JP3404958B2 - エレベーターの群管理装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、複数台のかごを一群
として管理し運転するエレベーターの群管理装置に係わ
り、特にニューラルネットを応用して建物内交通流を判
別する群管理装置に関する。

【０００２】

【従来の技術】複数台のエレベーターを制御する群管理
装置は、マイクロコンピュータの採用によって大量情報
の演算処理と高度な制御を実現することが可能である。
このような背景によりエレベーター装置には人工知能技
術の一つであるファジー理論やニューラルネットが応用
されている。従来のエレベーターの群管理装置として、
例えば特開平３−１２４６７６号公報に示されるよう
に、ニューラルネットの部分モデル部と複数のメンバー
シップ関数とから構成されるエレベーターの群管理装置
がある。

【０００３】また、例えば特開平３−２７９１７８号公
報に示されるように、交通状態を入力としてかご内の混
雑度を出力するニューラルネットを構成するエレベータ
ーの群管理装置がある。また、例えば特開平４−３２４
７２号公報に示されるように、時間帯又は交通パターン
を設けて最も適したニューラルネットを選択するエレベ
ーターの群管理装置がある。

【０００４】また、例えば特開平６−２６３３４６号公
報に示されるように、ニューラルネットを応用して建物
内交通流を判定し、未学習の交通流があれば再学習する
エレベーターの群管理装置がある。なお、建物内で発生
する交通流とは、交通状態を表す概念であって乗客数、
乗客発生間隔、ＯＤ(Origin and Destination)行列等に
よって記述されるものである。

【０００５】

【発明が解決しようとする課題】上記のような従来のエ
レベーターの群管理装置において次に述べる問題点があ
った。すなわち、ニューラルネットの部分モデル部と複
数のメンバーシップ関数とから構成されるエレベーター
の群管理装置においては、乗場呼びの割当制御にニュー
ラルネットを応用しているものの、建物内で発生する交
通流に関する効果が不確かである。

【０００６】また、交通状態を入力として、かご内の混
雑度を出力するニューラルネットを構成するエレベータ
ーの群管理装置においては、ニューラルネットを応用し
てかご内の混雑度を予測しているものの、予測したデー
タからエレベーターをどのように制御するかの問題が残
る。また、時間帯又は交通パターンを設けて最も適した
ニューラルネットを選択するエレベーターの群管理装置
においては、ニューラルネットを選択して乗場呼びの割
当制御に使用しているだけであって、建物内で発生する
異なった交通流の判別に関しては不明瞭である。

【０００７】また、ニューラルネットを応用して建物内
交通流を判定し、未学習の交通流があれば再学習するエ
レベーターの群管理装置においては、交通流の判定を行
った後のエレベーターの具体的な制御が不詳である。

【０００８】なお、以上のそれぞれの従来のエレベータ
ーの群管理装置において、次の事項に関し詳らかでな
い。すなわち、通常ニューラルネットの学習には膨大な
演算時間を要し、他のエレベーターの制御に影響を与え
る。しかし、このような問題が解消されていない。ま
た、ニューラルネットの学習過程においては教師データ
が必要になるが、そのデータを抽出する手順は不明確で
ある。

【０００９】また、エレベーターのようなリアルタイム
な制御が必要な場合、ニューラルネットの学習が不十分
であるとニューラルネットからの出力が明確に現れない
ときがある。しかし、ニューラルネットからの出力が明
確に現れない状況でもエレベーターに影響を与えないた
めの改善要領が不明である。また、エレベーターの外部
から多様な情報が入力された場合に、その情報とニュー
ラルネットからの制御情報との優先関係に関して不明瞭
である。

【００１０】この発明は、かかる問題点を解消するため
になされたものであり、ニューラルネットを応用して交
通流を判別して、効率的に複数台のかごを一群として管
理し運転するエレベーターの群管理装置を得ることを目
的とする。

