JP5879152B2 - エレベータ到着時間推定装置、エレベータシステム - Google Patents

Description

本発明は、エレベータを制御する技術に関する。

従来のエレベータ制御システムにおいては、利用者はエレベータホールの扉の上に表示される現在のかごの位置に基づき、かごの到着時間を自分で予測していた。しかし、途中階における乗降などにより、到着までに予測以上の時間が掛かってストレスを感じる場合があった。そこで、エレベータかごの待ち時間を予測する技術が開発されている。

下記特許文献１では、かご下の秤装置やかご内のカメラを用いて、各階で乗降車する平均人数を統計的に算出しておくことにより、呼出し階における平均乗降人数を推定し、これに基づき平均待ち時間を予測している。

下記特許文献２では、エレベータの停止階に配置された監視カメラの映像に基づき、各階においてかごを停止／通過させるか否かを判定する技術が記載されている。

特開平８−９１７１７号公報 特開２００８−１９５４６８号公報

上記特許文献１に記載されている技術では、呼出しがあった際の待機人数を過去の統計に基づき推測しているため、必ずしも過去の平均待機人数と現在の待機人数が等しくない可能性がある。特にデパートなどの商業施設では、その時々で待機人数は１〜１０数人まで大きく変動するため、過去に呼出しボタンが押された際の平均待機人数と現在の待機人数が乖離する場合がある。この乖離が到着予測時間に対して大きな誤差となるので、正しく待ち時間を予測できない。

上記特許文献２に記載されている技術では、待ち時間を少なくするために各かごが各階に停止するか通過するかを最適化することを試みているが、一方で待ち時間を予測して利用者に提示する点については不十分である。

本発明は、上記のような課題を解決するためになされたものであり、エレベータかごがフロアに到着するまでの待機時間を正確に推定する技術を提供することを目的とする。

本発明に係るエレベータ到着時間推定装置は、エレベータかご内に設けられたカメラの映像を用いて乗車人数を推定し、フロアの乗降場所に設置されたカメラの映像を用いてフロアにおける待機人数を推定し、推定した乗車人数および待機人数とエレベータの運行制御情報に基づき、かごがフロアへ到着するまでの時間を推定する。

本発明に係るエレベータ到着時間推定装置によれば、エレベータの各階への到着時間を正確に推定することができる。また、推定結果を残り待ち時間として各フロアにおいて表示することにより、顧客の負担を和らげたり、別の昇降手段を選択するよう促したりすることができるので、ユーザの利便性を高めることができる。

実施形態１に係るエレベータシステム１０００の構成図である。 到着時間推定部１００の構成を示す機能ブロック図である。 乗車人数推定部１２０がかご４００内の乗車人数を推定する手法を説明する図である。 乗車人数推定部１２０がかご４００内の乗車人数を推定するその他の手法を説明する図である。 図４で説明した手順のフローチャートである。以下、図５の各ステップについて説明する。 待機人数推定部１３０が各フロアのエレベータホールでかご４００を待っている人数を推定した結果例を模式的に示す図である。 エレベータ情報取得部１１０がエレベータ制御部２００から取得するエレベータの現在の運行制御情報の例を示す図である。 過去事例ＤＢ１５０の構成を示す図である。 かご制御ＤＢ１５２の構成例を示す図である。 乗客ＤＢ１５３の構成例を示す図である。 フロア情報ＤＢ１５４の構成例を示す図である。 待機客ＤＢ１５５の構成例を示す図である。 到着時間算出部１４０が過去事例ＤＢ１５０を用いてかご４００の到着時間を算出する手順を説明するフローチャートである。 到着時間推定部１００をコンピュータによって実装した到着時間推定装置１４００の構成例を示す機能ブロック図である。 エレベータ制御部２００の機能ブロック図である。 かご呼出し端末６０１（または６０２）が、かご４００到着までの待ち時間を表示する例を示す図である。 エレベータ制御部２００が上記手法にしたがってかご側ドア４３０およびホール側ドア（６１１、６１２）を開閉制御する処理フローである。 エレベータ制御装置２００の全体統括部２４０がかご４００の移動速度を制御する処理フローである。 かごＡとかごＢが存在し、各かご操作端末４１０上で指定されている目的階が異なり、複数フロアにおいてかごが呼び出されている状態を示す模式図である。 実施形態５において、乗車人数推定部１２０および待機人数推定部１３０が人を検出する手法を説明する図である。

＜実施の形態１＞
図１は、本発明の実施形態１に係るエレベータシステム１０００の構成図である。エレベータシステム１０００は、到着時間推定部１００、エレベータ制御部２００、かご外カメラ３０１および３０２、かご内カメラ４１０、かご呼出し端末６０１および６０２を有する。

かご外カメラ３０１と３０２は、エレベータが停止するフロアのエレベータホール（エレベータの乗降場所）に設置されている。かご内カメラ４１０は、エレベータのかご４００内に設置されている。かご外カメラ３０１および３０２とかご内カメラ４１０は、通信基盤５００を介して到着時間推定部１００に接続されている。各カメラが撮影した映像は、通信基盤５００を介して到着時間推定部１００に送信される。通信基盤５００は例えばＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）や映像伝送ケーブルなどの通信ネットワークである。

かご呼出し端末６０１と６０２は、かご４００を呼び出すための操作端末であり、かご４００が停止するフロア毎に設置されている。かご呼出し端末６０１と６０２は、それぞれホール側ドア６１１と６１２を開閉操作することもできる。またかご呼出し端末６０１と６０２は、後述する到着予定時刻を表示する。

かご４００内には、かご操作端末４２０が設置されている。かご操作端末４２０は、かご４００を移動させるフロアを指定する操作、およびかご側ドア４３０を開閉操作するための操作端末である。

到着時間推定部１００は、各カメラが撮影した映像に基づき、かご４００内の乗客人数と、各フロアでエレベータを待っている待機客の人数を、画像認識によって推定する。到着時間推定部１００は、これらの人数と、エレベータ制御部２００から得られるエレベータの運行制御情報により、かご４００が各フロアへ到着する予定時間を推定し、エレベータ制御部２００に出力する。

