JP2019081634A - Elevator analysis system and elevator analysis method - Google Patents
Elevator analysis system and elevator analysis method Download PDFInfo
- Publication number
- JP2019081634A JP2019081634A JP2017209721A JP2017209721A JP2019081634A JP 2019081634 A JP2019081634 A JP 2019081634A JP 2017209721 A JP2017209721 A JP 2017209721A JP 2017209721 A JP2017209721 A JP 2017209721A JP 2019081634 A JP2019081634 A JP 2019081634A
- Authority
- JP
- Japan
- Prior art keywords
- elevator
- floor
- people
- control
- processor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B3/00—Applications of devices for indicating or signalling operating conditions of elevators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/02—Control systems without regulation, i.e. without retroactive action
- B66B1/06—Control systems without regulation, i.e. without retroactive action electric
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B50/00—Energy efficient technologies in elevators, escalators and moving walkways, e.g. energy saving or recuperation technologies
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Elevator Control (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
Description
本発明は、群管理エレベータを分析する技術に関する。 The present invention relates to the art of analyzing a group management elevator.
比較的規模の大きなビルにおいては、エレベータの輸送能力を向上させるため複数のエレベータを併設し、乗り場での呼び登録に際して、最適なカゴを選択してサービスさせるシステムを導入している。更にビルの規模が大きくなるにつれ、併設されるエレベータの台数も多くなり、これら複数のエレベータを群管理装置が適切に制御して利用者に対する待ち時間の低減等のサービス向上を図っている。その際には、群管理装置は、運行データ等を用いて、エレベータ利用状況を予測することで、最適な制御を試みている。 In a relatively large building, a plurality of elevators are added in order to improve the transport capacity of the elevators, and a system for selecting and servicing the most suitable car for call registration on the platform is introduced. Furthermore, as the scale of the building increases, the number of elevators provided side by side increases, and the group management device appropriately controls the plurality of elevators to improve services such as waiting time for users. At that time, the group management device tries to perform optimal control by predicting the elevator usage status using operation data and the like.
特許文献1では、カゴの乗車人数から、上向き乗車割合の特徴量、上向き降車の特徴量、下向き乗車割合の特徴量、下向き降車の特徴量を用いて、利用需要の予測分析している。
In
特許文献2では、エレベータホールにカメラ設置し、乗場人数をカウントする。ある時刻における待ち人数を予測する場合に、過去一定期間の同時刻における待ち時間の平均値を予測値としている。
In
特許文献3では、カゴの乗車人数を用いている。現在のビルの混雑状況と過去の利用履歴を用いて、混雑状況を予想している。
In
特許文献4では、エレベータホール前より建物入口部分に向けて撮影するようにカメラを設置し、エレベータホールに近づいてくる人を検知したら、カゴを配車する。
In
乗場に訪れるこれからエレベータを利用する人の訪問時間、乗車階床、降車階床、その人数が分からないために、群管理エレベータ制御が限定されている。 The group management elevator control is limited because the visiting time of the person who uses the elevator from now on the landing, the boarding floor, the getting-off floor, and the number of people are not known.
特許文献1と特許文献3では、エレベータのカゴ乗車人数を用いているため、乗車階床と降車階床の状況は分かるが、乗場の状況は分からない。よって、乗場の変化に合わせた制御が難しい。
In
また、特許文献2と特許文献4では、乗場にカメラを設置するため、乗場の状況がわかるが、乗車階床と降車階床の状況がわからない。よって、乗車階床と降車階床の状況に合わせた制御がむずかしい。また、カメラを設置するコストが別途発生する。
Moreover, in
本発明の目的は、データから乗場に訪れるこれからエレベータを利用する人の訪問時間、乗車階床、降車階床、その人数を求め、将来の混雑が予測された際に、乗場にいる利用者の待ち時間など利用者からの不満を低減させる制御を実施することである。 The object of the present invention is to obtain from the data the visiting time of the person using the elevator from now on, the boarding floor, the getting-off floor, the number of people, and when the future congestion is predicted, the user at the boarding station Implement control to reduce dissatisfaction from users, such as waiting time.
上記の課題の少なくとも一つを解決するために、本発明は、プロセッサと、前記プロセッサに接続される記憶装置と、を有するエレベータ分析システムであって、前記記憶装置は、制御の対象であるエレベータ群の各階の乗り場にエレベータを利用するために現れた人物の数である発生人数を保持し、前記プロセッサは、前記記憶装置に保持された発生人数から、将来の発生人数を予測し、予測された前記将来の発生人数から、前記エレベータ群に属する前記各カゴの運行を制御するために適用される運行ルール、及び、各運行ルールにおいて設定される制御パラメータを決定し、決定された前記運行ルール及び制御パラメータを出力することを特徴とする。 In order to solve at least one of the above problems, the present invention is an elevator analysis system having a processor and a storage device connected to the processor, the storage device being an elevator to be controlled. The generation number of persons, which is the number of persons appearing for using elevators at the landings of each floor of a group, is held, and the processor predicts the future number of generations from the number of generations held in the storage device. The operation rule applied to control the operation of each car belonging to the elevator group and the control parameter set in each operation rule are determined from the future generation number of persons, and the operation rule determined And control parameters.
本発明の一態様によれば、最適なエレベータ制御を実現することで、エレベータの関係者の不満を低減させることができる。上記した以外の課題、構成及び効果は、以下の実施形態の説明によって明らかにされる。 According to one aspect of the present invention, by realizing optimal elevator control, dissatisfaction of elevator personnel can be reduced. Problems, configurations, and effects other than those described above are clarified by the description of the embodiments below.
次に、本発明の実施形態について図面を用いて詳細に説明するが、本発明は以下の実施形態に限定されることなく、本発明の技術的な概念の中で種々の変形例や応用例をもその範囲に含むものである。以下、本発明に係る一実施形態を、図1を用いて説明する。 Next, embodiments of the present invention will be described in detail with reference to the drawings. However, the present invention is not limited to the following embodiments, and various modifications and applications may be made within the technical concept of the present invention. Is included in the range. Hereinafter, one embodiment according to the present invention will be described with reference to FIG.
図1Aは、本発明の実施形態の群管理エレベータ制御システムの全体構成を示すブロック図である。 FIG. 1A is a block diagram showing an overall configuration of a group control elevator control system according to an embodiment of the present invention.
分析サーバSA、クライアント端末CL、外部情報近隣建屋情報EXN、外部情報データベースEXD、外部情報カメラEXC、制御盤CA、カゴ1CA1、カゴ2CA2、及びカゴ8CA8は、open又はcloseのネットワークNWに接続されている。 Analysis server SA, client terminal CL, external information neighboring building information EXN, external information database EXD, external information camera EXC, control panel CA, cage 1CA1, cage 2CA2, and cage 8CA8 are connected to the network NW of open or close There is.
分析サーバSAは、群管理エレベータの制御に関する分析を行うエレベータ分析システムを構成する。分析サーバSAは、データベースSA0、表示部SA1、要求部SA2及び実行部SA3から構成されている。 The analysis server SA configures an elevator analysis system that performs analysis on control of the group management elevator. The analysis server SA includes a database SA0, a display unit SA1, a request unit SA2, and an execution unit SA3.
データベースSA0は、分析サーバSA内で使用される入力/出力データを扱っている。具体的には、データベースSA0は、予め分析サーバSAに設定されている情報、ネットワークNWを介して取得された情報、及び、実行部SA3の処理によって生成された情報等を含む。図1Aでは省略されているが、データベースSA0は、例えば、ビル基本情報SA00、ランダムシードSA01、乗降人数SA02、エレベータ運行ログSA03、外部情報(天候)SA04、外部情報(カメラ)SA05、外部情報(建屋情報)SA06、発生人数推定入力SA07、発生人数推定モデルSA08、発生人数推定結果SA09、発生人数予測結果SA10、発生人数予測結果SA11、時間帯別行き先階推定SA12、時間帯別行き先階予測結果SA13、ルール/制御テンプレートSA14、KPIリストSA15、シミュレーションの入力と結果SA16、有効ルール/パラメータSA17及びルール/パラメータリストSA19を含む(図2、図12〜図31参照)。 The database SA0 handles input / output data used in the analysis server SA. Specifically, the database SA0 includes information set in advance in the analysis server SA, information acquired via the network NW, information generated by the processing of the execution unit SA3, and the like. Although omitted in FIG. 1A, the database SA0 includes, for example, building basic information SA00, random seeds SA01, passengers SA02, elevator operation log SA03, external information (weather) SA04, external information (camera) SA05, external information Building information) SA06, occurrence number of people estimation input SA07, occurrence number of people estimation model SA08, occurrence number of people estimation result SA09, occurrence number of people estimation result SA10, occurrence number of people prediction result SA11, destination floor estimation by time zone SA12, destination floor prediction result by time zone SA13, rule / control template SA14, KPI list SA15, simulation input and result SA16, valid rule / parameter SA17, and rule / parameter list SA19 (see FIGS. 2 and 12 to 31).
実行部SA3は実際に分析を実行する部分であり、計測処理部SA31、発生人数推定モデル生成部SA32、発生人数推定部SA33、発生人数予測部SA34、行き先階推定部SA35、行き先階予測部SA36、制御セレクター部SA37及びルール/パラメータ評価部SA38から構成されている。 The execution unit SA3 is a unit that actually executes the analysis, and the measurement processing unit SA31, the generation number estimation model generation unit SA32, the generation number estimation unit SA33, the generation number estimation unit SA34, the destination floor estimation unit SA35, and the destination floor prediction unit SA36 , A control selector unit SA37 and a rule / parameter evaluation unit SA38.
クライアント端末CLは、管理者が分析の状況を閲覧するための端末である。外部情報近隣建屋情報EXN、外部情報データベースEXD、外部情報カメラEXC及び制御盤CAは、エレベータの運行に関する情報ではない情報を提供する。これらを外部情報と記載する。外部情報は、上記のもの以外に、鉄道交通データ及び道路状況データなど公開されている情報を含んでもよい。カゴ1CA1、カゴ2CA2及びカゴ8CA8はエレベータのカゴであり、制御盤CAはカゴ1CA1〜カゴ8CA8を制御する制御装置である。 The client terminal CL is a terminal for the administrator to browse the status of analysis. The external information neighboring building information EXN, the external information database EXD, the external information camera EXC, and the control panel CA provide information that is not information regarding elevator operation. These are described as external information. The external information may include, in addition to the above information, publicly available information such as railway traffic data and road condition data. The cage 1CA1, the cage 2CA2 and the cage 8CA8 are elevator cages, and the control panel CA is a control device for controlling the cages 1CA1 to 8CA8.
一部の図示が省略されているが、図1Aの例では、カゴ1CA1〜カゴ8CA8までの8台のカゴが制御盤CAによって制御される。カゴ1CA1〜カゴ8CA8は、例えば、同じ建物の、同じエレベータ乗り場(エレベータホール)に面して設置された、8基からなる群管理の対象となるエレベータ群のカゴである。ただし8基は一例であり、2基以上からなるエレベータ群に本発明を適用することができる。 Although a partial illustration is omitted, in the example of FIG. 1A, eight cars from car 1CA to car 8CA8 are controlled by control board CA. The cages 1CA1 to 8CA8 are, for example, cages of elevator groups to be subjected to group management of eight, installed facing the same elevator hall (elevator hall) in the same building. However, eight units are an example and the present invention can be applied to an elevator group consisting of two or more units.
また、本実施形態において発生人数とは、エレベータに乗るためにエレベータホールに現れた人物の数である。 Further, in the present embodiment, the number of generated persons is the number of persons appearing in the elevator hall to get on the elevator.
図1Bは、本発明の実施形態の分析サーバSAのハードウェア構成を示すブロック図である。 FIG. 1B is a block diagram showing the hardware configuration of the analysis server SA according to the embodiment of this invention.
分析サーバSAは、例えば、相互に接続されたインターフェース(I/F)101、入力装置102、出力装置103、プロセッサ104、主記憶装置105及び補助記憶装置106を有する計算機である。
The analysis server SA is, for example, a computer having an interface (I / F) 101, an
インターフェース101は、ネットワークNWに接続され、ネットワークNWを介してクライアント端末CL、外部情報データベースEXD、外部情報カメラEXC及び制御盤CAとの通信、並びに、外部情報近隣建屋情報EXNの取得等を行う。入力装置102は、分析サーバSAのユーザが分析サーバSAに情報を入力するために使用する装置であり、例えばキーボード、マウス及びタッチセンサ等の少なくともいずれかを含んでもよい。出力装置103は、分析サーバSAのユーザに情報を出力する装置であり、例えば文字及び画像等を表示する表示装置を含んでもよい。
The
プロセッサ104は、主記憶装置105に格納されたプログラムに従って種々の処理を実行する。主記憶装置105は、例えばDRAMのような半導体記憶装置であり、プロセッサ104によって実行されるプログラム及びプロセッサの処理に必要なデータ等を格納する。補助記憶装置106は、例えばハードディスクドライブ又はフラッシュメモリなどの比較的大容量の記憶装置であり、プロセッサによって実行する処理において参照されるデータ等を格納する。 The processor 104 executes various processes in accordance with a program stored in the main storage device 105. The main storage device 105 is a semiconductor storage device such as a DRAM, for example, and stores a program executed by the processor 104 and data required for processing of the processor. The auxiliary storage device 106 is a relatively large-capacity storage device such as a hard disk drive or a flash memory, for example, and stores data referred to in processing executed by the processor.
本実施形態の主記憶装置105には、実行部SA3に含まれる計測処理部SA31、発生人数推定モデル生成部SA32、発生人数推定部SA33、発生人数予測部SA34、行き先階推定部SA35、行き先階予測部SA36、制御セレクター部SA37及びルール/パラメータ評価部SA38を実現するためのプログラムが格納される。したがって、以下の説明において実行部SA3に含まれる各部が実行する処理は、実際には、プロセッサ104が、主記憶装置105に格納された各部に対応するプログラムに従って実行する。 The main storage unit 105 of the present embodiment includes a measurement processing unit SA31, an occurrence people estimation model generation unit SA32, an occurrence people estimation unit SA33, an occurrence people estimation unit SA34, a destination floor estimation unit SA35, and a destination floor included in the execution unit SA3. A program for realizing the prediction unit SA36, the control selector unit SA37, and the rule / parameter evaluation unit SA38 is stored. Therefore, in the following description, the processing executed by each unit included in the execution unit SA3 is actually executed by the processor 104 according to a program corresponding to each unit stored in the main storage device 105.
また、要求部SA2の処理は、プロセッサ104が主記憶装置105に格納された要求部SA2に対応するプログラムに従ってインターフェース101又は入力装置102を制御することによって実現されてもよい。表示部SA1の処理は、プロセッサ104が主記憶装置105に格納された表示部SA1に対応するプログラムに従って出力装置103を制御することによって実現されてもよい。
Further, the processing of the request unit SA2 may be realized by the processor 104 controlling the
本実施形態の補助記憶装置106は、データベースSA0を格納する。さらに、実行部SA3に含まれる各部に対応するプログラムが補助記憶装置106に格納され、必要に応じて主記憶装置105にコピーされてもよい。また、データベースSA0の少なくとも一部が必要に応じて主記憶装置105にコピーされてもよい。 The auxiliary storage device 106 of the present embodiment stores the database SA0. Furthermore, a program corresponding to each unit included in the execution unit SA3 may be stored in the auxiliary storage device 106 and copied to the main storage device 105 as necessary. Further, at least a part of the database SA0 may be copied to the main storage device 105 as necessary.
図2は、本発明の実施形態の群管理エレベータ制御システムの処理、及び、データの関連を示した説明図である。 FIG. 2 is an explanatory view showing the processing of the group control elevator control system of the embodiment of the present invention and the relationship of data.
この図を参照することによって、それぞれの処理に関する入力データおよび出力データが明らかになる。また、処理、及び、データの全体俯瞰が可能となる。太線の枠のブロックが処理、細線の枠のブロックがデータを示す。また、実線で囲まれている範囲がリアルタイム処理であり、破線で囲まれている範囲はオフラインで実行されることが望ましい。 By referring to this figure, input data and output data regarding each process becomes clear. Also, processing and whole data browsing are possible. A block of a bold frame indicates processing, and a block of a thin frame indicates data. Further, it is desirable that the range enclosed by the solid line is real-time processing, and the range enclosed by the broken line is executed off-line.
具体的には、発生人数推定モデル生成部SA32は、ビル基本情報SA00(図12)及びランダムシードSA01(図13)に基づいて、発生人数モデル処理SP01(図5)を実行して、発生人数推定モデルSA08(図20)を出力する。図2の例では、この発生人数モデル処理SP01は、オフライン処理SZ1として実行される。 Specifically, based on the building basic information SA00 (FIG. 12) and the random seed SA01 (FIG. 13), the occurrence number estimation model generation unit SA32 executes the occurrence number model processing SP01 (FIG. 5) The estimated model SA08 (FIG. 20) is output. In the example of FIG. 2, the generated number of people model processing SP01 is executed as the offline processing SZ1.
発生人数推定部SA33は、乗降人数SA02(図14)、エレベータ運行ログSA03(図15)、外部情報(天候)SA04(図16)、外部情報(カメラ)SA05(図17)、外部情報(建屋情報)SA06(図18)、ビル基本情報SA00及び発生人数推定モデルSA08に基づいて、発生人数推定処理SP02(図6)を実行し、その結果を発生人数予測部SA34に入力する。発生人数推定部SA33は、上記以外に利用できる外部情報があればそれを利用してもよい。 The generated number of people estimation unit SA33 includes the number of people on board SA02 (FIG. 14), the elevator operation log SA03 (FIG. 15), the external information (weather) SA04 (FIG. 16), the external information (camera) SA05 (FIG. 17), the external information (building) Information) SA06 (FIG. 18), the generated people estimation process SP02 (FIG. 6) is executed based on the building basic information SA00 and the generated people estimation model SA08, and the result is input to the generated people estimation unit SA34. If there is external information that can be used other than the above, the number-of-occurrences estimation unit SA33 may use it.
発生人数予測部SA34は、発生人数推定処理SP02の結果に基づいて、発生人数予測処理SP03(図7)を実行し、その結果を行き先階予測部SA36及び制御セレクター部SA37に入力する。また、その結果は保存処理SP07(図9)によって保存される。 The generated person number prediction unit SA34 executes the generated person number prediction process SP03 (FIG. 7) based on the result of the generated person number estimation process SP02, and inputs the result to the destination floor prediction unit SA36 and the control selector unit SA37. Also, the result is stored by the storage process SP07 (FIG. 9).
行き先階推定部SA35は、乗り降り人数SA02に基づいて、行き先階推定処理SP04(図8)を実行し、その結果を行き先階予測部SA36に入力する。 The destination floor estimation unit SA35 executes the destination floor estimation process SP04 (FIG. 8) based on the number of people SA02 who got on and off, and inputs the result to the destination floor prediction unit SA36.
行き先階予測部SA36は、発生人数予測処理SP03及び行き先階推定処理SP04の結果に基づいて、行き先階予測処理SP05(図9)を実行する。その結果は保存処理SP07によって保存される。 The destination floor prediction unit SA36 executes the destination floor prediction process SP05 (FIG. 9) based on the results of the generated person number prediction process SP03 and the destination floor estimation process SP04. The result is stored by storage processing SP07.
制御セレクター部SA37は、行き先階予測処理SP05の結果、発生人数予測処理SP03の結果、及び、後述する表示/制御データ生成処理SP15によって生成されたルール/パラメータリストSA19に基づいて、制御セレクターSP06(図10)を実行し、その結果を制御盤CAに出力する。 The control selector unit SA37 controls the control selector SP06 based on the result of the destination floor prediction process SP05, the result of the generated people prediction process SP03, and the rule / parameter list SA19 generated by the display / control data generation process SP15 described later. 10) is executed, and the result is output to the control panel CA.
図2の例では、上記の発生人数推定処理SP02〜保存処理SP07は、リアルタイム処理SZ0として実行される。 In the example of FIG. 2, the above-described generated people estimation process SP <b> 02 to the storage process SP <b> 07 are executed as the real time process SZ <b> 0.
