JP2664782B2 - エレベータの群管理制御装置 - Google Patents

Description

【発明の詳細な説明】 ［発明の目的］ （産業上の利用分野） この発明は、複数の階床に対して複数のエレベータを
就役させるエレベータの群管理制御装置に関し、特にホ
ール呼びの割当制御に特徴を持つエレベータの群管理制
御装置に関する。

（従来の技術） 近年、複数台のエレベータを並設した場合に、エレベ
ータの運転効率向上およびエレベータ利用者へのサービ
ス向上を図るために、各階床のホール呼びに対して応答
するエレベータをマイクロコンピュータなどの小型コン
ピュータを用いて合理的かつ速やかに割り当てるように
することが行われている。

すなわち、ホール呼びが発生すると、そのホール呼び
に対してサービスする最適なエレベータを選定して割り
当てると共に、他のエレベータはそのホール呼びに応答
させないようにしている。

このような方式の群管理制御装置において、最近で
は、リアルタイムにて各ホール呼びに応答した場合のか
ご呼び登録データの測定、乗降中のデータ測定など各ビ
ルごとの階間交通の把握が行われ、前記測定データを基
にビル固有の需要を把握し、ホール呼び割当制御に利用
している。

このような状況において、エレベータのホール呼び割
当制御は、ホール呼びの発生に対して群管理性能上の各
評価指標を評価し、各評価値を重み付け加算し、総合評
価として最適号機を決定している。

（発明が解決しようとする課題） しかしながら、一般に群管理性能上の各評価指標は交
通需要により大きく変化するために、エレベータ群シス
テムの状況により最適な重み付け値（制御パラメータ）
を選択する必要があり、連続して変化する交通需要に追
従し、制御パラメータの最適化を図ることは困難であっ
た。

また、群管理性能上の「最適」の評価基準はホテル、
テナントビル、一社専有ビルなどのビル用途、あるいは
エレベータの利用者、ビル管理会社など様々なビル固有
の状況に依存するため、各ビルごとの評価基準に群管理
制御性能を合わせる必要があるが、従来システムにおい
ては、各ビル固有の評価基準に最適な制御パラメータを
自動的に設定することは不可能であった。

そこで、ビル固有の評価基準がユーザーにより事前に
示され、多数のシュミレーションを実行し、ユーザーの
評価基準に適合する制御パラメータを事前に設定し、シ
ステムに入力する方法もあるが、これには多数のシュミ
レーション実行が必要であり、しかもシュミレーション
結果はそのシステム固有の状況（稼動後の状況）を完全
に反映するものではなく、交通流、混雑度により最適な
制御パラメータが変化するため、ユーザーの意図してい
る評価基準に対して最適な割当制御とならない場合が生
じる問題点があった。

この発明は、このような従来の問題点に鑑みてなされ
たものであり、割当制御上の各評価指標重み付け値とホ
ール呼び応答累積分布に代表される群管理制御応答結果
との間に関係モデルを複数形成し、しかもこの関係モデ
ルを交通需要と関係付け、有限個の関係モデルの連想で
多数の交通需要に対応する対象モデルを実現し、しかも
オンライン学習によりビルシステム固有の状況を実際の
制御応答結果により獲得し、各ビルごとに最適な評価基
準を満たす割当制御を行うことができるエレベータの群
管理制御装置を提供することを目的とする。

［発明の構成］ （課題を解決するための手段） この発明は、複数の階床に対して複数台のエレベータ
を就役させ、発生した共通のホール呼びに対して所定の
評価演算を行い、各エレベータごとの評価を行って最適
な号機に上記ホール呼びを割り当てるエレベータの群管
理制御装置において、 各評価指標重み付け値と群管理制御応答結果との関係
を交通需要によりあいまいに区分化したニューラルネッ
トにより合成された関数モデルから成る部分システムモ
デルの集合としてモデル化した部分モデル部と、 前記部分システムモデルと交通需要との関係を複数の
メンバーシップ関数によりあいまい表現し、これらのメ
ンバーシップ関数および前記部分システムモデルの結合
関係を記憶し、交通需要に基づき、前記部分システムモ
デルに対する重みを演算する推論部と、前記推論部と部
分モデル部から合成により群管理制御応答の推論結果を
演算する合成部とを備えたものである。