エレベータ制御部２００は、エレベータの運行を制御する装置である。エレベータ制御部２００は、かご４００の到着予定時間を、かご呼出し端末６０１および６０２とかご操作端末４２０へ送信する。かご呼出し端末６０１と６０２は、受信した到着予定時間を例えば図１の右下に示すような表示形式で表示する。これにより、各フロアでかご４００を待機している待機客は、呼び出しているかご４００が到着するまでの待ち時間を知ることができるため、待機中のストレスを軽減できるほか、階段やエスカレータなどの代替手段を選択するか否かを決定するための情報として到着予定時間を活用することができる。

かご外カメラ３０１と３０２は、かご４００が停車する全ての階に設置されることが望ましいが、例えば１階と３階など特定フロアのみに設置されていてもよい。また、かご外カメラが各フロアに複数台設置されていてもよい。ホールが広い階や、１階などの非常に混雑する階に複数台のかご外カメラを設置することにより、待機客全てをカメラで撮影することができるので、到着予定時間の推定精度をあげることができる。

図２は、到着時間推定部１００の構成を示す機能ブロック図である。到着時間推定部１００は、エレベータ情報取得部１１０、乗車人数推定部１２０、待機人数推定部１３０、到着時間算出部１４０、過去事例データベース（ＤＢ）１５０を備える。

エレベータ情報取得部１１０は、エレベータ制御部２００からエレベータの運行制御情報を取得する。運行制御情報は、エレベータが現在運航中／停止中いずれか、何階に停止する予定か、何階から呼出し指示が発生しているか、かご内総重量が何ｋｇかといった運行状況を示す情報である。詳細は後述する。

乗車人数推定部１２０は、かご内カメラ４１０が撮影した映像を取得し、これに基づきかご４００内に乗車している乗客の人数を推定する。待機人数推定部１３０は、かご外カメラ３０１および３０２が撮影した映像を取得し、これに基づき各フロアのエレベータホールでかご４００を持っている人の人数を推定する。これらの推定結果は到着時間算出部１４０に出力されるとともに、過去事例ＤＢ１５０に記録される。

到着時間算出部１４０は、上記各機能部が取得した運行制御情報、乗車人数、待機人数に基づき、各フロアにおけるかご４００の到着予測時間を算出してエレベータ制御部２００に送信する。

図３は、乗車人数推定部１２０がかご４００内の乗車人数を推定する手法を説明する図である。かご内カメラ４１０が図３（ａ）のようにかご４００内の乗客の様子を撮影したと仮定する。乗車人数推定部１２０は、図３（ａ）に例示する画像に対して例えば下記参考文献１に記載されているような人検出技術を用いることにより、かご４００内の人を検出することができる。

図３（ｂ）は、人検出に用いるＨＯＧ（Ｈｉｓｔｏｇｒａｍ ｏｆ Ｏｒｉｅｎｔｅｄ Ｇｒａｄｉｅｎｔ）特徴量の例を示す。同特徴量を算出する際には、人の頭部を複数の小領域に分け、小領域内のエッジの勾配方向と強度を示すＨＯＧ特徴量を抽出し、ＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）やＡｄａＢｏｏｓｔなどの機械学習技術を用いて構築した識別器によって、画像中の領域が人の頭部であるかそれ以外かを識別する。これにより、映像中から人を検出し、図３（ｃ）のような検出結果を得ることができる。
［参考文献１］Chengbin Zeng, Huadong Ma, ”Robust Head-shoulder Detection by PCA-Based Multilevel HOG-LBP Detector for People Counting”, 2010 20th International Conference on Pattern Recognition （2010）, pp.2069-2072。

ＨＯＧ特徴量以外に、例えばＨａａｒやＬＢＰ（Ｌｏｃａｌ Ｂｉｎａｒｙ Ｐａｔｔｅｒｎ）などの別の特徴量を用いてもよい。本手法を用いることにより、人の頭部の領域だけを検出できるため、人同士が密集して奥の人物の体が見えない状況でも各人物を検出して、正しい人数を推定することができる。

図４は、乗車人数推定部１２０がかご４００内の乗車人数を推定するその他の手法を説明する図である。図３で説明した手法は、人体の重なりに強いが、頭部が隠れてしまうとその人を検出することができず、正しく人数を推定できないという課題がある。そこで本発明では、背景差分による前景抽出を補助的に用いることにより、頭部が一部隠れた人物を検出する手法を提案する。以下、図４を用いて本手法を説明する。

かご内カメラ４１０が図４（ａ）のようにかご４００内の乗客の様子を撮影したと仮定する。乗車人数推定部１２０は、あらかじめ用意しておいた人が乗っていない状態の背景画像と現画像の差分をとることにより、前景領域を抽出する。図４（ｂ）は前景領域を塗りつぶした図である。乗車人数推定部１２０は、検出した前景領域に対して図３で説明した頭部検出を実施することにより、前景部分に存在する人物を検出する（図４（ｃ））。乗車人数推定部１２０は、前景領域のうち頭部が検出されなかった部分について、その面積に基づき当該部分に存在する人の人数を推定する（図４（ｄ））。本手法の詳細は図５で説明する。

図５は、図４で説明した手順のフローチャートである。以下、図５の各ステップについて説明する。

（図５：ステップＳ５０１〜Ｓ５０３）
乗車人数推定部１２０は、図４（ａ）〜図４（ｃ）で説明した各手順を実施する。

（図５：ステップＳ５０４）
乗車人数推定部１２０は、ステップＳ５０３で検出した人物の属性を推定する。例えば（ａ）ベビーカー、手押し車、杖、トランクなど荷物の種別、（ｂ）老人や乳幼児など年齢の種別、（ｃ）客や従業員などの人の種別などを、人物の属性として推定することが考えられる。例えば、想定される人物属性の典型的な画像との間でパターンマッチングを実施し、両画像の類似度が所定閾値以上であれば、その人物は当該属性を有すると推定することができる。

（図５：ステップＳ５０４：補足）
本ステップで算出する属性情報は、検出した人物がかご４００へ乗り降りするために必要な時間を補正するために用いることができる。例えば荷物の多い人物や年齢が高い人物は乗り降りに時間がかかると思われるので、その他の人物の標準的な乗降時間に係数を乗じて乗降時間を補正することができる。本ステップは推定精度を向上させるための予備的なステップであるため、必ずしも実施する必要はない。

（図５：ステップＳ５０５）
乗車人数推定部１２０は、ステップＳ５０２で検出した前景領域から、ステップＳ５０３で検出した頭部領域に基づき人物領域だと考えられる領域を除去し、残った前景領域の位置と面積を算出する。本ステップは、図４（ｄ）に示す塗りつぶした領域を算出する処理に相当する。

