JPH08217343A - エレベーターの群管理装置 - Google Patents

Abstract

(57)【要約】 【目的】 ニューラルネットを応用し複数台を一群とし
て運転するエレベーターの群管理装置を得る。 【構成】 複数台のかご(1)の制御手段(3)と、一群のか
ご(1)を制御する運転制御手段(4)と、乗場の呼びに割当
かご(1)を決定する呼び割当手段(6)を設け、また発生す
る交通データを収集し、交通流に対してニューラルネッ
トを応用して判別する交通流判別手段(8)を設け、交通
流判別手段(8)の交通データを基にニューラルネットに
対応する教師データによりニューラルネットを学習さ
せ、また運転制御手段(4)に接続するタイマ(14)を設
け、また交通データ、教師データ及びニューラルネット
の情報を記憶するメモリ(13)を設け、交通流判別手段
(8)の出力により交通流に対する運転パターンを選択す
る。 【効果】 多様な交通流を判別し、複数台かごの運転の
管理機能を向上する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、複数台のかごを一群
として管理し運転するエレベーターの群管理装置に係わ
り、特にニューラルネットを応用して建物内交通流を判
別する群管理装置に関する。

【０００２】

【従来の技術】複数台のエレベーターを制御する群管理
装置は、マイクロコンピュータの採用によって大量情報
の演算処理と高度な制御を実現することが可能である。
このような背景によりエレベーター装置には人工知能技
術の一つであるファジー理論やニューラルネットが応用
されている。従来のエレベーターの群管理装置として、
例えば特開平３−１２４６７６号公報に示されるよう
に、ニューラルネットの部分モデル部と複数のメンバー
シップ関数とから構成されるエレベーターの群管理装置
がある。

【０００３】また、例えば特開平３−２７９１７８号公
報に示されるように、交通状態を入力としてかご内の混
雑度を出力するニューラルネットを構成するエレベータ
ーの群管理装置がある。また、例えば特開平４−３２４
７２号公報に示されるように、時間帯又は交通パターン
を設けて最も適したニューラルネットを選択するエレベ
ーターの群管理装置がある。

【０００４】また、例えば特開平６−２６３３４６号公
報に示されるように、ニューラルネットを応用して建物
内交通流を判定し、未学習の交通流があれば再学習する
エレベーターの群管理装置がある。なお、建物内で発生
する交通流とは、交通状態を表す概念であって乗客数、
乗客発生間隔、ＯＤ(Origin and Destination)行列等に
よって記述されるものである。

【０００５】

【発明が解決しようとする課題】上記のような従来のエ
レベーターの群管理装置において次に述べる問題点があ
った。すなわち、ニューラルネットの部分モデル部と複
数のメンバーシップ関数とから構成されるエレベーター
の群管理装置においては、乗場呼びの割当制御にニュー
ラルネットを応用しているものの、建物内で発生する交
通流に関する効果が不確かである。

【０００６】また、交通状態を入力として、かご内の混
雑度を出力するニューラルネットを構成するエレベータ
ーの群管理装置においては、ニューラルネットを応用し
てかご内の混雑度を予測しているものの、予測したデー
タからエレベーターをどのように制御するかの問題が残
る。また、時間帯又は交通パターンを設けて最も適した
ニューラルネットを選択するエレベーターの群管理装置
においては、ニューラルネットを選択して乗場呼びの割
当制御に使用しているだけであって、建物内で発生する
異なった交通流の判別に関しては不明瞭である。

【０００７】また、ニューラルネットを応用して建物内
交通流を判定し、未学習の交通流があれば再学習するエ
レベーターの群管理装置においては、交通流の判定を行
った後のエレベーターの具体的な制御が不詳である。

【０００８】なお、以上のそれぞれの従来のエレベータ
ーの群管理装置において、次の事項に関し詳らかでな
い。すなわち、通常ニューラルネットの学習には膨大な
演算時間を要し、他のエレベーターの制御に影響を与え
る。しかし、このような問題が解消されていない。ま
た、ニューラルネットの学習過程においては教師データ
が必要になるが、そのデータを抽出する手順は不明確で
ある。

【０００９】また、エレベーターのようなリアルタイム
な制御が必要な場合、ニューラルネットの学習が不十分
であるとニューラルネットからの出力が明確に現れない
ときがある。しかし、ニューラルネットからの出力が明
確に現れない状況でもエレベーターに影響を与えないた
めの改善要領が不明である。また、エレベーターの外部
から多様な情報が入力された場合に、その情報とニュー
ラルネットからの制御情報との優先関係に関して不明瞭
である。

【００１０】この発明は、かかる問題点を解消するため
になされたものであり、ニューラルネットを応用して交
通流を判別して、効率的に複数台のかごを一群として管
理し運転するエレベーターの群管理装置を得ることを目
的とする。

【００１１】

【課題を解決するための手段】この発明に係るエレベー
ターの群管理装置においては、複数台のかごそれぞれの
運行を制御する制御手段と、全てのかごを一群として管
理し運転制御する運転制御手段と、かごに対応して設け
られた乗場で発生する呼びに対して所定の評価方法に基
づき割当かごを決定する呼び割当手段と、かごが設けら
れた建物内で発生する交通データを収集する交通データ
収集手段と、この交通データ収集手段から求められる交
通流に対してニューラルネットを応用して判別を行う交
通流判別手段と、この交通流判別手段から収集される交
通データを基にニューラルネットを学習させるために必
要な教師データを抽出する教師データ抽出手段と、教師
データを基にニューラルネットを学習させる学習手段
と、運転制御手段に接続されて時刻を計測するタイマ
と、少なくとも交通データ、教師データ及びニューラル
ネットを構成する情報を記憶するメモリと、交通流判別
手段からの出力を基に交通流に対応する運転パターンを
選択する運転パターン選択手段とが設けられる。

【００１２】また、この発明に係るエレベーターの群管
理装置においては、複数台のかごを一群として管理運転
するエレベーターの群管理装置に、かごが設けられた建
物内で発生する交通データを収集する交通データ収集手
段と、この交通データ収集手段から求められる交通流に
対してニューラルネットを応用して判別を行う交通流判
別手段と、この交通流判別手段から収集される交通デー
タを基にニューラルネットを学習させるために必要な教
師データを抽出する教師データ抽出手段と、教師データ
を基にニューラルネットを学習させる学習手段と、交通
流判別手段を第１優先の演算手段とし、学習手段を第３
優先の演算手段とし、交通流判別手段及び学習手段の他
の演算手段を第２優先の演算手段とする順位に従って各
演算手段の動作を管理するタスク管理手段とが設けられ
る。

【００１３】また、この発明に係るエレベーターの群管
理装置においては、複数台のかごを一群として管理運転
するエレベーターの群管理装置に、かごが設けられた建
物内で発生する交通データを収集する交通データ収集手
段と、この交通データ収集手段から求められる交通流に
対してニューラルネットを応用して判別を行う交通流判
別手段と、この交通流判別手段から収集される交通デー
タを基にニューラルネットを学習させるために必要な教
師データを抽出する教師データ抽出手段と、教師データ
を基にニューラルネットを学習させる学習手段と、交通
流判別手段からの出力を基に交通流に対応する運転パタ
ーンを選択する運転パターン選択手段と、運転パターン
毎の交通流を判別するための複数のニューラルネットを
記憶するメモリとが設けられる。

【００１４】また、この発明に係るエレベーターの群管
理装置においては、複数台のかごを一群として管理運転
するエレベーターの群管理装置に、かごが設けられた建
物内で発生する交通データを収集する交通データ収集手
段と、この交通データ収集手段から求められる交通流に
対してニューラルネットを応用して判別を行う交通流判
別手段と、この交通データ収集手段により収集された交
通データから交通量のピークとなる時間帯を検出するピ
ーク時検出手段と、このピーク時検出手段により検出さ
れたピーク時間から所定時間前の連続した交通データを
教師データとして抽出する教師データ抽出手段と、教師
データを基にニューラルネットを学習させる学習手段と
が設けられる。

