JP3042916B2

JP3042916B2 - 群管理エレベータ制御における確率判定機能を備えた運行の予測制御装置

Info

Publication number: JP3042916B2
Application number: JP3259684A
Authority: JP
Inventors: カメリネイダー
Original assignee: Otis Elevator Co
Current assignee: Otis Elevator Co
Priority date: 1990-09-11
Filing date: 1991-09-11
Publication date: 2000-05-22
Anticipated expiration: 2015-05-22
Also published as: US5272288A; JPH04256670A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、エレベータの制御装
置に関するもので、リアルタイムの時間帯毎の交通量予
測に基づいて運行及びエレベータへのホール呼びの割当
を予測制御する予測制御装置に関するものである。特
に、本発明は、一日の中の時間帯毎のエレベータに記録
された履歴データベースの交通量変動、曜日毎の交通量
変動データ及び交通量予測に応じた重み付け因子を組み
合わせて使用して複数のエレベータの群管理を行う予測
制御装置に関するものである。さらに、本発明は、履歴
データベースに記録されている履歴データの正確度を、
予測制御に使用する前に判定して、所定以上の確率で交
通量予測を可能とする予測制御装置に関するものであ
る。

【０００２】

【従来の技術】人間は、行動を習慣化する性癖があり、
このため、多くの場合、その日常的な行動はいわば”プ
ログラム”されている周期的な反復行動となり、日常的
にほぼ同一の時刻に同一の行動をしている。

【０００３】本発明においては、この基本的な仮定に基
づいて、エレベータの運行、制御をより人間的に行うこ
とを意図するものである。エレベータは通常、人間によ
って占有される建築物に設置されるもので、人間の行動
は前記したように周期的に行われるので、こうした周期
的に生じる交通量変化を把握して建築物内の人口流動に
応じてエレベータの制御を行えば、より円滑なサービス
が可能となる。

【０００４】ここで、本発明における制御を行うため
に、二つの制御因子が考慮される。まず、第一は、人間
の日常的な反復行動である。一般的な個人の生活パター
ンとして、朝起床してからオフィスにおいて勤務に付く
までの行動は、ほぼ一定のパターンをほぼ同一の時刻に
反復していると考えることが出来る。特に、出勤時間帯
におけるこうした日常的にパターン化された行動は、数
分の時間的な誤差はあるにしてもほぼ一定の時間に行わ
れている。こうした日常的な行動のパターン化は、出勤
時間帯ばかりではなく、昼休み時間帯、退社時間帯にも
見られる。これをエレベータに関して考えると、二つの
大きな因子が考えられる。

【０００５】第一は、一日の中の時間帯に応じた人間の
行動パターンであり、もう一つは曜日による行動パター
ンの変化である。即ち、オフィスへの出勤、昼休み、退
出といった日常的にほぼ一定の時刻に起きる交通量の変
動因子が前者の因子であり、定例的に一定の曜日に行わ
れるセミナー、ミーティングといった曜日による交通量
の変動因子が後者の因子である。

【０００６】また、人間の行動は社会生活に常に影響さ
れており、従ってその行動は社会生活の影響をうける。
こうした社会生活の影響による人間の行動にも二つの因
子が考えられる。即ち、異なる階床で働いている同僚、
友人と懇談するために階床を移動するとか、仕事の都合
上、上司又は他の職場の関連する作業を行っている作業
者との打ち合わせのために階床を移動するという、個人
が単独で社会的な行動をする場合と、例えば、プロジェ
クトのミーティング、製品のデモンストレーションとい
ったグループとしての人間の移動である。また、こうし
た団体的な行動は、昼休み、退社時間等にも観察され
る。

【０００７】

【発明が解決しようとする課題】本発明は、こうした人
間の習慣的又はパターン化された行動の分析により、エ
レベータが設置される建築物における交通量変動に応じ
た制御アルゴリズムを構築して、人口の流動に即応した
エレベータの運行を行うことにより必要なときに必要な
量のエレベータによるサービスを可能にするものであ
る。さらに、本発明は交通量動向を分析するために蓄積
される運行履歴データの正確度を判定して、確率の高い
データのみを使用して予測を行うことにより、実際の交
通量変動により適合したエレベータ管理を可能とするも
のである。

【０００８】

【課題を解決するための手段】そこで本発明の第一の構
成によれば、実時間のデータと過去の交通を示す履歴デ
ータに基づいて、翌日のエレベータの運行を制御するた
めにエレベータの各制御パラメータの予測値を算出し、
該予測値に応じて多階床にサービスする複数のエレベー
タに対する呼びの割当を行うエレベータの制御装置にお
いて、一日の中の各時間帯における交通状況を示す信号
に基づいて時間帯データベースを形成するとともに、該
時間帯データベースに至近の所定の日数分の各時間帯の
交通動向を示す時間帯履歴データを格納するとともに、
これを逐次更新し、各週の各曜日における交通状況を示
す信号に基づいて、各曜日の交通量動向を示す曜日デー
タベースを形成するとともに、該曜日データベースに各
曜日に対応する所定週分の曜日履歴データを格納すると
ともに、これを逐次更新し、少なくとも前記時間帯デー
タベースの時間帯履歴データに基づく予測値と、前記曜
日データベースの曜日履歴データに基づいて算出される
予測値を組み合わせて前記制御パラメータの予測値を算
出するようにしたことを特徴とするエレベータの予測制
御方法が提供される。