（図５：ステップＳ５０６）
乗車人数推定部１２０は、ステップＳ５０５で算出した前景領域残部の面積と場所に基づき、頭部は検出されなかったが前景領域内に存在しているであろうと推定される人の人数を推定する。例えば、各前景領域ｉについて、前景領域ｉの面積をＡｉ、前景領域ｉの位置で人が存在すると仮定した場合に想定される当該人物の面積をＳｉとし、Ａｉ÷Ｓｉが所定閾値以上であればその部分に人が１名いると推定する。この処理を全ての前景領域Ｉ（ｉ∈Ｉ）に対して実施することにより、前景領域残部に存在する人数を推定することができる。

（図５：ステップＳ５０６：補足）
本ステップにおいて使用する、人物の面積Ｓｉは、前景領域ｉの位置に応じて変化させる必要がある。例えば、かご内カメラ４１０に近い位置についてはＳｉを大きくし、遠い位置についてはＳｉを小さくする。本ステップで得られる乗車人数は、正確な乗車人数としてもよいし、より曖昧な混雑度を示す値として用いてもよい。

図６は、待機人数推定部１３０が各フロアのエレベータホールでかご４００を待っている人数を推定した結果例を模式的に示す図である。待機人数推定部１３０は、乗車人数推定部１３０と同様の方法によって人の頭部を検出し、エレベータホール内の人数を推定する。ただし、かご外カメラの設置位置や俯角などはかご内カメラ４１０のものとは異なるため、映像中に存在する人の解像度もかご内カメラ４１０のものとは異なる。そのため、検出する頭部領域の最小最大サイズなどのパラメータをかご外カメラ用に調整する必要がある。

複数のエレベータが稼働しており、エレベータホール内に複数のホール側ドア（図６に示す例では、ドアＡ６１１ａとドアＢ６１１ｂ）が存在する場合は、各待機客がいずれのエレベータを待機しているかを特定する必要がある。この場合、待機人数推定部１３０は検出した頭部の位置とドアの位置に基づき、各頭部領域がどのエレベータを待っているかを推定する。例えば、頭部の重心とドアの重心との間の距離が最も近いドアに係るエレベータを待機していると推定する。これにより、図６に示すように、エレベータかご毎の待機人数を推定することができる。

図７は、エレベータ情報取得部１１０がエレベータ制御部２００から取得するエレベータの現在の運行制御情報の例を示す図である。運行制御情報は、全体制御情報テーブル１１１、かご情報テーブル１１２からなる。各テーブルとも、エレベータ制御部２００が制御情報を発行または取得する毎にレコードが追加される。ここではレコードが追加される毎に列が右方向に追加されるデータ形式を例示した。以下に説明するデータベースについても同様である。

全体制御情報テーブル１１１は、エレベータシステム１０００全体の運行状況に関する情報を保持する。具体的には、現時点における各かごの稼動状況、昇り呼出しがされているフロア、降り呼出しがされているフロア、などについての情報を保持する。エレベータ制御部２００は、各フロアのかご呼出し端末上で呼び出し操作がされる毎に、これらの情報を取得することができる。各フロアの呼出ボタンが押された際の時刻も併せて保持しておくことにより、各フロアでどれくらい待ち時間が経過しているかが分かる。

かご情報制御テーブル１１２は、特定のかごについての運行状況に関する情報を保持する。かご情報制御テーブル１１２は、かご毎に設けられる。図７では、かごＡについてのかご情報制御テーブル１１２を例示した。エレベータ制御部２００は、かご４００がかご側ドア４３０を閉める度に、その際の時刻、昇り／降りの区分、現在停止しているフロア、かご操作端末４２０が指定している目的フロア、呼び出されているフロア、かご下に設置された秤から得られるかご４００内の重さ、かご側ドア４３０を閉める前後における乗降の有無、などを取得し、これら情報をかご情報制御テーブル１１２上のレコードとして追加する。

図８は、過去事例ＤＢ１５０の構成を示す図である。過去事例ＤＢ１５０は、全体制御ＤＢ１５１、かご制御ＤＢ１５２、乗客ＤＢ１５３、フロア情報ＤＢ１５４、待機客ＤＢ１５５をサブＤＢとして保持している。

全体制御ＤＢ１５１は、エレベータシステム１０００全体の運行制御情報についての過去事例を格納するＤＢであり、エレベータ情報取得部１１０が得た全体制御情報テーブル１１１をそのまま時系列に蓄積していくものである。これにより、稼働の変化や呼出しボタンが押された状況などが把握できる。

図９は、かご制御ＤＢ１５２の構成例を示す図である。かご制御ＤＢ１５２は、かごに関する運行制御情報をまとめたＤＢであり、複数台のかごがある際は、かご毎に異なるＤＢが作られる。かご制御ＤＢ１５２が保持する情報は、エレベータ情報取得部１１０が獲得したかご情報テーブル１１２の内容に、乗車人数推定部１２０が推定した各かごの乗車人数を追加したものである。これにより、各かごが、いつどこで何人の乗客を乗せていたかを把握できる。各レコードは例えばエレベータ情報取得部１１０がかご情報テーブル１１２を取得する毎に格納すればよい。

図１０は、乗客ＤＢ１５３の構成例を示す図である。乗客ＤＢ１５３は、各かご制御ＤＢ１５２に対応してかご毎に設けられる。例えばかごＡのかご制御ＤＢ１５２に対応してかごＡの乗客ＤＢ１５３が設けられる。乗客ＤＢ１５３は、乗車人数推定部１２０が認識した乗客についての情報を保持する。具体的には、乗客ＩＤ、乗車階、乗車時刻、降車階、降車時刻、属性を保持する。エレベータのような混雑した環境では、乗客を正しく追跡し続けて降車階を特定することは困難なので、乗客を特定できない場合はその乗客ＩＤについては「＊＊」などを記録する。各レコードは例えば乗車人数推定部１２０が乗車人数を推定する毎に格納すればよい。

図１１は、フロア情報ＤＢ１５４の構成例を示す図である。フロア情報ＤＢ１５４は、各フロアに関する運行制御情報を蓄積するＤＢであり、フロア毎に個別のＤＢが作成される。エレベータ情報取得部１２０は、各フロアのかご呼出状況が変化する毎にフロア情報ＤＢ１５４へレコードを追加する。また待機人数推定部１３０は、各フロアにおける待機人数の推定結果が変化する毎にフロア情報ＤＢ１５４へレコードを追加する。本ＤＢにより、各フロアで、かごの呼出しがいつ発生し、その際の待機人数が何人だったか、待機者がかごに乗ったか否かを把握することができる。