【００１５】また、この発明に係るエレベーターの群管
理装置においては、複数台のかごを一群として管理運転
するエレベーターの群管理装置に、かごが設けられた建
物内で発生する交通データを第１の時間間隔で収集する
交通データ収集手段と、この交通データ収集手段から求
められる交通流に対して第１の時間間隔よりも短い第２
の時間間隔でニューラルネットを応用して判別を行う交
通流判別手段と、交通データ収集手段により収集された
交通データを基にニューラルネットを学習させるために
必要な教師データを抽出する教師データ抽出手段と、教
師データを基にニューラルネットを学習させる学習手段
とが設けられる。

【００１６】また、この発明に係るエレベーターの群管
理装置においては、複数台のかごを一群として管理運転
するエレベーターの群管理装置に、かごが設けられた建
物内で発生する交通データを収集する交通データ収集手
段と、この交通データ収集手段から求められる交通流に
対してニューラルネットを応用して判別を行う交通流判
別手段と、交通データ収集手段により収集された交通デ
ータを基にニューラルネットを学習させるために必要な
教師データを抽出する教師データ抽出手段と、教師デー
タを基にニューラルネットを学習させる学習手段と、交
通流判別手段からの出力を基に交通流に対応する運転パ
ターンを選択する運転パターン選択手段と、各かごの建
物内サービス状況に対する余裕度を計測するサービス状
況計測手段と、余裕度を基にして運転パターン選択手段
により選択された運転パターンにおける各かごの制御を
ファジー理論を応用して行う運転制御手段とが設けられ
る。

【００１７】また、この発明に係るエレベーターの群管
理装置においては、複数台のかごを一群として管理運転
するエレベーターの群管理装置に、かごが設けられた建
物内で発生する交通データを収集する交通データ収集手
段と、この交通データ収集手段から求められる交通流に
対してニューラルネットを応用して判別を行う交通流判
別手段と、ニューラルネットからの出力結果が明確に現
れない場合は判別不能及び特定不能のいずれかとして出
力するフィルタリング手段と、交通データ収集手段によ
り所定期間にわたって収集された交通データを基に収集
日毎にニューラルネットに対して判別を行い判別不能及
び特定不能のいずれかを出力した回数が最も少なくなる
日の交通データを教師データとして抽出する教師データ
抽出手段と、教師データを基にニューラルネットを学習
させる学習手段と、交通流判別手段からの出力を基に交
通流に対応する運転パターンを選択する運転パターン選
択手段とが設けられる。

【００１８】また、この発明に係るエレベーターの群管
理装置においては、複数台のかごを一群として管理運転
するエレベーターの群管理装置に、かごが設けられた建
物内で発生する交通データを収集する交通データ収集手
段と、この交通データ収集手段から求められる交通流に
対してニューラルネットを応用して判別を行う交通流判
別手段と、交通データ収集手段により収集された交通デ
ータを基にニューラルネットを学習させるために必要な
教師データを抽出する教師データ抽出手段と、教師デー
タを基にニューラルネットを学習させる学習手段と、交
通流判別手段からの出力を基に交通流に対応する運転パ
ターンを選択する運転パターン選択手段と、群管理装置
と外部機器との接続を可能にする外部通信手段と、ニュ
ーラルネットの判別状況及び学習状況の少なくとも一方
を外部機器に表示するモニタリング手段とが設けられ
る。

【００１９】また、この発明に係るエレベーターの群管
理装置においては、複数台のかごを一群として管理運転
するエレベーターの群管理装置に、かごが設けられた建
物内で発生する交通データを収集する交通データ収集手
段と、この交通データ収集手段から求められる交通流に
対してニューラルネットを応用して判別を行う交通流判
別手段と、交通データ収集手段により収集された交通デ
ータを基にしてニューラルネットを学習させるために必
要な教師データを抽出する教師データ抽出手段と、教師
データを基にニューラルネットを学習させる学習手段
と、外部からの予約情報を入力する予約情報入力手段
と、この予約情報入力手段から入力された予約情報を記
憶するメモリと、予約情報の入力によって交通流判別手
段からの出力よりも予約情報を優先して運転パターンを
選択する運転パターン選択手段とが設けられる。

【００２０】

【作用】上記のように構成されたエレベーターの群管理
装置では、ニューラルネットを応用してエレベーターの
交通流判別を行うときに、ニューラルネットの出力をも
とに交通流に適合したエレベーターの運転制御が行われ
る。

【００２１】また、上記のように構成されたエレベータ
ーの群管理装置では、ニューラルネットを応用してエレ
ベーターの交通流判別を行うときに、タスク管理手段に
より優先順位をつけてニューラルネットに関する演算を
行い、ニューラルネットの出力をもとに交通流に適合し
たエレベーターの運転制御が行われる。

【００２２】また、上記のように構成されたエレベータ
ーの群管理装置では、ニューラルネットを応用してエレ
ベーターの交通流判別を行うときに、運転パターン毎に
交通流を判別する複数のニューラルネットが設けられ
て、これらのニューラルネットの出力をもとに交通流に
適合したエレベーターの運転制御が行われる。

【００２３】また、上記のように構成されたエレベータ
ーの群管理装置では、ニューラルネットを応用してエレ
ベーターの交通流判別を行うときに、交通がピークとな
る時間帯から所定時間前の連続した交通データにより教
師データが抽出されて、この教師データを基にニューラ
ルネットが学習され、交通流に適合したエレベーターの
運転制御が行われる。

【００２４】また、上記のように構成されたエレベータ
ーの群管理装置では、ニューラルネットを応用してエレ
ベーターの交通流判別を行うときに、判別する演算周期
と学習する演算周期とが分けて行われて、交通流に適合
したエレベーターの運転制御が行われる。

【００２５】また、上記のように構成されたエレベータ
ーの群管理装置では、ニューラルネットを応用してエレ
ベーターの交通流判別を行うときに、ニューラルネット
の判別結果をもとにファジー理論を応用してエレベータ
ーの複数台制御が行われて、交通流に適合したエレベー
ターの運転制御が行われる。

【００２６】また、上記のように構成されたエレベータ
ーの群管理装置では、ニューラルネットを応用してエレ
ベーターの交通流判別を行うときに、判別不能や特定不
能が少なくなる日の交通データを優先し、これを教師デ
ータとしてニューラルネットを学習し、交通流に適合し
たエレベーターの運転制御が行われる。

【００２７】また、上記のように構成されたエレベータ
ーの群管理装置では、ニューラルネットを応用してエレ
ベーターの交通流判別を行い、モニタリング手段により
判別結果や学習結果が外部装置に表示される。

【００２８】また、上記のように構成されたエレベータ
ーの群管理装置では、ニューラルネットを応用してエレ
ベーターの交通流判別を行うときに、予約情報が入力さ
れた場合は予約を優先して運転パターンが選択され、交
通流に適合したエレベーターの運転制御が行われる。

【００２９】

【実施例】

実施例１．図１〜図５は、この発明の一実施例を示す図
で、図１はエレベーターの構成を付加しエレベーターの
群管理装置の構成を示すブロック図、図２は図１のエレ
ベーターの群管理装置のニューラルネットの構成図、図
３は図１のエレベーターの群管理装置の動作を示すフロ
ーチャート、図４は図１のエレベーターの群管理装置に
おける建物内のゾーン分け状態の説明図、図５は図１の
エレベーターの群管理装置における交通データの記憶状
態の説明図である。

【００３０】図において、(1)は図示が省略してあるが
複数台のエレベーターそれぞれのかご、(2)はかご(1)が
設けられた昇降路に配置された乗場（図示しない）に装
備された乗場釦、(3)はかご(1)それぞれの運行を制御す
る制御手段、(4)は全てのかご(1)を一群として管理し運
転制御する運転制御手段、(5)は制御手段(3)と運転制御
手段(4)の間で光通信を行う各かご通信手段、(6)は運転
制御手段(4)に接続されて乗場釦(2)による呼びが発生す
るたびに応答かご(1)を選択する呼び割当手段である。