ルール/パラメータ評価部SA38は、保存処理SP07によって保存されたデータ、ルール/制御テンプレートSA14(図26)、及びKPIリストSA15(図27)に基づいて、KPIシミュレーション処理SP11、有効ルール/パラメータ選択SP12、終了判定処理SP13、有効ルール/パラメータの細分化処理SP14及び表示/制御データ生成処理SP15を実行する(図11)。その過程でシミュレーションの入力と結果SA16(図28)及び有効ルール/パラメータSA17(図29)が生成され、最終的にルール/パラメータリストSA19(図31)及びビル個別化レポートSA20(図32)が出力される。 The rule / parameter evaluation unit SA38 performs the KPI simulation processing SP11 and the valid rule / parameter selection SP12 based on the data stored by the storage processing SP07, the rule / control template SA14 (FIG. 26), and the KPI list SA15 (FIG. 27). , And the end judgment processing SP13, the effective rule / parameter segmentation processing SP14, and the display / control data generation processing SP15 are executed (FIG. 11). In the process, simulation inputs and results SA16 (FIG. 28) and effective rules / parameters SA17 (FIG. 29) are generated, and finally the rule / parameter list SA19 (FIG. 31) and the building individualization report SA20 (FIG. 32) It is output.
図2の例では、上記のKPIシミュレーション処理SP11〜表示/制御データ生成処理SP15は、オフライン処理SZ2として実行される。 In the example of FIG. 2, the above-described KPI simulation processing SP11 to display / control data generation processing SP15 are executed as the offline processing SZ2.
図3は、本発明の実施形態の群管理エレベータ制御システムの処理の発生人数予測及び行き先階予測の概要を示すシーケンス図である。 FIG. 3 is a sequence diagram showing an outline of the generated number prediction and destination floor prediction of the process of the group management elevator control system according to the embodiment of this invention.
図3のシーケンス図は、データ関連(乗降人数SA02、エレベータ運行ログSA03、外部情報(天候)SA04、外部情報(カメラ)SA05など)、分析サーバSA、制御盤CA及びクライアント端末CLのそれぞれに対応する4つの軸を用いて表現されている。 The sequence diagram of FIG. 3 corresponds to each of data-related (such as the number of passengers SA02, elevator operation log SA03, external information (weather) SA04, external information (camera) SA05), analysis server SA, control panel CA and client terminal CL. It is expressed using four axes.
データ収集S01は、外部情報データベースEXD等の外部のシステムが周期的にデータを分析サーバSAに送信する処理である。分析サーバSAの実行部SA3の計測処理部SA31がそれらのデータを受信し、データベース登録S02を行って、データベースSA0のそれぞれのテーブルに受信したデータを格納する。定期的に、実行部SA3の発生人数推定モデル生成部SA32、発生人数推定部SA33、発生人数予測部SA34、行き先階推定部SA35、行き先階予測部SA36及び制御セレクター部SA37の処理が実行され、その結果のデータがデータベース登録S03によって、データベースSA0のそれぞれのテーブルに格納される。最後に、分析サーバSAは、制御セレクター部SA37によって選択された制御パラメータを制御盤CAに対して入力コマンドCA0として送信する。 Data collection S01 is processing in which an external system such as the external information database EXD periodically transmits data to the analysis server SA. The measurement processing unit SA31 of the execution unit SA3 of the analysis server SA receives those data, performs database registration S02, and stores the received data in the respective tables of the database SA0. Periodically, the processing of the generated people estimation model generating unit SA32, the generated people estimation unit SA33, the generated number of people predicting unit SA34, the destination floor estimating unit SA35, the destination floor predicting unit SA36 and the control selector unit SA37 of the execution unit SA3 is executed, The resulting data is stored in each table of the database SA0 by database registration S03. Finally, the analysis server SA transmits the control parameter selected by the control selector unit SA37 to the control board CA as an input command CA0.
図4は、本発明の実施形態の群管理エレベータ制御システムの処理の有効ルール/パラメータ選択の概要を示すシーケンス図である。 FIG. 4 is a sequence diagram showing an outline of effective rule / parameter selection of processing of the group management elevator control system according to the embodiment of this invention.
図4のシーケンス図は、図3と同様の4つの軸を用いて表現される。 The sequence diagram of FIG. 4 is represented using the same four axes as FIG.
クライアント端末CLでは、管理者が経営者情報として例えばKPI及び期間などを入力する経営者情報入力S04が実行される。クライアント端末CLは、入力された情報を含む要求コマンドを分析サーバSAに送信する。 In the client terminal CL, a manager information input S04 in which the manager inputs, for example, a KPI and a period as manager information is executed. The client terminal CL transmits a request command including the input information to the analysis server SA.
分析サーバSAは、データ取得S05を実行して、クライアント端末CLから送信されたデータを取得する。そして、分析サーバSAは、ルール/パラメータ評価部SA38を実行し、データベースSA0から該当するデータを取得しながら、有益なルール及び制御パラメータを選択し、その結果を用いてコンテンツを生成する。分析サーバSAは、生成したコンテンツを含む表示データをクライアント端末CLに送信する。 The analysis server SA executes data acquisition S05 to acquire data transmitted from the client terminal CL. Then, the analysis server SA executes the rule / parameter evaluation unit SA38, selects useful rules and control parameters while acquiring the corresponding data from the database SA0, and generates content using the result. The analysis server SA transmits display data including the generated content to the client terminal CL.
クライアント端末CLは、表示処理S06を実行して、コンテンツを表示する。表示されるコンテンツの一例については図30を参照して後述する。また、KPI及び期間などは分析時に用いるため、事前に登録した方が望ましい。 The client terminal CL executes the display process S06 to display the content. An example of the content to be displayed will be described later with reference to FIG. In addition, it is desirable to register in advance because KPIs and periods are used at the time of analysis.
図5は、本発明の実施形態の発生人数推定モデル生成部SA32の処理を示すフローチャートである。 FIG. 5 is a flowchart showing the processing of the generated people estimation model generation unit SA32 according to the embodiment of this invention.
発生人数モデル処理SP01は、発生人数データ生成SP010と発生人数推定モデル生成SP011で構成される。発生人数データ生成SP010では、発生人数推定モデル生成部SA32が、ビル基本情報SA00及びランダムシードSA01から、シミュレーション(第2のシミュレーション)によって、各カゴの乗降人数(すなわち乗り人数及び降り人数)及びカゴ状態を求める。 The generated number of people model processing SP01 includes the generated number of people data generation SP010 and the generated number of people estimation model generation SP011. In the generation number data generation SP010, the generation number estimation model generation unit SA32 is based on the building basic information SA00 and the random seed SA01 by simulation (second simulation) on the number of passengers (ie, the number of passengers and the number of passengers) and baskets Determine the status.
例えば、発生人数推定モデル生成部SA32は、シミュレーション上で、各階のエレベータホールに、これからエレベータに乗ろうとする複数の人物をランダムに発生させる。具体的には、発生人数推定モデル生成部SA32は、ランダムシードSA01を用いて、各人物が現れるエレベータホールの階、及び、現れる時刻をランダムに決定する。さらに、発生人数推定モデル生成部SA32は、各人物の行き先階を、ビル基本情報SA00に基づいて選択し得る階の中からランダムに決定する。 For example, the generation person estimation model generation unit SA32 generates a plurality of persons who are going to get on the elevator at random in the elevator hall of each floor on the simulation. Specifically, the generation person estimation model generation unit SA32 randomly determines the floor of the elevator hall where each person appears and the appearance time, using the random seed SA01. Furthermore, the generation person estimation model generation unit SA32 randomly determines the destination floor of each person from floors that can be selected based on the building basic information SA00.
そして、発生人数推定モデル生成部SA32は、決定された各人物が現れる時刻、現れる階及び行き先階に応じて、各カゴを運行するシミュレーションを行って、時刻ごとの各カゴの乗降人数及びカゴ状態を求め、それらを発生人数推定入力SA07として生成する。カゴ状態とは、例えば、各カゴが位置する階床、各カゴの進行方向(上方向又は下方向)、及び、各カゴの搭乗人数等であり、詳細には、後述するエレベータ運行ログSA03に登録されている値と同様のものであってもよい。ただし、エレベータ運行ログSA03には実際に計測された値が登録されるが、発生人数推定モデル生成部SA32はシミュレーションによって値を生成する。 Then, the generation number estimation model generation unit SA32 carries out a simulation for operating each basket according to the time when each determined person appears, the floor where it appears, and the destination floor, and the number of passengers and the cage status of each cage at each time. Are generated as generation number estimation input SA07. The cage state is, for example, the floor where each cage is located, the traveling direction (upward or downward direction) of each cage, and the number of passengers of each cage, etc. In detail, elevator operation log SA03 described later It may be similar to the registered value. However, although the actually measured value is registered in the elevator operation log SA03, the generated person estimation model generation unit SA32 generates a value by simulation.
このとき、発生人数推定モデル生成部SA32は、例えば後述するルール/制御テンプレートSA14(図26)に登録されたいずれかの運行ルール/制御パラメータに従ってシミュレーションを実行してもよい。 At this time, the generated person number estimation model generation unit SA32 may execute the simulation according to, for example, any operation rule / control parameter registered in a rule / control template SA14 (FIG. 26) described later.
発生人数推定モデル生成SP011では、発生人数推定モデル生成部SA32は、ステップ1及びステップ2からなる2段階の処理を実施することで、発生人数推定モデルSA08を生成する。ステップ1において、発生人数推定モデル生成部SA32は、シミュレーションの結果から、時刻ごとの発生人数と、それぞれに対応して求められた乗降人数及びカゴ状態とを特定する。そして、発生人数推定モデル生成部SA32は、ステップ2において、各カゴの状態、各階における各カゴの乗り人数及び降り人数から、発生人数を推定するモデル、すなわち、発生人数=f(乗降人数、カゴ状態)が成立する関数fを求める。例えば、図20を参照して後述するように、乗降人数及びカゴ状態を説明指標とし、発生人数を目的変数として重回帰分析を行ってもよい。
In generation | occurrence | production number estimation model generation SP011, generation | occurrence | production number estimation model generation part SA32 produces | generates generation number estimation model SA08 by implementing the two-step process which consists of
このとき、エレベータ運行ログSA03、外部情報(天候)SA04、外部情報(カメラ)SA05及び外部情報(建屋情報)SA06の少なくともいずれか(又はその他の外部情報)を利用できる場合は、それらの値を外部変数として、発生人数=f(乗降人数、カゴ状態、外部変数)が成立する関数fを求めてもよい。関数fを求める際には、ステップ1において特定された発生人数から乗降人数等への変換の逆変換を求めればよい。また、関数fが求まるならば、他の手法を用いてもよい。
At this time, when at least one of elevator operation log SA03, external information (weather) SA04, external information (camera) SA05 and external information (building information) SA06 can be used (or other external information), those values are used. As an external variable, a function f may be obtained in which the number of generated persons = f (the number of passengers, the cage state, the external variable) holds. In order to obtain the function f, it is sufficient to find the inverse conversion of the conversion from the number of people identified in
図6は、本発明の実施形態の発生人数推定部SA33の処理を示すフローチャートである。 FIG. 6 is a flowchart showing the processing of the generated person number estimation unit SA33 according to the embodiment of this invention.
発生人数推定処理SP02では、発生人数推定部SA33は、図5で求めた発生人数推定モデルSA08に、現在の乗降人数SA02及びエレベータ運行ログSA03から取得した実際の乗り人数、降り人数及びカゴ状態を代入することで、現在における発生人数推定結果SA09を求め、主記憶装置105又は補助記憶装置106に保持する。これによって、各カゴへ人物の乗り降りの状況、及び、各カゴの位置、進行方向といった状態から、これからエレベータに乗ろうとしている人物の発生の状況を推定することが可能になる。 In the generation number estimation process SP02, the generation number estimation unit SA33 sets the actual number of people, the number of people, and the cage status acquired from the current number of passengers SA02 and the elevator operation log SA03 to the generation number estimation model SA08 obtained in FIG. By substituting, the present generation number estimation result SA09 is obtained, and is stored in the main storage unit 105 or the auxiliary storage unit 106. This makes it possible to estimate the situation of the occurrence of the person who is about to get on the elevator from the situation of the person getting in and out of each car, the position of each car, and the traveling direction.
各カゴの乗降人数は、例えば、制御盤CAが計測している各カゴの重量の変化から推定することができる。また、各カゴの位置、進行方向等は、制御盤CAによる制御に依存している。したがって、上記の発生人数モデル処理SP01及び発生人数推定処理SP02によれば、外部情報が一切得られない場合であっても、エレベータそのものから取得される情報に基づいて、これからエレベータに乗ろうとしている人物の発生の状況を推定することが可能になる。 The number of passengers in each car can be estimated, for example, from the change in weight of each car measured by the control board CA. Further, the position of each cage, the direction of movement, etc. depend on the control by the control panel CA. Therefore, according to the generated people model process SP01 and the generated people estimation process SP02, even if no external information is obtained, it is attempted to get on the elevator based on the information acquired from the elevator itself. It becomes possible to estimate the situation of occurrence of a person.
なお、現在の乗降人数SA02及びエレベータ運行ログSA03は、それらに含まれるデータが取得されたときにエレベータに適用されていた運行ルール/制御パラメータ(すなわちそれに基づいて制御盤CAが各カゴの制御を行っていた運行ルール/制御パラメータ、例えば図26参照)を識別する情報を含んでいてもよい。その場合、発生人数推定部SA33は、その運行ルール/制御パラメータに従うシミュレーションに基づいて発生人数推定モデル生成部SA32が生成した発生人数推定モデルSA08に、現在の乗降人数SA02及びエレベータ運行ログSA03から取得した実際の乗り人数、降り人数及びカゴ状態を代入することで、現在における発生人数推定結果SA09を求める。これによって、精度の高い推定を行うことができる。 In addition, the current boarding and leaving people SA02 and the elevator operation log SA03 are the operation rules / control parameters applied to the elevator when the data contained in them were acquired (that is, the control board CA controls each car based thereon). Information may be included that identifies the operating rules / control parameters being performed, for example, see FIG. In that case, the generated people estimation unit SA33 acquires the generated people estimation model SA08 generated by the generated people estimation model generation unit SA32 based on the simulation according to the operation rule / control parameter from the current number of passengers acc. By substituting the actual number of passengers, the number of passengers, and the cage state, the present generation number estimation result SA09 is obtained. This allows accurate estimation.
また、このとき、エレベータ運行ログSA03、外部情報(天候)SA04、外部情報(カメラ)SA05及び外部情報(建屋情報)SA06の少なくともいずれか(又はその他の外部情報)を利用できる場合は、それらを代入してもよい。 At this time, if at least one of elevator operation log SA03, external information (weather) SA04, external information (camera) SA05 and external information (building information) SA06 (or other external information) can be used, It may be substituted.
図7は、本発明の実施形態の発生人数予測部SA34の処理を示すフローチャートである。 FIG. 7 is a flowchart showing the process of the number-of-occurrences prediction unit SA34 according to the embodiment of this invention.
発生人数予測処理SP03は、発生人数予測SP030と形式変換SP031で構成される。 The generated person number prediction process SP03 includes a generated person number prediction SP030 and a format conversion SP031.
発生人数予測SP030では、発生人数予測部SA34は、図6の処理で求めた各時点の(例えば所定の時間幅を持った時間帯ごとの)発生人数推定結果SA09を用いて、発生人数推定結果SA09に格納されている時刻より未来の時刻の発生人数を予測し、その結果を発生人数予測結果SA10として出力する。このとき、エレベータ運行ログSA03、外部情報(天候)SA04、外部情報(カメラ)SA05及び外部情報(建屋情報)SA06の少なくともいずれか(又はその他の外部情報)を利用できる場合は、それらを利用してもよい。例えば、外部情報(カメラ)SA05が利用できる場合は、発生人数推定結果SA09から取得される発生人数の代わりに、外部情報(カメラ)SA05に含まれる人数(SA057)等を利用してもよいし、その他の外部情報から特定された発生人数を利用できる場合はそれらを利用してもよい。 In the occurrence number prediction SP030, the occurrence number prediction unit SA34 uses the generation number estimation result SA09 (for example, for each time zone having a predetermined time width) at each time point obtained in the process of FIG. The number of occurrences of the future time is predicted from the time stored in SA09, and the result is output as the occurrence number prediction result SA10. At this time, when at least one of elevator operation log SA03, external information (weather) SA04, external information (camera) SA05 and external information (building information) SA06 can be used (or other external information), they are used. May be For example, when the external information (camera) SA05 can be used, the number of people (SA057) etc. included in the external information (camera) SA05 may be used instead of the generated number of people acquired from the generated people estimation result SA09. If you can use the number of people identified from other external information, you may use them.
形式変換SP031では、発生人数予測SP030で求めた発生人数予測結果SA10を用いて、ポアソン分布を用いて単位時間当たりの人数別の発生確率に変換し、その結果を発生人数予測結果2_SA11として出力する。この発生確率を用いて後述するKPIシミュレーションを実行することができる。 In the format conversion SP031, using the generated people prediction result SA10 obtained in the generated people prediction SP030, the Poisson distribution is used to convert the generation probability by number of people per unit time, and the result is output as the generated people prediction result 2_SA11. . The KPI simulation described later can be executed using this occurrence probability.
図8は、本発明の実施形態の行き先階推定部SA35の処理を示すフローチャートである。 FIG. 8 is a flowchart showing processing of the destination floor estimation unit SA35 according to the embodiment of this invention.
行き先階推定部SA35は、乗降人数SA02に基づいて、時間帯毎にカゴから降りる人の傾向を求めることで、行き先階を推定し、その結果を時間帯別行き先階推定SA12として出力する。 The destination floor estimation unit SA35 estimates the destination floor by obtaining the tendency of the person getting off the car for each time zone based on the boarding people SA02, and outputs the result as the time zone-based destination floor estimation SA12.
図9は、本発明の実施形態の行き先階予測部SA36の処理を示すフローチャートである。 FIG. 9 is a flowchart showing processing of the destination floor prediction unit SA36 according to the embodiment of this invention.
行き先階予測部SA36は、行き先階予測処理SP05及び保存処理SP07を実行する。 The destination floor prediction unit SA36 executes the destination floor prediction process SP05 and the storage process SP07.
行き先階予測処理SP05では、行き先階予測部SA36は、発生した人々の行き先階、すなわち、発生した人々がどの階に行こうとしているのかを予測する。具体的には、行き先階予測部SA36は、図7の発生人数予測部SA34の処理結果である発生人数予測結果2_SA11と図8の行き先階推定部SA35の処理結果である時間帯別行き先階推定SA12とを掛け合わせることで行き先階を予測し、その結果を時間帯別行き先階予測結果SA13として出力する。 In the destination floor prediction process SP05, the destination floor prediction unit SA36 predicts the destination floor of the generated people, that is, to which floor the generated people are going to go. More specifically, the destination floor prediction unit SA36 estimates the destination floor by time zone, which is the processing result of the number of generated people 2A that is the processing result of the predicted number of people SA34 in FIG. 7 and the processing result of the destination floor estimation part SA35 in FIG. The destination floor is predicted by multiplying with SA12, and the result is output as the destination floor predicted result SA13 by time zone.
保存処理SP07は、今まで求めてきた発生人数予測結果SA10及び時間帯別行き先階予測結果SA13などを例えばデータベースSA0に保存する処理である。これを実行する理由はオフライン処理を行う時に、過去の大量のデータが必要になるためである。 The storage process SP07 is a process for storing, for example, in the database SA0, the generated person number prediction result SA10 and the time zone destination floor prediction result SA13 which have been obtained so far. The reason for performing this is that a large amount of data in the past is required when performing offline processing.
図10は、本発明の実施形態の制御セレクター部SA37の処理を示すフローチャートである。 FIG. 10 is a flowchart showing the process of the control selector unit SA37 according to the embodiment of this invention.
制御セレクター部SA37が実行する制御セレクターSP06は、発生人数予測結果SA10及び時間帯別行き先階予測結果SA13が満たすルール/パラメータリストを選択する処理である。選択したパラメータは入力コマンドCA0として、制御盤CAに送られる。 The control selector SP06 executed by the control selector unit SA37 is a process of selecting a rule / parameter list that the generated person number prediction result SA10 and the time zone destination floor prediction result SA13 satisfy. The selected parameter is sent to the control board CA as an input command CA0.
