JPH08165063A - エレベータの群管理制御装置 - Google Patents

Abstract

(57)【要約】 【構成】 エレベータの各号機について、乗場呼びの発
生時にその呼びの割当対象とするか否かを判定する判定
手段を備え、その判定結果を入力パターンのパラメータ
の一つとして付加し、割当用のニューラルネットに入力
する。ニューラルネットでは、そのパラメータが
「０」、すなわちその階が不停止階に設定されていたり
或いは故障等でその呼びの割当対象でない場合には、そ
の呼びを割り当てないように予め学習をしておく。 【効果】 さまざまな理由で呼びにサービスが不可能な
場合をすべて一つのパラメータに集約するようにしたの
で、そのパラメータが「０」に対応する号機には呼びを
割り当てないようにする簡単な学習を追加するだけで、
種々の理由でサービスが不可能な号機に呼びを誤って割
り当てることを防止することができる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、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、特にエレベータ毎に仕様が異なったり、一時的
に状況が変化したような場合でも、常に精度の高い割り
当てを行うことのできるエレベータの群管理制御装置に
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当方式が主流であったが、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、割当ア
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当かごを決
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２−５２８７５号「エレベ
ーターの自動学習管理装置」、実開平３−５９９７１号
「エレベーターの群管理制御装置」などがある。

【０００５】図４に示すように、呼び割当用のニューラ
ルネットＮは、入力パターンＩに対応する入力層と、出
力パターンＯに対応する出力層と、入力層と出力層の中
間に置かれる中間層のニューロンとで構成される。

【０００６】入力パターンＩ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、例えばｎ台のエ
レベータで複数個のパラメータｍを用いるとすると、入
力パターンＩは、次のように入力パラメータＰxy(x=1〜
n, y=1〜m)により形成される。

【０００７】Ｉ＝｛P11,P12,…P1m ｝，｛P21,P22,…P2
m ｝，…，｛Pn1,Pn2,…Pnm ｝ 入力層では、この入力パターンＩのパラメータ総数（パ
ラメータ数ｍ×エレベータ台数ｎ）に対応する数のニュ
ーロンがあり、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。

【０００８】出力層では、エレベータの台数分のニュー
ロンがあり、予め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」
を、その他のニューロンは「０」を出力するように学習
されている。従って、出力パターンＯの各ニューロンの
値（Ｏ1 〜Ｏn ）の中で、最も大きな値のニユーロンが
最適号機を示すことになり、このニューロンに対応する
号機を割当号機として選択する。

【０００９】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。

【００１０】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。

【００１１】このバックプロパゲーションとは、同一の
入力パターンに対して、ニューラルネットの出力パター
ンと予め作成された教師信号の出力目標とを比較し、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
に教師信号の入力パターンを学習用として与える。そし
てこのときの出力パターンと教師信号の出力目標とを比
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。

【００１２】そして、多数の教師信号を用いて誤差が収
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
当てを行うことができる。

【００１３】

【発明が解決しようとする課題】この割当用ニューラル
ネットの学習は、予めシミュレーション等によって求め
たデータ、或いは実際の現場での実測データをもとに行
うが、一般的にエレベータは各号機で対称性を有してい
るため、その対称性を利用して学習の効率ＵＰを図るこ
とができる。

【００１４】すなわち、図５に示すように、学習時には
１台分の大きさのネット（入力層のニューロンの数はパ
ラメータの数と同じｍ個、出力層のニューロンの数は１
個の大きさのネット）を学習しておき、それをもとに全
台数分の大きさのネットを構成するようにすれば、学習
するネットは小さくて済み、学習に要する時間も短くな
る。

【００１５】また、全体を一つのニューラルネットで学
習する場合は、１回の状況（１回の割り当て）におい
て、１つの入力パターン（全号機の情報）に対する１つ
の出力パターンしか学習できないが、１台分のネットで
学習する場合には、１回の状況において台数分のパター
ンを学習することができる。従って、１台分のネットで
学習するようにすると収束も早くなり学習を効率的に行
うことができる。