【００１１】

【課題を解決するための手段】この発明に係るエレベー
ターの群管理装置においては、複数台のかごを一群とし
て管理運転するエレベーターの群管理装置に、かごが設
けられた建物内で発生する交通データを収集する交通デ
ータ収集手段と、この交通データ収集手段から求められ
る交通流に対してニューラルネットを応用して判別を行
う交通流判別手段と、この交通流判別手段から収集され
る交通データを基にニューラルネットを学習させるため
に必要な教師データを抽出する教師データ抽出手段と、
教師データを基にニューラルネットを学習させる学習手
段と、交通流判別手段を第１優先の演算手段とし、学習
手段を第３優先の演算手段とし、交通流判別手段及び学
習手段の他の演算手段を第２優先の演算手段とする順位
に従って各演算手段の動作を管理するタスク管理手段と
が設けられる。

【００１２】また、この発明に係るエレベーターの群管
理装置においては、複数台のかごを一群として管理運転
するエレベーターの群管理装置に、かごが設けられた建
物内で発生する交通データを収集する交通データ収集手
段と、この交通データ収集手段から求められる交通流に
対してニューラルネットを応用して判別を行う交通流判
別手段と、上記交通データ収集手段により収集された交
通データから交通量のピークとなる時間帯を検出するピ
ーク時検出手段と、このピーク時検出手段により検出さ
れたピーク時間から所定時間前の連続した交通データを
教師データとして抽出する教師データ抽出手段と、教師
データを基にニューラルネットを学習させる学習手段と
が設けられる。

【００１３】また、この発明に係るエレベーターの群管
理装置においては、複数台のかごを一群として管理運転
するエレベーターの群管理装置に、かごが設けられた建
物内で発生する交通データを収集する交通データ収集手
段と、この交通データ収集手段から求められる交通流に
対してニューラルネットを応用して判別を行う交通流判
別手段と、ニューラルネットからの出力結果が明確に現
れない場合は判別不能及び特定不能のいずれかとして出
力するフィルタリング手段と、交通データ収集手段によ
り所定期間にわたって収集された交通データを基に収集
日毎にニューラルネットに対して判別を行い判別不能及
び特定不能のいずれかを出力した回数が最も少なくなる
日の交通データを教師データとして抽出する教師データ
抽出手段と、教師データを基にニューラルネットを学習
させる学習手段と、交通流判別手段からの出力を基に交
通流に対応する運転パターンを選択する運転パターン選
択手段とが設けられる。

【００１４】

【作用】上記のように構成されたエレベーターの群管理
装置では、ニューラルネットを応用してエレベーターの
交通流判別を行うときに、タスク管理手段により優先順
位をつけてニューラルネットに関する演算を行い、ニュ
ーラルネットの出力をもとに交通流に適合したエレベー
ターの運転制御が行われる。

【００１５】また、上記のように構成されたエレベータ
ーの群管理装置では、ニューラルネットを応用してエレ
ベーターの交通流判別を行うときに、交通がピークとな
る時間帯から所定時間前の連続した交通データにより教
師データが抽出されて、この教師データを基にニューラ
ルネットが学習され、交通流に適合したエレベーターの
運転制御が行われる。

【００１６】また、上記のように構成されたエレベータ
ーの群管理装置では、ニューラルネットを応用してエレ
ベーターの交通流判別を行うときに、判別不能や特定不
能が少なくなる日の交通データを優先し、これを教師デ
ータとしてニューラルネットを学習し、交通流に適合し
たエレベーターの運転制御が行われる。

【００１７】

【実施例】実施例１． 図１〜図４は、この発明の一実施例を示す図で、図１は
エレベーターの構成を付加しエレベーターの群管理装置
の構成を示すブロック図、図２は図１のエレベーターの
群管理装置のニューラルネットの構成図、図３は図１の
エレベーターの群管理装置の演算順序を説明するタイム
チャート、図４は図１のエレベーターの群管理装置の動
作を示すフローチャートである。