図11は、本発明の実施形態のルール/パラメータ評価部SA38の処理を示すフローチャートである。 FIG. 11 is a flowchart showing the process of the rule / parameter evaluation unit SA38 according to the embodiment of this invention.
ルール/パラメータ評価部SA38は、KPIシミュレーション処理SP11、有効ルール/パラメータ選択SP12、終了判定処理 SP13、有効ルール/パラメータの細分化処理SP14、及び表示/制御データ生成処理SP15で構成されている。 The rule / parameter evaluation unit SA38 includes a KPI simulation process SP11, an effective rule / parameter selection SP12, an end determination process SP13, an effective rule / parameter segmentation process SP14, and a display / control data generation process SP15.
KPIシミュレーション処理SP11では、ルール/パラメータ評価部SA38は、ルール/制御テンプレートSA14とKPIリストSA15と時間帯別行き先階予測結果SA13と発生人数予測結果2_SA11とを用いて、運行ルール/制御パラメータを変更しながら複数回のシミュレーション(第1のシミュレーション)を行い、KPI値を出力する。 In the KPI simulation process SP11, the rule / parameter evaluation unit SA38 changes the operation rule / control parameter using the rule / control template SA14, the KPI list SA15, the destination floor prediction result by time zone SA13, and the generation number prediction result 2_SA11. While performing multiple simulations (first simulation), output KPI values.
具体的には、ルール/パラメータ評価部SA38は、時間帯別行き先階推定SA12に記入されている行き先階確率と、発生人数予測結果2_SA11に記入されている人数ごとの発生確率とに従って、各階のエレベータホールに人物を発生させて、それに応じて、ルール/制御テンプレートSA14から選択された運行ルール/制御パラメータに従って各カゴを制御するシミュレーションを実行する。後述するように、このシミュレーションは、適用される運行ルール/制御パラメータを変更しながら複数回実行される。 Specifically, the rule / parameter evaluation unit SA38 follows the destination floor probability entered in the hourly destination floor estimate SA12 and the occurrence probability for each person entered in the generated people prediction result 2_SA11. A person is generated in the elevator hall, and accordingly, a simulation is performed to control each car according to the operation rule / control parameter selected from the rule / control template SA14. As will be described later, this simulation is performed multiple times while changing the applied operation rules / control parameters.
有効ルール/パラメータ選択SP12では、ルール/パラメータ評価部SA38は、KPIシミュレーション処理SP11に代入した値とその結果から、有効ルール/パラメータを選択する。 In the effective rule / parameter selection SP12, the rule / parameter evaluation unit SA38 selects an effective rule / parameter from the value substituted in the KPI simulation processing SP11 and the result thereof.
終了判定処理SP13では、ルール/パラメータ評価部SA38は、有効ルール/パラメータ選択SP12の結果として改善効果が見られるか否かを判定し、改善効果が見られたらYes、見られない場合にはNoに進む。 In the end determination processing SP13, the rule / parameter evaluation unit SA38 determines whether or not the improvement effect is observed as a result of the effective rule / parameter selection SP12. If the improvement effect is observed, the result is Yes. Go to
有効ルール/パラメータの細分化処理SP14では、ルール/パラメータ評価部SA38は、有効ルール/パラメータ選択SP12の結果から、より効果がある特徴量に関して、細分化するための範囲を決める。 In the effective rule / parameter subdivision process SP14, the rule / parameter evaluation unit SA38 determines the range for subdivision regarding the more effective feature amount from the result of the effective rule / parameter selection SP12.
ルール/パラメータ評価部SA38は、その結果をKPIシミュレーション処理SP11に代入することで、終了判定処理SP13による結果の改善効果が見られるまでループを繰り返す。 The rule / parameter evaluation unit SA38 substitutes the result for the KPI simulation process SP11, and repeats the loop until the improvement effect of the result by the end determination process SP13 is observed.
表示/制御データ生成処理SP15では、ルール/パラメータ評価部SA38は、有効ルール/パラメータSA17をもとに、ルール/パラメータリストSA19及びビル個別化レポートSA20を生成する。 In the display / control data generation process SP15, the rule / parameter evaluation unit SA38 generates the rule / parameter list SA19 and the building personalization report SA20 based on the valid rule / parameter SA17.
図12は、本発明の実施形態の分析サーバSAが保持するビル基本情報SA00の説明図である。 FIG. 12 is an explanatory diagram of the building basic information SA00 held by the analysis server SA according to the embodiment of this invention.
ビル基本情報SA00は、ビルの基本情報を記載したテーブルである。ビル毎に、エレベータは複数のカゴから構成されており、それをエレベータバンクという。エレベータバンク毎に制御を行うため、それを管理するテーブルがビル基本情報テーブル(図12)である。例えば図1Aのカゴ1CA1〜カゴ8CA8が一つのエレベータバンクに属する。一つのエレベータバンクが、制御盤CAによる群管理の対象となるエレベータ群に相当する。一つのビルに複数のエレベータバンクが存在する場合には、制御盤と複数のカゴとの組合せが複数存在することとなる。 The building basic information SA00 is a table describing basic information of the building. In each building, an elevator is composed of a plurality of cages, which is called an elevator bank. Since control is performed for each elevator bank, a table for managing it is a building basic information table (FIG. 12). For example, baskets 1CA1 to 8CA8 of FIG. 1A belong to one elevator bank. One elevator bank corresponds to an elevator group to be subjected to group management by the control panel CA. When there are a plurality of elevator banks in one building, there will be a plurality of combinations of the control panel and the plurality of baskets.
ビルID(SA000)はエレベータが設置されたビルの識別情報(ID)である。ビル毎に異なるIDで識別される。エレベータバンクID(SA001)はビルにおけるエレベータバンクを区別するためのIDである。バンク名称(SA002)はエレベータバンクの名称である。カゴ数(SA003)はエレベータバンクを構成しているカゴ数である。対象階床(SA004)はエレベータバンクを構成するカゴが停止する階床を示している。緯度(SA005)及び経度(SA006)は、それぞれ、エレベータバンクがある位置を示す緯度及び経度である。エレベータバンクの面積が大きい場合には、その重心の緯度及び経度であってもよい。また、地球を全体とする絶対座標におけるエレベータバンクの位置を示せる情報があればよく、緯度及び経度以外の値であってもよい。ビル名称(SA007)はエレベータがあるビルの正式名称である。 Building ID (SA000) is the identification information (ID) of the building where the elevator is installed. Each building is identified by a different ID. The elevator bank ID (SA001) is an ID for distinguishing elevator banks in a building. The bank name (SA002) is the name of the elevator bank. The number of cages (SA003) is the number of cages constituting an elevator bank. The target floor (SA004) indicates the floor at which the car making up the elevator bank stops. Latitude (SA005) and longitude (SA006) are the latitude and longitude indicating the position where the elevator bank is located, respectively. If the area of the elevator bank is large, it may be the latitude and longitude of its center of gravity. In addition, it is sufficient if there is information that can indicate the position of the elevator bank in absolute coordinates with the whole earth, and values other than latitude and longitude may be used. The building name (SA 007) is the official name of the building where the elevator is located.
図12に示されたのは一例であり、分析する際に、ビルの基本情報として必要なデータがあれば、そのデータを追加するようにビル基本情報SA00を変更することができる。 What is shown in FIG. 12 is an example, and in analyzing, if there is data necessary as basic information of a building, it is possible to change the basic building information SA00 so as to add the data.
図13は、本発明の実施形態の分析サーバSAが保持するランダムシードSA01の説明図である。 FIG. 13 is an explanatory diagram of the random seed SA01 held by the analysis server SA according to the embodiment of this invention.
ランダムシードSA01は、乱数を発生する時に用いるシードを記載したテーブルである。ランダムシードNo(SA010)はランダムシードのIDである。ランダムシード毎に異なるIDで識別される。 The random seed SA01 is a table describing a seed used when generating a random number. The random seed No (SA010) is a random seed ID. Different random seeds are identified by different IDs.
ランダムシード(SA011)はランダムシード値である。本テーブルを用いることで、ランダムシードNoを指定するとそれに該当する値を参照することができる。 The random seed (SA011) is a random seed value. By using this table, when a random seed No is specified, the corresponding value can be referenced.
図13に示されたのは一例であり、乱数を発生する際に、必要なデータがあれば、そのデータを追加するようにランダムシードSA01を変更することができる。 What is shown in FIG. 13 is an example, and when generating random numbers, if there is necessary data, the random seed SA01 can be changed to add the data.
図14は、本発明の実施形態の分析サーバSAが保持する乗降人数SA02の説明図である。 FIG. 14 is an explanatory diagram of the number of passengers SA02 held by the analysis server SA according to the embodiment of this invention.
乗降人数SA02は、実際のエレベータによる階床ごとの各カゴの乗り人数及び降り人数を示したテーブルである。 The number of passengers SA02 is a table showing the number of passengers and the number of passengers of each car for each floor by actual elevators.
ビルID(SA020)はビルを識別するIDである。エレベータバンクID(SA021)はビル内にある複数のエレベータバンクの各々を識別するIDである。日付(SA022)は本エレベータの運行状況を示した日付である。時刻(SA023)は本エレベータの運行状況を示した時刻である。 The building ID (SA020) is an ID for identifying a building. The elevator bank ID (SA021) is an ID for identifying each of the plurality of elevator banks in the building. The date (SA022) is a date indicating the operation status of the elevator. Time (SA023) is a time indicating the operation status of the elevator.
曜日(SA024)は本エレベータの運行状況を示した曜日である。時間幅(SA025)は、本エレベータの運行状況を集計した時間の幅である。カゴ1(SA026)はエレベータバンクID(SA021)によって識別されるエレベータバンクに所属する1つのカゴが識別されていることを示している。階床(SA027)は、カゴ1(SA026)が、日付(SA022)、時刻(SA023)、曜日(SA024)及び時間幅(SA025)によって特定される時間帯に存在する階床である。カゴ内人数(SA028)は、日付(SA022)、時刻(SA023)、曜日(SA024)及び時間幅(SA025)によって特定される時間帯に当該カゴ内に乗っていた人物の数(すなわちカゴ内人数)である。 The day of the week (SA024) is the day of the week showing the operation status of the elevator. The time width (SA025) is a width of time obtained by summing up the operation status of the elevator. Car 1 (SA 026) indicates that one car belonging to the elevator bank identified by the elevator bank ID (SA 021) is identified. The floor (SA027) is a floor where the car 1 (SA026) exists in a time zone specified by the date (SA022), time (SA023), day of the week (SA024) and time width (SA025). The number of people in the car (SA028) is the number of people who were in the car in the time zone specified by the date (SA022), time (SA023), day of the week (SA024) and time span (SA025) (ie the number of people in the car) ).
上方向(SA029)の乗り人数(SA02A)は、日付(SA022)、時刻(SA023)、曜日(SA024)及び時間幅(SA025)によって特定される時間帯のうち、カゴ1(SA026)が上方向に向いているときに当該カゴに乗り込んだ人物の数(すなわち乗り人数)を示している。上方向(SA029)の降り人数(SA02B)は、日付(SA022)、時刻(SA023)、曜日(SA024)及び時間幅(SA025)によって特定される時間帯のうち、カゴ1(SA026)が上方向に向いているときに当該カゴから降りた人物の数(すなわち降り人数)を示している。 In the upward direction (SA029), the number of passengers (SA02A) indicates that the car 1 (SA026) is upward in the time zone specified by the date (SA022), time (SA023), day of the week (SA024) and time width (SA025). Indicates the number of people who got in the car (ie, the number of passengers) while facing the In the upward direction (SA029), the number of people coming out (SA02B) is the date 1 (SA022), time (SA023), day of the week (SA024), and time width (SA025). Indicates the number of people who got off the car (ie, the number of people getting off) when facing the
下方向(SA02C)の乗り人数(SA02D)は、日付(SA022)、時刻(SA023)、曜日(SA024)及び時間幅(SA025)によって特定される時間帯のうち、カゴが下方向に向いているときの乗り人数を示している。下方向(SA02C)の降り人数(SA02E)は、日付(SA022)、時刻(SA023)、曜日(SA024)及び時間幅(SA025)によって特定される時間帯のうち、カゴが下方向に向いているときの降り人数を示している。 The number of passengers (SA02D) in the downward direction (SA02C) is that the car is facing downward among the time zones specified by the date (SA022), time (SA023), day of the week (SA024) and time width (SA025) It shows the number of passengers at the time. In the downward direction (SA02C), the number of people coming down (SA02E) is the date (SA022), the time (SA023), the day of the week (SA024), and the time span (SA025) and the time span (SA025). It shows the number of people coming off.
乗降人数SA02には、エレベータバンクを構成する全てのカゴに関する情報が含まれる。図14に示すカゴ1(SA026)に関する情報はそれらの1つである。図14では省略されているが、他のカゴに関するデータも同様に乗降人数SA02として格納される。 The number of passengers SA02 includes information on all the cars constituting the elevator bank. The information on the car 1 (SA 026) shown in FIG. 14 is one of them. Although omitted in FIG. 14, data relating to other cars is similarly stored as the number of passengers SA02.
乗降人数SA02にデータが記入されるタイミングは、イベント毎(例えば、実際に変動があった時など)、又は所定の周期毎(例えば、1ミリ秒毎、1秒毎、1分毎ごとなど)でもよい。実際に記入した日時を日付(SA022)、時刻(SA023)及び曜日(SA024)で示しておけばよい。所定の周期ごとに記入される場合はその周期を時間幅(SA025)として記入してもよい。また、本テーブルに指定した全てのデータが格納されている必要はない。 The timing at which data is entered in the passenger SA02 is every event (for example, when there is an actual fluctuation) or every predetermined cycle (for example, every 1 millisecond, every second, every minute, etc.) May be. The date and time of actual entry may be indicated by date (SA022), time (SA023) and day of the week (SA024). When the entry is made every predetermined period, the period may be entered as a time width (SA025). In addition, it is not necessary to store all the specified data in this table.
例えば、図14のテーブルの最初の行は、2017年6月27日火曜日の午前10時0分1秒から始まる5分間に、ビルID「B001」で識別されるビルのエレベータバンクID「01」で識別されるエレベータバンクに属するカゴ1(SA026)が3階に1回以上停止し、その時のカゴ内人数(SA028)が10人であり、上方向に移動中に停止した時の乗り人数(SA02A)及び降り人数(SA02bBがそれぞれ15人及び1人であり、下方向に移動中に停止した時の乗り人数(SA02D)及び降り人数(SA02E)がそれぞれ0人及び10人であったことを示している。カゴ内人数(SA028)は、停止した階での乗り降りが終了した後の人数である。これらの人数は、上記の5分間にカゴ1(SA026)が3階に複数回停止した場合にはそれらの複数回の人数の合計であってもよいし、3階で停止した1回ごとの人数が記入されてもよい。また、同じ5分間に当該カゴ1(SA026)が別の階にも1回以上停止した場合には、その階についても上記と同様の情報がテーブルに記入される。 For example, the first row of the table in FIG. 14 is the elevator bank ID “01” of the building identified by the building ID “B001” in five minutes starting from 10:00 AM on Tuesday, June 27, 2017. The car 1 (SA026) belonging to the elevator bank identified in has stopped one or more times on the third floor, and the number of people in the car (SA028) at that time is 10, and the number of passengers when stopping while moving upward ( SA02A) and the number of passengers (SA02bB were 15 and 1 respectively, and the number of passengers (SA02D) and the number of passengers (SA02E) when stopping while moving downward were 0 and 10 respectively The number of people in the car (SA028) is the number of people after getting on and off at the stopped floor.The number of people in the car is the car 1 (SA026) on the 3rd floor in the above 5 minutes. In the case of stopping several times, it may be the total of the number of people in the plural times, or the number of people stopping at the third floor may be entered. The same information as described above is entered in the table for the other floor, if the other floor has stopped one or more times.
図14に示されたのは一例であり、階床別の乗降人数を表現する際に、必要なデータがあれば、そのデータを追加するように乗降人数SA02を変更することができる。
What is shown in FIG. 14 is an example, and in expressing the number of passengers by floor, if necessary data is available, the number of
図15は、本発明の実施形態の分析サーバSAが保持するエレベータ運行ログSA03の説明図である。 FIG. 15 is an explanatory diagram of an elevator operation log SA03 held by the analysis server SA according to the embodiment of this invention.
エレベータ運行ログSA03は、実際のエレベータによる運行ログを示したテーブルである。このテーブルにはエレベータバンク毎に集計されたデータとエレベータバンクに所属するカゴのデータの両方を格納することができる。 The elevator operation log SA03 is a table showing an operation log by an actual elevator. This table can store both data summarized for each elevator bank and data of a car belonging to the elevator bank.
ビルID(SA030)はビルを識別するIDである。エレベータバンクID(SA031)はビル内にある複数のエレベータバンクを識別するIDである。日付(SA032)は本エレベータの運行状況を示した日付である。時刻(SA033)は本エレベータの運行状況を示した時刻である。 Building ID (SA030) is an ID for identifying a building. The elevator bank ID (SA031) is an ID for identifying a plurality of elevator banks in the building. The date (SA032) is a date indicating the operation status of the elevator. Time (SA033) is a time indicating the operation status of the elevator.
曜日(SA034)は本エレベータの運行状況を示した曜日である。時間幅(SA035)は本エレベータの運行状況を集計した時間の幅である。長待ち率(SA036)は、日付(SA032)、時刻(SA033)、曜日(SA034)及び時間幅(SA035)によって特定される時間帯に、エレベータバンクで発生した待ち時間(すなわちカゴを呼びだした人物がカゴの到着まで待っていた時間)のうち、所定の長さ(例えば60秒)以上の待ち時間の割合を示している。所定の長さは事前に指定することによって変更することができる。 The day of the week (SA034) is the day of the week showing the operation status of the elevator. The time width (SA035) is a width of time obtained by summing up the operation status of the elevator. The long wait rate (SA036) is the waiting time (ie the person who called the basket) in the elevator bank during the time zone specified by the date (SA032), time (SA033), day of the week (SA034) and time span (SA035) Shows the ratio of waiting time of a predetermined length (for example, 60 seconds) to the time of waiting for the arrival of the basket. The predetermined length can be changed by specifying in advance.
カゴ呼び数(SA037)は、日付(SA032)、時刻(SA033)、曜日(SA034)及び時間幅(SA035)によって特定される時間帯に、エレベータバンク内でカゴ呼びボタンが押された回数である。交通流モード(SA038)はエレベータバンクの運行モードである。 The number of car calls (SA037) is the number of times the car call button is pressed in the elevator bank in the time zone specified by the date (SA032), time (SA033), day of the week (SA034) and time width (SA035) . The traffic flow mode (SA038) is the operation mode of the elevator bank.
長待ち率(SA036)カゴ呼び数(SA037)交通流モード(SA038)はエレベータバンク毎に集計される値であるが、必要なデータがあれば上記の情報の変更および上記以外の情報の追加をすることができる。 Long waiting rate (SA 036) number of car calls (SA 037) The traffic flow mode (SA 038) is a value summarized for each elevator bank, but if there is necessary data, change of the above information and addition of other information can do.
カゴ1(SA039)はエレベータバンクID(SA031)に所属する1つのカゴが識別されていることを示している。階床(SA0A)は、カゴ1(SA039)が、日付(SA032)、時刻(SA033)及び曜日(SA034)によって特定される時点に存在していた位置(階床)である。方向(SA03B)は、カゴ1(SA039)が、日付(SA032)、時刻(SA033)及び曜日(SA034)によって特定される時点に進んでいた方向である。例えば、上は上方向に進んでいたことを示し、下は下方向に進んでいたことを示している。 The car 1 (SA039) indicates that one car belonging to the elevator bank ID (SA031) is identified. The floor (SA0A) is a position (floor) where the cage 1 (SA039) existed at the time specified by the date (SA032), the time (SA033), and the day of the week (SA034). The direction (SA03B) is the direction in which the car 1 (SA039) has advanced to the time specified by the date (SA032), the time (SA033), and the day of the week (SA034). For example, the upper side indicates that the upper side has been advanced, and the lower side indicates the lower side.
