JPS6097181A - Method of controlling group of elevator - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。(57) [Summary] This bulletin contains application data before electronic filing, so abstract data is not recorded.

Description

【発明の詳細な説明】 〔発明の技術分野〕 本発明は、エレベータの群管理制御方法に係シ、特に、
計算機の学習機能とシミーレート機能を従来の肩御方法
に有効に結びつけたエレベータの群管理制御方法に関す
る。[Detailed Description of the Invention] [Technical Field of the Invention] The present invention relates to a group management control method for elevators, and in particular, to
This invention relates to a group management control method for elevators that effectively combines the learning function and shimmy rate function of a computer with the conventional shoulder control method.

〔発明の技術的背景とその問題点〕[Technical background of the invention and its problems]

近年、複数台のエレベータを制御する群管理制御装置は
、マイクロコンピュータ等の小型計算機を使用したもの
が一般的になってきている。In recent years, it has become common for group management control devices to control a plurality of elevators to use small computers such as microcomputers.

そのため、エレベータの動向や、ホール呼ひの発生等の
過去のデータの記録保持が容易に行なえるようになって
きた。そこで、これらのガータを利用して、群管理制御
を行う学習型、知能型と称する方法が表われてきた。し
かしながら、これらのデータの利用方法は、それぞれの
方法によってかなシ異なっている。たとえば、１つの方
法として、それらの記憶されたデータによシ、いくつか
の交通モードに分類し、また制御評価のパラメータを、
その交通モードのシミュレーションによシ良好なものを
選ぶ方法や、事前に色々な交通モードを想定し、それに
合ったいくつかの評価パラメータを用意して、交通モー
ドの日、曜日による変動に合わせて、変化させる方法な
どがあげられる。Therefore, it has become easier to record and maintain past data such as elevator trends and hall calls. Therefore, methods called learning-type and intelligent-type methods have emerged that utilize these mechanisms to perform group management control. However, the way these data are used is quite different depending on the method. For example, one method is to classify the stored data into several modes of transport and to set parameters for control evaluation.
There are ways to select a good one for simulating the transportation mode, and to imagine various transportation modes in advance and prepare some evaluation parameters that match them, and to adjust the method to match the fluctuations of the transportation mode depending on the day of the week or the day of the week. , and ways to change it.

これらに示した方法は、マクロ的視野による、評価パラ
メータの変化であＪ、ｌｉａ接的なデータの利用方法で
あ如、各階床のデータを＠接使用し有効に制御にオＵ用
しているとは、いいがたい。The method shown above is a direct use of data that changes evaluation parameters from a macroscopic perspective, and uses the data of each floor directly for effective control. It's hard to say that there are.

各階床のデータを直接利用する方法としては、予測乗降
人数、混雑率等によ多満員予測に利用する方法や、停止
予測（かご呼び、ホール呼び）を行ない、予測−周時間
等に反映させる方法がある。しかしながらこれらの要素
がその時点の予測値又はその階床に到着するまでの予測
値であシ、今後のポール呼び発生等によるエレベータの
動向の変化等の予測例えば、フリーカーが３秒後の割当
に応答し、基準階へ向う等の予測は行われていない。ま
た、学習データは単純に重み等の一様な要素例えばホー
ル呼びまでのかごの予測到着時間、満員予測であシ、エ
レベータの動向、今後の予測等に直接利用されていない
。Directly using the data on each floor includes methods such as using the predicted number of people getting on and off, congestion rate, etc. to predict the number of occupancies, and predicting stoppages (car calls, hall calls) and reflecting it in the prediction - round time etc. There is a way. However, these elements are predicted values at that point in time or predicted values until the arrival at that floor. For example, predictions of changes in elevator trends due to future pole calls etc. In response to this, no predictions were made, such as heading towards the standard floor. Further, the learning data is simply a uniform element such as a weight, for example, predicted arrival time of a car until a hall call, prediction of fullness, and is not directly used for elevator trends, future predictions, etc.

このため、近い未来の新発生ホール呼びに対する応答が
十分でなく、長待ちなどの原因となったり、割当てをも
たないかごの評価が良好なことから、すぐに遠方のＷＵ
当でのないかごに割当され、次の近くのホール呼び発生
に対して応答できず、また別の遠方のかごに割当てるな
どの無駄運転となる可能性が多かった。For this reason, the response to new hall calls in the near future may not be sufficient, causing long waiting times, and because the evaluations of cars without assignments are good, it is possible to immediately call a distant WU.
There was a high possibility that the car would be assigned to the wrong car, unable to respond to the next nearby hall call, and would be allocated to another far away car, resulting in wasteful operation.

〔発明の目的〕[Purpose of the invention]

本発明は近い未来の予測ホール呼びのサービス水準を常
に一定値以上に維持し、長待ちを減らし、平均待ち時間
を良好にするとともに、無駄運転の削減による省エネル
ギー効果のあるエレベータの群管理制御方法を提供する
ことを目的とする。The present invention is an elevator group management control method that always maintains the service level of predicted hall calls in the near future above a certain value, reduces long waiting times, improves the average waiting time, and has an energy saving effect by reducing wasteful operation. The purpose is to provide

〔発明の概要〕[Summary of the invention]

本発明は上記目的を達成するために、曜日、時間帯、六
曜（六輝）、休日かどうかなどのように交通パターンを
決定する大きな要素別に、各階床ごとに、「ホール呼び
発生率Ｊ、「乗降車人数」、「階床に対するかと呼び発
生率」、「かご呼び発生個数」等の学習データを記憶し
ておく、学習機能を計算機にもたせ、前記学習データを
もとに、今後一定時間内におけるエレベータの動向をシ
ミュレートするシミーレート機能を前記計算機にもたせ
、新発生ホール呼びに対する割当てを行５場合、前記学
Ｍ７′−タによシ近い未来のｉ当な時刻に新発生ホール
呼び５− が発生すると予測割当てを行い、これらの評価値を、未
来のサービス水準と考えて総合評価を行ない、前記新発
生ホール呼びの割フ当で号機を決定するようにしたエレ
ベータの群管理制御方法である。In order to achieve the above object, the present invention analyzes the "Hall call occurrence rate J , the computer has a learning function that stores learning data such as "number of people getting on and off", "occurrence rate of car calls for each floor", "number of car calls", etc., and based on the above learning data, it will be possible to The computer is equipped with a shimmy rate function that simulates the movement of elevators over time, and if the assignment to a newly generated hall call is made in line 5, the newly generated hall call will be assigned to the computer at an appropriate time in the near future. 5- Elevator group management control that performs predictive allocation when a new hall call occurs, performs a comprehensive evaluation considering these evaluation values as the future service level, and determines the number of elevators based on the allocation of the newly generated hall call. It's a method.

つまり、本発明は、学習データをもとにして、近い未来
のシミュレートを行ない、この評価値を近い未来のサー
ぎス水準としてその時点の通常評価値に加算し、それに
よって新発生ホール呼びに対する割当てを決定するよう
にした制御方法である。In other words, the present invention simulates the near future based on learning data, adds this evaluation value as the near future service level to the normal evaluation value at that time, and thereby This is a control method that determines the allocation for.

このため、エレベータの割当てを行な５ｓ合、たとえは
高需要の１階の近くへ、最終かと呼びで向うような、ど
の階からも一見評価の良好なかごであっても、それが次
に高需要階の１階の新発生ホール呼びに応答すると考え
られる上方の、今発生したホール呼びに対し割当が１コ
程度のある程度良好なかごがある場合それに割付られ、
前記ホール呼びの数十秒後、烏需髪階の１階で発生する
ホール呼びに１階近くでフリ一６− となったかごが割当てられるというような有効な割当て
が自動的に行なわれる。つまシ、前記ホール呼びの時点
の評価値が最良と思われる、最終かご呼びの号機を、前
記ホール呼びの時点の割当で行なわず、次に発生の予想
される高需要階の割当にまわすようなことが自動的に行
なわれることになる。For this reason, when allocating elevators for 5 seconds, even if there is a car that seems to have a good reputation from any floor, for example, it is headed near the first floor with high demand because it is the last one, it will be next to the next one. If there is a reasonably good car that is allocated to about 1 car for the hall call that has just occurred, which is considered to respond to the newly generated hall call on the 1st floor of the high demand floor, it will be allocated to it.
Several tens of seconds after the hall call, an effective assignment is automatically made such that a hall call that occurs on the first floor of the Karasukai floor is assigned a free car near the first floor. Tsumashi, the last car call with the best evaluation value at the time of the hall call will not be assigned at the time of the hall call, but will be assigned to the next high demand floor that is expected to occur. things will be done automatically.

また、次々と上方で、ホール呼びが発生した場合でも、
下方の尚需要階、サービス予定の号機は、次の下方のホ
ール呼びの発生をまつような動きをするので、全号機が
まとまりて同方向へ向うような、「だんご状態」の予防
が可能となる。Also, even if hall calls occur one after another,
Since the machines scheduled for service on the floors still in demand at the lower level move in such a way as to wait for the next hall call to occur, it is possible to prevent a "dumpling situation" in which all machines head in the same direction. Become.

〔発明の実施例〕[Embodiments of the invention]

以下本発明の一実施例に係るエレベータの群管理制御方
法を８階部ビルの４台のエレベータ群に適用した場合に
ついて説明するが、はじめに第１図によυ本発明方法を
実施するエレベータの群管理制御装置について説明する
。The case where the elevator group management control method according to an embodiment of the present invention is applied to a group of four elevators in an 8-story building will be explained below. The group management control device will be explained.

すなわち、任意階のエレベータホールよシ発せられるホ
ール呼びは、一旦ホール呼び登録回路１内にホール呼び
発生階と、希望する方向とに分割されて記憶され、エレ
ベータのかごが前記発生階に到着したときにその記憶内
容はリセットサれる。４台のエレベータ（Ａ、Ｂ、Ｃ。That is, a hall call issued from an elevator hall on an arbitrary floor is once stored in the hall call registration circuit 1 by being divided into the floor where the hall call occurs and the desired direction, and when the elevator car arrives at the floor where the hall call occurs. Sometimes its memory contents are reset. 4 elevators (A, B, C.

Ｄ）にはそれぞれエレベータ連行制御装ｋ　２　Ａ　＃
２Ｂ、、？Ｃ，２Ｄが備えられている（但し、図におい
ては、２Ｂ、２ｃ、は省略されている）。D) has an elevator entrainment control system k 2 A #
2B...? C and 2D (however, 2B and 2c are omitted in the figure).

名エレベータ運行制御装置２八〜２Ｄ内には、各エレベ
ータのかごの位置、運転方向、荷重等のかご状態を一時
記憶するかご状態バッファ３Ａ〜３Ｄと、各エレベータ
に乗込んだ乗客によって各かごに設定されたがご呼び登
録階を記憶すると共に、上記かとが登録階に到着すると
その登録をリセットするかと呼び登録回路４Ａ〜４Ｄと
が収容されている。In the elevator operation control devices 28 to 2D, there are car status buffers 3A to 3D that temporarily store the car status such as the position, driving direction, and load of each elevator car. It houses call registration circuits 4A to 4D which store the call registration floor set to 1 and reset the registration when the above-mentioned car arrives at the registration floor.