【００１８】図において、(1) は図示が省略してあるが
複数台のエレベーターそれぞれのかご、(2) はかご(1)
が設けられた昇降路に配置された乗場（図示しない）に
装備された乗場釦、(3) はかご(1) それぞれの運行を制
御する制御手段、(4) は全てのかご(1) を一群として管
理し運転制御する運転制御手段、(5) は制御手段(3)と
運転制御手段(4) の間で光通信を行う各かご通信手段、
(6) は運転制御手段(4) に接続されて乗場釦(2) による
呼びが発生するたびに応答かご(1) を選択する呼び割当
手段である。

【００１９】(7) は運転制御手段(4) に接続されてエレ
ベーターに乗降する乗客の負荷等の交通情報を収集する
交通データ収集手段、(8) は交通データ収集手段(7) に
接続されてニューラルネットを応用して収集された交通
流に対して判別を行う交通流判別手段、(9) は交通デー
タ収集手段(7) に接続されて交通データ収集手段(7)に
より収集された交通データからニューラルネット(10)を
学習させるために必要な教師データを抽出する教師デー
タ抽出手段である。

【００２０】(11)は交通流判別手段(8) と教師データ抽
出手段(9) に接続されてニューラルネット(10)を学習さ
せるための学習手段、(12)は運転制御手段(4) と交通流
判別手段(8) に接続されて交通流判別手段(8) の出力に
より出勤時運転等の運転パターンを選択する運転パター
ン選択手段、(13)は交通データ収集手段(7) 、交通流判
別手段(8) 、教師データ抽出手段(9) 及び学習手段(11)
に接続されて、収集されたデータ、教師データ及びニュ
ーラルネット(10)を構成するためのメモリである。

【００２１】(14)は運転制御手段(4) に接続されて時刻
を計測するタイマである。(15)は運転制御手段(4) 、各
かご通信手段(5) 、呼び割当手段(6) 、交通データ収集
手段(7) 、交通流判別手段(8) 、教師データ抽出手段
(9) 、学習手段(11)、運転パターン選択手段(12)、メモ
リ(13)及びタイマ(14)によって構成された群管理装置で
ある。

【００２２】(16)は交通データ収集手段(7) 、交通流判
別手段(8) 、教師データ抽出手段(9) 、学習手段(11)及
びメモリ(13)に接続されて複数の演算手段の演算順序を
コントロールするタスク管理手段である。

【００２３】上記のように構成されたエレベーターの群
管理装置において用いられるニューラルネット(10)の構
成を図２によって説明する。すなわち、ニューラルネッ
ト(10)は入力層、中間層１、中間層２及び出力層の４つ
の層から成り立っている。中間層の数は任意でよいが図
１〜図４の実施例では２つが用意されている。ニューラ
ルネット(10)に対しては、交通データ収集手段(7) から
収集された乗降客数のデータを入力データとし、そのと
きに選択すべき交通流の特徴モードを出力データとす
る。

【００２４】この出力に現れる特徴モードとは、例えば
早朝モード、出勤モード、平常モードといったモードが
該当する。また、中間層１等の各層にはそれぞれニュー
ロンが所定数だけ存在しており、入力層、出力層のニュ
ーロン数はそれぞれ入力データ、出力データの数だけ存
在している。

【００２５】次ぎに、群管理装置(15)における各演算手
段の演算順序を図３のタイムチャートによって説明す
る。すなわち、タスクはそれぞれ３つに分割し、交通判
別手段(8) は第１優先、学習手段(11)は第３優先、交通
データ収集手段(7) 他の演算手段は第２優先として設定
する。なお、交通判別手段(8) はリアルタイムで交通流
の判別を行い、短時間に判別結果が出力されないと制御
が遅れるので第１優先と設定する。

