TW541278B - Apparatus for group control of elevators - Google Patents
Apparatus for group control of elevators Download PDFInfo
- Publication number
- TW541278B TW541278B TW088113208A TW88113208A TW541278B TW 541278 B TW541278 B TW 541278B TW 088113208 A TW088113208 A TW 088113208A TW 88113208 A TW88113208 A TW 88113208A TW 541278 B TW541278 B TW 541278B
- Authority
- TW
- Taiwan
- Prior art keywords
- performance
- rule
- prediction
- group
- group management
- Prior art date
Links
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
- B66B1/2458—For elevator systems with multiple shafts and a single car per shaft
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B2201/00—Aspects of control systems of elevators
- B66B2201/20—Details of the evaluation method for the allocation of a call to an elevator car
- B66B2201/211—Waiting time, i.e. response time
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B2201/00—Aspects of control systems of elevators
- B66B2201/20—Details of the evaluation method for the allocation of a call to an elevator car
- B66B2201/222—Taking into account the number of passengers present in the elevator car to be allocated
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B2201/00—Aspects of control systems of elevators
- B66B2201/30—Details of the elevator system configuration
- B66B2201/301—Shafts divided into zones
- B66B2201/302—Shafts divided into zones with variable boundaries
-
- 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
- B66B2201/403—Details of the change of control mode by real-time traffic data
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Elevator Control (AREA)
Description
541278 A7 ---~----— 一 B7__— 五、發明說明(〇 [發明領域] ▲本發明以關一種將多數台之昇降機作為一群施行高 政率之管理控制之昇降機之群管理裝置。 [以往技術] 通常,對多數之昇降機服役之系統,多施行群管理控 制在此,施行對於搭乘場所發生之呼叫選擇最適宜之指 配昇降機之分配控制,或尤其在夹峰時間除了呼叫發生外 對於特定階層之回送運轉或服務區(service z〇ne)之分配等 各種型式之控制。 取近,例如曰本國特許第2664766號公報或曰本國特 開平7-61723號公報所示,有一種方案預測群管理之控制 結果,亦即預測等待時間等群管·理性能(perf〇rmance),由 此設定控制參數等方法。 依據刖述2件之以往技術,說明使用交通需要參數與 呼叫分配時之評價演算參數作為輸入,使用輪出群管理性 能之神經網路,評價神經網路之輸出結果以設定最適宜之 評價演算參數之方法。 仁疋,在於則述以往技術之文獻,經由群管理預測結 果施行故疋之部分僅限於分配時之單一之評價演算參數, 僅依賴使用此種單一之呼叫分配時之評價演算參數施行演 算,要提高輸送性能有其極限。亦即,視其交通狀況勢必 活用回送或區分割等各種規則組(rule set),由此無法獲得 真正良好之群管理性能。 再者,神經網路具有可以依據學習提昇其演算精確度 本纸張尺度過用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項再填寫本頁) --------^---------1 . 經濟部智慧財產局員工消費合作社印製 541278 經濟部智慧財產局員工消費合作社印製 A7 B7 五、發明說明(2) 之優點,卻具有演算精確度到達實用位準前需耗費時間之 缺點 在前述以往技術文獻所示方式,除非預先在工廠内完 成神經網路之學習,否則無法獲得所期待之群管理性能。 再者,隨著大廈内居住者之變動而使交通需求急劇變更 時’無法迅速因應此種變化。 [欲解決之問題] 本發明為解決前述以往技術之問題而提出者。其目的 在於獲得,因應於性能預測結果選擇最適宜之規則組,經 常可以提供良好服務之昇降機群管理裝置。 [解決問題之手段] 本發明之昇降機之群管理裝置為,將多數台之昇降機 作為一群而加以管理之昇降機之群管理裝置,包括;一交 通狀況檢測裝置,係用以檢測多數台之昇降機之現在之交 通狀況,·一規則庫(rule base),係收容多數之控制規則組; 性月b預測裝置,係用以預測當前述規則庫内之任意之規 則組適用於現在之交通狀況時所獲得之群管理性能;一規 則組選擇裝置,係用以因應於前述性能預測裝置之預測結 果選擇最適宜之規則組;一運轉控制裝置,係用以依據前 述規則組選擇裝置所選擇之規則組施行各乘箱之運轉控制 等。 再者’另又包括;一加權資料庫(weighted data base), 係用以收容因應於前述規則庫内之任意之規則組之神經網 路之加權參數’並且前述性能預測裝置為,對於前述規則 本纸張尺度適用中國國家標準(CNS)A4規格(210 X 297公餐) : 裝--------訂·--------% (請先閱讀背面之注意事項再填寫本頁) ? 541278 A7 B7 五、發明說明(3) 庫内之特定之規則組將因應於該特定之規則組之神經網路 之加權參數由前述加權資料庫取出,經由使用所取出之加 權參數之神經網路施行群管理性能之預測。 再者,另又包括;一性能學習裝置,係用以比較前述 性能預測裝置之預測結果與適用特定之規則組後之實際之 群管理性能,施行神經網路之學習,因應於學習結果修正 前述加權資料庫之加權參數,並且,前述性能預測裝置為, 依據使用修正之加權參數之神經網路施行群管理性能之預 測。 再者,前述性能預測裝置為,係以前述規則庫内之任 意之規則組適用於現在之交通狀況時所預測之群管理性能 由數學式模型預測。 再者,另一發明之昇降機之群管理裝置為,將多數台 之昇降機作為一群而加以管理之昇降機之群管理裝置,包 括;一交通狀況檢測裝置,係用以檢測多數台之昇降機之 現在之交通狀況;一規則庫,係甩以收容多數之控制規 則組;第1性能預測裝置,係用以前述規則庫内之任意之 規則組適用於現在之交通狀況時,所獲得之群管理性能由 神經網路預測;一加權資料庫,係收容因應於前述規則庫 内之任意之規則組之神經網路之加權參數;一性能學習裝 置’係用以比較前述第1性能預測裝置之預測結杲與適用 特定之規則組後之實際之群管理性能,施行神經網路之學 習’因應於學習結果修正前述加權資料庫之加權參數等, 並且前述第1性能預測裝置為,包括;一第2性能預測裝 本纸張尺度適用中國國家標準(CNS)A4規烙(210 X 297公釐) (請先閱讀背面之注意事項再填寫本頁)
·1111111 ^ · I I I---I -f 經濟部智慧財產局員工消費合作社印製 541278 A7
五、發明說明(4 ) 置,係用以經由使用修正之加權性能之神經網路施行群管 理性之預測之同時,將前述規則庫内之任意之規則組適用 於現在之交通狀況時所預測之群管理性能由數學式模型預 測;一性能預測精確度評價裝置,係用以比較前述第j及 第2性能預測裝置之預測結果與實際之群管理性能,因應 於比較結果決定使用第1或第2性能預測裝置之那一方; 一規則組選擇裝置,係用以因應於前述性能預測精確度評 價裝置所決定之第1或第2性能預測裝置之任何一方之預 測結果選擇最適宜之規則組;一運轉控制裝置,係用以依 據前述規則組選擇裝置所選擇之規則組施行各乘箱之運轉 控制等。 [圖式簡單說明] 第1圖為表示本發明之昇降機之群管理裝置之構成之 方塊圖。 第2圖為第1圖所示之昇降機之群管理裝置内各構成 元件之機能關連圖。 第3圖為表示本發明之實施例之群管理裝置之控制步 驟之概要動作之流程圖。 第4圖為表不本發明之實施例之群管理裝置之學習步 驟之概要動作之流程圖。 [符號說明] (請先閱讀背面之注意事項再填寫本頁) .裝 I--"訂· - ~~ III — — 經濟部智慧財產局員工消費合作社印製 1 群管理裝置 1A 通信裝置 1B 控制規則庫 1C 交通狀況檢測裝置 1D 第1性能預測裝置 1E 加權資料庫 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 541278 A7 ----—_ 五、發明說明(5) IF 第2性能預測裝置 1G 性能學習裝置 1H 性預測精確度評價裝置 1J 規則組選擇裝置 IK 規則實行裝置 1L 運轉控制裝置 1M 學習用資料庫 2 控制裝置 [實施例1] 以下’依據附圖說明本發明之實施例。 第1圖為表示本發明之昇降機之群管理裝置之構成之 方塊圖。第2圖為第1圖所示之昇降機之群管理裝置内之 各構成元件之機能關連圖。 此等圖中,1為多數之昇降機作為一群管理之群管理 裝置,2為施行各昇降機之控制之各台控制裝覃。 前述群管理裝置1為,包括;一通信裝置1A,係用 以施行各台控制裝置2之間之通信;一控制規則庫1B, 係用以收容依據回送或區分割、分配評價式之區別配車用 規則等群管理控制所需之多數之控制規則組;一交通狀況 檢測裝置ic,係用以檢測乘降者等現在之交通狀況;第ι 性能預測裝置ID ’係用以在前述交通狀況檢測裝置JC所 檢測之交通狀況下使用神經網路預測適用前述控制規則庫 1B内之特定之規則組時獲得之等待時-間分布等群管理性 能,一加權資料庫1E,係用以收容因應於前述控制規則 庫1B内之任意之規則組之神經網路之加權參數;第2性 能預測裝置1F,係用以在前述交通狀況檢測裝置ic所檢 測之交通狀況下適用含有機率模型之任意之規則組時所獲 得之群管理性能由數學式模型預測等。 本纸張尺度適用中國國家標準(CNS)A4規烙(210 X 297公釐) (請先閱讀背面之注意事項再填寫本頁} ----II — — ^ ·11111 — 龜 經濟部智慧財產局員工消費合作社印製 Ί 1 541278 經濟部智慧財產局員工消費合作社印製 Λ7 五、發明說明(6) 再者,前述群管理裝置!