JPH06263346A

JPH06263346A - エレベータの交通流判定装置

Info

Publication number: JPH06263346A
Application number: JP5535093A
Authority: JP
Inventors: Toshimitsu Hida; 敏光飛田; Atsuya Fujino; 篤哉藤野; Hiromi Inaba; 博美稲葉; Kenji Yoneda; 健治米田
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1993-03-16
Filing date: 1993-03-16
Publication date: 1994-09-20

Abstract

(57)【要約】【構成】交通情報収集部３１の情報は学習部３２，一時
記憶部３３に送られる。学習部３４は、学習結果を長期
記憶部３４に確率学習の結果という形で記憶する。一時
記憶部３３は、交通情報を所定の期間記憶しておく。交
通流判定部３５は長期記憶部３４の学習結果と一時記憶
部３３の記憶結果に基づき交通流を判定し、その結果を
群管理制御装置４に送る。データ判定部３６では送られ
てきたデータが既知データかどうかを判定し、未知のデ
ータであったら、これを新規の交通流として新たに記憶
判定するように交通流判定部３５，学習部３２に指示を
出す。【効果】簡便な装置で交通に関する種々の情報を利用
し、ビルの経年変化に追従しながら交通流を判定でき
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はエレベータの制御装置に
係り、特に、エレベータがサービスすべき交通流の種別
の判定およびその判定方法を用いた制御方法に関する。

【０００２】

【従来の技術】従来、この種の技術は、特開昭59−1537
70号公報にあるように毎日の交通パターンの選択時刻を
検出，記録しておき、現在または将来の交通パターンの
選択時刻を予測し、所定の時間となったらその交通パタ
ーンに従って呼びが発生するものとして、時間帯に応じ
て制御を変更するというものがある。また、特開昭59−
48369 号公報には、各階床の上下の乗り人数を測定しこ
のパターンを交通流モードとして学習しておき、過去数
分間の乗り降り人数から交通流モードを判定してモード
ごとに異なる制御を行う技術が示されており、所定のモ
ードをはずれたとき、新たに交通流のモードを生成し、
このモードに適合する新しいプログラムを自動作成する
ことによって、いかなる交通流変化にも自ら適合するシ
ステムを作成するというものがある。さらに、日本機械
学会第１回交通・物流部門大会講演論文集Ｐ２２２〜Ｐ
２２７にはニューラルネットワークを用いて出勤，退
勤，平常の交通流を判定する手法が述べられている。

【０００３】

【発明が解決しようとする課題】エレベータの制御方法
はそのサービスすべき交通流によって変更する必要があ
り、従来例はこの交通流を把握する手法についてさまざ
まな改善を行ったものである。特開昭59−153770号公報
は、時間帯ごとに交通流を決めておくため各ビルによっ
て事前に調整する必要があり、ビルの経年変化には追従
してゆくといった考えはなく、日々の些少な変動などに
も十分な対応はできない。特開昭59−48369 号公報は、
ビルの経年変化に対応できるように考案されたもので、
ビルの交通流に変化があれば、新たに交通流モードを生
成してこれに対応して行くことができるが、モード生成
のアルゴリズムが複雑で乗り降り以外の情報を加えるこ
とが難しく、また装置の構成も複雑になる。日本機械学
会第１回交通・物流部門大会講演論文集Ｐ２２２〜Ｐ２
２７のニューラルネットワークを用いた方法ではエレベ
ータ情報から交通流を判定できるがあらかじめ学習が終
了している交通流のみを判定することができ、ビルの経
年変化などに追従するといったことは考慮されていな
い。

【０００４】本発明の目的は、簡便な装置でビルの経年
変化などに追従しながら交通流を判定できる交通流判定
装置を提供することにある。

【０００５】

【課題を解決するための手段】交通情報収集手段は、現
時点での乗り降り人数等の交通情報を収集する、一時記
憶手段は、前記交通情報収集手段で収集した交通情報を
所定の範囲で記憶し、所定期間記憶しておく。判定手段
はニューラルネットワークなどポテンシャル関数を用い
た確率的学習機械で構成され、あらかじめ既知データに
ついては学習を終了させておく。前記交通情報収集手段
で収集した交通情報と一時記憶手段で記憶している過去
の交通情報をもとに確率学習機械により交通流のモード
を判定する。入力データが学習済み既知データの範囲を
越えているかどうかのデータ判定手段を持ち、入力デー
タが学習済み既知データの範囲を越えていたらこれを新
たな交通流のモードとして学習させる再学習手段によっ
て新規交通流として確率学習機械に学習させるようにし
た。

【０００６】さらに、本発明は交通流判定装置を用いて
エレベータを運行管理した。

【０００７】さらにまた、代表的な確率学習機械である
ニューラルネットワークは新規に出力層を付け加えた場
合に学習が収束するまで出力の誤差が大きいため、ニュ
ーラルネットワークを二組以上設け、一方を実際の判定
に供し、もう一方を同時に学習させながら学習結果を収
束し、既存データに関して判定に供しているネットワー
クと同等以上の出力が得られるまで学習を続けるように
した。