【００３１】(7)は運転制御手段(4)に接続されてエレベ
ーターに乗降する乗客の負荷等の交通情報を収集する交
通データ収集手段、(8)は交通データ収集手段(7)に接続
されてニューラルネットを応用して収集された交通流に
対して判別を行う交通流判別手段、(9)は交通データ収
集手段(7)に接続されて交通データ収集手段(7)により収
集された交通データからニューラルネット(10)を学習さ
せるために必要な教師データを抽出する教師データ抽出
手段である。

【００３２】(11)は交通流判別手段(8)と教師データ抽
出手段(9)に接続されてニューラルネット(10)を学習さ
せるための学習手段、(12)は運転制御手段(4)と交通流
判別手段(8)に接続されて交通流判別手段(8)の出力によ
り出勤時運転等の運転パターンを選択する運転パターン
選択手段、(13)は交通データ収集手段(7)、交通流判別
手段(8)、教師データ抽出手段(9)及び学習手段(11)に接
続されて、収集されたデータ、教師データ及びニューラ
ルネット(10)を構成するためのメモリである。

【００３３】(14)は運転制御手段(4)に接続されて時刻
を計測するタイマである。(15)は運転制御手段(4)、各
かご通信手段(5)、呼び割当手段(6)、交通データ収集手
段(7)、交通流判別手段(8)、教師データ抽出手段(9)、
学習手段(11)、運転パターン選択手段(12)、メモリ(13)
及びタイマ(14)によって構成された群管理装置である。

【００３４】上記のように構成されたエレベーターの群
管理装置において用いられるニューラルネット(10)の構
成を図２によって説明する。すなわち、ニューラルネッ
ト(10)は、入力層、中間層１、中間層２及び出力層の４
つの層から成り立っている。中間層の数は任意でよいが
図１〜図５の実施例では２つが用意されている。ニュー
ラルネット(10)に対しては、交通データ収集手段(7)か
ら収集された乗降客数のデータを入力データとし、その
ときに選択すべき交通流の特徴モードを出力データとす
る。

【００３５】この出力に現れる特徴モードとは、例えば
早朝モード、出勤モード、平常モードといったモードが
該当する。また、中間層１等の各層にはそれぞれニュー
ロンが所定数だけ存在しており、入力層、出力層のニュ
ーロン数はそれぞれ入力データ、出力データの数だけ存
在している。

【００３６】次に、群管理装置(14)の動作を図３に示す
フローチャートによって説明する。すなわち、ステップ
(ST31)で交通データ収集手段(7)により交通データを収
集する。次にステップ(ST32)により第１所定時間が経過
していなければステップ(ST31)へ戻り、経過していれば
ステップ(ST33)へ進む。この交通データは常時収集され
るものであり、例えば１分毎等の第１所定時間毎に統計
処理される。そして、ステップ(ST33)では収集された交
通データをもとにリアルタイムで交通流の判別を行う。

【００３７】次いで、ステップ(ST34)へ進んでステップ
(ST33)の交通流の判別結果をもとにエレベーターの運転
制御を行う。そして、ステップ(ST35)へ進み第２所定時
間が経過していなければステップ(ST34)へ戻り、経過し
ていればステップ(ST36)へ進む。なお、ここで言う第２
所定時間とはニューラルネット(10)を学習するための時
間間隔であり、例えば２週間等のように設定される。そ
して、ステップ(ST36)でニューラルネット(10)の学習を
行う。

【００３８】また、群管理装置(15)において、ニューラ
ルネット(10)に入力する交通データを収集するために、
建物内をゾーン分けする手順を図４によって説明する。
すなわち、ニューラルネット(10)に入力するデータは乗
降客データとすることを前述したが、かご(1)が設けら
れた昇降路に配置された各乗場、すなわち、各階床毎に
入力データを用意した場合には、膨大なメモリと演算時
間を要することになるため実用的ではない。したがっ
て、交通流が似通った複数の階床は同一ゾーンとしてデ
ータを収集することとする。

【００３９】このようにすることにより、メモリを徒に
消費することがなく、またニューラルネット(10)の精度
を低下させることもない。図４はＢ１階〜１５階の１６
階床の建物を想定したもので、図４(a)は例えばオフィ
スビルにおける朝の出勤時の交通流を判別するために、
Ｂ１階を第１ゾーン、１階を第２ゾーン、２階〜１５階
を第３ゾーンとして設定した場合である。朝の出勤時の
場合、Ｂ１階や主階床すなわち１階から上方の階へ向か
う乗客が殆どであるので、このような設定で充分であ
る。

【００４０】また、図４(b)は昼食時の交通流を判別す
るために、１５階が食堂階であれば２階〜１４階を第３
ゾーン、１５階を第４ゾーンとして設定する。このよう
に設定するとそれぞれの場合に、入力データの数は図４
(a)で ２（乗車／降車）×２（ＵＰ／ＤＯＷＮ）×３
（ゾーン）＝１２、また同様に図４(b)で ２（乗車／
降車）×２（ＵＰ／ＤＯＷＮ）×４（ゾーン）＝１６で
済むことになる。

【００４１】次に群管理装置(15)における交通データの
記憶方法を図５によって説明する。すなわち、ここで収
集統計されるデータはメモリ(13)に記憶される。そし
て、図４で述べたように建物内を所定のゾーン数に分割
してデータを収集する。また、交通データはニューラル
ネット(10)を応用してリアルタイムで第１所定時間毎に
判別するためのデータと、第２所定時間毎にニューラル
ネット(10)を学習させるためのデータの大きく分けて２
種類のタイプのデータが必要になる。

【００４２】そのため、まず１日毎に当日分のデータを
含めて所定日数分のデータを記憶するエリアを用意す
る。そして各日は例えば５分間毎にデータを統計するよ
うにし、収集される交通データはゾーン別、方向別の乗
降車負荷とする。このように記憶したデータをもとに、
例えば交通流の判別を行う場合にはその日の現在時刻近
辺のデータを使用する。それに、ニューラルネット(10)
の学習を行うときには過去の数日間収集したデータを用
いることになる。なお、必ずしも１日分の交通データを
記憶しておく必要はなく、例えば混雑時間帯のように特
定の時間帯の交通データのみを記憶するようにしてもよ
い。

【００４３】このように、ニューラルネット(10)を応用
してエレベーターの交通流判別を行うときに、ニューラ
ルネット(10)の出力をもとに交通流に適合したエレベー
ターの運転制御が行われる。したがって、建物内で発生
する多様な交通流の判別が可能となり、ニューラルネッ
トを応用して交通流を判別し、効率的に複数台のかごを
一群として管理し運転するエレベーターの群管理装置を
得ることがてきる。

【００４４】実施例２．図６〜図８は、この発明の他の
実施例を示す図で、図６はエレベーターの構成を付加し
エレベーターの群管理装置の構成を示すブロック図、図
７は図６のエレベーターの群管理装置の演算順序を説明
するタイムチャート、図８は図６のエレベーターの群管
理装置の動作を示すフローチャートである。図におい
て、図１〜図５と同符号は相当部分を示し、(16)は交通
データ収集手段(7)、交通流判別手段(8)、教師データ抽
出手段(9)、学習手段(11)及びメモリ(13)に接続されて
複数の演算手段の演算順序をコントロールするタスク管
理手段である。

【００４５】上記のように構成されたエレベーターの群
管理装置における各演算手段の演算順序を図７のタイム
チャートによって説明する。すなわち、タスクはそれぞ
れ３つに分割し、交通判別手段(8)は第１優先、学習手
段(11)は第３優先、交通データ収集手段(7)他の演算手
段は第２優先として設定する。なお、交通判別手段(8)
はリアルタイムで交通流の判別を行い、短時間に判別結
果が出力されないと制御が遅れるので第１優先と設定す
る。