為,包括;_性能學習裳置 1G,係用以經由對於前述第丨性能預測裝置1〇之神經網 路施行學習而提昇群管理性能之預測精確度:一性能預測 精確度評價裝置m’係用以比較前述第丨性能預測裝置 1D及前述第2性能預測袭置1F之預測結果與實際所測試 之群管理性能,由此評價第丨性能預測裝置1〇之預測精 確度;一規則組選擇裝置U,係用以因應於前述第2性 能預測裝置1D及前述第2性能預測裝置1F之預測結果 選擇最適宜之規則組;一規則組實行裝置丨κ,係用以實 行前述規則組,選擇裝置U所選擇之規則組;」運轉= 制裝置1L,係用以依據前述規則組實行裝置丨κ所實行 之規則施行各乘箱全面之運轉控制;一學習用資料庫im, 係用以記憶學習用資料等。 群管理裝置U,含有前述各構成,此等各構成為, 由電腦上之軟體所構成。 其次,就本實施例之動作參照附圖說明之。 第3圖為表示本實施例之群管理裝置丨之控制步驟之 概要動作之流程圖。第4圖為同樣表示群管理裝置丨之學 習步驟之概要動作之流程圖。 首先,使用第3圖說明控制步驟之概要動作。 在步驟S101 ’經由通信裝置1A監視各乘箱之舉動, 由交通狀況檢測裝置1C檢測交通狀況,例如各乘箱之各 階層之乘降人數。記載該交通狀況之資料為,例如使用各 階層乘降人數之每單位時間(例如5分鐘)相當之累計值。 纸張尺度適用中關家標準(CNS)A4規格⑵〇 χ撕公爱厂------— 裝--------訂---------« c請先閱讀背面之注意事項再填寫本頁) 541278 A7 I-----_____ 五、發明說明(7 ) 或者例如使用日本國特開平1〇-194619號公報所示之眾所 I — ·· · · * 一一, .... 丟心之方法之〇D(〇rigin an(j Destination,由階層至階層 之移動)之推定值亦可。 其次’在步驟S102,由控制規則庫1B取出任意之規 則組而予以設定。在後續之步驟S103,對於設定之規則 組判定神經網路是否為有效或無效(並且,第3圖中,NN 表不神經網路。)判定之結果,無效(在步驟S103為NO) 時移進步驟S104,另一方面,有效(在步驟31〇3為YES) 時則移進步驟S105。 並且,在前述步驟S103,神經網路是否為有效或無 效之判定為,舉例說明之,依據神經網路之學習完了後是 否確保預測精確度之判定結果而施行。更具體言之為由後 述之第4圖所示學習步驟之步驟S2〇7設定之神經網路預 測旗號之值判定。 前述步驟S103判定神經網路預測為無效時,由步驟 S104以第2性能預測裝置ip施行數學式模型之群管理 性能之預測。在此步驟,可以使用等待行列理論等,但亦 馨可以由下所述之反覆法計算。 | RTT=f(RTT) I 在此,RTT為乘箱來回時間(Round Trip Time),例如 I由日本國特公平^47"號公報令記載之平均等待時間與 |停止階層數之間之關連性。亦即,f(RTT)為,經由適用所 |設定之乘箱來回時間RTT與交通狀況資料及規則組之乘 製|箱舉動之限制條件向乘箱到達任意之階層之乘箱服務問 本纸張尺度適用中國國家標準(CNS)A4規格(210 X 297公爱) -------- ^裝--------訂---------看 (請先閱讀背面之注意事項再填寫本頁) 541278 A7 五、發明說明(8 ) (請先閱讀背面之注意事項再填寫本頁) 隔、停止機率、乘降者機率、等待時間等之計算群管理性 能之函數,此等可以由機率論方式計算。作為表示此種計 算方法之一例之以往技術有,例如為『“工一夕群管理〉 只%0理·実際丨”:日本機械學會517回講習]8卜 3 — 9、東京、交通機械(二治汁石制御①理論匕実際)』所記載。 另一方面,在前述步驟S103判定為神經網路預測為 有效時,首先在步驟S105,因應於所設定之規則組之神 經網路之加權參數由加權資料庫1E取出而設定。並且, 在步驟S106,使用由第!性能預測裝罝」D設定之加權參 數之神經網路施行群管理性能之預測。 此種第1性能預測裝置1D所使用之神經網路為,以 交通狀況資料為輸入,以等待時間分布為出分別設定群 官理性能,由後述之第4圖所示之學習步‘之步歸s2〇3 施行學習而可以進行某種程度之精確度之預測。 由前述步驟S102至步驟S106之步驟為,對於控制 規則庫1B内之預先準備之多數之規則組分別實行。 經濟部智慧財產局員工消費合作社印製 其次’在步驟S107,以規則組選擇裝置1 j評價對於 各規則組之性能預測結果,而由其中選擇最佳之規則組。 並且,在步驟S108,以由規則組實行裝置ιΚ實行在步騍 S10 7選擇之規則組而分別將各種指令、限制條件、運轉 方式向運轉控制裝置1L傳達,依據由運轉控制裝置1L 所傳達之指令施行運轉控制。 以上為本實施例之控制步驟之概要動作之說明。 續之,使用第4圖說明學習步驟之概要動作。 本纸張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 541278 A7 15/ 五、發明說明(9) 第3 ,在步驟Μ”,分別將性能學習裝置1G以前述 f 3圖所不之控制步驟獲得之群管理性能之結果與該時之 ^通狀況及所適用之規則組以定期記憶所適用之規則組, ^該規則組之交通狀況、適用後之群管理性能等作為資 料组加以整理後,將此等資料組之一部分作為以下之 步驟之測試用資料,將剩餘之部分作為學習用資料而收容 於學習用資料庫1Μβ 夺 其次,在步驟S202,以性能學習裝置1(},將由步驟 5201記憶之各學習用資㈣m讀出㈣h m 步驟S202,以性能學習裝置1G,使用各學習用資料,因 應於所使用之規則組之加權參數設定於神經網路,輪入交 通狀況資料’輸出實測之群管理性能而施行神經網路之學 習。此種神經網路之學習為’可以使用眾知之 ‘ pagation法。再者,在該步驟S2〇3,由學習修正之加 權參數收谷於加權頁料庫1E。