状態(SA03C)は、日付(SA032)、時刻(SA033)及び曜日(SA034)によって特定される時点のカゴ1(SA039)の状態を示している。例えば、「動作」はカゴ1(SA039)が実際に動いていたことを示し、「停止」は停止していたことを示している。搭乗人数(SA03D)は、日付(SA032)、時刻(SA033)、曜日(SA034)によって特定される時点にカゴ1(SA039)に搭乗していた人数を示している。 The state (SA03C) indicates the state of the car 1 (SA039) at the time point specified by the date (SA032), the time (SA033), and the day of the week (SA034). For example, "action" indicates that car 1 (SA 039) is actually moving, and "stop" indicates that it has stopped. The number of boarding persons (SA03D) indicates the number of persons who have boarded the car 1 (SA039) at the time specified by the date (SA032), time (SA033), and day of the week (SA034).
エレベータ運行ログSA03には、エレベータバンクを構成する全てのカゴに関する情報が含まれる。図15に示すカゴ1(SA039)はその1つである。図15では省略されているが、他のカゴに関するデータも同様にエレベータ運行ログSA03として格納される。 The elevator operation log SA03 includes information on all the cages constituting the elevator bank. The cage 1 (SA039) shown in FIG. 15 is one of them. Although omitted in FIG. 15, data relating to other baskets are similarly stored as elevator operation log SA03.
エレベータ運行ログSA03にデータが記入されるタイミングは、イベント毎(例えば、実際に変動があった時など)、又は所定の周期毎(例えば、1ミリ秒毎、1秒毎、1分毎ごとなど)でもよい。実際に記入した日時を日付(SA032)、時刻(SA033)及び曜日(SA034)で示しておけばよい。所定の周期ごとに記入される場合はその周期を時間幅(SA035)として記入してもよい。また、本テーブルに指定した全てのデータが格納されている必要はない。 The timing at which data is written in the elevator operation log SA03 is every event (for example, when there is an actual fluctuation) or every predetermined cycle (for example, every 1 millisecond, every second, every minute, etc. ) May be. The date and time of actual entry may be indicated by date (SA032), time (SA033) and day of the week (SA034). When the entry is made every predetermined period, the period may be entered as the time width (SA035). In addition, it is not necessary to store all the specified data in this table.
図15に示されたのは一例であり、エレベータによる運行ログを表現する際に、必要なデータがあれば、そのデータを追加するようにエレベータ運行ログSA03を変更することができる。 What is shown in FIG. 15 is an example, and when expressing an operation log by elevator, if there is necessary data, elevator operation log SA03 can be changed to add the data.
図16は、本発明の実施形態の分析サーバSAが保持する外部情報(天候)SA04の説明図である。 FIG. 16 is an explanatory diagram of the external information (weather) SA04 held by the analysis server SA according to the embodiment of this invention.
外部情報(天候)SA04は、外部情報の1つである天候に関するデータをまとめたテーブルである。 External information (weather) SA04 is a table in which data relating to the weather, which is one of the external information, is summarized.
外部情報ID(SA040)は外部情報の識別IDである。日付(SA041)は当該外部情報を取得した日付である。時刻(SA042)は当該外部情報を取得した時刻である。曜日(SA043)は当該外部情報を取得した曜日である。場所(SA044)は当該外部情報を取得した場所である。緯度(SA045)は当該外部情報を取得した緯度である。経度(SA046)は当該外部情報を取得した経度である。天気(SA047)、気温(SA048)及び雨量(SA049)は、それぞれ、日付(SA041)及び時刻(SA042)によって特定される時点の、場所(SA044)によって特定される場所における天気、気温及び雨量である。 The external information ID (SA040) is an identification ID of the external information. The date (SA041) is a date when the external information is acquired. Time (SA042) is the time when the external information is acquired. The day of the week (SA043) is the day of the week when the external information was acquired. A place (SA044) is a place where the external information is acquired. The latitude (SA045) is the latitude at which the external information is acquired. The longitude (SA046) is the longitude at which the external information is acquired. Weather (SA047), air temperature (SA048) and rainfall (SA049) are weather, air temperature and rainfall at the location specified by the location (SA044) at the time specified by the date (SA041) and time (SA042), respectively. is there.
外部情報(天候)SA04にデータが記入されるタイミングは、イベント毎(例えば、実際に変動があった時など)又は所定の周期毎(例えば、1ミリ秒毎、1秒毎、1分毎ごとなど)でもよい。実際に記入した日時及びデータが取得された場所を日時(SA041)、時刻(SA042)及び場所(SA044)で示しておけばよい。また、本テーブルに指定した全てのデータが格納されている必要はない。 The timing at which data is entered in external information (weather) SA04 is every event (for example, when there is an actual fluctuation) or every predetermined cycle (for example, every 1 millisecond, every second, every minute Etc.). The date and time of the actual entry and the location where the data were acquired may be indicated by date and time (SA041), time (SA042) and location (SA044). In addition, it is not necessary to store all the specified data in this table.
図16に示されたのは一例であり、外部情報の1つである天候に関するデータを表現する際に、必要なデータがあれば、そのデータを追加するように外部情報(天候)SA04を変更することができる。 FIG. 16 shows an example, and when expressing data relating to the weather which is one of the external information, the external information (weather) SA04 is changed to add the data if necessary. can do.
図17は、本発明の実施形態の分析サーバSAが保持する外部情報(カメラ)SA05の説明図である。 FIG. 17 is an explanatory diagram of the external information (camera) SA05 held by the analysis server SA according to the embodiment of this invention.
外部情報(カメラ)SA05は、外部情報の1つである、カメラによる計測によって認識されたものに関するデータをまとめたテーブルである。 The external information (camera) SA05 is a table which is one of the external information, and which is a collection of data related to those recognized by measurement by the camera.
外部情報ID(SA050)は、外部情報の識別IDである。日付(SA051)は、本情報を取得した日付である。時刻(SA052)は、本情報を取得した時刻である。曜日(SA053)は、本情報を取得した曜日である。ビルID(SA054)は、本情報を取得したビルを識別するIDである。階床(SA055)は、本情報を取得した階床である。設置場所(SA056)は、本情報を取得するためにカメラを設置した場所である。 The external information ID (SA050) is an identification ID of the external information. The date (SA051) is a date when this information was acquired. Time (SA052) is the time when the main information was acquired. The day of the week (SA053) is the day of the week when this information was acquired. The building ID (SA054) is an ID for identifying a building that has acquired this information. The floor (SA055) is the floor from which this information has been acquired. The installation location (SA056) is a location where a camera is installed to acquire this information.
人数(SA057)は、日付(SA051)及び時刻(SA052)によって特定される時点に、設置場所(SA056)によって特定される場所に設置されたカメラによって検知された人の数である。子供(SA058)、大人(SA059)、男性(SA05A)、女性(SA05B)、車いす(SA05C)及び台車(SA05D)は、それぞれ、日付(SA051)及び時刻(SA052)によって特定される時点に、設置場所(SA056)によって特定される場所に設置されたカメラによって検知された子供、大人、男性、女性、車いす及び台車の数である。このように、人物の総数だけでなく、人物の属性(例えば年齢層及び性別)ごとの内訳、及び、人物以外の物体も検知することができる。 The number of people (SA057) is the number of people detected by the camera installed at the place specified by the installation place (SA056) at the time specified by the date (SA051) and the time (SA052). Children (SA058), adults (SA059), men (SA05A), women (SA05B), wheelchairs (SA05C) and trucks (SA05D) are installed at the time specified by the date (SA051) and the time (SA052) respectively. The number of children, adults, men, women, wheelchairs and trolleys detected by the camera installed at the location identified by Location (SA056). Thus, not only the total number of persons but also the breakdown of each person's attributes (for example, age group and gender) and objects other than persons can be detected.
怒り(SA05E)は、日付(SA051)及び時刻(SA052)によって特定される時点に、設置場所(SA056)によって特定される場所に設置されたカメラによって検知された結果に基づいて、当該カメラによって検知された人物のうち、怒っていると判定された人の人数である。このように人物の数だけでなく、カメラで顔及び行動から人物の感情を検知して、特定の感情が検知された人物の数を計数することができる。 Anger (SA05E) is detected by the camera based on the result detected by the camera installed at the location identified by the installation location (SA056) at the time identified by the date (SA051) and the time (SA052) Of the number of persons who are judged to be angry among the Thus, not only the number of persons but also the emotion of the person can be detected from the face and the action by the camera, and the number of persons whose specific emotion is detected can be counted.
外部情報(カメラ)SA05にデータが記入されるタイミングは、イベント毎(例えば、実際に変動があった時など)でもよいし、所定の周期毎(例えば、1ミリ秒毎、1秒毎、1分毎ごとなど)でもよい。実際に記入した日時及びそのデータを取得したカメラの設置場所を日付(SA051)、時刻(SA052)、設置場所(SA056)で示しておけばよい。また、本テーブルに指定した全てのデータが格納されている必要はない。 The timing at which data is written in the external information (camera) SA05 may be every event (for example, when there is an actual fluctuation) or every predetermined cycle (for example, every 1 millisecond, every 1 second, 1 Every minute, etc.). The date and time of the actual entry and the installation location of the camera that acquired the data may be indicated by date (SA051), time (SA052), and installation location (SA056). In addition, it is not necessary to store all the specified data in this table.
図17に示されたのは一例であり、外部情報の1つであるカメラによる計測によって認識されたものに関するデータを表現する際に、必要なデータがあれば、そのデータを追加するように外部情報(カメラ)SA05を変更することができる。 The example shown in FIG. 17 is an example, and in representing data regarding one recognized as a result of measurement by the camera which is one of the external information, the external data is added so as to add the necessary data, if any. Information (camera) SA05 can be changed.
図18は、本発明の実施形態の分析サーバSAが保持する外部情報(建屋情報)SA06の説明図である。 FIG. 18 is an explanatory diagram of the external information (building information) SA06 held by the analysis server SA according to the embodiment of this invention.
外部情報(建屋情報)SA06は、外部情報の1つである建屋に関するデータをまとめたテーブルである。 External information (building information) SA06 is a table in which data relating to a building, which is one of the external information, is summarized.
外部情報ID(SA060)は、外部情報の識別IDである。ビルID(SA061)は、本情報を取得したビルを識別するIDである。日付(SA062)は、本情報を取得した日付である。時刻(SA063)は、本情報を取得した時刻である。曜日(SA064)は、本情報を取得した曜日である。3階東側(SA065)は、本情報を取得した階床(3階)、および、当該階床を分割したエリアのうち本情報を取得したエリア(東側)を示している。階床およびエリアごとに集計した値が格納される。階床およびエリアは任意に追加することができ、追加した場合には3階東側(SA065)と同じように当該階床及び当該エリアで集計したデータを格納することができる。 The external information ID (SA060) is an identification ID of the external information. The building ID (SA061) is an ID for identifying a building that has acquired the information. The date (SA062) is a date when this information was acquired. Time (SA063) is the time when the main information was acquired. The day of the week (SA064) is the day of the week when this information was acquired. The third floor east side (SA065) indicates the floor (third floor) from which the information is acquired and the area (east side) from which the information is acquired among the areas into which the floor is divided. Stores the aggregated values for each floor and area. Floors and areas can be arbitrarily added, and if added, the floor and data aggregated in the area can be stored in the same manner as the third floor east side (SA065).
電気使用量(SA066)及び水使用量(SA067)は、それぞれ、日付(SA062)及び時刻(SA063)によって特定される時点に、3階東側(SA065)で使用された電気量及び水量である。温度(SA068)及び湿度(SA069)は、それぞれ、日付(SA062)及び時刻(SA063)によって特定される時点における3階東側(SA065)の温度及び湿度である。滞在人数(SA06A)は、日付(SA062)及び時刻(SA063)によって特定される時点の3階東側(SA065)の滞在人数である。 The amount of electricity used (SA066) and the amount of water used (SA067) are the amount of electricity and water used on the third floor east side (SA065) at the time specified by the date (SA062) and time (SA063), respectively. Temperature (SA068) and humidity (SA069) are the temperature and humidity of the third floor east side (SA065) at the time specified by date (SA062) and time (SA063), respectively. The number of staying people (SA06A) is the number of people staying on the third floor east side (SA065) as determined by the date (SA062) and time (SA063).
外部情報(建屋情報)SA06にデータが記入されるタイミングは、イベント毎(例えば、実際に変動があった時など)でもよいし、所定の周期毎(例えば、1ミリ秒毎、1秒毎、1分毎ごとなど)でもよい。実際に記入した日時及びそのデータが取得された場所を日付(SA062)、時刻(SA062)、3階東側(SA065)で示しておけばよい。また、本テーブルに指定した全てのデータが格納されている必要はない。 The timing at which data is written in the external information (building information) SA06 may be every event (for example, when there is an actual fluctuation) or every predetermined cycle (for example, every 1 millisecond, every 1 second, etc.) Every 1 minute, etc.). The date and time of the actual entry and the location where the data was acquired may be indicated by date (SA062), time (SA062), and the third floor east side (SA065). In addition, it is not necessary to store all the specified data in this table.
図18に示されたのは一例であり、外部情報の1つである建屋に関するデータを表現する際に、必要なデータがあれば、そのデータを追加するように外部情報(建屋情報)SA06を変更することができる。 What is shown in FIG. 18 is an example, and when expressing data relating to a building which is one of the external information, if there is necessary data, external information (building information) SA06 is added to add the data. It can be changed.
図19は、本発明の実施形態の分析サーバSAが保持する発生人数推定入力SA07の説明図である。 FIG. 19 is an explanatory diagram of the generated person number estimation input SA07 held by the analysis server SA according to the embodiment of this invention.
発生人数推定入力SA07は、発生人数モデル処理SP01内の発生人数データ生成SP010によって生成されるデータを格納したテーブルである。生成されるデータは、階床毎の発生人数、カゴ別乗降人数及びカゴ状態である。 The generated number of people estimation input SA07 is a table storing data generated by the generated number of people data generation SP010 in the generated number of people model processing SP01. The data to be generated are the number of people generated per floor, the number of people getting on and off per car, and the car status.
発生人数推定入力ID(SA070)は、発生人数推定入力値を識別するためのIDである。時刻(SA071)、曜日(SA072)及び時間幅(SA073)は、それぞれ、発生人数データ生成SP010によって生成された時刻、曜日及び時間幅である。発生人数(SA074)は、発生人数データ生成SP010によって生成された発生人数である。発生人数は階床別に求められる。図19では3階の発生人数を3階(SA075)で示している。図19では省略されているが、他の階の発生人数も同様に記入される。発生人数は、階床毎、エリア毎、エレベータホール毎に生成することができ、その場合には生成された発生人数が発生人数(SA074)に格納される。 The generated people estimation input ID (SA 070) is an ID for identifying the generated people estimation input value. The time (SA071), the day of the week (SA072), and the time width (SA073) are the time, the day of the week, and the time width generated by the generated number of people data generation SP010, respectively. The generation number (SA074) is the generation number generated by the generation number data generation SP010. The number of people occurring is determined on a floor-by-floor basis. In FIG. 19, the generation number of people on the third floor is shown on the third floor (SA075). Although omitted in FIG. 19, the number of people occurring on the other floors is also written in the same manner. The number of generations can be generated for each floor, area or elevator hall, and in this case, the number of generations generated is stored in the number of generations (SA074).
カゴ別乗降人数(SA076)は、時刻(SA071)、曜日(SA072)及び時間幅(SA073)によって特定される時間帯における、発生人数データ生成SP010によって生成されたカゴ別乗降人数である。カゴ別乗降人数(SA076)はカゴ別に求められる。図19ではカゴ1のカゴ別乗降人数をカゴ1(SA077)で示している。カゴ1(SA077)にはカゴ1の乗降人数に関する情報が格納されており、階床(SA078)はカゴが存在する階床、上方向(SA079)は上方向に移動するカゴが階床に停止した時の乗り人数と降り人数、下方向(SA07A)は下方向に移動するカゴが階床に停止した時の乗り人数と降り人数である。カゴ1(SA077)には、上記以外にカゴ1に関する情報も格納することができる。カゴ別乗降人数(SA076)は、カゴ1以外のカゴについても、該当するカゴに関する情報を格納することができる。
The car-by-carriage-by-car number (SA076) is the car-by-carriage by / passing-off person number generated by the generation number data generation SP010 in the time zone specified by the time (SA071), day of the week (SA072) and time width (SA073). The number of passengers for each car (SA076) is required for each car. In FIG. 19, the number of passengers of the
カゴ状態(SA07B)は、カゴの状態に関するデータが格納されており、カゴ1に関するデータがカゴ1(SA07C)に格納されている。階床は、カゴ1(SA07C)が時刻(SA071)、曜日(SA072)及び時間幅(SA073)によって特定される時間帯に存在する階床である。方向は、カゴ1(SA07C)が時刻(SA071)、曜日(SA072)及び時間幅(SA073)によって特定される時間帯に進んでいる方向である。例えば、「上」は上方向に進むことを示し、「下」は下方向に進むことを示している。
The basket state (SA07B) stores data related to the basket state, and the data related to the
状態は、カゴ1(SA07C)が時刻(SA071)、曜日(SA072)及び時間幅(SA073)によって特定される時間帯のカゴ1(SA07C)の状態を示している。例えば、「動作」は実際に動いていることを示し、「停止」は停止していることを示している。搭乗人数は、時刻(SA071)、曜日(SA072)及び時間幅(SA073)によって特定される時間帯にカゴ1(SA07C)に搭乗している人数を示している。カゴ1(SA07C)には、上記以外にカゴ1の状態に関する情報も格納することができる。カゴ状態(SA07B)は、カゴ1以外のカゴについても、該当するカゴの状態に関する情報を格納することができる。
The state indicates the state of the car 1 (SA07C) of the time zone specified by the time (SA071), the day of the week (SA072), and the time width (SA073) of the car 1 (SA07C). For example, "action" indicates that it is actually moving, and "stop" indicates that it has stopped. The number of passengers indicates the number of people boarding the car 1 (SA07C) in the time zone specified by the time (SA071), the day of the week (SA072) and the time width (SA073). In addition to the above, information on the state of the
発生人数推定入力SA07にデータが記入されるタイミングは、イベント毎(例えば、実際に変動があった時など)でもよいし、所定の周期毎(例えば、1ミリ秒毎、1秒毎、1分毎ごとなど)でもよい。実際に記入した日時を時刻(SA071)及び曜日(SA072)で示しておけばよい。また、本テーブルに指定した全てのデータが格納されている必要はない。 The timing at which data is entered in the generated people estimation input SA07 may be every event (for example, when there is actually a change, etc.) or every predetermined cycle (for example, every 1 millisecond, every second, 1 minute) Every time, etc.). The date and time of actual entry may be indicated by time (SA071) and day of the week (SA072). In addition, it is not necessary to store all the specified data in this table.
図19に示されたのは一例であり、発生人数データ生成SP010にて生成されるデータを表現する際に、必要なデータがあれば、そのデータを追加するように発生人数推定入力SA07を変更することができる。 FIG. 19 shows an example, and when expressing the data generated in the generated people data generation SP010, if necessary data is changed, the generated people estimation input SA07 is changed to add the data. can do.
図20は、本発明の実施形態の分析サーバSAが保持する発生人数推定モデルSA08の説明図である。 FIG. 20 is an explanatory diagram of the generated person number estimation model SA08 held by the analysis server SA according to the embodiment of this invention.
発生人数推定モデルSA08は、発生人数モデル処理SP01内の発生人数推定モデル生成SP011にて生成されるデータを格納するテーブルである。生成されるデータは、「発生人数=f(乗降人数、カゴ状態、外部情報)」とした時の関数fである。発生人数、乗降人数、及びカゴ状態は、発生人数推定入力SA07として取得され、外部情報は、外部情報(天候)SA04、外部情報(カメラ)SA05、及び外部情報(建屋情報)SA06から取得される。 The generated people estimation model SA08 is a table for storing data generated in the generated people estimation model generation SP011 in the generated people model processing SP01. The data to be generated is a function f when “the number of generated persons = f (the number of passengers, the cage state, the external information)”. The number of people generated, the number of people getting on and off, and the cage status are obtained as the estimated number of people generated in generation SA07, and the external information is obtained from external information (weather) SA04, external information (camera) SA05, and external information (building information) SA06. .