【００４６】また、学習手段(11)はニューラルネット(1
0)の学習に膨大な時間を要するので、例えば交通の閑散
な夜間に行なうようにすることにより特に短時間に学習
が終了する必要もないため第３優先と設定する。このよ
うにして、各演算手段に優先順位を設けてエレベーター
の制御に影響が出ないようにしてある。

【００４７】次に、群管理装置(15)の動作を図８に示す
フローチャートによって説明する。すなわち、ステップ
(ST81)で第１優先タスクのＢＵＳＹ１フラグがオンであ
ればＥＮＤへ進み、オンでなければステップ(ST82)へ進
んでＢＵＳＹ１フラグをオンする。そして、ステップ(S
T83)へ進んで第１優先タスクの演算を行い、ステップ(S
T84)へ進みＢＵＳＹ１フラグをオフして、ステップ(ST8
5)へ進む。

【００４８】ステップ(ST85)で第２優先タスクのＢＵＳ
Ｙ２フラグがオンであればＥＮＤへ進み、オンでなけれ
ばステップ(ST86)へ進んでＢＵＳＹ２フラグをオンす
る。次いで、ステップ(ST87)へ進んで第２優先タスクの
演算を行い、ステップ(ST88)へ進みＢＵＳＹ２フラグを
オフして、ステップ(ST89)へ進み第３優先タスクの演算
を行う。

【００４９】このように、ニューラルネット(10)を応用
してエレベーターの交通流判別を行うときに、ニューラ
ルネット(10)に関する演算に優先順位をつけてニューラ
ルネット(10)の出力をもとに交通流に適合したエレベー
ターの運転制御が行われる。したがって、ニューラルネ
ット(10)の判別や学習の実行について、それぞれの優先
順位により演算を行うため、関係するコンピュータ資源
を有効に使用することができる。これにより、効率的に
複数台のかごを一群として管理し運転するエレベーター
の群管理装置を得ることがてきる。

【００５０】実施例３．図９も、この発明の他の実施例
を示す図で、図９はエレベーターの群管理装置において
交通流を判別するためのニューラルネットを示す図であ
り、図１〜図５の実施例と同様にエレベーターの群管理
装置が構成される。図９において、運転パターン毎にそ
の交通流を判別するためのニューラルネット(10)を複数
設定したものである。図９の実施例では、オフィスビル
の出勤時、昼食時、退勤時の３つの交通流に対し、それ
ぞれニューラルネットを設定した。また、これらの他に
も、例えば会議や宴会により特定の階床に交通が集中す
る場合についても、それらの交通流を判別するためのニ
ューラルネット(10)を設定することも可能である。

【００５１】このように、ニューラルネット(10)を応用
してエレベーターの交通流判別を行うときに、運転パタ
ーン毎に交通流を判別するニューラルネット(10)を設定
して、ニューラルネット(10)の出力をもとに交通流に適
合したエレベーターの運転制御が行われる。したがっ
て、ニューラルネット(10)の学習過程において必要な教
師データを、特徴モードの現れやすい交通データから抽
出できて、ニューラルネット(10)の精度を上げることが
できる。これにより、効率的に複数台のかごを一群とし
て管理し運転するエレベーターの群管理装置を得ること
がてきる。

【００５２】実施例４．図１０及び図１１も、この発明
の他の実施例を示す図で、図１０はエレベーターの構成
を付加しエレベーターの群管理装置の構成を示すブロッ
ク図、図１１は図１０のエレベーターの群管理装置の動
作を示すフローチャートである。図において、図１〜図
５と同符号は相当部分を示し、(17)は交通データ収集手
段(7)、教師データ抽出手段(9)、及びメモリ(13)に接続
されて、交通データ収集手段(7)により収集された交通
データから各時間帯において交通量がピークとなる時間
帯を検出するピーク時検出手段である。

【００５３】上記のように構成されたエレベーターの群
管理装置における処理手順を図１１に示すフローチャー
トによって説明する。すなわち、ステップ(ST111)で時
間帯ｉ及び交通量の最大値ＭＡＸを初期値化する。ここ
で言う時間帯とは例えば５分毎に設定されるものであ
る。次に、ステップ(ST112)へ進んで、時間帯ｉの交通
量をＴ(i)と設定してステップ(ST113)により交通量Ｔ
(i)が最大値ＭＡＸよりも大きければステップ(ST114)へ
進み、交通量Ｔ(i)が最大値ＭＡＸよりも小さければス
テップ(ST115)へ進む。

【００５４】そして、ステップ(ST114)で交通量Ｔ(i)及
び時間帯ｉを記憶し、ステップ(ST115)では全ての時間
帯ｉについて記憶終了でなければステップ(ST116)で時
間帯ｉを更新してステップ(ST112)へ戻り、記憶終了で
あればステップ(ST117)へ進む。ステップ(ST117)で交通
量が最大となる時間帯ｔｕから所定時間前の交通データ
を教師データとして抽出する。

【００５５】このように、ニューラルネット(10)を応用
してエレベーターの交通流判別を行うときに、各交通流
のピークとなる時間帯から所定時間前の交通データを教
師データとして設定する。したがって、ニューラルネッ
ト(10)の学習過程において必要な教師データを、特徴モ
ードの現れやすい交通データから抽出できて、ニューラ
ルネット(10)の精度を上げることができる。これによ
り、効率的に複数台のかごを一群として管理し運転する
エレベーターの群管理装置を得ることがてきる。

【００５６】実施例５．図１２も、この発明の他の実施
例を示す図で、図１２はエレベーターの群管理装置の演
算順序を説明するタイムチャートであり、図１〜図５の
実施例と同様にエレベーターの群管理装置が構成され
る。前述のとおりエレベーターの群管理装置において、
リアルタイムでニューラルネット(10)を応用して交通流
の判別を行う手段と、所定期間毎にニューラルネット(1
0)の学習を行う手段の大別して２つの手段が必要とな
る。

【００５７】この２つの手段の演算周期を説明すると、
まず交通流判別手段においては例えば１分間毎に、過去
５分間の交通データを用いて現在の交通流に対する判別
を行う。この１分間毎に判別を行う理由は、時時刻刻と
変化する交通流に追随するためである。また、学習手段
においては例えば５分間毎に収集した交通データを統計
して所定期間毎にニューラルネット(10)の学習を行う。

【００５８】このように、ニューラルネット(10)を応用
してエレベーターの交通流判別を行うときに、判別する
演算周期と学習する演算周期を分けてニューラルネット
(10)の出力をもとに交通流に適合したエレベーターの運
転制御が行われる。したがって、建物内で発生する交通
流の変化に追随することができ、効率的に複数台のかご
を一群として管理し運転するエレベーターの群管理装置
を得ることがてきる。

【００５９】実施例６．図１３〜図１５も、この発明の
他の実施例を示す図で、図１３はエレベーターの構成を
付加しエレベーターの群管理装置の構成を示すブロック
図、図１４は図１３のエレベーターの群管理装置の演算
に使用するファジー量を表すメンバーシップ関数を示す
グラフ、図１５は図１３のエレベーターの群管理装置の
動作を示すフローチャートである。図において、図１〜
図５と同符号は相当部分を示し、(18)は運転制御手段
(4)に接続されて現在時刻における建物内交通に対する
エレベーターの余裕度を計測するサービス状況計測手段
である。

【００６０】上記のように構成されたエレベーターの群
管理装置において、ファジー理論を応用してエレベータ
ーの制御を行う手順を説明する。すなわち、ニューラル
ネット(10)を用いて交通流の判別を行った後に、その交
通流に見合ったエレベーターの運転制御を行う必要があ
る。例えばニューラルネット(10)により現在時刻は出勤
時運転を選択すべきであるとの出力がある場合に、運転
パターン選択手段(12)により出勤時運転が選択される。

【００６１】このときに通常、乗降の主階床に対して複
数台のエレベーターが配当されることになるが、このエ
レベーターの配当にあたってファジー理論を応用する。
ここで用いるファジールールはＩＦ−ＴＨＥＮ形式で記
述されるものであり、条件部、すなわちＩＦ部にあいま
いな表現を含んだ条件が記述され、また実行部、すなわ
ちＴＨＥＮ部にはその実行手順が記述されたものであ
る。