前述步驟之步 驟為就各學習用資料施行。 經 經由前述步驟’就各學習用資料完成神經網路之學習 及學習所導致之加權參數之修正時,其次,為了觀察規則 ▲之此力’暫時輸入各測試用資料,由此輸出其預測值。 亦即在步驟S204,使用在前述步驟“οι收容於學 習用資料庫1M之測試用資料,對於所因應之規則組與交 通狀況將由學習完成之神經網路之群管理性能之預測由第 1性能預測裝置1D實行。 ^_再者’在步驟S205 ’以第2性能預測裝置if實行使 本纸張瓦G適用中國國家標準(CNS)A4規格(210 X 297公釐) 五、發明說明(10) 用數學式模型之群管理性能之預測。 該步驟S204與步驟S205之步颇劣 步驟為,就各測試用資 枓施行。 其次,在步驟S206,由性銥猫⑴ &i預測精確度評價裝置1Η 將在前述步驟S204、S205所預$,丨+ ▲ 所預測之各預測結果與實測之 性能施行比較。此種比較為例 t 权与例如可以設定下列誤差作為 指標。亦即,下式之誤葚
g w ERR小者為預測精確度良好。 ERR=Z |Xk«Yk|2/N (k= 1、2、......、N) 式中, ERR :誤差、n :測試用資料數 Xk •性能實測值向量 Yk :性能預測值向量 並且,在步驟S207,前述步驟S2〇6比較結果,第J 眭能預測裝置1D之預測精確度良好時,由性能預測精確 度評彳貝裝置1Η使神經網路預測旗號有效設定,不是時則 改為設定成無效。此種神經網路預測旗號為,使用於前述 第3圖所示之控制步驟之步驟S103之判定。並且,前述 步驟S202至S207之步驟係就每一規則組施行。 [發明效果] 如前所述,依據本發明時,在於將多數台之昇降機作 為一群而管理之昇降機之群管理裝置中,由於準備收容區 別配車用規則等之多數之控制規則組之規則庫,將規則庫 内之任意之規則組適用於現在之交通狀況時可獲得之等待 (請先閱讀背面之注意事項再填寫本頁) t*---------訂---------1 緩濟部智慧財產局員工消費合作社印製 本纸張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 10 310768 541278 經濟部智慧財產局員工消費合作社印製 A7 五、發明說明(U) 時間分布等之群管理性能加以預測,而因應於該性能預測 結果選擇最適宜之規則組之方式構成,因此具有可以經常 適用最適宜之規則組而施行群管理控制,可以提供良好之 服務之效果。 再者,由於另又包括;一種加權資料庫,係用以收容 因應於前述規則庫内之任意之規則組之神經網路之加權參 數,並且對於前述規則庫内之特定之規則組將因應於該特 定之規則組之神經網路之加權參數由前述加權資料庫取 出’使用所取出之加權參數之神經網路施行群管理性能之 預測之方式構成,因此具有將神經網路之學習對應於規則 組之每一部分施行,由此可以提昇預測精確度之妓果。 再者,由於另又包括;一性能學習裝置,係用以比較 群管理性能之預測結果與適用特定之規則組後之實際之群 管理性能,由此施行神經網路之學習,因應於學習結果修 正前述加權資料庫之加權參數,並且經由使用修正之加權 參數之神經網路施行群管理性能之預測方式構成,因此具 有可以配合多數之昇降機之實際之運轉狀況以提昇預測精 確度之效果。 再者,由於前述規則庫内之任意之規則組適用於現在 之交通狀況時所預測之各乘箱來回時間以數學式計算,由 來口時間與父通狀況將等待時間等群管理性能以數學式模 里預測之方式構成,因此具有不必經由神經網路等之預 測,可以提昇群管理性能,由此提昇其預測精確度之效果。 __2者,在於多數台之昇降機作為一群管理之昇降機之 度i^r關家標準(cns)A4規格⑵G χ 297 ) --------- (請先閱讀背面之注意事項再填寫本頁) 裝-----I--訂--------- % 11 110768 541278 經濟部智慧財產局員工消費合作社印制衣 A7 B7 五、發明說明(12) 群管理裝置中,由於包括;一交通狀況檢測裝置,係用以 檢測多數台之昇降機之現在之交通狀況;一規則庫,係收 容多數之控制規則組;第1性能預測裝置,係當前述規則 庫内之任意之規則組適用於現在之交通狀況時獲得之群管 理性能經由神經網路預測;一加權資料庫,係收容因應於 前述規則庫内之任意之規則組之神經網路之加權參數;一 性能學習裝置,係用以比較前述第1性能預測裝置之預測 結果與適用特定之規則組後之實際之群管理性能,施行神 經網路之學習,因應於學習結果修正前述加權資料庫之加 權參數等,並且前述第1性能預測裝置為,包括;第2性 月hi預測裝置’係用以經由使用修正之加權性能之神經網路 施行群管理性能之預測之同時,前述規則庫内之任意之規 則組適用於現在之交通狀況時所預測之群管理性能由數學 式模型預測;一性能預測精確度評價裝置,係用以比較前 述第1及第2性能預測裝置之預測結果與實際之群管理性 能,因應於比較結果決定要使用前述第1或第2性能預測 裝置之那一方;一規則組選擇裝置,係用以因應於前述性 能預測精確度評價裝置所決定之第1或第2性能預測裝置 之任何一方之預測結果選擇最適宜之規則組;一運轉控制 裝置,係用以依據前述規則組選擇裝置所選擇之規則組施 行各乘箱之運轉控制等,因此具有可以因應於多數之昇降 機之實際之運轉狀況提昇性能預測之精確度,即使在初期、 狀態或隨著設置多數之昇降機裝置之大厦内之居住者變更 使交通狀況急劇變化時仍可以由高度精確庳施行性能預 (請先閱讀背面之注意事項再填寫本頁) 裝 -----II 訂·! % 本纸張尺度適用中國國家標準(CNS)A4規恪(210 X 297公釐) 12 310768 541278 A7 五、發明說明(η) 測’依據該預測使用最適宜之規則組施行群管理控制之效 果。 本發明經由準備收容多數之控制規則組之規則庫,預 測規則庫内之任意之規則組適用於現在之交通狀況時所獲 得之等待時間分布等群管理性能,因應於該性能預測結果 選擇適宜之規則組,由此經常適用最適宜之規則組以施行 多數之昇降機之群管理控制,由此可以提供良好之服務。 AW ^--------訂---------%I (請先閲讀背面之注意事項再填寫本頁) 經濟部智慧財產局員工消費合作社印制π 本纸張尺度適用中國國家標準(CNS)A4規格(210 X 297公爱)
