JPS63106282A - Group control method 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) [Abstract] This bulletin contains application data before electronic filing, so abstract data is not recorded.

Description

【発明の詳細な説明】 ［発明の目的コ （産業上の利用分野） 本発明はエレベータの群管理制御に係わり、特に知識工
学の応用により、各種の群′＃埋制御においてそれぞれ
の目標値に良好に追従させることのできるようにしたエ
レベータの群管理制御方法に関するものである。[Detailed Description of the Invention] [Purpose of the Invention (Industrial Application Field) The present invention relates to group management control of elevators, and in particular, by applying knowledge engineering, it is possible to achieve each target value in various group control. The present invention relates to a group management control method for elevators that enables good tracking.

（従来の技術） 近年、複数台のエレベータを並設した場合に、エレベー
タの運転効率の向上およびエレベータ利用者へのサービ
ス向上を図るため、各階床のホール呼びに対する応答号
機をマイクロコンビ、−タ等の小形コンビ、−夕を用い
て合理的に、且つ、速やかに割当てることが行なわれて
いる。(Prior art) In recent years, when multiple elevators are installed in parallel, in order to improve the operating efficiency of the elevators and improve the service to elevator users, the answering machine for hall calls on each floor has been changed to a microcombination or The allocation is done rationally and quickly using small combinations such as -.

すなわちこれは群管理制御と呼ばれる制御方式であり、
ホール呼びが発生すると、そのホール呼びに対処するの
に最適なエレベータを選定し、早期にそのホール呼びに
応答させるエレベータを割当てるとともに、他のエレベ
ータはそのホール呼びに応答せないようにしたり、ある
いは朝の出動時や退社時、昼食時等のような交通需要の
増加時、更には夜間等のような交通減少時などそのビル
独特の交通変化に合わせて予め設定した運転モードに切
換えつつ効率的な運用を図るべく各エレベータを制御す
るものである。In other words, this is a control method called group management control.
When a hall call occurs, the most suitable elevator to handle the hall call is selected, and the elevator is assigned to respond to the hall call at an early stage, while other elevators are prevented from responding to the hall call, or Efficiently switch to a preset driving mode according to traffic changes unique to the building, such as when traffic demand increases such as when people come to work in the morning, when leaving work, and during lunch time, and when traffic decreases such as at night. It controls each elevator to ensure safe operation.

ところで近年のような小型コンビ、−夕の著しい発達に
伴う小型コンビ、−夕のコスト低減によ９群管理装置の
他にも単体のエレベータの制御を行うエレベータ制御装
置等にも小型コンビ、−タは使用されるようになった。By the way, in recent years, with the remarkable development of small combinations, - small combinations, - due to the cost reduction of evenings, small combinations have been used not only for 9 group control devices but also for elevator control devices that control individual elevators. ta came into use.

またこれらのコンピュータに対する情報の伝達方法とし
てはシリアル伝送方法が主流となｐつつある。そして、
これらＰ管理制御装置と、エレベータ単体制御装置は各
伝送装置と、ソフトウェアによる一定の手続により、単
純に結線（又は光ケーブル接続）で自由に群管理データ
を授受出来るようになっている。Furthermore, serial transmission methods are becoming the mainstream method for transmitting information to these computers. and,
These P management control devices and elevator single control devices can freely exchange group management data by simply connecting wires (or optical cable connections) with each transmission device and through certain software procedures.

また、多数台のエレベータを群管理制御する大規模ビル
においても、ビル管理用コンビ、−夕や、ＯＡ（オフィ
スオートメ−シラン）用コンビ、−タなどにより、ビル
全体を管理し九り、各フロア間の情報の授受を行ってい
る。これらの情報の中にはビルの交通に関係するものが
多数台まれている。また群管理制御用コンビ、−夕の情
報にも、ビル管理時に必要なホールデータ（例えばホー
ルの乗客検出）も含まれている。しかしながら、こｎら
のビル管理用のデータと群管理制御データの授受は、は
とんど行わｎていない。このため、それぞｎに情報入手
のためのセンナや報知装置を取付るケースも見受けられ
る。In addition, even in large-scale buildings where a large number of elevators are managed and controlled, the building can be managed as a whole using building management combinations, OA (office automation run) combinations, etc. Exchanges information between floors. This information includes many items related to building traffic. The group management control combination information also includes hall data (for example, hall passenger detection) necessary for building management. However, these building management data and group management control data are rarely exchanged. For this reason, there are cases in which sensors and notification devices are installed on each n to obtain information.

しかし、一般的にはエレベータの群管理制御はホール呼
シカする割当の制御と、高交通需要に対する特殊オペレ
ージ繋ン制御が中心となっている。However, in general, elevator group management control focuses on control of hall call allocation and special operation connection control for high traffic demand.

ホール呼びに対する割当制御においては、従来は到着時
間等、各種演算データを利用した評価によって行ってい
た。このため、予測失敗により割当の失敗が発生するこ
ともあった。Conventionally, allocation control for hall calls has been performed by evaluation using various calculation data such as arrival time. For this reason, an allocation failure may occur due to a prediction failure.

このようなことを無くすために、日々の交通の流れを学
習したり、また、その予測データの信頼性を求めるもの
などがあった。In order to eliminate this problem, there have been efforts to learn daily traffic flows and to improve the reliability of predicted data.

（発明が解決しようとする問題点） しかし、エレベータシステムにおいては上述のようにい
くら学習を行っていても確率的に発生するホール呼びゃ
、派生するかご呼びを完全に予測することは不可能であ
り、そのデータの信頼性は低い。しかしながら、データ
の信頼性が低くても予測演算により、ある程度のオーダ
ーの値が求められ、評価演算に組入れざるを得ない。(Problem to be solved by the invention) However, in an elevator system, no matter how much learning is performed as described above, hall calls occur stochastically, and it is impossible to completely predict derived car calls. Yes, and the reliability of that data is low. However, even if the reliability of the data is low, a value of a certain order of magnitude can be obtained by predictive calculation and must be incorporated into evaluation calculation.

このことは、評価の決定に多くの失敗の可能性をはらん
でいることを意味している。また、このことは、予測値
を利用した条件の設定に対して、真の設計者の考える条
件との食違いがあることを示しておシ、設計者の条件の
設定はよシきつい完全な条件を目指すことになって、設
計者の意図していたような軽快な動きよシも、保守的な
鈍重な動きとなる傾向がある。This means that evaluation decisions are fraught with many possibilities of failure. This also shows that there is a discrepancy between the setting of conditions using predicted values and the conditions considered by a true designer. When aiming for conditions, even the light movements that the designer had intended tend to become conservative and slow movements.

また、割当ての評価演算へ設計者の考えを組入れる場合
、関数値の変更や重みの変更等に止どまり、間接的な組
込みとなって鈍重な動きとなる傾向を拭えない。Furthermore, when incorporating the designer's ideas into the allocation evaluation calculation, it is difficult to eliminate the tendency that the idea is limited to changes in function values, weights, etc., and the incorporation becomes indirect, resulting in sluggish movement.

また、このことは、効果の検証においても傾向が表立っ
て現れにくいことを示している。This also indicates that trends are unlikely to emerge in the verification of effects.

エレベータ群管理制御の高需要対応の特殊オペレージ璽
ンにおいても、予測データのあいまいさにより、先に述
べたようＫきめの細かいコントロールと言うよシも鈍重
な保守的なコントロールとなる傾向がある。Even in the case of special operation codes for handling high demand for elevator group management control, due to the ambiguity of the forecast data, as mentioned above, there is a tendency for the fine-grained control to become slow and conservative control.

そこでこの発明の目的とするところは、設計者すなわち
、群管理制御の専門家の知識を直接的に制御に利用し、
きめ細かい制御を実現し、同時にその制御の基本となっ
ている条件のあいまいさを加味して割当て制御の失敗を
少なくすることが出来るようにし、また、その制御指示
のあいまいさや正しさを予測する上で、各フロアのシス
テムに対する影響までも考慮できるきめの細かいコント
ロールを可能にしたエレベータの群管理制御方法を提供
することにある。Therefore, the purpose of this invention is to directly utilize the knowledge of a designer, that is, a group management control expert, for control.
It is possible to realize fine-grained control and at the same time reduce failures in allocation control by taking into account the ambiguity of the conditions that are the basis of that control, and to predict the ambiguity and correctness of control instructions. The purpose of the present invention is to provide a group management control method for elevators that enables fine-grained control that takes into account even the influence on the system of each floor.

［発明の構成］ （問題点を解決するための手段） 上記目的を達成する九め、本発明は次のようにする。す
なわち、複数のエレベータを統括して制御するエレベー
タの群管理制御において、発生したホール呼びに対しそ
の呼びを割当てるなどの各種制御指示を決定する際、意
図する制御目的を達成する九めに経験則に基づき各徨条
件による制御指示内容を設定し、且つ、各階床の重要度
を加味した専門家の経験と九Ｍｌ＆に基づく主観量によ
り人為的に各条件の確信度を定め、その確信度にあつた
帰属度関数を用意すると共に各号機別に発生ホール呼び
に対して目的の制御を行った場合の指標値を階床の重要
度を含めて求め、条件とその確信度に応じ対応する帰属
度関数を用いてこの指標値により定まる上記条件対応の
制御指示への帰属度を求めその制御指示を行ったと仮定
した場合の有効性を推論により求め、その結果に応じて
制御指示を決定するようにする。[Structure of the Invention] (Means for Solving the Problems) To achieve the above object, the present invention is as follows. In other words, in elevator group management control where multiple elevators are collectively controlled, when determining various control instructions such as assigning calls to generated hall calls, the ninth rule of thumb is to use empirical rules to achieve the intended control purpose. Based on this, we set the content of control instructions for each stray condition, and artificially determined the degree of certainty for each condition based on the experience of experts and subjective quantities based on 9Ml&, taking into account the importance of each floor. At the same time as preparing a warm attribution degree function, we calculate the index value, including the importance of the floor, when the desired control is performed on the generated hall calls for each machine, and calculate the corresponding attribution degree according to the conditions and its confidence. Using a function, the degree of attribution to the control instruction corresponding to the above condition determined by this index value is determined, and the effectiveness of the assumption that the control instruction is given is determined by inference, and the control instruction is determined according to the result. do.