【００６２】このように記述されたファジールールを複
数種用意しておく。このファジールールの記述例とし
て、例えば以下のようなルールが考えられる。すなわ
ち、 〔ルールｎ〕 ＩＦ（（主階床にかご(1)が存在している時間の比率が
低い）ａｎｄ（主階床から乗客が乗らずに出発した回数
が少ない）ａｎｄ（主階床よりも上の階床でかご(1)が
戸閉待機している時間の比率が高い）） ＴＨＥＮ（主階床へのエレベーターの配当台数を１台増
やす）

【００６３】このルールの中で用いられるファジー量を
表すメンバーシップ関数は図１４に示すような形にな
る。図１４(a)はルールｎの条件部中、１番目の条件を
表すメンバーシップ関数であり、また図１４(b)は３番
目の条件を表すメンバーシップ関数である。ここで記述
したルールはエレベーターの配当台数を増やすためのも
のであるが、逆に配当台数を減らしたり、配当のタイミ
ングを制御するルールも当然記述することができる。

【００６４】次に、群管理装置(15)の動作を図１５に示
すフローチャートによって説明する。すなわち、ステッ
プ(ST151)でルールのカウンタｉ、ファジー量の最大値
ＭＡＸを初期化する。そして、ステップ(ST152)へ進み
ルールｉの条件部のファジー量を演算しＦ（ｉ）とす
る。そして、ステップ(ST153)へ進んでＦ（ｉ）が最大
値ＭＡＸよりも大きければステップ(ST154)へ進み、最
大値ＭＡＸを更新する。また、ステップ(ST153)でＦ
（ｉ）が最大値ＭＡＸよりも小さければステップ(ST15
5)へ進む。

【００６５】そして、ステップ(ST155)で全てのルール
についてカウンタｉが終了していなければステップ(ST1
56)でカウンタｉを更新してステップ(ST152)へ戻る。ま
た、全てのルールについてカウンタｉが終了していれ
ば、ステップ(ST157)へ進みルールｍｕの実行部を実行
する。このような手順に従ってエレベーターの制御が行
われ、エレベーターの配当台数やエレベーターの配当タ
イミングがコントロールされる。

【００６６】このように、ニューラルネット(10)を応用
してエレベーターの交通流判別を行うときに、ニューラ
ルネット(10)の判別結果をもとにファジー理論を応用し
てエレベーターの複数台制御を行う。すなわち、例えば
ファジールールとしてＩＦ−ＴＨＥＮ形式で記述され、
また条件部、すなわちＩＦ部にあいまいな表現を含んだ
条件が記述され、実行部、すなわちＴＨＥＮ部にはその
実行手順が記述される。このようなルールによりエレベ
ーターの配当台数を増減したり、配当のタイミングを調
整する制御が行われる。したがって、効率的に複数台の
かごを一群として管理し運転するエレベーターの群管理
装置を得ることがてきる。

【００６７】実施例７．図１６及び図１７も、この発明
の他の実施例を示す図で、図１６はエレベーターの群管
理装置のニューラルネットの構成図、図１７は図１６の
エレベーターの群管理装置の動作を示すフローチャート
であり、図１〜図５の実施例と同様にエレベーターの群
管理装置が構成される。図において、(19)は前述の図２
のニューラルネット(10)の出力部にフィルタリング手段
(20)が付加されたニューラルネットである。

【００６８】上記のように構成されたエレベーターの群
管理装置において、フィルタリング手段(20)で出力され
るデータとしてｎ個の特徴モードの他に判別不能、特定
不能の２つのモードが追加されている。このフィルタリ
ング手段(20)には予めしきい値を設けておき、各ニュー
ロンからの出力に対してどのニューロンからの出力もし
きい値を越えない場合は判別不能として出力し、複数の
ニューロンからの出力がしきい値を越えているときは特
定不能として出力する。これにより、もしニューラルネ
ット(19)がうまく構成されずに出力が不明確な場合でも
間違った制御をしなくても済むようになる。

【００６９】次に、図１６及び図１７の実施例に対応し
た群管理装置の動作を図１７に示すフローチャートによ
って説明する。ここでは、ニューラルネット(19)を学習
するために必要な教師データを抽出する手段を説明す
る。この教師データ抽出手段(9)は学習手段(11)と同様
に所定期間毎に、例えば２週間毎に実行される。すなわ
ち、ステップ(ST171)で日ｉと最小値ＭＩＮを初期化し
てステップ(ST172)へ進み、ｉ日目の交通データに対し
てニューラルネット(19)に判別を行わせる。

【００７０】次いで、ステップ(ST173)へ進み判別不
能、特定不能を出力した回数Ｕｎ（ｉ）をカウントして
ステップ(ST174)へ進んで最小値ＭＩＮよりも回数Ｕｎ
（ｉ）が小さければステップ(ST175)へ進み、最小値Ｍ
ＩＮよりも回数Ｕｎ（ｉ）が大きければステップ(ST17
6)へ進む。そして、ステップ(ST175)で最小値ＭＩＮを
更新し、ステップ(ST176)では全ての日ｉが終了してい
ればステップ(ST178)へ進み、全ての日ｉが終了してい
なければステップ(ST177)へ進んで日ｉを更新して(ST17
2)へ戻る。

【００７１】ステップ(ST178)において、判別不能、特
定不能を出力した回数が最も小さくなる日ｃｎの交通デ
ータを抽出する。これによって、交通流がはっきりと現
れる日の交通データから教師データを抽出することがで
き、精度の高いニューラルネット(19)を構成することが
できる。

【００７２】このように、ニューラルネット(19)を応用
してエレベーターの交通流判別を行うときに、判別不能
や特定不能が少なくなる日の交通データを優先して教師
データが設定される。これにより、万一ニューラルネッ
ト(19)からの出力が明確に現れない場合でもエレベータ
ーに影響を与えずに制御することがが可能となる。した
がって、効率的に複数台のかごを一群として管理し運転
するエレベーターの群管理装置を得ることがてきる。

【００７３】実施例８．図１８及び図１９も、この発明
の他の実施例を示す図で、図１８はエレベーターの構成
を付加しエレベーターの群管理装置の構成を示すブロッ
ク図、図１９は図１８のエレベーターの群管理装置にお
けるモニタリング手段の表示画面例を示す図である。図
において、図１〜図５と同符号は相当部分を示し、(21)
は運転制御手段(4)に接続されて群管理装置(15)と外部
機器との通信を行う外部通信手段、(22)は外部通信手段
(21)に接続されてニューラルネット(10)の学習経過や判
別結果を表示するモニタリング手段である。なお、モニ
タリング手段(22)は例えばエレベーターの保守ツールや
運転モードを変更するためのツールとして一般的に使用
されるラップトップタイプのパソコンで実現することが
できる。

【００７４】上記のように構成されたエレベーターの群
管理装置において、例えば図１９に示すような画面出力
が考えられる。すなわち、図１９の右半分はニューラル
ネット(10)の構成をイラストレーションとして表示した
ものである。この場合ニューロン間の結合度の強さやニ
ューロンの重みによって線の太さを変えたり、ニューロ
ンの濃度を変えたりするようにする。また、図１９の左
上部のグラフは時間帯毎の乗客の変動を、図１９の左中
部はニューラルネット(10)によって判別した特徴モード
の出力度合いを、図１９の左下部はエレベーターの配当
台数の変動をそれぞれ表示するようにする。

【００７５】このように、ニューラルネット(10)を応用
してエレベーターの交通流判別を行うときに、モニタリ
ング手段(22)により判別結果や学習結果が外部に表示さ
れるので、容易に群管理状況を監視することができ、群
管理状況適正化のための適宜な対応処置を行うことがで
きる。したがって、効率的に複数台のかごを一群として
管理し運転するエレベーターの群管理装置を得ることが
てきる。