図１２は、待機客ＤＢ１５５の構成例を示す図である。待機客ＤＢ１５５は、各フロアにおける待機客についてのログを蓄積するＤＢであり、フロア毎に個別のＤＢが作成される。待機人数推定部１３０は、各フロアの待機人数を推定する毎に、待機客ＤＢ１５５へレコードを追加する。待機客ＤＢ１５５は、待機人数推定部１３０による推定結果に基づき、待機開始時刻、待機位置、乗車時刻、乗車したかご、属性などを格納する。これにより、各フロアでいつからいつまでどんな客が待機していたのかを管理することができる。

図１３は、到着時間算出部１４０が過去事例ＤＢ１５０を用いてかご４００の到着時間を算出する手順を説明するフローチャートである。本フローチャートは、到着時間算出部１４０が各フロアにおける到着予定時間を算出する毎に実施される。以下、図１３に示す各ステップについて説明する。

（図１３：ステップＳ１３０１）
到着時間算出部１４０は、現在のエレベータの運行制御情報として、各フロアにおけるかご４００の呼出状況、各フロアにおける待機人数、各かご４００内の乗車人数、を取得する。かご４００の呼出状況と待機人数については、フロア情報ＤＢ１５４から取得することができる。各かご４００内の乗車人数については、かご制御ＤＢ１５２から取得することができる。

（図１３：ステップＳ１３０２）
到着時間算出部１４０は、ステップＳ１３０１で取得した各値を複数次元の特徴量として、過去事例ＤＢ１５０が格納しているさらに以前のレコードと比較することにより、各フロアにおける待ち人数、乗客数、時間帯が近いレコードを検索する。このときの現在状態ｘと過去事例ｙとの間の事例間距離Ｄ（ｘ，ｙ）は、例えば下記式１で表すことができる。

（図１３：ステップＳ１３０２：計算式）

式１において、Ｍは乗車人数を表し、Ｗｆはフロアｆにおける待機人数を表す。つまり、Ｍｘは現在状態ｘのかご内乗車人数を表し、Ｗｆｘはフロアｆにおける現在の待機人数を表す。Ｆｇはかご４００の目的フロアを表し、Ｆｎは現在かご４００がいるフロアを示している。式１は、現在の乗車人数／待機人数が過去の乗車人数／待機人数と近いほど小さい値を返す関数である。式１により、現在の状況と過去事例との間の事象間距離Ｄを得ることができる。

（図１３：ステップＳ１３０２：補足その１）
エレベータシステム１０００の利用環境等によっては、同じ乗車人数と待機人数でも時間帯によって到着時間が全く異なる場合もあるので、その場合は現在の運行制御状況と過去事例を比較する範囲を、現在状況に近い範囲のみに限定してもよい。例えば、現在日時と同じ曜日かつ同じ時間帯の過去履歴に限定して、過去事例ＤＢ１５０を検索するようにしてもよい。

（図１３：ステップＳ１３０２：補足その２）
本ステップにおいて、各フロアの待機客やかご４００内の乗客の属性が分かっている場合は、式１において属性毎の乗車人数と待機人数をそれぞれ変数として設定し、属性毎に事例間距離を求めて合算するようにしてもよい。さらには、属性によって乗降時間が異なる場合には、属性毎の乗車人数と待機人数を表す変数に、その属性の乗降時間を表す係数を乗算してもよい。例えば、荷物が大きい人は乗り降りに時間がかかるので、係数１．５を乗算し、１．５人分として計算することが考えられる。

（図１３：ステップＳ１３０３）
到着時間算出部１４０は、現在の状況との間の事例間距離Ｄが小さい上位Ｋ個の過去事例を過去事例ＤＢ１５０から抽出し、それらの平均距離を算出する。平均距離がある閾値Ｔより小さければ確からしい過去事例があると判断してステップＳ１３０４へ進み、閾値Ｔ以上であれば確かな過去事例がないと判断してステップＳ１３０５へ進む。

（図１３：ステップＳ１３０４）
到着時間算出部１４０は、ステップＳ１３０３で抽出したＫ個の過去事例について、各フロアへ到着するまでに要した時間を抽出し、Ｋ個の事例の平均または中央値を、到着時間の推定結果とする。ただし、Ｋ個の過去事例において到着までに要した時間のばらつきが大きい場合は、事例の信頼度が低いと考えられるため、そのＫ個の事例は採用せずにステップＳ１３０５へ進む。

（図１３：ステップＳ１３０５）
本ステップに到達した場合、過去事例ＤＢ１５０内には適当な類似事例がなかったことになるので、過去事例を用いずに到着予定時間を推定する必要がある。そこで到着時間算出部１４０は、例えば下記式２に基づいて、現在のかご位置Ｆｎから特定階Ｆｇまでの所要時間Ｔｎｇを算出する。Ｔｎｇは、各階ｆ（Ｆｎ＜ｆ＜Ｆｇ）におけるかご停止予定Ｓｆ∈｛０，１｝、各階ｆの待機人数Ｗｆ、現在の乗車人数Ｍを用いて算出することができる。

（図１３：ステップＳ１３０５：計算式）

式２において、Ｖは平均移動時間であり、α、β、γは固定パラメータである。式２の第１項は、現在のかご位置から特定階Ｆｇまで一度も停止しなかった場合の所要時間である。第２項のＳｆは、停止予定階fでは１、それ以外は０を返す関数となるため、停止階が生じる毎に所要時間Ｔｎｇ時間が増大する。αは待機客１人あたりの乗降にかかる時間、βは停止階ごとに生じるエレベータの固定停止時間、γは現在の乗客一人あたりについて生じるエレベータの停止時間を示す。

（図１３：ステップＳ１３０５：補足その１）
各フロアにおける実際の到着時間は、エレベータを運用している間にエレベータ情報取得部１１０から得ることができる。この実際の到着時間と、式２を用いて算出した到着予定時間とを用いて、パラメータα、β、γを修正することにより、式２の精度を高めることができる。このパラメータの値は、かご４００の大きさ、フロア数、導入環境（オフィス、店舗などの種別）によって大きく異なるが、上記修正によって、環境に応じた手動パラメータ最適化が不要になる。