Claims (1)
- 541278 H3 第88113208號專利申請案 申請專利範圍修正本 (90年6月22曰) 1· 一種昇降機之群管理裝置,係將多數台之昇降機作為 一群而加以管理之昇降機之群管理裝置,包括; 一交通狀況檢測裝置,係用以檢測多數台之昇降 機之現在之交通狀況; 一規則庫,係收容多數之控制規則组: 一性能預測裝置,係用以預測將前述規則庫内之 任意之規則组適用於現在之交通狀況時獲得之群管 理性能; 一規則组選擇裝置’係用以因應於前述性能預測 裝置之預測結果選擇最適宜之規則组; 一運轉控制裝置,係用以依據前述規則組選擇置 所選擇之規則組施行各乘箱之運轉控制等;及 一加權資料庫,係收容因應於前述規則庫内之任 意之規則組之神經網路之加權參數, 經濟部中央標準局員工福利委員會印製 而前述性能預測裝置為,對於前述規則庫内之特 定之規則組將因應於該特定規則組之神經網路之加 權參數由前述加權資料庫取出,經由使用所取出之加 權參數之神經網路施行群管理性能之預測。 2·如申請專利範圍第1項之昇降機群管理裝置,其中, 復又包括;一性能學習裝置,係用以比較前述性能預 測裝置之預測結果與適用特定之規則组後之實際之 本紙張以適用中關緒準(CNS )A4規格(21GX 297公楚) " 两' 1 310768 541278 正 H3j 補充 群管理性能,施行神經網路之學習,因應於學習結果 修正前述加權資料庫之加權參數;而前述性能預測裝 置為,經由使用所修正之加權參數之神經網路施行群 管理性能之預測。 3.如申請專利範圍第1項之昇降機之群管理裝置,其 中,前述性能預測裝置為,將前述規則庫内之任意之 規則組適用於現在之交通狀況時所預測之群管理性 能由數學式模型預測。 4· 一種昇降機之群管理裝置,係將多數台之昇降機作為 一群而加以管理之昇降機之群管理裝置,包括; 一交通狀況檢測裝置,係用以檢測多數台之昇降 機之現在之交通狀況; 一規測庫,係收容多數之控制規則組; 第1性能預測裝置,係用以將前述規則庫内之任 意之規則組適用於現在之交通狀況時所獲得之群管 理性能由神經網路預測; 經濟部中央標準局員工福利委員會印製 一加權資料庫,係用以收容因應於前述規則庫内 之任意之規則組之神經網路之加權參數; 一性能學習裝置,係用以比較前述第1性能預測 裝置之預測結果與適用特定之規則組後之實際之群 管理性能,施行神經網路之學習,因應於學習結果修 正前述加權資料庫之加權參數, 而前述第1性能預測裝置包括; 第2性能預測裝置,係用以經由使用所修正之加 本紙張尺度適用中國國家標準(CNS )A4規格(210 X 297公愛) ' --- 2 310768 541278 ^修正 ί 、V __锦无 權性能之神經網路施行群管理性能之預測之同時,將 前述規則庫内之任意之規測组適用於現在之交通狀 況時所預測之群管理性能由數學式模型預測; 一性能預測精確度評價裝置,係用以比較前述第 1及第2性能預測裝置之預測結果與實際之群管理性 能,因應於比較結果決定要使用前述第1或第2性能 預測裝置之那一方; 一規則組選擇裝置,係用以因應於前述性能預測 精確度評償裝置所決定之第1或第2性能預測裝置之 任何一方之預測結果選擇最適宜之規則組; 一運轉控制裝置,係用以依據前述規則組選擇裝 置所選擇之規則組施行各乘箱之運轉控制等。經濟部中央標準局員工福利委員會印製 本紙張尺度適用中國國家標準(CNS )A4規格(210 X 297公釐) 3 310768
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP1999/004186 WO2001010763A1 (fr) | 1999-08-03 | 1999-08-03 | Appareil de commande de groupe d'ascenseurs |
Publications (1)
Publication Number | Publication Date |
---|---|
TW541278B true TW541278B (en) | 2003-07-11 |
Family
ID=14236381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW088113208A TW541278B (en) | 1999-08-03 | 1999-08-03 | Apparatus for group control of elevators |
Country Status (7)
Country | Link |
---|---|
US (1) | US6325178B2 (zh) |
EP (1) | EP1125881B1 (zh) |
JP (1) | JP4312392B2 (zh) |
CN (1) | CN1177746C (zh) |
DE (1) | DE69928432T2 (zh) |
TW (1) | TW541278B (zh) |
WO (1) | WO2001010763A1 (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4803865B2 (ja) * | 2000-05-29 | 2011-10-26 | 東芝エレベータ株式会社 | 群管理エレベータの制御装置 |
US7607135B2 (en) * | 2001-06-15 | 2009-10-20 | Hewlett-Packard Development Company, L.P. | Apparatus and method for enhancing performance of a computer system |