【００２６】また、学習手段(11)はニューラルネット(1
0)の学習に膨大な時間を要するので、例えば交通の閑散
な夜間に行なうようにすることにより特に短時間に学習
が終了する必要もないため第３優先と設定する。このよ
うにして、各演算手段に優先順位を設けてエレベーター
の制御に影響が出ないようにしてある。

【００２７】次に、群管理装置(15)の動作を図４に示す
フローチャートによって説明する。すなわち、ステップ
(ST81)で第１優先タスクのＢＵＳＹ１フラグがオンであ
ればＥＮＤへ進み、オンでなければステップ(ST82)へ進
んでＢＵＳＹ１フラグをオンする。そして、ステップ(S
T83)へ進んで第１優先タスクの演算を行い、ステップ(S
T84)へ進みＢＵＳＹ１フラグをオフして、ステップ(ST8
5)へ進む。

【００２８】ステップ(ST85)で第２優先タスクのＢＵＳ
Ｙ２フラグがオンであればＥＮＤへ進み、オンでなけれ
ばステップ(ST86)へ進んでＢＵＳＹ２フラグをオンす
る。次いで、ステップ(ST87)へ進んで第２優先タスクの
演算を行い、ステップ(ST88)へ進みＢＵＳＹ２フラグを
オフして、ステップ(ST89)へ進み第３優先タスクの演算
を行う。

【００２９】このように、ニューラルネット(10)を応用
してエレベーターの交通流判別を行うときに、ニューラ
ルネット(10)に関する演算に優先順位をつけニューラル
ネット(10)の出力をもとに交通流に適合したエレベータ
ーの運転制御が行われる。したがって、ニューラルネッ
ト(10)の判別や学習の実行について、それぞれの優先順
位により演算を行うため、関係するコンピュータ資源を
有効に使用することができる。これにより、効率的に複
数台のかごを一群として管理し運転するエレベーターの
群管理装置を得ることができる。

【００３０】実施例２． 図５及び図６は、この発明の他の実施例を示す図で、図
５はエレベーターの構成を付加しエレベーターの群管理
装置の構成を示すブロック図、図６は図５のエレベータ
ーの群管理装置の動作を示すフローチャートである。図
において、図１〜図４と同符号は相当部分を示し、(17)
は交通データ収集手段(7) 、教師データ抽出手段(9) 、
及びメモリ(13)に接続されて、交通データ収集手段(7)
により収集された交通データから各時間帯において交通
量がピークとなる時間帯を検出するピーク時検出手段で
ある。

【００３１】上記のように構成されたエレベーターの群
管理装置における処理手順を図６に示すフローチャート
によって説明する。すなわち、ステップ(ST111) で時間
帯ｉ及び交通量の最大値ＭＡＸを初期値化する。ここで
言う時間帯とは例えば５分毎に設定されるものである。
次に、ステップ(ST112) へ進んで、時間帯ｉの交通量を
Ｔ(i) と設定してステップ(ST113) により交通量Ｔ(i)
が最大値ＭＡＸよりも大きければステップ(ST114) へ進
み、交通量Ｔ(i) が最大値ＭＡＸよりも小さければステ
ップ(ST115) へ進む。

【００３２】そして、ステップ(ST114) で交通量Ｔ(i)
及び時間帯ｉを記憶し、ステップ(ST115) では全ての時
間帯ｉについて記憶終了でなければステップ(ST116) で
時間帯ｉを更新してステップ(ST112) へ戻り、記憶終了
であればステップ(ST117) へ進む。ステップ(ST117) で
交通量が最大となる時間帯ｔｕから所定時間前の交通デ
ータを教師データとして抽出する。

【００３３】このように、ニューラルネット(10)を応用
してエレベーターの交通流判別を行うときに、各交通流
のピークとなる時間帯から所定時間前の交通データを教
師データとして設定する。したがって、ニューラルネッ
ト(10)の学習過程において必要な教師データを、特徴モ
ードの現れやすい交通データから抽出できて、ニューラ
ルネット(10)の精度を上げることができる。これによ
り、効率的に複数台のかごを一群として管理し運転する
エレベーターの群管理装置を得ることができる。