（図１３：ステップＳ１３０５：補足その２）
式２におけるＷｆ、Ｍの値について、ステップＳ１３０２で説明した事項と同様に、待機客や乗客の属性に応じて係数を乗じてもよい。これにより、式２の精度を高めることができる。パラメータα、β、γに関する修正と併用することもできる。

（図１３：ステップＳ１３０６）
到着時間算出部１４０は、ステップＳ１３０４またはＳ１３０５で得た到着までの所要時間に基づき、各フロアに対するかご４００の到着時間を決定する。

図１４は、到着時間推定部１００をコンピュータによって実装した到着時間推定装置１４００の構成例を示す機能ブロック図である。到着時間推定装置１４００は、Ｉ／Ｆ１４０１、画像メモリ１４０２、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１４０３、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１４０４、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１４０５、記憶部１４０６を備える。

Ｉ／Ｆ１４０１は、外部装置との間でデータを送受信する。エレベータ情報取得部１１０、乗車人数推定部１２０、待機人数推定部１３０、到着時間算出部１４０は、Ｉ／Ｆ１４０１を介して各データを送受信する。画像メモリ１４０２は、各カメラから受信した映像を保存する記憶装置である。

ＣＰＵ１４０３は、ＲＯＭ１４０５に格納されているプログラムを実行することにより、エレベータ情報取得部１１０、乗車人数推定部１２０、待機人数推定部１３０、到着時間算出部１４０の機能を実施する。ＲＡＭ１４０４は、ＣＰＵ１４０３が動作する際に一時的に使用するデータを格納する。ＲＯＭ１４０５は、到着時間推定部１００が備える各機能部の機能を実現したプログラムを格納する。記憶部１４０６は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの記憶装置を用いて構成され、過去事例ＤＢ１５０が保持するデータを記憶する。

図１５は、エレベータ制御部２００の機能ブロック図である。エレベータ制御部２００は、配車制御部２１０、入力部２２０、表示制御部２３０、全体統括部２４０を備える。

配車制御部２１０は、エレベータの昇降、速度調整、扉開閉などの制御を実施する。入力部２２０は、各フロアのかご呼出し端末上の操作情報、およびかご４００内のかご操作端末４２０上の操作情報を取得する。表示制御部２３０は、到着時間推定部１００から得られた各フロアに対するかご４００の到着予定時間を受け取り、各フロアのかご呼出し端末に出力する。全体統括部２４０は、各機能部の動作を制御し、到着時間推定部１００との間のインターフェースとなる。

図１６は、かご呼出し端末６０１（または６０２）が、かご４００到着までの待ち時間を表示する例を示す図である。かご呼出し端末６０１は、到着時間推定部１００が推定した到着時間に基づき到着までの残り時間を算出して、かご呼出し端末６０１上のディスプレイ上に表示する。

図１６（ａ）は、目盛りによって残り待ち時間を表示した例である。ボタンを押された側の表示部に目盛りが表示され、目盛りの点灯数で到着までの時間を把握することができる。図１６（ｂ）は、待ち時間を数値で表示した例である。詳細な時間を把握できる。また、各フロアの待機人数を表示することにより、利用客自身が到着時間を推定するための補助情報を提示することができる。なお、図１６に示す表示装置は、かご呼出し端末６０１上ではなく、表示装置単体で他の場所に設置してもよい。また、かご４００内のかご操作端末４２０上に同様の表示装置を配置してもよい。

＜実施の形態１：まとめ＞
以上のように、本実施形態１に係るエレベータシステム１０００は、かご内カメラ４１０とかご外カメラ３０１および３０２を用いて、かご４００内の乗車人数および各フロアにおける待機人数を推定し、これに基づき各フロアにかご４００が到着するまでの時間を推定することができる。また、推定された到着時間を各フロアで表示することにより、エレベータ利用者の待ち時間負担を和らげることができる。

また、本実施形態１に係るエレベータシステム１０００は、かご４００内の乗車人数および各フロアにおける待機人数と類似する過去事例を過去事例ＤＢ１５０から検索し、その過去事例における待ち時間に基づき、各フロアにかご４００が到着するまでの時間を推定する。これにより、実際の事例に基づく精度よい推定結果を得ることができる。

＜実施の形態２＞
本発明の実施形態２では、実施形態１で説明した各フロアにおける待機人数の推定結果とかご４００内における乗車人数の推定結果を利用し、かご側ドア４３０およびホール側ドア（６１１、６１２）を効率的に開閉制御する動作例を説明する。エレベータシステム１０００の構成は実施形態１と同様であるため、以下ではドア開閉制御に関する動作を中心に説明する。

かご４００がフロアに到着してドアが開いたが、待機客が既に他のかご４００に乗ってしまっていた場合や、待機客が全員かご４００に乗ったが、かご操作端末４２０のドア閉ボタンを押し忘れている場合は、かご４００は無駄に数秒間停車することになる。本実施形態２では、かかる無駄な停車時間を削減してエレベータ到着時間を短縮するため、待機人数推定部１３０が得た待機人数と、乗車人数推定部１２０が図４で説明した手法を用いて乗車人数を推定する際に背景画像の差分を取得することによって得られるかご４００内の動き情報とに基づき、ドアを自動的に開閉制御する。

図１７は、エレベータ制御部２００が上記手法にしたがってかご側ドア４３０およびホール側ドア（６１１、６１２）を開閉制御する処理フローである。本処理フローは、エレベータ制御部２００がこれらドアを開いた後、ドア開ボタンが押下されずに所定時間（例えば数秒）経過した時点で開始される。以下、図１７の各ステップについて説明する。

（図１７：ステップＳ１７０１）
エレベータ制御部２００は、かご４００が現在停止しているフロアの待機人数がゼロであるか否かを、待機人数推定部１３０に問い合わせて確認する。待機人数がゼロであればかご４００に乗降する乗客はいないと判断してステップＳ１７０３へ進み、ゼロでなければステップＳ１７０２へ進む。

（図１７：ステップＳ１７０２）
エレベータ制御部２００は、かご４００が現在停止しているフロアのエレベータホール内で乗客の動きがあるか否かを、例えば数秒間にわたって確認する。動きがなければかご４００に乗降する乗客はいないと判断してステップＳ１７０３へ進み、動きがあればステップＳ１７０４へ進む。