AU2002305630A1 (en) * | 2002-05-14 | 2003-12-02 | Otis Elevator Company | Neural network detection of obstructions within and motion toward elevator doors |
US6672431B2 (en) * | 2002-06-03 | 2004-01-06 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for controlling an elevator system |
SG126743A1 (en) | 2003-03-10 | 2006-11-29 | Inventio Ag | Method for the operation of a lift installation |
DE102006046059B4 (de) * | 2006-09-27 | 2020-11-19 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zum Steuern eines Aufzug- oder ähnlichen Beförderungssystems |
US8151943B2 (en) * | 2007-08-21 | 2012-04-10 | De Groot Pieter J | Method of controlling intelligent destination elevators with selected operation modes |
WO2009032733A1 (en) * | 2007-08-28 | 2009-03-12 | Thyssenkrupp Elevator Capital Corporation | Saturation control for destination dispatch systems |
JP5159794B2 (ja) * | 2007-12-20 | 2013-03-13 | 三菱電機株式会社 | エレベータ群管理システム |
JP2010222074A (ja) * | 2009-03-19 | 2010-10-07 | Toshiba Corp | エレベータ群管理システムおよびその方法 |
US20120130760A1 (en) * | 2009-10-26 | 2012-05-24 | Jerry Shan | Adjusting a point prediction that is part of the long-term product life cycle based forecast |
CN102050366B (zh) * | 2009-11-05 | 2013-02-13 | 上海三菱电梯有限公司 | 人数检测装置及方法 |
CN102689824B (zh) * | 2011-03-25 | 2015-01-07 | 三菱电机株式会社 | 电梯中的参数和设备的推荐装置 |
CN103130050B (zh) * | 2013-03-13 | 2015-08-19 | 永大电梯设备(中国)有限公司 | 一种电梯群控系统的调度方法 |
DE102014214587A1 (de) * | 2014-07-24 | 2016-01-28 | Thyssenkrupp Ag | Verfahren zum Steuern einer Aufzugsanlage |
WO2016038242A1 (en) * | 2014-09-12 | 2016-03-17 | Kone Corporation | Call allocation in an elevator system |
WO2017085352A1 (en) * | 2015-11-16 | 2017-05-26 | Kone Corporation | A method and an apparatus for determining an allocation decision for at least one elevator |
CN105800400B (zh) * | 2016-05-03 | 2018-05-11 | 昆明理工大学 | 一种优化电梯调度管理的方法 |
CN106315319B (zh) * | 2016-09-23 | 2018-05-15 | 日立楼宇技术(广州)有限公司 | 一种电梯智能预调度方法及系统 |
EP3705433B1 (en) * | 2017-10-30 | 2024-05-01 | Hitachi, Ltd. | Elevator operation management system, and operation management method |
JP6884685B2 (ja) * | 2017-12-08 | 2021-06-09 | 三菱重工業株式会社 | 制御装置、無人システム、制御方法及びプログラム |
EP3560870A3 (en) | 2018-04-24 | 2019-11-20 | Otis Elevator Company | Automatic cognitive analysis of elevators to reduce passenger wait time |
US11697571B2 (en) * | 2018-10-30 | 2023-07-11 | International Business Machines Corporation | End-to-end cognitive elevator dispatching system |
