JP2964902B2 - エレベータ呼び割り当て用ニューラルネットの学習方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、ニューラルネットを用
いて呼びの割り当てを行うエレベータの群管理制御装置
に係り、特にその割り当て用ニューラルネットの学習方
法に関する。

【０００２】

【従来の技術】従来、エレベータの群管理制御といえば
評価関数を用いた呼び割り当て方式や、ファジー理論を
用いたエキスパートシステムによる呼び割り当て制御が
主流であったが、最近では生物の神経回路をモデルにし
たニューラルネットを用いて呼びの割り当てを行うとい
う新しい方式が提案されている。

【０００３】ニューラルネットとは、人間の脳をまねた
ネットワークで、神経細胞モデル（ニューロン）が複数
個、複雑に接続され、各ニューロンの動作及びニューロ
ン間の接続形態をうまく決めることによって、パターン
認識機能や知識処理機能を埋め込むことができるという
ものであり、例えば「日経エレクトロニクス」１９８７
年８月１０日号（No４２７）のＰ１１５〜Ｐ１２４や１
９８９年２月に産業図書株式会社から刊行された図書
「ＰＤＰモデル」などに開示されており、特にニューロ
ンを階層構造に配置したものは「バックプロパゲーショ
ン」と呼ばれる自律的学習アルゴリズムを利用できるこ
とに特徴がある。

【０００４】このニューラルネットを用いると、割り当
てアルゴリズムを人間が一切考える必要はなく、しかも
各種の交通状況に対応して、結果的には最適な割り当て
かごを決定する判断システムを自動的に生成できるとい
う優れた効果があり、例えばエレベータの呼び割り当て
に用いた例としては、特開平１−２７５３８１号「エレ
ベータの群管理制御装置」や、特開平３−３１１７３号
「エレベータの群管理制御装置」、特願平５−２４３８
１７号「エレベータ呼び割当て用ニューラルネットの学
習方法」などがある。

【０００５】ここで呼び割り当て用ニューラルネットの
一例を図３に示す。図３に示すように、呼び割り当て用
のニューラルネットＮＮは、入力パターン（エレベータ
システム状態データ）に対応する入力層ＮＲ1 と、出力
パターン（割り当て適性）に対応する出力層ＮＲ3 と、
入力層と出力層の中間に置かれる中間層ＮＲ2 のニュー
ロンとで構成される。

【０００６】入力パターンは、エレベータシステムの状
態を表す種々のデータ（乗場呼びの発生階と方向、各号
機の位置と運転方向、かご呼び、荷重状態等）を、呼び
の割り当てに必要なパラメータとして、ニューラルネッ
トに入力できる形に変換したものであり、入力層のニュ
ーロンの数はそのパラメータの総数に対応する。

【０００７】この入力層の各ニューロンに入力データを
与えると、出力層に向かって順に信号が伝わり、その結
果出力層の各ニューロンからそれぞれ何らかの値が出力
される。出力層では、エレベータの台数分のニューロン
があり、さまざまな入力パターンに対して、割り当てに
最適である号機に対応するニューロンが「１」（最大
値）を、その他のニューロンは「０」を出力するように
予め学習されている。

【０００８】従って、出力パターンの各ニューロンの値
の中で、「１」（最大値）に最も近い値を出力したニユ
ーロンが割り当てに最適であることを示すことになり、
このニューロンに対応する号機が割り当て号機として選
択される。なお、中間層（実施例では一層であるが、複
数であってもよい）のニューロンの数は、エレベータの
台数やビルの性質等に応じて適宜定められる。

【０００９】また、図示を省略しているが、各ニューロ
ン間にはニューロンの結び付きの強さを表す結合重み
（シナプスウェイト）が設定されている。この結合重み
は、最初は適当な値に設定されているが、その後「バッ
クプロパゲーション」と呼ばれる学習アルゴリズムを用
いて、より精度の高い呼び割り当てができるように修正
していくことができる。