（図１７：ステップＳ１７０２：補足）
フロアのエレベータホール内における動き情報は、待機人数推定部１３０が図４で説明した手法を用いてフロア内の待機人数を推定する際に背景画像の差分を取得することによって得ることができる。

（図１７：ステップＳ１７０１〜Ｓ１７０２：補足）
これらのステップにおいて、ステップＳ１７０３へ移行する前に、乗車人数推定部１２０が図４で説明した手法を用いて乗車人数を推定する際に背景画像の差分を取得することによって得られるかご４００内の動き情報に基づき、かご４００を降りようとしている乗客が存在するか否かを判定してもよい。かご４００を降りようとしている乗客が存在する場合は、ステップＳ１７０３には移行せず、それぞれステップＳ１７０２／Ｓ１７０４へ移行することとする。

（図１７：ステップＳ１７０３）
エレベータ制御部２００は、かご４００に乗降する乗客はいないと判断し、ホール側ドア（６１１、６１２）を閉じた後にかご側ドア４３０を閉じる。

（図１７：ステップＳ１７０４）
エレベータ制御部２００は、今回のループではドアを開けたまま保持することとなったので、ステップＳ１７０１に戻ってドアを自動的に閉じるべきか否かを改めて判定する。

＜実施の形態２：まとめ＞
以上のように、本実施形態２に係るエレベータシステム１０００は、待機人数推定部１３０と乗車人数推定部１２０それぞれの推定結果を利用して、各フロアにおける乗降が終了した時点で自動的にエレベータドアを閉めてかご４００を出発させることができる。これにより、無駄な待機時間を省いた効率の良い運転を実施することができる。また、乗客が荷物などを持っていて操作端末を操作することが難しい場合でも、自動的に乗降完了を判断してかご４００を出発させることができる。

＜実施の形態３＞
本発明の実施形態３では、実施形態１〜２で説明した構成の下、かご４００の移動速度を上げて待ち時間を短縮する動作例を説明する。かご４００は、乗車人数などに応じて移動速度を上げることができるように構成されている場合がある。本実施形態３ではその前提の下で動作例を説明する。

図１８は、エレベータ制御装置２００の全体統括部２４０がかご４００の移動速度を制御する処理フローである。以下、図１８の各ステップについて説明する。

全体統括部２４０は、到着時間推定部１００から得た各かごの現在の乗客数に基づき、かご４００の移動速度を上げることができるか否かを確認する（Ｓ１８０１）。例えば、かご４００に付設されている重量測定部の測定結果に基づき、積載重量が所定値未満であれば速度を上げることができると判断することが考えられる。速度を上げることができる場合はステップＳ１８０２へ進み、できない場合はステップＳ１８０４へ進む。

全体統括部２４０は、待機人数推定部１３０が推定した各フロアの待機人数が所定閾値以上であるか否かを判定する。閾値以上であればステップＳ１８０３へ進み、それ以外であればステップＳ１８０４へ進む（Ｓ１８０２）。

全体統括部２４０は、かご４００の移動速度を上げることができると判定した場合は、配車制御部２１０に対して、かご４００の昇降速度を上げるよう制御命令を出す（Ｓ１８０３）。それ以外の場合は、速度変更なしのため、特に何もしない（Ｓ１８０４）。

＜実施の形態３：まとめ＞
以上のように、本実施形態３に係るエレベータシステム１０００は、各フロアの待機人数が多いときは、かご４００の昇降速度を上げて運行させることができる。また閑散時には、昇降速度を上げることができる場合でも通常速度のままでかご４００を運行させ、不要なエネルギー消費を抑えることができる。

＜実施の形態４＞
本発明の実施形態４では、複数のかご４００を制御するエレベータシステム１０００において、配車計画を最適化する動作例を説明する。エレベータシステム１０００の構成は実施形態１〜３と同様であるため、以下では複数のかご４００の配車計画に関する差異点を中心に説明する。

図１９は、かごＡとかごＢが存在し、各かご操作端末４１０上で指定されている目的階が異なり、複数フロアにおいてかごが呼び出されている状態を示す模式図である。全体統括部２４０は、到着時間推定部１００が推定した各フロアに対するかご４００の到着予定時間、現在の各フロアにおける待機人数、およびかご４００の乗車人数に基づき、各かごの配車計画を策定して、配車制御部２１０に実行させる。配車計画は以下の３つのルールに基づいて策定する。

（配車計画ルール１）
到着時間推定部１００が推定した各フロアにおける待ち時間のうち、最大の待ち時間ができる限り小さくなるように、配車計画を立てる。すなわち、いわゆるミニマックス法にしたがって配車計画を作成する。

（配車計画ルール２）
かごが移動する途中のフロアでかごが呼び出されていても、そのかごの目的階ではなく他のかごの目的階であり、その呼び出しがされているフロアにおける待機人数が他かごにとって確実に収容可能な人数であれば、停止しない、

（配車計画ルール３）
かごが移動する途中のフロアでかごが呼び出されており、その呼び出しがされているフロアがいずれのかごの目的階でもない場合は、いずれのかごがその呼び出しがされているフロアに停止すればルール１を満たすことができるかにしたがって、その呼び出しがされているフロアに停止すべきかごを決定する。

図１９において、かごＡが１９階におり、かごＢが１８階におり、かごＡのかご操作端末４２０上で指定されている目的階は１７、１６，１階であり、かごＢのかご操作端末４２０上で指定されている目的階は１階であり、１７階、１５階、１階でかごが呼び出されている。この状態において、上記ルール１〜３を適用することを考える。

ルール１について、各フロアにおける待ち時間のうち最大のものは、いずれのかごからも遠く離れている１Ｆにおける待ち時間であると想定される。ルール１にしたがえば、かごＢを１Ｆに向かわせることになる。

かごＢが１Ｆに向かう途中で、かごが呼び出されている１７Ｆと１５ＦをかごＡよりも先に経由するが、ルール２にしたがって、１７ＦにはかごＡのみが停止するように制御する。また、かごＢの方がかごＡより下にいても、１５Ｆの待ち時間より１階の待ち時間の方が長いため、ルール３にしたがい、かごＢは１５階には停止しない。

＜実施の形態４：まとめ＞
以上のように、本実施形態４にかかるエレベータシステム１０００は、上述のルール１〜ルール３にしたがって、複数のかごを最適に運行管理し、かごの待ち時間のうち最大のものをできる限り短く抑えることができる。