【００７６】実施例９．図２０も、この発明の他の実施
例を示す図で、エレベーターの構成を付加しエレベータ
ーの群管理装置の構成を示すブロック図である。図にお
いて、図１〜図５と同符号は相当部分を示し、(21)は運
転制御手段(4)に接続されて群管理装置(15)と外部機器
との通信を行う外部通信手段、(23)は外部通信手段(21)
に接続されてエレベーターに対して各種の予約情報を入
力することができる予約情報入力手段で、ラップトップ
タイプのパソコンが使用される。

【００７７】上記のように構成されたエレベーターの群
管理装置において、予約情報入力手段(23)を用いてニュ
ーラルネット(10)により自動的に運転パターンを選択す
ることができる。そして、エレベーターの管理者によっ
ては自分の好みに合わせて運転パターンを選択したい場
合がある。このようなときにはニューラルネット(10)の
判別結果よりも予約情報を優先するように、好みに合わ
せて入力された時間通りに運転パターンが運転パターン
選択手段(12)によって選択される。なお、予約情報入力
手段(23)は、例えばＣＲＴタイプの監視盤や、ビル管理
システムからの入力によっても構成することができる。

【００７８】このように、ニューラルネット(10)を応用
してエレベーターの交通流判別を行うときに、予約情報
入力手段(23)によって予約情報が入力され、この場合は
予約情報を優先してエレベーターが群管理される。この
ため、エレベーターの管理者の判断による予約に合わせ
て運転パターンを選択することができる使い勝手のよい
群管理装置となる。したがって、効率的に複数台のかご
を一群として管理し運転するエレベーターの群管理装置
を得ることがてきる。

【００７９】

【発明の効果】この発明は以上説明したように、複数台
のかごの運行を制御する制御手段及び全てのかごを一群
として管理し運転制御する運転制御手段と、乗場で発生
する呼びに対して所定の評価方法に基づき割当かごを決
定する呼び割当手段とを設け、また建物内で発生する交
通データを収集する交通データ収集手段から求められる
交通流に対してニューラルネットを応用して判別を行う
交通流判別手段を設け、また交通流判別手段から収集さ
れる交通データを基にニューラルネットを学習させるた
めに必要な教師データを基にしてニューラルネットを学
習させる学習手段を設け、また運転制御手段に接続され
たタイマ及び少なくとも交通データ、教師データ、ニュ
ーラルネットを構成する情報を記憶するメモリを設け、
また交通流判別手段からの出力を基に交通流に対応する
運転パターンを選択する運転パターン選択手段を設けた
ものである。

【００８０】これによって、ニューラルネットを応用し
てエレベーターの交通流判別を行うときに、ニューラル
ネットの出力をもとに交通流に適合したエレベーターの
運転制御が行われる。したがって、建物内で発生する多
様な交通流の判別が可能となり、ニューラルネットを応
用して交通流を判別し、複数台のかごを一群として管理
し運転するエレベーターの群管理装置の管理機能を効率
化する効果がある。

【００８１】また、この発明は以上説明したように、複
数台のかごを一群として管理運転するエレベーターの群
管理装置に、建物内で発生する交通データを収集する交
通データ収集手段から求められる交通流に対してニュー
ラルネットを応用して判別を行う交通流判別手段を設
け、また交通流判別手段から収集される交通データを基
にニューラルネットを学習させるために必要な教師デー
タを基にしてニューラルネットを学習させる学習手段を
設け、また交通流判別手段を第１優先の演算手段とし、
学習手段を第３優先の演算手段とし、交通流判別手段及
び学習手段の他の演算手段を第２優先の演算手段とする
順位に従って各演算手段の動作を管理するタスク管理手
段を設けたものである。

【００８２】これによって、ニューラルネットを応用し
てエレベーターの交通流判別を行うときに、タスク管理
手段により優先順位をつけてニューラルネットに関する
演算を行い、ニューラルネットの出力をもとに交通流に
適合したエレベーターの運転制御が行われる。したがっ
て、ニューラルネットの判別や学習の実行について、そ
れぞれの優先順位により演算を行う。このため関係する
コンピュータ資源を有効に使用することができ、複数台
のかごを一群として管理し運転するエレベーターの群管
理装置の管理機能を効率化する効果がある。

【００８３】また、この発明は以上説明したように、複
数台のかごを一群として管理運転するエレベーターの群
管理装置に、建物内で発生する交通データを収集する交
通データ収集手段から求められる交通流に対してニュー
ラルネットを応用して判別を行う交通流判別手段を設
け、また交通流判別手段から収集される交通データを基
にニューラルネットを学習させるために必要な教師デー
タを基にしてニューラルネットを学習させる学習手段を
設け、また交通流判別手段からの出力を基に交通流に対
応する運転パターンを選択する運転パターン選択手段及
び運転パターン毎の交通流を判別するための複数のニュ
ーラルネットを記憶するメモリを設けたものである。

【００８４】これによって、ニューラルネットを応用し
てエレベーターの交通流判別を行うときに、運転パター
ン毎に交通流を判別する複数のニューラルネットが設け
られて、これらのニューラルネットの出力をもとに交通
流に適合したエレベーターの運転制御が行われる。した
がって、ニューラルネットの学習過程において必要な教
師データを、特徴モードの現れやすい交通データから抽
出できて、ニューラルネットの精度を上げることができ
る。これにより、複数台のかごを一群として管理し運転
するエレベーターの群管理装置の管理機能を効率化する
効果がある。

【００８５】また、この発明は以上説明したように、複
数台のかごを一群として管理運転するエレベーターの群
管理装置に、建物内で発生する交通データを収集する交
通データ収集手段から求められる交通流に対してニュー
ラルネットを応用して判別を行う交通流判別手段を設
け、また交通データ収集手段により収集された交通デー
タから交通量のピークとなる時間帯を検出するピーク時
検出手段を設け、またピーク時検出手段により検出され
たピーク時間から所定時間前の連続した交通データを教
師データとして抽出する教師データ抽出手段及び教師デ
ータを基にニューラルネットを学習させる学習手段を設
けたものである。

【００８６】これによって、ニューラルネットを応用し
てエレベーターの交通流判別を行うときに、交通がピー
クとなる時間帯から所定時間前の連続した交通データに
より教師データが抽出されて、この教師データを基にニ
ューラルネットが学習され、交通流に適合したエレベー
ターの運転制御が行われる。したがって、ニューラルネ
ットの学習過程において必要な教師データを、特徴モー
ドの現れやすい交通データから抽出できて、ニューラル
ネットの精度を上げることができる。これにより、複数
台のかごを一群として管理し運転するエレベーターの群
管理装置の管理機能を効率化する効果がある。

【００８７】また、この発明は以上説明したように、複
数台のかごを一群として管理運転するエレベーターの群
管理装置に、建物内で発生する交通データを第１の時間
間隔で収集する交通データ収集手段から求められる交通
流に対して、第１の時間間隔よりも短い第２の時間間隔
でニューラルネットを応用して判別を行う交通流判別手
段を設け、また交通データ収集手段により収集された交
通データを基に、ニューラルネットを学習させるために
必要な教師データを抽出する教師データ抽出手段及び教
師データを基にニューラルネットを学習させる学習手段
を設けたものである。

【００８８】これによって、ニューラルネットを応用し
てエレベーターの交通流判別を行うときに、判別する演
算周期と学習する演算周期とが分けて行われて、交通流
に適合したエレベーターの運転制御が行われる。したが
って、建物内で発生する交通流の変化に容易に追随する
ことができ、複数台のかごを一群として管理し運転する
エレベーターの群管理装置の管理機能を効率化する効果
がある。