（作用） この発明のエレベータの群管理制御装置では、ビルの
各時刻の一定期間ごとの交通需要を推論部に入力するこ
とにより部分システムモデルに対する重みを演算する。

各評価指標の制御パラメータを所定の範囲内にて変化
させた制御パラメータ組合せを部分モデル部にそれぞれ
入力し、前記重み値と共に合成部による連想機能により
各制御パラメータ組合せに対する群管理制御応答推論結
果を出力する。

そして、この推論結果を評価することにより最適な応
答推論結果に対応する制御パラメータを最適制御パラメ
ータとして前記期間の制御パラメータとして割当制御部
に指令する。

そして、現在設定されている制御パラメータ値および
前記期間に応答した制御応答結果より、オンライン学習
を行い、部分モデル部および推論部の内部構造を変更し
て適用能力の高い自律型システムを形成する。

こうして、各時刻でのホール呼びに対して最適な割当
制御を実施するのである。。

（実施例） 以下、この発明の実施例を図に基づいて詳説する。

第１図はこの発明の一実施例を示しており、１は群管
理制御部であり、この群管理制御部１は各単位エレベー
タの制御を行う単体制御部２−１〜２−Ｎおよび学習制
御部１−１と第１の伝送制御手段である高速伝送路６を
介して接続されている。この群管理制御部１、学習制御
部１−１および単体制御部２−１〜２−Ｎは、単数ある
いは複数のマイクロコンピュータなどの小型計算機によ
り構成されており、ソフトウェアの管理下に動作する。

３は各階に設けられたホール呼びボタンであり、４は
ホール呼びの入出力を行うホール呼び入出力制御部であ
る。そして、群管理制御部１、学習制御部１−１および
単体制御部２−１〜２−Ｎおよび各ホール呼び入出力制
御部４は、第２の伝送制御手段である低速伝送路７を介
して接続されている。

高速伝送路６は、単体制御部２−１〜２−Ｎと群管理
制御部１および学習制御部１−１との間、すなわち、主
に機械室の制御計算機間の伝送を行う伝送制御系であ
り、高速で高インテリジェントなネットワークで接続さ
れている。そして、群管理制御に必要な制御情報を群管
理制御部１、学習制御部１−１、各単体制御部２−１〜
２−Ｎの間で高速に授受している。

低速伝送路７は、各ホールのホール呼びボタン３、監
視室の監視盤５など、主に昇降路を介して情報の伝送を
行う制御系であり、高速伝送路６に比較して低速であ
り、長距離のため光ファイバーケーブルなどにより構成
されており、群管理制御部１、学習制御部１−１および
単体制御部２−１〜２−Ｎと接続され、データの授受を
行っている。

群管理制御部１が正常な場合、ホール呼びボタン３は
低速伝送路７を介して群管理制御部１にて制御され、ホ
ール呼びボタン３が押されると、ホール呼びゲートを閉
じて登録ランプをセットすると共に、高速伝送路６を介
して送られてくる単体制御部２−１〜２−Ｎの情報をベ
ースに最適号機を決定し、単体制御部２−１〜２−Ｎの
内の該当するものに対して制御指令を行う。

そして、制御指令を受けた単体制御部はこの制御指令
をホール呼び情報として単体制御を行う。

第２図はこの発明のエレベータの群管理制御装置の一
実施例における群管理制御部１と単体制御部２−１〜２
−Ｎのソフトウェアシステムの一例を示しており、この
ソフトウェアシステムは、オペレーティングシステムで
あるリアルタイムOS8により単体制御機能タスク９、群
管理制御メイン機能タスク10、群管理制御サブ機能タス
ク11、伝送制御タスク12を管理する構成であり、リアル
タイムOS8内のスケジューラにより各タスク９〜12が起
動されたりホールドされたりするようになっている。

これらの各タスク９〜12の内の単体制御機能タスク９
は、単体制御部２−１〜２−Ｎを動作させるための機能
であって、優先順位が高く設定されている。

群管理制御メイン機能タスク10は、群管理制御部１の
中心となる機能であり、各単体制御部２−１〜２−Ｎに
分散した群管理制御サブ機能タスク11より各号機ごとの
情報データを収集し、比較演算することにより最適合機
を決定し、該当号機に対して制御指令を行うと共に、ホ
ール呼び登録の制御を行う。