【０００９】なお、前記の制御パラメータの予測値は、 P(total)= αP(rt) + βP(d) + δP(w) ここで、Ｐ（ｔｏｔａｌ）は制御パラメータの予測値、
Ｐ（ｒｔ）はリアルタイムデータの予測因子、Ｐ（ｄ）
は時間帯データベースのデータの予測因子、Ｐ（ｗ）は
曜日データベースのデータの予測因子、αはリアルタイ
ム予測因子に与えられる重み付け値、βは時間帯データ
の予測因子に与えられる重み付け値、δは曜日データの
予測因子に与えられる重み付け値であり、α＋β＋δ＝
１、によって算出することが出来る。さらに、好ましく
は、前記の重み付け値が、α＞β≧δの関係で設定す
る。

【００１０】また、前記の予測値算出に先だって、前記
時間帯及び曜日データベースに記憶された所定日数分の
データの対応する各対応するデータを所定の最小閾値と
比較して、該最小閾値を下回るデータを検出し、少なく
とも前記最小閾値に等しいデータを有する日数を算出
し、少なくとも前記所定日数の過半数に設定される所定
値以上若しくはこれを越える日数分のデータが前記最小
閾値以上となっているときに、当該所定日数分のデータ
を前記予測値の決定に使用するようにして、予測精度を
向上することが出来る。

【００１１】なお、前記予測値の算出は、エレベータが
運行されない時間帯に行うことが好ましい。

【００１２】本発明の第二の構成によれば、実時間のデ
ータと過去の交通を示す履歴データに基づいて、翌日の
エレベータの運行を制御するためにエレベータの各制御
パラメータの予測値を算出し、該予測値に応じて多階床
にサービスする複数のエレベータに対する呼びの割当を
行うエレベータの制御装置において、一日の中の各時間
帯における交通状況を示す信号に基づいて時間帯データ
ベースを形成するとともに、該時間帯データベースに至
近の所定の日数分の各時間帯の交通動向を示す時間帯履
歴データを格納するとともに、これを逐次更新するとと
もに、各週の各曜日における交通状況を示す信号に基づ
いて、各曜日の交通量動向を示す曜日データベースを形
成するとともに、該曜日データベースに各曜日に対応す
る所定週分の曜日履歴データを格納するとともに、これ
を逐次更新する記録・更新手段と、少なくとも前記時間
帯データベースの時間帯履歴データに基づく予測値と、
前記曜日データベースの曜日履歴データに基づいて算出
される予測値を組み合わせて前記制御パラメータの予測
値を算出する予測値算出手段とによって構成したことを
特徴とするエレベータの予測制御のための信号処理装置
が提供される。

【００１３】さらに、本発明の第三の構成によれば、実
時間のデータと至近の数日分の交通を示す履歴データに
基づいて、翌日のエレベータの運行を制御するためにエ
レベータの各制御パラメータの予測値を算出し、該予測
値に応じて多階床にサービスする複数のエレベータに対
する呼びの割当を行うエレベータの制御装置において、
前記履歴データに記憶された所定日数分のデータの対応
する各対応するデータを所定の最小閾値と比較して、該
最小閾値を下回るデータを検出し、少なくとも前記最小
閾値に等しいデータを有する日数を算出し、少なくとも
前記所定日数の過半数に設定される所定値以上若しくは
これを越える日数分のデータが前記最小閾値以上となっ
ているときに、当該所定日数分のデータを前記予測値の
決定に使用するようにしたことを特徴とするエレベータ
の予測制御方法が提供される。

【００１４】さらに、本発明の第四の構成によれば、実
時間のデータと至近の数日分の交通を示す履歴データに
基づいて、翌日のエレベータの運行を制御するためにエ
レベータの各制御パラメータの予測値を算出し、該予測
値に応じて多階床にサービスする複数のエレベータに対
する呼びの割当を行うエレベータの制御装置において、
前記履歴データに記憶された所定日数分のデータの対応
する各対応するデータを所定の最小閾値と比較して、該
最小閾値を下回るデータを検出し、少なくとも前記最小
閾値に等しいデータを有する日数を算出し、少なくとも
前記所定日数の過半数に設定される所定値以上若しくは
これを越える日数分のデータが前記最小閾値以上となっ
ているときに、当該所定日数分のデータを前記予測値の
決定に使用する履歴データ評価手段を設けたことを特徴
とするエレベータの予測制御装置が提供される。

【００１５】

【実施例】以下に、本発明の実施例を添付する図面を参
照しながら説明する。

【００１６】まず、本発明に関連したエレベータの制御
技術は、例えば、ビッター（Ｂｉｔｔａｒ）に１９８２
年１２月１４日付けで付与されたアメリカ特許第４，３
６３，３８１号の「相対応答式エベレータの呼び割
当」、ビッターに１９８９年３月２８日に付与されたア
メリカ特許第４，８１５，５６８号の「可変ボーナス評
価値及びペナルティ評価値によって重み付けされた相対
応答式エレベータの呼び割当」、カンダサミーサンゲ
イブル（ＫａｎｄａｓａｍｙＴｈａｎｇａｖｅｌｕ）
によって出願された発明の名称「人口知能を使用してボ
ーナス評価値及びペナルティ評価値を変化させる相対応
答エレベータ運行システム」のアメリカ特許出願第０７
／３１８，３０７号、ドノフリオ（Ｄｏｎｏｆｒｉｏ）
及びゲームズ（Ｇａｍｅｓ）に付与されたアメリカ特許
第４，３３０，８３６号の「エレベータのかご負荷検出
装置」等に開示されている。なお、上記の文献の開示内
容は、この明細書の開示の一部として援用する。