前記ホール呼び登録回路１、かご状態バッファ３Ａ〜３
Ｄおよびかご呼び登録回路４Ａ〜４Ｄの出力は、例えは
１６ビツトａ）ｙＸのマイクロコンピュータ等の小型計
算機５で以下のように処理される、すなわち、前記ホー
ル呼び登録回路１内に記憶されたホール状態の情報は、
前記小型計算機５の入力レジスタ６を介して、小型計算
機５のＲＡＭ内に設けられたホールコンディションテー
ブル（以下ＨＣＴと称す）９に収容される。また、各エ
レベータ運行制御装置２八〜２Ｄの各かご状態バッファ
３Ａ〜３Ｄ内に記憶されたかご状態の情報は、それぞれ
入力レジスタ７Ａ〜７Ｄを介して前記ＲＡＭ内に設けら
れたカーコンディションテーブル（以下ＣＣＴと称す）
１０に収容される。同様に、各かご呼び登録回路４Ａ〜
４Ｄ内に記憶されたかご呼び状態の情報は各入力レジス
タ８Ａ〜８Ｄを介してＲＡＭ内に設けられたかごコンデ
ィションテーブル（以下ＫＣＴと称す）１１に収容され
る。Hall call registration circuit 1, car status buffers 3A to 3
D and the outputs of the car call registration circuits 4A to 4D are processed as follows by a small computer 5 such as a 16-bit a)yX microcomputer, that is, the outputs are stored in the hall call registration circuit 1. Hall status information is
The information is stored in a hall condition table (hereinafter referred to as HCT) 9 provided in the RAM of the small computer 5 via the input register 6 of the small computer 5. Further, the car state information stored in each of the car state buffers 3A to 3D of each elevator operation control device 28 to 2D is input to the car condition table ( (hereinafter referred to as CCT)
It is accommodated in 10. Similarly, each car call registration circuit 4A~
Information on the car call status stored in the car 4D is stored in a car condition table (hereinafter referred to as KCT) 11 provided in the RAM via each input register 8A to 8D.

前記ＨＣＴ９　、ＣＣＴｌ０　、ＫＣＴＩＩはそれぞれ
第２図、第３図、第４図のようなビット構成となってい
る。すなわち、裁２図に示したホール状態を表わすＨＣ
Ｔにおいて、０〜１３のホールサブインデックス（Ｈ８
）に対して８階の下降９− （８Ｄ）から７階の上昇（７Ｕ）まで各８ビツトの情報
が格納されている。各隅角のホール状態を具体的に説明
する。例えば５階のエレベータホールにて上昇スイッチ
が押されると、Ｈ８Ｚ　Ｊ　（５Ｕ）の７番ビットが１
となシ、このホール呼びに対応するサービスエレベータ
が後述する手法でＡ号機と決定すると、Ｈ８１１の０番
ビットおよび６番ビットが１となる。そして、上記Ａ号
機が５階に到着するとＨ８１１の０゜６．７番ビットが
すべて０にリセットされる。The HCT9, CCT10, and KCTII have bit configurations as shown in FIGS. 2, 3, and 4, respectively. In other words, the HC representing the hole state shown in Figure 2
In T, Hall sub-index from 0 to 13 (H8
), 8 bits of information are stored for each of the steps from the 8th floor down 9- (8D) to the 7th floor up (7U). The hole state at each corner will be specifically explained. For example, when the up switch is pressed in the elevator hall on the 5th floor, the 7th bit of H8Z J (5U) becomes 1.
When the service elevator corresponding to this hall call is determined to be car A using the method described later, the 0th bit and the 6th bit of H811 become 1. When the A car arrives at the 5th floor, the 0°6.7 bits of H811 are all reset to 0.

すなわち、０〜３番ビットは各エレベータの号機セット
を示し、６番ビットはホール呼びに対するエレベータの
割付の有無を示し、さらに、７番ビットはホール呼びの
有無を示す。That is, bits 0 to 3 indicate the number set of each elevator, bit 6 indicates whether an elevator is assigned to a hall call, and bit 7 indicates whether there is a hall call.

第３図のかご状態を表わすＣＣＴにおいて、０〜３のイ
ンデックスに対して、エレベータＡ号機からＤ号機まで
各１６ビツトの情報が格納されている。すなわち、０〜
３番ビットにはかごの荷重状態が２進法で示されている
。これら０〜３番ビットの意味は、″０００１　”。In the CCT representing the car status in FIG. 3, 16 bits of information are stored for each of elevators A to D for indexes 0 to 3. That is, 0~
The third bit indicates the load state of the car in binary notation. The meaning of these bits 0 to 3 is "0001".

１０− ”　００１０”、＠　００１１”、”　０１００”。10- "0010", @0011", "0100".

”　０１０１　Ｎ　、”　０１１０”、”　０１１１”
。“0101N,” “0110”, “0111”
.

”１ｏｏｏ’、’　１００１　”　、”　１０１０　”
　。``1ooo'', ``1001'', ``1010''
.

”　１０１１　’、”１１００’に対ｔ、テ、ツレ−’
ｔ’し、０〜１０チ　、１１〜２０　％　、２１〜３０
％　。``1011'', ``1100'' versus t, te, tsure-'
t', 0-10chi, 11-20%, 21-30
%.

３１〜４０％　、４１〜５０　％　、５１〜６０％　。31-40%, 41-50%, 51-60%.

６１〜７０％　、７１〜８０　チ　、８１〜９０％　。61-70%, 71-80%, 81-90%.

９１〜１００％　、１０１〜１１０％　、１１１　％以
上を示す。５番ビットはかごの走行状態を示し　Ｉ１１
＃は走行中、′０”は減速中を示す。91-100%, 101-110%, 111% or more. The 5th bit indicates the running status of the car. I11
# indicates running, '0' indicates decelerating.

７番ビットは扉の開閉状態を示し　＠１　＃は開放中、
”Ｏ＃は閉鎖中を示す。８〜１３番ビットはかご位置を
２進法で示したものである。The 7th bit indicates the open/closed status of the door, @1 # is open,
"O# indicates that the car is closed. Bits 8 to 13 indicate the car position in binary notation.

１４．１５番ビットはかごの移動方向を示し、１０”は
上昇中、′０１＃は下降中、さらに”ＯＯ＃は無方向、
すなわち停止中を示す。14. The 15th bit indicates the direction of movement of the car, 10" is ascending, '01# is descending, and "OO# is no direction.
In other words, it indicates that it is stopped.

第４図のかご呼び状態を表わすＫＣＴにおいて、第２図
のＨＣＴと同様に、０〜３ビツトがエレベータＡ−Ｄ号
機に対するかご呼びの南魚を示す。In the KCT representing the car call state in FIG. 4, like the HCT in FIG. 2, bits 0 to 3 indicate the car call state for elevators A to D.

次に任意の階床にホール呼びが発生し、そのホール呼び
に対して最適のサービスエレベータを前記ＨＣＴ９．Ｃ
ＣＴｌ０　、ＫＣＴＩＩの情報に基づいて決定するまで
の過程は、第５図に示されているような、ソフトウェア
によシ行なわれる。Next, a hall call occurs on an arbitrary floor, and the HCT9. C
The process of determining based on the information of CTl0 and KCTII is performed by software as shown in FIG.

第５図のプログラムはオペレーティングシステムによシ
管理されておシ、スタート後、タスク管理プログラム２
０によシどのタスク（機能別に分離されたソフトウェア
モジュール）を起動するかが決定される。ここで各タス
クの説明を簡単に行なうが、タスクの詳４４８な説明や
使用するＲＡＭ、ＲＯＭテーブルの説明は、最適号機の
割付までの過程で説明する。The program shown in Figure 5 is managed by the operating system. After startup, the task management program 2
0 determines which task (software module separated by function) is to be activated. Each task will be briefly explained here, but a detailed explanation of the tasks and the RAM and ROM tables used will be explained in the process up to the allocation of the optimum machine.

２１は前記ＣＣＴ、ＫＣＴ、ｆ（ＣＴ等の外部入力をＲ
ＡＭ上にセットする外部入力タスクである。この外部入
力タスク２１は優先度が高く起動されると、例えば１０
０ｍ５程度ごとに貴起動がかかる０ ２２は割付を行なう割付タスクであシ、例え（ｒＪ：、
　１００　ｍｓ程度ごとに新発生ホール呼びｔチェック
し、もし発生があれは、予測未応答時間、満員等のダメ
ージにする評価を行ない評価の最良な号機を決定する。21 is the external input of the CCT, KCT, f (CT, etc.)
This is an external input task that is set on AM. When this external input task 21 is started with a high priority, for example, 10
022 is an allocation task that performs allocation, for example (rJ:,
A new hall call is checked every 100 ms or so, and if a new hall call occurs, an evaluation is performed based on damage such as predicted unresponse time and fullness, and the hall with the best evaluation is determined.

２３は評価サブルーチン、２４は予測応答時間演算サブ
ルーチン、２５は満員等ダメージ予測サブルーチンでち
る０ ２６は割付見なおしタスクで、割付見直しルーチンにお
いて約１秒に１回程度起動される、レベルの低いタスク
で、長待ちや、満員となったシ、予測されたシするホー
ル呼びに対して、割付変更を行なうものである。23 is an evaluation subroutine, 24 is a predicted response time calculation subroutine, and 25 is a full-occupancy damage prediction subroutine. 26 is an allocation review task, which is a low-level task that is activated approximately once every second in the allocation review routine. In response to long waiting times, full halls, and predicted hall calls, allocation changes are made.

２７はデータ処理タスクで、外部入力や、単体からのデ
ータによシ、その時点の状態のデータテーブルにセット
してゆき、また次の状態に変化する時などそのデータの
入れかえを行なうタスクであシ、データの変化時や、状
態の変化時に起動される。また低いレベルのタスクであ
シ、高い群管理タスクを害さないように起動される。27 is a data processing task, which takes external input or data from a single unit, sets it in the data table of the current state, and replaces the data when changing to the next state. It is activated when the data changes or the state changes. It can also be activated by low-level tasks, so as not to harm higher-level group management tasks.

２８は各単体エレベータとの交信用タスクで、ザイクリ
ックに行なわれるデータの伝送の他に、１３− 必要に応じてコントロール出力（割付１割付キャンセル
等）や、データ要求（降車人数、降車人数、新発生かと
呼び等）が行なわれる。28 is a task for communicating with each individual elevator, and in addition to data transmission performed symmetrically, 13- also provides control output (allocation 1 allocation cancellation, etc.) and data requests (number of people getting off, number of people getting off, etc.). (e.g. whether it is a new outbreak).

２９は年間タイマ、各種タイマで１０　ｒｎｓ　。29 is an annual timer and 10 rns for various timers.