群管理制御サブ機能タスク11は、群管理制御部１の各
号機単位の情報の処理を行なう機能であり、群管理制御
メイン機能タスク10の制御の下に情報の処理を行なう。
すなわち、群管理制御メイン機能タスク10を有するコン
ピュータにより高速伝送路６を介してタスクの起動、終
結の管理を行なう構成となっており、マスターである群
管理制御メイン機能タスク10からの指令により号機単位
に分散処理を行ない、群管理制御メイン機能タスク10に
対して処理完了時点でデータを搬送する。

伝送制御タスク12は、高速伝送路６のデータの授受お
よび群管理制御サブ機能タスク11の起動、終結の制御を
行なう。

第３図は、第１図の高速伝送路６のシステム構成を示
すブロック図であり、伝送制御はマイクロプロセッサ13
を用いて行なう構成であるが、例えばISO（国際標準化
機構）が提唱するLANネットワークモデル階層のデータ
リンク階層を制御する部分としてハードウェアで構成さ
れたデータリンクコントローラ14とメディアアクセスコ
ントローラ15とを用いてデータ伝送を高インテリジェン
トにて行なう構成とし、高速伝送制御に対してマイクロ
プロセッサ13が管理する伝送制御ソフトウェアの比率を
軽減させる構成にしている。例えば、上記の高インテリ
ジェント伝送制御を実現するためのコントローラである
データリンクコントローラ14としてインテル社（INTEL
社）のLSIであるi82586が、またメディアアクセスコン
トローラ15として同じくインテル社のi82501などが実用
化されているが、これらを用いることにより10Mビット
／秒というような高速伝送機能をマイクロプロセッサ13
のサポート比率を軽減した形で比較的容易に行なえる。

なお、第３図において、16はシステムバスであり、17
は制御ライン、18はシリアル伝送系である。

第４図は、この発明による学習制御部１−１の入出力
信号の流れを示す機能ブロック図であり、第５図は第４
図の学習制御部１−１のシステム構成の一例であり、第
６図および第７図はそれぞれ第５図の推論部、部分モデ
ル部の詳細システム構成を示している。

第４図において、群管理制御部１は上述したようにエ
レベータ群システム２の単体制御部２−１〜２−Ｎにお
ける群管理制御サブ機能タスク11と協調をとり、ホール
呼び割当制御機能を実行する。このホール呼び割当制御
に用いられる評価アルゴリズムは、群管理性能上の各評
価指標を評価し、各評価値を最適な重み付け加算して総
合評価を行うものである。

学習制御部１−１は、制御パラメータとして各時刻別
の一定期間ごとに最適な評価指標重み付け値を群管理制
御部１へ送信する。

群管理制御部１は、単体制御部２−１〜２−Ｎからの
情報を基に各評価指標の評価値を演算し、制御パラメー
タにより最適な重み付けを行い、最適号機に対して制御
指令を与える。

学習制御部１−１は、一定期間ごとにエレベータ群シ
ステム２、すなわち、単体制御部２−１〜２−Ｎおよび
ホール呼び入出力制御部４からの情報を基にして群管理
制御応答結果を入力し、オンライン学習のためのベース
データとする。

次に、この学習制御部１−１の詳しい動作を第５図以
降の図面を用いて説明する。

学習制御部１−１の機能構成を説明すると、第５図に
示すように推論部21と、部分モデル部22と、合成部23
と、推論結果評価部24とで構成されている。

群管理制御部１における評価演算は一般に、複数の評
価指標ｌに対して行われ、ｉ号機に対して g₁（ｉ）,g₂（ｉ），……,g_l（ｉ） と表わされ、総合評価値は各評価別割当評価値を重み付
け加算し、ｉ号機の総合評価値E_iは、 と表現できる。

ここで、α_ｊは各評価指標ｊにおける重み付け値であ
り、学習制御部１−１より群管理制御部１へ送信される
制御パラメータである。

そこで、推論結果評価部24は、各時間帯別の一定期間
ごとに交通需要を算出し、推論部21に出力すると共に、
制御パラメータα_ｊの組合せを所定範囲内にて生成し、
部分モデル部22に対して出力し、結果として各制御パラ
メータα_ｊの組合せに対応する群管理制御応答推論結果
を評価し、最適な制御パラメータを設定する。