【００１６】このように、各エレベータが対称性を有す
ることを前提にすると、ニューラルネットの学習を効率
よく行うことができるが、実際の現場では必ずしもすべ
ての号機が対称になっているとは限らない。例えば、号
機によってサービス階床が異なっていたり、速度などの
仕様が異なっている場合もある。また、故障やメンテナ
ンス等で一時的にある号機が群管理下からはずれ、その
乗場呼びをサービスできるエレベータの台数が変化する
場合も考えられる。

【００１７】このような場合、各号機が対称性を有する
ことを前提に学習を行ったニューラルネットでは適切な
呼び割り当てを行うことができず、例えばその階をサー
ビスしない号機や、故障等で群管理からはずれている号
機に割り当てられる可能性もある。

【００１８】これを避けるため、出力パターンをその階
のサービス号機パターンでマスクし、その階をサービス
できる号機の中から最大値を選択するという方法が考え
られる。しかし、学習時には最適な号機だけを割当号機
とし、その他の号機には割り当てない（つまり「１」か
「０」のどちらか）という学習を行っており、２番目以
降のかごの割り当てに敵する順番については学習してい
ない。

【００１９】従ってこの方法では、マスクされた号機が
最適なかごであった場合、残りのかごの中で次に適切な
かごはどれかということを判断できない。なお、各号機
に対応する出力パターンの各値は、１と０だけでなく、
実際にはその中間のさまざまな値を出力することもある
が、その値は必ずしも各号機の割当適性に比例するとは
限らないので、やはりこの方法では適切な割り当てを行
うことはできない。

【００２０】このため、ニューラルネットの学習時に、
各号機のサービス階床が異なる場合や、故障やメンテナ
ンス等である号機が群管理からはずれる場合など、考え
られるすべてのケースについて予め学習しておくことも
考えられるが、そのようにするためには膨大な数の学習
データが必要となり、学習に長時間を要するといった問
題がある。

【００２１】本発明はこのような問題点に鑑みてなされ
たもので、各号機の仕様が異なったり、一時的に状況が
変化したような場合でも、その状況に応じた最適な割り
当てを行うことができ、しかも学習効率を悪化させるこ
とのない群管理システムを提供することを目的とする。

【００２２】

【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、各号機について乗場呼びの発生時にそ
の呼びの割当対象とするか否かを判定する判定手段を備
え、各号機毎の当該判定結果を割当用ニューラルネット
への入力パターンのパラメータの一つとして付加するよ
うにしたことを特徴とする。

【００２３】また、割当ての対象となるエレベータの台
数が異なれば、群管理システムにとっては交通状態が異
なることになり、その情報がニューラルネットに正しく
与えられないと最適な割当てができない可能性があるた
め、パラメータの計算にエレベータの台数を用いている
場合には、現在割当ての対象になっている号機だけを対
象にして計算を行うようにする。

【００２４】

【作用】本発明によるエレベータの群管理装置において
は、乗場呼びが発生するとそのときのエレベータシステ
ムの状態を表す種々のデータを数値化し、これを入力パ
ターンとしてニューラルネットに入力する。このとき同
時に各号機について割り当ての対象とするか否かを判定
するが、その結果は入力パターンのパラメータの１つと
なっている。

【００２５】もし、その階が不停止階に設定されていた
り、何らかの原因で群管理からはずされているなどして
その階にサービスできない号機があれば、その号機の上
記パラメータは「０」となり、他の号機の上記パラメー
タは「１」となる。ニューラルネットでは、そのパラメ
ータが０である号機には割り当てないように予め学習を
しているので、そのパラメータが１の号機だけを対象に
した割り当てが行われる。

【００２６】

【実施例】図１は、本発明の全体の構成を示すブロック
図で、ここでは説明の便宜上、制御対象エレベータがＡ
〜Ｃ号機の３台の場合について説明するが、勿論エレベ
ータの台数に拘わらず本発明を適用することができる。

【００２７】図１において、１は各階床に設けられた乗
場呼び釦（１つの階床分のみを図示し、他の階について
は省略している）、２は乗場呼び信号、３Ａ〜３Ｃはそ
れぞれＡ〜Ｃ号機の運行を管理する運行制御装置、４は
各号機の状態（かご位置や運転方向、走行または停止の
別、戸の開閉状態、かご呼び、荷重、サービス階、異常
等）を表すかご情報信号である。