【００３４】実施例３． 図７及び図８も、この発明の他の実施例を示す図で、図
７はエレベーターの群管理装置のニューラルネットの構
成図、図８は図７のエレベーターの群管理装置の動作を
示すフローチャートであり、図１〜図４の実施例と同様
にエレベーターの群管理装置が構成される。図におい
て、(19)は前述の図２のニューラルネット(10)の出力部
にフィルタリング手段(20)が付加されてなるニューラル
ネットである。

【００３５】上記のように構成されたエレベーターの群
管理装置において、フィルタリング手段(20)で出力され
るデータとしてｎ個の特徴モードの他に判別不能、特定
不能の２つのモードが追加されている。このフィルタリ
ング手段(20)には予めしきい値を設けておき、各ニュー
ロンからの出力に対してどのニューロンからの出力もし
きい値を越えない場合は判別不能として出力し、複数の
ニューロンからの出力がしきい値を越えているときは特
定不能として出力する。これにより、もしニューラルネ
ット(19)がうまく構成されずに出力が不明確な場合でも
間違った制御をしなくても済むようになる。

【００３６】次に、図７及び図８の実施例に対応した群
管理装置の動作を図８に示すフローチャートによって説
明する。ここでは、ニューラルネット(19)を学習するた
めに必要な教師データを抽出する手段を説明する。この
教師データ抽出手段(9) は学習手段(11)と同様に所定期
間毎に、例えば２週間毎に実行される。すなわち、ステ
ップ(ST171) で日ｉと最小値ＭＩＮを初期化してステッ
プ(ST172) へ進み、ｉ日目の交通データに対してニュー
ラルネット(19)に判別を行わせる。

【００３７】次いで、ステップ(ST173) へ進み判別不
能、特定不能を出力した回数Ｕｎ（ｉ）をカウントして
ステップ(ST174) へ進んで最小値ＭＩＮよりも回数Ｕｎ
（ｉ）が小さければステップ(ST175) へ進み、最小値Ｍ
ＩＮよりも回数Ｕｎ（ｉ）が大きければステップ(ST17
6) へ進む。そして、ステップ(ST175) で最小値ＭＩＮ
を更新し、ステップ(ST176) では全ての日ｉが終了して
いればステップ(ST178) へ進み、全ての日ｉが終了して
いなければステップ(ST177) へ進んで日ｉを更新して(S
T172) へ戻る。

【００３８】ステップ(ST178) において、判別不能、特
定不能を出力した回数が最も小さくなる日ｃｎの交通デ
ータを抽出する。これによって、交通流がはっきりと現
れる日の交通データから教師データを抽出することがで
き、精度の高いニューラルネット(19)を構成することが
できる。

【００３９】このように、ニューラルネット(19)を応用
してエレベーターの交通流判別を行うときに、判別不能
や特定不能が少なくなる日の交通データを優先して教師
データが設定される。これにより、万一ニューラルネッ
ト(19)からの出力が明確に現れない場合でもエレベータ
ーに影響を与えずに制御することがが可能となる。した
がって、効率的に複数台のかごを一群として管理し運転
するエレベーターの群管理装置を得ることができる。

【００４０】

【発明の効果】この発明は以上説明したように、複数台
のかごを一群として管理運転するエレベーターの群管理
装置に、建物内で発生する交通データを収集する交通デ
ータ収集手段から求められる交通流に対してニューラル
ネットを応用して判別を行う交通流判別手段を設け、ま
た交通流判別手段から収集される交通データを基にニュ
ーラルネットを学習させるために必要な教師データを基
にしてニューラルネットを学習させる学習手段を設け、
また交通流判別手段を第１優先の演算手段とし、学習手
段を第３優先の演算手段とし、交通流判別手段及び学習
手段の他の演算手段を第２優先の演算手段とする順位に
従って各演算手段の動作を管理するタスク管理手段を設
けたものである。