群管理制御応答結果をｙ、入力をｕとすると、 ｙ＝Ｆ（ｕ） ……（１） と表現できる。

なおここで、 ｙ＝（y₁,y₂,……,y_n）^Ｔ ｕ＝（u_s,u_e）^Ｔ＝（C,α）^Ｔ とする。

この群管理制御応答結果ｙにおいて、y₁,y₂,……,y_n
は一定期間におけるホール呼び応答時間の発生率、平均
乗合率、平均サービス時間などを表わし、群管理性能を
判定する上での評価基準データとなる。

また入力ｕにおいて、Ｃは交通需要を表わし、 Ｃ＝（c₁,c₂,c₃） とすると、c₁,c₂,c₃はそれぞれ全平均乗客発生間隔、基
準階へ向かう平均乗客発生間隔を表わすデータであり、
システムの混雑度や人の流れなどのシステムの状況を表
わすことになる。

さらに、αは各評価指標別重み付け値（制御パラメー
タ）であり、前述のように複数の評価指標ｌに対して α＝（α₁,α₂,……，α_ｌ） と表わされる。このとき、推論部21、部分モデル部22、
合成部23から成る対象モデルは、ｍ個の部分システムモ
デルf_i（α），（ｉ＝1,2,……,m）の合成で表現され、
（１）式は次式のように書き直される。

ここで、a_i（Ｃ）は交通需要Ｃにおける部分システム
モデルf_i（α）の活性度を示し、交通需要Ｃから得られ
るシステムの状況と部分モデル部22における部分システ
ムモデルとの結合関係により決まる。

次に、推論部21および部分モデル部22の各部について
説明する。

推論部21は、第６図に示すように入力部21−１と記憶
部21−２と出力部21−３とゲート21−４とより構成され
ており、推論結果評価部24より交通需要Ｃを受けて、こ
れらから得られるシステムの状況により（２）式におけ
る活性度a_i（Ｃ），（ｉ＝1,2,,……,m）を出力する働
きをする。

入力部21−１はｋ個のニューロンからなるｋ次元の状
態ベクトルＶを持ち、入力される交通需要Ｃをメンバー
シップ関数φ_ｉを通すことにより、各交通需要がそのメ
ンバーシップグレードで構成される部分入力ベクトル
C_i,（ｉ＝1,2,……,M）を出力する。このＭ個の部分入
力ベクトルは一括して入力ベクトルＣとして前記入力状
態ベクトルＶへ入力される。

また記憶部21−２は、ｒ個のニューロンから成るｒ次
元の状態ベクトルＸから成り、入力部21−１と出力部21
−３を関係付ける記憶部に相当する。

出力部21−３は、ｍ個のニューロンから成るｍ次元の
状態ベクトルＺから成り、各要素Zi,（ｉ＝1,2,……,
m）が前記部分モデル部22の部分システムモデルf
_i（α）に対応している。

入力部21−１および記憶部21−２、記憶部21−２およ
び出力部21−３は、それぞれ相互ループを持ち、また各
部21−１〜21−３は自己ループを持っている。

この関係は離散形式であって、次のように表現され
る。

Ｃ（ｋ）＝φ（ｕ（ｋ）） ……（3.1） Ｖ（ｋ＋１）＝ ψ（W_VC・Ｃ（ｋ）＋W_VV・Ｖ（ｋ） ＋W_VX・Ｘ（ｋ）） ……（3.2） Ｘ（ｋ＋１）＝ ψ（W_VX・Ｖ（ｋ＋１）＋W_XX・Ｘ（ｋ） ＋W_XZ・Ｚ（ｋ）） ……（3.3） Ｚ（ｋ＋１）＝ ψ（W_ZX・Ｘ（ｋ＋１）＋W_ZZ・Ｚ（ｋ）） ……（3.4） Ｖ（０）＝V₀,X（０）＝X₀, Ｚ（０）＝Z₀,k≧０ ここで、W_VCはベクトルＣからベクトルＶへの荷重を
表わすマトリックスであり、ベクトルＶを構成するニュ
ーロンのベクトルＣに対するシナプス荷重である。ま
た、W_VV,W_VX,W_XX,W_ZX,W_ZZについても同様である。