【０００８】また、学習装置を学習が収束するまで付加
しておき、学習が終了した時点でニューラルネットワー
クによる判定を行うようにした。

【０００９】

【作用】上記のように構成することによって簡便な装置
で、データの変動に強い交通流判定装置を構成し、さら
に、未学習データが入力された場合は、これを新たな交
通流として登録することによってビルの経年変化などに
も対応できるようになる。

【００１０】

【実施例】図１は本発明のブロック図である。ホール呼
び収集部１およびかご情報収集部２は、ホール情報かご
情報を交通流判定装置３内の交通情報収集部３１に送
る。交通情報収集部３１の情報は学習部３２，一時記憶
部３３に送られる。学習部３４は、学習結果を長期記憶
部３４に確率学習の結果という形で記憶する。長期記憶
部３４は既知のデータについてはあらかじめ学習を終了
させておく。一時記憶部３３は、交通情報収集部３１で
収集した交通情報を所定の範囲で記憶し所定の期間記憶
しておく。交通流判定部３５は長期記憶部３４の学習結
果と一時記憶部３３の記憶結果に基づき交通流を判定
し、その結果を群管理制御装置４に送る。交通情報収集
部３１の収集した交通情報は、データ判定部３６にも送
られ、データ判定部３６では送られてきたデータが長期
記憶部３４に記憶されている既知のデータかどうかを判
定し、未知のデータであったら、これを新規の交通流と
して新たに記憶判定するように交通流判定部３５，学習
部３２に指示を出す。本実施例ではポテンシャル関数等
の形で記憶するため、判定理由を知ることが容易であ
り、かつ確率的な学習なので一部のサンプルデータがあ
ればある程度の判定を行うことができる。また、データ
判定部により、未知の新たな交通流の発生を検知し、学
習することができるので、種々のビルの交通流にも自動
的に適応でき、ビルの経年変化などによる交通流の変化
などにも対応可能である。

【００１１】図２は本発明の動作の説明図である。ここ
では、説明の都合上交通情報データとして総利用者数と
ホール呼び数の二つを取っているが、実用上は、所定時
間辺りの各階の乗降人数およびホール呼び数，上向き下
向き別々の利用人数等他の情報も必要となる。（ａ）
は，学習前の状況を示しており、ｘ軸がホール呼び数，
ｙ軸が総利用人数，ｚ軸がポテンシャルを表している。
学習前はｚ軸方向は平坦であり、（ｂ）のように学習デ
ータが入るたびにその点のポテンシャルを増加させてそ
の交通流に対応した台地を形成して行く。（ｃ）は既知
データに対する学習を終了した状態であり、各台地はそ
れぞれの交通流に対応する。ここではホール呼びが少な
く、利用者も少ない場合は閑散交通流，ホール呼びは少
ないが利用者が多い場合は出勤交通流，ホール呼びも利
用者も多い場合は、たとえば昼食時交通流であるとす
る。一時記憶部３３から交通情報が送られてくると
（ｄ）のようにそれがどの台地に属するものかで交通流
の判定を行う。（ｅ）のようにどの台地にも属さず、ポ
テンシャルが０もしくはそれに近い値の場合は新規交通
流としてそこに新たに台地を作って行く、このようにし
て新たな交通流の学習および判定ができるようになる。
ここでは説明のため利用情報を総利用者数とホール呼び
数の二つで説明したが、階床別のホール呼び数かご呼び
数等を用いて、ロビー階集中，交通流，食堂階集中交通
流と行ったようにより精密な交通流判定を行うことがで
きる。これによりビルごとの精密な交通流判定および判
定結果に基づく制御が可能になる。

【００１２】図３はニューラルネットワーク３７で構成
した場合の実施例である。ニューラルネットワーク３７
ワークは長期記憶部３４，交通流判定部３５の両方の機
能を持たせることができる。この場合、一時記憶部３３
の記憶している情報をニューラルネットワーク３７の入
力相にいれる。出力相は各交通流に対応し、出力相で発
火状態のニューロンの表す交通流を判定結果として群管
理制御装置４に送る。データ判定部が未知のデータと判
定した場合は、新規に既交通流で使用しているもの以外
の出力相のニューロンを新規交通流とし、これを教師信
号として学習させることにより新規の交通流の学習を行
う。本実施例ではニューラルネットワークの学習能力に
より交通流の判定を行うので装置の構成を簡単にでき
る。

【００１３】図４は一時記憶部の記憶テーブルである。
所定期間内の過去の交通情報データを記憶しておく。

【００１４】図５はニューラルネットワーク３７をデジ
タル計算機で実現する場合の各ユニットの学習データで
ある重み係数テーブルである。このテーブルを複数用意
することにより同じプログラムを種々の用途に使用でき
る。

【００１５】図６はニューラルネットワーク３７に学習
済みデータであることを示すニューロンを付け加えたデ
ータ判定部の機能を持たせた実施例。一度に一種類の新
規交通流しか学習できないなど限定はあるがデータ判定
部を設けなくてよいので装置を簡便に構成できる。