【００１０】このバックプロパゲーションについてはよ
く知られているので詳細な説明は省略するが、予め作成
された学習用サンプル（入力パターンと、その入力パタ
ーンに対する望ましい出力パターンすなわち教師信号と
を対にしたもの）を用い、同一の入力パターンに対する
出力パターンと教師信号とを比較し、その誤差を最小化
するように結合重みを修正していくアルゴリズムで、ま
ず最初はすべての重みを初期化（例えばランダムな値に
設定）しておき、入力層の各ニューロンに学習用サンプ
ルの入力パターンを与える。そしてこのときの出力パタ
ーンとその学習用サンプルの出力パターン（教師信号）
とを比較し、その差（誤差）を用いて、その差が小さく
なるように各結合重みの値を出力層側から順に修正して
いくのである。

【００１１】そして、多数の学習用サンプルを用いて誤
差が収束するまでこれを繰り返すと、ニューラルネット
に教師信号と同レベルの呼び割当機能が自動的に埋め込
まれたことになり、学習用の入力パターンだけでなく未
知の入力パターンに対しても、教師信号と同レベルの呼
び割り当てを行なうことができるようになる。

【００１２】

【発明が解決しようとする課題】上記のようにバックプ
ロパゲーション法を用いて学習するためには、必ず教師
信号が必要となるが、エレベータの呼び割当ての場合に
は最適な教師信号を得ることは非常に困難である。とい
うのは、新規乗場呼びが発生した場合、各号機のかご位
置や他の呼びの状況等からその時点における最適号機を
見つけ出すことは比較的容易であるが、実際には割当号
機がその呼びに応答するまでの間に、別の新たな呼びが
発生したり途中階での停止時間が長くなったりするなど
交通状況に予測できないさまざまな変化を生じるからで
あり、そのため乗場呼びが発生した時点で真に最適な割
当て解を得ることは非常に困難となる。しかも、このバ
ックプロパゲーションにより学習を行う方法では、教師
信号よりも精度の高い呼び割当てを行うことができない
といった問題もある。

【００１３】このため、教師信号の不要ないわゆる強化
学習法（reinforcement learning）を用いてニューラル
ネットの自己組織化を図っていくことが考えられる。こ
の強化学習法については既に周知であるので詳細な説明
は省略するが、まずすべての結合重みを初期化してお
き、次に任意の１個或いは複数個の結合重みに摂動を与
える。すなわち結合重みの値を僅かに変化させる。そし
て摂動を与える前と後とでニューラルネットの出力又は
ニューラルネットで制御されているシステムの評価値を
比較評価し、その結果改善されている場合はその摂動を
受入れ、改善されていない場合は摂動を与える前の状態
に戻す。こうしてこの手順を繰り返し実行すると、各結
合重みは少しずつ最適値に向けて収束していくことにな
る。これが強化学習法である。

【００１４】従ってこの強化学習法をエレベータの呼び
割当て用のニューラルネットに適用した場合、その手順
は一般的には図４に示したようになり、まずステップＳ
１で割り当て用ニューラルネットに（＋）摂動を与え
る。すなわち任意の１個或いは複数個の結合重みの値を
僅かに大きくする。そしてその（＋）摂動後のニューラ
ルネットによる割り当てを行いながら、一定時間エレベ
ータの運転を行い、その間の割り当て結果から各呼びの
待ち時間を集計する（ステップＳ２）。

【００１５】次にステップＳ３で、今度は初期のニュー
ラルネットに（−）摂動を与え、すなわち今度は結合重
みの値を僅かに小さくし、その（−）摂動後のニューラ
ルネットで上記と同様に割り当てを行いながら一定時間
運転を行い、その間の割り当て結果から各呼びの待ち時
間を集計する（ステップＳ４）。

【００１６】そして（＋）摂動の場合と（−）摂動の場
合とで、上記の集計結果から例えば平均待ち時間を算出
して割り当て性能を比較し（ステップＳ５）、性能の優
れていた方を選択して結合重みをその値に更新する（ス
テップＳ６）。以後はこの更新後のニューラルネットを
新たな割り当て用ニューラルネットとして上記の手順を
繰り返すと、やがて各結合重みの値は最適値に収束する
ようになる。