（作用） すなわち、群管理制御において発生したホール呼びに対
して各種の制御指示を決定する際、意図する制御目的を
達成する九めに設定した経験則に基づく各種条件による
制御指示内容を各号機別に仮に割当てた場合の指標値を
階床の重要度を含めて求めホール呼びの発生した階床の
重要度を加味した専門家の経験と知識に基づく主観量に
より人為的に定めた各条件と確信度にあり九帰属度関数
を用いて上記指標値により定まる上記条件対応の制御指
示への帰属度を求めその制御指示を行り九と仮定した場
合の有効性をこの帰属度を加味した推論により求め、そ
の結果に応じて各号機の最終制御指示を決定するように
する。(Function) In other words, when determining various control instructions for hall calls that occur during group management control, the content of the control instructions is determined for each machine based on various conditions based on empirical rules that have been set to achieve the intended control purpose. If the index values were to be assigned separately, we calculated the index value including the importance of the floor, and calculated the index value based on the importance of the floor where the hall call occurred. The degree of attribution to the control instruction corresponding to the above condition determined by the above index value is determined using the nine degree of confidence function, and the effectiveness of the control instruction is calculated by taking this degree of attribution into account, assuming that the degree of attribution is 9. This is determined by inference, and the final control instructions for each machine are determined based on the results.

このように専門家の持つ経験に基づくエレベータの運行
形態の変化の傾向をあいまいさを加味し、需要階床の重
要度を含め推測する。従って、実際の情報のみでは推測
し得ない状況判断を可能にする。In this way, we estimate trends in changes in elevator operation patterns based on the experience of experts, including the importance of demand floors, taking into account ambiguity. Therefore, it is possible to make judgments about situations that cannot be estimated based on actual information alone.

この結果、設計者すなわち、群管理制御の専門家の知識
を直接的に制御に利用できるので、きめ細かい制御を実
現でき、同時にその制御の基本となっている条件のあい
まいさを加味した選択が出来るので割当て制御の失敗を
少なくすることが出来るとともに、また、その制御指示
のあいまいさや正しさを予測する上で、各階床のシステ
ムに対する影響まで考濯できるきめ細かいコントロール
を可能にしたエレベータの群管理制御方法を提供するこ
とが出来るようになる。As a result, the knowledge of the designer, that is, the group management control expert, can be used directly for control, making it possible to achieve fine-grained control and at the same time to make selections that take into account the ambiguity of the conditions that form the basis of that control. Therefore, it is possible to reduce failures in assignment control, and to predict the ambiguity and correctness of control instructions, it is possible to perform fine-grained control that considers the impact on the system of each floor. We will be able to provide a method.

（実施例） 以下、本発明の一実施例について図面を参照して説明す
る。第１図は本発明の一実施例に係る群管理制御システ
ムの構成を示すプロ、り図である。(Example) Hereinafter, an example of the present invention will be described with reference to the drawings. FIG. 1 is a professional diagram showing the configuration of a group management control system according to an embodiment of the present invention.

図において１は全体の群管理制御を司る群管理制御装置
、２は単体のエレベータの運行等の制御を行うエレベー
タ単体制御装置であり、また３は外部とのデータの授受
を行う伝送；ントローツ、４はエレベータの運行状況を
監視する監視モニタである。群管理制御装置１はエレベ
ータ制御装置２や伝送コントローラ３、エレベータ監視
モニタ４とそれぞｎ伝送専用ＬＳＩを用いてシリアル伝
送ラインによるシステムパスで結合さｎている。ま危、
ホールのダート、ランプセンナ、ディスプレイ等とホー
ル入出力機器５とのＩｌｏ　（入出力）結合はシリアル
伝送ラインにより行われている。これは伝送専用ＬＳＩ
と汎用の伝送ン７トウェアによる。ま九、かご内に設け
であるかご内コントローラ６とそれに対応するエレベー
タ制御装置２もシリアル伝送ラインによ多結合されてい
る。また、ビル管理コンピュータ１１のデータや、ＯＡ
コンビ、−夕１２のデータ、タイムレコーダ１３のデー
タ、また、報知データ入力端末装置１４よシＩ１０コン
トローラ１５を介して与えられる例えば会蛎室の利用、
終了等のような報知データ、入口カウンタデータ（出入
シする人員数）は伝送コントローラ３のインターフェー
スにより結合され、エレベータシステム側のシリアルシ
ステムパスに伝送さｎる。こｎによりて、群管理制御装
置ＩＫは上記各種のデータを与えることができる他、群
管理に関するデータを上記コンピュータ１１゜本システ
ムは最大規模に近い例である。このため、一部分を削除
したシステムであっても、本発明を適用できる。In the figure, 1 is a group management control device that manages the entire group management control, 2 is an elevator single control device that controls the operation of a single elevator, and 3 is a transmission system that exchanges data with the outside; 4 is a monitoring monitor that monitors the operating status of the elevator. The group management control device 1 is connected to an elevator control device 2, a transmission controller 3, and an elevator monitoring monitor 4 through a system path formed by a serial transmission line using a transmission-dedicated LSI, respectively. It's dangerous,
The Ilo (input/output) connection between the hall dart, lamp sensor, display, etc. and the hall input/output device 5 is performed by a serial transmission line. This is a transmission-only LSI
and general-purpose transmission software. Furthermore, the in-car controller 6 provided within the car and the corresponding elevator control device 2 are also coupled to the serial transmission line. In addition, data from the building management computer 11 and OA
combination, data from the evening 12, data from the time recorder 13, and use of the meeting room, for example, provided via the notification data input terminal device 14 and the controller 15,
Announcement data such as completion, etc., and entrance counter data (number of people entering and exiting) are combined by the interface of the transmission controller 3 and transmitted to the serial system path on the elevator system side. As a result, the group management control device IK can provide the above-mentioned various data as well as the data related to group management to the computer 11. This system is close to the largest in scale. Therefore, the present invention can be applied even to a system in which a portion is deleted.

次に群管理制御装置１のソフトウェア構成の説明を行う
。第２図に示すように群管理制御用のソフトウェアの構
成は種々の機能別タスクとそのサラルーチン及び、これ
らのタスクを管理するためのタスク管理プログラムよシ
なる。そして、群管理制御装置１内の小型コンビ、−タ
（一般的にはマイクロコンビ、−夕を使用するので、以
下マイコンと称する）を動作開始させるとこのマイコン
はまずスタート後、タスク管理プログラム２０を実行し
てどのタスクすなわち、機能別に分離され九ソフトウェ
アモジ、−ルを起動するかを決定する。タスクは機能別
のソフトウェアモジ、−ルであシ、条件により起動され
る。Next, the software configuration of the group management control device 1 will be explained. As shown in FIG. 2, the configuration of the software for group management control consists of various functional tasks, their salaried routines, and a task management program for managing these tasks. When the small combination controller (generally used microcombi, hence referred to as a microcomputer) in the group management control device 1 is started to operate, this microcomputer first starts and then executes the task management program 20. to determine which task, that is, nine functionally separated software modules to run. Tasks are activated by functional software modules, rules, and conditions.

ここで、各タスクの説明を簡単に行う。３２はイニシャ
ライズタスクであシ、このタスクはＲＡＭ（ランダムア
クセスメモリ）やＣＰＵ　（グロセーサ）のレジスタの
イニシャライズや、ＬＳＩ　（大規模集積回路）のイニ
シャライズを行うタスクであって、初期状態や、動作の
モードが切夛かゎり次時、起動される。Here, each task will be briefly explained. 32 is an initialization task, which initializes the registers of RAM (random access memory) and CPU (grocer), and initializes LSI (large scale integrated circuit), and initializes the initial state and operation. It is activated when the mode is overloaded.

２１は外部入力タスクであシ、こｎはＣＣＴ　、ＫＣＴ
ＨＣＴ等の外部入力をＲＡＭ　（ランダムアクセスメモ
リ）上にセットする入力タスクである。このタスクは優
先度が高く、起動させると１００　ｍｓ程度ごとに再起
動がかかる。21 is an external input task, this is CCT, KCT
This is an input task that sets external inputs such as HCT on RAM (random access memory). This task has a high priority, and if started, it will be restarted every 100 ms or so.

また、トリガのチェック等もこのタスク中で行わｎる。Additionally, trigger checks and the like are also performed during this task.

ここで上記ＨＣＴはホールコンディジ璽ンテーブルであ
シ、これにはエレベータ制御装置によりホール呼び登録
された、そのデータが入力さｎる。Here, the above-mentioned HCT is a hall condition register table, into which data of hall calls registered by the elevator control device is input.

ＯＣＴはカーコンディジ冒ンテーブル、ＫＣＴはかとコ
ンディジ習ンテーブルであって今、仮シに群を構成する
エレベータがＡ−Ｄ号機の４台とし、サービス階床を１
〜８７０アと仮定すると上記ＨＣＴ　。OCT is a car condige development table, and KCT is a kakondaji development table, and currently there are four elevators, A-D, making up a temporary group, and one service floor.
Assuming ~870a, the above HCT.

ＣＣＴ、ＫＣＴはそｎぞれ第３図、第４図、第５図のよ
うなビット構成となっている。CCT and KCT have bit configurations as shown in FIGS. 3, 4, and 5, respectively.

すなわち、第３図に示しｔホール状態を表わすＨＣＴに
おいて、Ｏ〜１３のホールサブインデックス（Ｈ８）Ｋ
対して８階の下降（８Ｄ）から７階の上昇（７Ｕ）まで
各８ビ、トの情報が格納さｎている。各階ごとのホール
状態を具体的に説明する。That is, in the HCT representing the t-hole state shown in FIG.
On the other hand, 8 bits of information are stored each from the descent of the 8th floor (8D) to the ascent of the 7th floor (7U). The hall conditions for each floor will be explained in detail.