＜実施の形態５＞
本発明の実施形態５では、各カメラが撮影した映像内において高速に人を検出する手法を説明する。エレベータシステム１０００の構成は実施形態１〜４と同様であるため、以下では人を検出する手法に係る差異点を中心に説明する。

図２０は、本実施形態５において、乗車人数推定部１２０および待機人数推定部１３０が人を検出する手法を説明する図である。画像内の人物を検出するためには、画像内に人の形状と近い部分が存在するか否かを検索する必要がある。具体的には、あらかじめ用意しておいた人の形状との間でパターンマッチングを実施する。これを画像全体に対して実施して人の形状を探索するため、人を検出する処理は長い処理時間を要する。

パターンマッチングにおいては、対象画像を複数の窓領域に区分して窓毎に特徴量を算出し、比較対象である画像（人検出であれば人の画像）の特徴量と比較することにより、合致判定を実施する。ある画像窓（ｘ１，ｙ１，ｗ，ｈ）内のある位置（ｘ１＋ｘ，ｙ１＋ｙ）で算出した特徴量ｆ（ｘ１＋ｘ，ｙ１＋ｙ）は、その画像窓の合致判定にのみ利用されるのが一般的である。例えば、ｘ方向にｓｔｅｐ＿ｘ画素離れた隣の画像窓（ｘ１＋ｓｔｅｐ＿ｘ，ｙ１，ｗ，ｈ）に対しては異なる特徴量ｆ（ｘ１＋ｓｔｅｐ＿ｘ＋ｘ，ｙ１＋ｙ）が計算される。

本実施形態５では、上記課題を解決するため、画像窓の間隔であるｓｔｅｐ＿ｘ、ｓｔｅｐ＿ｙ毎に特徴量ｆを算出してＲＡＭ等のメモリ上に保存しておき、隣接する画像窓間で特徴量を共有することにより、演算量を削減することを図る。

図２０（ａ）の小四角は、ある方向のＨｏＧ特徴量の例を示している。ある画像窓が検出対象のオブジェクトであるかどうかを判定する識別器も、図２０（ｂ）に示すように、ｓｔｅｐ＿ｘ、ｓｔｅｐ＿ｙ毎に規則正しく配置したものを用意する。これにより、図２０（ｂ）に示す隣接する画像窓１と画像窓２の間では、９つの特徴量のうち６つの特徴量を共有することができる。これらの特徴量はメモリ上に格納されているため、改めて特徴量を算出すること必要がない。

＜実施の形態５：まとめ＞
以上のように、本実施形態５に係るエレベータシステム１０００は、カメラが撮影した映像を画像窓に区分して画像窓毎に特徴量を算出し、隣接する画像窓間で特徴量を共有する。例えば識別器内の特徴量数をＦ個、ｘ方向の画像窓数をＷ、ｙ方向の画像窓数をＨとした場合、従来は特徴量を演算する回数がＦ×Ｗ×Ｈ回必要だったが、本実施形態５ではＷ×Ｈ回に大きく削減することができる。これにより、高速に検出対象オブジェクトの候補位置を絞りこみ、詳細な識別を実施することができるので、高速かつ正確なオブジェクト検出が可能となる。

本発明は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。上記実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることもできる。また、ある実施形態の構成に他の実施形態の構成を加えることもできる。また、各実施形態の構成の一部について、他の構成を追加・削除・置換することもできる。

上記各構成、機能、処理部、処理手段等は、それらの一部や全部を、例えば集積回路で設計する等により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、実行することにより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、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記録装置、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に格納することができる。

１００：到着時間推定部、１１０：エレベータ情報取得部、１１１：全体制御情報テーブル、１１２：かご情報テーブル、１２０：乗車人数推定部、１３０：待機人数推定部、１４０：到着時間算出部、１５０：過去事例データベース、１５１：全体制御ＤＢ、１５２：かご制御ＤＢ、１５３：乗客ＤＢ、１５４：フロア情報ＤＢ、１５５：待機客ＤＢ、２００：エレベータ制御部、２１０：配車制御部、２２０：入力部、２３０：表示制御部、２４０：全体統括部、３０１〜３０２：かご外カメラ、４００：かご、４１０：かご内カメラ、４２０：かご操作端末、４３０：かご側ドア、５００：通信基盤、６０１〜６０２：かご呼出し端末、６１１〜６１２：ホール側ドア、１０００：エレベータシステム、１４００：到着時間推定装置、１４０１：Ｉ／Ｆ、１４０２：画像メモリ、１４０３：ＣＰＵ、１４０４：ＲＡＭ、１４０５：ＲＯＭ、１４０６：記憶部。

Claims (14)