発生人数推定ID(SA080)は、発生人数推定モデルを識別するためのIDである。階床(SA081)は、生成した推定モデルの対象とした階床である。方向(SA082)は、生成した推定モデルの対象とした方向である。時刻(SA083)は、生成した推定モデルの対象とした時刻である。曜日(SA084)は、生成した推定モデルの対象とした曜日である。時間幅(SA082)は、生成した推定モデルの対象とした時間幅である。 The generated people estimation ID (SA080) is an ID for identifying the generated people estimation model. The floor (SA081) is a floor targeted for the generated estimation model. The direction (SA082) is the direction that is the target of the generated estimation model. Time (SA083) is a time targeted for the generated estimated model. The day of the week (SA084) is the day of the week targeted by the generated estimation model. The time width (SA082) is a time width targeted for the generated estimation model.
以降のカラムには関数fの係数が格納される。発生人数推定入力SA07のカゴ別乗降人数(SA076)、カゴ状態(SA07B)、または、外部情報(天候)SA04、外部情報(カメラ)SA05及び外部情報(建屋情報)SA06の中から選択された一つ以上の項目のデータを特徴量とする。そして、それらの特徴量を説明指標とし、発生人数(SA074)を目的指標として、重回帰分析をすることによって、特徴量の係数を求めることができる。乗降人数係数1(SA085)、カゴ状態係数1(SA087)、外部変数係数1(SA088)は、分析によって求めた特徴量の係数である。特徴量毎に係数が求まるため、特徴量毎の係数を格納することが望ましい。 The coefficients of the function f are stored in the subsequent columns. People selected from among the number of people coming and going by car number (SA076), cage state (SA07B) or external information (weather) SA04, external information (camera) SA05 and external information (building information) SA06 Data of three or more items are used as feature quantities. Then, the coefficient of the feature amount can be obtained by performing the multiple regression analysis with the feature amount as an explanatory index and the number of generated persons (SA074) as an objective index. The passenger number coefficient 1 (SA085), the cage state coefficient 1 (SA087), and the external variable coefficient 1 (SA088) are coefficients of the feature value obtained by analysis. Since coefficients can be obtained for each feature amount, it is desirable to store the coefficients for each feature amount.
発生人数を推定するモデルを生成する手法として、重回帰分析以外の分析手法を用いてもかまわない。 An analysis method other than the multiple regression analysis may be used as a method of generating a model for estimating the number of occurrences.
発生人数推定モデルSA08にデータが記入されるタイミングは、イベント毎(例えば、実際に変動があった時など)でもよいし、所定の周期毎(例えば、1ミリ秒毎、1秒毎、1分毎ごとなど)でもよい。実際に記入した日時を時刻(SA083)及び曜日(SA084)で示しておけばよい。また、本テーブルに指定した全てのデータが格納されている必要はない。 The timing at which data is entered into the generation number estimation model SA08 may be every event (for example, when there is actually a change, etc.) or every predetermined cycle (for example, every 1 millisecond, every second, 1 minute) Every time, etc.). The date and time of actual entry may be indicated by time (SA 083) and day of the week (SA 084). In addition, it is not necessary to store all the specified data in this table.
図20に示されたのは一例であり、発生人数推定モデル生成SP011にて生成されるモデルを表現する際に、必要なデータがあれば、そのデータを追加するように発生人数推定モデルSA08を変更することができる。 The example shown in FIG. 20 is an example, and when expressing the model generated in the generation people estimation model generation SP011, if there is necessary data, the generation number estimation model SA08 is added to add the data. It can be changed.
図21は、本発明の実施形態の分析サーバSAが保持する発生人数推定結果SA09の説明図である。 FIG. 21 is an explanatory diagram of the generated person number estimation result SA09 held by the analysis server SA according to the embodiment of this invention.
発生人数推定結果SA09は、発生人数推定処理SP02内の発生人数推定SP020にて生成されるデータを格納したテーブルである。発生人数推定SP020では、格納した発生人数推定モデル(関数f)と現時刻の乗降人数とカゴ状態と外部変数を入力とし、階床別に発生する人数を推定する。図21の発生人数推定結果SA09にはその結果が格納される。 The generated people estimation result SA09 is a table storing data generated in the generated people estimation SP020 in the generated people estimation process SP02. In the generation number estimation SP 020, the generation number estimation model (function f), the number of people in and out of the current time, the cage status, and the external variable are input, and the generation number is estimated for each floor. The result is stored in the generation number estimation result SA09 of FIG.
発生人数推定ID(SA090)は、発生人数推定を識別するためのIDである。日付(SA092)は発生人数を推定した日付である。時刻(SA093)は、発生人数を推定した時刻である。曜日(SA094)は、発生人数を推定した曜日である。時間幅(SA092)は、発生人数を推定した時間幅である。階床(SA093)は発生人数を推定した階床である。場所(SA094)は、発生人数推定した場所である。発生人数(SA095)は発生人数推定した発生人数である。 The generated person number estimation ID (SA090) is an ID for identifying the generated person number estimation. The date (SA092) is the date on which the number of occurrences was estimated. Time (SA093) is a time when the number of generated people is estimated. The day of the week (SA094) is the day of the week when the number of generated people is estimated. The time width (SA092) is a time width for which the number of occurrences is estimated. The floor (SA093) is a floor for which the number of generated people is estimated. The place (SA094) is a place where the number of generated people is estimated. The number of occurrences (SA095) is the number of occurrences estimated.
発生人数推定結果SA09にデータが記入されるタイミングは、イベント毎(例えば、実際に変動があった時など)でもよいし、所定の周期毎(例えば、1ミリ秒毎、1秒毎、1分毎ごとなど)でもよい。実際に記入した日時を日付(SA092)、時刻(SA092)及び曜日(SA093)で示しておけばよい。また、本テーブルに指定した全てのデータが格納されている必要はない。 The timing at which data is entered in the generated number of people estimation result SA09 may be every event (for example, when there is an actual fluctuation) or every predetermined cycle (for example, every one millisecond, every second, one minute) Every time, etc.). The date and time of actual entry may be indicated by date (SA092), time (SA092) and day of the week (SA093). In addition, it is not necessary to store all the specified data in this table.
図21に示されたのは一例であり、発生人数推定SP020にて生成される発生人数を表現する際に、必要なデータがあれば、そのデータを追加するように発生人数推定結果SA09を変更することができる。 The example shown in FIG. 21 is an example, and when expressing the number of generated people generated in the estimated number of generated people SP020, if there is necessary data, change the generated number of people estimation result SA09 so as to add the data can do.
図22は、本発明の実施形態の分析サーバSAが保持する発生人数予測結果SA10の説明図である。 FIG. 22 is an explanatory diagram of the generated person number prediction result SA10 held by the analysis server SA according to the embodiment of this invention.
発生人数予測結果SA10は、発生人数予測処理SP03内の発生人数推定SP020にて生成されるデータを格納したテーブルである。発生人数予測SP030では、発生人数予測部SA34は、発生人数推定処理SP02で求めた発生人数推定結果SA09及び外部情報を使って、未来の発生人数を推定する処理を行う。図22の発生人数予測結果SA10にはその結果が格納される。 The generated person number prediction result SA10 is a table storing data generated in the generated person number estimation SP020 in the generated person number prediction processing SP03. In the generated person number prediction SP030, the generated person number prediction unit SA34 performs a process of estimating the future number of generated people using the generated number of people estimation result SA09 and the external information obtained in the generated number of people estimation processing SP02. The result is stored in the generated person number prediction result SA10 of FIG.
図7を参照して説明したように、発生人数予測SP030の入力は、分析に使用する時間幅(例えば、過去10分間)、発生人数推定結果SA09、外部情報(天候)SA04、外部情報(カメラ)SA05、及び外部情報(建屋情報)SA06であり、出力は未来の発生人数である。
As described with reference to FIG. 7, the input of the occurrence number prediction SP 030 is the time width (for example, the past 10 minutes) used for analysis, the occurrence number estimation result SA 09, the external information (weather)
発生人数を予測する手法としては例えばARモデル(自己回帰モデル)などがあるが、ARモデル以外の分析手法を用いてもかまわない。 For example, an AR model (autoregressive model) or the like may be used to predict the number of occurrences, but an analysis method other than the AR model may be used.
発生人数予測ID(SA100)は、行われた発生人数予測を識別するためのIDである。日付(SA101)、時刻(SA102)及び曜日(SA103)は、それぞれ、分析対象の(すなわち分析を行った時点の)日付、時刻及び曜日である。予測時刻(SA104)は、分析対象を予測した時刻である(すなわちその時刻における発生人数が予測される)。時間幅(SA105)は、分析対象の時間幅である。階床(SA106)は、分析対象の階床である。場所(SA107)は、分析対象の場所である。発生人数(SA108)は、分析対象を予測した時刻の発生人数である。 The generated person number prediction ID (SA100) is an ID for identifying the performed person number prediction. The date (SA101), time (SA102), and day of the week (SA103) are the date, time, and day of the analysis target (ie, at the time of analysis). The predicted time (SA 104) is the time at which the analysis target was predicted (ie, the number of people occurring at that time is predicted). The time width (SA105) is a time width to be analyzed. The floor (SA106) is a floor to be analyzed. A place (SA107) is a place to be analyzed. The number of occurrences (SA108) is the number of occurrences of the time at which the analysis target is predicted.
例えば、図22の発生人数予測結果SA10の先頭の行は、2017年6月27日火曜日10時6分1秒からの5分間に3階のエレベータフロアの発生人数を予測する処理が、同日の午前10時1分1秒に実行され、その結果、発生人数が12人であると予測されたことを示している。 For example, in the first row of the generated people prediction result SA10 in FIG. 22, the processing for predicting the generated number of people on the elevator floor of the third floor in 5 minutes from 10:06:01 on Tuesday, June 27, 2017 is the same day. It is executed at 10:01 am, and as a result, it is indicated that the number of generated persons is predicted to be 12 persons.
発生人数予測結果SA10に代入されるタイミングは、イベント毎(例えば、実際に変動があった時など)でもよいし、所定の周期毎(例えば、1ミリ秒毎、1秒毎、1分毎ごとなど)でもよい。実際に記入した日時を日付(SA101)、時刻(SA102)及び曜日(SA103)で示しておけばよい。また、本テーブルに指定した全てのデータが格納されている必要はない。 The timing to be substituted into the generation number prediction result SA10 may be every event (for example, when there is an actual change, etc.) or every predetermined cycle (for example, every 1 millisecond, every 1 second, every 1 minute) Etc.). The date and time of actual entry may be indicated by date (SA101), time (SA102) and day of the week (SA103). In addition, it is not necessary to store all the specified data in this table.
図22に示されたのは一例であり、発生人数予測SP030にて発生人数予測を表現する際に、必要なデータがあれば、そのデータを追加するように発生人数予測結果SA10を変更することができる。 The example shown in FIG. 22 is an example, and when expressing the generation number prediction in the generation number prediction SP 030, if there is necessary data, change the generation number prediction result SA10 so as to add the data. Can.
図23は、本発明の実施形態の分析サーバSAが保持する発生人数予測結果2_SA11の説明図である。 FIG. 23 is an explanatory diagram of the generated person number prediction result 2_SA11 held by the analysis server SA according to the embodiment of this invention.
発生人数予測結果2_SA11は、発生人数予測処理SP03内の形式変換SP031にて生成される発生人数予測を形式変換したものを格納するテーブルである。 The generated person number prediction result 2_SA11 is a table for storing the result of the type conversion of the generated person number prediction generated in the type conversion SP031 in the generated person number prediction processing SP03.
形式変換SP031では、発生人数予測部SA34は、発生人数予測結果SA10を使って、ポアソン分布を用いて単位時間当たりの人数別の発生確率を求める。図23の発生人数予測結果2_SA11にはその結果が格納される。
In the format conversion SP 031, the occurrence population prediction unit SA 34 uses the Poisson distribution to obtain the occurrence probability per population per unit time using the occurrence population prediction result
ポアソン分布の公式は、下記の式(1)のとおりである。k人以上が発生する確率P(k)は、式(1)のλに階床別の発生人数を代入することで求めることができる。 The formula of Poisson distribution is as the following formula (1). The probability P (k) of occurrence of k persons or more can be obtained by substituting the number of generation people for each floor into λ of equation (1).
上記の例は、発生人数の確率分布がポアソン分布に従うとの仮定に基づいて発生人数ごとの発生確率を求める手法である。しかし、発生人数の確率を求めるために、ポアソン分布を用いる手法以外の分析手法を用いてもかまわない。 The above example is a method of obtaining the occurrence probability for each occurrence based on the assumption that the probability distribution of the occurrence number follows the Poisson distribution. However, in order to obtain the probability of the number of occurrences, an analysis method other than the method using Poisson distribution may be used.
発生人数予測ID(SA110)は、行われた発生人数予測を識別するためのIDである。日付(SA111)、時刻(SA112)及び曜日(SA113)は、それぞれ、分析対象の(すなわち分析を行った時点の)日付、時刻及び曜日である。予測時刻(SA114)は、分析対象を予測した時刻である(すなわちその時刻における発生確率が予測される)。時間幅(SA115)は、分析対象の時間幅である。階床(SA116)は、分析対象の階床である。場所(SA117)は、分析対象の場所である。1以上発生する確率(SA118)は、単位時間に1以上の人物が発生する確率である。2以上発生する確率(SA119)は、単位時間に2以上の人物が発生する確率である。単位時間としては時間幅(SA115)を用いてもかまわない。 The generated person number prediction ID (SA110) is an ID for identifying the performed person number prediction. The date (SA111), time (SA112) and day of the week (SA113) are the date, time, and day of the analysis target (ie, at the time of analysis). The predicted time (SA 114) is the time at which the analysis target is predicted (ie, the occurrence probability at that time is predicted). The time width (SA115) is a time width to be analyzed. The floor (SA116) is a floor to be analyzed. The place (SA117) is a place to be analyzed. The probability of occurrence of one or more (SA118) is the probability of occurrence of one or more persons in unit time. The probability of two or more occurrences (SA119) is the probability of two or more persons occurring in a unit time. As the unit time, a time width (SA115) may be used.
例えば、図23の発生人数予測結果2_SA11の先頭の行は、図22の発生人数予測結果SA10の先頭の行に記入された予測結果に対応する例を示している。すなわち、図23の発生人数予測結果2_SA11の先頭の行は、3階のエレベータフロアに発生すると予測された人数「12人」から、単位時間に当該3階のエレベータフロアに1以上の人物が発生する確率が90%であり、2以上の人物が発生する確率が75%であると予測されたことを示している。図23では省略されているが、同様に、3以上の人物が発生する確率、4以上の人物が発生する確率等も計算され、発生人数予測結果2_SA11に記入される。 For example, the first line of the generated people prediction result 2_SA11 of FIG. 23 shows an example corresponding to the prediction result entered in the first line of the generated people prediction result SA10 of FIG. That is, the first row of the generated people prediction result 2_SA11 in FIG. 23 is one or more persons generated in the elevator floor of the third floor in a unit time from the number “12 persons” predicted to occur in the elevator floor of the third floor. The probability of doing so is 90%, which indicates that the probability of occurrence of two or more persons is predicted to be 75%. Although omitted in FIG. 23, similarly, the probability of occurrence of three or more persons, the probability of occurrence of four or more persons, and the like are also calculated and entered in the occurrence number prediction result 2_SA11.
図23に示されたのは一例であり、形式変換SP031にて発生人数予測を表現する際に、必要なデータがあれば、そのデータを追加するように発生人数予測結果2_SA11を変更することができる。 The example shown in FIG. 23 is an example, and when expressing the generation number prediction in the format conversion SP031, changing the generation number prediction result 2_SA11 so as to add the data if necessary. it can.
図24は、本発明の実施形態の分析サーバSAが保持する時間帯別行き先階推定SA12の説明図である。 FIG. 24 is an explanatory diagram of the destination floor estimation SA12 classified by time zone held by the analysis server SA according to the embodiment of this invention.
時間帯別行き先階推定SA12は、行き先階推定処理SP04によって生成されるデータを格納するテーブルである。行き先階推定処理SP04では、行き先階推定部SA35は、階床別乗降人数(SA02)を使って時間帯別に行き先を推定するモデルの生成を行う。具体的には、行き先階推定部SA35は、時間帯ごとに階床別に降車人数をカウントし、階床別の降車人数の傾向を求める。そして、全体を100%とした推定値に変換する。図24の時間帯別行き先階推定SA12にはその結果が格納される。 The time zone-based destination floor estimation SA12 is a table storing data generated by the destination floor estimation process SP04. In the destination floor estimation process SP04, the destination floor estimation unit SA35 generates a model for estimating a destination for each time zone, using the floor-specific passengers (SA02). Specifically, the destination floor estimation unit SA35 counts the number of getting off people by floor for each time zone, and finds the tendency of the number of getting off people by floor. Then, it is converted into an estimated value 100% of the whole. The result is stored in the hourly destination floor estimate SA12 of FIG.
行き先階推定ID(SA120)は、行われた行き先階推定を識別するためのIDである。日付(SA121)、時刻(SA122)、曜日(SA123)及び時間幅(SA124)は、それぞれ、分析対象の日付、時刻、曜日及び時間幅である。乗り階床(SA125)は、乗車した階床である。方向(SA126)は、カゴが進む方向である。行き先階(SA127)は、降車した階床である。エレベータが停止するフロアに対して、全体が100%とした推定値が記入される。 The destination floor estimation ID (SA120) is an ID for identifying the destination floor estimation performed. The date (SA121), the time (SA122), the day of the week (SA123), and the time width (SA124) are a date to be analyzed, a time, a day of the week, and a time width, respectively. The boarding floor (SA125) is the floor on which the user got on. The direction (SA 126) is the direction in which the car advances. The destination floor (SA127) is the floor that got off. An estimated value of 100% is entered for the floor where the elevator stops.
例えば、図24の先頭の行は、2017年6月27日火曜日午前10時1分1秒からの60分間に、上方向に進むカゴに3階から乗った人物の10%が26階で降り、別の10%が27階で降りたことが、乗降人数SA02から推定されたことを示している。図24では他の階で降りた人物の割合は省略されているが、3階から乗った人物行き先になり得る全ての階について計算された割合を合計すると100%となる。他の階からの行き先階についても同様に割合が計算される。本実施形態では、これらの割合が、各階の乗り場に現れた人物の行き先階がその階になる確率である行き先階確率として使用される。 For example, the top row in Figure 24 shows that 10% of the people who got on the third floor from the third floor get down on the 26th floor in 60 minutes from 10:01:01 on Tuesday, June 27, 2017 Another 10% went down on the 27th floor, which indicates that it was estimated from the passengers SA02. In FIG. 24, although the percentage of persons who got down on the other floors is omitted, the percentages calculated for all the floors that can be the destination for the person who got on from the third floor add up to 100%. The proportions are similarly calculated for destination floors from other floors. In the present embodiment, these percentages are used as the destination floor probability which is the probability that the destination floor of the person appearing on the landing of each floor will be that floor.
なお、例えば外部情報(カメラ)SA05等に基づいて、各階でカゴに乗った人物と、各階でカゴから降りた人物とが同一人物であるかを判定できる場合には、その判定結果に基づいて、各階から乗った人物がそれぞれどの階で降りたかを特定し、それに基づいて、例えば3階から乗った人物のうち26階で降りた人物の割合が10%であるなど、各階から乗った人物の行き先階の割合を計算することができる。しかし、上記のような外部情報が利用できない場合、例えば、カゴの重さから各階で乗り降りした人数を推定するなど、乗り降りした個々の人物を識別できない場合には、何らかの仮定に基づいて近似的に行き先階の割合が計算されてもよい。 In addition, based on external information (camera) SA05 etc., for example, when it is possible to determine whether the person who got on the basket on each floor and the person who got off the basket on each floor are the same person, based on the determination result Identify the floor where the person who got on each floor got down, and based on that, for example, 10% of the people who got on the third floor got the person who got on each floor, etc. The percentage of destination floors of can be calculated. However, if it is not possible to identify the individual who got on or off, such as estimating the number of people who got on or off on each floor from the weight of the cage, for example, if the above external information is not available The percentage of destination floors may be calculated.