JP7136680B2 (ja) * | 2018-12-25 | 2022-09-13 | 株式会社日立製作所 | エレベーターシステム |
TWI738131B (zh) * | 2019-11-28 | 2021-09-01 | 財團法人資訊工業策進會 | 影像系統及檢測方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4760896A (en) * | 1986-10-01 | 1988-08-02 | Kabushiki Kaisha Toshiba | Apparatus for performing group control on elevators |
JP2664766B2 (ja) | 1989-04-03 | 1997-10-22 | 株式会社東芝 | 群管理制御エレベータ装置 |
JP2664782B2 (ja) * | 1989-10-09 | 1997-10-22 | 株式会社東芝 | エレベータの群管理制御装置 |
JPH085596B2 (ja) | 1990-05-24 | 1996-01-24 | 三菱電機株式会社 | エレベータ制御装置 |
KR940009984B1 (ko) * | 1990-05-29 | 1994-10-19 | 미쓰비시덴키 가부시키가이샤 | 엘리베이터 제어장치 |
JP2608970B2 (ja) * | 1990-06-15 | 1997-05-14 | 三菱電機株式会社 | エレベータの群管理装置 |
JP2846102B2 (ja) * | 1990-11-05 | 1999-01-13 | 株式会社日立製作所 | 群管理エレベーターシステム |
US5612519A (en) * | 1992-04-14 | 1997-03-18 | Inventio Ag | Method and apparatus for assigning calls entered at floors to cars of a group of elevators |
JPH08658B2 (ja) * | 1992-08-11 | 1996-01-10 | 三菱電機株式会社 | エレベータ群管理制御装置 |
JPH06263346A (ja) * | 1993-03-16 | 1994-09-20 | Hitachi Ltd | エレベータの交通流判定装置 |
JPH0761723A (ja) | 1993-08-24 | 1995-03-07 | Toshiba Corp | エレベータのデータ設定装置 |
US5767461A (en) * | 1995-02-16 | 1998-06-16 | Fujitec Co., Ltd. | Elevator group supervisory control system |
JP3224487B2 (ja) | 1995-03-16 | 2001-10-29 | 三菱電機株式会社 | 交通状態判別装置 |
KR100202720B1 (ko) * | 1996-12-30 | 1999-06-15 | 이종수 | 엘리베이터의 군관리 제어방법 |
US5923004A (en) * | 1997-12-30 | 1999-07-13 | Otis Elevator Company | Method for continuous learning by a neural network used in an elevator dispatching system |
US5936212A (en) * | 1997-12-30 | 1999-08-10 | Otis Elevator Company | Adjustment of elevator response time for horizon effect, including the use of a simple neural network |
-
1999
- 1999-08-03 EP EP99933253A patent/EP1125881B1/en not_active Expired - Lifetime
- 1999-08-03 TW TW088113208A patent/TW541278B/zh not_active IP Right Cessation
- 1999-08-03 JP JP2000616195A patent/JP4312392B2/ja not_active Expired - Fee Related
- 1999-08-03 DE DE69928432T patent/DE69928432T2/de not_active Expired - Lifetime
- 1999-08-03 WO PCT/JP1999/004186 patent/WO2001010763A1/ja active IP Right Grant
- 1999-08-03 CN CNB998075426A patent/CN1177746C/zh not_active Expired - Lifetime
-
2000
- 2000-12-04 US US09/727,786 patent/US6325178B2/en not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
DE69928432D1 (de) | 2005-12-22 |
CN1307535A (zh) | 2001-08-08 |
EP1125881A4 (en) | 2002-10-22 |
CN1177746C (zh) | 2004-12-01 |
