CN111377313A - 电梯*** - Google Patents

Abstract

本发明提供一种电梯***。以往，即使使用表示全局行动的图形轨迹也无法正确地推测人的举动，有可能对电梯的运行产生障碍。电梯***(1)具备传感器(30)；识别部(40)，其基于计测数据识别对象物；以及推测部(70)，其基于由识别部(40)识别的当前的对象物的实际举动和表示利用过去的计测数据学习而得的对象物的举动图形的学习结果(52)，对当前的计测区域内的利用电梯的对象物的下一举动进行推测。另外，电梯***(1)还具备：判断部(80)，其判断对象物的实际举动与由推测部(70)推测的对象物的下一举动一致还是不一致，并输出判断结果；确定部(90)，其基于判断结果，确定对象物的下一举动；以及分配部(100)，其基于确定的对象物的下一举动，向电梯分配服务。

Description

电梯***

技术领域

本发明涉及电梯***。

背景技术

为了高效地控制多个电梯的运行，需要预先把握乘客的出现，并根据乘客的出现来分配电梯进行运行。为了实现上述那样的运行，需要预测乘客的出现、即人的移动的技术。作为预测人的移动的以往技术，例如已知有专利文献1所记载的技术。

在专利文献1中，记载了“通过检测人类的移动轨迹，能够预测该人类要进行的全局行动，因此能够提供对应于该全局行动的推荐信息”。

在先技术文献

专利文献

专利文献1：日本特开2010-231470号公报

然而，根据专利文献1所记载的技术，通过判断表示全局行动的图形轨迹与移动轨迹的相似度，能够预测人的全局行动。但是，在表示人的全局行动的图形轨迹中，在图形轨迹与移动轨迹的相似度低的情况下，无法进行人的全局行动、即人的举动的预测。

另外，实现表示能够与大量的人的移动对应的全局行动的图形轨迹是困难的。例如，在专利文献1第0080段中，记载了实验的结果为预测的正确率在80％以上，但以该程度的正确率无法正确地预测人的举动。如果无法正确地预测人的举动，则例如在分配了服务的电梯的轿厢上，只有搭乘少量的人，或者相反地有大量的人想要搭乘却容易产生未能搭乘的人。如果这样推测出的人的举动与实际的人的举动不同，则有可能对分配服务的电梯的运行产生障碍。

发明内容

发明要解决的课题

本发明是鉴于上述那样的状况而提出的，其目的在于，通过推测利用电梯的对象物的下一举动来顺畅地进行电梯的运行。

用于解决课题的手段

本发明是一种电梯***，其控制电梯的运行，其中，电梯***具备：计测部，其对计测区域内的对象物进行计测，并输出计测数据；识别部，其基于计测数据对对象物进行识别；推测部，其基于由识别部识别的当前的对象物的实际举动和表示利用过去的计测数据学习而得的对象物的举动图形的学习结果，对当前的计测区域内的利用电梯的对象物的下一举动进行推测；判断部，其判断对象物的实际举动与由推测部推测的对象物的下一举动一致还是不一致，并输出判断结果；确定部，其基于判断结果，确定对象物的下一举动；以及分配部，其基于由确定部确定的对象物的下一举动，向电梯分配服务。

发明效果

根据本发明，通过推测并确定当前的计测区域内的利用电梯的对象物的下一举动，从而基于对象物的下一举动向电梯分配服务，因此能够使电梯顺畅地运行。

上述以外的课题、结构以及效果通过以下的实施方式的说明而得以明确。

附图说明

图1是表示本发明的第一实施方式的电梯***的结构例的框图。

图2是表示本发明的第一实施方式的计算机的结构例的框图。

图3是表示本发明的第一实施方式的人的举动的例子的说明图。

图4是表示本发明的第一实施方式的电梯***中的学习人的举动一系列处理的例子的流程图。

图5是表示本发明的第一实施方式的电梯***中的推测人的举动一系列处理的例子的流程图。

图6是表示本发明的第一实施方式的按照时间序列存储的学习结果的一例的说明图。

图7是表示本发明的第一实施方式的电梯***中的对无法推测的人的举动进行再学习的一系列处理的例子的流程图。

图8是表示本发明的第一实施方式的电梯***中的、预测人到达电梯为止的到达时间的一系列处理的例子的流程图。

图9是表示本发明的第一实施方式的电梯***中的、预测人到达电梯的一系列处理的例子的流程图。

图10是表示本发明的第一实施方式的电梯***中的、基于到达预测时间来控制电梯的一系列处理的例子的流程图。

图11是表示本发明的第二实施方式的电梯***的结构例的框图。

图12是表示本发明的第三实施方式的电梯***的结构例的框图。

图13是表示本发明的第四实施方式的电梯***的结构例的框图。

图14是表示本发明的第五实施方式的学习结果的数据形式的一例的说明图。

附图标记说明：

1…电梯***；2…管理控制器；4…边缘控制器；5…智能传感器；6…上位***；10…电梯；20…通信网络；30…传感器；40…识别部；50…学习部；52…学习结果；60…存储部；70…推测部；80…判断部；90…确定部；91…时间序列数据；92…属性信息；93…数据库；100…分配部。

具体实施方式

以下，参照附图，对本发明的具体实施方式进行说明。在本说明书以及附图中，对于具有实质相同的功能或者结构的结构要素，标注相同的附图标记并省略重复的说明。

[第一实施方式]

＜电梯***的结构例＞

首先，对本发明的第一实施方式的电梯***的结构例进行说明。

图1是表示第一实施方式的电梯***1的结构例的框图。

电梯***1设置于作为建筑物的一例的大楼16，且具备管理控制器2、传感器30以及电梯10所具有的电梯控制器11。在大楼16设置有多个电梯10，各电梯10的电梯控制器11分别与通信网络20连接。另外，管理控制器2也与通信网络20连接。

传感器30计测处于大楼16内的对象物的举动、位置，因此，设置于大楼16内的规定位置，在计测到对象物时，输出计测数据。作为对象物，除了人以外，还包括障碍物等。传感器30只要能够计测对象物的位置、举动则不限种类，例如包括相机(摄影部的一例)那样的图像传感器、毫米波传感器、深度传感器、LiDAR(Light Detection and Ranging)那样的设备。传感器30与管理控制器2直接连接。如果传感器30为相机，则传感器30将拍摄对象物而得的拍摄数据作为计测数据输出至管理控制器2。另外，也有时将已经设置于大楼16的现有的监视相机等用作传感器30。也有时上述那样的监视相机连接于与电梯控制器用的通信网络20分开设置的大楼管理用的网络(未图示)。