【００４１】これによって、ニューラルネットを応用し
てエレベーターの交通流判別を行うときに、タスク管理
手段により優先順位をつけてニューラルネットに関する
演算を行い、ニューラルネットの出力をもとに交通流に
適合したエレベーターの運転制御が行われる。したがっ
て、ニューラルネットの判別や学習の実行について、そ
れぞれの優先順位により演算を行う。このため関係する
コンピュータ資源を有効に使用することができ、複数台
のかごを一群として管理し運転するエレベーターの群管
理装置の管理機能を効率化する効果がある。

【００４２】また、この発明は以上説明したように、複
数台のかごを一群として管理運転するエレベーターの群
管理装置に、建物内で発生する交通データを収集する交
通データ収集手段から求められる交通流に対してニュー
ラルネットを応用して判別を行う交通流判別手段を設
け、また交通データ収集手段により収集された交通デー
タから交通量のピークとなる時間帯を検出するピーク時
検出手段を設け、またピーク時検出手段により検出され
たピーク時間から所定時間前の連続した交通データを教
師データとして抽出する教師データ抽出手段及び教師デ
ータを基にニューラルネットを学習させる学習手段を設
けたものである。

【００４３】これによって、ニューラルネットを応用し
てエレベーターの交通流判別を行うときに、交通がピー
クとなる時間帯から所定時間前の連続した交通データに
より教師データが抽出されて、この教師データを基にニ
ューラルネットが学習され、交通流に適合したエレベー
ターの運転制御が行われる。したがって、ニューラルネ
ットの学習過程において必要な教師データを、特徴モー
ドの現れやすい交通データから抽出できて、ニューラル
ネットの精度を上げることができる。これにより、複数
台のかごを一群として管理し運転するエレベーターの群
管理装置の管理機能を効率化する効果がある。

【００４４】また、この発明は以上説明したように、複
数台のかごを一群として管理運転するエレベーターの群
管理装置に、建物内で発生する交通データを収集する交
通データ収集手段から求められる交通流に対してニュー
ラルネットを応用して判別を行う交通流判別手段を設
け、またニューラルネットからの出力結果が明確に現れ
ない場合は判別不能及び特定不能のいずれかとして出力
するフィルタリング手段及び交通データ収集手段により
所定期間にわたって収集された交通データを基に収集日
毎にニューラルネットに対して判別を行い判別不能及び
特定不能のいずれかを出力した回数が最も少なくなる日
の交通データを教師データとして抽出する教師データ抽
出手段を設け、また教師データを基にニューラルネット
を学習させる学習手段及び交通流判別手段からの出力を
基に交通流に対応する運転パターンを選択する運転パタ
ーン選択手段を設けたものである。

【００４５】これによって、ニューラルネットを応用し
てエレベーターの交通流判別を行うときに、判別不能や
特定不能のいずれかが少なくなる日の交通データを優先
し、これを教師データとしてニューラルネットを学習
し、交通流に適合したエレベーターの運転制御が行われ
る。したがって、ニューラルネットからの出力が明確に
現れない場合でもエレベーターに影響を与えずに制御す
ることができる。これにより、複数台のかごを一群とし
て管理し運転するエレベーターの群管理装置の管理機能
を効率化する効果がある。