【００２８】５は群管理装置としての機能を果たすマイ
クロコンピュータで、入出力インターフェィス６を介し
て読み込まれた乗場呼び信号２及びかご情報信号４のデ
ータに基づいて、各階の乗場呼びを登録する手段７とし
ての機能と、各号機を割り当ての対象とするか否かを判
定する判定手段８としての機能と、エレベータシステム
の状態を表す種々のデータを数値化してニューラルネッ
トへ入力できる形に変換する入力パターン演算手段９と
しての機能と、ニューラルネットをソフトウェアで実現
するためのニューラルネット演算手段１０としての機能
と、ニューラルネットの出力パターンの中から最適と思
われる号機を選択して乗場呼びに割り当てる割当手段１
１としての機能とを備えており、その割当結果を割当信
号１２として出力する。

【００２９】各運行制御装置３Ａ〜３Ｃは、この割当信
号１２によって割り当てられた乗場呼びと、自号機に登
録されたかご呼びに順次応答するようにかごの運行を制
御する。

【００３０】図２に入力パターンの各パラメータについ
ての一例を示す。図２に示すように、入力パターンの各
パラメータは、乗場呼びの情報や各号機のかご情報信号
等、エレベータシステムの状態を表す種々のデータに基
づいて、入力パターン演算手段９により演算される。

【００３１】図において、ＰA1はＡ号機が割当ての対象
となるか否かを表すパラメータで、例えばＡ号機が故障
等で群管理制御から外されている場合や、乗場呼び発生
階がＡ号機の不停止階として設定されている場合には、
その乗場呼びに対してはＡ号機がサービスすることは不
可能なのでＰA1＝０となり、その逆に割当ての対象とす
る場合にはＰA1＝１となる。

【００３２】同様に、ＰB1，ＰC1は、それぞれＢ号機と
Ｃ号機を割当ての対象とするか否かを表すパラメータ
で、やはり対象とする場合には「１」、対象としない場
合には「０」となる。

【００３３】ＰA2〜ＰC2は、乗場呼びの発生階・方向と
各号機のかご位置・運転方向とからその階床差を求め、
それを各号機から乗場呼び発生階までの距離として表し
たパラメータ、、ＰA3〜ＰC3はそれぞれ各号機の荷重状
態を表すパラメータ、ＰA4〜ＰC4はそれぞれ各号機の位
置の分散状況を表すパラメータ、ＰA5〜ＰC5はそれぞれ
各号機が受け持っている呼びの数を表すパラメータであ
り、その他にも、呼びの割当てに必要と思われるパラメ
ータを適宜用いて入力パターンを作成する。

【００３４】これらのパラメータは、それぞれ０〜１の
範囲に正規化されるが、この正規化は、例えばＰA2であ
れば、 ＰA2＝階床差／２（全階床数−１） また、ＰA3であれば、 ＰA3＝現時点の荷重／定格積載 というように、現時点の値を取りうる最大値で割ること
によって求めることができるが、この正規化の処理は必
ずしも必要なものではない。

【００３５】なお、割当ての対象となるエレベータの台
数が異なれば群管理システムにとっては交通状態が異な
ることになり、この情報がニユーラルネットに正しく与
えられないと、最適な割当てが出来ない可能性があるた
め、上記のパラメータの算出において、エレベータの台
数を用いている場合には、現在割当ての対象となってい
る台数を用いて計算する。

【００３６】例えば、エレベータの分散状況のパラメー
タを計算する場合は、各号機間の距離（実質的な距離、
あるいは走行時間等で表す時間的な長さ）によって分散
値を求めるが、その際上記のパラメータＰA1〜ＰC1によ
り現在割当ての対象となっている号機だけを対象にして
計算を行う。同様に、エレベータ台数そのものを入力パ
ラメータの一つとしている場合には、割当ての対象とな
っているエレベータの台数そのものが入力パラメータと
なる。このように、パラメータＰA1〜ＰC1により現時点
で割当ての対象となる号機を常時監視しておくことによ
り、その台数を入力パラメータの計算の際に使用するこ
とができる。

【００３７】図３は、本発明による割当ての処理手順を
示したフローチャートである。図３において、まずステ
ップＳ１で新たに発生した乗場呼びがあるか否かを判断
し、あればステップＳ２へと進む。ステップＳ２では、
各号機の状態（位置、運転方向他）や乗場呼びの階・方
向等の情報を読み込む。