例えば、５階のエレベータホールにて上昇呼びホール釦
が押さｎ７１ｃとすると、Ｈ８の１１　（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、Ｈ８
の１１における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Ｈａの１１に
おけるｏ、６゜７番ビットがすべて０にリセットされる
。すなわち、０〜３番ピ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、７９ビツトはホール呼び
の有無を示す。For example, if the up call hall button is pressed n71c in the elevator hall on the 5th floor, the 7th bit of 11 (5U) of H8 becomes 1, and the service elevator corresponding to this hall call If it is decided that H8
The 0th bit and the 6th bit in 11 become 1. Then, when the A car arrives at the 5th floor, the o, 6 and 7 bits in 11 of Ha are all reset to 0. That is, pits 0 to 3 indicate the number set of each elevator, bit 6 indicates whether an elevator is assigned to a hall call, and further, bit 79 indicates whether or not there is a hall call.

第４図のかご状態を表わすＯＣＴにおいては、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ｎている。すなわち、Ｏ
〜３番ビ、トにはかごの荷室状態が２進法で示されてい
る。こｎら０〜３番ビットの意味は“０００１”　、０
０１０″　。In the OCT representing the car status in FIG. 4, 16 bits of information are stored for each of elevators A to D for indexes 0 to 3. That is, O
The cargo compartment status of the car is shown in binary notation in numbers B to 3. These bits 0 to 3 mean “0001”, 0
010″.

’００１１″、”０１００’　、”０１０″。'0011'', ``0100'', ``010''.

’０１１０″、”０１１１”、’１０００”。'0110'', '0111', '1000'.

”１００１″、’１０１０”、”１０１１”。"1001",'1010","1011".

”１１００”Ｋ対して、七ｎそれ、０〜１０％。For "1100" K, 7n it, 0-10%.

１１〜２０％、２１〜３０％、〜３１〜４０％。11-20%, 21-30%, ~31-40%.

４１〜５０％、５１〜６０％、６１〜７０％。41-50%, 51-60%, 61-70%.

７１〜８０チ、８１〜９０％、９１〜１００％。71-80chi, 81-90%, 91-100%.

１０１〜１１０％、１１１チ以上を示す。101% to 110%, 111% or more.

５番ビットはかごの走行状態を示し、”１”は走行中、
”０″は減速中を示す。７番ビットは扉の開閉状態を示
し、′１”は開放中、９０′″は閉鎖中を示す。８〜１
３番ビットはかと位置を２進法で示したものである。ｘ
４．ｉｇ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′００″は無方向
、すなわち停上申を示す。The 5th bit indicates the running status of the car, and "1" indicates that it is running,
"0" indicates deceleration. The No. 7 bit indicates the open/closed state of the door; '1' indicates open and 90'' indicates closed. 8-1
The third bit indicates the heel position in binary notation. x
4. The ig number bit indicates the moving direction of the car and is "10'"
is ascending, '01' is descending, and '00' indicates no direction, ie, a stop report.

第５図はかと呼び状態を表わすＫＣＴを示しておシ、該
ＫＣＴにおいて、第３図に示すＨＣＴと同様に、０〜３
ビ、トがエレベータＡ−Ｄ号機に対するかご呼びの有無
を示す。FIG. 5 shows a KCT representing a call state. In this KCT, like the HCT shown in FIG.
B and G indicate whether there is a car call for elevators A to D.

以上によりエレベータや、ホール呼びの状態が入力さｎ
る。With the above, the elevator and hall call status is input.
Ru.

２２は割付タスクであってかごの割付を行うタスクであ
る。このタスクは１００　ｍｔｅａ程度ごとに新発生ホ
ール呼びをチェックし、もし発生があれば、予測未応答
時間、満員等のダメージによる評価を行い、評価の最良
な号機を決定する。Reference numeral 22 denotes an allocation task, which is a task for allocating baskets. This task checks new hall calls every 100 mtea or so, and if any new hall calls occur, evaluates them based on predicted unanswered time, fullness, etc., and determines the hall with the best evaluation.

２６は割付見直しタスクであシ、この割付見直しタスク
２６は約１秒に１同根度起動されるレベルの低いタスク
でおって、長待ちや、満員となったり、予測されるホー
ル呼びに対して、割付変更を行うものである。26 is an allocation review task. This allocation review task 26 is a low-level task that is activated approximately once every second, and is used in response to long waiting times, full halls, or predicted hall calls. , to change the layout.

２８は各単体エレベータとの交信を行うための各単体エ
レベータ交信用タスクでアリ、このタスクはサイクリッ
クに行われるデータの伝送の他に、必要に応じてコント
ロール出力（割付、割付キャンセル等）や、乗車人数、
降車人数、新発生かと呼び等のデータ要求などが行われ
る。これらはパ、７アを利用して行われ、第６図のよう
なデータが第７図のように運ばれてくる。28 is a task for communicating with each individual elevator, and this task not only transmits data cyclically, but also outputs control output (assignment, assignment cancellation, etc.) as needed. , number of passengers,
Requests are made for data such as the number of people getting off the train and whether there is a new outbreak. These are performed using PA and 7A, and data as shown in FIG. 6 is conveyed as shown in FIG.

２９は年間タイマ、各種タイマであり、これは１０　ｍ
ｓ＠ｃ　、　１００ｍ５ｅｃ　、　　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ｎ７を年間タ
イマのルーチンである。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、日付、曜日
、休日、六曜、その他の行事等の情報があシ、７０ツピ
デイスク用の第２の１沖タスクや、ＣＲＴ用の第１のＩ
１０タスクにより情報が更新される。29 is an annual timer and various timers, which is 10 m
The routine includes various interval timers such as s@c, 100m5ec, and 1 second, and the annual timer n7 that combines them. Additionally, these data are corrected by an external timer. The yearly timer has information such as the month, date, day of the week, holidays, six days of the week, and other events.
Information is updated by 10 tasks.

３０はＣＲＴ　（キャラクタ・ディスプレイ・ターミナ
ルン伝送用の第１のＩｌｏ　（イングツトアウトプット
）タスクであり、このタスクは外部の端末や、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 first Ilo (input output) task for transmitting a CRT (character display terminal), and this task is used for transmitting information to an external terminal or other computer.

このタスクは他の群管理マスクを害さないように低い割
込みレベルでタイムスライスさｎて起動される。また３
１は７０ツピ（７レキシプル）ディスクコントール用の
第２のエバタスクでアシ、このタスクは外部の７０ツビ
デイスクに学習データ起 等を記憶するときに２動される。ＣＲＴ伝送用第１のＩ
１０タスク３ｏと同様に低い割込みレベルで起動される
。This task is started in a time slice at a low interrupt level so as not to harm other group management masks. Also 3
1 is the second Eva task for 70 disk control, and this task is activated twice when storing learning data etc. on an external 70 disk. First I for CRT transmission
10 Task 3o is activated at a low interrupt level.

２７ｄ学習データ処理タスクであり、この学習データ処
理タスクは外部入力や単体エレベータからのデータによ
り、その時点の状態を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においてはそのデータ
の入ｎ換えを行うタスクであって、データの変化時や状
態の変化時に起動さｎる。また、このタスクは低い割込
レベルのタスクであり、高い割込みレベルの群管理タス
クを害さないように起動さｎる。友だし特別の７ラグや
、優先順位の変更等が行われた場合は変化する。学習デ
ータは第８図に示すような月、曜日、六曜、休日、時間
帯（タイムバンド）などの要素により、いくつかの同等
の交通モードに分類さｎ、そのモード別に、次のデータ
を持つ。27d is a learning data processing task, and this learning data processing task sets the current state in a data table using external input or data from a single elevator, and when changing to the next state, the data is It is a task that performs the replacement of the data, and is activated when the data changes or the state changes. Furthermore, this task is a low interrupt level task and is activated so as not to harm the group management task that has a high interrupt level. It will change if there is a special 7 lag for friends or if the priority order is changed. The learning data is classified into several equivalent transportation modes according to elements such as month, day of the week, six days of the week, holiday, and time band (time band) as shown in Figure 8. have

第９図、第１０図にそれらの例を示しである。Examples thereof are shown in FIGS. 9 and 10.

ここで ＨＣＴ＄ＲＡＴは１５分間の平均ホール呼び発生回数、
ＫＣＴ＄ＲＡＴは平均かご呼び発生回数、ＩＮ＄ＲＡＴ
は乗車人数平均、 ＯＵＴ＄ＲＡＴは降者人数平均、 ＫＣＴ＄ＳＥＴは各階に対するかと呼び発生率を示す。Here, HCT$RAT is the average number of hall calls in 15 minutes,
KCT$RAT is the average number of car calls, IN$RAT
indicates the average number of passengers, OUT$RAT indicates the average number of passengers getting off the train, and KCT$SET indicates the call occurrence rate for each floor.

ＨＣＴ＄ＲＡＴ　、〜ＯＵＴ＄ＲＡＴは、方向付階床の
インデックスＩｓ（ホールサブインデックス）によって
示される。HCT$RAT, ~OUT$RAT is indicated by the directional floor index Is (hall sub-index).

ＫＣＴ＄ＲＡＴは、例えば、Ａ階からＢ階へという何個
のかと呼び発生率を格納すべ（Ａ、Ｈのマトリックスに
より示されている。KCT$RAT should store, for example, the number of calls occurring from floor A to floor B (represented by a matrix of A and H).

また、高需要時はそれらの変化が、細かいインターバル
で学習されている。こｎは各Ｈ８とｔにライ−（ＡＶ牢
廊ＮＳＰ　（ＨＳ　、　ｔ　）　テ示さｎる。Also, during times of high demand, these changes are learned at small intervals. This is shown in each H8 and t (AV prison NSP (HS, t)).

次だし、ｔは時刻である。Next, t is the time.