さらにφはｊ次元のメンバーシップ関数であり、ψは
各次元に対応するシグモイド関数であり、入力される要
素ごとに、 の演算を行う。

ここでｋは時間を表わすパラメータであり、１増える
ごとに単位時間が経過する。

上記の（3.1）〜（3.4）式で各Ｗを適当に設定するこ
とによって入力される需要Ｃ（ｕ（ｋ））に対する部分
システムモデルf_i（α），（ｉ＝1,2,……,m）の活性度
が出力部21−３の状態ベクトルＺに時間経過を伴って現
れてくる。

ゲート21−４は設定された時間Ｔが経過すると開から
Z_i（Ｔ）を部分システムモデルf_i（α）の活性度a
_i（Ｃ）として出力する。

次に、部分モデル部22は、第７図に示す構成であり、
制御パラメータαを入力することにより各部分システム
モデルごとに群管理制御応答結果f_i（α）を出力する働
きを有する。また、部分モデル部22における個々の部分
システムモデルf_i（α），（ｉ＝1,2,……,m）は第８図
に示すように多層のニューラルネットワークにより構成
される。

これらはそれぞれ、その需要に対する制御パラメータ
αと実システムの群管理制御応答結果の入出力データｉ
とを格納している。そして、部分システムモデルf
_i（α）は、この入出力データｉを教師データとしてバ
ックプロパゲーション法を用いて学習される。

各部分システムモデルf_iは、第８図により入力ｕが与
えられたとき、 ｙ（ｋ）＝f_i（ｕ（ｋ）） の演算を実行する。この演算処理は、 neth（ｋ）＝W_hu（ｋ）・ｕ（ｋ） ……（4.1） ｈ（ｋ）＝φ（neth（ｋ）＋θ_ｈ（ｋ）） ……（4.2） nety（ｋ）＝W_yh（ｋ）・ｈ（ｋ）＋W_yu（ｋ）・ｕ
（ｋ） ……（4.3） ｙ（ｋ）＝φ（nety（ｋ）＋θ_ｙ（ｋ）） ……（4.4） ｋ≧０ ここで、W_hu,W_yh,W_yuはシナプス荷重を表わすマトリ
ックスである。また、θ_h,θ_ｙはそれぞれ中間層ｈ、出
力層ｙに対するバイアス値を表わすベクトルである。

各部分システムモデルf_i（ｕ），（ｉ＝1,2,……,m）
はそれぞれが異なるシナプス荷重、バイアスを持ち、演
算を行う。

部分モデル部22から入力されてくる部分システムモデ
ルの出力f_i（α）,f₂（α），……,f_m（α）、および、
推論部21から入力される各部分システムモデルに対する
活性度a₁（ｃ）,a₂（Ｃ），……,a_m（Ｃ）を（２）式に
したがって合成し、群管理制御応答推論結果ｙとして推
論結果評価部24に出力する。

推論結果評価部24では、上記のように推論部21、部分
モデル部22、合成部23から成る対象モデルに対して、入
力ｕ（＝（C,α）^Ｔ）において、実システムの交通需要
に対して制御パラメータαの組合せを所定範囲内にて生
成し、入力ｕとして与えることにより結果として各制御
パラメータαの組合せに対応する群管理制御応答結果を
評価し、最適な制御パラメータαを設定し、群管理制御
部１に送信する。

次に、オンラインにて得られるエレベータ群システム
２からの群管理制御応答結果による推論部21、部分モデ
ル部22のオンライン学習について説明する。

学習に関しては、推論結果とエレベータ群システム２
からの応答結果の差異に基づいて、推論部21の「確か
さ」および関係する部分システムモデルf_iを修正する。
その修正量は、差異の大きさおよび活性度に比例させ、
その確かさに反比例させて行う。

第６図の推論部21に示したように、推論部21における
確かさを修正するループは、出力部21−３から記憶部21
−２へのループ、すなわちマトリックスW_ZXに限定す
る。このとき、マトリックスW_XZの（i,j）要素W_ijを、 W_ii＝p_i,（ｉ＝1,2,……,m） ……（5.1） W_ji＝−p_i,（ｊ≠ｉ） ……（5.2） のように修正する。

ここで、pi≧０は部分システムモデルf_i（α）に対す
る記憶の確かさを表わすパラメータであり、次式により
演算される。

p_i＝ξ・R_i（ｋ＋１）＋ξ ……（6.1） R_i（ｋ＋１）＝ １−exp［−β（N_i（ｋ＋１）＋γ）］ ……（6.2） N_i（ｋ＋１）＝N_i（ｋ）＋δN_i ……（6.3） ここで、η，β，γ，ξ，ζはそれぞれ定数、R_i,N_i
はそれぞれ部分システムモデルf_i（α）の習熟度および
学習進度である。