【００１７】本発明は、好ましくは、マイクロプロセッ
サを使用したエレベータの群管理制御装置に適用され
る。こうした群管理制御装置の信号処理装置は、エレベ
ータ装置の各かごとデータを交換して、複数の階床にお
いて登録された各ホール呼びに対する応答条件をそれぞ
れ算出し、各エレベータの運行状況に応じてホール呼び
の割当を行う。こうしたエレベータの群管理方式は、例
えば前記したアメリカ特許第４，３６３，３８１号の第
１図及び第２図に開示されている。

【００１８】添付図面の図１は、上記のアメリカ特許第
４，３６３，３８１号及びアメリカ特許第４，８１５，
５６８号に開示されたものと同様の群管理エレベータ装
置を示している。図１において、昇降路Ａ１及び昇降路
Ｆ２が示されている。これらの昇降路は、単に二つの昇
降路としてではなく、多数のエレベータを代表するもの
として示されている。各昇降路１，２には、かご３，４
が設けられており、それぞれ図示しないガイドレールに
案内されて、昇降路内で上下に運行される。

【００１９】各かごは、スチール製ケーブル５，６によ
り懸架されている。スチール製ケーブルは電動機、シー
ブ、制動装置を含む駆動機構７，８によって、駆動され
るとともに、案内シーブ９，１０に案内される。ケーブ
ル５，６にはさらに、カウンタウエイト１１，１２が設
けられ、かごに対するバランス重量を与えている。

【００２０】各かご３，４は、導線１３，１４により、
通常機械室内に配置されるそれぞれに対応するかご運行
制御装置１５，１６に接続されている。これらのかご運
行制御装置１５，１６は、周知の要領で、かご３，４の
運行を制御する。

【００２１】複数のかごを有するエレベータ装置におい
ては、群管理装置１７を設けることが一般的である。こ
の群管理装置１７は、各階床のホール呼びボタン１８−
２０により登録された上昇又は下降ホール呼びを受付、
これらの呼びに対する応答を各かごに割り当ててホール
呼びに対するエレベータの応答を制御するとともに、各
かごの運行位置からかごの各階床への分散状況を制御す
る。群管理制御装置１７は、複数の制御モードでの動作
が可能に構成され、その制御モードは、導線２２によっ
て群管理制御装置２１に接続されたロビーパネル（ＬＯ
ＢＰＮＬ）２１によって選択されるように構成され
る。

【００２２】かご運行制御装置１５，１６は、さらに昇
降路の機能制御も行う。例えば、上昇、下降表示ランプ
２３，２４の点灯制御は各対応するかご運行制御装置１
５，１６によって行われ、かご３，４の運行方向を各階
床に表示する。

【００２３】昇降路内のかごの位置は、主位置変換器
（ＰＰＴ）２５，２６によって検出される。これらの変
換器２５，２６は、かごに両端が連結されるとともにア
イドラスプロケット３１，３２と駆動スプロケット２
７，２８に巻回された金属帯板によって駆動される駆動
スプロケット２７，２８を介して駆動されて、かご位置
検出信号を発生する。

【００２４】同様に、主に階床停止時におけるドア制御
等に用いるとともに、主位置変換器ＰＰＴの階床位置情
報を修正するために、補助位置変換器（ＳＰＴ）３３，
３４が設けられる。なお、この補助位置変換器ＳＰＴ３
３，３４は、本発明を実施するために必須なものではな
い。また、エレベータ装置には、内側ドアゾーンスイッ
チ及び外側ドアゾーンスイッチを周知の要領で設けるこ
とが出来る。

【００２５】本発明の実施例においては、かごの機能
は、各かごに設けるかご機能制御装置３５，３６によっ
て制御される。このかご機能制御装置３５，３６は、か
ご運行制御装置１５，１６と信号の交換を行う。このか
ご機能制御装置３５，３６とかご運行制御装置１５，１
６間のデータの交換はシリアルデータの多重通信で行い
また、導線１３，１４を介しての直接交信で行うことが
出来る。かご機能制御装置３５，３６は、かご呼びボタ
ン、ドア開閉ボタン及び他の機能ボタンの操作を監視し
て各ボタンの操作情報をかご運行制御装置１５，１６に
供給するとともに、かご呼びの登録された階床ボタンの
点灯、かご内のかご位置表示等の制御を行う。

【００２６】かご機能制御装置３５，３６は、負荷重量
変換器に接続されており、この負荷重量変換器より供給
される重量データをかごの運行、及びドアの開閉制御に
使用する。なお、本発明において使用する負荷重量デー
タは前記のアメリカ特許第４，３３０，８３６号に開示
されたものである。かご機能制御装置３５，３６はさら
に、かごのドアの開閉の制御を行う。

【００２７】かご運行制御装置１５，１６、群管理制御
装置１７及びかご機能制御装置３５，３６のそれぞれを
構成するマイクロコンピュータとしては、種々の市販さ
れているコンピュータユニットを使用することが出来
る。なお、群管理制御装置１７を構成するマイクロコン
ピュータは、適当な数の入出力チャンネルと、適当なア
ドレスバス、データバス及びコントロールバス、十分な
容量のＲＡＭ及びＲＯＭ及び適当な周辺装置を備えたも
のが用いられる。本発明を実施するためのソフトウエア
構成及びその付帯的な機能は、種々の構成で実施するこ
とが可能である。