【００１７】ところで、上記の手順において、ステップ
Ｓ５で（＋）摂動と（−）摂動の場合の割り当て性能を
正確に比較するためには、ステップＳ２とステップＳ４
の運転を同一条件で、すなわち呼びの発生状況等が同じ
状態で行う必要がある。そのためにはシミュレーション
装置を用いて学習を行えばよいが、実際にエレベータが
設置されるビルの性質や交通状況を事前に正確に把握す
ることは極めて困難であり、また把握できたとしてもエ
レベータの設置後も交通状況は変動していくため、やは
り最終的にはエレベータを設置後にそのビルで実際に運
転を行いながら強化学習を継続していく必要がある。

【００１８】しかしながら、現場で実際に運転を行いな
がら強化学習を行っていく場合、前述のようにステップ
Ｓ２とＳ４の運転条件を同一とするのは非常に困難であ
る。これは、待ち時間等の統計をとって比較するために
はそれぞれ３０分程度の運転を行う必要があるが、例え
ばステップＳ２の運転中はＵＰピーク時であったとして
も、ステップＳ４の時点では交通状態が平常時に変化し
ている可能性があり、また、同じＵＰピーク時間帯であ
ったとしても前半の３０分と後半の３０分とでは呼びの
発生状況が大きく異なることもあるからである。

【００１９】このため、図４の手順により現場で実際に
運転を行いながら強化学習をおこなっていくには、例え
ばステップＳ２で（＋）摂動の場合の集計をとると、ス
テップＳ４の（−）摂動による集計は、次の日の同じ時
間帯、或いは更に正確にするためには次の週の同じ曜日
の同じ時間帯とするなど、条件をできるだけ同じにする
必要があるが、それでは学習の１サイクルを実行するだ
けで１日或いは１週間単位の時間を要することとなり、
学習を終了するまでに非常に長期間を要するだけでな
く、交通状況が度々変動するようなビルではその変動に
ニューラルネットの学習が追随できないといった問題が
あった。

【００２０】本発明はこのような問題点に鑑みてなされ
たもので、現場で実際に運転を行いながら、しかも短期
間で強化学習を実施することのできる方法を提供するこ
とを目的とする。

【００２１】

【課題を解決するための手段】上記目的を達成するた
め、本発明では、割り当て用ニューラルネットの結合重
みに摂動を与えて、それぞれ摂動量の異なる複数個のネ
ットを作成する。例えば（＋）側に摂動させた（＋）ネ
ットと、（−）側に摂動させた（−）ネットとをそれぞ
れ作成し、前記（＋）ネットでの割り当てによる短時間
運転と、前記（−）ニューラルネットでの割り当てによ
る短時間運転とを１サイクルとして、所定サイクルエレ
ベータの運転を繰り返した後、その間の前記（＋）ネッ
トによる割当て性能と、前記（−）ネットによる割当て
性能とを比較して、性能の優れている方の摂動を前記割
り当て用ニューラルネットの結合重みに与えて更新し、
以後上記の手順を繰り返すことにより前記割り当て用ニ
ューラルネットの結合重みを修正していくようにしたこ
とを特徴とする。

【００２２】

【作用】本発明においては、（＋）ネットによる短時間
運転と、（−）ネットによる短時間運転との１サイクル
毎に割り当て性能が比較され結合重みが修正されるので
はなく、所定サイクルの運転を繰り返した後、その所定
サイクルの統計結果でそれぞれのニューラルネットの割
り当て性能が比較され、その結果に従って結合重みが更
新される。

【００２３】

【実施例】以下、本発明の一実施例について説明する。
図１は、割り当て用ニューラルネットによりエレベータ
の運転を実際に行いながら強化学習を行っていく、本発
明の学習の手順を示すフローチャートである。

【００２４】まず、ステップＳ１で初期ネットをコピー
し、これを割り当て用のニューラルネットとする。この
初期ネットとしては、シミュレーション等により既に学
習を終了しているもの、或いは他の現場ですでに割り当
てに使用しているものなど、そのままでも実際に或る程
度の割り当てが可能なニューラルネットを用いる。

【００２５】ステップＳ２ではこの割り当て用ニューラ
ルネットの出力層のｉ番目の結合重みの摂動量を設定
し、ステップＳ３とＳ４とで、（＋）側の摂動を与えた
（＋）ネットと、（−）側の摂動を与えた（−）ネット
をそれぞれ作成する。ここで重みの摂動量は適当な値と
することもできるが、例えばこの割り当て用ニューラル
ネットで実際に割り当てを行い、その結果を用いて適切
な摂動量（割り当て結果に影響があり、しかもその影響
が許容の範囲内となる程度）を計算により求めることも
できる。