【００８９】また、この発明は以上説明したように、複
数台のかごを一群として管理運転するエレベーターの群
管理装置に、建物内で発生する交通データを収集する交
通データ収集手段から求められる交通流に対してニュー
ラルネットを応用して判別を行う交通流判別手段を設
け、また交通データ収集手段により収集された交通デー
タを基にニューラルネットを学習させるために必要な教
師データを抽出する教師データ抽出手段及び教師データ
を基にニューラルネットを学習させる学習手段を設け、
また交通流判別手段からの出力を基に交通流に対応する
運転パターンを選択する運転パターン選択手段及び各か
ごの建物内サービス状況に対する余裕度を計測するサー
ビス状況計測手段を設け、また余裕度を基にして運転パ
ターン選択手段により選択された運転パターンにおける
各かごの制御をファジー理論を応用して行う運転制御手
段を設けたものである。

【００９０】これによって、ニューラルネットを応用し
てエレベーターの交通流判別を行うときに、ニューラル
ネットの判別結果をもとにファジー理論を応用してエレ
ベーターの複数台制御が行われて、交通流に適合したエ
レベーターの運転制御が行われる。すなわち、ファジー
ルールによりエレベーターの配当台数を増減したり、配
当のタイミングを調整する制御が行われる。したがっ
て、複数台のかごを一群として管理し運転するエレベー
ターの群管理装置の管理機能を効率化する効果がある。

【００９１】また、この発明は以上説明したように、複
数台のかごを一群として管理運転するエレベーターの群
管理装置に、建物内で発生する交通データを収集する交
通データ収集手段から求められる交通流に対してニュー
ラルネットを応用して判別を行う交通流判別手段を設
け、またニューラルネットからの出力結果が明確に現れ
ない場合は判別不能及び特定不能のいずれかとして出力
するフィルタリング手段及び交通データ収集手段により
所定期間にわたって収集された交通データを基に収集日
毎にニューラルネットに対して判別を行い判別不能及び
特定不能のいずれかを出力した回数が最も少なくなる日
の交通データを教師データとして抽出する教師データ抽
出手段を設け、また教師データを基にニューラルネット
を学習させる学習手段及び交通流判別手段からの出力を
基に交通流に対応する運転パターンを選択する運転パタ
ーン選択手段を設けたものである。

【００９２】これによって、ニューラルネットを応用し
てエレベーターの交通流判別を行うときに、判別不能や
特定不能のいずれかが少なくなる日の交通データを優先
し、これを教師データとしてニューラルネットを学習
し、交通流に適合したエレベーターの運転制御が行われ
る。したがって、ニューラルネットからの出力が明確に
現れない場合でもエレベーターに影響を与えずに制御す
ることができる。これにより、複数台のかごを一群とし
て管理し運転するエレベーターの群管理装置の管理機能
を効率化する効果がある。

【００９３】また、この発明は以上説明したように、複
数台のかごを一群として管理運転するエレベーターの群
管理装置に、建物内で発生する交通データを収集する交
通データ収集手段から求められる交通流に対してニュー
ラルネットを応用して判別を行う交通流判別手段を設
け、また交通データ収集手段により収集された交通デー
タを基にニューラルネットを学習させるために必要な教
師データを抽出する教師データ抽出手段及び教師データ
を基にニューラルネットを学習させる学習手段を設け、
また交通流判別手段からの出力を基に交通流に対応する
運転パターンを選択する運転パターン選択手段及び群管
理装置と外部機器との接続を可能にする外部通信手段を
設け、またニューラルネットの判別状況及び学習状況の
少なくとも一方を外部機器に表示するモニタリング手段
を設けたものである。

【００９４】これよって、ニューラルネットを応用して
エレベーターの交通流判別を行い、モニタリング手段に
より判別結果や学習結果が外部装置に表示される。した
がって、容易に群管理状況を監視することができ、群管
理状況適正化のための適宜な対応処置を行うことができ
る。これにより、複数台のかごを一群として管理し運転
するエレベーターの群管理装置の管理機能を効率化する
効果がある。

【００９５】また、この発明は以上説明したように、複
数台のかごを一群として管理運転するエレベーターの群
管理装置に、建物内で発生する交通データを収集する交
通データ収集手段から求められる交通流に対してニュー
ラルネットを応用して判別を行う交通流判別手段を設
け、また交通データ収集手段により収集された交通デー
タを基にニューラルネットを学習させるために必要な教
師データを抽出する教師データ抽出手段及び教師データ
を基にニューラルネットを学習させる学習手段を設け、
また外部からの予約情報を入力する予約情報入力手段か
ら入力された予約情報を記憶するメモリ及び予約情報の
入力により交通流判別手段からの出力よりも予約情報を
優先して運転パターンを選択する運転パターン選択手段
を設けたものである。

【００９６】これによって、ニューラルネットを応用し
てエレベーターの交通流判別を行うときに、予約情報が
入力された場合は予約を優先して運転パターンが選択さ
れ、交通流に適合したエレベーターの運転制御が行われ
る。したがって、エレベーターの管理者の判断による予
約に合わせて運転パターンを選択することができる使い
勝手のよい群管理装置となる。これにより、複数台のか
ごを一群として管理し運転するエレベーターの群管理装
置の管理機能を効率化する効果がある。

【図面の簡単な説明】

【図１】この発明の実施例１を示す図で、エレベーター
の構成を付加しエレベーターの群管理装置の構成を示す
ブロック図。

【図２】図１のエレベーターの群管理装置のニューラル
ネットの構成図。

【図３】図１のエレベーターの群管理装置の動作を示す
フローチャート。

【図４】図１のエレベーターの群管理装置における建物
内のゾーン分け状態の説明図。

【図５】図１のエレベーターの群管理装置における交通
データの記憶状態の説明図。

【図６】この発明の実施例２を示す図で、エレベーター
の構成を付加しエレベーターの群管理装置の構成を示す
ブロック図。

【図７】図６のエレベーターの群管理装置の演算順序を
説明するタイムチャート。

【図８】図６のエレベーターの群管理装置の動作を示す
フローチャート。

【図９】この発明の実施例３を示す図で、エレベーター
の群管理装置において交通流を判別するためのニューラ
ルネットを示す図。

【図１０】この発明の実施例４を示す図で、エレベータ
ーの構成を付加しエレベーターの群管理装置の構成を示
すブロック図。

【図１１】図１０のエレベーターの群管理装置の動作を
示すフローチャート。

【図１２】この発明の実施例５を示す図で、エレベータ
ーの群管理装置の演算順序を説明するタイムチャート。

【図１３】この発明の実施例６を示す図で、エレベータ
ーの構成を付加しエレベーターの群管理装置の構成を示
すブロック図。

【図１４】図１３のエレベーターの群管理装置の演算に
使用するファジー量を表すメンバーシップ関数を示すグ
ラフ。

【図１５】図１３のエレベーターの群管理装置の動作を
示すフローチャート。

【図１６】この発明の実施例７を示す図で、エレベータ
ーの群管理装置のニューラルネットの構成図。

【図１７】図１６のエレベーターの群管理装置の動作を
示すフローチャート。

【図１８】この発明の実施例８を示す図で、エレベータ
ーの構成を付加しエレベーターの群管理装置の構成を示
すブロック図。

【図１９】図１８のエレベーターの群管理装置における
モニタリング手段の表示画面例を示す図。

【図２０】この発明の実施例９を示す図で、エレベータ
ーの構成を付加しエレベーターの群管理装置の構成を示
すブロック図。

【符号の説明】

１ かご、３ 制御手段、４ 運転制御手段、６ 呼び
割当手段、７ 交通データ収集手段、８ 交通流判別手
段、９ 教師データ抽出手段、１０ ニューラルネッ
ト、１１ 学習手段、１２ 運転パターン選択手段、１
３ メモリ、１４タイマ、１５ 群管理装置、１６ タ
スク管理手段、１７ ピーク時検出手段、１８ サービ
ス状況計測手段、１９ ニューラルネット、２０ フィ
ルタリング手段、２１ 外部通信手段、２２ モニタリ
ング手段、２３ 予約情報入力手段。

Claims (9)