【００２８】図１の群管理制御装置の変形として、ある
種のエレベータ装置においては、１９８７年３月２３日
付けでアメリカ合衆国において出願された発明の名称
「エレベータの群管理制御のための二つの環状通信装
置」に開示されているように、各エレベータに関してそ
れぞれ分離したマイクロプロセッサによる分散制御が採
用されている。この種の群管理制御装置において、各か
ごの制御を行う各マイクロプロセッサは、動作制御サブ
システム（ＯＣＳＳ）１０１と呼ばれる。これらのＯＣ
ＳＳ１０１は二つの環状通信網１０２，１０３によって
相互にかつ環状に接続されている。各ＯＣＳＳ１０１
は、複数の他のサブシステム及び信号発生装置を有して
いる。このサブシステム及び信号発生装置に関しては以
下に詳述する。なお、図２には一つのＯＣＳＳ１０１に
のみサブシステム及び信号発生装置が示されているが、
各ＯＣＳＳ１０１に関して同様の構成が与えれられるも
のであり、図においては煩雑さを避けるために割愛され
ているものである。

【００２９】各階床に設置されたホール呼びボタン及び
表示等は、中継器１０４に接続され、さらに及びシリア
ル中継リンク１０５及びスイッチ切り替えモジュール１
０６を介してＯＣＳＳ１０１に接続されている。一方、
かごに設置する操作ボタン、表示灯及びスイッチ類は同
様に中継器１０７及びシリアルリンク１０８を介してＯ
ＣＳＳ１０１に接続されている。また、かごの運行方向
表示、かごの運行階床表示等のかご運行状況を示す情報
は中継器１０９及び中継シリアルリンク１１０を介して
ＯＣＳＳ１０１に供給される。

【００３０】かご負荷の測定結果は、ドア制御サブシス
テム（ＤＣＳＳ）１１１により周期的に読み出される。
このＤＣＳＳ１１１は、かご運行制御装置の一部を構成
している。この負荷情報は、移動制御サブシステム（Ｍ
ＣＳＳ）１１２に供給される。このＭＣＳＳ１１２もか
ご運行制御装置の一部を構成する。また、負荷情報はＯ
ＣＳＳ１０１にも供給される。ＤＣＳＳ１１１及びＭＣ
ＳＳ１１２は、ＯＣＳＳ１０１により制御されて、ドア
の開閉及びかごの移動を制御するマイクロプロセッサで
構成される。さらに、ＭＣＳＳ１１２は、駆動及び制動
サブシステム（ＤＢＳＳ）１１２Ａに接続される。

【００３１】かごの運行状況制御機能は、運行管理サブ
システム（ＡＤＳＳ）のマイクロプロセッサに制御され
るＯＣＳＳ１０１によって実行される。このため運行管
理サブシステムＡＤＳＳは情報制御サブシステム（ＩＣ
ＳＳ）１１４を介して、ＯＣＳＳ１０１に接続されてい
る。かご負荷の測定データは、ＭＣＳＳ１１２により、
乗降乗客数の変換され、ＯＣＳＳ１０１に供給される。
ＯＣＳＳ１０１は、この乗降乗客数データをＩＣＳＳ１
１４を介してＡＤＳＳ１１３に供給する。

【００３２】以下にさらに詳述するように、ＡＤＳＳ１
１３は信号処理により各階床における乗降乗客数のデー
タを収集すると、同時に各階床毎のホール呼び回数、か
ご呼び回数をデータとして収集する。このＡＤＳＳ１１
３に蓄積されたデータによってエレベータの運行履歴デ
ータベースが形成される。この運行履歴データベースに
は、従って、一日の内の時間帯毎の交通量変化及び曜日
毎の交通量変化が記録される。このデータベースに蓄積
されデータは、階床へのサービスの割当、及びエレベー
タ装置の機能性の向上に用いられる。なお、必要に応じ
てＡＤＳＳに他の情報を蓄積することも可能である。

【００３３】また、エレベータの予測制御に関する技術
に関して、１９８９年に発行された「インテリジェント
エレベータ運行装置」（ネイダーカメリ（Ｎａｄｅｒ
Ｋａｍｅｌｉ）及びカンダサミーサンゲイブル）の
３２乃至３７頁に記載されている。この刊行物の開示内
容も、本明細書の開示の一部として援用する。

【００３４】コンピュータのＣＰＵの演算能力に応じ
て、毎日の運行を通じて個別及び群全体に対する運行要
求データを収集して、要求交通量の履歴データを形成し
て、ＡＤＳＳのマイクロコンピュータに付属するハード
ディスクに一日の時間帯毎の交通量変化のデータベース
（以下、時間帯データベースと称す）と曜日毎の交通量
変動のデータベース（以下、曜日データベース称す）を
構築する。これらのデータベースは、対応する曜日及び
時間帯毎に実勢の交通量と比較され、また、以下に詳述
する要領で、運行管理シーケンスの調整に用いられる。