とｎらの学習データは本発明に直接的には使用しなくと
もかまわないが、各種の予測演算を行ううえで精度向上
に寄与するので、使用した方が良い結果が得らｎる。な
お、学習データが無い場合でも、それなシの精度におい
て制御を行うことができることは云うまでもない。Although it is not necessary to directly use the learning data of the authors and others in the present invention, since it contributes to improving accuracy when performing various predictive calculations, better results can be obtained if used. It goes without saying that even if there is no learning data, control can be performed with reasonable accuracy.

第２図に示したその他のタスクとして、１秒おきに起動
され、外部のコンビ、−夕とデータの入力、出力のデー
タ交信や、そｎによるデータ収集を行うビルコンピュー
タ等交信、データ収集タスク３４や、そのデータを利用
して、需要の先取シを行い、交通需要を予測し、運転モ
デルを決定する交通需要予測タスク３３　（１００ｍ５
ｅｏ毎に起動）があシ、また、これＫよって起動される
運転モデルのタスクとして各運転タスク３５がある。Other tasks shown in Figure 2 include communication and data collection tasks such as building computers, etc., which are activated every second and perform data input and output data communication with an external computer, as well as data collection by that unit. Traffic demand forecasting task 33 (100m5
There are also driving tasks 35 as driving model tasks that are activated by this K.

本発明のシステムにおいては、更に群管理制御装ＲＩＹ
Ｃ以下に述べる推論を利用したホール呼び割当て制御機
能や交通モデル適応制御機能を持たせである。In the system of the present invention, the group management control device RIY
C. It has a hall call assignment control function and a traffic model adaptive control function using the inference described below.

ここで推論とはかかる制御を行ううえでデータ条件の「
確、かさ」を考慮し、こｎらを含めた条件によって与え
らｎる指示内容やその指示内容に基づく判断に寄与させ
る度合いをエレベータ制御の専門家の持つ知識をもとに
定めて、それらの総合判断により最終的な指示を決める
手法を指している。Inference here refers to the data conditions used to perform such control.
Based on the knowledge of elevator control experts, we determine the contents of instructions given by conditions including these and the degree to which they contribute to judgments based on the contents of the instructions. This refers to the method of deciding the final instructions based on comprehensive judgment.

尚、交通モデル適応制御とは、例えば出動時間帯や昼食
時、あるいは平日、休日、夜間等により変化する！要状
況のデータ（学習データも含む）や一過性の需要変化と
なる例えば会議の開部等による会議屋設置階の特別の需
要などと云ったデータ（この一過性のデータは例えばビ
ル管理コンピュータ１１への予約などにより得らｎる）
によｐｌその日の時間帯毎のビルの特定階床に対する利
用者の集中や、特定階床から種々の階床への分散等のｗ
Ｉ要予測を行い、その予測した需要を賄うための先取シ
した需要予測モデルに適合した制御を行うことを指す。In addition, traffic model adaptive control changes depending on, for example, dispatch time, lunch time, weekdays, holidays, nighttime, etc. Data on important situations (including learning data) and data on temporary changes in demand, such as special demand for conference rooms on the floor due to the opening of a conference, etc. (This temporary data can be used for building management (obtained by making a reservation to computer 11, etc.)
The concentration of users on a specific floor of a building depending on the time of the day, the distribution of users from a specific floor to various floors, etc.
This refers to making a forecast and performing control that is compatible with a pre-emptive demand forecast model to cover the predicted demand.

次に本発明の中心となる、専門家の知識を直接表現よシ
の推論による制御ルーチンの説明に入る。Next, we will explain a control routine based on inference that directly expresses expert knowledge, which is the core of the present invention.

群管理制御は大きな制御擬木として ■　ホール呼びに対する割当制御 ■　高需要時の特殊オペレージ菖ン がある。また、■においてＨ要の集中するものと発散す
るもの、または、それらの合成されたものがあシ、それ
ぞｎに適当な割当制御が考えられる。Group management control is a large control tree that includes ■ Assignment control for hall calls ■ Special operation control during high demand. In addition, in (2), if the H requirements are concentrated, divergent, or a combination thereof, appropriate allocation control can be considered for each n.

そのため、本発明においては第１１図に示さｎているよ
うに■に対応して運行モードを決定するＦｌのルーチン
と、七扛ぞｎの運行モードＯＰｘ〜ＯＰｎに対応して割
当制御を行うＦ２−１〜Ｆ２−ｍの制御において、同様
に専門家の知識の直接表現の推論による制御ルーチンが
用いらｎる。Therefore, in the present invention, as shown in FIG. In the control of -1 to F2-m, a control routine based on inference based on direct expression of expert knowledge is similarly used.

以下において、その制御手法をバランス時の割当制御Ｆ
２−１を中心に説明して行く。In the following, the control method will be explained as allocation control F at the time of balance.
The explanation will focus on 2-1.

特に本発明においては、推論ルーチンが中心となる部分
であり、第１１図のＦｌ、Ｆ２−１〜Ｆ２−ｍに共通に
使用されているために、この部分を先に説明して行く。In particular, in the present invention, the inference routine is the central part and is commonly used in Fl, F2-1 to F2-m in FIG. 11, so this part will be explained first.

推論ルーチンにおいては、ある号機に対し、仮にその制
御指示を行うものとした場合の目標値に対するエラー分
ｅ（偏差）の割合、すなわち、長待ち発生の可能性の割
合とその制御指示のために生じ之エラー増分Δｅすなわ
ち、可能性をどの位ふやすことになるかそのふやす割合
によってその指示を行うか否かの出力ΔＵを決定するよ
うに構成されている。また、・、Δｅに関しては専門家
の主観量や確率データによる確信度にょｐ、いくつかの
予測値を持つ。In the inference routine, we calculate the ratio of error e (deviation) to the target value when a control instruction is given to a certain machine, that is, the probability of a long wait occurring and the control instruction. It is configured to determine the output ΔU of whether or not to issue the instruction based on the error increment Δe that has occurred, that is, how much the probability is increased and the rate of increase. Regarding .DELTA.e, there are several predicted values based on the subjective quantities of experts and probability data.

バランスパターン時の割当制御ルーチンにおいて、目標
値として ＋１１　　長待ち呼びを減らす（６０秒以上の待ちを０
値） （２）良好な呼びを増やす（３０秒以内に応答した全呼
び個数） （３）　　高需要階のサービスを良好に保つ。In the allocation control routine during the balance pattern, the target value is to reduce long-waiting calls by +11 (waiting for 60 seconds or more is reduced to 0).
(value) (2) Increase the number of good calls (total number of calls answered within 30 seconds) (3) Maintain good service on high demand floors.

（４）　　満貫通過を無くす。（荷重８０％以上の場合
）を設定したとする。(4) Eliminate full penetration. (When the load is 80% or more) is set.

ここで上記＋１１について、以下詳細に説明する。Here, the above +11 will be explained in detail below.

尚、（２）〜（４）についても同様に行ゎｎる。まず始
めに、上記（１）（長持ち呼びを減らす）の目標値に対
し、エラー分・、エラー増分Δ・に応じてその値を減ら
すか否かが第１３図に示す予め専門家の知識経則より得
九人為的判定基準である長待ち部分の条件−指示テーブ
ルより決定される。尚、第１３図におい−Ｃ１Ｐ　Ｒ、
ＰＭ、ＺＺｔｉｅ　、Δ＊（りＶ４．ルであり、ＰＢは
正で大きい、ＰＭは正で中くらい、ｚｚは大体零である
ことを示す。また、出力ΔＵは判断内容を示し、ＰＯは
割当てる、ＰＳは割当てても良い、ｚＯは普通、ＮＳ＃
′ｉ割当てる必要は無い、ＮＥは割当てないことを指す
。Incidentally, steps (2) to (4) are performed in the same manner. First of all, with respect to the target value of (1) (reducing long-lasting calls), it is necessary to decide in advance whether or not to reduce the value according to the error amount, error increment Δ, as shown in Figure 13. It is determined from the condition-instruction table for the long waiting part, which is an artificial criterion based on the rules. In addition, in FIG. 13 - C1P R,
PM, ZZtie, Δ*(R V4. Le, PB is positive and large, PM is positive and medium, and zz is approximately zero. Also, the output ΔU indicates the judgment content, and PO indicates the allocation , PS may be assigned, zO is normal, NS#
'i does not need to be allocated, NE means not to be allocated.

また、第１２図に推論部分のフローチャートを示す。Further, FIG. 12 shows a flowchart of the inference part.

すなわち、ある階にホール呼びが発生したとすると、群
管理制御装置１はこのホール呼びに対し、ステップ５Ｔ
１２−１において、仮にある制御指示を設定する。例え
ば仮にＡ号機にホール呼びを割当て九とする。次にステ
、グ５Ｔ１２−２のルーチンにおいてその割当てによっ
てＡ号機に生ずる長待ちホール呼びの個数がどｆＬだけ
となり、どれだけ増加するかが各ホール呼びに対しその
エラー分・、エラー増分Δ・の各条件に対するデータの
帰属度をもとに予測さｎる。That is, if a hall call occurs on a certain floor, the group management control device 1 responds to the hall call in step 5T.
In step 12-1, a certain control instruction is temporarily set. For example, let us assume that hall call number 9 is assigned to car A. Next, in the routine of Step 5T12-2, the number of long-waiting hall calls that occur in machine A due to the assignment is fL, and how much it increases is the error amount for each hall call, the error increment Δ. It is predicted based on the degree of belonging of data to each condition.

ここで、七ｎぞｎのエラー分・、エラー増分Δ・の各条
件に対するデータの帰属度を求める部分の説明をする。Here, a description will be given of the part for determining the degree of belonging of data for each condition of the error amount of 7n x n and the error increment Δ.

ここでは各フロアのホール呼びの長待ちとなる予測値（
ＴＰ、２）（すなわち、長待ちの確信度）とそｎらの７
０アのシステムに及ぼす重要度（Ｈ８＄Ｗ）により帰属
度を求める。Here, the predicted value (
TP, 2) (i.e., long-waiting confidence) and their 7
The degree of belonging is determined based on the degree of importance (H8$W) of 0A on the system.