【図面の簡単な説明】

【図１】この発明の実施例１を示す図で、エレベーター
の構成を付加しエレベーターの群管理装置の構成を示す
ブロック図。

【図２】 図１のエレベーターの群管理装置におけるニ
ューラルネットの構成図。

【図３】図１のエレベーターの群管理装置の演算順序を
説明するタイムチャート。

【図４】図１のエレベーターの群管理装置の動作を示す
フローチャート。

【図５】この発明の実施例２を示す図で、エレベーター
の構成を付加しエレベーターの群管理装置の構成を示す
ブロック図。

【図６】図５のエレベーターの群管理装置の動作を示す
フローチャート。

【図７】この発明の実施例３を示す図で、エレベーター
の群管理装置のニューラルネットの構成図。

【図８】図７のエレベーターの群管理装置の動作を示す
フローチャート。

【符号の説明】

１ かご、７ 交通データ収集手段、８ 交通流判別手
段、９ 師データ抽出手段、１０ ニューラルネット、
１１ 学習手段、１２ 運転パターン選択手段、１５
群管理装置、１６ タスク管理手段、１７ ピーク時検
出手段、１９ニューラルネット、２０ フィルタリング
手段。

フロントページの続き (56)参考文献 特開 平６−263346（ＪＰ，Ａ) 特開 平４−32472（ＪＰ，Ａ) 特開 昭62−96277（ＪＰ，Ａ) 特開 昭63−242873（ＪＰ，Ａ) 特開 平５−777（ＪＰ，Ａ) 特開 昭61−221069（ＪＰ，Ａ) 特公 平５−17150（ＪＰ，Ｂ２) (58)調査した分野(Int.Cl.⁷，ＤＢ名) B66B 1/00 - 1/52

Claims (3)

(57)【特許請求の範囲】
1. 【請求項１】 複数台のかごを一群として管理運転する
   エレベーターの群管理装置において、上記かごが設けら
   れた建物内で発生する交通データを収集する交通データ
   収集手段と、この交通データ収集手段から求められる交
   通流に対してニューラルネットを応用して判別を行う交
   通流判別手段と、この交通流判別手段から収集される交
   通データを基に上記ニューラルネットを学習させるため
   に必要な教師データを抽出する教師データ抽出手段と、
   上記教師データを基に上記ニューラルネットを学習させ
   る学習手段と、上記交通流判別手段を第１優先の演算手
   段とし、上記学習手段を第３優先の演算手段とし、上記
   交通流判別手段及び学習手段の他の演算手段を第２優先
   の演算手段とする順位に従って各上記演算手段の動作を
   管理するタスク管理手段とを備えたことを特徴とするエ
   レベーターの群管理装置。
2. 【請求項２】 複数台のかごを一群として管理運転する
   エレベーターの群管理装置において、上記かごが設けら
   れた建物内で発生する交通データを収集する交通データ
   収集手段と、この交通データ収集手段から求められる交
   通流に対してニューラルネットを応用して判別を行う交
   通流判別手段と、上記交通データ収集手段により収集さ
   れた交通データから交通量のピークとなる時間帯を検出
   するピーク時検出手段と、このピーク時検出手段により
   検出されたピーク時間から所定時間前の連続した交通デ
   ータを教師データとして抽出する教師データ抽出手段
   と、上記教師データを基に上記ニューラルネットを学習
   させる学習手段とを備えたことを特徴とするエレベータ
   ーの群管理装置。
3. 【請求項３】 複数台のかごを一群として管理運転する
   エレベーターの群管理装置において、上記かごが設けら
   れた建物内で発生する交通データを収集する交通データ
   収集手段と、この交通データ収集手段から求められる交
   通流に対してニューラルネットを応用して判別を行う交
   通流判別手段と、上記ニューラルネットからの出力結果
   が明確に現れない場合は判別不能及び特定不能のいずれ
   かとして出力するフィルタリング手段と、上記交通デー
   タ収集手段により所定期間にわ たって収集された交通デ
   ータを基に収集日毎に上記ニューラルネットに対して判
   別を行い上記判別不能及び特定不能のいずれかを出力し
   た回数が最も少なくなる日の交通データを教師データと
   して抽出する教師データ抽出手段と、上記教師データを
   基に上記ニューラルネットを学習させる学習手段と、上
   記交通流判別手段からの出力を基に上記交通流に対応す
   る運転パターンを選択する運転パターン選択手段とを備
   えたことを特徴とするエレベーターの群管理装置。