JP4312392B2 (ja) | 2009-08-12 |
DE69928432T2 (de) | 2006-07-27 |
US6325178B2 (en) | 2001-12-04 |
WO2001010763A1 (fr) | 2001-02-15 |
US20010000395A1 (en) | 2001-04-26 |
EP1125881A1 (en) | 2001-08-22 |
EP1125881B1 (en) | 2005-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW541278B (en) | Apparatus for group control of elevators | |
Thwin et al. | Application of neural networks for software quality prediction using object-oriented metrics | |
Asprey et al. | Statistical tools for optimal dynamic model building | |
Su et al. | Interconnected network state estimation using randomly delayed measurements | |
WO2020022639A1 (ko) | 딥러닝 기반의 가치 평가 방법 및 그 장치 | |
CN110427466A (zh) | 用于问答匹配的神经网络模型的训练方法和装置 | |
Dehghani et al. | Adaptive network reliability analysis: Methodology and applications to power grid | |
Gan et al. | Load balancing for conservative simulation on shared memory multiprocessor systems | |
CN110929954A (zh) | 负荷预测方法、装置、计算机设备和存储介质 | |
Oh et al. | Demand calibration of multimodal microscopic traffic simulation using weighted discrete SPSA | |
CN106779215A (zh) | 一种基于机器学习的电网全局延时态势感知方法 | |
Etman et al. | Aggregate modeling of semiconductor equipment using effective process times | |
Haliem et al. | AdaPool: An adaptive model-free ride-sharing approach for dispatching using deep reinforcement learning | |
CN112422590B (zh) | 基于主动学习的网络流量分类方法及装置 | |
Yang et al. | A class of multi-server queueing system with server failures | |
CN113891846B (zh) | 电梯分析系统及电梯分析系统的设计方法 | |
Li et al. | Measuring the spatial spillover effects of multimodel transit system in Beijing: A structural spatial vector autoregressive approach | |
WO2022154201A1 (ko) | 매장에 대한 고객의 충성도 분석 방법 및 시스템 | |
Wang et al. | Robust N-1 secure HV grid flexibility estimation for TSO-DSO coordinated congestion management with deep reinforcement learning | |
Kwan et al. | A weighted congruence measure | |
Na et al. | Testing whether failure rate changes its trend with unknown change points | |
CN113792264A (zh) | 一种用电量异常用户识别方法、装置、设备和介质 | |
Shi et al. | Prediction and impact analysis of passenger flow in urban rail transit in the postpandemic era | |
Wu et al. | A route choice model for road network users in mountainous cities considering vulnerability | |
Khan et al. | Predicting COVID-19 incidence in Pakistan: It's time to act now! |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GD4A | Issue of patent certificate for granted invention patent | ||
MM4A | Annulment or lapse of patent due to non-payment of fees |