このシステムに及ぼす重要度と云うのは、高需要が予測
されるフロア等で、その階の長待ちによυかご呼びが多
発する等によってシステムの縁形性を崩しｆｃυ、予測
が不可能になることに対し、その影響を考慮し、重要度
として数値に置換えたモノマある。こｎは学習さｎるＨ
ＣＴ＄ＲＡＴ　、ＫＣＴ＄ＲＡ’ｒ等のデータより予測
すると効果的である。学習データを利用しない場合は、
設計者の主観量や経験値を使用する。The importance of this system is that on floors where high demand is expected, long waiting times on that floor will cause frequent car calls, which will disrupt the system's formability and make predictions impossible. There are monomers that have been replaced with numerical values as the degree of importance, taking into account the impact of the changes. This will be learned.
It is effective to predict from data such as CT$RAT and KCT$RA'r. If you do not use training data,
Use the designer's subjective quantities and experience values.

以上のＴＰＺ　（長持ち可能性）とＨ８＄Ｗ（フロアの
重要度）により、その状態密度Ｘは Ｉ；ΣＨ８牢Ａを’（Ｈ８ｉ　）・ＴＰ２　（Ｉ（Ｓ　
１ンただし、ｉ＝１〜ｎ：全てのホール呼びに対して行
うことを意味する。Ｈ８ｉ：ホール呼びのあるホールサ
ブインデックスである。Based on the above TPZ (probability of long life) and H8$W (floor importance), the state density
1, where i=1 to n: means to perform for all hall calls. H8i: Hall sub-index with hall call.

また、帰属度関数ＭＳ←）により帰属度ｙが７−Ｍ５←
）によｐ求めらｎる。−例として第１５図を参照して説
明する。（ＭＳは例えば第１５図（ｅ）の如きもので、
データの確かさに応じて多種用意さｎておシ、条件によ
り最も適当なＭＳが使用さｎる。） 第１５図（−）のａにかご状態が示されている。またｂ
にＴＰＺ（長持ち可能性）、Ｃにフロアの重要度Ｈ８ｐ
、ｔｌにフロアの利用度が示されている。Also, due to the membership degree function MS←), the membership degree y is 7−M5←
) to find p. - Explanation will be given by way of example with reference to FIG. (The MS is, for example, as shown in Figure 15(e),
A variety of MSs are prepared depending on the accuracy of the data, and the most appropriate MS is used depending on the conditions. ) The cage state is shown in a of FIG. 15(-). Also b
TPZ (probability of long life), C is the importance of the floor H8p
, tl shows the floor utilization.

この例では、５階が受付のある階床であるため、重要度
が高くなっている。In this example, the fifth floor is the floor where the reception is located, so its importance is high.

また、４階アップ（Ｈ８＝ＯＥｈ；ｈは１６進数を示す
）と５階ダウン（Ｈ８＝０７ｈ）にホール呼びがある例
である。ここで、長待ちの指標となる帰属度を求めると ｙｌ　ａ＝Ｍｓ（ｘｌ　）＝ＭＳ（０＋３０Ｘ１．２）
冨ＭＳ（３２） ＝０．０７ となる。This is also an example in which there are hall calls on the fourth floor up (H8=OEh; h indicates a hexadecimal number) and on the fifth floor down (H8=07h). Here, to find the degree of belonging, which is an indicator of long waiting, yl a=Ms(xl)=MS(0+30X1.2)
The value MS(32) =0.07.

次に６階アップ方向の新発生ホール呼びを′仮に割当て
た場合を第１５図伽）に示す。この場合の帰属度ｙ！は ７ｍ　−ＭＳ　（！ｓ　）”ＭＳ　（０＋６０Ｘ１．２
）、ＭＳ（７２） −０，９１ となる。こ我乞ｑ４　ｈ　Ｌ間抜１−示すヒ芋ｉｓ口（
０の墳吋１−ある。Next, Fig. 15 shows a hypothetical case in which newly generated hall calls for the upward direction of the 6th floor are assigned. Degree of belonging in this case y! is 7m -MS (!s)”MS (0+60X1.2
), MS(72) −0,91. Kogabe q4 h L stupidity 1-Show Hiimo is mouth (
There is a tomb of 0.

次にこれらをもとに推論を行うが、この推論によるホー
ル呼び割当制御について具体的に説明する。Next, inference will be made based on these, and hall call allocation control based on this inference will be specifically explained.

ここでの例は「長待ち呼びを減らすこと」であり、こｎ
は「６０秒以上の長待ち呼びを零にすること」を目標値
として、新しく発生したホール呼びを仮に割当てたとし
てその際の長待ちになる可能性の大きさを調べ、その結
果、長待ちになる可能性が高くなる号機に対しては割当
てにくくすることである。そのために各号機に対して割
当てる強さを値として求めて、各号機の中でその強さの
最も強い（値の最も大きい）号機に上記ホール呼びにつ
いての最終的な割当てを行う。The example here is "reducing long-waiting calls";
set the goal of ``reducing the number of long-waiting calls of 60 seconds or more to zero,'' and investigated the possibility of a long waiting time even if a newly generated hall call was assigned, and as a result, the number of long-waiting calls The idea is to make it difficult to allocate to machines where there is a high possibility that the problem will occur. For this purpose, the strength to be assigned to each machine is determined as a value, and the hall call is finally assigned to the machine with the strongest strength (largest value) among the machines.

この割当て制御は、新しくホール呼びが発生した際に、
現在、群管理下で運転されているエレベータ群例えばＡ
、Ｂ、Ｃ号機の３台であり九とすると、次のように行う
。すなわち、この３台の号機のうち、どの号機について
新しいホール呼びを割当てｎは良いかを推論演算により
求める。This allocation control is used when a new hall call occurs.
A group of elevators currently being operated under group control, for example, A.
, B, and C, and assume that the number is 9, proceed as follows. That is, it is determined by inference calculation to which of these three machines a new hall call should be assigned and n is good.

この割当て制御の推論演算はまずはじめに例えばＡ号機
から、新発生ホール呼びに仮割当てを行うことよりはじ
める。すなわち、Ａ号機について先に説明した７ｔ＋７
ｓ＊・・・を求めることよシはじめる。The inference calculation for this allocation control begins by tentatively allocating a newly generated hall call, for example, from machine A. In other words, 7t+7 as explained earlier for Unit A.
Let's start by finding s*...

そして次にこの仮割当てを行うことにより変わるその号
機の既割当て分を含む全ホール呼びについて、目標値に
対するエラー〇とエラー増分Δ・をこの求めた）’１ｅ
７ｇ・・・の加算値である合成値Ｆを用いて第２１図に
示す帰属度関数より求める。Next, we calculated the error 〇 and error increment Δ・ with respect to the target value for all hall calls, including those already allocated for that machine, which will change due to this provisional allocation)'1e
It is determined from the membership degree function shown in FIG. 21 using the composite value F which is the addition value of 7g....

但し図に示す帰属度関数は一例であり、人為的に定めた
ものであって、使用に当っては人為的に最適なものが選
択さｎる。However, the membership degree function shown in the figure is an example, and is artificially determined, and the optimal one is artificially selected for use.

すなわち、Ａ号機に仮割当てを行う前と後での合成値Ｆ
の値Ｆ１１　ｓ　Ｆａ２及び合成値Ｆａ２の増分ΔＦ、
を求める。In other words, the composite value F before and after provisional allocation to machine A
The value F11 s Fa2 and the increment ΔF of the composite value Fa2,
seek.

例えば、仮割当てする前の値Ｆａ１、仮割当て後の値Ｆ
ａ２から仮割当て後の値の増分ΔＦ、はΔＦａ　”　Ｆ
ａ２　＋　Ｆａｌ で求めることができる。そして、このＦａ２とΔＦ１よ
シ第１３図（ａ）に示す如き人為的に設定した経験則等
に基づく条件−指示のうちの対応するものをそのエラー
分ｅ１エラー増加分Δｅについて求める。For example, the value Fa1 before provisional allocation, the value F after provisional allocation
The increment ΔF of the value after provisional allocation from a2 is ΔFa ” F
It can be determined by a2 + Fal. Then, the corresponding one of the conditions and instructions based on artificially set empirical rules as shown in FIG. 13(a) in addition to Fa2 and ΔF1 is determined for the error e1 and the error increase Δe.

その際に使用する帰属度関数が第２１図の如きであった
とし、上記Ｆ＆２．ΔＦ＆がその図中に示した値の如き
であったとすると、このＦ＆２．ΔＦ、よりエラー増分
Δｅは条件ｚｚについて帰属度が０．５、そして、条件
ＰＭについて帰属度が０．５、また、エラー分６は条件
ｚｚについて帰属度が０．１、そして、条件ＰＭについ
て帰属度が０．９であることになる。Assuming that the membership function used at that time is as shown in FIG. 21, the above F & 2. Assuming that ΔF& is as shown in the figure, this F&2. From ΔF, the error increment Δe has a degree of attribution of 0.5 for the condition zz and a degree of attribution of 0.5 for the condition PM, and the error amount 6 has a degree of attribution of 0.1 for the condition zz and for the condition PM. This means that the degree of belonging is 0.9.