１００　ｍｓ　、　１秒等の各種のインターバルタイマ
と、それらと組み合わされた年間タイマのルーチンであ
シ、また、これらのデータは外部タイマにより補正され
る。年間タイマには月１日付。The routine includes various interval timers such as 100 ms, 1 second, etc., and an annual timer combined with these, and these data are corrected by an external timer. The yearly timer has the 1st date of the month.

曜日、休日、六曜、その他の行事等情報があシ、これら
は後述する第１のＩ１０タスク３０や第２の■ハタスフ
３１に情報が更新される。If there is information such as days of the week, holidays, six days of the week, and other events, this information is updated in the first I10 task 30 and the second ■Hatashu 31, which will be described later.

３０は第１のＩｌｏ　（インプットアウトプット）タス
ク１のＣＲＴ（キャラクタディスプレイターミナル）伝
送用のタスクで、外部の端末や、他のコンピュータ等と
の情報の伝送に使用される。Reference numeral 30 denotes a CRT (Character Display Terminal) transmission task of the first Ilo (input/output) task 1, which is used for transmitting information with external terminals, other computers, etc.

このＩ１０タスク３０は他の群管理タスクを害さないよ
うに低いレベルでタイムスライスされて起動する。This I10 task 30 is time-sliced and activated at a low level so as not to harm other group management tasks.

また３１は第２のＩ１０タスクでフロッピーディスクコ
ントール用でア）、外部のフロッピー１４− ディスクに学習データ等を記憶するときに起動し、前記
Ｉ１０タスク３０と同様に低いレベルで起動される。The second I10 task 31 is for floppy disk control and is activated when a) learning data, etc. is stored on an external floppy disk 14, and similarly to the I10 task 30, it is activated at a low level.

３２はＲＡＭや前記小型針ｎ機５のレジスタのイニシャ
ライズや、ＬＳＩのイニシャライズを行なうイニシャラ
イズタスクであシ、初期状態や、動作のモードが切シか
わった時起動される。Reference numeral 32 denotes an initialization task for initializing the RAM, the registers of the small needle n machine 5, and the LSI, and is activated when the initial state or operation mode is changed.

以上述べたタスクは、一般には下位のタスク中に上位の
タスクが起動される。ただし特別のフラグや、優先順の
変更等が行なわれた場合は変化する。このタスクの管理
を行なっているものが、タスク管理プログラムであシ、
タスク間の情報のやシとジは、バッファ用ＲＡＭを使用
して行なう構成となっている。In the above-mentioned tasks, a higher-level task is generally activated during a lower-level task. However, if a special flag is used or the priority order is changed, it will change. What is managing this task is a task management program.
The configuration is such that a buffer RAM is used to transfer information between tasks.

次に本発明にかかわるルーテンを順をおって説明してゆ
く。第５図においてスタートによシ、イニシャライズタ
スク３２が起動され、タイマ２９の起動、ＲＡＭのクリ
ア、プリセット等が行なわれる。また、外部入力タスク
２１には、ＣＣＴ、ＫＣＴ、ＨＣＴ等の入力が入力され
る。Next, the routines related to the present invention will be explained step by step. In FIG. 5, upon start, the initialization task 32 is activated, and the timer 29 is activated, RAM is cleared, preset, etc. are performed. Furthermore, inputs such as CCT, KCT, and HCT are input to the external input task 21.

ここで、学習機能部分について第１１図を参照して説明
するが、ここでは、ホテルの群エレベータと仮定しく８
ストツプ（’ＩＦ’〜８Ｆ）で群４台と仮定する。）、
ビルの各階は第６図に示されるような構成となっている
場合を例にあげて説明する。交通量モードのセットは、
月。Here, the learning function part will be explained with reference to FIG.
Assume that there are 4 vehicles in the group at stop ('IF' to 8F). ),
An example will be explained in which each floor of a building has a configuration as shown in FIG. The traffic mode set is
Month.

曜日、六曜、休日２時間帯の要素によシ決定される。It is determined by the elements of the day of the week, the 6th day of the week, and the holidays and 2 time zones.

ここで、交通量モードをＴＲＭＯＤとし、月をＭＯＮ　
、曜日をＷＥＫ、六曜をＲＯＹ、休日をＨＤＹ　。Here, set the traffic mode to TRMOD and set the month to MON.
, WEK for days of the week, ROY for Rokuyo, and HDY for holidays.

時間帯をＴＭＢとする。これらの内容と意味は第７図に
示されている。Let TMB be the time zone. Their contents and meanings are shown in FIG.

なお、交通モードのセットは前記５要素に他の交通量の
変化の要素（地域や国によって変る要素）を加えてもよ
く、また時間帯は１５分を１インターバルとしているが
、１インターバルのセットはそのビルに応じて任意に変
化させることができる。またＴＲＭＯＤはＭＯＮ　、　
ＷＥＫ　、　ＲＯＹ。In addition, the transportation mode set may include other traffic change factors (elements that change depending on the region or country) to the above five factors, and although the time period is defined as an interval of 15 minutes, it is not possible to set a set of 1 interval. can be changed arbitrarily depending on the building. Also, TRMOD is MON,
WEK, ROY.

ＨＤＹ、ＴＭＢのマトリックスで決定されるもので、小
型計算機のＲＡＭ上のナンバーのものである（要素が変
化しても同ナンバーの可能性はある）。It is determined by the matrix of HDY and TMB, and is a number on the RAM of a small computer (even if the elements change, the number may remain the same).

このナンバーのセットは、あらかじめセットされた数値
でもよく、またマイコンによシ自動修正される機能もあ
る。This number set may be a preset value, and may also have a function to be automatically corrected by the microcomputer.

ＴＲＭＯＤ＝ＴＲＭＯＤ＆ＤＡＴＡ（ＭＯＮ、昭に、Ｒ
ＯＹ、ＨＤＹ、ＴＭＢ）つまシ上式でＴＲＭＯＤは示さ
れる。ＴＲＭＯＤ　＆ＤＡＴＡに各要素の交通量モード
情報がある。これらのＴＲＭＯＤ　＆　ＤＡＴＡでＲＡ
Ｍにはい勺きらないものはフロッピーディスク等にしま
われていて、使用する部分がＲＡＭにはこばれてくる。TRMOD=TRMOD&DATA(MON, Akira, R
OY, HDY, TMB) TRMOD is shown in the above formula. TRMOD & DATA contains traffic mode information for each element. RA with these TRMOD & DATA
Items that cannot be stored in M are stored on floppy disks, etc., and the portions that are used are stored in RAM.

例においては第８図のようにＴＭＢ　（時間帯）による
ＴＲＭＯＤがＲＡＭ上にロードされている。In the example, TRMOD according to TMB (time zone) is loaded onto the RAM as shown in FIG.

（注）、ＴＭＢが進むたびに今日の１つ前の部分は第１
１図４０のように明日に更新される。(Note) Every time the TMB progresses, today's previous part will be the first one.
1 It will be updated tomorrow as shown in Figure 40.

ＴＲＭＯＤ　＝　ＴＲＭＯＤ　＆　ＲＡＭ（ＴＭＢ　）
このため上式で代用できる。TRMOD = TRMOD & RAM (TMB)
Therefore, the above formula can be used instead.

本実施例においては、 ＭＯＮ＝４　（５月） ＷＥＫ＝０　（日曜） ＲＯＭ＝Ｏ（大安） １７− ＨＤＹ＝１　（休日） ＴＭＢ＝７２　（１８：００） であったとする。このデータよシ ＴＲＭＯＤ＝３　（大安、休日、春、夕、チェックイン
）であったとする。In this embodiment, it is assumed that MON=4 (May) WEK=0 (Sunday) ROM=O (Daian) 17-HDY=1 (holiday) TMB=72 (18:00). Assume that based on this data, TRMOD=3 (Daian, Holiday, Spring, Evening, Check-in).

とのＴ　ＲＭＯＤの各階の学習データは次のものが用意
されている。The following learning data for each floor of TRMOD is prepared.

ｆ（ＣＴ＆ＲＡＴ　：　１５分間の平均ホール呼び発生
個数。f(CT&RAT: Average number of hall calls generated during 15 minutes.

ＫＣＴ　＆　ＲＡＴ　：平均かご呼び発生個数。KCT & RAT: Average number of car calls.

Ｉ　Ｎ　＆　ＲＡＴ　：乗車人数平均。IN & RAT: Average number of passengers.

ＯＵＴ　＆　ＲＡＴ　：降車人数平均。OUT & RAT: Average number of people getting off the train.

ＫＣＴ　＆　ＳＥＴ　：各階に対するかと呼び発生率。KCT & SET: Call occurrence rate for each floor.

これらのｆ（ＣＴ＆ＲＡＴ　、　ＫＣＴ＆ＲＡＴ　、　
ＩＮ＆ＲＡＴ　。These f(CT&RAT, KCT&RAT,
IN&RAT.

ＯＵＴ　＆　ＲＡＴは第９図の階床に方向を考え合わせ
たホールサブインデックス（Ｈ８）によシ示されている
。また第１０図には各階に対するかと呼び発生率ＫＣＴ
　＆　ＳＥＴが示されている。１Ｆのロビーから６Ｆの
客室へのかご呼び発生率はＫＣＴ＆ＳＥＴ　（１、６）
でめられる〇また、近い未来の行事等によって人為的に
セ１８− ット可能な予約機能として、キャラクタディスプレイタ
ーミナルなどから高需要階の指定（例えば日時２階の指
定）があった場合、そのデータによりてＨＣＴ　＆　Ｒ
ＡＴに補正を行なう。OUT & RAT is indicated by the hall sub-index (H8) which is oriented to the floor in FIG. Figure 10 also shows the call occurrence rate KCT for each floor.
& SET is shown. The car call occurrence rate from the lobby on the 1st floor to the guest rooms on the 6th floor is KCT & SET (1, 6)
In addition, as a reservation function that can be artificially set for events in the near future, if a high demand floor is specified from a character display terminal (for example, the date and time is specified on the 2nd floor), HCT&R based on data
Make corrections to AT.

以上のように過去の学習データテーブルが用意される。The past learning data table is prepared as described above.

これらは、第５図のデータ処理タスク２７において第１
１図の交通量モードＴＲＭＯＤが変化するたびにロード
される。そして第１１図の４１のように以前の学習デー
タを処理用パッンアへ移し、さらに４２のように以前の
学習データテーブルに次のデータテーブルをロードする
。現在と近い未来のＴＲＭＯＤについて用意されている
ために、これらの処理を急いで行なう必要がなく、低い
レベルのタスクで第１１図の４３のように学習データテ
ーブルの更新を行なう。以上で過去の学習データ用意ル
ーチンの説明を終える。These are first performed in the data processing task 27 in FIG.
It is loaded every time the traffic mode TRMOD in Figure 1 changes. Then, as shown at 41 in FIG. 11, the previous learning data is transferred to the processing pana, and further, as shown at 42, the next data table is loaded into the previous learning data table. Since the TRMOD of the present and the near future is prepared, there is no need to perform these processes in a hurry, and the learning data table is updated as shown in 43 in FIG. 11 with a low-level task. This concludes the explanation of the past learning data preparation routine.