电梯10除了电梯控制器11以外，还具备卷扬机12和轿厢14。电梯控制器11对卷扬机12进行控制以控制轿厢14的动作(升降、门开闭等)。在某号电梯10所具有的电梯控制器11与设置于相同的大楼16的其他电梯10所具有的电梯控制器11之间，能够通过通信网络20来交换各种信息。

在通信网络20中，流过有设置于各楼层的轿厢呼叫按钮的信息、电梯的行进方向灯的信息、轿厢14的位置灯的信息、轿厢门的信息、与其他电梯相关的所有信息。将上述那样的信息称作“电梯信息”。

管理控制器2进行将多个电梯10分配给哪一楼层的服务的控制。管理控制器2具备识别部40、学习部50、存储部60、推测部70、判断部80、确定部90以及分配部100。

识别部40基于从传感器30输入的数据来识别由传感器30计测的对象物。在此，识别部40能够识别人的举动、构造物的位置。如果传感器30为相机，则识别部40能够基于作为计测数据输出的拍摄数据，来识别随着时间经过而移动的对象物。

学习部50基于由识别部40识别出的人的举动、构造物的位置以及由确定部90确定的对象物的下一举动，对对象物的举动、位置进行学习。另外，在得到了由判断部80判断为不一致的判断结果的情况下，学习部50基于对象物的实际举动，对对象物的举动图形进行学习，并更新学习结果52。学习结果52是连续地表示过去由确定部90确定的对象物的举动的数据，表示某一时间的人的举动图形。作为学习部50所使用的学习方法的一例，具有机器学习、深层学习。作为学习方法，在使用了机器学习、深层学习的情况下，学习结果52作为学习完成网络来使用。

存储部60具备由学习部50保存的学习结果52。其中，在图中，将存储部60与学习结果52分开记载。作为存储部60，例如使用HDD等大容量的存储装置。存储部60在接受到来自其他功能部的要求时，从学习结果52读取确定的记录项，进行更新学习结果52的处理。

推测部70基于由识别部40识别的当前的对象物的实际举动和根据过去的计测数据学习而得的表示对象物的举动图形的学习结果52，推测当前的计测区域110(参照后述的图3)内的利用电梯10的对象物的下一举动。在此，对象物的下一举动例如可以指每几秒连续的举动中的、从当前看的几秒后的举动，也可以指不连续的举动。如果从传感器30计测到对象物的时刻来看是未来的举动，则在任一时机下的举动也可以包含在下一举动中。并且，推测部70能够基于从存储部60读取的学习结果52以及由识别部40识别出的人的举动、构造物的位置，推测对象物的下一举动。另外，还向推测部70输入由确定部90确定的对象物的下一举动。

判断部80判断对象物的实际举动与由推测部70推测的对象物的下一举动一致还是不一致，并输出判断结果。

确定部90基于判断部80的判断结果来确定对象物的下一举动。确定部90基于判断为向电梯10的候梯厅移动的对象物的举动即对象物的实际举动与由推测部70推测的对象物的下一举动近似的判断结果，确定为对象物搭乘电梯10的轿厢14。另外，确定部90在判断为向电梯10的候梯厅移动的对象物的举动即对象物的实际举动与由推测部70推测的对象物的下一举动近似的判断结果在任意的条件下继续的情况下，能够基于判断结果来确定对象物搭乘电梯10的轿厢14。关于任意的条件，利用后述的图9进行说明。并且，确定部90所确定的对象物的举动向学习部50和推测部70输出。

分配部100基于由确定部90确定的对象物的下一举动，向电梯10分配服务。服务的分配是指，例如，以轿厢14到达要利用电梯10的人所在的楼层的方式，分配电梯10的号机、轿厢14的呼叫等。分配部100向能够供由确定部90确定为搭乘轿厢14的对象物搭乘的电梯10分配服务，从而控制到达了候梯厅的电梯10的轿厢14的门的开闭。关于由推测部70推测出的对象物的举动，也向分配部100输入。

接下来，电梯***1的管理控制器2、构成电梯控制器11的计算机3的硬件结构进行说明。

图2是表示计算机3的硬件结构例的框图。

计算机3是作为所谓的计算机来使用的硬件。计算机3具备分别连接于总线34的CPU(Central Processing Unit：中央处理装置)31、ROM(Read Only Memory)32、RAM(Random Access Memory)33。此外，计算机3还具备显示装置35、输入装置36、非易失性存储器37、网络接口38。

CPU31从ROM32读取并执行用于实现本实施方式的各功能的软件的程序代码。在RAM33中临时写入在CPU31的运算处理的中途所产生的变量、参数等。通过CPU31来实现本实施方式的各部分的功能(识别部40、学习部50、存储部60、推测部70、判断部80、确定部90以及分配部100)。

显示装置35例如是液晶显示器监视器，用于向维护人员显示由计算机3进行的处理的结果等。输入装置36例如使用键盘、鼠标等，能够供维护人员进行规定的操作输入、指示。需要说明的是，根据计算机3的利用方式，也可以不设置显示装置35以及输入装置36。

作为非易失性存储器37，例如使用HDD(Hard Disk Drive)、SSD(Solid StateDrive)、软盘、光盘、光磁盘、CD-ROM、CD-R、磁带、非易失性的存储介质等。在该非易失性存储器37中，除了OS(Operating System)、各种参数以外，还记录有用于使计算机3发挥作用的程序。ROM32、非易失性存储器37永久性地记录有CPU31进行动作所需的程序、数据等，储存有由计算机3执行的程序的计算机作为可读取的非暂时性的记录介质的一例来使用。例如，非易失性存储器37作为存储部60来实现功能，能够存储学习结果52。

在网络接口38例如使用NIC(Network Interface Card)等，能够经由连接于NIC的端子的LAN(Local Area Network)、专用线等在装置之间发送接收各种数据。管理控制器2能够经由网络接口38从传感器30接收计测数据。另外，管理控制器2通过通信网络20向电梯控制器11进行运行指示，或者从电梯控制器11取得当前的电梯10的运行状况。