すなわち、ここではある対象が集合Ａの要素であるか否
かを考える際に、厳密に分けるのでは無く、集合Ａの要
素である度合いを考慮するために帰属度を示す関数であ
る帰属度関数を用いる。これは第２１図の如きものであ
シ、その横軸は上述の合成値Ｆ及び合成値の増分ΔＦを
とシ、縦軸にはエラー分・及びエラー増分Δ・をとっで
ある。また、図では集合として集合ｚｚ、集合ＰＭ及び
集合ＰＢのそれぞｎの帰属度関数（−例）を示しである
。集合ｚｚは「だいたい零」である集合を、また、集合
ＰＭは「正で中くらい」である集合を、そして、集合Ｐ
Ｂは「正で大きい」集合を示している。In other words, when considering whether a certain object is an element of set A, rather than strictly dividing it, we use a membership degree function, which is a function that indicates the degree of membership, in order to consider the degree to which it is an element of set A. Use. This is as shown in FIG. 21, in which the horizontal axis shows the above-mentioned composite value F and the increment ΔF of the composite value, and the vertical axis shows the error amount and the error increment Δ. In addition, the figure shows membership degree functions (-example) of each n of set zz, set PM, and set PB as sets. The set zz is a set that is "approximately zero," the set PM is a set that is "positive and medium," and the set P is a set that is "approximately zero."
B indicates a "positive and large" set.

そｎぞ扛の帰属度関数は、すべての合成値Ｆあるいは合
成値の増分ΔＦにおいて、そｎぞれの値の集会ＺＺ、Ｐ
Ｍ、ＰＢに含まｎる度合いを与える。The degree of membership function of n is the set of n values ZZ, P for all the composite values F or the increment ΔF of composite values.
Give the degree of inclusion in M and PB.

この度合いとは、上記の集合に属する度合いを示すもの
で、帰属度とも云い、ｒｏ、ＯＪからｒｌ、ＯＪまでの
間の数で示さｎる。This degree indicates the degree of belonging to the above-mentioned set, is also called the degree of membership, and is expressed as a number n between ro, OJ and rl, OJ.

例えば、帰属度が１．０である場合は、対象がＡと云う
ある集合の完全な要素であることを示し、帰属度が０．
０である場合は対象が人と云うある集合の要素では無い
ことを示している。For example, if the degree of membership is 1.0, it means that the object is a complete element of a set called A, and if the degree of membership is 0.
If it is 0, it indicates that the target is not an element of a certain set called people.

ここで、合成値Ｆがｆである場合についてその帰属度を
考えてみる。第２１図かられかるように、合成値ｆに対
しての集合ＰＢの帰属度は０．７であシ、且つ、集合Ｐ
Ｍの帰属度は０．３である。Here, let us consider the degree of belonging when the composite value F is f. As can be seen from Fig. 21, the membership degree of the set PB for the composite value f is 0.7, and the set P
The degree of membership of M is 0.3.

すなわち、合成値ｆは０．７の帰属度で「正で大きい」
と云う集合に属し、且つ、０．３の帰属度で「正で中く
らい」と云う集合ＰＭに属する。In other words, the composite value f is "positive and large" with a membership degree of 0.7.
It belongs to the set called "Positive and Moderate" with a degree of membership of 0.3.

ｉた、帰属度関数は総合の確信度によっても変化する。Additionally, the membership function also changes depending on the overall confidence level.

すなわち、データが正確な場合は第２２図（ａ）のよう
に区間がはっきり分離され、逆に不正確な場合には同図
伽）のようになだらかとなって区間かはつきりしなくな
る。That is, if the data is accurate, the sections will be clearly separated as shown in Figure 22(a), but if the data is inaccurate, the sections will become smooth and the sections will not be distinct, as shown in Figure 22(a).

このようにして該当する条件と帰属度を得ると次に上述
のエラー〇、エラー増分Δｅより制御指令の度合を決定
する。すなわち、制御対象であるエレベータのＡ号機に
、制御指令ΔＵとして新しく発生したホール呼びの仮割
当てを与えているのでここでは具体的にＡ号機にどのく
らいの強さで仮割当てしたホール呼びを正式な割当てと
するかを条件−指令テーブルに基づいて求める。After obtaining the corresponding conditions and degree of belonging in this way, the degree of control command is determined from the above-mentioned error 〇 and error increment Δe. In other words, since a newly generated hall call is tentatively assigned to elevator A, which is the control target, as a control command ΔU, we will specifically explain how strongly the hall call that has been tentatively assigned to elevator A is formally assigned. The assignment is determined based on the condition-command table.

条件−指令テーブルは第１３図（ａ）の如きであり、こ
れは専門家の経験と知識に基き定め友エラー。The condition-command table is as shown in FIG. 13(a), and is determined based on the experience and knowledge of experts.

及びエラー増分Δｅに対応した制御指令ΔＵの内容を示
すものである。and the contents of the control command ΔU corresponding to the error increment Δe.

例えば、エラー・が「だいたい零」（集合ｚｚ）であっ
て、エラー増分Δ・が「正で大きい」（集合ＰＢ）であ
る場合、制御指令ΔＵとしては、ＰＯ９ＰＳ　、　ｚＯ
、ＮＳ　、ＮＥＯ５ａ類があり、ＰＯは「割当てる」、
ＰＳは「割当てても良い」、ｚＯは「ふつう」、ＮＳは
「割当てる必要はない」、ＮＥは「割当てない」と云う
ことを意味する。For example, when the error is "approximately zero" (set zz) and the error increment Δ is "positive and large" (set PB), the control command ΔU is PO9PS, zO
, NS, NEO5a type, PO is "assign",
PS means "may be assigned," zO means "normal," NS means "no need to assign," and NE means "no assignment."

また、エラー〇としての集合の数は集合ＰＢ。Also, the number of sets with error 〇 is set PB.

集合ＰＭ、果合ＮＥの３種類であり、エラー増分Δ・の
場合も同様の３糧類である。そして、エラー〇とエラー
増分Δｅとの組合せにより、９種類の制御指令ΔＵがあ
る。従って、ここではこの９種類の規則を考える。There are three types: set PM and result NE, and the same three types apply to the case of error increment Δ. There are nine types of control commands ΔU depending on the combination of error 〇 and error increment Δe. Therefore, we will consider these nine types of rules here.

この９種類の規則は経験により定めてあり、第１３図伽
）に詳細を示す。図で例えば「規則１」は「エラー〇が
「正で大きい。Ｊ（ＰＲ）Ｊであって、「エラー増分Δ
ｅが「正で大きい。Ｊ（Ｐ’Ｂ）Ｊであるときは制御指
令ΔＵを「割当てない。Ｊ（ＮＥ）とすることを意味す
る。These nine types of rules have been determined based on experience, and the details are shown in Figure 13). In the diagram, for example, "Rule 1" is "Error 〇 is" positive and large.J(PR)J, and "Error increment Δ
When e is "positive and large. J(P'B)J", it means that the control command ΔU is "not assigned. J(NE)".

すでにＡ号機の仮割当てに対する合成値Ｆａ２と増分Δ
Ｆ１の各集合に対する帰属度が求めてあり、合成値Ｆａ
２は集合ＰＭの帰属度が０．９、集合２２の帰属度が０
．１である。また、増分ΔＦ、の集合ＰＭに対する帰属
度は０．５であｐｌまた、集合ｚｚに対する帰属度は０
．５である。The composite value Fa2 and the increment Δ for the provisional allocation of machine A have already been calculated.
The membership degree for each set of F1 has been determined, and the composite value Fa
2 has a membership degree of set PM of 0.9 and a membership degree of set 22 of 0.
．． It is 1. Also, the degree of membership of the increment ΔF to the set PM is 0.5, pl, and the degree of membership to the set zz is 0.
．． It is 5.

故に合成値ＦＪＬ２は集合ＰＭ及び集合２２に属し、ま
た、合成値の増分ΔＦ、も同様に集合ＰＭ及び集合ｚｚ
に属する。従って、エラー〇及びエラー増分Δｅより制
御指令ΔＵを決定するには、第１３図（ｂ）の「規則５
」、「規則６」、「規則８」及び「規則９」を用いる。Therefore, the composite value FJL2 belongs to the set PM and the set 22, and the increment ΔF of the composite value also belongs to the set PM and the set zz
belongs to Therefore, in order to determine the control command ΔU from the error ○ and the error increment Δe, "Rule 5
”, “Rule 6”, “Rule 8” and “Rule 9” are used.

これら規則を図で示すと第１４図の如きで、「規則５」
に関して云えば、エラー〇に対し１集合Ｐ”Ｍは０．９
の度合いで満たさｎ、エラー増分Δ・に対して集合ＰＭ
は０．５の度合いで満たされる。If these rules are illustrated in Figure 14, "Rule 5"
Regarding error 〇, one set P''M is 0.9
n, the set PM for the error increment Δ
is satisfied to a degree of 0.5.

「規則５」の満友さｎる度合いは、２つの集合が満たさ
れる度合いのうち、小さい方の値が採用さｎる。従って
、制御指令ΔＵの強さの度合いはこの場合０．５に制限
される。The smaller value of the degrees to which the two sets are satisfied is adopted as the degree of satisfaction in "Rule 5." Therefore, the degree of strength of the control command ΔU is limited to 0.5 in this case.

以下同様にして「規則６」、「規則８」、「規則９」に
ついてその制御指令ΔＵを示す集合を強さの度合いを含
めて求める。Thereafter, a set indicating the control command ΔU including the degree of strength is obtained for "Rule 6", "Rule 8", and "Rule 9" in the same manner.

そして次にこの４つの規則によりそｎぞれ得た制御指令
ΔＵの集合の論理利金とり、これを集合に属する度合い
で重み付き干均し、最終的な制御指令の強さＵを求める
。ここでは、第１４図に示されるように制御指令の強さ
Ｕの値は−０，６９となる。Next, the logical interest rate of the set of control commands ΔU obtained from each of these four rules is taken, and this is weighted and averaged according to the degree to which it belongs to the set, to obtain the final strength U of the control command. Here, as shown in FIG. 14, the value of the strength U of the control command is -0.69.

この制御指令は「割半てにくい」と云うことであり、そ
の強さＵの値が大きくなればなるほど、割当て易くなり
、小さくなｎばなるほど割当てにくくなることを意味す
る。This control command is said to be "hard to divide", which means that the larger the value of the strength U, the easier it is to assign, and the smaller the value of n, the harder it is to assign.

以上でＡ号機に新しく発生したホール呼びを割当てる強
さが求められる。With the above, the ability to allocate newly generated hall calls to machine A is required.

以下、同様な手法で他の号機についてもその割当てる強
さＵを求める。Hereinafter, the strength U to be assigned to other machines will be determined using the same method.

以上で推論部分の説明を終わる。This concludes the explanation of the reasoning part.

このように、専門家の知識による条件−指示の経験則を
用いて条件毎の指示を得、この得た指示をその条件のあ
いまいさに応じた割合で反映させた度合いで得、これよ
りそｎ−ｔ’れの指示の論理和から、経験とあいまいさ
に基づく総合の指示を決定することが出来る。このルー
チンはステップＢＴ１２−３の参照テーブルを取替える
ことによって、第１１図のＦ　Ｉ　ｅ　Ｆ　２−１〜Ｆ
　２−　ｍに使用出来る。In this way, instructions for each condition are obtained using the condition-instruction heuristics based on expert knowledge, and the obtained instructions are obtained to a degree that reflects the degree of ambiguity of the condition. From the disjunction of n-t' instructions, a total instruction based on experience and ambiguity can be determined. This routine replaces the reference table in step BT12-3 to obtain F I e F 2-1 to F in FIG.
Can be used for 2-m.

次に上記推論を行うに当たってのデータの予測値と確信
度を求める部分を含めての割当て制御の説明を行う。Next, an explanation will be given of the allocation control including the part for determining the predicted value and confidence level of the data when performing the above inference.

このルーチンをホール呼び割当制御における予測到着時
演算を例にとって説明する。このルーチンのアルがリズ
ムは予測荷重演算等にそのまま利用できる。This routine will be explained by taking as an example the predicted arrival time calculation in hall call allocation control. The rhythm of this routine can be used as is for predictive load calculations, etc.

第１６図にホール呼び割当制御ルーチンの７０−チャー
トを示す。先に説明した推論部分はステ、ｆｓＴ１６−
４に相当する。FIG. 16 shows a 70-chart of the hall call assignment control routine. The reasoning part explained earlier is ST, fsT16-
Corresponds to 4.

ホール呼びが発生し、こｎを検知した群管理制御装置１
は当該ホール呼び割当制御ルーチンに入る。そして、先
ずステ、プ５Ｔ１６−１が実行さｎ、ここで群列、休止
等のような状態にない、すなわち、ホール呼びの割当て
制御が不可能な号機はどれでおるかが判定される。そし
て、不可能な号機については演算の対象としないように
設定する。次にステ、ゾ５ＴＩ６−２に移シ、ここで各
種予測演算が行われる。ここでは予測到着時間や、予測
荷重演算等が行われ、推論のデータとして使用される。A hall call occurred and the group management control device 1 detected this.
enters the hall call allocation control routine. First, Step 5T16-1 is executed, and it is determined which car is not in a state such as a group queue or at rest, that is, it is impossible to control the allocation of hall calls. Then, it is set so that impossible machine numbers are not subject to calculation. Next, the process moves to step 5TI6-2, where various prediction calculations are performed. Here, predicted arrival times, predicted load calculations, etc. are performed and used as data for inference.

予測到着時間ルーチンの７０−チャートを第２０図に示
す。A 70-chart of the predicted arrival time routine is shown in FIG.

第２０図において、ステ、プ５Ｔ２０−１が実行さｎる
と、その号機のいるホールサプイ／７′ックス（Ｈ８）
をセットする。次にステップ５Ｔ２０−２に移ｐ１ここ
でホール呼び等に対する派生かと呼び等の派生呼びを発
生する（学習データがある場合にはそれを参照し、発生
する）。In Figure 20, when step 5T20-1 is executed, the hall supply/7'x (H8) where that machine is located
Set. Next, the process moves to step 5T20-2 p1, where a derivative call such as a derivative call for a hall call or the like is generated (if there is learning data, it is generated by referring to it).

次にステ、ゾ８Ｔ２０−３に移り、ここで予測到着時間
をセットする。予測到着時間 （ＲＥＳＰＴ　（Ｈ８）　）は次式で求める。Next, move to Step 8T20-3, where the predicted arrival time is set. The predicted arrival time (RESPT (H8)) is calculated using the following equation.

ＲＥＳＰＴ　（ＨＳ　）、ΣＲＡＮＴ　（Ｓｔａｌ・Ｅ
ｎｄｉ）１＝１ 但し、ＲＡＮＴ（ＳｔａｌａＥｎｄｉ）は１番目の走行
開始階である５ｔａｉから、次の停止予定階であるＥｎ
ｄｉまでの走行時間を示し、また、ＬＯ８Ｔ（Ｅｎｄｉ
）は停止予定階であるＥｎｄｉでの損失時間を示す。ま
た、ＫＥＩＫＡＴ（Ｉ（Ｓ）はホール呼びが発生したＨ
８に対し、割付けがセットさ・ｎてからの経過時間を示
している。ｔはその階までの繰返しを示す。RESPT (HS), ΣRANT (Stal・E
ndi) 1=1 However, RANT (StalaEndi) is from 5tai, which is the first floor to start traveling, to En, which is the next scheduled stop floor.
It shows the running time until DI, and also shows the running time until LO8T (Endi
) indicates the lost time at Endi, which is the scheduled stop floor. In addition, KEIKAT(I(S) is the H where the hall call occurred.
8, it shows the elapsed time since the allocation was set. t indicates the repetition up to that floor.

ここで、ホール呼び「有り」の階に対し、かごが所定時
間内に到着する可能性を求める九めにステ、グ５Ｔ２０
−５において、最大、最小到着時間及びその確率分布モ
ードをセットする。最小到着時間は実存の呼びに対して
の最小到着時間であシ、最大到着時間は各需要層に呼び
が発生した場合の最大到着時間である。また、確率分布
モードは到着時間の確率分布を示すそ−ドをセットする
部分である（第１８図参照）。第１８図に示すように到
着時間の確率分布は例えば２徨あるとすると、その選択
は次のようにして行う。すなわち、この号機に割当てら
れたホール呼び対し応答した結果、乗込んだ乗客の指定
する行先階を示すかご呼びと、学習し九データをもとに
予測して得九派生呼びとが一致する可能性の大小によっ
て決定する。Here, for the floor with hall call "available", the probability that the car will arrive within the specified time is calculated in step 5T20.
-5, set the maximum, minimum arrival time and its probability distribution mode. The minimum arrival time is the minimum arrival time for an existing call, and the maximum arrival time is the maximum arrival time when a call occurs in each demand layer. The probability distribution mode is a section for setting a code indicating the probability distribution of arrival times (see FIG. 18). As shown in FIG. 18, if the probability distribution of arrival times has two deviations, the selection is performed as follows. In other words, as a result of responding to the hall call assigned to this car, it is possible that the car call indicating the destination floor specified by the passenger who boarded the car will match the derived call predicted based on the learned data. Determined by gender.

例えば、第１７図の已に示すように、この号機に割当て
られＡ　５　ＦＵＰ　（５階の上昇呼び゛）のホール呼
び対し応答した結果、乗込んだ乗客の指定する行先階の
かご呼びが１２Ｆ（１２階）であるとすると、これが派
生呼びと一致する可能性は、この１２階が最上階である
ことから需要が少ないことから、この場合、１２Ｆの派
生呼びの可能性が小さいために、予測到着時間の確率分
布は第１８図の（＆）のモードとなる。For example, as shown in Figure 17, as a result of responding to the hall call assigned to this car, A 5 FUP (fifth floor up call), the car call for the destination floor specified by the boarding passenger was changed to 12F. (12th floor), the possibility that this will match a derived call is because the 12th floor is the top floor and there is little demand, so in this case, the possibility of a derived call for the 12th floor is small. The probability distribution of the predicted arrival time is in the mode (&) in FIG.

すなわち、予測到着時間の確率分布は、予測到着演算時
間ＲＥＳＰＴのデータＴｘの左右にＴｍ２の長さで平均
して分布し、最小到着時間Ｔｍ１ｎと最大到着時間Ｔｒ
ｎａｘの間となる。但し、　　Ｔｍ１ｎの方が予測到着
演算時間ＲＥＳ　ＰＴのデータＴｘに近い九め、第１８
図の（ａ）の形となっている。ま九、確率でおるからそ
の分布状態が左右対称になるようにするため、面積Ｓ１
　・ＢＩＩは５ｌ−ｓ１’となっている。ｉた、Ｓ１＋
８１’＝１となるように正規化さｎている。In other words, the probability distribution of the predicted arrival time is distributed on the left and right of the data Tx of the predicted arrival calculation time RESPT with a length of Tm2 on average, and the probability distribution of the predicted arrival time is the minimum arrival time Tm1n and the maximum arrival time Tr.
It will be between nax. However, Tm1n is closer to the predicted arrival calculation time RES PT data Tx, the 9th and 18th
It has the shape shown in figure (a). Since it is a probability, in order to make the distribution state symmetrical, the area S1
・BII is 5l-s1'. i, S1+
It is normalized so that 81'=1.

また、かごが第１７図のｂに示すような状況にある場合
に、この号機に割当てられｆｃ　８　ＦＤＮ　（Ｂ階下
降呼び）のホール呼びに対するＩＦ（１階）の派生呼び
を考えて見るとこの派生呼びに対する実際のかご呼びの
一致する確率は、派生呼びが基準階の九めに可能性が大
きいことからＴｍ２　＝　０となり、従って、第１８図
の伽）の形となる。Also, when the car is in the situation shown in Figure 17b, consider the derivative call of IF (1st floor) for the hall call of fc 8 FDN (B floor down call) assigned to this car. The probability that the actual car call matches this derived call is Tm2 = 0 since the derived call is most likely to be the ninth standard floor, and therefore takes the form shown in Figure 18.

以上のように、予測到着時間の確率分布が求めらｎる。As described above, the probability distribution of predicted arrival times is obtained.

尚、こｎらの形状は一例でおり、その状態により変更さ
れる。Note that these shapes are merely examples, and may be changed depending on the state.

このようにして求められ次データは、第１９図（ＩＬ）
の形式で群管理制御装置１のＲＡＭにセットさｎ１長持
ちの可能性の情報として利用さｎる。The following data obtained in this way is shown in Figure 19 (IL).
It is set in the RAM of the group management control device 1 in the format of n1 and is used as information on the possibility of a long life.

次に第２０図のステップ５Ｔ２０−６に進み、各層毎に
これを行い、１周したところで終了する。予側荷重ルー
チンも同様でおる。こｎにより、各層毎の長待ちに関す
る可能性の情報を得る。Next, the process proceeds to step 5T20-6 in FIG. 20, where this process is performed for each layer and ends after one round. The pre-load routine is the same. By doing this, information on the possibility of long waiting for each layer is obtained.

これらによって、第１６図のステップ５Ｔ１６−２にお
ける各株予測演算が終了し、ステ、プ５ＴＩ６−３の前
処理が行わｎ１推論に便利なように第１９図の（凰）の
形式でデータが整えられる。With these steps, each stock prediction calculation in step 5T16-2 of FIG. 16 is completed, and the preprocessing of step 5TI6-3 is performed, and the data is formatted as (凰) in FIG. 19 for convenience in n1 inference. It can be arranged.

先に説明した推論の例においては、予測到着時間を３０
秒以内、３１秒〜５９秒、６０秒以上のオーダーで使用
していたため、この可能性を第１９図（ｂ）に示すよう
にＴＰ（７，ＴＰＪ、ＴＰｊとして処理する。In the inference example described earlier, the predicted arrival time is 30
Since it was used within seconds, on the order of 31 seconds to 59 seconds, and over 60 seconds, this possibility is treated as TP(7, TPJ, TPj) as shown in FIG. 19(b).

このようにして求め九割当ての強さに基づき、その値の
最も太きいものを知ってその号機にホール呼びを正式に
割当てるべく、当該号機のエレベータ制御装置に割当て
登録をする。Based on the strength of the nine assignments obtained in this way, the operator knows the largest value and registers the assignment in the elevator control device of the car in order to officially allocate a hall call to that car.

もちろん、他の穐々の条件を加味し九評価値等も併用す
る場合にはそれらの値も含めて総合的に評価の高い号機
にホール呼びの割当てを行うことになる。Of course, if other conditions are taken into consideration and nine evaluation values are also used, the hall call will be assigned to the machine with the highest overall evaluation including those values.

以上説明したように、本発明は専門家の知識の経験則の
直接的な表現により、推論を行って、各種の群管理制御
を行っている。しかも、そめ経験則成立のあいまいさの
度合によりその制御の強さを変化させている。このため
、きめの細かい群管理制御が可能になり、シかもデータ
のあいまいさをそのレベルで使用しているので、割当て
失敗も少なくなシ、理想的な制御が実現する６また、各
フロアに対するシステムの影響を考慮し、推論を行って
いるために、直接的なマクロの制御指示が各フロアにあ
ったきめ細かい制御効果となって現詐る。As described above, the present invention performs various group management controls by making inferences by directly expressing empirical rules based on expert knowledge. Moreover, the strength of the control is changed depending on the degree of ambiguity in establishing the some empirical rule. Therefore, fine-grained group management control is possible, and since the ambiguity of the data is used at that level, there are fewer allocation failures, and ideal control is achieved6. Because inferences are made taking into account the effects of the system, direct macro control instructions become fine-grained control effects tailored to each floor.

尚、本発明は上記し、且つ、図面に示す実施例に限定す
ることなくその要旨を変更しない範囲内で適宜変形して
実施し得るものであり、例えば、上記実施例においては
割当て制御部分について説明したが、高需要対応の特殊
オペレージ冒ン選択ルーチンにも、経験則の推論ルーチ
ンは利用でき、きめ細かいコントロールが行えるように
なる。この場合、交通の需要を集中需要、発散需要やそ
ｎらの合成された形でのＮ要に分類し、・学習データ等
のマクロデータや現在収集中のミクロデータにより、そ
の需要の大きさと継続時間を予測し、確信度（帰属度）
を求め、同様に推論を行い、選択決定するようにする。Note that the present invention is not limited to the embodiments described above and shown in the drawings, and can be implemented with appropriate modifications within the scope of the gist thereof. For example, in the above embodiments, the allocation control portion may be changed. As explained above, the heuristic reasoning routine can also be used in the special operation selection routine for high-demand applications, allowing fine-grained control. In this case, transportation demand is classified into N types such as concentrated demand, divergent demand, and a combination of these, and the magnitude of the demand is determined using macro data such as learning data and micro data currently being collected. Predict duration and confidence (attribution)
, make a similar inference, and make a selection decision.

ま念、推論部分の応用としては、とｎらの経験則の直接
的な表現を利用し、良い結果や、悪い結果により自ら変
更、追加する自己成長型のシステムとすると、よシ高性
能となる。また、先に説明した推論部分で帰属度を求め
る帰属関数を目的にあった関数となるように多種用意す
ると、より効果的となる。As an application of the inference part, if we use the direct expression of Ton et al.'s empirical rule and create a self-growing system that changes and adds on its own depending on good or bad results, it will have much higher performance. Become. Furthermore, it will be more effective to prepare a variety of attribution functions for determining the degree of attribution in the inference part described above so that the attribution functions suit the purpose.

［発明の効果コ 以上詳述したようにこの発明によｎば、設計者すなわち
、群管理制御の専門家の知識を直接的に制御に利用し、
きめ細かい制御を実現し、同時にその制御の基本となっ
ている条件のあいまいさを加味した選択ができるので割
当て制御の失敗を少なくすることが出来るとともに、ま
た、その制御指示のあいまいさや正しさを予測する上で
、各フロアのシステムに対する影響まで考慮できるきめ
細かいコントロールを可能にし几エレベータの群管理制
御方法を提供することが出来る。[Effects of the Invention] As detailed above, according to the present invention, the knowledge of the designer, that is, the group management control expert, is directly utilized for control,
By realizing fine-grained control and at the same time making selections that take into account the ambiguity of the conditions that form the basis of that control, it is possible to reduce failures in allocation control, and also to predict the ambiguity and correctness of control instructions. In addition, it is possible to provide a group management control method for elevators, which enables fine-grained control that takes into account the influence on the system of each floor.

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

第１図は本発明に使用するシステムの構成図、第２図は
そのグロダラムモジュールの構成例を示す図、第３図乃
至第６図及び第８図乃至第１０図は本システムの使用す
るデータテーブルの一例を示す図、第７図はデータ交信
パ、ファを説明するための図、第１１図乃至第２２図は
本発明の主要な部分の作用を説明するための図である。 １・・・群管理制御装置、２・・・エレベータ制御装置
、４・・・エレベータ監視モニタ、６・・・かコ内コン
トローラ。 出願人代理人　　弁理士　鈴　江　武　彦第２図 第５図 第６図 データ交信バッファ 第７図 第８図 第９図 にＣＴ（ＳＥＴ　（ｘ　、　ｙ） 第１２図 第１３図（ａ） 第１３図（ｂ） 記号説明 Δｉホール呼 ム：仮割当を行なったホール呼 口：かご　　　　　　　第１５　図（ｂ）第１５図（ｃ
） 第１６図 第１７図 （（１）　　　　　　　　　　　　（ｂ）第１８図FIG. 1 is a diagram showing the configuration of the system used in the present invention, FIG. 2 is a diagram showing an example of the configuration of the GLODARAM module, and FIGS. 3 to 6 and 8 to 10 are diagrams used in the present system. FIG. 7 is a diagram showing an example of a data table, FIG. 7 is a diagram for explaining data communication ports, and FIGS. 11 to 22 are diagrams for explaining the operation of the main parts of the present invention. DESCRIPTION OF SYMBOLS 1...Group management control device, 2...Elevator control device, 4...Elevator monitoring monitor, 6...In-cabin controller. Applicant's representative Patent attorney Takehiko Suzue Figure 2 Figure 5 Figure 6 Data communication buffer Figure 7 Figure 8 Figure 9 CT (SET (x, y) Figure 12 Figure 13 (a) Figure 13 (b) Symbol explanation Δi Hall call: Hall call to which provisional assignment was made: Car Figure 15 (b) Figure 15 (c
) Figure 16 Figure 17 ((1) (b) Figure 18

Claims (1)

【特許請求の範囲】[Claims] 複数のエレベータを統轄して制御するエレベータの群管
理制御において、発生したホール呼びに対しその呼びを
割当てるなどの各種の制御指示を決定する際、意図する
制御目的を達成するために経験則に基づき各種条件によ
る制御指示内容を設定し、且つ、各階床の重要度を加味
した専門家の経験と知識に基づく主観量により人為的に
条件の確信度を定め、その確信度にあった帰属度関数を
用意するとともに各号機別に発生ホール呼びに対して目
的の制御を行うた場合の指標値を階床の重要度を含めて
求め、各条件とその確信度に応じた対応する帰属度関数
を用いてこの指標値により定まる上記条件対応の制御指
示への帰属度を求めその制御指示を行ったと仮定した場
合の有効性を推論により求め、その結果に応じて各号機
の制御指示を決定することを特徴とするエレベータの群
管理制御方法。In elevator group management control where multiple elevators are managed and controlled, various control instructions such as assigning calls to generated hall calls are determined based on empirical rules in order to achieve the intended control purpose. We set control instruction contents based on various conditions, artificially determine the confidence level of the conditions based on subjective quantities based on the experience and knowledge of experts, and take into account the importance of each floor, and create an attribution degree function that matches the confidence level. At the same time, we calculated the index value when performing the desired control on the generated hall call for each machine, including the importance of the floor, and used the corresponding attribution function according to each condition and its confidence level. The degree of attribution to the control instruction corresponding to the above conditions determined by the index value of the lever is determined, the effectiveness of the assumption that the control instruction is given is determined by inference, and the control instruction for each unit is determined according to the result. Characteristic group management control method for elevators.