学習進度N_i（ｋ）は部分システムモデルf_i（α）のｋ
回学習した後の学習の進み具合を表わしており、活性度
a_iに比例し、現在の習熟度R_i（ｋ）に反比例する度合δ
N_i（最大１）で変化する。そして、（6.3）式で計算さ
れる新たな学習進度N_i（ｋ＋１）に対して、新たな習熟
度R_i（ｋ＋１）が（6.2）式により求まる。

一方、部分システムモデルf_i（α）の修正は、バック
プロパゲーション法により行う。この際に、各部分シス
テムモデルf_i（α）が持つ入出力データを書換える。所
定時間帯ごとの一定期間が終了すると、前記時間帯の応
答結果を基に群管理制御応答結果の演算を行い、前記時
間帯での制御パラメータと共に入出力データ D_o＝（u_o,y_o）， u_o＝（C_o ^＊，α_ｏ）^Ｔ を生成する。

このとき、部分システムモデルf_i（α）が持つ入出力
データ（D₁,D₂,……,D_L）を書換える。

すべての入出力データをスキャンし、そのαとα_ｏと
の距離の２乗 ｄα＝｜α−α_o|² ……（7.1） を求め、近いものから順に２つのデータＤ（1st）,D（2
nd）を抽出する。

この２つのデータＤ（1st）,D（2nd）について、その
ｙとy_oとの距離の２乗 dy＝|y−y_o|² ……（7.2） を求め、その後、Ｄ（1st）,D（2nd）を次式によって修
正する。

ｙ（1st）＝ ρ_１・y_o＋（１−ρ_１）・ｙ（1st） ……（7.3） ｙ（2nd）＝ ρ_２・y_o＋（１−ρ_２）・ｙ（2nd） ……（7.4） 上記の（7.3），（7.4）式により部分システムモデル
における入出力データが書換えられ、書換え後の入出力
データを教師データとしてバックプロパゲーション法に
より部分システムモデルの荷重マトリックスの修正を以
下の手順により行う。

δ_ｙ（ｋ）＝ φ′（nety（ｋ）＋θ_ｙ（ｋ）） ＊（ｙ^＊（ｋ）−ｙ（ｋ）） ……（8.1） δ_ｈ（ｋ）＝ φ′（nety（ｋ）＋θ_ｈ（ｋ）） ＊Ｗ′_yh・δ_ｙ（ｋ） ……（8.2） ΔW_yh（ｋ＋１）＝ η_yh（ｋ）・δ_ｙ（ｋ）・ｈ′（ｋ） ＋α_yh・ΔW_yh（ｋ） ……（8.3） ΔW_hu（ｋ＋１）＝ η_hu（ｋ）・δ_ｈ（ｋ）・ｕ′（ｋ） ＋α_hu・ΔW_hu（ｋ） ……（8.4） ΔW_yu（ｋ＋１）＝ η_yu（ｋ）・δ_ｙ（ｋ）・ｕ′（ｋ） ＋α_yu・ΔW_yu（ｋ） ……（8.5） W_yh（ｋ＋１）＝ W_yh（ｋ）＋ΔW_yh（ｋ＋１） ……（8.6） W_hu（ｋ＋１）＝ W_hu（ｋ）＋ΔW_hu（ｋ＋１） ……（8.7） W_yu（ｋ＋１）＝ W_yu（ｋ）＋ΔW_yu（ｋ＋１） ……（8.8） ΔW_yh（０）＝0,ΔW_hu（０）＝0, ΔW_yu（０）＝0,Δθ_ｙ（０）＝0, Δθ_ｈ（０）＝０ ここで、ｙ^＊は教師データであり、 がすべてのｙ^＊について成立するまでｋをインクリメン
トして繰り返す。