＜人的举动的例子＞

图3是表示人的举动的例子的说明图。在此，将楼面划分为用多个矩形框表示的区域，用俯视的例子来说明处于某一区域的人会怎样移动。

设置于楼面的传感器30能够对图3所示大小地计测区域110内的对象物进行计测。因此，根据传感器30所计测而得的对象物的计测数据，辨明作为对象物的人以何种方式移动。计测区域110由将计测区域110划分为规定大小的多个基础区域111构成。另外，在计测区域110内设置有表示柱子等的障碍物114、115。其中，障碍物114、115也可以是人、或柱子等构造物。另外，障碍物114、115也可以是植物、桌子、椅子、垃圾箱这样的可移动的设置物。

推测部70基于基础区域111来推测对象物的下一举动，判断部80能够针对每个基础区域111来判断计测数据所表示的对象物的实际举动与由推测部70推测的对象物的下一举动一致还是不一致。

在此，学习部50对由计测区域110检测到的人113的举动图形进行学习，推测部70在计测区域110内设定学习推论区域112以作为推论人113的举动的区域。学习推论区域112是包含对象物且用于作为学习部50学习对象物的举动的学习对象的区域。

在此，假定在图3中的右侧存在电梯10的候梯厅。向右侧移动的人113避开障碍物114、115而移动。因此，关于人113的举动，用箭头表示了几种举动图形。在本说明书中，将人的局部范围的移动等称作“举动”。举动例如是推测部70的推测对象。另外，将规定期间内在规定区域中连续进行的举动的变化称作“举动图形”。举动图形是学习部50的学习对象。各箭头所表示的基础区域111中分别标注a～g的附图标记。

然而，根据障碍物的种类的不同，人113的举动图形也不同。例如，假定障碍物114是人，障碍物115是柱子等构造物的情况。通常，人具有与他人隔开一定距离的习性，因此认为人113以不过于靠近障碍物114的方式移动。在此，人113以不过分靠近障碍物114的方式避开障碍物114而移动。在该情况下，人113的举动图形通常为向位于图3的上方的基础区域a、b、c、d、e的位置移动的图形。

另一方面，在行进方向的障碍物115为向右侧移动的人的情况下，人113随着前方的人(障碍物115)向右侧的移动，而容易采取向右侧移动的举动图形(箭头e方向)。

在此，学习部50对人113与障碍物114、115的位置关系以及人113的举动图形进行学习。并且，在作为举动图形的学习对象的人113向例如箭头b方向移动了的情况下，学习部50设定以人113的移动目的地即基础区域b为起点的新的学习推论区域116。因此，学习部50能够根据对象物的实际举动，使学习推论区域变化(例如，从学习推论区域112向学习推论区域116变化)，并能够基于学习推论区域的变化来学习对象物的举动图形。

需要说明的是，在本实施方式中，将计测区域110用由相同矩形的基础区域111构成的网格来表示，但计测区域110的构成并不局限于此。学习部50的学习效率、推测部70的推测精度以及处理时间、学习结果52的数据量取决于计测区域110以及基础区域111的形状、大小。

＜人的举动的学习处理＞

在此，对由管理控制器2进行的处理的例子进行说明。

首先，参照图4对人的举动的学习处理进行说明。

图4是表示学习电梯***1中的人的举动图形的一系列处理的例子的流程图。

首先，传感器30执行计测区域110内的计测(S1)，向管理控制器2的识别部40输出计测数据。接下来，识别部40基于从传感器30输入的计测数据，识别计测区域110内的人、物体，并生成所识别的人、物体各自的位置、速度、加速度等识别数据(S2)。

接下来，学习部50使用过去生成的识别数据和这次生成的新的识别数据来学习人的举动图形(S3)。学习部50使用例如深层学习那样的将新的数据作为示教学习来进行学习的方法，来学习人的举动图形，但也可以使用其他方法来学习人的举动图形。

存储部60存储包含由学习部50学习而得的人的举动图形的学习结果52(S4)。在例如学习部50使用了上述的深层学习地情况下，学习结果52为学习完成网络。因此，存储部60能够将多个学习完成网络作为学习结果52来存储。根据上述那样的图4所示的流程图，管理控制器2生成基本的学习结果52，并能够将学习结果52存储于存储部60。

＜人的举动的推测处理＞

接下来，参照图5对人的举动的推测处理进行说明。

图5是表示电梯***1中的用于推测人的举动的一系列处理的例子的流程图。

步骤S11、S12的处理与图4所示的步骤S1、S2的处理相同，因此省略详细说明。在通过步骤S12生成了识别数据之后，推测部70确认在存储部60中是否保存有学习结果52(S13)。

在存储部60中保存有学习结果52的情况下(S13的“是”)，可以说过去执行了图4所示的人的举动的学习处理。因此，推测部70使用从存储部60读取的学习结果52，并基于从传感器30输入的对象物的计测数据，来推测人的举动(S14)。在存储部60中未保存学习结果52的情况下(S13的“否”)，推测部70使用存储于存储部60的多个学习结果52，从计测数据追加人的举动来进行推测(S15)。

在步骤S14、S15中的任一处理之后，判断部80判断推测结果与当前的人的位置、举动是否一致(S16)。在判断部80判断为推测结果与当前的人的位置、举动一致的情况下(S16的“是”)，确定部90临时保存导出了推测结果的学习结果52以用于推测部70推测人的举动的下次处理(S17)。因此，确定部90能够保存学习结果52。

另一方面，在判断部80判断为推测结果与当前的人的位置、举动不一致的情况下(S16的“否”)，确定部90将学习结果52从临时保存的对象除去(S18)。并且，在步骤S17、S18中的任一处理之后，结束本处理。

这样确定部90将能够正确地推测出的学习结果52的一系列选择按照时间序列临时保存。在此，对按照时间序列临时保存于确定部90的数据的一例进行说明。

图6是表示按照时间序列临时保存的学习结果52的一例的说明图。

在图6的数据构成图(1)中，表示了临时保存于确定部90的学习结果52的例子。学习结果52在每个临时保存于确定部90的时刻t0、t1、t2生成。时刻t0的学习结果52例如为在前天、昨天、今天的相同时刻t0再次学习而得的结果。关于时刻t1的学习结果52也同样。这些学习结果52能够针对每个生成、再学习的时刻来识别。将像这样按照时间序列储存有多个学习结果52的数据称作时间序列数据91。