次に現在の学習データ収集ルーチンについて第１２図を
参照して説明を行なう。インターバルタイムをＩＴＩＭ
Ｅ（分）とし、かつデータ収集テーブルには、次のもの
がある。Next, the current learning data collection routine will be explained with reference to FIG. ITIM interval time
E (minutes), and the data collection table includes the following:

Ｃ＆　ＤＡＴＡ　：各階（方向付）のかご呼び個数ＩＮ
＆ＤＡＴＡ　：ホール呼び階の乗車人数ＯＵＴ　＆　Ｄ
ＡＴＡ　：かご呼び階の降車人数これらは第１３図、第
１４図に示されている。C & DATA: Number of car calls for each floor (with direction) IN
&DATA: Number of passengers on hall call floor OUT &D
ATA: Number of people getting off at car call floor These are shown in Figures 13 and 14.

以上述べたＩＴＩＭＥ　、　Ｈ＆ＤＡＴＡ　、　Ｃ＆Ｄ
ＡＴＡ　。ITIME, H&DATA, C&D mentioned above
ATA.

ＣＮ＆ＤＡＴＡ　、　ＩＮ＆ＤＡＴＡ　、　ＯＵＴ＆Ｄ
ＡＴＡは、方向付階床であるＨ８（ホールサブインデッ
クス）によシそれぞれのデータをもち、ＣＺ＆ＤＡＴＡ
は階床によってもっていて、スタート階に対する行先階
の２つのインデックスでセットされる。CN&DATA, IN&DATA, OUT&D
ATA has each data in H8 (Hall sub index) which is a directional floor, and CZ&DATA
is held by floor and is set with two indexes of the destination floor relative to the start floor.

これらのテーブルにセットするデータは、第５図の外部
入力タスク２１等でｆ（ＣＴ、ＫＣＴ情報、データ処理
タスク２７で乗降情報がバッファＲＡＭに入れられて送
られて来る。そのデータ送信バッファは第１５図のよう
に時刻、状態、データがつけられ待行列となっている。The data to be set in these tables is sent by the external input task 21 in FIG. As shown in FIG. 15, time, status, and data are attached to form a queue.

このデータのフォーマットは第１６図のようになってい
る。これらを処理して第１２図４４のように第１３図、
第１４図の学習データ収集テーブルにセットする。その
後データ処理インターバルたった場合、第１２図の４５
のように処理用バッファの学習データを以前の学習デー
タテーブルに反映するルーチンに移る６以下これについ
て説明する。前で説明したＩＴＩＭＥ　、　Ｈ＆ＤＡＴ
Ａ　。The format of this data is as shown in FIG. After processing these, as shown in FIG. 12 and 44, FIG.
Set in the learning data collection table shown in Figure 14. After that, if the data processing interval has elapsed, 45 in Figure 12
The routine moves on to reflect the learning data in the processing buffer in the previous learning data table as shown in step 6. This will be explained below. ITIME, H&DAT explained earlier
A.

Ｃ＆ＤＡＴＡ　、　ＣＮ＆ＤＡＴＡ　、　ＩＮ＆ＤＡＴ
Ａ　、　ＯＵＴ＆ＤＡＴＡ　、　ＣＺ＆ＤＡＴＡはＴＲ
ＭＯＤ　（交通量モード）によって各々もっているため
、それを利用して処理する。データ処理インターバルは
１日に１回程度で、通常は夜間の、閑散時に行なわれる
。C&DATA, CN&DATA, IN&DAT
A, OUT&DATA, CZ&DATA are TR
Each MOD (traffic mode) has its own value, so use it for processing. Data processing intervals occur approximately once a day, usually at night, during off-peak hours.

使用され収集されたＴＲＭＯＤに対して各々行なわれる
。収集されたデータと、以前の学習データテーブルは下
の関係に対応する。Each is performed for each used and collected TRMOD. The collected data and previous learning data table correspond to the relationship below.

２１− （学習データ）　（収集データ） ５ （＊：乗算） ＩＮ＆ＲＡＴ　・・・・・・ＩＮ＆ＤＡＴＡ／Ｈ＆ＤＡ
ＴＡＯＵＴ＆ＲＡＴ　・・・・・・ＯＵＴ＆ＤＡＴＡ／
Ｃ＆ＤＡＴＡＫＣＴ＆ＲＡＴ　・・・・・・ＣＮ＆ＤＡ
ＴＡ／Ｈ＆ＤＡＴＡそして新収集データの学習データへ
の平滑化において 新学習データー重み＊新収集データ＋（１−重み）＊旧
学習データ （０く重み≦１） で平滑化（通常の指数平滑法）する。21- (Learning data) (Collected data) 5 (*: Multiplication) IN&RAT ... IN&DATA/H&DA
TAOUT&RAT...OUT&DATA/
C&DATAKCT&RAT...CN&DA
TA/H&DATA and smoothing of newly collected data to learning data: new learning data weight * new collected data + (1-weight) * old learning data (0 weight ≦ 1) (normal exponential smoothing method) do.

次にＴＲＭＯＤ　（交通量モード）の自動修正機能につ
いて説明する。各Ｔ　ＲＭＯＤに対して各々の学習デー
タの差の２乗がある上限以内の場合１ＴＲＭＯＤは低い
ナンバーのモードに吸収する機能である。この場合学習
データは両者の平均とな２２− る。以上述べたように学習機能部分で得られる学習デー
タを使用し、これらの学習データによって近い未来のエ
レベータの動向をシミーレートした上で割付を行なうこ
とが本発明方法の特徴である。このため、学習機能部分
は前述した実施例に限定されることはなく、正確な学習
データが収集できれば、本発明のエレベータの群管理制
御方法は実施可能となる。Next, the automatic correction function of TRMOD (traffic mode) will be explained. For each TRMOD, if the square of the difference between each learning data is within a certain upper limit, 1 TRMOD is a function of absorbing into a mode with a lower number. In this case, the learning data is the average of both. As described above, the method of the present invention is characterized by using the learning data obtained in the learning function section and performing the allocation after simulating the elevator trends in the near future using these learning data. Therefore, the learning function part is not limited to the embodiment described above, and the elevator group management control method of the present invention can be implemented as long as accurate learning data can be collected.

次に、本発明方法の、割付ルーチンについて第１７図を
参照して説明する。Next, the allocation routine of the method of the present invention will be explained with reference to FIG.

エントリーからＨ８を０に設定してからＤｌに進み、Ｈ
ＣＴ内においてまだかごが割付られていないホール呼び
の有無を調べる。すなわち、第２図の）ＩＣＴにおける
６、７番ビットの状態が、″００＃の場合、ホール呼び
無しであるのでＧへ進む。１１０″′の場合、割付完了
でホール呼び無しであるのでＧへ進み、１１＃の場合、
割付完了でホール呼び有りでＧへ進む。但し、′０１″
の場合、ホール呼び有シで割付未完了であるのでかごを
０に設定（ＣＡＲ＝Ｏ）　してＤ２に進む。From the entry, set H8 to 0, then proceed to Dl, and set H
Check whether there is a hall call to which a car has not yet been assigned in the CT. In other words, if the status of bits 6 and 7 in ICT (in Fig. 2) is ``00#'', there is no hole call, so go to G. If it is 110'', the allocation is complete and there is no hole call, so go to G. Proceed to 11#,
When the allocation is complete and there is a hall call, proceed to G. However, '01''
In this case, there is a hall call and the allocation has not been completed, so the car is set to 0 (CAR=O) and the process proceeds to D2.

Ｄ２通過後、かごが満員になった場合のように、ホール
呼び階に割付が不可能になった場合、該当号機を割付禁
止にする予備選択サブルーチンＹＯＳ　ＥＮに入る。こ
のＹＯ８ＥＮを通過後、前記未割付ホール呼びが仮に割
付られたと仮定して、前述のＴＨＥＳＰをめた同様の手
法でもって、未割付ホール呼びに対する各階床（Ｈ８）
の予測未応答時間ＲＥＳＰＴＸを全部の号機についてめ
、Ｅに進む。したがって、未割付ホール呼びを仮に割付
た場合のＴＲＥＳＰＸと、未割付ホール呼びを含まない
既割付ホール呼びのみの場合のＴＨＥＳＰとがまったこ
とになる。If, after passing through D2, it becomes impossible to allocate to a hall call floor, such as when the car is full, a preliminary selection subroutine YOS EN is entered in which the corresponding car number is prohibited from being allocated. After passing this YO8EN, assuming that the unallocated hall call is temporarily allocated, each floor (H8) for the unallocated hall call is
Check the predicted non-response time RESPTX for all machines and proceed to E. Therefore, TRESPX when unallocated hall calls are temporarily allocated and THESP when there are only allocated hall calls that do not include unallocated hall calls are convergent.

次に各号機の評価値を計算するサブルーチンに進む。こ
のルーチンにおいては、未割付ホール呼びを新たに割付
ることによって、すでに割付られているホール呼びに対
する予測未応答時間ＴＨＥＳＰが悪化する度合と、未割
付ホール呼びに対する予測未応答時間ＲＥＳＰＴＸとを
総合したサービス水準の評価値０）をめる。さらにこの
ルーチンにおいて、満員の可能性やかと呼び先着等のダ
メージに対する評価値を（イ）に加えられる。Next, the process proceeds to a subroutine that calculates the evaluation value of each machine. In this routine, the degree to which the predicted unresponsive time THESP for the hall calls that have already been allocated is worsened by newly allocating an unallocated hall call, and the predicted unresponsive time RESPTX for the unallocated hall calls are combined. The evaluation value of the service level is 0). Furthermore, in this routine, evaluation values for damage such as the possibility of full capacity and first-come-first-serve calls are added to (a).

なお、ここでは、学習データを用いてシミュレートする
方法の説明が中心であるため、後者の部分の詳１１１説
明をはぶく。Note that, since the explanation here mainly focuses on the method of simulating using learning data, a detailed explanation of the latter part will be omitted.

また、本発明において新しく用いられた、学習データに
もとづいて近い未来に仮シに発生させたホール呼び（シ
ミーレート機能）に対する新評価値（ロ）がめられる。Furthermore, a new evaluation value (b) for a hall call (shimmy rate function) which is newly used in the present invention and is generated in the near future based on the learning data is calculated.

ここで、評価値計算に使用する、予測未応答時間演算ル
ーチンについて第１８図を参照して説明する。このルー
チンにエントリーした場合、バッファ上のＣＣＴ、ＫＣ
Ｔ等を各号機に対してロードする。これはバッファ上の
データで、ｌ）、シミュレーション時の予測データであ
ることも考えられる。このルーチンのデータは実際のデ
ータと異なる可能性がある０ 次にホール呼び登録入力データ）ＩＣＴをバッファよシ
ロードする。またＫＣＴもバッファよシロ２５− 一ドする。ＫＣＴには既割付ホール呼びに対して、かご
呼びの発生予測を行ない、予測かご呼びをセットする。Here, a predicted non-response time calculation routine used for evaluation value calculation will be explained with reference to FIG. When this routine is entered, CCT, KC on the buffer
Load T, etc. for each machine. This is data on the buffer, and it is also possible that it is predicted data during simulation. The data in this routine may differ from the actual data.Next, the hall call registration input data) ICT is loaded into the buffer. KCT also reads 25-1 from the buffer. The KCT predicts the occurrence of car calls for already allocated hall calls and sets predicted car calls.

