through the determination unit
Elevator allocation control system comprising a.
 제1 항에 있어서,
상기 데이터 분석부의 상기 패턴 레이블은 인공 신경망(artificial neural network) 알고리즘을 활용하여 고려할 수 있으며, 상기 데이터 분석부는 학습 데이터 및 기존에 탑재된 패턴 레이블의 업데이트를 진행하는 것을 특징으로 하는 엘리베이터 할당 제어 시스템.
According to claim 1,
The pattern label of the data analysis unit can be considered by utilizing an artificial neural network algorithm, and the data analysis unit performs an update of the training data and the previously mounted pattern label. Elevator allocation control system, characterized in that.
 제1 항에 있어서,
상기 할당 제어 기법 후보군은 호출 제어 시스템에 탑재되어 적용된 제어 기법으로 구성되며, 엘리베이터가 설치된 건물의 환경에 따라 변경 가능한 것을 특징으로 하는 엘리베이터 할당 제어 시스템.
According to claim 1,
Elevator allocation control system, characterized in that the allocation control scheme candidate group consists of a control scheme applied to the call control system, characterized in that it can be changed according to the environment of the building in which the elevator is installed.
 제1 항에 있어서,
상기 판단부는 휴리스틱 알고리즘 모듈을 포함하며, 휴리스틱 알고리즘 모듈을 적용하여 할당 제어 기법의 최적 조합을 탐색하는 것을 특징으로 하는 엘리베이터 할당 제어 시스템.
According to claim 1,
The determination unit includes a heuristic algorithm module, and the elevator allocation control system, characterized in that it searches for an optimal combination of allocation control techniques by applying the heuristic algorithm module.
 제1 항에 있어서,
상기 판단부는 생성된 할당 제어 기법 조합이 기 설정된 기준을 만족할 때까지 평가를 진행하며, 기 설정된 기준은 상기 할당 제어 기법 후보 군의 전체 수렴 또는 지정된 횟수에 따라 결정되는 것을 특징으로 하는 엘리베이터 할당 제어 시스템.
According to claim 1,
The determination unit evaluates the generated allocation control scheme combination until it satisfies a preset criterion, and the preset criterion is determined according to the total convergence of the allocation control scheme candidate group or a specified number of times. .
 제4 항에 있어서,
상기 할당 제어 기법 조합의 평가는 평균 대기 시간을 적용하며, 해당 연산은 PSO(Particle Swarm Optimization) 알고리즘, 유전자 알고리즘(Ehsms genetic algorithm) 등과 같은 휴리스틱 알고리즘 모듈을 적용하여 진행하는 것을 특징으로 하는 엘리베이터 할당 제어 시스템.5. The method of claim 4,
Elevator allocation control, characterized in that the evaluation of the combination of the allocation control technique applies an average waiting time, and the operation is performed by applying a heuristic algorithm module such as a Particle Swarm Optimization (PSO) algorithm, an Ehsms genetic algorithm, etc. system.
KR1020200003437A 2020-01-10 2020-01-10 Assignment control system of elevator KR20210090345A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200003437A KR20210090345A (en) 2020-01-10 2020-01-10 Assignment control system of elevator

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200003437A KR20210090345A (en) 2020-01-10 2020-01-10 Assignment control system of elevator

Publications (1)

Publication Number Publication Date
KR20210090345A true KR20210090345A (en) 2021-07-20

Family

ID=77127279

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200003437A KR20210090345A (en) 2020-01-10 2020-01-10 Assignment control system of elevator

Country Status (1)

Country Link
KR (1) KR20210090345A (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180244491A1 (en) 2015-11-16 2018-08-30 Kone Corporation Method and an apparatus for determining an allocation decision for at least one elevator

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180244491A1 (en) 2015-11-16 2018-08-30 Kone Corporation Method and an apparatus for determining an allocation decision for at least one elevator

Similar Documents

Publication Publication Date Title
Cortés et al. Genetic algorithm for controllers in elevator groups: analysis and simulation during lunchpeak traffic
Moslehi et al. A Pareto approach to multi-objective flexible job-shop scheduling problem using particle swarm optimization and local search
JP4870863B2 (en) Elevator group optimum management method and optimum management system
Bolat et al. A particle swarm optimization algorithm for optimal car-call allocation in elevator group control systems
JPH10194611A (en) Group supervisory operation control method of elevator
Beielstein et al. Optimal elevator group control by evolution strategies
CN113526272B (en) Elevator group control system and elevator group control equipment
CN117114250B (en) Intelligent decision-making system based on large model
Beamurgia et al. A modified genetic algorithm applied to the elevator dispatching problem
Hu et al. Multiairport capacity management: Genetic algorithm with receding horizon
KR20210090345A (en) Assignment control system of elevator
CN116663748A (en) Elevator dispatching decision-making method and system based on cyclic neural network
Al-Sharif et al. Assessing the up-peak performance of destination elevator group control systems using real time allocation of landing calls
Cortés et al. A genetic algorithm for controlling elevator group systems
Fedorchenko et al. Modified genetic algorithm to determine the location of the distribution power supply networks in the city
Bolat et al. Optimal car dispatching for elevator groups using genetic algorithms
Tan et al. Evolutionary tuning of a fuzzy dispatching system for automated guided vehicles
CN114611401A (en) Multi-level complex service intelligent simulation method and system
CN114707587A (en) Traffic pattern recognition method based on genetic algorithm and fuzzy neural network
Vodopija et al. Model-based multiobjective optimization of elevator group control
Gudwin et al. Genetic algorithms and discrete event systems: an application
JP4454979B2 (en) Elevator group management system, elevator group management method, and elevator group management program
Imrak et al. Application of neural networks on traffic control
KR102136022B1 (en) Reinforcement learning based elevator control apparatus
Erdem Imrak et al. Determination of the next stopping floor in elevator traffic control by means of neural networks

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application