在时间序列数据91中，按照时间序列依次储存学习结果52，因此，例如能够将表示均化为群众行动的人的移动的举动图形按照时间序列的学习结果52来表现。

另一方面，无论周围的状况如何，对于例如追赶他人而快速移动的人、靠着墙壁缓慢移动的人那样的特征性举动，也能够按照时间序列的学习结果52来表现。

接着，存储部60能够经由学习部50取得并保存临时保存于确定部90的学习结果52。通过像这样将学习结果52按照时间序列进行管理，从而存储部60或者确定部90能够将推测部70为了推测对象物的下一举动而所需的、与由传感器30计测对象物的时刻对应的学习结果52向推测部70输出。

在图6的数据构成图(2)中，表示学习结果52构成数据库93的例子。在该情况下，构成对数据构成图(1)所示的包含多个学习结果52的时间序列数据91附加了属性信息92的数据库93。作为属性信息92的一例，能够利用传感器30的计测开始日期时间。在各时间序列数据91中，例如储存多个在1分钟之中每隔几秒由传感器30计测了的计测区域110中、由学习部50学习而得的学习结果52。例如，在数据库93中，储存上午8：00～8：04之间的、8：00：00～8：00：59的时间序列数据91、8：01：00～8：01：59之间的时间序列数据91。

推测部70能够通过参照属性信息92来高效地推测任意的日期时间中的人的举动。例如，写字楼中的早晚的出勤退勤时间中人的举动与其他的闲散时以及休息日的人的举动不同，因此时间序列数据91也不同，能够根据大楼的用途来由推测部70高效地推测人的举动。

接着，在分配部100中，能够确认电梯10的运行状况，并确定运行模式。作为运行模式，例如准备有对应于通勤时间带的繁忙时间的模式、对应于上午10点的闲散时的模式等几种模式。在此，在仅根据当前时刻所选择的模式中，有时未能正确地推测人的举动而导致没有正确地进行服务的分配，从而人滞留于候梯厅。为了消除上述那样的候梯厅中的滞留，存储部60可以将按照时间序列管理的学习结果52与更新了学习结果52的时间点的电梯10的运行模式组合来保存学习结果52。在此，属性信息92设为包含运行模式的信息。数据库93针对属性信息92，对按照每个模式学习而得的学习结果52的时间序列数据91进行管理。并且，推测部70能够从存储部60读取与当前设定的运行模式对应的学习结果52，以更正确地推测对象物的举动。

需要说明的是，图4所示的人的举动的学习处理和图5所示的人的举动地推测处理既可以按顺序执行，也可以并行执行。

＜人的举动的再学习处理＞

接下来，说明对无法推测的人的举动进行再学习的处理。

图7是表示电梯***1中的对无法推测的人的举动进行再学习的一系列处理的例子的流程图。

步骤S21～S26的处理与图5所示的步骤S11～S16的处理相同，因此省略详细说明。其中，在步骤S23中，推测部70不针对存储部60而对确确定部90进行确认是否临时保存有学习结果52的处理。

在步骤S26中，在判断部80判断为推测结果与当前的人的位置、举动一致的判断的情况下(S26的“是”)，结束本处理。在步骤S26中的处理的结果为判断部80判断为推测结果与当前的人的位置、举动不一致的情况下(S26的“否”)，推测部70无法正确地推测人的举动。

因此，确定部90从保存于存储部60的学习结果52之中，选择作为用于由学习部50对人的举动进行再学习的基础的学习结果52(S27)。接着，确定部90将所选择的学习结果52向学习部50输出。

接下来，学习部50使用从确定部90输入的、为了进行再学习而选择的学习结果52，对无法推测的人的位置、举动进行在学习(S28)。接着，存储部60存储学习部50进行再学习而得到的学习结果52(再学习结果)(S29)。之后，本处理结束。

需要说明的是，在本处理结束之后，判断部80判断再次推测结果与当前的人的位置、举动是否一致，在一致的情况下将判断结果向确定部90输出。接着，基于由确定部90确定的人的举动，分配部100分配电梯10的服务。

需要说明的是，图5中的步骤S16及之后的处理与图7中的步骤S26及之后的处理既可以组合地按顺序进行动作，也可以各处理并行地进行动作。

＜人的移动的推测处理(跟踪)＞

接下来，对人的移动的推测处理进行说明。

图8是表示电梯***1中的、预测人到达电梯10为止的到达时间的一系列处理的例子的流程图。在该处理中，基于临时保存于确定部90的时间序列的学习结果52，推测人的举动的连续即移动。

在该处理中，例如假定传感器30设置于大楼16的未图示的入口。并且，该传感器30执行计测区域110内的对象物的计测(S31)。

接下来，推测部70基于传感器30计测而得的计测数据，确认能够选择临时保存于确定部90的学习结果52的时间序列数据91(S32)。如果推测部70能够选择时间序列数据91(S32的“否”)，则结束本处理。

另一方面，如果推测部70不能够选择时间序列数据91(S32的“是”)，则推测部70开始从临时保存于确定部90的学习结果52的时间序列数据91选择、并从时间序列数据91依次取出学习结果52的处理(S33)。

接下来，推测部70确认时间序列数据91中是否存在学习结果52(S34)。如果时间序列数据91中存在学习结果52(S34的“是”)，则推测部70基于从确定部90取得的学习结果52来推测人的举动(S35)。接着，推测部70基于推测结果，更新人的移动目的地的位置以及人行走至该位置为止所花费的移动经过时间(S36)。

在此，参照图3，例如，移动目的地的位置是指箭头b方向所示的基础区域111的位置，移动经过时间是指人113从当前的位置移动至箭头b方向所示的基础区域111位置所花费的时间。移动目的地的位置和移动经过时间逐渐变化，因此推测人113移动至未图示的候梯厅时的举动。

因此，推测部70推测人的举动的步骤S34～S36的处理反复进行至时间序列数据91没有学习结果52为止。此时，推测部70根据所推测的移动目的地的位置反复进行推测人的举动的处理。因此，人的举动的推测处理针对在计测区域110中计测的全部的人113来进行。

另一方面，在步骤S34中，如果时间序列数据91中没有学习结果52(S34的“否”)，则是已经通过步骤S34～S36得到了人的移动经过时间的最终结果的状态。因此，推测部70基于移动经过时间的最终结果、即人到达电梯10的候梯厅的时间，更新人的到达预测时间(S37)。之后，推测部70返回至步骤S32，反复进行步骤S32及之后的推测处理，直至没有时间序列数据91。