ここで、Ａ＊Ｂとは、行列ＡおよびＢの要素ごとの積
を表わしており、η，αは学習パラメータである。

上記の演算により、部分システムモデルの荷重マトリ
ックスを群管理制御応答結果が入力するたびに修正し、
再学習する。

以上に詳述したように、推論部21、部分モデル部22、
合成部23、および推論結果評価部24から成る学習制御部
１−１を構成することにより、ホール呼びの割当制御に
おいて、群管理性能上の各評価指標に対する重み付け値
である制御パラメータを交通需要に応じて最適化するこ
とができ、各ビル固有の評価基準に対しても最適な制御
パラメータを自動的に設定することができる。

また、推論部21、部分モデル部22は群管理制御応答結
果によりオンライン学習ができるため、適用能力の高い
自律型システムを形成できる。

なお、この発明は、上記の実施例に限定されるもので
はなく、群管理制御応答結果、制御パラメータ、交通需
要などの群細構成はそれぞれの意図する範囲内で変更し
ても同様に扱うことができることは明白である。

［発明の効果］ 以上のようにこの発明によれば、各評価指標の制御パ
ラメータと群管理制御応答結果との関係を交通需要によ
りあいまいに区分したニューラルネットにより合成され
た関数モデルから成る部分モデル集合としてモデル化し
た部分モデル部と、各部分モデルと交通需要の関係を複
数のメンバーシップ関数により関係付けた推論部と、前
記推論部と部分モデル部から合成により群管理制御応答
結果を演算する合成部とを備えて成る学習制御部を持つ
ことにより、各ビルごとの任意の交通需要に対して各評
価指標の制御パラメータと群管理制御応答結果との関係
が定量的に推定できるため、交通需要により変化し、最
適な制御パラメータの設定が困難であった従来システム
に対して、連続して変化する交通需要に対して各時間帯
ごとに最適な制御パラメータを設定することができるよ
うになる。

また、ホテル、テナントビル、一社専有ビルなどビル
用途により「最適」の評価基準が異なる場合であって
も、群管理制御応答結果を評価することにより各ビル用
途に応じた最適な制御パラメータを設定することができ
る。

しかも、この発明では、ビル稼動後、発生した交通需
要と完全に一致するデータが無い場合においても、推論
部、部分モデル部、合成部により構成するシステムの連
想機能によ各制御パラメータに対する群管理制御応答推
定結果を出力するため、任意の交通需要に対応すること
ができ、一定期間に応答した実システムからのオンライ
ン学習により部分モデル部および推論部の内部構造を自
動的に変更し、能力の高い自律システムを形成すること
ができる。

そして、これらの特徴より、多種多様なビル構成およ
び客先ニーズに対して常に最適なホール呼び割当制御を
実現することができる。

【図面の簡単な説明】

第１図はこの発明の群管理制御装置の一実施例のブロッ
ク図、第２図は上記実施例の群管理制御部および単体制
御部のソフトウェアシステムの構成図、第３図は上記実
施例の高速伝送路のシステム構成図、第４図は上記実施
例の学習制御部の入出力信号の流れを示す機能ブロック
図、第５図は上記実施例の学習制御部のシステム構成
図、第６図は上記実施例の推論部のシステム構成図、第
７図は上記実施例の部分モデル部のシステム構成図、第
８図は上記部分モデル部の各部分システムモデルの構成
図である。 １……群管理制御部、１−１……学習制御部 ２……エレベータ群システム ２−１〜２−Ｎ……単体制御部 ３……ホール呼びボタン ４……ホール呼び入出力制御部 ５……監視盤、６……高速伝送路 ７……低速伝送路 21……推論部、22……部分モデル部 23……合成部、24……推論結果評価部

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】複数の階床に対して複数台のエレベータを
   就役させ、発生した共通のホール呼びに対して所定の評
   価演算を行い、最適号機に前記ホール呼びを割り当てる
   エレベータの群管理制御装置において、 各評価指標重み付け値と群管理制御応答結果との関係を
   交通需要によりあいまいに区分化したニューラルネット
   により合成された関数モデルから成る部分システムモデ
   ルの集合としてモデル化した部分モデル部と、 前記部分システムモデルと交通需要との関係を複数のメ
   ンバーシップ関数によりあいまい表現し、これらのメン
   バーシップ関数および前記部分システムモデルの結合関
   係を記憶し、交通需要に基づき、前記部分システムモデ
   ルに対する重みを演算する推論部と、 前記推論部と部分モデル部から合成により群管理制御応
   答の推論結果を演算する合成部とを備えて成るエレベー
   タの群管理制御装置。