【００３５】本発明は二つの主要な特徴を有している。
その一つは、リアルタイムに時間帯及び時間帯データベ
ースの履歴データと曜日データベースの履歴データの二
つの異なる性質のデータベースを組み合わせた履歴デー
タの組み合わせによる交通量の予測を行うことである。
この予測に使用される曜日データベースのデータは至近
の数週間分の該当曜日のデータを処理して算出されるデ
ータであり、時間帯データは前週の数日分のデータを処
理して算出されるデータである。又、本発明による予測
において好ましくは、二つのデータベースとリアルタイ
ムデータを加算する要領で予測を行い、その予測内容は
交通量の実数を予測するというよりはむしろ現在に対す
る相対的な交通量の変動量を予測する。この交通量変動
予測に基づいて、エレベータの制御パターンが変更され
る。本発明のもう一つの特徴は、データベースに格納さ
れているデータの正確度又は信頼性を評価して、信頼性
の高いデータのみを予測に使用することである。

【００３６】曜日データベースと時間帯データベースの
履歴データを組み合わせて形成され、かごの階床配置及
び呼びの割当の運行制御に用いる交通量予測の履歴部
分、好ましくは、上昇方向及び下降方向にそれぞれ４つ
のパラメータで構成される。従って、エレベータの制御
には８つのパラメータが考慮される。なお、これらのパ
ラメータは、各階床毎に算出される。本実施例において
使用するパラメータは、乗り込み乗客数、退出乗客数、
ホール呼び登録回数、かご呼び登録回数である。こうし
たパラメータは、所定の時間間隔（例えば４分毎）に算
出される。それぞれのＯＣＳＳ１０１より供給される上
記８つのパラメータは、順次履歴データベースに格納さ
れる。この履歴データベースは、前述したように、ＡＤ
ＳＳ１１３のマイクロコンピュータに付設するハードデ
ィスク又は光学ディスク物理的に適当なフォーマットで
記録される。

【００３７】本実施例においては時間帯データベース
は、至近の４運行日分等の所望の日数分の各時間帯毎の
交通量変動データを格納する。また、土曜日にもエレベ
ータが運行される場合には５運行日することが出来る。
また、当日のリアルタイムのデータも逐次記録される。
従って、本実施例において、日曜日にはエレベータが運
行されないと仮定すると、当日を含んで１週間分の時間
帯データが記録されることになる。なお、当日分のリア
ルタイムデータは、記録されている最も古い日の対応す
る時間帯のデータに上書きされ、逐次更新されるように
構成される。この要領により、常に最新の所望の日数分
のデータを使用することが出来るものとなる。

【００３８】曜日データベースもほぼ同様に構築され、
所望の数の週の分の曜日データ、例えば過去１０週間分
のデータが保持される。曜日データベースは、好ましく
は曜日毎のデータファイルとして構成される。即ち、各
曜日ごとに所定の週分（例えば１０週間分）の履歴デー
タが格納される。当日に該当する曜日のデータベースの
最も古いデータベースに当日のリアルタイムデータが上
書きされてデータの更新が行われる。

【００３９】このようにして構築され、更新される時間
帯データベース及び曜日データベースが、予測交通量の
算出時に組み合わせて用いられる。この時間帯データベ
ースと曜日データベースの組み合わせ要領は、以下に詳
述する。本実施例において、時間帯データベースと曜日
データベースの組み合わせによる予測値（Ｐ（ｔｏｔａ
Ｌ））は、 P(total)= αP(rt) + βP(d) + δP(w) ここで、Ｐ（ｒｔ）はリアルタイムデータの予測因子、
Ｐ（ｄ）は時間帯データベースのデータの予測因子、Ｐ
（ｗ）は曜日データベースのデータの予測因子、αはリ
アルタイム予測因子に与えられる重み付け値、βは時間
帯データの予測因子に与えられる重み付け値、δは曜日
データの予測因子に与えられる重み付け値であり、α＋
β＋δ＝１であり、好ましくはα＞β≧δである。な
お、例えばα＝０．４、β＝δ＝０．３に設定すること
が出来る。

【００４０】次に、本発明の第二の特徴である、履歴デ
ータの正確度の評価方法を説明する。この履歴データの
正確度又は信頼性の評価して、交通量変動の予測値を算
出するために、二つの評価方法が用いられる。まず、第
一番目の方法は、時間帯データベース及び曜日データベ
ースのそれぞれの履歴データベースに記録されているデ
ータが、所定の閾値又は最小値と比較される。この比較
結果に応じて、データが中間評価値が”１”又は”０”
で与えられる。即ち、履歴データが閾値以下の場合に
は、中間評価値”０”が与えられ、大きい場合には”
１”が与えられる。

【００４１】次に、各履歴データの閾値との比較が終了
して、各データに中間評価値が与えられると、各日毎に
データの中間評価値が、正確度評価因子が得られる所定
時間分ずつ加算され、正確度評価因子値が算出される。
この正確度評価因子値は、所定の正確度評価閾値と比較
される。このとき、正確度評価因子値が正確度評価閾値
を上回らない場合には、交通量変動予測に用いる履歴成
分はゼロに設定される。即ち、正確度評価因子値が正確
度評価閾値よりも大きく無い場合には、当該履歴データ
は交通量の予測に直接使用されないものとなる。従って
前式により得られる予測値は無視されたデータ分減少す
ることになる。

【００４２】ここで、さらに正確度の評価について例を
挙げて説明すれば、二つの時間帯（時間帯番号２００，
２０１）について記録されている対象階床における退出
者数が下表の通りであるとする。

【００４３】

【表１】

【００４４】ここで、中間評価値を決定するための閾値
が”６”に設定されていると仮定すると、時間帯２００
の水曜日のデータと火曜日のデータが閾値以下の値とな
る。従って、これらの日の中間評価値は”０”となり、
他の曜日は閾値を越えているため”１”となる。従っ
て、この時間帯の中間評価値の和は”４”となる。従っ
て、この時間帯の正確度評価因子値は”４”となる。こ
こで正確度評価閾値が”４”であるとすると、この時間
帯の正確度評価因子値は、この閾値”４”を上回ってい
ないため、この時間帯の履歴データは正確度が低く使用
不可であるのと判断がなされ、予測値の計算にこの時間
帯の退出者数の履歴データは使用されないことになる。
一方、中間評価値を得るために閾値が”５”に設定され
ているとすれば、火曜日の退出者数はこれを上回り、従
って中間評価値が”１”となるので、この時間帯２００
のデータは、使用可能となる。一方時間帯２０１に関し
ては、全てのデータが”６”よりも大きい値となってい
るので、閾値を”５”とした場合も”６”とした場合も
正確度評価因子値は”６”となるので、この時間帯のデ
ータは使用可能であるとの判定がなされる。

【００４５】なお、本実施例においては、５日分の時間
帯データを持つ時間帯データベースの正確度評価閾値
は”４”に設定され、１０日分の曜日データを持つ曜日
データベースの正確度評価閾値は”７”に設定されてい
る。なお、この評価値は、状況に応じて変更されるが、
過半数を越える値に設定すべきであり、従って、上記の
例における時間帯データベースの正確度評価閾値は少な
くとも”３”に設定され、一方、曜日データベースの正
確度評価閾値は少なくとも”５”に設定される。本発明
の実施例において使用される交通量予測のアルゴリズム
において、各パラメータに使用される基本予測モード
は、一次指数平滑処理である。この処理は、例えば、ス
ピロスマクリダキス（ＳｐｙｒｏｓＭａｋｒｉｄａ
ｋｉｓ）及びスティーブンシイ．ホワイトライト
（ＳｔｅｖｅｎＣ．Ｗｈｉｔｅｗｒｉｇｈｔ）著、
ジョンウイリーアンドサンズ社（ＪｏｈｎＷｈ
ｉｌｙ＆Ｓｏｎｓ，Ｉｎｃ）刊の「一次指数平滑」
の３．６章に示されている。

【００４６】上記マクリダキス及びホワイトライトによ
って説明されているブラウンの単一パラメータの一次指
数平滑処理に基づく一次指数平滑処理の基本は、以下の
式で表すことが出来る。

【００４７】 P(t+m) = 2S'(t) - S"(t) + Am/(1-A) {S'(t) - S"(t)}

【００４８】ここで S'(t) = AX(t) S'(0) = X(0) S"(t) = AS'(t) + (1 - A)S'(t-1) S"(0) = X(0) P(t+m) は、時間帯ｍから現在までの予測値 S'(t) は、単純平滑値、 S"(t) は、二重平滑値、Ａは、例えば０．２とうの重み付け値の純粋値、ｍは、先行して予測される時間帯の数であり、例
えば時間帯が１分間隔である場合の２つの時間帯であ
る。

【００４９】この方法は、各個別のパラメータに関して
使用される。最終的な予測値の算出は以下のアルゴリズ
ムによる。

【００５０】P(total)= αP(rt) + βP(d) + δP(w) であり、 α＋β＋δ＝１、好ましくはα＞β≧δである。

【００５１】この場合、Ｃ（ｐｄ）＞閾値（ｐｄ）の時Ｐ（ｄ）＝Ｐ（ｄ）Ｃ（ｐｄ）≦閾値（ｐｄ）の時Ｐ（ｄ）＝０Ｃ（ｐｗ）＜閾値（ｐｗ）の時Ｐ（ｗ）＝Ｐ（ｗ）Ｃ（ｐｗ）≦閾値（ｐｗ）の時Ｐ（ｗ）＝０ここで、Ｃ（ｐｄ）は、時間帯予測値の正確度因子、ｃ（ｐｗ）は、曜日予測値の正確度因子である。

【００５２】なお、上記の例においては、閾値に等しい
正確度評価因子値の場合は正確度を不十分とする設定と
しているが、これは、正確度評価因子値が閾値に等しい
場合に、そのデータを予測に使用することを妨げるもの
ではなく、適宜いずれかに設定されるものである。

【００５３】また、リアルタイムで得られるデータに
は、常に過去の履歴データによる予測値よりも高い正確
度因子が与えられる。これは、リアルタイムデータが現
在の交通状況に最も近いデータを示すものであるためで
ある。なお、時間帯及び曜日の履歴データを使用した予
測値は等しくする事が出来ろ。これは、時間帯データ及
び曜日データに関して共通の現象が記録されている場合
であるが、この場合においてもその正確度因子はリアル
タイムデータの正確度因子よりも小さくなる。またこれ
らは、相違する可能性もある。

【００５４】時間帯データと曜日データに異なる正確度
因子を与える場合には、時間帯データのより大きな正確
度因子を与えることが望ましい。これは、曜日データ
が、時間帯データに較べて常に古いデータを用いている
為であり、従って時間帯データの方が至近な交通量動向
を示しているためである。