1. エレベータのかご内に設置されたかご内カメラが撮影した前記かご内の映像に基づき前記かご内の乗車人数を推定する乗車人数推定部と、
   前記エレベータが停止するフロアのうち前記エレベータに乗降するための乗降場所に設置されたかご外カメラが撮影した前記乗降場所の映像に基づき前記かごを待っている待機人数を推定する待機人数推定部と、
   前記エレベータに対する運行制御情報を取得するエレベータ情報取得部と、
   前記乗車人数推定部が推定した前記乗車人数、前記待機人数推定部が推定した前記待機人数、および前記エレベータ情報取得部が取得した前記運行制御情報に基づき、前記かごが各前記フロアに到着するまでの時間を推定する到着時間推定部と、
   前記乗車人数推定部が推定した前記乗車人数の推定結果、前記待機人数推定部が推定した前記待機人数の推定結果、前記運行制御情報、および前記かごが各前記フロアに到着した到着時刻を記述する過去履歴データを保存する過去事例記録部と、
   を備え、
   前記到着時間推定部は、
   前記乗車人数推定部が推定した前記乗車人数および前記待機人数推定部が推定した前記待機人数と、前記過去事例記録部が保存している前記過去履歴データ内の前記乗車人数および前記待機人数との間の差分が所定人数以内である場合には、その過去履歴データが記述している到着時刻を、前記かごが各前記フロアに到着するまでの時間についての推定結果とする、
   ことを特徴とするエレベータ到着時間推定装置。
2. 前記到着時間推定部は、
   現在と同一曜日の同一時間帯に関する前記過去履歴データのみを、前記差分を算出するための比較対象とすることにより、前記エレベータおよび各前記フロアの現在の状況に近接した前記過去履歴データのみに限定して前記推定を実施する、
   ことを特徴とする請求項１記載のエレベータ到着時間推定装置。
3. 前記乗車人数推定部は、
   前記かご内カメラが撮影した前記かご内の映像に基づき、前記かご内の人間の属性を推定し、
   前記待機人数推定部は、
   前記かご外カメラが撮影した前記乗降場所の映像に基づき、前記乗降場所に存在する人間の属性を推定し、
   前記過去履歴データは、
   前記乗車人数推定部が推定した前記属性の推定結果と前記待機人数推定部が推定した前記属性の推定結果を記述しており、
   前記到着時間推定部は、
   前記過去履歴データが記述している前記属性毎に前記差分を算出し、その算出結果に基づき前記エレベータおよび各前記フロアの現在の状況に近接した前記過去履歴データを特定し、その過去履歴データが記述している到着時刻を前記推定結果とする、
   ことを特徴とする請求項１記載のエレベータ到着時間推定装置。
4. 前記乗車人数推定部は、
   前記かご内カメラが撮影した前記かご内の映像に基づき、前記かご内の人間と前記かご内の映像の前景を検出し
   前記検出した人間についてはその人数を算出し、
   前記検出した人間に隠れている部分については、前記検出した前景の大きさに基づきその部分に存在する人間の人数を推定し、
   前記検出した人間の人数と前記検出した前景の大きさに基づき推定した人数の合計を前記乗車人数とし、
   前記待機人数推定部は、
   前記かご外カメラが撮影した前記乗降場所の映像に基づき、前記乗降場所に存在する人間と前記乗降場所の映像の前景を検出し、
   前記検出した人間についてはその人数を算出し、
   前記検出した人間に隠れている部分については、前記検出した前景の大きさに基づきその部分に存在する人間の人数を推定し、
   前記検出した人間の人数と前記検出した前景の大きさに基づき推定した人数の合計を前記待機人数とする、
   ことを特徴とする請求項１記載のエレベータ到着時間推定装置。
5. 前記待機人数推定部は、
   前記かご外カメラが撮影した前記乗降場所の映像に基づき、前記乗降場所に存在する人間を検出し、
   前記エレベータが前記乗降場所の映像内に複数存在する場合は、前記検出した人間と前記乗降場所の映像内の各前記エレベータとの間の位置関係に基づき、前記乗降場所の映像内の前記エレベータ毎に前記待機人数を推定する、
   ことを特徴とする請求項１記載のエレベータ到着時間推定装置。
6. 前記乗車人数推定部は、
   前記かご内カメラが撮影した前記かご内の映像を所定サイズ毎に区画してその区画毎に特徴量を算出し、前記区画の特徴量を隣接する前記区画間で共有した上で、前記特徴量を用いて前記かご内の人間を検出し、
   前記待機人数推定部は、
   前記かご外カメラが撮影した前記乗降場所の映像を所定サイズ毎に区画してその区画毎に特徴量を算出し、前記区画の特徴量を隣接する前記区画間で共有した上で、前記特徴量を用いて前記乗降場所に存在する人間を検出する、
   ことを特徴とする請求項１記載のエレベータ到着時間推定装置。
7. 請求項１記載のエレベータ到着時間推定装置と、
   １または複数の前記エレベータのかごと、前記かご内に設置されたかご内カメラと、
   前記エレベータが停止するフロアのうち前記エレベータに乗降するための乗降場所に設置されたかご外カメラと、
   を有することを特徴とするエレベータシステム。
8. 各前記フロアの前記乗降場所に設置され、各前記フロアにおいて現在呼び出されている前記かごについての前記到着時間推定部による推定結果を表示する表示部を備える、
   ことを特徴とする請求項７記載のエレベータシステム。
9. 前記表示部は、
   各前記フロアにおいて現在呼び出されている前記かごが到着するまでの途中フロアにおける前記待機人数推定部の推定結果を表示する、
   ことを特徴とする請求項８記載のエレベータシステム。
10. 前記エレベータシステムは、
    前記エレベータの動作を制御するエレベータ制御部を備え、
    前記エレベータ制御部は、
    前記到着時間推定部が推定した各前記フロアに対する前記かごの到着時間に基づき各前記フロアに前記かごが到着するまでの待ち時間を算出し、
    算出した各前記フロアにおける前記待ち時間のうち最大となるものを最小化するように、各前記かごが停止すべき前記フロアを決定する、
    ことを特徴とする請求項７記載のエレベータシステム。
11. 前記エレベータ制御部は、
    前記かご内で行き先として指定されたフロアまで前記かごが移動する途中のフロアにおいてそのフロア上でかご呼び出しがされている場合であっても、前記かご内で行き先として指定されておらず、かつ他の前記かごの目的階であり、かつ前記待機人数推定部が推定した前記途中のフロアにおける待機人数が、他の前記かごによって確実に収容できる人数以内である場合は、前記かごを前記途中のフロアに停止させず、
    前記かご内で行き先として指定されたフロアまで前記かごが移動する途中のフロアにおいてそのフロア上でかご呼び出しがされており、かついずれの前記かご内でも行き先としてそのフロアが指定されていない場合は、前記待ち時間のうち最大のものを最小化するように、前記途中のフロアに停止すべき前記かごを決定する、
    ことを特徴とする請求項１０記載のエレベータシステム。
12. 前記エレベータ制御部は、
    前記待機人数推定部が推定した前記待機人数が所定数以上であり、かつ前記かごの積載状態が移動速度を上げることができる状態である場合は、前記かごの移動速度を上げる、
    ことを特徴とする請求項１０記載のエレベータシステム。
13. 前記エレベータ制御部は、
    前記かごが前記フロア上で停止して扉が開いており、かつ前記待機人数推定部が推定したそのフロア上における前記待機人数が０人である場合には、前記扉を閉じる、
    ことを特徴とする請求項１０記載のエレベータシステム。
14. 前記エレベータ制御部は、
    前記かごが前記フロア上で停止して扉が開いており、かつ前記待機人数推定部が推定したそのフロア上における前記待機人数が０人でない場合は、前記乗車人数推定部が前記かご内の人間を検出する際に併せて検出する前記かご内の動きを前記乗車人数推定部に問い合わせ、前記かご内における動きがない場合には前記扉を閉じる、
    ことを特徴とする請求項１０または１３記載のエレベータシステム。

Images