【００２６】次にステップＳ５では、（＋）ネットで割
り当てを行い、一定数の乗場呼びが割り当てられてサー
ビスされるまでこの（＋）ネットによるエレベータの運
転を継続し（ステップＳ７）、その間にステップＳ６で
各乗場呼びの実際の待ち時間を記録する。そして（＋）
ネットで割り当て、サービスされた乗場呼びが一定数に
達すると、今度は（−）ネットにより同様にして一定数
になるまで乗場呼びの割り当てを行い、その間に各乗場
呼びの待ち時間を記録する（ステップＳ８〜Ｓ１０）。

【００２７】ここで上記の一定数の乗場呼びとは、例え
ば５個程度とし、（＋）ネット或いは（−）ネットによ
り割り当てを行う一つの期間が、その間に交通状況が大
きく変化しない程度の短時間（例えば１〜２分、最大で
も５分程度）となるように設定する。そして（＋）ネッ
トによる一期間の短時間運転と、（−）ネットによる一
期間の短時間運転とを合わせて１サイクルとする。この
様子を示したのが第２図である。

【００２８】第２図において、各矢印はその起点が乗場
呼びの発生時点と発生階を、その終点がその呼びにかご
が実際にサービスした時点を、矢印の長さはその呼びの
実際の待ち時間をそれぞれ表している。第２図に示すよ
うに、（＋）ネットによる割り当てでサービスされた乗
場呼びが一定数（この例では１〜４の４個）になると、
次は（−）ネットによる割り当てとし、これを１サイク
ルとして繰り返す。このとき、５のように（＋）ネット
による割り当ての期間と（−）ネットによる割り当ての
期間の両方にまたがっている呼びは、両方の影響を受け
ているので評価の対象としないようにする。

【００２９】図１に戻り、ステップＳ１１を経てステッ
プＳ５〜Ｓ１０を繰り返し、すなわち（＋）ネットによ
る割り当て期間と（−）ネットによる割り当て期間とを
１サイクルとした短時間運転を所定サイクル数（１０回
〜２０回程度）になるまで繰り返し、所定サイクル数に
達するとステップＳ１１からＳ１２へと進む。ステップ
Ｓ１２では、この所定サイクルの運転期間における各乗
場呼びの待ち時間を、（＋）ネットにより割り当てられ
た乗場呼びと（−）ネットにより割り当てられた乗場呼
びとに分けて集計し、それぞれのネットでの平均待ち時
間を算出する。そして、ステップＳ１３でその平均待ち
時間、すなわち割り当て性能を比較する。

【００３０】このように１サイクル毎の比較ではなく、
所定サイクル数の集計で比較すると、１サイクル毎に見
れば多少の交通状況の変動がある場合でも、全体では
（＋）ネットの期間と（−）ネットの期間とはほぼ同一
の時間帯・交通状況となり、両者の割り当て性能をほぼ
同一の条件で正確に比較できることになる。

【００３１】比較の結果（＋）ネットによる性能の方が
優れていた場合は、割り当て用ニューラルネットの出力
層のｉ番目の結合重みを（＋）摂動させ、その逆の場合
は（−）摂動させて更新する（ステップＳ１４）。こう
して、以後も上記の手順を更に繰り返していくと、結合
重みが徐々に収束していき、そのビルの交通状況に最も
適したニューラルネットが構築される。

【００３２】なお、上記の実施例では（＋）ネットと
（−）ネットの２つだけ作成するようにしたが、２つだ
けに限らず、摂動量の異なるネットを複数個作成して上
記と同様にそれぞれで短時間運転を行い、それを１サイ
クルとして所定サイクル数の運転を行った後、各ネット
の割り当て性能を評価し、その中で最も優れているネッ
トの摂動を割り当て用ニューラルネットに与えて更新す
るようにすることもできる。