【００５５】上記の表に示した例において、閾値を”
６”とした場合、即ち当該階床に想定される退出客数パ
ターンに合致する頻度が、１週間分（日曜はエレベータ
が運行されないものと仮定する）時間帯２００のデータ
の内、想定パターンに合致する日が６日間の間に４日合
ったことになる。即ち前述の、正確度評価因子値は、各
時間帯において想定されるパターンに合致する交通動向
が観察される日数を示すものとなる。

【００５６】リアルタイムの予測値と、時間帯データに
基づく予測値、及び曜日データに基づく予測値の三つの
予測値が算出されると、これに重み付け因子α、β、δ
が加味されて最終的な予測値が決定される。

【００５７】図３は、上記の三つの予測値を用いた交通
量予測の処理を示している。図３に示すように、時間帯
データベース及び曜日データベースで構成されるデータ
ベースの各パラメータの正確度が処理の最初の段階で評
価される。この処理において、前記した各パラメータの
データが、交通量の想定パターンに基づいて設定される
閾値と比較される中間評価値が決定され、この中間評価
値の和によって、正確度評価因子値が決定され、これが
正確度評価閾値と比較され、この閾値を越えているデー
タのみが予測に用いられる。

【００５８】次いで、各データにデータフラッグの初期
値”１”がセットされ、前記の処理により、正確度評価
因子値が正確度評価閾値以下となったデータのデータフ
ラッグがリセットされる。次いでリアルタイムデータと
所定以上の正確度を持つと判定された履歴データにより
上述の予測値の算出処理が行われ、算出された予測値に
各データの重み付け因子が加味されて、最終的な予測値
が決定される。ここで算出される予測値は、現実の交通
量を予測するものではなく、その相対変動を予測するも
のである。こうして得られた予測値は、エレベータの群
管理制御において、制御パラメータとして採用され、フ
ィードフォワード式の制御論理によるエレベータの運行
制御が行われることになる。

【００５９】なお上記のデータの評価等の処理は、実際
にエレベータの運行が行われている繁忙時には、迅速な
制御の妨げとなるので、エレベータが運行されない、例
えば午後１１時又は午前１時３０分といった深夜又は早
朝に行うことが望ましい。

【００６０】

【発明の効果】上記のように、本発明によれば、人間の
習慣的又はパターン化された行動の分析により、エレベ
ータが設置される建築物における交通量変動に応じた制
御アルゴリズムを構築して、人口の流動に即応したエレ
ベータの運行を行うことにより必要なときに必要な量の
エレベータによるサービスを可能にする。

【００６１】さらに、本発明は交通量動向を分析するた
めに蓄積される運行履歴データの正確度を判定して、確
率の高いデータのみを使用して予測を行うことにより、
実際の交通量変動により適合したエレベータ管理を可能
とするものである。

【００６２】なお、本発明は、上記の実施例に限定され
るものではなく、必要に応じてその構成、制御アルゴリ
ズムの変更が可能であり、特許請求の範囲に記載された
範囲を逸脱すること無く実施される全ての実施を包含す
るものである。

【図面の簡単な説明】

【図１】本発明を適用するエレベータ装置の概要を示す
図である。

【図２】本発明を適用するエレベータの制御系を示すブ
ロック図である。

【図３】本発明による交通動向の予測動作のフローチャ
ートである。

【符号の説明】

１０１動作制御サブシステム１０２，１０３環状通信網１１１ドア制御サブシステム１１２移動制御サブシステム１１３運行管理システム

フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) B66B 1/18 - 1/20 B66B 3/00