【００３８】ステップＳ３では、乗場呼びと各号機の状
態のデータから、各号機についてその乗場呼びにサービ
ス可能か否かすなわち割当対象外の号機の有無を判定
し、もしあればステップＳ４で前述のパラメータすなわ
ちＰA1〜ＰC1のうち、該当号機のパラメータを「０」と
し、該当しない号機のパラメータは「１」とする。も
し、該当する号機がなければ、パラメータＰA1〜ＰC1は
すべて「１」となる。

【００３９】ステップＳ６ではその他のパラメータにつ
いても演算し、入力パターンを作成する。ニューラルネ
ットの各ユニット間の結合の度合いを表す重みの値は、
学習によって予め設定されているので、入力パターンが
決まると順次各層の出力を演算によって求めることがで
き、この処理をステップＳ７で行う。そして、出力パタ
ーンの値からステップＳ８で最適な号機を選択し、これ
を乗場呼びに割当てる。

【００４０】なお、ここで学習は、入力パターンの中の
ＰA1〜ＰC1、すなわち割当て対象とするか否かを表すパ
ラメータが「０」のときには、他のパラメータの値に拘
わらず出力パターンの値を必ず「０」とした教師信号を
作成し、このパラメータが「１」のときには、従来通り
他のパラメータの値によって割当てが決定されるように
教師信号を作成して、予め学習を行うようにする。

【００４１】このようにすると、パラメータＰA1〜ＰC1
のうちそれが「０」の号機、すなわち理由の如何にかか
わらず割当ての不可能な号機の出力は常に「０」とな
り、そのような号機に呼が誤って割当てられることがな
くなる。しかもパラメータは１つ増えるだけなので、従
来と同様に、１台分に相当するニューラルネットだけを
用い、エレベータの対称性を利用した効率的な学習を行
うことができる。

【００４２】

【発明の効果】本発明によれば、ある階が不停止階に設
定されたり、ある号機が故障や或いはメンテナンスによ
り一時的に群管理から外される場合等、さまざまな理由
で呼にサービスが不可能な場合をすべて一つのパラメー
タに集約するようにしたので、そのパラメータが「０」
に対応する号機には呼を割当てないようにする簡単な学
習を追加するだけで、さまざまな理由でサービスが不可
能な号機に呼びを割り当てることを防止することができ
る。

【００４３】しかもパラメータを一つ追加するだけであ
り、学習の内容も簡単なので、従来の学習効率をほとん
ど損なうことがない。

【００４４】

【図面の簡単な説明】

【図１】本発明の全体の構成を示すブロック図である。

【図２】本発明における入力パターンの各パラメータの
一例を示す図である。

【図３】本発明における割当ての手順の一例を示すフロ
ーチャートである。

【図４】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５】学習時のニューラルネットの構成の一例を示す
図である。

【符号の説明】

１ 乗場呼び釦 ３Ａ〜３Ｃ Ａ〜Ｃ号機の運行制御装置 ４ かご情報信号 ５ マイクロコンピュータ ６ 入出力インターフェイス ７ 乗場呼び登録手段 ８ 判定手段 ９ 入力パターン演算手段 １０ ニューラルネット演算手段 １１ 割当手段

Claims (2)

【特許請求の範囲】
1. 【請求項１】 複数の階床に対し複数台のエレベータを
   就役させ、乗場呼びが発生すると、その時のエレベータ
   システムの状態を表す種々のデータを、ニューラルネッ
   トの入力パターンとして使用できる形に変換して割当用
   のニューラルネットに入力し、その出力パターンから最
   適なかごを選択して、その乗場呼びに割り当てるように
   したエレベータの群管理制御装置において、 エレベータの各号機について、乗場呼び発生時にその呼
   びの割当対象とするか否かを判定する判定手段と、各号
   機毎の当該判定結果を前記入力パターンのパラメータの
   一つとして付加するようにしたことを特徴とするエレベ
   ータの群管理制御装置。
2. 【請求項２】 前記入力パターンの種々のパラメータの
   うち、エレベータの台数を用いて計算するパラメータに
   ついては、前記判定手段により割り当ての対象としたエ
   レベータの台数を用いるようにしたことを特徴とする請
   求項１記載のエレベータの群管理制御装置。