这样，推测部70根据针对每个基础区域111细致地推测出的人的举动，对过去人进行了怎样的移动进行学习，进而能够提高推测人的举动的精度。

＜人流的预测处理＞

接下来，对预测人流的处理进行说明。

图9是表示电梯***1中的、预测人到达电梯10的一系列处理的例子的流程图。

步骤S41～S45的处理与图8所示的步骤S31～S35的处理相同，因此省略详细说明。

在步骤S45中，在推测部70基于学习结果52而推测出人的举动之后，判断部80将由传感器30计测出的实际的人的举动、与推测部70推测出的人的举动进行比较，判断实际的人的举动、与推测出的人的举动是否一致(S46)。在判断部80判断为实际的人的举动与推测出的人的举动不一致的情况下(S46的“否”)，结束本处理。

另一方面，在判断部80判断为实际的人的举动与推测出的人的举动不一致的情况下(S46的“是”)，推测部70确认时间序列数据91中的学习结果52的顺序是否与预先设定的值一致(S47)。学习结果52的顺序表示，如图6所示那样，某一时刻t(0)、t(1)的学习结果t(0)、t(1)的顺序。

在学习结果52的顺序不一致情况下(S47的“否”)，推测部70返回至步骤S44，反复进行步骤S44及之后的处理，直至时间序列数据91中没有学习结果52。例如，如果在时刻t(0)人在移动中途停下，则实际上人处于与推测部70根据学习结果52所推测出的位置不同的位置。在该情况下，推测部70跳过学习结果t(0)，通过参照下一学习结果t(1)来推测人的移动目的地是哪个位置。

在学习结果52的顺序一致的情况下(S47的“是”)，推测部70确定对象物即人到达电梯10的候梯厅(S48)。例如，如果在时刻t(0)、t(1)所推测的人的移动的目的地与学习结果t(0)、t(1)所表示的位置相同，则学习结果52的顺序一致。因此，推测部70能够正确地推测人到达电梯10的候梯厅的时刻。接着，本处理结束。

在图9所示的处理中，推测部70依次读取存储于确定部90的学习结果52的时间序列数据91来推测人的举动，判断部80确认推测结果与实际的人的举动是否一致。接着，在人的举动的推测结果与实际的人的举动在任意的条件下一致的情况下，判断为人移动至电梯10。

在此，任意的条件例如根据学习推论区域112的位置来确定。例如，在通过对分配部100分配了服务的电梯10的卷扬机12进行控制以使轿厢14在目的的时间到达目的的楼层的情况下，在轿厢14的移动所需的时间之前，分配部100需要知晓搭乘电梯10的人的出现。在此，分配部100如果能够在相当于轿厢14的一个来回的时间之前(例如，5分钟前)知晓利用电梯10的人的出现，则能够对最适合的电梯10分配服务。

在此，作为任意条件，例如，设定处于传感器30的计测区域110的人移动至电梯10的候梯厅时所需的时间为5分钟的临界区域。在此，对临界区域进行说明。分配部100在向电梯10分配服务时，不能在实际上轿厢14快要到达候梯厅层之前。例如，即使推测为人到达候梯厅的时刻为1分钟之后，也不能以配合着该时刻使轿厢14到达候梯厅的方式来分配服务。其理由在于，如果轿厢14已经出发、或轿厢14搭乘多个人而在多层停止的时间较长，则轿厢14到达候梯厅为止需要规定的移动时间。在此，分配部100为了向电梯10分配服务以使轿厢14在目的的时刻到达，要求在到达时刻的至少5分钟前进行分配。将上述那样的时间称作“临界区域”。

由此，在推测部70按照储存于时间序列数据91的学习结果52的顺序在临界区域中推测举动而得的推测结果与实际的人的举动一致的情况下，判断部80能够判断为推测结果正确。在该情况下，确定部90省略推测部70的使用了剩余的学习结果52的推测，基于人到达电梯10为止所需的移动时间的最终结果，来确定人的举动。接着，分配部100能够分配针对确定的人的电梯10的服务。

＜电梯的分配处理＞

接下来，对向推测了举动的人分配电梯10的处理进行说明。

图10是表示电梯***1中的、基于到达预测时间来控制电梯10的一系列处理的例子的流程图。

分配部100以至少与通过了传感器30的计测区域110的人到达电梯10同时地、使轿厢14到达确定了举动的人所在的楼层的方式，来实施分配。为此，需要向分配部100提供轿厢14到达候梯厅层为止所花费的到达预测时间的最短时间。根据到达预测时间的最短时间与最长时间的时间差，有可能直至最短时间电梯10便到达期望层，也有可能到达花费的时间直至最长时间。在此，分配部100也可以通过赋予电梯控制器11指示，进行如下那样的控制：在直至最长时间的期间内，将电梯10的门(包括轿厢门、候梯厅门)打开，为搭乘轿厢14的人待机。

在此，时间序列数据91中包含的学习结果52存在多个，推测部70预测的到达预测时间的最终结果也存在多个。例如，作为到达预测时间的最终结果，至少存在最短时间和最长时间这两个。

在此，分配部100从推测部70取得至少最短时间和最长时间这两个时间以作为到达预测时间(S51)。接下来，分配部100以使轿厢14在到达预测时间的最短时间到达的方式向电梯10分配服务(S52)。

接下来，分配部100将到达预测时间的最短时间与最长时间的时间差计算为待机时间(S53)。接下来，分配部100将预先设定的待机允许时间与计算出的待机时间进行比较，判断待机时间是否在待机允许时间内(S54)。

如果待机时间在待机允许时间内(S54的“是”)，则分配部100执行开门延长的处理以延长打开门的时间(S55)。在待机时间超过待机允许时间的情况下(S54的“否”)，分配部100保持原样地结束处理，转移至通常的门控制。

这样分配部100通过利用到达预测时间的最短时间，从而能够与人到达候梯厅的时间相应地使分配了服务的电梯10到达期望层。因此，在人到达候梯厅的时机门打开，因此人无需等待便能够搭乘轿厢14，电梯10的便利性提高。此外，通过活用到达预测时间的最长时间，从而分配部100可进行打开门的控制直至待机允许时间为止。因此，能够提高如以往那样坐过站的乘客的便利性。

在以上说明的第一实施方式的电梯***1中，推测部70利用学习结果52，针对传感器30检测的每个计测区域110，逐个地反复局部推测对象物即人的举动图形的处理。因此，推测部70能够高精度地推测连续的人的举动、即人的移动。另外，学习结果52储存于时间序列数据91。因此，推测部70能够按照时间序列的顺序取得学习结果52，并推测人的举动。

另外，在电梯***1中，在人的举动的推测结果与实际上传感器30计测而得的结果不同的情况下，将实际的人的举动作为新的举动图形进行再学习而得到学习结果52。之后，推测部70能够使用通过再学习得到的学习结果52来推测人的举动，因此，今后，对于进行与再学习过的举动图形同样的举动的人，能够提高举动的推测结果的精度。

另外，通过分配部100以使轿厢14在推测了举动的人到达候梯厅的时机在候梯厅停止的方式，向电梯10分配服务。因此，人能够在到达候梯厅为止无需知道的情况下，通过自然的动作便搭乘于轿厢14。

在此，如图1何图3所示，在第一实施方式的电梯***1中，设为具备一个传感器30的例子，因此计测区域110也是一个。但是，电梯***1也可以是在大楼16、大楼16的周边地域设置有多个传感器30的结构。能够通过多个传感器30能够计测的多个计测区域110来大范围地覆盖人可能移动的区域。因此，推测部70能够推测大楼16、大楼16的周边地域(也包括大楼16以外)中的人的举动，并对举动图形进行学习。

需要说明的是，在第一实施方式的电梯***1中，判断部80判断由推测部70进行的推测结果与当前的人的位置、举动一致还是不一致。但是，判断部80在某一基础区域111中推测结果与当前的人的位置、举动不完全一致的情况下，例如在推测部70推测为人向与该基础区域111相邻的其他基础区域111移动的情况下，也可以判断为推测结果与当前的人的位置、举动一致。

在此，在第一实施方式的电梯***1中，所有的功能部设为安装于控制电梯10的分配的管理控制器2。但是，这些功能部不一定在管理控制器2上执行。例如，也可以设置边缘控制器而构成功能部。另外，也可以构成为能够在连接于大楼管理用网络的其他计算机上执行功能部。此外，为了高效地执行学习部50，也可以由外部的云计算机等执行功能部。以下，对电梯***的其他结构例进行说明。

[第二实施方式]

电梯***可以由各种方式构成。在此，对由上位***和边缘控制器构成的本发明的第二实施方式的电梯***进行说明。

＜云***和边缘控制器的结构例＞

图11是表示第二实施方式的电梯***1A的结构例的框图。

电梯***1A设为将执行学习部50的环境、执行推测部70的环境以及传感器30分散开的构成。

该电梯***1A具备上位***6、设置于大楼16的边缘控制器4、管理控制器2A、电梯控制器11以及传感器30。并且，设为如下方式：在上位***6中构建执行学习部50的环境，在边缘控制器4中构建执行推测部70的环境，从而能够由上位***6和边缘控制器4进行功能分散。

将上位***6与边缘控制器4例如通过因特网那样的广域网、局域网、通信运营商提供的无线闭路网络等通信网22连接。上位***6是数据中心或云***，由规定的URL(Uniform Resource Locator)指定位置，从而边缘控制器4能够访问。

学习部50的处理负载容易变重、且学习结果52的数据容量容易变大。难以利用装设于大楼16内的***来实现上述那样的高负载、大容量的数据。因此，在本实施方式中，利用数据中心、云***那样的可处理高性能且大容量数据的上位***6，进行学习部50的处理，并扩展存储部60的存储容量。因此，上位***6具备学习部50以及存储部60。学习结果52保存于存储部60，由学习部50适当地写入或读取。

另外，电梯10的管理控制器2A也是组入***，推测部70的处理负载也重、且选择了的学习结果54的数据容量也大。因此，在大楼16中新追加边缘控制器4。并且，管理控制器2A设为仅具备分配部100的构成。

边缘控制器4(控制装置的一例)具有识别部40、推测部70、判断部80以及确定部90，通过通信网22与上位***6连接。电梯10设置于大楼16。另外，由推测部70推测、且由确定部90确定的表示人的举动的举动图形作为学习结果54临时保存于确定部90。另外，由确定部90读取学习结果54，将基于学习结果54的人的举动的推测结果与传感器30实际计测而得的人的举动进行比较。确定部90所生成的比较结果向推测部70输出。

边缘控制器4的识别部40在从传感器30取得计测数据时，基于来自传感器30的计测数据，识别对象物(人)的位置、举动。接着，识别部40经由通信网22向上位***6发送识别结果。

上位***6的学习部50以与图4相同的流程执行举动图形的学习。边缘控制器4的推测部70以与图5～图10相同的流程推测人的举动。学习部50和推测部70反复进行处理，由推测部70推测出的人的举动被收集到适于大楼16的状况的学习结果54。学习结果54在规定的时机被向上位***6发送，作为学习结果52从存储部60被获取。

另外，确定部90将基于判断部80的判断结果所确定的人的举动知会给分配部100。此时，例如在几秒后，将几个人向候梯厅层移动这样的信息通知给分配部100。分配部100基于来自确定部90的通知，分配人可利用的电梯10的服务。

在此，假定建设新的大楼17，在大楼17中设置有多个电梯10。在大楼17中还设置管理控制器2A和边缘控制器4。因此，设置于大楼17的边缘控制器4经由通信网22与上位***6连接，并从上位***6取得学习结果52。如上所述，学习结果52是用于推测现有的大楼16中的人的举动、通过学习而累积的数据。

设置于大楼17的边缘控制器4能够利用从上位***6取得的学习结果52，执行适应于大楼17的状况的推测部70、判断部80、确定部90。另外，即使在发生了与大楼16不同的举动的情况下，也能够通过与图8相同的流程对人的举动图形进行再学习。通过对人的举动图形进行再学习，从而将能够应对各种举动图形的、适应于大楼17的状况的学习结果52累积于上位***6。

在以上说明的第二实施方式的电梯***1A中，设为将第一实施方式的管理控制器2的功能分散给上位***6和边缘控制器4的结构。由此，能够由处理能力高的上位***6来执行处理负载高的功能，边缘控制器4能够执行多个功能。因此，管理控制器2A的负载降低，能够提高电梯10的运行效率。

另外，能够将已经设置于大楼16内的监视相机等传感器30与边缘控制器4连接。因此，也可以不在大楼16内新设置传感器30。并且，上位***6以及边缘控制器4能够将从现有的传感器30得到的计测数据有效地活用于用于预测、学习人的举动。

另外，设置于新建设的大楼17的边缘控制器4能够取得上位***6中累积的学习结果52，以对大楼17中的人的举动进行推测。因此，能够缩短大楼17的边缘控制器4为了学习人的举动图形而所花费的时间。

需要说明的是，即使是现有的大楼，也可以将老旧的电梯控制用的控制器替换为本实施方式的边缘控制器4和管理控制器2A。在该情况下，替换后的边缘控制器4也能够使用从上位***6取得的学习结果52，以对大楼17中的人的举动进行推测。

[第三实施方式]

接下来，对由上位***和智能传感器构成的本发明的第三实施方式的电梯***进行说明。

＜上位***和智能传感器的结构例＞

图12是表示第三实施方式的电梯***1B的结构例的框图。

电梯***1B设为将执行推测部70的环境与传感器30合并、且执行学习部50的环境分散开的结构。这样，在将执行推测部70的环境与传感器30合并后的智能传感器5(计测装置的一例)中，执行推测部70的功能。

在大楼16中，取代第二实施方式所示的边缘控制器4而设置智能传感器5。智能传感器5具有传感器30、识别部40、推测部70、判断部80以及确定部90，能够通过智能传感器5自身所具有的未图示的CPU来执行各部分的处理。

另外，智能传感器5通过通信网22与上位***6连接，能够参照上位***6管理的学习结果52。智能传感器5从上位***6参照的学习结果52作为学习结果54临时保存于智能传感器5内的确定部90。因此，智能传感器5内的推测部70能够在无需多次访问上位***6的情况下，高效地参照学习结果54以执行处理。

智能传感器5的识别部40基于来自传感器30的计测数据，识别对象物(人、物体)的位置、举动，并经由通信网22向上位***6发送识别结果。

上位***6的学习部50以与图4相同的流程执行举动图形的学习。智能传感器5的推测部70以与图5～图10相同的流程推测人的举动。学习部50和推测部70反复进行处理，由推测部70推测出的人的举动被收集到适于大楼16的状况的学习结果54。学习结果54在规定的时机被向上位***6发送，作为学习结果52从存储部60被获取。

另外，设为建设新的大楼17，在大楼17中设置有管理控制器2A和智能传感器5。与上述的第二实施方式的电梯***1A同样地，设置于大楼17的智能传感器5经由通信网22与上位***6连接，并从上位***6取得学习结果52。因此，设置于大楼17的智能传感器5能够利用从上位***6取得的学习结果52，执行适应于大楼17的状况的推测部70、判断部80、确定部90。

在以上说明的第三实施方式的电梯***1B中，具备包括传感器30的智能传感器5。智能传感器5能够与上位***6进行通信。在第三实施方式中，也能够由上位***6执行处理负载高的功能，智能传感器5能够执行多个功能。因此，管理控制器2A的负载降低，能够提高电梯10的运行效率。

[第四实施方式]

接下来，对由上位***和管理控制器构成的本发明的第四实施方式的电梯***进行说明。

＜由云***构成的上位***的例子＞

图13是表示第四实施方式的电梯***1C的结构例的框图。

电梯***1C设为将执行学习部50的环境以及执行推测部70的环境集成到由数据中心、云***构成的上位***6A的结构。

上位***6A具备识别部40、学习部50、存储部60、推测部70、判断部80以及确定部90。并且，在存储部60存储多个学习结果52。

设置于大楼16的传感器30以及管理控制器2A的分配部100通过通信网22与上位***6连接。传感器30经由通信网22将计测数据向识别部40发送。在上位***6A中，构成与第一实施方式的管理控制器2同样的功能部，执行规定的处理。

设置于大楼16内的管理控制器2A经由通信网22接收上位***6A的处理结果。接着，管理控制器2A的分配部100基于上位***6A的处理结果，向电梯10分配服务。

在以上说明的第四实施方式的电梯***1C中，设置于大楼16的为传感器30、管理控制器2A，向上位***6A发送传感器30计测而得的计测数据。接着，上位***6A将基于从传感器30接收到的计测数据学习而得的举动图形作为学习结果52进行累积，推测部70基于学习结果52来推测人的举动。接着，将推测部70推测、且由确定部90确定的人的举动经由通信网22由管理控制器2A接收。管理控制器2A的分配部100基于从上位***6A接收到的人的举动，向电梯10分配服务。这样，在第四实施方式中，能够由上位***6执行处理负载高的多个功能。因此，管理控制器2A的负载降低，能够提高电梯10的运行效率。

[第五实施方式]

需要说明的是，在上述的各实施方式中所使用的学习结果52也可以构成为以图6所示的数据形式以外的形式来管理。

＜数据库的结构例＞

图14是表示学习结果52的数据形式的一例的说明图。

学习结果52以作为学习结果数据库93A所表示的数据形式被保存。学习结果数据库93A出于推测部70推测人的举动的目的，对学习结果52的时间序列数据91进行管理。因此，学习结果数据库93A包含大楼属性信息94、属性信息92以及时间序列数据91。

作为设置电梯10的大楼，例如有写字楼、百货商场、酒店、公寓等。并且，根据大楼的属性的不同，人的举动也变化。在此，在学习结果数据库93A中作为关键字追加大楼属性信息94。大楼属性信息94是表示进行人的举动的推测的大楼各自的属性的信息。并且，学习结果数据库93A能够将时间序列数据91以及属性信息92作为记录项进行管理。

存储部60将学习结果52与设置电梯10的大楼属性信息94组合起来进行管理，将组合有与推测部70推测对象物的下一举动的大楼相应的大楼属性信息94的学习结果52向推测部70输出。因此，推测部70能够基于与设置有推测部70的大楼相应的大楼属性信息94来选择学习结果52，以对对象物的下一举动进行推测。以下的推测出的对象物的举动的判断、对象物的举动的确定、服务的分配、再学习的处理与在上述实施方式中说明过的处理同样地进行。

在以上说明的第五实施方式的电梯***中，使用包含大楼属性信息94的学习结果数据库93A。因此，例如在新建设的大楼17的属性与现有的大楼16的属性不同的情况下，从学习结果数据库93A选择与大楼17的属性相同或相似的其他大楼的属性。并且，管理控制器2A能够从上位***6取得从学习结果数据库93A选择了的属性的学习结果52，以进行基于人的举动的服务的分配。

在上述的第二～第四实施方式中，针对每个大楼16、17，作为固有的信息对人的举动进行学习而储存于学习结果52。因此，如果大楼16、17的属性相同(例如，相同的写字楼)，则设置于大楼17的管理控制器2A等从上位***6取得根据大楼16中的人的举动学习而得的学习结果52。并且，设置于大楼17的管理控制器2A能够高效地使用学习结果52，以对确定的人分配电梯10的服务。

[变形例]

需要说明的是，在上述的各实施方式中，对在一栋大楼中设置有多个电梯10的例子进行了说明，但即使是在一栋大楼中仅设置有一台电梯10的方式，也能够构成各实施方式的电梯***。

另外，传感器30也可以是将对对象物扫描而得的三维图像数据作为计测数据输出的三维计测部。作为三维计测部，例如可使用激光距离计、LiDAR。并且，从三维计测部输出的三维图像数据例如是三维地图数据。因此，识别部40能够从三维地图数据中提出包含对象物的区域，并从该区域将对象物识别为人、物体。并且，推测部70能够将该区域中的随着时间经过而移动的对象物的举动推测为人的举动。

需要说明的是，本发明并不限定与上述实施方式，只要不脱离技术方案所记载的本发明的主旨，当然也可以得到其他各种应用例、变形例。

例如，在上述的各实施方式中为了容易地说明本发明，详细并具体地说明了装置以及***的结构，但并不一定限定于具备所说明过的所有结构。另外，也能够将在此说明的实施方式的结构的一部分置换为其他实施方式的结构，进而还可以将其他实施方式的结构添加至某一实施方式的结构中。另外，关于各实施方式的结构的一部分，也能够进行其他结构的追加、删除、置换。

另外，控制线、信息线表示在说明上认为是必要的，在产品上未必表示所有的控制线、信息线。实际上，也可以认为几乎全部的结构彼此连接。

Claims (15)

1.一种电梯***，其控制电梯的运行，其中，

所述电梯***具备：

计测部，其对计测区域内的对象物进行计测，并输出计测数据；

识别部，其基于所述计测数据对所述对象物进行识别；

推测部，其基于由所述识别部识别的当前的所述对象物的实际举动和利用过去的所述计测数据学习而得的表示所述对象物的举动图形的学习结果，对当前的所述计测区域内的利用所述电梯的所述对象物的下一举动进行推测；

判断部，其判断所述对象物的实际举动与由所述推测部推测的所述对象物的下一举动一致还是不一致，并输出判断结果；

确定部，其基于所述判断结果，确定所述对象物的下一举动；以及

分配部，其基于由所述确定部确定的所述对象物的下一举动，向所述电梯分配服务。

2.根据权利要求1所述的电梯***，其中，

所述推测部基于将所述计测区域划分为规定的大小而成的基础区域，推测所述对象物的下一举动，

所述判断部针对每个所述基础区域，判断所述计测数据所表示的所述对象物的实际举动与由所述推测部推测的所述对象物的下一举动一致还是不一致。

3.根据权利要求2所述的电梯***，其中，

所述确定部基于判断为向所述电梯的候梯厅移动的所述对象物的举动即所述对象物的实际举动与由所述推测部推测的所述对象物的下一举动近似的所述判断结果，确定为所述对象物搭乘所述电梯的轿厢。

4.根据权利要求2所述的电梯***，其中，

所述确定部在判断为向所述电梯的候梯厅移动的所述对象物的举动即所述对象物的实际举动与由所述推测部推测的所述对象物的下一举动近似的所述判断结果在任意的条件下继续的情况下，基于所述判断结果，确定为所述对象物搭乘所述电梯的轿厢。

5.根据权利要求3所述的电梯***，其中，

所述学习结果连续地表示过去由所述确定部确定的所述对象物的举动。

6.根据权利要求5所述的电梯***，其中，

所述电梯***还具备：

学习部，在得到了由所述判断部判断为不一致的所述判断结果的情况下，所述学习部基于所述对象物的实际举动，对所述对象物的所述举动图形进行学习，并更新所述学习结果；以及

存储部，其保存所述学习结果。

7.根据权利要求6所述的电梯***，其中，

所述学习部根据所述对象物的实际举动，使包含所述对象物且用于作为所述对象物的举动的学习对象的学习推论区域变化，并基于所述学习推论区域的变化来学习所述对象物的举动图形。

8.根据权利要求7所述的电梯***，其中，

所述存储部按时间序列管理所述学习结果，并根据来自所述推测部的请求，将所述推测部推测所述对象物的下一举动所需的、与由所述计测部计测所述对象物的时刻对应的所述学习结果向所述推测部输出。

9.根据权利要求8所述的电梯***，其中，

所述存储部将所述学习结果与设置所述电梯的建筑物的属性信息组合起来进行管理，将与和所述推测部推测所述对象物的下一举动的所述建筑物对应的所述属性信息组合起来的所述学习结果向所述推测部输出。

10.根据权利要求9所述的电梯***，其中，

所述存储部将以时间序列管理的所述学习结果与更新了所述学习结果的时间点的所述电梯的运行模式组合，来保存所述学习结果，

所述推测部从所述存储部读取与当前设定的所述运行模式对应的所述学习结果，推测所述对象物的下一举动。

11.根据权利要求9所述的电梯***，其中，

所述分配部向能够供由所述确定部确定为搭乘所述轿厢的所述对象物搭乘的所述电梯分配服务，从而控制到达了所述候梯厅的所述电梯的所述轿厢的门的开闭。

12.根据权利要求10所述的电梯***，其中，

所述电梯***包括上位***、控制装置以及所述计测部，

所述上位***具有所述学习部以及所述存储部，

所述控制装置具有所述识别部、所述推测部、所述判断部以及所述确定部，通过网络与所述上位***连接，在设置所述电梯的建筑物中设置，

所述计测部设置于所述建筑物，

所述识别部从所述计测部取得所述计测数据。

13.根据权利要求10所述的电梯***，其中，

所述电梯***包括上位***以及计测装置，

所述上位***具有所述学习部以及所述存储部，

所述计测装置具有所述计测部、所述识别部、所述推测部、所述判断部以及所述确定部，通过网络与所述上位***连接，在设置所述电梯的建筑物中设置。

14.根据权利要求10所述的电梯***，其中，

所述电梯***具有上位***，

所述上位***具有所述识别部、所述推测部、所述判断部、所述确定部、所述学习部以及所述存储部，

所述计测部以及所述分配部通过网络与所述上位***连接，在设置所述电梯的建筑物中设置。

15.根据权利要求1至14中任一项所述的电梯***，其中，

所述计测部是将对所述对象物进行拍摄而得的拍摄数据作为所述计测数据输出的摄影部，

所述识别部基于所述拍摄数据，对随着时间经过而移动的所述对象物进行识别。

Images