Claims

(57)【特許請求の範囲】

【請求項１】実時間のデータと過去の交通を示す履歴
データに基づいて、翌日のエレベータの運行を制御する
ためにエレベータの各制御パラメータの予測値を算出
し、該予測値に応じて多階床にサービスする複数のエレ
ベータに対する呼びの割当を行うエレベータの制御装置
において、（ａ）一日の中の各時間帯における交通状況を示す信号
に基づいて時間帯データベースを形成するとともに、該
時間帯データベースに至近の所定の日数分の各時間帯の
交通動向を示す時間帯履歴データを格納するとともに、
これを逐次更新し、（ｂ）各週の各曜日における交通状況を示す信号に基づ
いて、各曜日の交通量動向を示す曜日データベースを形
成するとともに、該曜日データベースに各曜日に対応す
る所定週分の曜日履歴データを格納するとともに、これ
を逐次更新し、（ｃ）少なくとも前記時間帯データベースの時間帯履歴
データに基づく予測値と、前記曜日データベースの曜日
履歴データに基づいて算出される予測値を組み合わせて
前記制御パラメータの予測値を算出するようにし、更に、前記時間帯及び曜日データベースに記憶された所
定日数分のデータの対応する各対応するデータを所定の
最小閾値と比較して、該最小閾値を下回るデータを検出
し、少なくとも前記最小閾値に等しいデータを有する日数を
算出し、少なくとも前記所定日数の過半数に設定される所定値以
上若しくはこれを超える日数分のデータが前記最小閾値
以上となっているときに、当該所定日数分のデータを前
記予測値の決定に使用するようにしたことを特徴とする
エレベータの予測制御方法。
【請求項２】前記の制御パラメータの予測値は、 P(total)= αP(rt) + βP(d) + δP(w) ここで、Ｐ（ｔｏｔａｌ）は制御パラメータの予測値、
Ｐ（ｒｔ）はリアルタイムデータの予測因子、Ｐ（ｄ）
は時間帯データベースのデータの予測因子、Ｐ（ｗ）は
曜日データベースのデータの予測因子、αはリアルタイ
ム予測因子に与えられる重み付け値、βは時間帯データ
の予測因子に与えられる重み付け値、δは曜日データの
予測因子に与えられる重み付け値であり、α＋β＋δ＝
１、によって算出される請求項１の方法。
【請求項３】前記の重み付け値が、α＞β≧δの関係
で設定される請求項２の方法。
【請求項４】前記予測値の算出は、エレベータが運行
されない時間帯に行う請求項１〜３のいずれかの方法。
【請求項５】実時間のデータと過去の交通を示す履歴
データに基づいて、翌日のエレベータの運行を制御する
ためにエレベータの各制御パラメータの予測値を算出
し、該予測値に応じて多階床にサービスする複数のエレ
ベータに対する呼びの割当を行うエレベータの制御装置
において、一日の中の各時間帯における交通状況を示す信号に基づ
いて時間帯データベースを形成するとともに、該時間帯
データベースに至近の所定の日数分の各時間帯の交通動
向を示す時間帯履歴データを格納するとともに、これを
逐次更新するとともに、各週の各曜日における交通状況
を示す信号に基づいて、各曜日の交通量動向を示す曜日
データベースを形成するとともに、該曜日データベース
に各曜日に対応する所定週分の曜日履歴データを格納す
るとともに、これを逐次更新する記録・更新手段と、少なくとも前記時間帯データベースの時間帯履歴データ
に基づく予測値と、前記曜日データベースの曜日履歴デ
ータに基づいて算出される予測値を組み合わせて前記制
御パラメータの予測値を算出する予測値算出手段とを有
し、更に、前記時間帯及び曜日データベースに記憶された所定日数
分のデータの対応する各対応するデータを所定の最小閾
値と比較して、該最小閾値を下回るデータを検出する手
段と、少なくとも前記最小閾値に等しいデータを有する日数を
算出する手段とを有し、少なくとも前記所定日数の過半数に設定される所定値以
上若しくはこれを超える日数分のデータが前記最小閾値
以上となっているときに、当該所定日数分のデータを前
記予測値の決定に使用する履歴データ評価手段を更に有
することを特徴とするエレベータの予測制御のための信
号処理装置。
【請求項６】前記の制御パラメータの予測値は、 P(total)= αP(rt) + βP(d) + δP(w) ここで、Ｐ（ｔｏｔａｌ）は制御パラメータの予測値、
Ｐ（ｒｔ）はリアルタイムデータの予測因子、Ｐ（ｄ）
は時間帯データベースのデータの予測因子、Ｐ（ｗ）は
曜日データベースのデータの予測因子、αはリアルタイ
ム予測因子に与えられる重み付け値、βは時間帯データ
の予測因子に与えられる重み付け値、δは曜日データの
予測因子に与えられる重み付け値であり、α＋β＋δ＝
１、によって算出される請求項５の信号処理装置。
【請求項７】実時間のデータと至近の数日分の交通を
示す履歴データに基づいて、翌日のエレベータの運行を
制御するためにエレベータの各制御パラメータの予測値
を算出し、該予測値に応じて多階床にサービスする複数
のエレベータに対する呼びの割当を行うエレベータの制
御装置において、前記履歴データに記憶された所定日数分のデータの対応
する各対応するデータを所定の最小閾値と比較して、該
最小閾値を下回るデータを検出し、少なくとも前記最小閾値に等しいデータを有する日数を
算出し、少なくとも前記所定日数の過半数に設定される所定値以
上若しくはこれを超える日数分のデータが前記最小閾値
以上となっているときに、当該所定日数分のデータを前
記予測値の決定に使用するようにしたことを特徴とする
エレベータの予測制御方法。
【請求項８】前記の制御パラメータの予測値は P(total)= αP(rt) + βP(d) + δP(w) ここで、Ｐ（ｔｏｔａｌ）は制御パラメータの予測値、
Ｐ（ｒｔ）はリアルタイムデータの予測因子、Ｐ（ｄ）
は時間帯データベースのデータの予測因子、Ｐ（ｗ）は
曜日データベースのデータの予測因子、αはリアルタイ
ム予測因子に与えられる重み付け値、βは時間帯データ
の予測因子に与えられる重み付け値、δは曜日データの
予測因子に与えられる重み付け値であり、α＋β＋δ＝
１、によって算出される請求項７の方法。
【請求項９】前記の予測値の算出がエレベータの運行
時間外に行われる請求項７又は８の方法。
【請求項１０】実時間のデータと至近の数日分の交通を
示す履歴データに基づいて、翌日のエレベータの運行を
制御するためにエレベータの各制御パラメータの予測値
を算出し、該予測値に応じて多階床にサービスする複数
のエレベータに対する呼びの割当を行うエレベータの制
御装置において、前記履歴データに記憶された所定日数分のデータの対応
する各対応するデータを所定の最小閾値と比較して、該
最小閾値を下回るデータを検出し、少なくとも前記最小
閾値に等しいデータを有する日数を算出し、少なくとも
前記所定日数の過半数に設定される所定値以上若しくは
これを超える日数分のデータが前記最小閾値以上となっ
ているときに、当該所定日数分のデータを前記予測値の
決定に使用する履歴データ評価手段を設けたことを特徴
とするエレベータの予測制御装置。