例えば、日付(SA121)、時刻(SA122)、曜日(SA123)及び時間幅(SA124)によって特定される時間帯に各階で降りた人物の数を集計し、3階以外の階で降りた人物の数の合計に対する、26階で降りた人物の数の割合を、3階で乗った人物のうち26階で降りた人物の割合(すなわち3階で乗った人物の行き先階が26階である確率)として計算してもよい。その場合、他の階で降りた人物の割合、及び、他の階から乗って各階で降りた人物の割合も同様の方法で計算される。 For example, the number of persons who got down on each floor in the time zone specified by the date (SA121), the time (SA122), the day of the week (SA123) and the time width (SA124) The ratio of the number of people who got down on the 26th floor to the total number, the ratio of the people who got down on the 26th floor among the people who got on the 3rd floor (ie the probability that the destination floor of the people who got on the 3rd floor is 26th floor It may be calculated as In that case, the percentage of people who got off on the other floors and the percentage of people who got on the other floors and got off on each floor are calculated in the same manner.
図24に示されたのは一例であり、行き先階推定処理SP04にて行き先階推定を表現する際に、必要なデータがあれば、そのデータを追加するように時間帯別行き先階推定SA12を変更することができる。 What is shown in FIG. 24 is an example, and when expressing the destination floor estimation in the destination floor estimation process SP04, if there is necessary data, the destination floor estimation by time zone SA12 is added so as to add the data. It can be changed.
図25は、本発明の実施形態の分析サーバSAが保持する時間帯別行き先階予測結果SA13の説明図である。 FIG. 25 is an explanatory diagram of the destination floor prediction result SA13 classified by time zone held by the analysis server SA according to the embodiment of this invention.
時間帯別行き先階予測結果SA13は、行き先階予測処理SP05内の時間帯別行き先階予測SP051にて生成されるデータを格納するテーブルである。時間帯別行き先階予測SP051では、行き先階予測部SA36は、入力データとして、時間帯別行き先階推定SA12及び発生人数予測結果2_SA11を用いて、これらを組み合わせることで、発生した人々がどのフロアに訪れるかを予測することができる。具体的には、階床別に発生予測時刻の発生確率に、同じ時刻の行き先階推定を掛け合わせればよい。
The hourly destination floor prediction result SA13 is a table for storing data generated in the hourly destination floor prediction SP051 in the destination floor prediction process SP05. In the time zone destination floor prediction SP 051, the destination floor prediction unit SA 36 uses the time zone destination
上記に示した時間帯別行き先階予測手法は1例であり、他の手法を用いてもかまわない。図25の時間帯別行き先階予測結果SA13にはその結果が格納される。 The destination floor prediction method classified by time zone shown above is an example, and other methods may be used. The result is stored in the hourly destination destination floor prediction result SA13 of FIG.
行き先階予測ID(SA130)は、行われた行き先階予測を識別するためのIDである。日付(SA131)、時刻(SA132)及び曜日(SA133)は、それぞれ、分析対象の(すなわち分析を行った時点の)日付、時刻及び曜日である。予測時刻(SA134)は、分析対象を予測した時刻である(すなわちその時刻における発生確率が予測される)。時間幅(SA135)は、分析対象の時間幅である。乗り階床(SA136)は、分析対象の乗り階床である。行き先階床(SA137)は、分析対象の行き先階床である。方向(SA138)は、分析対象のカゴが進む方向である。1人以上が発生する確率(SA139)は、単位時間に1以上の人物が発生する確率である。2人以上が発生する確率(SA13A)は、単位時間に2以上の人物が発生する確率である。単位時間としては時間幅(SA135)を用いてもかまわない。 The destination floor prediction ID (SA130) is an ID for identifying the destination floor prediction made. The date (SA131), time (SA132) and day of the week (SA133) are the date, time and day of the analysis target (that is, at the time of analysis). The predicted time (SA 134) is the time at which the analysis target is predicted (ie, the occurrence probability at that time is predicted). The time width (SA135) is a time width to be analyzed. The landing floor (SA 136) is a landing floor to be analyzed. The destination floor (SA 137) is the destination floor to be analyzed. The direction (SA138) is a direction in which the basket to be analyzed advances. The probability that one or more persons occur (SA139) is the probability that one or more persons will occur in unit time. The probability that two or more persons occur (SA13A) is the probability that two or more persons will occur in a unit time. As the unit time, a time width (SA135) may be used.
例えば、図25の時間帯別行き先階予測結果SA13の先頭の行は、図23の発生人数予測結果2_SA11の先頭の行に記入された予測結果と、図24の時間帯別行き先階推定SA12の先頭の行に記入された推定結果とに対応する例を示している。すなわち、図25の時間帯別行き先階予測結果SA13の先頭の行は、単位時間に、3階のエレベータフロアに、上方向のカゴにのって26階で降りようとする1以上の人物が発生する確率が9%であり、2以上の人物が発生する確率が7.5%であると予測されたことを示している。 For example, the top row of the time-of-day destination floor prediction result SA13 of FIG. 25 is the prediction result entered in the top row of the generated people prediction result 2_SA11 of FIG. An example is shown corresponding to the estimation result entered in the first line. That is, the leading line of the destination floor prediction result SA13 by time zone in FIG. 25 is one or more persons who try to get down on the elevator floor on the third floor in the upward direction on the elevator floor on the third floor in unit time. The probability of occurrence is 9%, indicating that the probability of occurrence of two or more persons is predicted to be 7.5%.
この例において、「9%」は、図23の先頭の行の1以上発生する確率(SA118)である「90%」に、図24の先頭の行の行き先階(SA127)の26階に対応する値「10%」を掛けることによって得られる。「7.5%」は、図23の先頭の行の2以上発生する確率(SA119)である「75%」に、図24の先頭の行の行き先階(SA127)の26階に対応する値「10%」を掛けることによって得られる。 In this example, "9%" corresponds to the 26th floor of the destination floor (SA127) of the first line of FIG. 24 at "90%" which is the probability of one or more occurrences of the first line of FIG. 23 (SA118). Is obtained by multiplying the value "10%". “7.5%” is a value corresponding to the 26th floor of the destination floor (SA 127) of the first line of FIG. 24 at “75%” which is the probability (SA 119) of occurrence of two or more of the first line of FIG. It is obtained by multiplying "10%".
図25に示されたのは一例であり、時間帯別行き先階予測SP051にて時間帯別行き先階予測を表現する際に、必要なデータがあれば、そのデータを追加するように時間帯別行き先階予測結果SA13を変更することができる。 The example shown in FIG. 25 is an example, and when expressing the destination floor prediction by time zone in the time zone destination floor prediction SP 051, if necessary data is added, the data is added according to the time zone The destination floor prediction result SA13 can be changed.
図26は、本発明の実施形態の分析サーバSAが保持するルール/制御テンプレートSA14の説明図である。 FIG. 26 is an explanatory diagram of the rule / control template SA14 held by the analysis server SA according to the embodiment of this invention.
ルール/制御テンプレートSA14は、エレベータの運行ルール/制御パラメータのテンプレートを格納するテーブルである。ここで、運行ルールとは、制御盤CAが群管理の対象となるエレベータの複数のカゴの運行を制御するために適用されるルールであり、制御パラメータは、各運行ルールにおいて変更可能なパラメータである。本実施形態において、運行ルールと、それに含まれる制御パラメータとを併せて運行ルール/制御パラメータと記載する。また、運行ルールを単にルール、制御パラメータを単にパラメータと記載する場合がある。 The rule / control template SA14 is a table storing templates of elevator operation rules / control parameters. Here, the operation rule is a rule applied to control the operation of a plurality of elevator cars whose control panel CA is a target of group management, and the control parameter is a parameter that can be changed in each operation rule. is there. In the present embodiment, the operation rules and the control parameters included therein are described as operation rules / control parameters. In addition, the operation rules may be simply described as rules, and the control parameters may be simply described as parameters.
ルール/制御テンプレートSA14を用いることで、最適な運行ルール/制御パラメータを探索することができる。探索する方法は2ステップからなる。第1のステップはルール/制御No(SA140)の探索である。これは数多くある運行ルール/制御パラメータの中からKPIを向上させるのにふさわしい制御パラメータを選択するステップである。第2のステップはパラメータ値(初期値)(SA144)の探索である。探索の対象は、制御パラメータ内でコントロール可能なパラメータ値である。これを探索することで、より最適な制御パラメータを求めることが可能である。 By using the rule / control template SA14, it is possible to search for an optimal operation rule / control parameter. The search method consists of two steps. The first step is a search for rule / control No (SA 140). This is the step of selecting a control parameter suitable for improving the KPI from among the many operation rules / control parameters. The second step is a search for parameter values (initial values) (SA 144). The target of the search is a parameter value that can be controlled in the control parameter. By searching for this, it is possible to find more optimal control parameters.
ルール/制御No(SA140)は、運行ルール/制御パラメータを識別するためのIDである。ルール名称(SA141)は、運行ルール/制御パラメータの名称である。条件(SA142)は、運行ルール/制御パラメータの動作条件である。パラメータ値(初期値)(SA143)は、運行ルール/制御パラメータ内のコントロール可能なパラメータである。例えばルール/制御No「Ru01」に対応するルールである「5分後、○階からの直行便」では、○の部分(この例では階床の番号)がコントロール可能なパラメータとなっている。係数(初期係数)(SA145)は回帰式などを求める際の係数である。パラメータ値(初期値)(SA143)及び係数(初期係数)(SA145)は最適化処理を繰り返して行うことによって格納されている値を変化させることができる。
The rule / control No (SA140) is an ID for identifying the operation rule / control parameter. The rule name (SA141) is the name of the operation rule / control parameter. The condition (SA142) is an operating condition of the operation rule / control parameter. The parameter value (initial value) (SA143) is a controllable parameter in the operation rule / control parameter. For example, in the “5 minutes after, direct flight from floor ○”, which is a rule corresponding to the rule / control No “
図26に示されたのは一例であり、エレベータの運行ルール/制御パラメータを実現する際に、必要なデータがあれば、そのデータを追加するようにルール/制御テンプレートSA14を変更することができる。 FIG. 26 shows an example, and when implementing elevator operation rules / control parameters, if there is necessary data, the rule / control template SA14 can be changed to add the data. .
図27は、本発明の実施形態の分析サーバSAが保持するKPIリストSA15の説明図である。 FIG. 27 is an explanatory diagram of the KPI list SA15 held by the analysis server SA according to the embodiment of this invention.
KPIリストSA15は、最適な運行ルール/制御パラメータを探索する際の評価指標であるKPI(key performance indicator)を格納するテーブルである。KPIはビル毎に異なる場合があるため、ビルごとのKPIを利用フラグ(SA155)によって事前に設定しておく。その際に、KPIの目標値(SA154)も設定しておく。 The KPI list SA15 is a table for storing a key performance indicator (KPI), which is an evaluation index at the time of searching for an optimal operation rule / control parameter. Since KPIs may differ from building to building, KPIs for each building are set in advance by the use flag (SA 155). At that time, the KPI target value (SA 154) is also set.
KPIID(SA150)は、KPIを識別するためのIDである。分類(SA151)は、KPIを分類したものである。具体的には、分類(SA151)は、このKPIを改善することによって、誰に恩恵があるかを示したものである。 KPI ID (SA150) is an ID for identifying a KPI. Classification (SA151) is a classification of KPIs. Specifically, classification (SA151) shows who benefits by improving this KPI.
名称(SA152)は、KPIの名称である。条件(SA153)は、KPIの内容を示している。目標値(SA154)は、条件(SA153)における変更可能なパラメータ値の部分(図27の例では○の部分)の目標値を示している。ここはビル毎に異なるために、利用する前に設定される。利用フラグ(SA155)は、複数あるKIPから今回の最適化を実施する際に用いるKPIを指定する。利用フラグ(SA155)は1の場合には指定するという意味である。また、複数のKPIを指定してもよい。 The name (SA152) is the name of the KPI. The condition (SA153) indicates the content of the KPI. The target value (SA154) indicates the target value of the changeable parameter value part (the part of 例 in the example of FIG. 27) in the condition (SA153). This is set before use because it differs from building to building. The use flag (SA 155) specifies a KPI used when performing the present optimization from a plurality of KIPs. The use flag (SA155) has a meaning of designating in the case of one. Also, multiple KPIs may be specified.
図27の例では、KPIとして、乗り場に現れた人物がカゴに乗るまでの待ち時間、乗り場の混雑率、及び、フロアの電気使用量(すなわちカゴを動かすための消費電力量を含む量)を示している。これらの例では、例えば、最大待ち時間が短くなる運行ルール/制御パラメータ、乗り場の混雑率が低くなる運行ルール/制御パラメータ、及び、電気使用量が小さくなる運行ルール/制御パラメータが、適切な運行ルール/制御パラメータと評価される。 In the example of FIG. 27, the KPI is the waiting time until the person who appears on the platform gets on the cage, the crowding rate of the platform, and the electricity consumption of the floor (that is, the amount including the power consumption for moving the basket). It shows. In these examples, for example, an operation rule / control parameter that reduces the maximum waiting time, an operation rule / control parameter that reduces the congestion rate at the landing, and an operation rule / control parameter that reduces the amount of electricity used It is evaluated as a rule / control parameter.
しかし上記は一例であり、上記以外のKPIが指定されてもよい。例えば、異なる階から乗る複数の人物が同じカゴに乗り合わせる率が小さいほど評価が高くなるようなKPIが使用されてもよい。これによって、エレベータの関係者(例えば利用者又は管理者等)の望みに応じて、当該関係者が不満を感じにくいカゴの制御を実現することができる。 However, the above is an example, and KPIs other than the above may be designated. For example, a KPI may be used such that the smaller the rate at which a plurality of persons riding from different floors ride the same basket, the higher the evaluation. In this way, it is possible to realize control of the basket in which the concerned person is less likely to be dissatisfied according to the desires of the person concerned (for example, a user or a manager) of the elevator.
図27に示されたのは一例であり、エレベータの運行ルール/制御パラメータを実現する際に、必要なデータがあれば、そのデータを追加するようにKPIリストSA15を変更することができる。 What is shown in FIG. 27 is an example, and in realizing elevator operation rules / control parameters, if necessary data is available, the KPI list SA15 can be changed to add the data.
図28は、本発明の実施形態の分析サーバSAが保持するシミュレーションの入力と結果SA16の説明図である。 FIG. 28 is an explanatory diagram of simulation inputs and results SA16 held by the analysis server SA according to the embodiment of this invention.
シミュレーションの入力と結果SA16は、KPIシミュレーション処理SP11によって処理した結果を格納するテーブルである。KPIシミュレーション処理SP11では入力として、発生した状況を示す発生人数予測結果2_SA11、時間帯別行き先階予測結果SA13、制御パラメータを示すルール/制御テンプレートSA14、及び、最適化の目標となるKPIが格納されているKPIリストSA15を用いる。これらのデータを使うことで、人々が発生した状態でのKPIが高まるような運行ルール/制御パラメータを求めることができる。 The simulation input and result SA16 is a table for storing the result processed by the KPI simulation process SP11. In the KPI simulation process SP11, the generated people prediction result 2_SA11 indicating the generated situation, the destination floor prediction result by time zone SA13, the rule / control template SA14 indicating control parameters, and the KPI as the optimization target are stored as inputs. Use the KPI list SA15. Using these data, it is possible to obtain operation rules / control parameters that enhance KPI in the state of people being generated.
KPIシミュレーション処理SP11では、人々が発生した状態で、ある運行ルール/制御パラメータを用いたときのKPIを出力する処理を、運行ルール/制御パラメータを変更しながら複数回実施する。その結果がシミュレーションの入力と結果SA16である。 In the KPI simulation process SP11, in a state where people are generated, a process of outputting a KPI when a certain operation rule / control parameter is used is performed a plurality of times while changing the operation rule / control parameter. The result is simulation input and result SA16.
KPIシミュレーションID(SA160)は、KPIシミュレーションを識別するIDである。回数(SA161)は、KPIシミュレーションを複数実施した時の回数である。ルール制御リスト1(SA162)は、各回のシミュレーションで使用した運行ルール/制御パラメータの1組を示したものである。ルール/制御No(SA163)は、運行ルール/制御パラメータを識別するためのIDである。パラメータ値(SA164)は、今回の制御に用いたコントロールパラメータである。係数(SA165)は、回帰式などを求める際の係数である。ルール制御リストは1回のシミュレーションについて複数個格納することができる。KPIID(SA166)は、KPIを識別するためのIDである。KPIシミュレーション結果(SA167)は、ルール制御リストを用いてKPIシミュレーションしたときの結果として得られるKPIの値である。 The KPI simulation ID (SA 160) is an ID for identifying a KPI simulation. The number of times (SA161) is the number of times when a plurality of KPI simulations are performed. The rule control list 1 (SA 162) shows one set of operation rules / control parameters used in each simulation. The rule / control No (SA163) is an ID for identifying the operation rule / control parameter. The parameter value (SA164) is a control parameter used for the current control. The coefficient (SA165) is a coefficient when obtaining a regression equation or the like. A plurality of rule control lists can be stored for one simulation. KPI ID (SA 166) is an ID for identifying a KPI. The KPI simulation result (SA 167) is a value of KPI obtained as a result of KPI simulation using the rule control list.
図28に示されたのは一例であり、エレベータの運行ルール/制御パラメータを実現する際に、必要なデータがあれば、そのデータを追加するようにシミュレーションの入力と結果SA16を変更することができる。 What is shown in FIG. 28 is an example, and in realizing elevator operation rules / control parameters, if there is necessary data, the simulation input and result SA 16 may be changed to add the data. it can.
図29は、本発明の実施形態の分析サーバSAが保持する有効ルール/パラメータSA17の説明図である。 FIG. 29 is an explanatory diagram of the valid rule / parameter SA 17 held by the analysis server SA according to the embodiment of this invention.
有効ルール/パラメータSA17は、図28で示したシミュレーションの入力と結果SA16から、最適化に寄与している(すなわち有効な)運行ルール/制御パラメータを求めた結果を格納するテーブルである。ルール/パラメータ評価部SA38は、図28で示したシミュレーションの入力と結果SA16を入力とし、目的変数をKPIシミュレーション結果とし、説明変数をルール制御リストとして複数回分の結果を用いて、重回帰分析をすることができる。ただし、最適化に寄与しているルール制御パラメータを特定できればよく、そのために重回帰分析以外の手法を用いてもかまわない。 The effective rule / parameter SA17 is a table for storing the result of obtaining the operation rule / control parameter contributing to the optimization (that is, effective) from the simulation input and the result SA16 shown in FIG. The rule / parameter evaluation unit SA38 takes the input of the simulation shown in FIG. 28 and the result SA16 as input, uses the objective variable as the KPI simulation result, uses the explanatory variable as the rule control list, and uses multiple results for multiple regression analysis can do. However, as long as the rule control parameters contributing to the optimization can be specified, a technique other than multiple regression analysis may be used.
有効ルール/パラメータID(SA170)は、有効な運行ルール/制御パラメータを識別するためのIDである。有効ルール制御リスト1(SA171)は、重回帰分析をした際に一番寄与しているルール制御パラメータである。ルール/制御No(SA172)は、運行ルール/制御パラメータを識別するIDである。パラメータ値(SA173)は、今回の処理によって用いたコントロールパラメータ値である。係数(SA174)は、重回帰分析によって求めた係数であり、最適化に寄与している程度を示した値である。これを参照することによって、有効な(すなわちKPIの向上に寄与する)運行ルール/制御パラメータが特定される。有効ルール制御リストは複数個格納することができる。KPIID(SA175)は、KPIを識別するためのIDである。予測値(SA176)は、重回帰分析によって求めた回帰式を用いて予測したKPIの値である。 The valid rule / parameter ID (SA 170) is an ID for identifying a valid operation rule / control parameter. The effective rule control list 1 (SA 171) is a rule control parameter that contributes most when performing multiple regression analysis. The rule / control No (SA172) is an ID for identifying the operation rule / control parameter. The parameter value (SA173) is a control parameter value used in the present process. The coefficient (SA174) is a coefficient determined by multiple regression analysis, and is a value indicating the degree of contribution to optimization. By referring to this, a valid (that is, contributing to the improvement of the KPI) navigation rules / control parameters are identified. A plurality of valid rule control lists can be stored. KPI ID (SA175) is an ID for identifying a KPI. The predicted value (SA176) is a value of KPI predicted using a regression equation obtained by multiple regression analysis.