これはバッファ上のＫＣＴに自動的にセットされる。（
予測かご発生の１例として本発明においては学習データ
のＫＣＴ＆ＳＥＴのデータを利用して高い可能性順で１
個以上発生する。）２個以上の予測発生個数はＫＣＴ＆
ＳＥＴを利用し確度の定数を乗算し整数で切刃すてるこ
とにする。また、この予測かごよびは、かごよびによる
先着等のダメージに使用し々い。）次にＨとＴの読込を
行なう。この時点以前にホール呼びが発生していれば、
上記ｆ（ＣＴ内の上記ホール呼びに対応したＨ８の７番
ビットが°１”にセットされる。また、すでに割付済み
のホール呼びが存在しておれば、該当Ｈ８の６番ビット
が＠１＃にセットされている０以上で初期データのバッ
ファよ）の読込を終了してＣに進む。Ｃ−Ｄ間において
、そのかごが現在位置よシ各階床へ移動するに必要な予
想時間、すなわち予測未応答時間ＴＨＥＳ　Ｐをめる。This is automatically set in KCT on the buffer. (
As an example of predictive cage generation, in the present invention, we use KCT&SET data as learning data to
Occurs more than once. ) The predicted number of occurrences of 2 or more is KCT &
We will use SET to multiply the accuracy constant and use an integer to discard the cutting edge. In addition, this prediction basket is often used for damage caused by the basket and the like. ) Next, read H and T. If a hall call has occurred before this point,
The 7th bit of H8 corresponding to the above hall call in the above f(CT is set to °1". Also, if there is a hall call that has already been allocated, the 6th bit of the corresponding H8 is set to @1". # is set to 0 or more, the reading of the initial data buffer is completed and the process proceeds to C. Between C and D, the estimated time required for the car to move from its current position to each floor, i.e. Calculate the predicted non-response time THES P.

２６− ＨＣＴのデータに基づき（１）式によって、Ｍ階の予測
未応答時間ＴＲＥＳＰ（財）をめる・十ＴＫＥＩＫＡ（
至）　・・・（１） ここで、ＴＲＡＮ（α□、βｍ）はαｍｍからβ。階ま
でのかと（ＣＡＲ）の走行所要時間を示し、ＴＬＯ８（
βｍ）はβ□階での扉開閉動作時間、乗客乗降時間およ
び扉開放時間の合計時間を示し、また、ＴＫＥ　Ｉ　Ｋ
Ａ（ハ）はＭ階のホール呼びに対する＃５続時間を示す
。さらに、ｔはかと（ＣＡＲ）がＭ階に到着する迄に途
中停止する階床数（Ｍ階を含む）を示す。26- Based on the HCT data, calculate the predicted non-response time TRESP (goods) for the M floor using equation (1).
To) ... (1) Here, TRAN (α□, βm) is from αmm to β. Indicates the time required for CAR to reach the floor, TLO8 (
βm) indicates the total time of the door opening/closing operation time, passenger boarding and alighting time, and door opening time on the β□ floor, and TKE I K
A (c) shows the #5 duration for the hall call on the M floor. Furthermore, t indicates the number of floors (including the M floor) that the CAR stops on the way before arriving at the M floor.

ここで第１９図に示す３台のエレベータ（Ａ。Here, three elevators (A.

Ｂ、Ｃ）について上記予測未応答時間ＴＲＥＳＰをめて
みる。Let's look at the predicted non-response time TRESP for B and C).

エレベータＡ、Ｂｃりかごが１茜に位置し、エレベータ
Ｃのかごが８階に位置している時点で、２階に下降のホ
ール呼びが発生したと仮定する〇ホール呼び発止から割
付までの時間、ナなわち、ホール呼びの継続時間は零と
仮定する。Assume that a hall call for descending to the 2nd floor occurs when elevators A and Bc cars are located at Akane 1 and elevator C is located at the 8th floor.〇 From hall call issuance to allocation It is assumed that the time, ie, the duration of the hall call, is zero.

Ａ号機は、すでに４階に上昇のホール呼びおよび８階に
かご呼びが割付られているとすると、Ａ号機の２Ｄ（Ｈ
８＝６）のＴＨＥＳＰ　（２Ｄ　）は、ＴＲＥＳＰ（２
Ｄ）＝ＴＲＡＮ（１，４）＋ＴＬＯ８（４）＋　ＴＲＡ
Ｎ（４、８）＋ＴＬＯ８（８）＋ＴＲＡＮ　（、８、２
） ＝　３＋１０＋４＋８＋６＝３１秒 Ｂ号機は、３階にかご呼びが割付られているとすると、 ＴＨＥＳＰ（２Ｄ）＝　ＴＲＡＮ（１、３）＋Ｔ［，０
８（３）十ＴＲＡＮ（３，２） ＝　２＋８＋１＝１１秒 Ｃ号機は、４階に下降のホール呼びが割付られていると
すると、 ＴＨＥＳＰ（２Ｄ）＝　ＴＲＡＮ（８、４）＋ＴＬＯ８
（４）十ＴＲＡＮ　（４、２） ＝４＋１０＋２＝１６秒 となる。Assuming that machine A has already been assigned an ascending hall call on the 4th floor and a car call on the 8th floor, the 2D (H
8=6), THESP (2D) is TRESP(2
D)=TRAN(1,4)+TLO8(4)+TRA
N (4, 8) + TLO8 (8) + TRAN (, 8, 2
) = 3 + 10 + 4 + 8 + 6 = 31 seconds Assuming that car call B is assigned to the 3rd floor, THESP (2D) = TRAN (1, 3) + T[,0
8 (3) 10 TRAN (3, 2) = 2 + 8 + 1 = 11 seconds Assuming that Car No. C is assigned a hall call for descending to the 4th floor, THESP (2D) = TRAN (8, 4) + TLO8
(4) 10 TRAN (4, 2) = 4 + 10 + 2 = 16 seconds.

このようにして、任意のＨＳにおける ＴＲＥＳＰ（ＨＳ）の計算が終了したならばＨ８をｎｓ
＋ｉとしてＴＲＥＳＰ　（Ｈ８＋１　）をめ、最終的に
全部のＦＩＳに対して上記ＴＲＥＳＰをめＣ３に進む。In this way, once the calculation of TRESP(HS) at any HS is completed, H8 is
TRESP (H8+1) is set as +i, and finally the above TRESP is set for all FIS and the process proceeds to C3.

さらに全部のかと（ＣＡＲ）について上記ＴＨＥＳＰを
めてリターンする。以上で予測未応答時間演算ルーチン
の説明を終る。Furthermore, the above-mentioned THESP is calculated for all the heels (CAR) and the process returns. This concludes the explanation of the predicted non-response time calculation routine.

次に通當の標準の評価計算ルーチンを第２０図を参照し
て説明する。これはバッファの状態が現在のものである
場合評価値（イ）となる部分である。なお、ここでダメ
ージ部分の説明を省略する。第２０図においてエントリ
ーして予測未応答時間を演算する。Next, a standard evaluation calculation routine will be explained with reference to FIG. This is the portion that becomes the evaluation value (a) if the buffer status is the current one. Note that a description of the damaged portion will be omitted here. Enter in FIG. 20 and calculate the predicted non-response time.

次に、ホールサブインデックスｆ（Ｓを新たに発生した
ホール呼び階のＨ８に初期セットする。Next, the hall sub-index f(S) is initially set to H8 of the newly generated hall call floor.

そして、この未割付のホール呼びに対する予測未応答時
間ＲＥＳＰＴＸ（Ｉ）を算出し、（２）式に基づいて評
価値ＥＯ（ＣＡＲ）をめる。Then, a predicted non-response time RESPTX(I) for this unallocated hall call is calculated, and an evaluation value EO(CAR) is calculated based on equation (2).

Ｅ　Ｏ（ＣＡＲ）　＝Ｅ＆ＭＩＷＡＲＩ　（ＲＥＳＰＴ
Ｘ（Ｉ））　・・・（２）但し、■はそのときの未割付
ホール呼び発生階のＨ８を示す。E O (CAR) = E & MIWARI (RESPT
X(I)) (2) However, ■ indicates H8 of the floor where the unallocated hall call occurred at that time.

２９− その後、Ｈ８を進め、それよシ先の各階の状態を検紫し
ていく。そして、割付済み（既割付）のホール呼びがあ
った場合、予測未応答時間ＲＥＳＰＴＸを順次求めて記
憶する。そして、全部のＨＳの検索が終了すると、記憶
されたＲＥＳＰＴＸの最大値、すなわち最大予測未応答
時間ＲＥＳＰＴＸｍａｘおよび（２）式でめた評価値Ｅ
Ｏ（ＣＡＲ）を用いて特定のかと（ＣＡＲ）に対する評
価値を（３）式に基づいてめる。29- After that, move on to H8 and check the status of each floor ahead. Then, when there is a hall call that has been allocated (already allocated), predicted non-response times RESPTX are sequentially determined and stored. When the search for all HSs is completed, the maximum value of the stored RESPTX, that is, the maximum predicted non-response time RESPTXmax, and the evaluation value E obtained by equation (2)
O(CAR) is used to determine the evaluation value for a specific heel (CAR) based on equation (3).

Ｅｌ（ＣＡＲ）＝Ｅ＄ＭＡｘｗＡＲＩ（ＲＥＳＰＴＸ（
Ｉ）ｍａｘ）＋ＥＯ（ＣＡＲ）　・・・（３） （２）および（３）式に示すＥ＄ＭＩＷＡＲＩおよびＥ
　＄　ＭＡＸＷＡ　ＲＩは、それぞれ未割付ホール呼び
に対する予測未応答時間、最大予測未応答時間の評価値
（イ）への変換関数である。これらの変換関数を例えは
第２１図（ａ）　、　（ｂ）に示すように設定している
。El(CAR)=E$MAxwARI(RESPTX(
I) max)+EO(CAR)...(3) E$MIWARI and E shown in formulas (2) and (3)
$ MAXWA RI is a conversion function for the predicted unresponsive time and the maximum predicted unresponsive time for an unallocated hall call, respectively, into an evaluation value (a). These conversion functions are set as shown in FIGS. 21(a) and 21(b).

すなわち、第２１図（、）に示すＥ　ｉ＄　Ｍ　Ｉ　Ｗ
Ａ　ＲＩ関数は、ＲＥＳＰＴＸＯ値が予め設定した設定
値Ｔ　１　ａｖｅ以上において零であ、９、Ｔｌａｖｅ
以下において３０− は−次の負函数となっている。一方、第２１図（ｂ）に
示すＥ＄ＭＡＸＷＡＲＩ関数は、設定値Ｔ２ａｖｅ以上
で２次の正函数、Ｔ　２　ａｖｅ以下において零である
。このことは、ＲＥＳＰＴＸがＴ　１　ａｖｅ以下の場
合、過剰サービスとなり、Ｔ２ａｖｅ以下の場合、サー
ビス悪化となることを意味する。That is, E i$ M I W shown in FIG. 21(,)
The A RI function is zero when the RESPTXO value is greater than or equal to a preset value T 1 ave, and is 9, T ave.
In the following, 30- is a negative function of order -. On the other hand, the E$MAXWARI function shown in FIG. 21(b) is a quadratic positive function above the set value T2ave, and is zero below T2ave. This means that if RESPTX is less than or equal to T 1 ave, there will be excessive service, and if RESPTX is less than or equal to T2ave, service will be deteriorated.

この評価式は一例であって、本発明では通常標準の評価
式は自由に選択できる。以上で予測未応答時間演算、標
準の評価値演算ルーチンの説明を終る。This evaluation formula is an example, and in the present invention, any standard evaluation formula can be freely selected. This concludes the explanation of the predicted non-response time calculation and standard evaluation value calculation routine.

第１７図のＥＯ〜Ｆまでの部分が第２２図に示されてい
る。これらのルーチンではかごの状態、ＫＣＴ、ＨＣＴ
等は作業用ＲＡＭに記憶してから使用される。ここまで
の説明でＥｌまでの説明が終った。The portion from EO to F in FIG. 17 is shown in FIG. 22. These routines check the car status, KCT, HCT
etc. are stored in the working RAM and then used. The explanation up to this point concludes the explanation up to El.

ここで第２５図のような状態を例として演算を行なって
みる。まず評価値（イ）の演算を行なう。Here, calculations will be performed using the state shown in FIG. 25 as an example. First, the evaluation value (a) is calculated.

ただしＴ１ａｖｅ＝Ｔ２ａｖｅ　＝１５（秒）と仮定す
る。第２５図で、Ａ号機は２Ｆ走行中、４Ｆにかごよび
有、Ｂ号機は２Ｆ走行中、８Ｄ（８階ダウン）に、２秒
継続のホール呼びをもち、Ｃ号機は５Ｆドア開（６秒で
ドア閉）、７Ｆ、８Ｆにかご呼びをもち、６Ｄに１０秒
継続のホール呼びをもち、Ｄ号機は、７Ｆ走行中、２Ｆ
にかと呼び、ＩＦにホール呼び（１秒継続）、３゜８Ｆ
に予測のかご呼びをもつ、これはＩＦのホール呼びに対
し、現在のＴＲＭＯＤ　＝　３　（大安、休日、春、夕
、チェックイン）での過去のデータよシ、 ＫＣＴ＆ＲＡＴ　（Ｉ　Ｕ　）　＝　４．２確鹿足数　
ＴＲＵ＆ＲＡＴ　＝　０．５このため、予測発生個数は
２ケとする。ＫＣＴ＆ＳＥＴのＩＵのかと呼び発生率の
高い可能性部分よＪ３Ｆ（宴会場、結婚式場）、８Ｆ（
スカイレストラン）とする。However, it is assumed that T1ave=T2ave=15 (seconds). In Figure 25, Car A is running on the 2nd floor and has a car on the 4th floor, Car B is running on the 2nd floor and has a hall call on 8D (8th floor down) that lasts 2 seconds, and Car C has a 5th floor door open (6 (door closes in seconds), has car calls on 7F and 8F, and has a hall call lasting 10 seconds on 6D.
Call Nika, call IF hall (continues for 1 second), 3°8F
This has a predicted car call for the IF hall call, based on past data at the current TRMOD = 3 (Daian, holiday, spring, evening, check-in), KCT & RAT (I U ) = 4. 2 sure deer foot count
TRU & RAT = 0.5 Therefore, the predicted number of occurrences is 2. KCT &SET's IU is likely to have a high incidence of calling out J3F (banquet hall, wedding hall), 8F (
Sky Restaurant).

また、７Ｄにホール呼びが発生し７“こと仮定する。こ
こで、通常の標準の評価値（イ）を演算すると次のよう
になる。Also, assume that a hall call occurs at 7D and the result is 7''.Here, when the normal standard evaluation value (A) is calculated, the result is as follows.

Ｅｌ　（Ａ号機）＝ＩＪＭＩＷＡＲＩ（ＲＥＳＰＴＸ（
７Ｄ））＋　Ｅｆｈ仏力Ｗ山Ｉ　（ＲＥＳＰＴＸ（７Ｄ
）　）＝Ｅ＄ＭＩＷＡＲＩ（１５）十Ｆお仏廟彎Ｒ工（
＋５）＝（１５−１５）＋（１５−１５）２ −Ｏ（ｓｅｅ） Ｅｌ　（Ｂ号機）＝（０）＋（１７−１５）２＝４（ｓ
ｅｅ） Ｅｌ（Ｃ号機）＝（０）＋（５１−１５）２＝１２９６
Ｃ秒〕 Ｅｌ（Ｄ号機）＝（０）＋（５４−１５）２＝１５２１
（秒） 以上で以前の方法ではＡ号機となる。なお、ここでは説
明を簡単にするため、満員予測や、その他のダメージ部
分の評価を省略する。しかし本発明においては第２２図
のＥｌからＲＥＴＵＲＮに致るまでのシミュレートルー
チンがある。この部分は第２３図にくわしく示されてい
る。まず、各号機の状態、ＨＣＴ、ＫＣＴ等をＲＡＭ上
にセットしてクリアの必要な部分はクリアを行なう。次
に第２３図の６０において次のホール呼３３− び発生予測が行なわれる。ここでは、第２４図に示され
ているように、ＯＬＤ＆ＳＥＴ＆Ｔに以前のホールよび
の発生の時刻のデータが保持されているのでこれを利用
しめることにする。学習データはＨＣＴ＆ＲＡＴを使用
する。（１５分間の平均ホール呼び発生個数）予測を正
確にするためにＨＣＴ＆ＲＡＴの下降をカットし、可能
性の高いものを使用する。各Ｈ８（ホールサブインデッ
クス）について次の式を演算する。El (Unit A)=IJMIWARI(RESPTX(
7D)) + Efh Buddha Power W Mountain I (RESPTX(7D
) ) = E$MIWARI (15) 10th floor Buddhist temple R construction (
+5)=(15-15)+(15-15)2 -O(see) El (Unit B)=(0)+(17-15)2=4(s
ee) El (Unit C) = (0) + (51-15)2 = 1296
C seconds] El (Unit D) = (0) + (54-15)2 = 1521
(Seconds) With the above, it becomes Unit A using the previous method. In order to simplify the explanation, we will omit prediction of full capacity and evaluation of other damage points here. However, in the present invention, there is a simulation routine from El to RETURN shown in FIG. This part is shown in detail in FIG. First, the status of each machine, HCT, KCT, etc. are set on the RAM, and the parts that need to be cleared are cleared. Next, at 60 in FIG. 23, prediction of the next hall call 33 is performed. Here, as shown in FIG. 24, OLD&SET&T holds data on the time of previous hole occurrence, so this will be used. The learning data uses HCT&RAT. (Average number of hall calls generated in 15 minutes) To make the prediction accurate, cut down the decline in HCT & RAT and use the most likely one. The following equation is calculated for each H8 (hole sub-index).

ＨＣＴ＆ＲＡＴ（Ｈａ）（ＨＣＴ＆ｔ（Ｓ＆ＬＭＴのと
き１（ＣＴ＆ＲＡＴ＆Ｔ（［８）−ＤＴ＆ＭＡＸ　（秒
）ＨＣＴ　＆　ＲＡＴ　（Ｈ８）≧ＨＣＴ＆Ｈ８＆ＬＭ
Ｔのときただし　ＩＦＩＸ（Ｘ）　：　Ｘの整数化（四
捨五入）このＨＣＴ　＆　ＲＡＴ　＆　Ｔ　は平均のホ
ール呼び発生インターバルで、■Ｓに何秒に１回の可能
性でホール呼びが発生するかという値である。ホール３
４− 鰺びの平均発生ａ数が少くない部分はカットしてＤＴ＆
ＭＡＸという最大の値を仮〃にセットする・ここで先の
、ホール呼びの発生時刻のデータにＨＣＴ　＆　ＲＡＴ
　＆　Ｔをグラスして、最小のものよシならぺなおした
ものがＨＣＴ＆ＳＥＴ＆Ｈ８のテーブルにしまわれる。HCT&RAT(Ha)(HCT&t(S&LMT 1(CT&RAT&T([8)-DT&MAX (sec) HCT&RAT(H8)≧HCT&H8&LM
When T, however, IFIX (X): Convert X to an integer (round off) HCT & RAT & T is the average hall call generation interval, and ■ How likely is it that a hall call will occur once every second in S? It is a value. Hall 3
4- Cut the part where the average number of occurrences of horse mackerel is not small and DT&
Temporarily set the maximum value MAX. ・Here, add HCT & RAT to the data of the time when the hall call occurred.
& T glasses, the smallest ones are flattened and stored on the HCT & SET & H8 table.

このデータは発生予測の速いＨ８よシ、ＨＣＴ＆ＳＥＴ
＆Ｈ８にしまわれている。This data is from H8, which has a fast prediction of occurrence, and HCT & SET.
& It is stored in H8.

今回の例においては、 ＯＮＴＩＭＥ＝１８：０２：００　（１８時、２分、０
秒）（現在の時間） とする。また、ＨＣＴ＆Ｈ８＆ＬＭＴ＝　１５　（個）
７１５分と仮定する。１５個よシ少くない階は発生のイ
ンターバルはＤＴ＆ＭＡＸとなる。In this example, ONTIME=18:02:00 (18:00, 2 minutes, 0
seconds) (current time). Also, HCT & H8 & LMT = 15 (pieces)
Assume 715 minutes. For floors with fewer than 15, the occurrence interval is DT & MAX.

＝４９（秒） （注）ＩＵ：ロビー階 ）ＩＣＴ＆ＲＡＴ　（Ｉ　Ｕ）＝１８．２　Ｃ個）７１
５分＝４８（秒） （注）３Ｕ：宴会場、結婚式場 ＨＣＴ＆ＲＡＴ　（３Ｕ）　＝　２０．１　（個）／１
５分＝６０（秒） （注）８Ｄニスカイレストラン ＨＣＴ＆ＲＡＴ（８Ｄ）＝１５．１　（個）７１５分以
上がＨＣ’Ｔ　＆　Ｈ８＆Ｌ、ＭＴよシも発生個数の多
い階である。これらの値を、発生時刻にプラスして大き
いものよ少ならべてみると以下のようになる。= 49 (seconds) (Note) IU: Lobby floor) ICT & RAT (I U) = 18.2 C pieces) 71
5 minutes = 48 (seconds) (Note) 3U: Banquet hall, wedding hall HCT & RAT (3U) = 20.1 (pieces) / 1
5 minutes = 60 (seconds) (Note) 8D Niskai Restaurant HCT&RAT (8D) = 15.1 (pieces) 715 minutes or more are floors with a large number of occurrences of HC'T &H8&L and MT. If we compare these values by adding them to the time of occurrence and decreasing them by the largest one, we get the following.

ＨＣＴ＆ＳＥＴ＆Ｈ８（ＨＣＴ＆ＲＡＴ＆Ｔ　＋　ＯＬ
Ｄ＆ＳＥＴ＆Ｔ）０：　９　（３Ｕ）　１８：０２：０
７Ｇ　７　（ＩＵ）　１８：０２：４８ ２：　０　（８Ｄ）　１８：０２：５８となる。HCT&SET&H8 (HCT&RAT&T + OL
D&SET&T) 0: 9 (3U) 18:02:0
7G 7 (IU) 18:02:48 2: 0 (8D) 18:02:58.

ただし　ＯＬＤ＆ＳＥＴ＆Ｔ（３Ｕ）　＝　１８　：　
０１　：　１９ＯＬＤ＆ＳＥＴ＆Ｔ（ＩＵ）　＝　１８
　：　０１　：　５９ＯＬＤ＆ＳＥＴ＆Ｔ（８Ｄ）　＝
　１８　：　０１　：　５８と仮定する。ここで未来の
シミュレートインターバルタイムリミツト（ＳＹＭ＆Ｔ
＆ＬＭＴ　）を３０秒とする。この条件に合うホール呼
び発生予測はＨ８＝９　（３Ｕ）で発生予測時間は１８
：０２二０７で７秒後となる。ここで、ＳＹＭ＆ＴａＬ
ＭＴ内の発生予測が複数あった場合は時間の早い方より
行なってゆく。また、発生予測時にホール呼び力２あっ
た場合は行わず、また、ＨＣＴ＆ＲＡＴ＆Ｔ　−ＤＴ＆
ＭＡＸのものも行なわない。However, OLD&SET&T (3U) = 18:
01: 19OLD&SET&T(IU) = 18
: 01 : 59OLD&SET&T(8D) =
Assume that 18:01:58. Here, the future simulation interval time limit (SYM&T
&LMT) is 30 seconds. The hall call occurrence prediction that meets this condition is H8 = 9 (3U), and the predicted occurrence time is 18
:02207, 7 seconds later. Here, SYM&TaL
If there are multiple occurrence predictions within MT, the predictions are made starting from the earliest one. In addition, if the hole call force is 2 at the time of prediction of occurrence, it will not be performed, and HCT&RAT&T -DT&
I also don't do MAX ones.

次に各号機に対して、１８：０２：００に発生の７Ｄの
ホール呼びを仮シに割当てた場合のすべての号機の位置
、状態を予測する。７秒後の状態は先に７Ｄの呼びに対
する標準の評価式をめるうえで使用した予測到着時間よ
請求まる。（予測到着時間＝７秒の位置） ここではＡ号機に７Ｄを仮シ割当てした場合３７− の７秒後の予測状態を第２６図（−）に示し、Ｄ号機に
７Ｄを仮り割当てした場合の７秒後の予測状態を第２６
図（ｂ）に示した。これらの状態をセットするのが第２
３図の６１のルーチンである。Next, for each car, the positions and states of all cars in the case where the 7D hall call that occurred at 18:02:00 is assigned to the virtual machine are predicted. The state after 7 seconds is calculated by the predicted arrival time that was used earlier in developing the standard evaluation formula for the 7D call. (Position of predicted arrival time = 7 seconds) Here, when 7D is provisionally assigned to aircraft A, the predicted state 7 seconds after 37- is shown in Figure 26 (-), and when 7D is provisionally assigned to aircraft D. The predicted state 7 seconds after is the 26th
It is shown in figure (b). The second step is to set these conditions.
This is the routine 61 in Figure 3.

そこで、次にこの３Ｕのポール呼びに対して標準の評価
値を計算する。このようにして俗号機に対し演算する。Therefore, next, a standard evaluation value is calculated for this 3U pole call. In this way, calculations are performed for secular machines.

ＯＡ号機に７Ｄを仮シ割当て時の７秒後の３Ｕについて
最小の評価値＝　（２１−１５）２＝３６（秒）（Ｄ号
機） ＯＤ号機に７Ｄを仮シ割当て時の、７秒後の３Ｕについ
て最小の評価値＝（１５−６）＝９（秒）（Ａ号機） 上記をＣ，Ｄ号機に行なった場合も９（秒）（Ａ号機）
となる。これが第２３図６２のルーチンである・このこ
とによって６３のルーチンで新評価値（ロ）がまる。本
実施例の場合は、呼びの発生予測が１コであったため、
評価値（ロ）Ｅ２は次のようになる。Minimum evaluation value for 3U 7 seconds after temporary assignment of 7D to OA machine = (21-15)2=36 (seconds) (D machine) 7 seconds after temporary assignment of 7D to OD machine Minimum evaluation value for 3U = (15-6) = 9 (seconds) (unit A) If the above is done for units C and D, it will also be 9 (seconds) (unit A)
becomes. This is the routine shown in FIG. 23 at 62. As a result, a new evaluation value (b) is determined in the routine at 63. In the case of this example, since the number of calls expected to occur was one,
The evaluation value (b) E2 is as follows.

Ｅ２（Ａ号機）＝３６（秒〕 ３８− Ｅ２（Ｂ号機）＝Ｅ２（Ｃ号機）−Ｅ２（Ｄ号機）＝９
（秒） これがめられ、第２３図の６０のルーチンで次の発生予
測がＳＹＭ＆Ｔ＆ＬＭＴをこえているために、リターン
ＲＥＴＵＲＮされる。これによって、第２２図の５１，
５２のルーチンが終了した。E2 (Unit A) = 36 (seconds) 38 - E2 (Unit B) = E2 (Unit C) - E2 (Unit D) = 9
(Seconds) This is detected, and since the next occurrence prediction exceeds SYM&T&LMT in the routine 60 of FIG. 23, a return is made. As a result, 51,
52 routines have been completed.

以上が近い未来のシミュレートによる評価計算ルーチン
である。ここで使用されている通常の標準の評価式は、
自由に選らぶことができるのが特徴である。また、本実
施例において満員予測や、他のダメージを評価に入れて
行なわなかったが、本発明方法の標準の評価式にそれを
使用すれば、同様に行なうことになる。また前記新評価
値（ロ）と標準の評価値（イ）を加算するうえで（ロ）
）の方に評価値予測確度係数（ＳＹＭ＆ＲＡＴ　）を乗
算して行なうと、よシ効来的である。ただし本例におい
てはＳＹＭ＆Ｔ＆　ＬＭＴ　＝　３０秒で、かなシ近い
未来のシミュレートしか行なわなかったため、ＳＹＭ＆
ＲＡＴ　＝　１とする。ＳＹＭ＆Ｔ＆ＬＭＴを変化させ
、段階的にＳＹＭ＆ＲＡＴを０．８，０．５等にすると
効果的である。The above is the evaluation calculation routine by simulating the near future. The usual standard evaluation formula used here is
The feature is that you can choose freely. Further, in this embodiment, fullness prediction and other damage were not included in the evaluation, but if it is used in the standard evaluation formula of the method of the present invention, it will be performed in the same way. Also, when adding the new evaluation value (b) and the standard evaluation value (a), (b)
) by the evaluation value prediction accuracy coefficient (SYM&RAT) is more effective. However, in this example, SYM&T&LMT = 30 seconds, and since we only simulated the near future, SYM&T&LMT = 30 seconds.
Let RAT = 1. It is effective to change SYM&T&LMT and gradually set SYM&RAT to 0.8, 0.5, etc.

次に第１７図のＦに進む。Ｆ−Ｇについては第２７図に
示されているルーチンを通過する。Next, proceed to F in FIG. For FG, the routine shown in FIG. 27 is passed.

このようにして、各号機の評価値（イ）および新評価値
０）がまると、第１７図のＦｌすなわち、第２７図のル
ーチンへ進む。In this way, when the evaluation value (a) and the new evaluation value 0) of each car are equalized, the process proceeds to Fl in FIG. 17, that is, the routine in FIG. 27.

まず、かご（ＣＡＲ）各号機の総合評価値Ｅ（ＣＡＲ）
を次式によってめる。First, the overall evaluation value E (CAR) of each car (CAR)
is determined by the following formula.

Ｅ　（ＣＡＲ）　＝Ｅ　１　（ＣＡＲ）　＋Ｅ　２　（
ＣＡＲ）　＊　ＳＹＭ＆ＲＡＴ（注）＊は乗算 そして、各号機の総合評価値Ｅ　（ＣＡＲ）を比較して
最小の総合評価値Ｅ　（ＣＡＲ）を示す号機を未割付ホ
ール呼びに対する割付号機（ＯＰＴ＆ＣＡＲ）とする。E (CAR) = E 1 (CAR) + E 2 (
CAR) * SYM & RAT (Note) * is multiplied, and the overall evaluation value E (CAR) of each machine is compared, and the machine with the lowest overall evaluation value E (CAR) is assigned as the allocated machine (OPT & CAR) for the unallocated hall call. do.

そして、この割付号機（ＯＰＴ＆ＣＡＲ）を第２図のＨ
ＣＴの第６ビツトの該当ｆ（Ｓに登録する。その結果、
未割付ホール呼びが既割付ホール呼びに変換され、Ｇに
進む。次の未割付ホール呼びを検索し、同様な方法で割
付号機（ＯＰＴ＆ＣＡＲ）を決定する。Then, set this assigned number (OPT & CAR) to H in Figure 2.
The corresponding f of the 6th bit of CT is registered in S. As a result,
The unallocated hall call is converted to an allocated hall call, and the process proceeds to G. The next unassigned hall call is searched and the assigned car number (OPT & CAR) is determined in the same manner.

この例においてはＳＹＭ＆ＲＡＴ　＝　１と仮定し、Ｅ
（Ａ号機）＝Ｅ１（Ａ号機）＋ＳＹＭ＆ＲＡＴ＊Ｅ２　
（Ａ号機）＝０＋３６＝３６（秒） Ｅ（Ｂ号機）＝４＋９＝１３（秒） Ｅ（Ｃ号機）＝１２９６＋９＝１３０５　（秒）Ｅ（Ｄ
号機）＝１５２１＋９＝１５３０（秒）となシ、標準の
評価とは異なる８号様に決定される。これは、３Ｕが高
需要階のため、近い未来にホール呼びが発生すると予測
されたため、近くにかと呼びできているＡ号機を、３Ｕ
ｔ−ビス用として保存し、次の発生を待つようにした。In this example, we assume SYM&RAT = 1 and E
(Unit A) = E1 (Unit A) + SYM & RAT * E2
(Unit A) = 0 + 36 = 36 (seconds) E (Unit B) = 4 + 9 = 13 (seconds) E (Unit C) = 1296 + 9 = 1305 (seconds) E (D
No. 8) = 1521 + 9 = 1530 (seconds), and is determined to be No. 8, which is different from the standard evaluation. This is because 3U is a high-demand floor and it was predicted that hall calls would occur in the near future.
I saved it for T-bis use and waited for the next occurrence.

もし３Ｕの呼びが発生した場合、Ａ号機に割当てを行な
うと、３Ｕ〜６Ｕ付近にサービス水準の劣化が起こるこ
とを予測して、しかもＢ号機に割当ても７Ｄのサービス
がそれｌ−ｔど悪化しないためにＢ号機に割当てている
。また、このＡ号機を保存した効果は、中間階の上昇方
向のサービス低下を防ぎ、ひいては全号機が同帯域へ向
ってしまうような「だんご状態」の予防につながジ、長
待ちの予防にもなる。また１、Ａ号機の保存は自然、無
駄運転を省き省エネルギ４１− 一効果となる。If a call for 3U occurs, if it is assigned to machine A, it is predicted that the service level will deteriorate around 3U to 6U, and even if it is assigned to machine B, the service level of 7D will deteriorate by that much. In order to prevent this, it is assigned to machine B. In addition, the effect of preserving Unit A is to prevent service deterioration in the ascending direction of intermediate floors, which in turn prevents a "dumpling situation" in which all units are directed to the same band, and also to prevent long waiting times. Become. In addition, 1. Preservation of Unit A naturally results in energy savings by eliminating wasteful operation.

本発明において標準の評価式を自由に選択できることが
大きな特徴の１つである。このため、前述の実施例では
使用しなかった満員予測等の評価を伺加することは可能
である。学習機能に乗、降車人数があるために十分対策
でき、食堂階対策、特定階集中モード対策に有効となシ
、満員による割付階の通過防止策となる。また、前記の
評価値予測確度係数（ＳＹＭ＆ＲＡＴ　）シミュレート
のリミットタイムや、予測発生ホール呼びまでの時間に
よって変化させ、予測精度の高いものに１〜０８、低く
なるにつれて０６゜０５．０４と低くして、総合のシミ
ュレートによる評価値の信頼性を高め、シミーレート時
間を長くすることも、有効である。One of the major features of the present invention is that a standard evaluation formula can be freely selected. For this reason, it is possible to add evaluations such as prediction of full occupancy, which were not used in the above-mentioned embodiments. Since the number of people getting on and off the train using the learning function is sufficient, it is effective as a countermeasure against the dining floor, a concentration mode on a specific floor, and a measure to prevent passing through assigned floors due to full passengers. In addition, the evaluation value prediction accuracy coefficient (SYM & RAT) is varied depending on the simulation limit time and the time until the hall call when the prediction occurs. It is also effective to increase the reliability of the evaluation value obtained by comprehensive simulation and to lengthen the shimmy rate time.

さらに、学習機能ルーチンをよシ高度なものとした場合
、浩然シミュレートの精度が向上し、有効なものとなる
。Furthermore, if the learning function routine is made more sophisticated, the precision of the simulator will be improved and it will become more effective.

〔発明の効果〕〔Effect of the invention〕

以上述べたように、本発明方法によると、字４２− 習データによる近い未来のシミュレートの後、割付を行
なうために、高需要階の次のホール呼び発生予測を行な
いその状態に対応できる、現在の割当てを行なう。この
ため、−見計価の良好なかごであっても、その時点のホ
ール呼びに割当てず、次の近くの高需要階に割当を行な
うために保持し、無駄な動きをさせず、また次のホール
呼びにすぐに対応できるため、長待ちが減少する。また
、同様に無駄運転の減少によシ、省エネルギーの効果が
得られ、かつ、高需要階に対するかごの保持的な傾向を
もつために、全号機が同方向へ向いてしまう「だんご状
態」の予防につ々がる効果も得られる。As described above, according to the method of the present invention, after simulating the near future using the 42-year data, in order to perform allocation, it is possible to predict the next hall call occurrence on a high demand floor and respond to the situation. Make current assignments. For this reason, even if a car has a good estimated price, it is not allocated to the hall call at that time, but is held for allocation to the next nearby high demand floor, so that it does not move unnecessarily, and Because hall calls can be responded to immediately, long waiting times are reduced. In addition, it has the effect of energy conservation by reducing wasteful operation, and because it has a tendency to hold cars on high-demand floors, it prevents the "dango state" in which all machines are facing in the same direction. It also provides preventive effects.

【図面の簡単な説明】[Brief explanation of the drawing]

第１図は本発明によるエレベータの群管理制御方法を実
施する制御装置を示すブロック構成図、第２図〜第４図
、第８図〜第１Ｏ図、第１３図〜第１６図および第２４
図は同制御装置の記憶部内におけるテーブル配置図、第
５図は同制御装置の記憶部内のソフトウェアを説明する
ための図、第７図は交通量モードの符号の説明図、第１
１図、第１２図、第１７図、第１８図、第２０図、第２
２図、第２３図および第２７図はそれぞれ本発明による
エレベータの群管理制御方法を説明するためのフローチ
ャート、第６図、第１９図、第２５図、第２６図（ａ）
　、　（ｂ）はそれぞれ同群管理制御方法を適用した場
合のエレベータのかごの動きを説明するための図、第２
１図（ａ）　、　（ｂ）はそれぞれ同制御装置の変換関
数の特性図である。 １・・・ホール呼び登録回路、２Ａ〜２Ｄ・・・エレベ
ータ運行制御装置、３Ａ〜３Ｄ・・・かご状態バッファ
、４Ａ〜４Ｄ・・・かご呼び登録回路、５・・・小型計
算機、６．７Ａ〜７Ｄ、ＨＡ〜８Ｄ・・・入力レジスタ
、９・・・ホールコンディションテーブル（ＨＣＴ）、
Ｉ　Ｏ・・・カーコンディションテーブル（ＣＣＴ）、
１１・・・カーコンディションテーブル（ＫＣＴ　）。 出願人代理人　弁理士　鈴　江　武　彦箪５図 鵠　４　図 ３．１に 白１ 第６図 第７図 第１０図 にＣ十＄ＳＥＴ　（ｘ、ｙ） 第１１　図 ＥＮＴＲＹ　：学習テパ−グπ工里タスクＮ。 ＥＳ ＴＲＭＯＤ＄　ＲＡＭ　” ＨＣＴ＄翫弔にＣＴ＄ＲＡＴ ＩＮ＄ＲＡＴ　Ｍの ２県ψ仙　。、ア。６ｆｆｉ＋。輸 ８１１”業ＲＡＭ のクリア 以創の零凹チー　１ タルエ里用バッファー へ衿Ｉ Ｊス痢の′写習テ゛−タ　２ チーアルに、７　−゛ 干−７゛月、＆ローｈ” 第１３図 第１４　図 ＣＺ＄ＤＡＴＡ（ｘ、い 第１５図 テ゛−タ送１Ｎバ・ノファ 第１６図 第２１図 （ａ） （ｂ） 第２２図 第２４図 第２５　問 第２６図（ａ） 第２６図（ｂ） 第２７図 −７４８−FIG. 1 is a block configuration diagram showing a control device implementing the elevator group management control method according to the present invention; FIGS. 2 to 4; FIGS. 8 to 1O; FIGS. 13 to 16; and FIG.
The figure is a table layout diagram in the storage section of the control device, FIG. 5 is a diagram for explaining the software in the storage section of the control device, FIG.
Figure 1, Figure 12, Figure 17, Figure 18, Figure 20, Figure 2
2, 23, and 27 are flowcharts for explaining the elevator group management control method according to the present invention, and FIG. 6, FIG. 19, FIG. 25, and FIG. 26(a), respectively.
, (b) are diagrams for explaining the movement of the elevator car when the same group management control method is applied, respectively.
1(a) and 1(b) are characteristic diagrams of the conversion function of the same control device, respectively. 1... Hall call registration circuit, 2A-2D... Elevator operation control device, 3A-3D... Car status buffer, 4A-4D... Car call registration circuit, 5... Small computer, 6. 7A to 7D, HA to 8D...Input register, 9...Hall condition table (HCT),
I O... Car condition table (CCT),
11...Car condition table (KCT). Applicant's agent Patent attorney Takehiko Suzue 4 White 1 in Figure 3.1 Figure 6 Figure 7 Figure 10 C00 SET (x, y) Figure 11 ENTRY: Learning taper πKuri task N. ES TRMOD$ RAM ” HCT$ condolence CT$RAT IN$RATM M's 2 prefectures ψsen., A. 6ffi+. Import 811" business RAM clear zero recess 1 To Tarueri buffer collar I J 13. 14. Figure CZ$DATA (x, Figure 15. Figure 16 Figure 21 (a) (b) Figure 22 Figure 24 Figure 25 Question Figure 26 (a) Figure 26 (b) Figure 27 -748-

Claims (1)

【特許請求の範囲】 複数のサービス階床に対して複数台のエレベータを就役
させ、新たに前記各エレベータに共通に発せられた所定
のサービス階床からのホール呼び指令に対して、前記ホ
ール呼び指令発生階へ向うエレベータを決定する計算機
を有するエレベータの群管理制御方法において、前記計
算機に各々のホールからのホール呼びの発生状態を）月
別、時間別〜曜日別、六曜側など、交通パターンを決定
する大きな要素別に記憶する学習機能をもたせ、かつ前
記計算機にその学習されたデータによυ、近い未来の一
定時間内におけるエレベータの動向を予測するシミュレ
ート機能をもたせ、新発生ホール呼びに対して、所定の
評価式を用いて第１の評価値をもとめ、次にこのめた第
１の評価値に基いて各々のエレベータを仮り割当てし、
前記シミュレート機１− 能によシ今後一定時間のエレベータのシミュレートを行
ない、近い未来の一定時間内に発生予測される新発生ホ
ール呼びを、所定の評価式に基づき前記学習機能によ）
、予測割当てを行ない、その予測割当ての評価値を、近
い未来のサービス水準の評価値として、新たに第２の評
価値とし、前記第１の評価値に、前記第２の評価値を加
算して総合評価値をめ、この総合評価値が最小となるエ
レベータを最良号機として側渦を行なうエレベータの群
管理制御方法。[Scope of Claims] A plurality of elevators are put into service for a plurality of service floors, and in response to a hall call command newly issued from a predetermined service floor to each of the elevators, the hall call In an elevator group management control method that includes a computer that determines which elevator goes to the floor where the command is issued, the computer records the occurrence status of hall calls from each hall (by month, by hour to day of the week, by Rokuyo side, etc.), and the traffic pattern. The computer is equipped with a learning function that memorizes the major factors that determine In contrast, a first evaluation value is obtained using a predetermined evaluation formula, and then each elevator is provisionally allocated based on the obtained first evaluation value,
The simulator 1 simulates the elevator for a certain period of time in the future, and uses the learning function to calculate new hall calls that are predicted to occur within a certain period of time in the near future based on a predetermined evaluation formula)
, perform a predicted allocation, set the evaluation value of the predicted allocation as a new second evaluation value as an evaluation value of the service level in the near future, and add the second evaluation value to the first evaluation value. A group management control method for elevators in which a comprehensive evaluation value is determined, and the elevator with the lowest comprehensive evaluation value is designated as the best machine and a side vortex is performed.