【００１６】図７はデータ判定部にもニューラルネット
ワークを使用した場合の実施例である。デジタル計算機
によってニューラルネットワークを構成する場合、各ニ
ューロンの重み係数テーブルを複数用意しておけば、同
一のプログラムで実現でき、データ判定専用にニューラ
ルネットワークを設けるため、交通流判定用ニューラル
ネットワークに学習済みを示すニューロンを付け加えた
場合よりも早く確実に学習，判定を行うことができる。

【００１７】図８はニューラルネットワークを二組設け
て一方を学習専用とし結果が収束した時点で入れ替える
例であり、ニューラルネットワークを二組設けて一方を
学習専用とし結果が収束した時点で入れ替える例であ
る。ニューラルネットワークは、新規のデータの学習を
行わせると学習が収束するまで判定結果が不安定になる
ことがある。そこでニューラルネットワークを学習用３
７１と判定用３７２の二組設け学習が終了した時点で判
定切り替え部３８で切り替えるようにしたものである。

【００１８】図９はニューラルネットワークを使用する
場合、学習部を省略し、外部に学習用の装置を設けて利
用形態に変化のあったときにこの装置を接続して学習を
行うようにした場合の実施例である。交通流判定装置に
はニューラルネットワークには学習済みデータかどうか
を示すニューロン３７１を加え、未学習データの検出が
あったかどうかを検出する未学習データが検出された場
合、学習装置接続部３９に交通流学習装置７を接続して
交通流の学習を行う。学習装置７は、学習装置接続部３
９を介して交通流判定装置から交通情報を収集し、接続
部７１から教師信号作成部７２に送り、長期記憶部７３
に送る。教師信号作成部７２は、この長期記憶部７２の
内容に基づき教師信号を作成し、交通流判定装置内３の
ニューラルネットワーク３７に未学習データを新規交通
流として学習させる。学習装置７にシミュレーション機
能を持つシミュレーション部７４や、推論部７５を持た
せ、新規交通流に適した制御プログラムを作成して群管
理制御装置４に送るようにし、構成の簡単な装置でも個
々のビルの交通流により適したきめ細かい制御を実現で
きるようにすることも可能である。本実施例によれば、
判定機能と学習機能を別々の装置に持たすので、群管理
制御装置に接続する交通流判定装置を簡便に構成でき、
また、専用の学習装置を用いるためより適したきめ細か
い制御を行うことが可能となる。

【００１９】

【発明の効果】本発明によれば、種々の交通情報を利用
してビルごとに異なる交通流の判定を精密に行うことが
可能であり、ビルの経年変化などにも柔軟に対応可能な
交通流判定装置を提供できる。

【図面の簡単な説明】

【図１】本発明のブロック図。

【図２】本発明の説明図。

【図３】ニューラルネットワークで構成した場合のブロ
ック図。

【図４】一時記憶テーブルの説明図。

【図５】ニューラルネットワークの重み係数テーブルの
説明図。

【図６】学習済みであることを示すニューロンを付けた
実施例のブロック図。

【図７】データ判定部にニューラルネットワークを使用
した実施例のブロック図。

【図８】ニューラルネットワークを学習用と判定用二組
設けた実施例のブロック図。

【図９】学習装置を外部に設けた実施例のブロック図。

【符号の説明】

１…ホール呼び収集部、２…かご情報収集部、３…交通
流判定装置、３１…交通情報収集部、３２…学習部、３
３…一時記憶部、３４…長期記憶部、３５…交通流判定
部、３６…データ判定部、３７…ニューラルネットワー
ク、４…群管理制御装置、７…交通流学習装置。

───────────────────────────────────────────────────── フロントページの続き (72)発明者米田健治茨城県勝田市市毛1070番地株式会社日立製作所水戸工場内

Claims

【特許請求の範囲】

【請求項１】エレベータの交通流判定装置において、交
通情報を収集する手段，交通流を学習する学習手段，前
記交通情報を収集する手段により収集した交通情報が未
学習か否かを判定する手段，前記判定手段により未学習
となった交通情報について再学習を行う再学習手段を備
えたことを特徴とするエレベータの交通流判定装置。
【請求項２】請求項１において、前記学習手段とは、学
習データの入力に基づくポテンシャル関数の作成手段で
あるエレベータの交通流判定装置。
【請求項３】請求項１において、前記学習手段とはニュ
ーラルネットワークであるエレベータの交通流判定装
置。
【請求項４】請求項１において、未学習データの判定を
ニューラルネットワークで行うエレベータの交通流判定
装置。
【請求項５】請求項１において、ニューラルネットワー
クを複数設け、一方を学習専用に、もう一方を判定専用
とし、双方の予測結果に基づき次回判定に使用するニュ
ーラルネットワークを決定するエレベータの交通流判定
装置。
【請求項６】エレベータの交通流判定装置において、交
通情報を収集する手段、ニューラルネットワークにより
手段を備えた交通流判定装置および前記交通流判定装置
に接続し、未学習となった交通情報について再学習を行
う交通流学習装置を備えたエレベータの交通流判定装
置。