図29に示されたのは一例であり、エレベータの運行ルール/制御パラメータを実現する際に、必要なデータがあれば、そのデータを追加するように有効ルール/パラメータSA17を変更することができる。 FIG. 29 shows an example, and in realizing elevator operation rules / control parameters, if necessary data can be changed effective rule / parameter SA17 to add the data. .
図30は、本発明の実施形態の分析サーバSAが保持する有効ルール/パラメータの細分化リストSA18の説明図である。 FIG. 30 is an explanatory diagram of the effective rule / parameter subdivided list SA18 held by the analysis server SA according to the embodiment of this invention.
図29で示した有効ルール/パラメータSA17の中から特定された、最適化に寄与が高い運行ルール/制御パラメータに対して、コントロールパラメータ値を細分化することで、さらなる最適化を実現することができる。有効ルール/パラメータSA17の有効ルール制御リスト内で、係数(SA174)が大きい運行ルール/制御パラメータが選択される。そして、ルール/パラメータ評価部SA38は、選択された運行ルール/制御パラメータについて、有効ルール/パラメータの細分化処理SP14を実行する。具体的には、ルール/パラメータ評価部SA38は、選択された運行ルール/制御パラメータに含まれる制御パラメータ値を増減させることで、より最適化された運行ルール/制御パラメータを探索することができる。 Further optimization can be realized by subdividing the control parameter values with respect to the operation rule / control parameter highly contributing to the optimization specified from among the effective rules / parameters SA17 shown in FIG. it can. In the valid rule control list of the valid rule / parameter SA17, an operation rule / control parameter having a large coefficient (SA174) is selected. Then, the rule / parameter evaluation unit SA38 executes the effective rule / parameter segmentation process SP14 for the selected operation rule / control parameter. Specifically, the rule / parameter evaluation unit SA38 can search for a more optimized operation rule / control parameter by increasing or decreasing the control parameter value included in the selected operation rule / control parameter.
有効ルール/パラメータ詳細化ID(SA180)は、有効ルール/パラメータ詳細化を識別するためのIDである。有効ルール/パラメータID(SA181)は、有効な運行ルール/制御パラメータを識別するためのIDである。有効ルール制御リスト1(SA182)は、重回帰分析によって一番寄与していると推定されるルール制御パラメータである。ルール/制御No(SA183)は、運行ルール/制御パラメータを識別するIDである。パラメータ値(SA184)は、今回の処理によって用いたコントロールパラメータ値である。係数(SA185)は、重回帰分析によって求めた係数であり、最適化に寄与している値である。パラメータ値の細分化範囲(SA186)は、有効ルール/パラメータの細分化処理SP14によって求めた値である。有効ルール制御リストは、複数個格納することができる。KPIID(SA187)は、KPIを識別するためのIDである。予測値(SA188)は、重回帰分析によって求めた回帰式を用いて予測したKPIの値である。また、ルール/パラメータ評価部SA38は、ルール/制御テンプレートSA14の中から数個の運行ルール/制御パラメータをランダムに選択してもよい。 The valid rule / parameter refinement ID (SA 180) is an ID for identifying the valid rule / parameter refinement. The valid rule / parameter ID (SA181) is an ID for identifying a valid operation rule / control parameter. The effective rule control list 1 (SA 182) is a rule control parameter estimated to be the most contributing by multiple regression analysis. The rule / control No (SA183) is an ID for identifying the operation rule / control parameter. The parameter value (SA184) is a control parameter value used in the present process. The coefficient (SA185) is a coefficient determined by multiple regression analysis and is a value contributing to the optimization. The parameter value segmentation range (SA186) is a value obtained by the valid rule / parameter segmentation process SP14. A plurality of valid rule control lists can be stored. KPI ID (SA 187) is an ID for identifying a KPI. The predicted value (SA188) is a value of KPI predicted using a regression equation obtained by multiple regression analysis. In addition, the rule / parameter evaluation unit SA38 may randomly select several operation rules / control parameters from the rule / control template SA14.
図30に示されたのは一例であり、エレベータの運行ルール/制御パラメータを実現する際に、必要なデータがあれば、そのデータを追加するように有効ルール/パラメータの細分化リストSA18を変更することができる。 The example shown in FIG. 30 is an example, and when realizing the elevator operation rules / control parameters, if there is the necessary data, the subdivision list SA18 of the effective rules / parameters is changed to add the data. can do.
図31は、本発明の実施形態の分析サーバSAが保持するルール/パラメータリストSA19の説明図である。 FIG. 31 is an explanatory diagram of the rule / parameter list SA19 held by the analysis server SA according to the embodiment of this invention.
ルール/パラメータリストSA19は、図29の有効ルール/パラメータSA17から、実運用上で使用する運行ルール/制御パラメータを選択したものを格納したテーブルである。有効ルール制御リストの運行ルール/制御パラメータの中で係数(SA174)の値が大きいものを寄与率が高い運行ルール/制御パラメータであると判断している。 The rule / parameter list SA19 is a table storing a selection of operation rules / control parameters to be used in practical operation from the valid rules / parameters SA17 of FIG. Among the operation rules / control parameters of the effective rule control list, one having a large value of the coefficient (SA 174) is determined to be an operation rule / control parameter having a high contribution rate.
ルール/パラメータID(SA190)は、運行ルール/制御パラメータを識別するIDである。有効ルール制御1位(SA191)は、重回帰分析の結果、寄与の度合いが最も大きいと推定されるルール制御パラメータである。ルール/制御No(SA192)は、運行ルール/制御パラメータを識別するIDである。パラメータ値(SA193)は、今回の処理によって用いたコントロールパラメータ値である。係数(SA194)は、重回帰分析によって求めた係数であり、最適化に寄与している値である。 The rule / parameter ID (SA 190) is an ID for identifying the operation rule / control parameter. The effective rule control first place (SA191) is a rule control parameter which is estimated to have the largest degree of contribution as a result of the multiple regression analysis. The rule / control No (SA192) is an ID for identifying the operation rule / control parameter. The parameter value (SA193) is a control parameter value used in the present process. The coefficient (SA194) is a coefficient determined by multiple regression analysis and is a value that contributes to the optimization.
有効ルール制御2位(SA195)は、重回帰分析の結果、寄与の度合いが2番目に大きいと推定される運行ルール/制御パラメータである。ルール/制御No(SA196)は、今回の処理によって用いたコントロールパラメータ値である。パラメータ値(SA197)は、今回の処理によって用いたコントロールパラメータ値である。係数(SA198)は、重回帰分析によって求めた係数であり、最適化に寄与している値である。 The effective rule control second place (SA195) is an operation rule / control parameter estimated that the degree of contribution is the second largest as a result of multiple regression analysis. The rule / control No (SA 196) is a control parameter value used in the present process. The parameter value (SA197) is a control parameter value used in the present process. The coefficient (SA198) is a coefficient determined by multiple regression analysis and is a value that contributes to the optimization.
KPIID(SA199)は、KPIを識別するためのIDである。予測値(SA19A)は、重回帰分析によって求めた回帰式を用いて予測した値である。 KPI ID (SA 199) is an ID for identifying a KPI. The predicted value (SA19A) is a value predicted using a regression equation obtained by multiple regression analysis.
ルール/パラメータリストSA19は、制御セレクターSP06に送られる。制御セレクターSP06は、ルール/パラメータリストSA19に基づいて、KPIを改善するための運行ルール/制御パラメータを指示する入力コマンドCA0を生成して、制御盤CAに送信する。制御盤CAは、入力コマンドCA0に基づいて、既に設定されている運行ルール/制御パラメータを指示されたものに変更して、変更後の運行ルール/制御パラメータに基づいてカゴを制御する。これによって、KPIを改善するエレベータの制御が実現される。 The rule / parameter list SA19 is sent to the control selector SP06. The control selector SP06 generates an input command CA0 instructing operation rules / control parameters for improving the KPI based on the rule / parameter list SA19, and transmits the generated input command CA0 to the control board CA. The control board CA changes the already set operation rules / control parameters to those instructed based on the input command CA0, and controls the car based on the changed operation rules / control parameters. This provides elevator control that improves KPIs.
図31に示されたのは一例であり、エレベータの運行ルール/制御パラメータを実現する際に、必要なデータがあれば、そのデータを追加するようにルール/制御パラメータリストSA19を変更することができる。 The example shown in FIG. 31 is an example, and the rule / control parameter list SA19 may be changed to add the necessary data when implementing the elevator operation rules / control parameters. it can.
本実施形態で説明した処理は、分析サーバSAの実行部SA3の中で実行されているが、その一部又は全部が、制御盤CAによって実行されてもよい。例えば、制御盤CAが図1Bに示した分析サーバSAと同様のハードウェアを有し、これらのハードウェアによって分析サーバSAの機能の少なくとも一部が実現されてもよい。 The process described in the present embodiment is performed in the execution unit SA3 of the analysis server SA, but part or all of the process may be performed by the control panel CA. For example, the control panel CA may have hardware similar to that of the analysis server SA shown in FIG. 1B, and at least a part of the functions of the analysis server SA may be realized by these hardware.
図32は、本発明の実施形態の分析サーバSAによって出力されるビル個別化レポートSA20の説明図である。 FIG. 32 is an explanatory diagram of the building individualization report SA20 output by the analysis server SA according to the embodiment of this invention.
ビル個別化レポートSA20は、ルール/パラメータ評価部SA38が表示/制御データ生成処理SP15において生成し、表示部SA1に送信する。表示部SA1(例えば出力装置103として実装された表示装置)は、受信したビル個別化レポートSA20を表示する。 The building / personalization report SA20 is generated by the rule / parameter evaluation unit SA38 in the display / control data generation process SP15 and transmitted to the display unit SA1. The display unit SA1 (for example, a display device mounted as the output device 103) displays the received building individualization report SA20.
ビル個別化レポートSA20は、例えば、図32に示すように、ビル名称3201、エレベータバンク名称3202、期間3203、KPI3204及び結果3205を含む。
For example, as shown in FIG. 32, the building personalization report SA20 includes a
エレベータバンク名称3202及びビル名称3201は、図2に示した各処理の実行の対象となったエレベータバンク及びそれが設置されている建物の名称であり、図12に示したバンク名称(SA002)及びビル名称(SA007)に対応する。期間3203は、シミュレーションの対象となる期間である。KPI3204は、ルール/パラメータ評価部SA38の処理において評価の対象として選択された評価指標であり、図27に示した利用フラグ(SA155)が有効になっているKPIに対応する。結果3205は、ルール/パラメータ評価部SA38の処理の結果、選択された有効な運行ルール/制御パラメータであり、ルール/パラメータリストSA19に登録された運行ルール/制御パラメータに対応する。
The
エレベータの管理者は、ビル個別化レポートSA20を参照することによって、KPI3204として表示された評価指標を改善するために必要な運行ルール/制御パラメータの変更内容を把握することができる。管理者は、把握した運行ルール/制御パラメータの変更を手動で制御盤CAに設定してもよい。これによって、KPIを改善するエレベータの制御が実現される。
By referring to the building individualization report SA20, the elevator manager can grasp changes in the operation rules / control parameters necessary to improve the evaluation index displayed as the
以上、本実施形態によれば、階床乗降人数からエレベータホールの発生人数を予測し、その予測結果に適した制御方法を生成し、その制御方法を利用者からの不満に関連する指標を用いて評価することで、最適なエレベータ制御を実現できる。例えば、将来の混雑が予測される時刻の付近で円滑に乗り場にカゴを配車することによって、乗り場にいる利用者に長い待ち時間が発生することが抑制され、利用者の輸送能力の向上及びそれによる利用者の満足度の向上を図ることができる。 As described above, according to the present embodiment, the number of people on the floor is predicted from the number of people in the elevator hall, a control method suitable for the prediction result is generated, and the control method is used as an index related to dissatisfaction from the user. Optimal evaluation of elevator control can be realized. For example, by arranging the car smoothly at the landing near the time when the future congestion is predicted, the occurrence of long waiting time for the user at the landing is suppressed, and the transportation capacity of the user is improved and Can improve the degree of satisfaction of users.
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明のより良い理解のために詳細に説明したのであり、必ずしも説明の全ての構成を備えるものに限定されものではない。 The present invention is not limited to the embodiments described above, but includes various modifications. For example, the embodiments described above have been described in detail for better understanding of the present invention, and are not necessarily limited to those having all the configurations of the description.
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によってハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによってソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、不揮発性半導体メモリ、ハードディスクドライブ、SSD(Solid State Drive)等の記憶デバイス、または、ICカード、SDカード、DVD等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。 Further, each of the configurations, functions, processing units, processing means, etc. described above may be realized by hardware, for example, by designing part or all of them with an integrated circuit. Further, each configuration, function, and the like described above may be realized by software by the processor interpreting and executing a program that realizes each function. Information such as programs, tables, and files for realizing each function can be stored in a nonvolatile semiconductor memory, a hard disk drive, a storage device such as a solid state drive (SSD), or a computer readable non-volatile memory such as an IC card, an SD card, or a DVD. It can be stored on a temporary data storage medium.
また、制御線及び情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線及び情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。 Further, the control lines and the information lines indicate what is considered to be necessary for the explanation, and not all the control lines and the information lines in the product are necessarily shown. In practice, almost all configurations may be considered to be mutually connected.
SA…分析サーバ、SA0…データベース、SA1…表示部、SA2…要求部、SA3…実行部、SA31…計測処理部、SA32…発生人数推定モデル生成部、SA33…発生人数推定部、SA34…発生人数予測部、SA35…行き先階推定部、SA36…行き先階予測部、SA37…制御セレクター部、SA38…ルール/パラメータ評価部、NW…ネットワーク、CL…クライアント端末、EXN…外部情報近隣建屋、EXD…外部情報データベース、EXC…外部情報カメラ、CA…制御盤、CA1…カゴ1、CA2…カゴ2、CA8…カゴ8
SA ... analysis server,
Claims (14)
前記記憶装置は、制御の対象であるエレベータ群の各階の乗り場にエレベータを利用するために現れた人物の数である発生人数を保持し、
前記プロセッサは、
前記記憶装置に保持された発生人数から、将来の発生人数を予測し、
予測された前記将来の発生人数から、前記エレベータ群に属する前記各カゴの運行を制御するために適用される運行ルール、及び、各運行ルールにおいて設定される制御パラメータを決定し、
決定された前記運行ルール及び制御パラメータを出力することを特徴とするエレベータ分析システム。 An elevator analysis system comprising a processor and a storage device connected to the processor, the elevator analysis system comprising:
The storage device holds the number of people who are generated, which is the number of persons appearing for using the elevator at the landing of each floor of the elevator group to be controlled.
The processor is
Predicting the number of future occurrences from the number of occurrences held in the storage device,
From the predicted number of people in the future, the operation rule applied to control the operation of each car belonging to the elevator group, and the control parameter set in each operation rule are determined.
An elevator analysis system characterized by outputting the determined operation rules and control parameters.
前記記憶装置は、前記エレベータ群に属する各カゴの各階における実際の乗り人数及び降り人数を示す乗降人数情報をさらに保持し、
前記プロセッサは、
前記乗降人数情報に基づいて、前記各階の乗り場に現れた人物の行き先階になり得る階ごとに、前記各階の乗り場に現れた人物の行き先階がその階になる確率である行き先階確率を計算し、
前記将来の発生人数及び前記行き先階確率に基づいて、前記エレベータ群に属する前記各カゴの運行を制御するために適用される運行ルール、及び、各運行ルールにおいて設定される制御パラメータを決定することを特徴とするエレベータ分析システム。 An elevator analysis system according to claim 1, wherein
The storage device further holds passenger number information indicating the actual number of passengers and the number of passengers on each floor of each car belonging to the elevator group,
The processor is
Calculate the destination floor probability which is the probability that the destination floor of the person appearing on the landing of each floor becomes the floor for each floor that can be the destination floor of the person appearing on the landing of each floor based on the passenger information And
Determining an operation rule applied to control an operation of each car belonging to the elevator group and a control parameter set in each operation rule based on the future generation number of people and the destination floor probability An elevator analysis system characterized by
前記記憶装置は、前記エレベータ群の前記各カゴの運行を評価するための評価指標を指定する情報をさらに保持し、
前記プロセッサは、
前記将来の発生人数及び前記行き先階確率に基づいて各階の乗り場に人物を発生させて前記エレベータ群の前記各カゴを運行する第1のシミュレーションを、適用される前記運行ルール及び前記制御パラメータを変更しながら複数回実行し、
前記第1のシミュレーションの結果に基づいて、指定された前記評価指標を計算し、
計算された前記評価指標に基づいて、前記評価指標の向上に寄与する前記運行ルール及び前記制御パラメータを、前記エレベータ群に属する前記各カゴの運行を制御するために適用される運行ルール、及び、各運行ルールにおいて設定される制御パラメータとして決定することを特徴とするエレベータ分析システム。 The elevator analysis system according to claim 2,
The storage device further holds information specifying an evaluation index for evaluating the operation of each car of the elevator group,
The processor is
Based on the future generation number of people and the destination floor probability, a person is generated at the landing of each floor to change a first simulation for operating each basket of the elevator group, changing the operation rule and the control parameter to be applied Run multiple times while
Calculating the designated evaluation index based on the result of the first simulation;
The operation rule applied to control the operation of each car belonging to the elevator group, the operation rule and the control parameter contributing to the improvement of the evaluation index based on the calculated evaluation index, and An elevator analysis system characterized by determining as a control parameter set in each operation rule.
前記プロセッサは、
予測した前記将来の発生人数から、発生人数の確率分布がポアソン分布に従うとの仮定に基づいて、発生する人数ごとに、その人数の人物が現れる確率である発生確率を計算し、
発生する人数ごとの前記発生確率及び行き先階ごとの前記行き先階確率に従って人物を発生させて前記第1のシミュレーションを実行することを特徴とするエレベータ分析システム。 The elevator analysis system according to claim 3,
The processor is
Based on the assumption that the probability distribution of the number of occurrences follows a Poisson distribution, the occurrence probability which is the probability that the number of persons appears is calculated from the predicted number of future occurrences based on the assumption that the probability distribution of the number of occurrences follows Poisson distribution;
An elevator analysis system characterized by generating a person according to the probability of occurrence and the destination floor probability for each destination floor to execute the first simulation.
前記プロセッサに接続される表示装置をさらに有し、
前記プロセッサは、前記評価指標の向上への寄与の大きさが所定の条件を満たす前記運行ルール及び前記制御パラメータを特定し、
前記表示装置は、特定された前記運行ルール及び制御パラメータを表示することを特徴とするエレベータ分析システム。 The elevator analysis system according to claim 3,
Further comprising a display device connected to the processor;
The processor identifies the operation rule and the control parameter in which a magnitude of contribution to improvement of the evaluation index satisfies a predetermined condition;
An elevator analysis system, wherein the display device displays the identified operation rules and control parameters.
前記プロセッサ、及び、前記エレベータ分析システムの外部のネットワークに接続されるインターフェースをさらに有し、
前記ネットワークには、前記エレベータ群に属する各カゴを制御する制御装置が接続され、
前記プロセッサは、
前記評価指標の向上への寄与の大きさが所定の条件を満たす前記運行ルール及び前記制御パラメータを特定し、
前記インターフェースを介して、特定された前記運行ルール及び制御パラメータを前記制御装置に送信することを特徴とするエレベータ分析システム。 The elevator analysis system according to claim 3,
It further comprises an interface connected to the processor and a network external to the elevator analysis system,
A control device for controlling each car belonging to the elevator group is connected to the network,
The processor is
Identifying the operation rule and the control parameter in which the magnitude of the contribution to the improvement of the evaluation index satisfies a predetermined condition;
An elevator analysis system comprising: transmitting the specified operation rules and control parameters to the control device via the interface.
前記評価指標は、発生した人物がいずれかのカゴに乗るまでの待ち時間、前記乗り場の混雑率、及び、前記エレベータ群の各カゴを運行するための消費電力量のいずれかを含むことを特徴とするエレベータ分析システム。 The elevator analysis system according to claim 3,
The evaluation index is characterized in that the evaluation index includes any one of a waiting time until the generated person rides on any of the baskets, a congestion rate of the landing, and power consumption for operating each cage of the elevator group. And elevator analysis system.