【００３３】また、上記の実施例では割り当て性能の評
価は、乗場呼びの実際の待ち時間を用いてその平均値に
より行っているが、これに限らず一定値を超える長待ち
の発生する確率である長待ち確率や或いは電力消費量な
ど他の指標を用いて行うようにしてもよく、それらの総
合評価で行うようにしてもよい。

【００３４】また、上記の実施例では、重みの修正は出
力層だけを対象にしているが、勿論入力層や中間層の重
みの修正にも同様に本発明を適用することができる。

【００３５】また、上記の実施例では、（＋）或いは
（−）ネットにより割り当てを行う期間は一定数の乗場
呼びがサービスされるまでとしたが、所定の時間として
もよく、その場合、その所定時間は最大想定される待ち
時間より長くなるように（長い待ち時間のサンプルが取
れるように）するが、前述と同様に最大でも５分程度に
設定するのが望ましい。

【００３６】

【発明の効果】本発明によれば、現場で実際に運転を行
いながら、しかも短時間で強化学習法による学習を行う
ことができる。また、エレベータの設置後に交通状況が
変動する場合でも、その変動に速やかに追随することが
でき、常に精度の高い割当て性能を維持することができ
る。

【図面の簡単な説明】

【図１】本発明による学習の手順を示すフローチャート
である。

【図２】本発明における各ネットの割り当て期間の関係
を説明するための図である。

【図３】呼び割当て用ニューラルネットの一例を示す図
である。

【図４】従来の学習手順を示すフローチャートである。

【符号の説明】

ＮＮ 呼び割り当て用ニューラルネット ＮＲ1 入力層のニューロン ＮＲ2 中間層のニューロン ＮＲ3 出力層のニューロン １〜５ 乗場呼びとその待ち時間

Claims (4)

(57)【特許請求の範囲】
1. 【請求項１】 新たに乗場呼びが発生すると、その時点
   における群のシステム状態データを入力し、その出力か
   ら最適なかごを選択し割り当てるために用いるエレベー
   タ呼び割り当て用ニューラルネットの学習方法におい
   て、割り当て用ニューラルネットの結合重みに摂動を与
   えて、それぞれ摂動量の異なる複数個のネットを作成
   し、該複数の各ネットでの割り当てによる短時間運転を
   合わせて１サイクルとし、所定サイクル数のエレベータ
   の運転を繰り返した後、その間の前記各ネットによる割
   当て性能を比較して、最も性能の優れているネットの摂
   動を前記割り当て用ニューラルネットの結合重みに与え
   て更新し、以後上記の手順を繰り返すことにより前記割
   り当て用ニューラルネットの結合重みを修正していくこ
   とを特徴とするエレベータ呼び割当て用ニューラルネッ
   トの学習方法。
2. 【請求項２】 新たに乗場呼びが発生すると、その時点
   における群のシステム状態データを入力し、その出力か
   ら最適なかごを選択し割り当てるために用いるエレベー
   タ呼び割り当て用ニューラルネットの学習方法におい
   て、割り当て用ニューラルネットの結合重みを（＋）側
   に摂動させた（＋）ネットと、（−）側に摂動させた
   （−）ネットとをそれぞれ作成し、前記（＋）ネットで
   の割り当てによる短時間運転と、前記（−）ネットでの
   割り当てによる短時間運転とを１サイクルとして、所定
   サイクルエレベータの運転を繰り返した後、その間の前
   記（＋）ネットによる割当て性能と、前記（−）ネット
   による割当て性能とを比較して、性能の優れている方の
   摂動を前記割り当て用ニューラルネットの結合重みに与
   えて更新し、以後上記の手順を繰り返すことにより前記
   割り当て用ニューラルネットの結合重みを修正していく
   ことを特徴とするエレベータ呼び割当て用ニューラルネ
   ットの学習方法。
3. 【請求項３】 前記割り当て性能は、乗場呼びの実際の
   待ち時間で評価することを特徴とする請求項１又は請求
   項２に記載のエレベータ呼び割り当て用ニューラルネッ
   トの学習方法。
4. 【請求項４】 前記割り当て性能は、複数の指標の総合
   評価で評価することを特徴とする請求項１又は請求項２
   に記載のエレベータ呼び割り当て用ニューラルネットの
   学習方法。