【特許請求の範囲】
1. 【請求項１】 複数台のかごそれぞれの運行を制御する
   制御手段と、全ての上記かごを一群として管理し運転制
   御する運転制御手段と、上記かごに対応して設けられた
   乗場で発生する呼びに対して所定の評価方法に基づき割
   当かごを決定する呼び割当手段と、上記かごが設けられ
   た建物内で発生する交通データを収集する交通データ収
   集手段と、この交通データ収集手段から求められる交通
   流に対してニューラルネットを応用して判別を行う交通
   流判別手段と、この交通流判別手段から収集される交通
   データを基に上記ニューラルネットを学習させるために
   必要な教師データを抽出する教師データ抽出手段と、上
   記教師データを基に上記ニューラルネットを学習させる
   学習手段と、上記運転制御手段に接続されて時刻を計測
   するタイマと、少なくとも上記交通データ、教師データ
   及びニューラルネットを構成する情報を記憶するメモリ
   と、上記交通流判別手段からの出力を基に上記交通流に
   対応する運転パターンを選択する運転パターン選択手段
   とを備えたエレベーターの群管理装置。
2. 【請求項２】 複数台のかごを一群として管理運転する
   エレベーターの群管理装置において、上記かごが設けら
   れた建物内で発生する交通データを収集する交通データ
   収集手段と、この交通データ収集手段から求められる交
   通流に対してニューラルネットを応用して判別を行う交
   通流判別手段と、この交通流判別手段から収集される交
   通データを基に上記ニューラルネットを学習させるため
   に必要な教師データを抽出する教師データ抽出手段と、
   上記教師データを基に上記ニューラルネットを学習させ
   る学習手段と、上記交通流判別手段を第１優先の演算手
   段とし、上記学習手段を第３優先の演算手段とし、上記
   交通流判別手段及び学習手段の他の演算手段を第２優先
   の演算手段とする順位に従って各上記演算手段の動作を
   管理するタスク管理手段とを備えたことを特徴とするエ
   レベーターの群管理装置。
3. 【請求項３】 複数台のかごを一群として管理運転する
   エレベーターの群管理装置において、上記かごが設けら
   れた建物内で発生する交通データを収集する交通データ
   収集手段と、この交通データ収集手段から求められる交
   通流に対してニューラルネットを応用して判別を行う交
   通流判別手段と、この交通流判別手段から収集される交
   通データを基に上記ニューラルネットを学習させるため
   に必要な教師データを抽出する教師データ抽出手段と、
   上記教師データを基に上記ニューラルネットを学習させ
   る学習手段と、上記交通流判別手段からの出力を基に上
   記交通流に対応する運転パターンを選択する運転パター
   ン選択手段と、上記運転パターン毎の交通流を判別する
   ための複数のニューラルネットを記憶するメモリとを備
   えたことを特徴とするエレベーターの群管理装置。
4. 【請求項４】 複数台のかごを一群として管理運転する
   エレベーターの群管理装置において、上記かごが設けら
   れた建物内で発生する交通データを収集する交通データ
   収集手段と、この交通データ収集手段から求められる交
   通流に対してニューラルネットを応用して判別を行う交
   通流判別手段と、上記交通データ収集手段により収集さ
   れた交通データから交通量のピークとなる時間帯を検出
   するピーク時検出手段と、このピーク時検出手段により
   検出されたピーク時間から所定時間前の連続した交通デ
   ータを教師データとして抽出する教師データ抽出手段
   と、上記教師データを基に上記ニューラルネットを学習
   させる学習手段とを備えたことを特徴とするエレベータ
   ーの群管理装置。
5. 【請求項５】 複数台のかごを一群として管理運転する
   エレベーターの群管理装置において、上記かごが設けら
   れた建物内で発生する交通データを第１の時間間隔で収
   集する交通データ収集手段と、この交通データ収集手段
   から求められる交通流に対して上記第１の時間間隔より
   も短い第２の時間間隔でニューラルネットを応用して判
   別を行う交通流判別手段と、上記交通データ収集手段に
   より収集された交通データを基に上記ニューラルネット
   を学習させるために必要な教師データを抽出する教師デ
   ータ抽出手段と、上記教師データを基に上記ニューラル
   ネットを学習させる学習手段とを備えたことを特徴とす
   るエレベーターの群管理装置。
6. 【請求項６】 複数台のかごを一群として管理運転する
   エレベーターの群管理装置において、上記かごが設けら
   れた建物内で発生する交通データを収集する交通データ
   収集手段と、この交通データ収集手段から求められる交
   通流に対してニューラルネットを応用して判別を行う交
   通流判別手段と、上記交通データ収集手段により収集さ
   れた交通データを基に上記ニューラルネットを学習させ
   るために必要な教師データを抽出する教師データ抽出手
   段と、上記教師データを基に上記ニューラルネットを学
   習させる学習手段と、上記交通流判別手段からの出力を
   基に上記交通流に対応する運転パターンを選択する運転
   パターン選択手段と、各上記かごの上記建物内サービス
   状況に対する余裕度を計測するサービス状況計測手段
   と、上記余裕度を基にして上記運転パターン選択手段に
   より選択された運転パターンにおける上記各かごの制御
   をファジー理論を応用して行う運転制御手段とを備えた
   ことを特徴とするエレベーターの群管理装置。
7. 【請求項７】 複数台のかごを一群として管理運転する
   エレベーターの群管理装置において、上記かごが設けら
   れた建物内で発生する交通データを収集する交通データ
   収集手段と、この交通データ収集手段から求められる交
   通流に対してニューラルネットを応用して判別を行う交
   通流判別手段と、上記ニューラルネットからの出力結果
   が明確に現れない場合は判別不能及び特定不能のいずれ
   かとして出力するフィルタリング手段と、上記交通デー
   タ収集手段により所定期間にわたって収集された交通デ
   ータを基に収集日毎に上記ニューラルネットに対して判
   別を行い上記判別不能及び特定不能のいずれかを出力し
   た回数が最も少なくなる日の交通データを教師データと
   して抽出する教師データ抽出手段と、上記教師データを
   基に上記ニューラルネットを学習させる学習手段と、上
   記交通流判別手段からの出力を基に上記交通流に対応す
   る運転パターンを選択する運転パターン選択手段とを備
   えたことを特徴とするエレベーターの群管理装置。
8. 【請求項８】 複数台のかごを一群として管理運転する
   エレベーターの群管理装置において、上記かごが設けら
   れた建物内で発生する交通データを収集する交通データ
   収集手段と、この交通データ収集手段から求められる交
   通流に対してニューラルネットを応用して判別を行う交
   通流判別手段と、上記交通データ収集手段により収集さ
   れた交通データを基に上記ニューラルネットを学習させ
   るために必要な教師データを抽出する教師データ抽出手
   段と、上記教師データを基に上記ニューラルネットを学
   習させる学習手段と、上記交通流判別手段からの出力を
   基に上記交通流に対応する運転パターンを選択する運転
   パターン選択手段と、上記群管理装置と外部機器との接
   続を可能にする外部通信手段と、上記ニューラルネット
   の判別状況及び学習状況の少なくとも一方を上記外部機
   器に表示するモニタリング手段とを備えたことを特徴と
   するエレベーターの群管理装置。
9. 【請求項９】 複数台のかごを一群として管理運転する
   エレベーターの群管理装置において、上記かごが設けら
   れた建物内で発生する交通データを収集する交通データ
   収集手段と、この交通データ収集手段から求められる交
   通流に対してニューラルネットを応用して判別を行う交
   通流判別手段と、上記交通データ収集手段により収集さ
   れた交通データを基に上記ニューラルネットを学習させ
   るために必要な教師データを抽出する教師データ抽出手
   段と、上記教師データを基に上記ニューラルネットを学
   習させる学習手段と、外部からの予約情報を入力する予
   約情報入力手段と、この予約情報入力手段から入力され
   た予約情報を記憶するメモリと、上記予約情報の入力に
   より上記交通流判別手段からの出力よりも上記予約情報
   を優先して運転パターンを選択する運転パターン選択手
   段とを備えたことを特徴とするエレベーターの群管理装
   置。