前記記憶装置は、
制御の対象であるエレベータ群に属する各カゴの各階における実際の乗り人数及び降り人数を示す乗降人数情報と、
前記エレベータ群に属する各カゴの実際の状態を示す運行ログ情報と、をさらに保持し、
前記プロセッサは、
エレベータを利用するために前記エレベータ群の乗り場に現れる複数の人物を発生させ、各人物が現れる前記乗り場の階、前記各人物が現れる時刻、及び前記各人物の行き先階をランダムに決定し、前記各人物が現れる時刻、現れる前記乗り場の階及び行き先階に応じて前記エレベータ群に属する各カゴを運行する第2のシミュレーションを実行することによって、前記各カゴの状態、各階における前記各カゴの乗り人数及び各階における前記各カゴの降り人数から、前記各階の乗り場に現れた人物の数である発生人数を推定する発生人数推定モデルを生成し、
前記乗降人数情報及び前記運行ログ情報から取得した実際の乗り人数、降り人数及び各カゴの状態を前記発生人数推定モデルに適用することによって、各階の発生人数を推定し、
推定された前記発生人数を前記記憶装置に保持し、
前記記憶装置に保持された、前記推定された発生人数から、前記将来の発生人数を予測することを特徴とするエレベータ分析システム。 An elevator analysis system according to claim 1, wherein
The storage device is
Passenger information indicating the actual number of passengers and passengers on each floor of each car belonging to the elevator group to be controlled;
Operation log information indicating an actual state of each car belonging to the elevator group;
The processor is
In order to use the elevator, a plurality of persons appearing at the elevator group landing are generated, and the floor of the landing where each person appears, the time when each person appears, and the destination floor of each person are randomly determined; The state of each car, the riding of each car on each floor, by executing a second simulation that operates each car belonging to the elevator group according to the time when each person appears, the floor and the destination floor of the hall that appears A generation number estimation model is generated that estimates the number of generations, which is the number of persons appearing on the landings of the floors, from the number of people and the number of people moving down each basket on each floor,
The number of people on each floor is estimated by applying the actual number of passengers, the number of people getting off, and the condition of each cage obtained from the passenger information and the operation log information to the generation number estimation model,
Holding the estimated number of occurrences in the storage device;
An elevator analysis system characterized in that the future generation number of people is predicted from the estimated generation number of people held in the storage device.
前記プロセッサは、前記第2のシミュレーションにおいて、所定の時間幅ごとの前記各階の発生人数を目的指標とし、前記所定の時間幅ごとの前記各カゴの状態、各階における前記各カゴの乗り人数及び各階における前記各カゴの降り人数を説明指標とする重回帰分析を行うことによって、前記発生人数推定モデルを生成することを特徴とするエレベータ分析システム。 An elevator analysis system according to claim 8, wherein
In the second simulation, the processor uses the number of generations of each floor for each predetermined time width as a goal indicator, the state of each basket for each predetermined time width, the number of passengers for each car on each floor, and each floor An elevator analysis system characterized by generating the generation number estimation model by performing multiple regression analysis using the number of people moving down each cage as an explanatory index.
前記乗降人数情報及び前記運行ログ情報は、前記乗り人数、降り人数、及び前記各カゴの実際の状態が取得されたときに、前記エレベータ群に属する前記各カゴの運行を制御するために適用されていた運行ルール及び前記運行ルールにおいて設定されていた制御パラメータを示す情報を含み、
前記プロセッサは、前記適用されていた運行ルール及び前記設定されていた制御パラメータに従って前記各カゴを運行することによって前記第2のシミュレーションを実行することを特徴とするエレベータ分析システム。 An elevator analysis system according to claim 8, wherein
The passenger information and the operation log information are applied to control the operation of each of the elevator cars belonging to the elevator group when the number of passengers, the number of passengers and the actual condition of each car are acquired. Including information indicating an operating rule that has been set and the control parameter set in the operating rule,
An elevator analysis system characterized in that the processor executes the second simulation by operating the respective baskets in accordance with the applied operation rules and the set control parameters.
前記記憶装置は、制御の対象であるエレベータ群の各階の乗り場にエレベータを利用するために現れた人物の数である発生人数を保持し、
前記エレベータ分析方法は、
前記プロセッサが、前記記憶装置に保持された発生人数から、将来の発生人数を予測する第1手順と、
前記プロセッサが、予測された前記将来の発生人数から、前記エレベータ群に属する前記各カゴの運行を制御するために適用される運行ルール、及び、各運行ルールにおいて設定される制御パラメータを決定する第2手順と、
前記プロセッサが、決定された前記運行ルール及び制御パラメータを出力する第3手順と、を含むことを特徴とするエレベータ分析方法。 An elevator analysis method performed by an elevator analysis system comprising a processor and a storage device connected to the processor, the elevator analysis system comprising:
The storage device holds the number of people who are generated, which is the number of persons appearing for using the elevator at the landing of each floor of the elevator group to be controlled.
The elevator analysis method
A first procedure in which the processor predicts the future number of occurrences from the number of occurrences held in the storage device;
The processor determines an operation rule applied to control an operation of each car belonging to the elevator group, and a control parameter set in each operation rule, from the predicted number of future generations. 2 steps,
A third procedure in which the processor outputs the determined operation rules and control parameters.
前記記憶装置は、前記エレベータ群に属する各カゴの各階における実際の乗り人数及び降り人数を示す乗降人数情報をさらに保持し、
前記第2手順において、前記プロセッサは、
前記乗降人数情報に基づいて、前記各階の乗り場に現れた人物の行き先階になり得る階ごとに、前記各階の乗り場に現れた人物の行き先階がその階になる確率である行き先階確率を計算し、
前記将来の発生人数及び前記行き先階確率に基づいて、前記エレベータ群に属する前記各カゴの運行を制御するために適用される運行ルール、及び、各運行ルールにおいて設定される制御パラメータを決定することを特徴とするエレベータ分析方法。 The elevator analysis method according to claim 11, wherein
The storage device further holds passenger number information indicating the actual number of passengers and the number of passengers on each floor of each car belonging to the elevator group,
In the second procedure, the processor
Calculate the destination floor probability which is the probability that the destination floor of the person appearing on the landing of each floor becomes the floor for each floor that can be the destination floor of the person appearing on the landing of each floor based on the passenger information And
Determining an operation rule applied to control an operation of each car belonging to the elevator group and a control parameter set in each operation rule based on the future generation number of people and the destination floor probability Elevator analysis method characterized by
前記記憶装置は、前記エレベータ群の前記各カゴの運行を評価するための評価指標を指定する情報をさらに保持し、
前記第2手順において、前記プロセッサは、
前記将来の発生人数及び前記行き先階確率に基づいて各階の乗り場に人物を発生させて前記エレベータ群の前記各カゴを運行する第1のシミュレーションを、適用される前記運行ルール及び前記制御パラメータを変更しながら複数回実行し、
前記第1のシミュレーションの結果に基づいて、指定された前記評価指標を計算し、
計算された前記評価指標に基づいて、前記評価指標の向上に寄与する前記運行ルール及び前記制御パラメータを、前記エレベータ群に属する前記各カゴの運行を制御するために適用される運行ルール、及び、各運行ルールにおいて設定される制御パラメータとして決定することを特徴とするエレベータ分析方法。 The elevator analysis method according to claim 12, wherein
The storage device further holds information specifying an evaluation index for evaluating the operation of each car of the elevator group,
In the second procedure, the processor
Based on the future generation number of people and the destination floor probability, a person is generated at the landing of each floor to change a first simulation for operating each basket of the elevator group, changing the operation rule and the control parameter to be applied Run multiple times while
Calculating the designated evaluation index based on the result of the first simulation;
The operation rule applied to control the operation of each car belonging to the elevator group, the operation rule and the control parameter contributing to the improvement of the evaluation index based on the calculated evaluation index, and An elevator analysis method characterized by determining as a control parameter set in each operation rule.
前記記憶装置は、
制御の対象であるエレベータ群に属する各カゴの各階における実際の乗り人数及び降り人数を示す乗降人数情報と、
前記エレベータ群に属する各カゴの実際の状態を示す運行ログ情報と、をさらに保持し、
前記エレベータ分析方法は、さらに、
前記プロセッサが、エレベータを利用するために前記エレベータ群の乗り場に現れる複数の人物を発生させ、各人物が現れる前記乗り場の階、前記各人物が現れる時刻、及び前記各人物の行き先階をランダムに決定し、前記各人物が現れる時刻、現れる前記乗り場の階及び行き先階に応じて前記エレベータ群に属する各カゴを運行する第2のシミュレーションを実行することによって、前記各カゴの状態、各階における前記各カゴの乗り人数及び各階における前記各カゴの降り人数から、前記各階の乗り場に現れた人物の数である発生人数を推定する発生人数推定モデルを生成する手順と、
前記プロセッサが、前記乗降人数情報及び前記運行ログ情報から取得した実際の乗り人数、降り人数及び各カゴの状態を前記発生人数推定モデルに適用することによって、各階の発生人数を推定する手順と、
前記プロセッサが、推定した前記発生人数を前記記憶装置に保持する手順と、を含み、
前記第1手順において、前記プロセッサは、前記記憶装置に保持された、前記推定された発生人数から、前記将来の発生人数を予測することを特徴とするエレベータ分析方法。 The elevator analysis method according to claim 11, wherein
The storage device is
Passenger information indicating the actual number of passengers and passengers on each floor of each car belonging to the elevator group to be controlled;
Operation log information indicating an actual state of each car belonging to the elevator group;
The elevator analysis method further comprises
The processor generates a plurality of persons appearing at the elevator group's platform to use the elevator, and the floor of the platform where each person appears, the time when each person appears, and the destination floor of each person at random Determine the status of each car by running a second simulation that operates each car belonging to the elevator group according to the time when each person appears, the floor of the landing and the destination floor where it appears A procedure for generating a generation number estimation model for estimating the generation number of persons, which is the number of persons appearing on the landing of each floor, from the number of passengers of each basket and the number of people descending from each basket on each floor;
A step of estimating the number of people on each floor by applying the actual number of passengers, the number of people getting off and the condition of each basket acquired from the passenger information and the operation log information to the generation number estimation model;
The processor holds the estimated number of occurrences in the storage device;
In the first procedure, the processor predicts the future number of people from the estimated number of people held in the storage device.
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017209721A JP6904883B2 (en) | 2017-10-30 | 2017-10-30 | Elevator analysis system and elevator analysis method |
CN202210387282.XA CN114873395B (en) | 2017-10-30 | 2018-10-15 | Elevator analysis system and elevator analysis method |
CN201880068025.1A CN111247078B (en) | 2017-10-30 | 2018-10-15 | Elevator analysis system and elevator analysis method |
PCT/JP2018/038355 WO2019087760A1 (en) | 2017-10-30 | 2018-10-15 | Elevator analysis system and elevator analysis method |
JP2021105108A JP7437353B2 (en) | 2017-10-30 | 2021-06-24 | Elevator analysis system and elevator analysis method |
JP2023071049A JP2023086850A (en) | 2017-10-30 | 2023-04-24 | Elevator car control system and elevator car control method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017209721A JP6904883B2 (en) | 2017-10-30 | 2017-10-30 | Elevator analysis system and elevator analysis method |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021105108A Division JP7437353B2 (en) | 2017-10-30 | 2021-06-24 | Elevator analysis system and elevator analysis method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019081634A true JP2019081634A (en) | 2019-05-30 |
JP6904883B2 JP6904883B2 (en) | 2021-07-21 |
Family
ID=66332557
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017209721A Active JP6904883B2 (en) | 2017-10-30 | 2017-10-30 | Elevator analysis system and elevator analysis method |
JP2021105108A Active JP7437353B2 (en) | 2017-10-30 | 2021-06-24 | Elevator analysis system and elevator analysis method |
JP2023071049A Pending JP2023086850A (en) | 2017-10-30 | 2023-04-24 | Elevator car control system and elevator car control method |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021105108A Active JP7437353B2 (en) | 2017-10-30 | 2021-06-24 | Elevator analysis system and elevator analysis method |
JP2023071049A Pending JP2023086850A (en) | 2017-10-30 | 2023-04-24 | Elevator car control system and elevator car control method |
Country Status (3)
Country | Link |
---|---|
JP (3) | JP6904883B2 (en) |
CN (2) | CN111247078B (en) |
WO (1) | WO2019087760A1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020003761A1 (en) * | 2018-06-26 | 2020-01-02 | 株式会社日立製作所 | People flow prediction method and people flow prediction system |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7315415B2 (en) * | 2019-08-28 | 2023-07-26 | 株式会社日立製作所 | ELEVATOR ANALYSIS SYSTEM AND DESIGN METHOD OF ELEVATOR ANALYSIS SYSTEM |
CN112047212B (en) * | 2020-08-31 | 2022-08-12 | 日立楼宇技术(广州)有限公司 | Elevator operation control method, device, computer equipment and storage medium |
CN113657740B (en) * | 2021-08-06 | 2023-01-31 | 北京磁浮有限公司 | Elevator product quality ranking method based on grey correlation analysis and entropy method |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5948367A (en) * | 1982-09-10 | 1984-03-19 | 株式会社日立製作所 | Group controller for elevator |
JPH06329352A (en) * | 1993-05-20 | 1994-11-29 | Hitachi Ltd | Elevator operation demand anticipating device |
JPH0920466A (en) * | 1995-07-05 | 1997-01-21 | Hitachi Ltd | Group supervisory operation control device for elevator |
JPH10236742A (en) * | 1997-02-28 | 1998-09-08 | Hitachi Ltd | Elevator group supervisory operation control device |
JPH11217164A (en) * | 1998-02-03 | 1999-08-10 | Hitachi Ltd | Simulator device for elevator |
JP2000318938A (en) * | 1999-05-06 | 2000-11-21 | Mitsubishi Electric Corp | Elevator group control easy simulator and elevator group control device |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2633681B2 (en) * | 1989-04-12 | 1997-07-23 | 株式会社東芝 | Elevator group control device |
EP1146004B1 (en) * | 1999-10-21 | 2004-12-29 | Mitsubishi Denki Kabushiki Kaisha | Elevator group controller |
JP4575030B2 (en) * | 2004-05-27 | 2010-11-04 | 三菱電機株式会社 | Elevator traffic demand prediction device and elevator control device provided with the same |
JP4980642B2 (en) * | 2006-04-12 | 2012-07-18 | 株式会社日立製作所 | Elevator group management control method and system |
JP2009155042A (en) * | 2007-12-26 | 2009-07-16 | Toshiba Elevator Co Ltd | Group supervisory elevator performance assessment device |
US9820746B2 (en) | 2008-07-28 | 2017-11-21 | Incube Laboratories LLC | System and method for scaffolding anastomoses |
JP5464979B2 (en) * | 2009-11-17 | 2014-04-09 | 株式会社日立製作所 | Elevator group management system |
JP2011140381A (en) * | 2010-01-07 | 2011-07-21 | Toshiba Elevator Co Ltd | Device and method of group supervisory control for elevator having fire evacuation operation function |
JP5504060B2 (en) * | 2010-06-08 | 2014-05-28 | 株式会社日立製作所 | Destination floor reservation group management elevator controller |
JP5951421B2 (en) * | 2012-09-10 | 2016-07-13 | 株式会社日立製作所 | Elevator group management system |
JP6012853B2 (en) * | 2013-04-18 | 2016-10-25 | 株式会社日立製作所 | Elevator system |
CN104340779A (en) * | 2013-07-23 | 2015-02-11 | 鸿富锦精密工业(深圳)有限公司 | Control system and method of elevator |
JP6329352B2 (en) | 2013-09-24 | 2018-05-23 | Ntn株式会社 | Solid lubricant and method for producing the same |
JP5863206B2 (en) * | 2014-06-09 | 2016-02-16 | 東芝エレベータ株式会社 | Elevator group management device |
JP6203156B2 (en) * | 2014-10-08 | 2017-09-27 | 三菱電機ビルテクノサービス株式会社 | Location estimation device and program |
US9834405B2 (en) * | 2014-11-10 | 2017-12-05 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for scheduling elevator cars in a group elevator system with uncertain information about arrivals of future passengers |
JP6203306B2 (en) * | 2016-03-07 | 2017-09-27 | 東芝エレベータ株式会社 | Elevator group management system |
CN107140499A (en) * | 2017-06-05 | 2017-09-08 | 安徽讯桥信息科技有限公司 | A kind of building elevator security-protection management system |
-
2017
- 2017-10-30 JP JP2017209721A patent/JP6904883B2/en active Active
-
2018
- 2018-10-15 CN CN201880068025.1A patent/CN111247078B/en active Active
- 2018-10-15 WO PCT/JP2018/038355 patent/WO2019087760A1/en active Application Filing
- 2018-10-15 CN CN202210387282.XA patent/CN114873395B/en active Active
-
2021
- 2021-06-24 JP JP2021105108A patent/JP7437353B2/en active Active
-
2023
- 2023-04-24 JP JP2023071049A patent/JP2023086850A/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5948367A (en) * | 1982-09-10 | 1984-03-19 | 株式会社日立製作所 | Group controller for elevator |
JPH06329352A (en) * | 1993-05-20 | 1994-11-29 | Hitachi Ltd | Elevator operation demand anticipating device |
JPH0920466A (en) * | 1995-07-05 | 1997-01-21 | Hitachi Ltd | Group supervisory operation control device for elevator |
JPH10236742A (en) * | 1997-02-28 | 1998-09-08 | Hitachi Ltd | Elevator group supervisory operation control device |
JPH11217164A (en) * | 1998-02-03 | 1999-08-10 | Hitachi Ltd | Simulator device for elevator |
JP2000318938A (en) * | 1999-05-06 | 2000-11-21 | Mitsubishi Electric Corp | Elevator group control easy simulator and elevator group control device |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020003761A1 (en) * | 2018-06-26 | 2020-01-02 | 株式会社日立製作所 | People flow prediction method and people flow prediction system |
Also Published As
Publication number | Publication date |
---|---|
JP6904883B2 (en) | 2021-07-21 |
CN111247078B (en) | 2022-05-03 |
JP2021143076A (en) | 2021-09-24 |
CN111247078A (en) | 2020-06-05 |
JP7437353B2 (en) | 2024-02-22 |
CN114873395A (en) | 2022-08-09 |
CN114873395B (en) | 2024-01-02 |
WO2019087760A1 (en) | 2019-05-09 |
JP2023086850A (en) | 2023-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7437353B2 (en) | Elevator analysis system and elevator analysis method | |
JP6064437B2 (en) | Car sharing system operation management system and method | |
JP2015125775A (en) | System and method for multi-task learning system for prediction of demand on system | |
CN112602110B (en) | Demand prediction device for passenger vehicles, demand prediction method for passenger vehicles, and program | |
KR950007372B1 (en) | Elevator group control device | |
JPWO2008142785A1 (en) | Elevator group management control device | |
JP6454222B2 (en) | Data processing system and data processing method | |
JP7273601B2 (en) | Congestion analysis device and congestion analysis method | |
WO2020003761A1 (en) | People flow prediction method and people flow prediction system | |
Sun et al. | Optimization of group elevator scheduling with advance information | |
US20100174509A1 (en) | Design process for elevator arrangements in new and existing buildings | |
Robèrt | Backcasting and econometrics for sustainable planning: information technology and individual preferences of travel | |
CN110610284A (en) | Information processing method and information processing apparatus | |
CN113891846B (en) | Elevator analysis system and design method thereof | |
JP2023013012A (en) | Operation proposal system and operation proposal creation method | |
CN116167536B (en) | Intelligent parking management method based on time period learning optimization | |
Inamoto et al. | Gradually resolving procedures by a trip-based integer programming to optimize elevator operations | |
JP7409831B2 (en) | Elevator control device, elevator control method, machine learning device, machine learning method and program | |
JP2012226503A (en) | Travel analysis method and travel analysis device | |
Zhang et al. | Transformer networks for predictive group elevator control | |
Basagoiti et al. | Passenger flow pattern learning based on trip counting in lift systems combined with real-time information | |
JP2019212197A (en) | Vehicle ride-sharing support system | |
JP2018177507A (en) | Elevator user movement prediction method and elevator user movement prediction device | |
JP4357248B2 (en) | Elevator group management control device | |
JP2024053982A (en) | Passenger-flow congestion prediction device, passenger-flow congestion prediction method, and passenger-flow congestion prediction program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200206 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210105 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210305 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210430 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210525 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210624 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6904883 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |