KR950007372B1 - 엘리베이터의 그룹관리 제어장치 - Google Patents

Abstract

내용 없음.

Description

엘리베이터의 그룹관리 제어장치

제1도-제8도는 본원 발명의 원리를 설명하는 도면.

제9도-제11도는 본원 발명의 의한 교통수요의 특징생성장치를 도시한 회로도.

제12도 및 제13도는 기록데이터를 설명하는 도면.

제14도-제18도는 제2의 실시예의 하드웨어도.

제19도는 제2의 실시예의 소프트의 전체구성을 설명하는 블록도.

제20도-제23도는 시뮬레이션패러미터의 설명도.

제24도는 운전계 마이콤의 테이블구성도.

제25도-제29도는 운전계 마이콤의 호출할당제어 플로차트.

제30도-제37도는 학습계 마이콤에서 사용하는 테이블구성도.

제38도-제42도는 학습계 마이콤의 소프트를 설명하는 메인플로차트.

제43도는 행선층 교통량테이블의 작성방법을 설명할 때에 사용하는 설명도.

제44도-제48도는 시뮬레이션실행 플로차트.

제49도는 시뮬레이선의 응용예를 도시한 플로차트.

제50도는 대수별로 시뮬레이션하는 플로차트.

제51도는 제50도의 설명도.

제52도 및 제53도는 제2의 실시예의 동작을 보충설명하는 도면.

제54도-제56도는 특징모드의 발생예측방법의 개선예를 설명하는 설명도.

제57도는 학습계의 효과를 보고하는 포맷의 예를 도시한 도면.

제58도는 변형예를 도시한 블록도.

제59도는 제58도의 테이블구성도,

제60도는 학습계 데이터의 흐름설명도.

제61도는 혼잡대기시의 다른 제어형태설명도

제62도는 제29도의 변형플로차트.

제63도는 군관리모니터장치의 개략구성도.

* 도면의 주요부분에 대한 부호의 설명

110 : 엘리베이터제어계 130 : 교통정보검출회로

140 :시각신호발생회로 150 : 교통수요의 특징모드식별회로

157 : 교통수요의 특징식별회로 160 : 특징모드별 정보학습회로

170 : 엘리베이터운전제어형태 선택회로

151 : 교통수요의 특징요소치연산회로

155 : 엘리베이터제어용 특징모드의 설정회로

156 : 엘리베이터제어용 특징모드의 생성회로

본원 발명은 엘리베이터의 제어에 관한 것이며, 특히 컴퓨터를 사용하여 복수대의 엘리베이터를 제어하는데 적합한 장치에 관한 것이다.

최근, 마이크로컴퓨터(이하 마이콤이라고 함)가 각종 산업에 응용되고 있으며, 엘리베이터 분야에 있어서도 복수의 엘리베이터를 효율좋게 관리하는 군(group)관리제어장치나, 개개의 엘리베이터를 제어하는 호기(號機)제어장치에 적용되고 있다.

이러한 시도는 마이콤의 갖는 소형, 고기능, 고신뢰성, 저코스트의 특징때문에 엘리베이터 제어장치에 커다란 공헌을 하고 있다.

예를 들면, 군관리제어의 경우 발생하는 홀호출을 개개로 온라인(on line)으로 감시하고, 전체의 홀호출(hall call)의 서비스상황을 가미하여, 가장 적합한 엘리베이터를 선택하여 할당하는 것이 가능해지며, 대기시간단축에 크게 기여하고 있다.

또, 승객이 많이 발생한 홀에는 복수대의 엘리베이터를 서비스하거나, 중역층에는 대기시간이 짧은 엘리베이터를 서비스하는 등의 우선 서비스제어가 가능해지며, 세밀한 제어를 행할 수 있도록 되어 있다.

한편, 엘리베이터의 감시장치에서는 컴퓨터가 상당히 진보된 이용형태로서, 그룹관리를 제어하는 시스템프로세서와 중앙감시국의 프로세서를 전화회선으로 접속하고, 효율좋은 감시를 행하는 방식도 제안되어 있다.

즉, 이 방식에서는 엘리베이터시스템의 운전이 필요없는 야간 등에 있어서, 시스템 프로세서를 엘리베이터시스템과 분리하여, 중앙감시국의 프로세서내의 케이지(Cage) 응답을 시뮬레이트하는 장치와 접속시켜서, 시스템프로세서의 기능 및 동작상황을 효율좋게 감시하는 일을 행하고 있다. (일본국 특공소 56-37, 145호).

이상과 같이, 마이콤 등의 컴퓨터이용에 의해 랜덤 로직구성에 비해서 대폭적인 성능, 기능의 향상이 도모되어왔다.

그러나, 종래의 엘리베이터군감시제어장치에서는 미리 결정된 고정화된 제어기능의 및 패러미터에 의해 운전제어되고 있기 때문에, 시시각각으로 변화하는 빌딩환경에 반드시 적응된 시스템으로 되어 있지는 않다.

예를 들면, 빌딩완성시의 교통수요와 그 후의 테넌트변경이나, 업무변경 등이 있었을 경우의 교통수요에서는 행성교통수요가 달라진다.

또, 하루의 교통수요중에서도 출근, 점심시간, 퇴근, 평상이라고 하는 행성교통수요가 대폭 변화한다.

이와 같이, 교통수요가 대폭 변화하면 효율적인 감시제어가 곤란해져서 서비스저하를 초래하게 된다.

그래서, 종래를 일본국 특공소 48-15,502호나 특공소 52-141,942호 등에 개시된 바와 같이, 엘리베이터의 교통수요를 검출하고, 미리 정한 상기 특징을 대표하는 복수의 대표점이 어느 것에 가까운가를 판정하여 현상태의 패턴을 검출하여, 엘리베이터를 제어하는 방법을 채용하고 있었다.

즉, 종래의 그룹감시제어장치는 미리 상정(想定)한 교통수요패턴별로 그룹관리프로그램을 준비해두고, 교통수요의 변화에 맞추어서 그들을 선택하여 제어하고 있었다.

이 방법에서는 예를 들면 임대사무실 빌딩에서 한 회사전용빌딩으로의 전환이나 빌딩내 테넌트의 교체, 재(在)빌딩인원의 증가, 지하철의 신설 등에 의한 교통사정의 변화라고 하는 뜻밖의 사태에 대응할 수 없으며, 서비스의 저하가 생기거나 그룹감시제어장치의 개조 및 수요상황의 실태조사 등이 필요해진다는 문제점이 있었다.

또한, 학교나 회관 등에 있어서는 비정기적으로 대략 같은 교통수요모드가 반복해서 발생하지만, 이들을 정확하게 파악하는 일과, 더욱이 이 교통수요에 적합한 운전을 행할 적합한 수단이 없었다.

또한, 달력에 대응하는 신호를 발하는 달력신호발생회로의 달력신호에 의해 휴일과 평일을 구분하는 방법도 제안되어 있다. (일본국 특개소 52-141,944호)

예를 들면, 한 회사전용의 사무실빌딩에서, 또한 매주 일요일이 휴일이라면 이 방법으로도 문제는 없을 것이다.

그러나, 여름휴가나 대체휴일에 의해 월요일부터 금요일이 휴일로 될 경우가 있다. 그때는 그때마다 스위치 등에 의해 휴일인지 평일인지를 입력할 필요가 있다 또, 토요일은 영업부 등 일부의 부서가 출근할 경우에 어떻게 대응하면 좋을지 결정하기 어려운 결점이 있었다.

본원 발명의 목적은 엘리베이터를 설치한 건물의 성질 및 사용환경의 변화에 즉응한 엘리베이터서비스를 제공할 수 있는 엘리베이터의 그룹감시제어장치를 제공하는데 있다.

본원 발명의 특징은 생성 또는 미리 설정한 교통수요의 특징모드별로 운전프로그램을 생성하는데 있으며, 나아가서는 현상태의 교통수요에 적당한 상기 운전프로그램을 사용하여 엘리베이터를 운전제어하도록 구성한 것에 있다.

다음에, 본원 발명의 일실시예에 대하여 설명한다 엘리베이터 교통수요의 특징모드 생성장치를 제9도-제13도에 도시한 구체적 실시예와, 제12도 및 제13도에 도시한 다른 실시이에 의해 상세히 설명한다. 그리고, 실시예의 설명에 앞서서 본원 발명의 제어개념을 제1도-제8도에 의거하여 설명한다.

제1도는 지하 1층, 지상 10층의 어느 빌딩에 설치된 엘리베이터의 어느날의 오전 8시부터 오후 2시 지나서까지의 교통수요의 상황을 교통수요의 현저한 특징을 나타내는 요소에 의해 도시하고 있다. 단, 하루중 일부를 생략하여 도시하고 있으며, 아침의 출근시간대와 점심시간대의 교통수요상황을 나타내고 있다.

도면에 있어서, 곡선 C₁은 교통량의 요소를 나타내며. 타임차트 9U-BID는 층별의 지하 1층, 4층 및 9층의 층별의 엘리베이터 상승 및 하강의 혼잡집중 정도를 3개의 값으로 이루어진 디지탈치로 도시하고 있다. 제7도 상부에는 이 빌딩에 있어서 하루중에 발생하는 특정의 특징을 갖는 교통수요의 특징의 크기를 곡선 ΦPn으로 도시하고 있다. (상세한 것은 후술함)

일반적으로 엘리베이터제어, 특히 병설된 복수대의 엘리베이터를 일괄해서 그룹관리제어한다.

엘리베이터를 가장 적합하게 제어하기 위해서는 개개인의 승객이 언제 어느 층에서 어느 방향으로 가는지를 사전에 예측할 수 있는 것이 이상적이지만, 수천명에 달하는 이용객에 대해 엘리베이터의 이용예정을 사전에 등록한다는 것은 실제문제로서 곤란하며, 또 외래객이 많은 빌딩이나 행사가 많은 빌딩은 불가능하다.

그래서, 본원 발명은 지난날의 교통수요를 학습하여, 금일의 교통수요를 예측하는 제어에 의해 상기 과제를 해결하기 위해 가장 유효한 수단으로서, 그 빌딩의 교통수요의 특징모드의 추출을 행하고, 추출된 특정모드를 적합하게 나타낼 수 있는 복수의 요소의 크기와 발생시각, 발생주기 등의 요소를 다양하게 학습함으로써, 다음날부터의 엘리테이터제어에 있어서 예측에 의한 가장 적할한 제어를 가능하게 하는 것을 기본원리로 하고 있다.

교통수요에는 여러가지 요소를 포함하고 있지만, 특히 엘리베이터에 대해 커다란 부담으로 되는 것은 교통량과, 각 층간의 이동상황이다.

교통량을 나타내는 함부C(t)는 종래 다음 식(1)로 정의하고 있다.

[수학식 1]

그러나, 재빌딩인원은 단순한 기준수라고 볼 수 있으며, 단순한 상수로서 취급하기로 한다.

이 교통량은 다른 빌딩에 설치된 다른 엘리베이터 상호간에서의 교통수요의 크기를 비교하는데 사용하고 있으며, 개략적인 비교를 할 수 있다. 즉, 평상은 4%-6%정도의 교통량이며, 교통량이 12%로 되면, 매우 혼잡한 상황이라는 것이 대략 표현될 수 있다. 그러나, 엘리베이터에의 스트레스의 크기를 표현하는 점에서는 불충분하다.

먼저, 엘리베이터가 재빌딩인원에 알맞게 설치되어 있는가 하는 점이다. 또, 엘리베이터제어에서 보면 다른 빌딩과의 비교는 필요없다.

그래서, 본원 발명에서는 교통량 함수C(t)의 단위로서 5분간당 엘리베이터 이용인원수로 표현하기로 했다.

다음에, 소정기간의 교통량(최소한 하루의 교통량 이상, 가능하면 시정수가 7일 이상을 갖는 교통량 학습기능에 의해 하루에 환산된 평균교통량)을 계측하고, 제2도에 도시한 바와 같은 도수분포도를 만들고, 그빌딩에 있어서의 소정기간(예를 들면 1주일간)의 교통수요를 점유하는 시간의 비율로부터 교통량 평가레벨α,α₁,α₂,α₃을 만들고, 이 레벨치를 만들어서 개개의 교통수요의 교통량 C의 요소치의 크기를 나타내는 평가치(교통량레벨함수)CV(t)를 구하기로 했다.

동일교통량일지라도 전체층이 균등하게 혼잡할 경우와, 1층과 2층에만 승강케이지인원이 집중되고 있을 경우에서는 엘리베이터에 부여되는 스트레스는 2배 이상의 차이로 된다. 그래서, 이 것을 어떤 형태의 요소로서 인식하여 작성할 필요가 있다.

그러나, 각 층간의 이동상황(이하 교통류라고 약칭함)의 특징을 정의하는 정설(定說)이 없으므로 본원 발명에서는 혼잡집중층함수I(t)와 전체층에 대한 그 층의 혼잡집중도함수 V(t)에 의해 표현하기로 했다. 이외에도 단지 층마다의 분포계수를 구하여 표현하는 것도 생각할 수 있지만, 단지 분포의 상황만을 계수로 한다면 개별의 층에의 대응제어를 할 수 없으므로 엘리베이터의 교통수요의 특징을 표현하는 요소에 층 그자체를 포함하기로 했다.

그리고, 이 혼잡집중층함수 I(t)(하기(2)식에 예를 나타냄)와 혼잡집중도함수 V(t)(하기(3)식에 예를 나타냄)는 엘리베이터제어의 성질상 승차인원 (기호 S)과 하차인원(기호 R)에 대해서와, 상승방향(기호 U)및 하강방향(기호D)에 대해서 구분하여 구하는 편이 여러가지 교통수요가 갓는 각양각색의 교통류의 특징을 적합하게 표현할 수 있다.

이들 4종의 요인을 나타내는 요소함수로서 다음의 8개의 평가치를 생각할 수 있다.

① 상승방향의 승차인원의 분포상황의 요인을 나타내는 평가함수.

[수학식 2]

[수학식 3]

② 하강방향의 승차인원분포상황의 요인을 나타내는 평가치.

[수학식 4]

③ 상승방향의 하차인원분포상황의 요인을 나타내는 평가치.

[수학식 5]

④ 하강방향의 하차인원분포요소의 요인을 나타내는 평가치.

[수학식 6]

그리고, 상기에 있어서 배열변수 n은 1∼최대서비스층수(일반적으로 최대서비스층수는 5층∼40층 있으며, 특히 13층 정도가 많음)까지 있기 때문에, 10층의 서비스층을 갖는 엘리베이터의 경우 총계 80개나 되는 다량의 평가치를 구하고, 또한 이것을 기록하여, 식별을 위한 처리를 요하게 된다. 그래서 발명자들은 교통류의 특징을 나타내는데 있어서 실용적으로 제공되는 범위내로 간략화하기로 했다.

먼저, 방향성에 대해서인데, 이것을 일괄하여 평가하기로 하여 동일서비스층을 방향별로 별개의 층인 것으로 하여 분석을 행하기로 했다.

즉, 검출되는 혼합집중층함수I(t)로서 방향별로 층을 나타나는 데이터를 설정함으로써 동등한 효과를 발휘할 수 있다.

또한, 배열변수 n의 크기인데, 엘리베이터 제어에 부여되는 스트레스로부터 평가하여 경부하의 방향부가층(이하 층이라고 함. 그리고 특히 방향성을 갖지 않는 플로어를 나타내는 층은 플로어층이라고 함)은 필요성이 적다. 즉, 중부하로 되는 수개층을 요소로 하면 충분히 실용적으로 된다. 그래서 다음부터 설명의 편의상 배열변수 n가 갖는 같을 1,2,3으로 한다. 이로써 상기한 80개의 평가치를 12개로 할 수 있다. 즉, 다음의 (4)식 내지 (9)식에서 각 요소의 평가치를 구할 수 있다.

[수학식 7]

I_n ^s(t)=시간대[t-△t, t +△t]에 있어서의 n번째의 승차인원의 많은 층..............(4)

[수학식 8]

W_I ^Sf(t)=시간대(t-△1, t+△t)에 있어서의 i층으로부터의 승차인원...................(5)

(4)식, (5)식으로부터 탑승객 집중층 I_n ^S(t)의 혼잡도 V_n ^S(t)는 다음과 같이 된다.

[수학식 9]

[수학식 10]

I_n ^R(t)=시간대[t-△t,t+△t]에 있어서의 n번째의 하차집중층‥‥‥(7)

[수학식 11]

W_i ^R(t)=시간대(t-△t,t+△t)에 있어서의 i층으로부터의 하차인원 ‥ (8)

(7)식, (8)식으로부터 n번째의 하차승객집중층 I_n ^R(t)의 혼잡도 V_n ^R(t)는 다음과 같이 된다.

[수학식 12]

그리고, F는 엘리베이터의 서비스층수(여기서는 방향별 서비스층수로 하고 있지만 단지 서비스층으로 해도 된다) 발명자들은 최종적으로는 이들은 더욱 간소화하기 위해 층집중도함수 V를 나타내는 (6)식과 (9)식 대신에 다음의 (10)식과 (11)식을 채용하여, 합계 8개의 평가치를 더욱 교통류의 특징을 표현하는 요소로 했다.

[수학식 13]

[수학식 14]

그리고, 윗식에 있어서 Vn은 층별의 집중도(%)를 나타내고 있다.

제 3도에 제 1도의 시간대[t₂∼t₃]에 있어서 자주 발생하는 출근시의 대표적인 교통류를 나타낸다. (a)는 층마다의 집중정도를 도시하고 있으며, 곡선 fUPIN₁,은 상승방향측의 승차인원의 비율을, 곡선 fDNIN₁은 하강방향측의 승차인원의 집중비율을 각가 플로어층마다의 분포상황을 나타내고 있다.

곡선 fUPOUT₁과 곡선 fDNOUT₁은 각각 상승방향과 하강방향측의 승차인원의 분포상황을 나타내고 있으며, 승차인원비율과 하차인원비율의 각각 합계는 100%로 되며, 각각의 총합인원은 마크로적으로 보면 교통량으로 표시되는 인원과 같아진다.

제3도(b)는 승차, 하차별로 집중도가 높은 층의 순번으로 인원비율을 도시한 것이며, 곡선 fVIN은 승차인원의 곡선, fVOUT는 하차인원의 각 층에의 집중정도와 분산정도의 상황을 나타내고 있다.

상기한 바에 의하여, 제1도 및 제3도에서 도시한 대표적인 출근시간대(t₂∼t₃)의 교통수요는 그 특징을 다음의 요소로 분해되어 인식된다.

(1) 교통량함수 C(t)는

[수학식 15]

C(t₂∼t_2A)≒ 120명/ 5분 ......................................................(12)

[수학식 16]

C(t_2A∼t₃)≒ 200명 / 5분 .....................................................(13)

(2) 승차인원의 혼잡집중도함수 V^S(t)는

[수학식 17]

V^S(t₂∼t₃)≒60¹+30²≒4500..................................................(14)

(3) 하차인원의 혼잡집중도함수 V^R(t)는

[수학식 18]

V^R(t₂∼t₃)≒17²+16²-14²+13²+12²+11²+7²+4²≒1545 ‥‥(15)

(4) 승차혼잡집중층함수 I_n ^s(t)의 n=1∼3의 배열의 값은

[수학식 19]

I_n ^s(t₂~t₃)=$01,$02, $00 ‥‥‥(16)

[[수학식 20]

(5) 하차혼잡집중층함수 I_n ^R(t₂~t₃) =$04, $07, $06‥‥‥‥‥‥(17)

그리고(16)식이나 (17)식에서 구하는 집중층함수I(t)에 대해서는 제3도에 도시한 바와 같이 β₁, 미만의 층은 집중층이라고 부를 수 없으므로, 그 순번 n의 층 I_n으로서 집중층이 존재하지 않는 것을 의미하는 기호로서 $00를 배열에 세트한다.

이와 같이해서, 출근시의 교통수요의 특징인 교통량이 상기한 소정기간(1일 등)에 있어서 최대에 가까우며, 또한 특정층(로비)(I_n ^s _n=1(t)=$02임)으로부터의 탑승인원이 태반을 차지하며 (V^S(t) =4500으로 큼), 또한 하강방향의 이동인원이 매우 적다고(I_n ^R(t)에 $8I∼$8B가 없는 것이라는 특징을 상기한 5개의 요소의 값을 나타내는 8개의 함수에 의해 실용적으로는 완전히 표현할 수 있게 되어 있다.

다음에 각종 시간대나, 요일에 의해 발생하는 각가지의 교통수요를 명확히 인식하고. 그 빌딩에 있어서의 현저한 특징모드로서 추출하는가에 대해서 설명한다.

먼저, 엘리베이터로서의 전체적인 제어원리를 제4도에 도시한 순서에 의해 설명한다. 그리고, 제4도는 프로그램이나 하드회로의 동작플로를 도시한 것은 아니고, 학습해 가는 과정을 설명하는 개념적인 순서를 나타내고 있다. 먼저 빌딩오픈의 개관일(수순 P10)에 앞서서 개관후에 엘리베이터를 원활하게 가동한다. 즉 최적제어가 되는 것을 기대하여 인델리젠트단말 등으로부터 미리 예상되는 교통수요의 특징모드를 키보드 등으로 입력한다. 이때, 입력하는 포인트는 제32도에 도시한 바와 같이 스케듈(테이블번호 T291)과 승강에 의해 혼잡하리라고 예정되는 층순으로 테이블번호 T292에 입력한다. 이것에 의해 혼잡집중층을 알았으므로 상기한 5개의 특징의 요소별 평가치(예를 들면 AM 10:00∼10:30)는 다음과 같이 작성한다.

[수학식 21]

(1) C(AM 10∼AM10:30) =135 ‥‥‥‥‥‥‥(18)

교통량의 지정이 없을때는 중간레벨 α₄에 상당하는 135[명/5분]를 세트한다.

[수학식 22]

(2) I^s(AM 10∼AM 10:30)=$82, $05, $85...................(19)

[수학식 23]

(3) I^R(AM 10∼AM 10:30)=$82, $05, $85...................(20)

여기서 승차혼잡이나 하차혼잡의 지시가 없었으므로 양쪽에 동일한 층을 넣은, 또 별도의 케이스로서 층만 입력되었을 때는 두방향을 넣도록 한다.

[수학식 24]

(4) V^S(AM 10∼AM 10:30) =1700................................(21)

[수학식 25]

(5) V^R(AM 10∼AM 10:30) =1700................................(22)

여기서, 특히 집중도의 지정이 없고, 또한 3개의 혼잡층을 지정하였으므로 집중도레벨 β₂에 해당하는 값을 선정하여 1700으로 했다.

또한, 제1도에 도시한 출근이나 점심시간 등의 특징모드는 일반적으로 발생하기 쉬우므로, 이것을 공장 출하시에 ROM 등에 세트해 놓아도 되고, 이들은 첫날부터 될 수 있는 한 가장 적합한 제어를 하고자 하는 빌딩에 있어서만 실시하면 되며, 원리적으로는 불필요한 순서이다.

다음에, 엘리베이터제어용의 새로운 특징모드의 자동설정(수순 P30)을 설명한다.

이 부분의 상세한 수순을 제5도에 도시한다.

예를 들면, 1일분 또는 1주일분의 교통수요를 검출하고(수순 P3l), 상기한 5종의 특징요소 즉 교통량C(t)과, 교통류의 특징요소함수를 연산하고(수순 P32), 기록한다(수순P33).

이때 예를 들면 7,5분 간격으로 교통수요를 검출하면 1일동안에 192조(組)로 되고, 1주일분에서 1344조로 되어 이미 기술한 8개/조의 특징요소함수치를 기록하는데 약 10KB의 불휘발성메모리를 필요로 한다.

또, 특징모드 추출의 학습연산도 그만큼 시간이 걸리게 되어, 고속의 연산하드가 필요해진다.

또한, 이용인원이 적을때에 특징을 표현하는 것은 무리이다.

그래서, 제1도에 도시한 바와 같이 교통량이 작을 때는 긴 주기로 하고, 교통량이 클 때는 짧은 주기로 검출하기로 하면, 그만큼 기록하는 조의 수가 저감된다.

예를 들면, 소정인원의 교통이 있었을 때에 특징검출하면 하루 약 48조 정도가 된다.

단, 소정시간 예를 들면 30분 이상 지났을 경우는 그 시점에서 특징판정을 행하는 것으로 한다.

그리고, 이 방식으로 했을때는 그 시간폭을 표시하기 위한 시각데이터도 특징데이터와 짝으로 기록할 필요가 있다.

이상의 수순을 소정기간, 예를 들면 1일간 반복하고(수순 P34), 1일분의 분석된 수십 또는 수백조로 이루어진 교통수요를 집계한다.

다음에, 새로운 특징모드의 설정을 행할 것인가의 여부를 평가하기 위한 특징모드 추출함수를 구한다.

먼저, 첫째로 이미 구한 8개의 특징요소함수를 조(組)수치로 재평가한다.

먼저, 제2도에 도시한 교통량레벨 α₅-α₁을 구한다(수순 P35).

다음에, 이 교통량레벨을 만들어 각 조의 교통량함수C(t)를 교통량레벨함수 CV(t)로 변환하고, 이상에 의해 1일분의 교통수요를 복수조로 이루어지는 8개의 요소함수의 배열을 만들수 있다(수순 P36).

제2도에서 실시한 교통량레벨함수CV(t)의 값의 수는 7개($06∼$00)로 했지만, 더욱 적게, 예를 들면 4개로 하여도 된다.

또한, 층의 혼잡집중도함수 V(t)의 값의 도수분포를 만들어 제2도(b)의 곡선 V₁을 만들고, 레벨 β₁∼β₄로 이루어지는 분포레벨을 형성한다. (수순 P37) 이로써, 뜸한 층집중도함수 W(t)를 만들고, 각 특징요소의 조합의 종류를 어느 정도 제한할 수 있다.

그리고, 대표적인 특징모드를 추출하기 위해 소정기간 검출한 교통수요의 각 요소를 조함수(組函數)로 표현한 배열을 만든다. (P37)

또한, 특징모드 추출함수 PS(m)을 사용하고, 검출된 교통요소를 전부 조로 만들어 연산한 특징모드를 추출한다. (수순 P38) m은 특징모드로 부여된 번호이다.

예를 들면 다음의 (23)식에 의해 구할 수 있다.

[수학식 26]

PS(m) =T(m){k₁(CV_(m)+k₂(W^s _(m),))}........................(23)

이 (23)식에 있어서, PS(m)은 기등록하기 위하여 그 모드 m의 새로운 목표를 나타내는 특징모드 추출함수, CV(m)은 그 모드 m에 있어서의 교통량레벨함수, W^s _(m)그 모드 m에 있어서의 임의의 층에의 승차인원 집중도를 나타내는 승차층집중도함수, W^R _(m)은 식당층이나 로비층 등의 혼잡층에의 하차인원 집중도를 나타내는 하차층집중도함수이다.

그리고, 특징모드 m은 검출된 순번에 붙여서 행하면 된다. 그리고, 함수 T_m은 특징모드 m와 동일한 특징모드 또는 유사한 모드가 검출된 회수 또는 누적시간으로 한다.

만일, 특징모드가 소정수를 넘었을 때는 T_m이 작고, 가장 먼저 추출된 특징모드를 다른 가장 접근하고 있는 특징모드에 포함시킨다.

또한, 동일한 특징모드라고 인식할 때는 제1의 집중층함수 I₁ ^S나 I₁ ^R이 일치하고 있는가의 여부로 판정해도 되고, 또 해당층집중도함수 V_I(t)가 소정치 또는 소정레벨 이하일 때는 뜸한 집중층 함수 IV_n으로서는 $00로 취급하기로 하고, 예를 들면 IV₁ ^S~I₃ ^S까지 모두 일치하고 있는가로 판정해도 된다. (수순 P37)

상기한 바에 의하여 구한 복수의 특징모드 추출함수 PS(m)을 서로 비교하고, 신규의 특징모드중에서 PS(m)이 최대의 1조까지는 상위의 복수조를 선택하여, 새로운 엘리베이터제어용 특징모드로서 가등록한다. (수순 P39)

그리고, 이때 미리 설정되어 있는 특징모드가 없을 경우나 적을 경우는 많이 추출하는 것으로 하거나, 항상 제어용 특징모드를 설정할 수 있는 최대수를 추출하는 것으로 하고, 더욱 빠른 일수로 특징모드의 설정이 완료하도록 한다.

그리고, 가등록하는 특징모드의 층집중도레벨할수 W(t)와 교통량레벨함수 CV(t) 등의 조함수치가 아니고, 원래의 함수 V(t)와. C(t)의 값을 등록하는 것으로 한다. 이로써 다음의 식별이 정확해진다.

상기한 바에 의해, 그 엘리베이터 고유의 교통수요중에 존재하고 있던 교통의 특징의 형태(모드) 그 자체를 자동추출할 수 있었지만, 본원 발명은 이것에 한정되는 것은 아니며, 미리 예측되는 수십개의 특징모드를 설정해 두고, 다음에 설명하는 방법에 의해 현저하고 빈도 높게 발하는 특징모드를 선택하여 엘리베이터제어에 사용하는 특징으로서 선택하여 설정하는 구성으로 할 수도 있다.

이와 같이해서 새로 자동추출된 가등록된 특징모드의, 이미 등록되어 있는 특징모드의 우선도를 구하는 특징모드우선함수 PP(m)와, 등록필특징모드의 등록특징요소 함수치의 수정에 의한 특징모드의 생성을 행하는 특징모드생성제어(수순 P40)에 대해서 제6도에 의거하여 설명한다.

그리고, 등록특징모드요소함수에는 전술한 검출된 교통수요의 특징모드요소함수 CV_m, I_m, V_m외에 정기적으로 반복하는 요소를 학습하기 위한 주기함수 TP_m와, 일별로 정시에 발생하는 요소를 학습하기 위한 시각함수 TH_m를 추가한다.

먼저, 첫째로 수순 P33에서 작성한 N_l조의 특징모드의 요소함수의 하나하나에 대해서 다음의 순서에 의해 M₁조의 등록필특징모드 요소함수로 표현되는 다차원벡터를 갖는 공점(空点) Pm의 어디에 가장 가까운가를 학습한다.

그리고, 각 요소간의 중량부가는 상수 k₃∼k₅에 의해 행한다.

검출한 교통수요의 특징모드요소함수에 의한 벡터가 만드는 공점 P_m의 벡터는 (25)식으로 표시된다.

[수학식 27]

[수학식 28]

공점 Pm도 똑같이 기술할 수 있으며, 2점간의 스카라량 P_nm은 (26)식에서 구해진다.(수순 P4l)

그리고 혼잡집중폭은 여기서는 원리의 설명에 대해 제1의 층만 평가하기로 하고, 식을 간략화해서 나타내고 있지만, 실제로는 제2, 제3의 집중층도 중량을 가볍게 하여 평가에 포함하는 것이 좋다.

또, 층의 번호차이(차이값=I_n ^s-I_m ^s)를 구해도 되지만 일치했을때는 "0", 불일치했을때는 "1"을 부여하도록(26)식을 변경해도 된다.

[수학식 29]

(26)식에 의해 가장 가까운 공점 Pm을 갖는 등록필특징모드번호 m를 구하고, 이것을 가장 가까운 등록필특징모드라고 하여 기록한다. (수순 P42)

[수학식 30]

m(P_n) =MiN (P_n1, P_n2‥‥P_nM1) ‥‥‥‥‥‥‥‥‥‥‥‥‥ (27)

이상의 순서를 n=1로부터 n=Nl에 대해 실행하고, 차례차례로 검출한 교통수요의 특징요소함수와 대비하여 기록한다. (수순 P42)

다음에, 예를 들면 등록필특징모드(P_m)별로 선택된 회수 또는 시간의 적산치를 구하여 이것을 등록필특징모드의 평가함수 ΦT_m로 한다. (수순 P44)

이것은 발생빈도에 의해 평가한 것이지만, 교통수요의 벡터의 크기의 적 (積)의 합으로 하는 쪽이 더욱 좋다.

다음에, 현재(J)의 교통수요모드 m에 있어서의 특징모드추출 우선함수 ΦP_m(j)를 (28)식에 의해 모든 등록필특징모드에 대하여 구한다.

[수학식 31]

ΦP_m(j) = (1-k₅)ΦP_m(j-1) +k₅· ΦTm‥‥‥‥‥(28)

여기서, ΦP_m(j-1)은 전회의 동일모드 m에 있어서의 특징모드추출함수, k₅는 상수, ΦT_m은 등록필특징 모드의 평가함수이며, 그 이용회수 또는 이용시간에서 구한다.

이 값의 최소의 것 또는 하위의 복수개의 특징모드를 제거한다. (수순 P45) 따라서, 앞서 가등록한 특징모드는 큰 값을 취할 수 없으므로 제거되기 용이하다.

최종적으로 결정한 등록필특징모드함수 P_m(개부 M₂)의 가 요소의 함수치의 크기를 (28)식의 지수평활(指數平滑)에 의해 학습하여, 설명한다.(수순 P46)

예를 들면, 교통량함수 C_m또는 교통량레벨함수 CV_m은 금번의 소정기간(1일 또는 1주일간)에 있어서 추출된 특징모드 m에 가까운 특징모드의 요소치나, 또는 특징모드 m로서 판정된 교통수요의 가중평균에서 구한 요소치와 등록필특징모드의 요소치로(28)식과 같은 학습(장기의 평활처리) 계산을 행하여 교통량요소의 함수치는 생성을 행한다.

층에 대해서는 제2, 제3의 층함수를 과거의 데이타도 포함하여 발생빈도가 큰 것으로부터 순서적으로 선택한다.

또한, 시간에 관한 함수 TP_m와 TH_m도 (28)식과 마찬가지로 지수평활해서 구한다. (수순 P47)

그리고, 주기는 전회 검출바고 나서의 다음회 검출까지의 개별시간을 관리하며, 높은 빈도로 발생하는 주기를 복수개에 대해서 학습함으로써, 상이한 2개의 주기로 반복되는 특징을 학습할 수 있다.

또, 하루에 있어서 많이 발생하는 시간을 복수개, 개별로 학습하고, 시각함수 TH_m로서 기록함으로써 더욱 정확한 예측제어가 가능해진다.

이상에 의해 추출되며, 요소의 함수를 학습하고, 그리고 설정해서 만들어진 특징모드(이하 단지 특징이라고 함)를 근거로 제4도의 수순 P50에 의한 특정별 교통정보의 기록을 행하고, 그 데이터를 근거로 특징모드별 교통정보와 학습을 하여 실기(實機)가 컴퓨터의 경우에서 능력이 있으면 실기이고. 또는 엘리베이터나 빌딩감시용 컴퓨터나 중앙보수센터의 대형컴퓨터에 의한 시뮬레이션에서의 최적프로그램의 선택결과의 기록등을 행한다. (수순 P60)

다음에, 현상태의 교통수요의 특징모드를 수순 P3l과 P32와 같은 방법으로 분석하여, 수순 P4l과 P42와 같은 방법으로 특징패턴 인식학습을 행한다.

단지 여기서 조금 다른 개선예에 대해서 보충한다 즉, 전자의 경우는 시간요소를 넣지 않았지만, 실제의 운전에 있어서는 엘리베이터제어계, 특히 군관리제어엘리베이터에 있어서의 제어알고리듬이나 제어패러미터를 전환하고 나서, 실제로 기능하기까지의 제어지연은 엘리베이터의 일주(一周)시간이 평균 120초인 것에서 수분(數分))인 것으로 생각되며, 10분 지나면 대략 안정된다고 하는 성질이 있다.

그래서, 특징 인식을 하는 (26)식 또는 (28)식 등에 시간적인 연속성을 평가요소로서 가미하는 것이 바람직하다. 예를 들면 (27)식에 있어서, 전회에 선택되어 현재 엘리베이터를 제어하고 있는 특징_m1의 스카라량 P_tm의 항목만을 (P_tm)k₇로 하고, 계수 k₇를 1보다 작은값을 취하는 것으로하면, 그만큼 전회에 선택되어 현재의 엘리베이터제어용 특징모드가 인식되기 쉽게 할 수 있다.

둘째로, 매일 같은 시각에 반복되는 특징에 대해서도 마찬가지의 수단을 강구하여 빠르게 검출하는 것도 유효하다.

예를 들면, 제1도의 출근시와 같이 평일이면 매일 8시15분경에 출근의 피크를 이루는 것을 특징의 하나 Pm로하여 추출, 학습하고, 시각요소함수 TH_m로서 08.15가 치록되어 있을 경우, 예를 들면 (27)식의 해당의 특징항목만을 (29)식으로 바꾸어서 특징모드를 식별함으로써(수순 P70), 조속히 지난날에 학습한(수순P50과 P60) 출근데이터에 의한 출근에 적응한 운전형태로 할 수 있다.

[수학식 32]

여기서, P_tm은 현시점에 있어서의 교통수요가 등록필모드의 어느것에 속하는가를 판정하기 위한 각 모드별 함수(스카라량)이며, P_tm은 상기 함수 P_tm에 시간적 경향에 의한 보정을 추가한 것이며, 그 모드 m가 발생하기 용이한 시각에 가까운 정도의 작은 값으로 된다.

따라서, 이것이 가장 작게 되는 특징모드에 속하는 것으로 판정된다. THP_m은 시각요소함수, k₇,은 동일시간대를 우선하기 위한 시각차, t는 현재시각이다.

그리고, │t-TH_m│ <k₉│은 │t-TH_m│이 k₉보다 작은 조건이 성립되면 1 이며, 그 이외에는 0으로 되는 것을 의미한다. k₉은 예를 들면 15분이라고 하면, 현시각 t는 지난날까지 학습된 예측시각을 나타내는 요소함수 TH_m의 값 08.15가 나타나는 시각의 ±15분대내가 되면 P⁹ _tm의 값이 스카라량 P_tm보다 작아지며, 시각이 일치하면 1-k₈의 값만큼 선택되기 용이해진다.

이상에 의한 특징모드식별(수순 P7O)에 의해 식별된 특징모드를 분석, 학습한 특징 Pm과 대략 근사{(29)식이나, (26)식이나 (27)식에서 구해지는 값이 소정치보다 작음}할 경우는 그 특징 Pm에 의해 구해지고 있는 제어데이터(수순 P50과 P60에서 작성한 데이터)에 의해 엘리베이터를 운전제어한다.

빌딩내의 환경이나 빌딩내의 레이아웃변경에 의해 교통수요가 급변한 것 등에 의해 상기한 값이 소정치를 넘어섰을 경우는 제1의 특징 Pm뿐만 아니라 비교적 가까운 복수의 특징을 식별하고, 이들 특징별로 갖는

제어데이터를 보관하여 사용하거나, 교통정보를 접근도에 따른 중량부여로 합을 취하여, 수순 P60을 실행하여, 구해진 패러미터 등에 의해 엘리베이터를 제어한다. (수순 P75)

단, 당일만의 행사가 있을 경우는 미리 시각과 행사의 내용을 층과 제어의 종류를 나타내는 스위치나 키보드 등에 의해 입력해 두고, 그 입력내용을 해석하여 몇층과 몇층에 대해 어떠한 제어를 행하는가(우선 서비스 2대 할당, 도어개방타임연장, 정지하지 않음, 암호등록허가)를 판단하고, 소정시간대에 들어갔다고 판정하면 수순 P75에 의해 구한 운전형태나 운전상황에 우선해서 최소한 일부를 행사에 약한 내용으로 운전을 지령한다. (수순 P80)

이와 같은 수순에 의해 구해진 최적이 제어가 된다고 예측되는 운전방식 (알고리듬)과 그 제어상수(패러미터)를 사용하여 엘리베이터를 운전제어한다. (수순 P90)

또한, 빌딩의 레이아웃변경이나, 1개월간 개최하는 전시회 등에 의해 교통수용의 급변이 예정되고 있는 스케듈을 키보드 등에 의해 설정하고, 설정된 내용을 수순 P20에서 설명한 것과 같이 하여 새로운 특징모드로서 가설정해 두고, 학습속도가 빨라지도록 한다. (수순 P95)

이상에 의해 제4도에 도시한 본원 발명의 원리의 순서를 이해할 수 있었을 것으로 생각하지만, 다음에 전체적인 것에 대하여 보충한다.

(1) 수순 P95가 종료된 다음 일반적으로는 루트 P95-2에 의해 특징모드의 설정으로 되돌아가지만, 사용방법이나 모럴 등, 엘리베이터의 최적제어를 지향하는 이외의 요인에 의해 적응학습제어를 실시할 수 없는 빌딩에 있어서는 루트 P95-i로 하는 것도 고려되며, 예를 들면 스케듈설정기에 의해 지시되었을 때만 루트 95-2로 나아가도록 하는 방법이 좋다.

더욱 좋은 방법은, 항상 루트 P95-2로 나아가게 하지만, 수순 P40이나 수순 P60에 있어서의 액티브한 동작을 제한하고, 수순 P80 또는 P90의 장치를 인텔리전트단말화하고 CRT 등에 학습결과를 사람이 판단하기 쉬운 형상으로 표현하며, 엘리베이터 관리자가 학습한 애용을 확인 또는 일부 수정을 가하여 등록 등의 액티브한 학습제어를 실행하는 것이다.

(2) 제4도에 도시한 것은 학습제어의 순서이며, 실제의 동작은 예를 들면, 수순의 P30에 포함되는 교통수요의 수집, 검출과, 수순 P70의 특징모드식별과, 수순 P75와 수순 P90의 엘리베이터운전제어는 평행해서 실행한다.

특히, 엘리베이터의 운전제어는 일반적으로는 항상 즉시 작동할 것이 요구되며, 당연히 다른 수순과는 평행해서 작동하도록 시스템을 구성할 필요가 있다. 예를 들면, 컴퓨터제어의 경우는 수순 P40이나 P60이나 P75 등 다대한 처리를 요하는 프로그램은 수순 P90의 타스크보다 하위타스크에 할당함으로써, 엘리베이터 제어프로그램을 우선적으로 실행하고, 빈시간에 학습제어를 실행하는 구성으로 함으로써 실현할 수 있다.

또한, 다른 방법으로서는 학습제어부를 별개의 컴퓨터로 하여 병행처리할 수도 있다. 다음에, 본원 발명의 원리를 실시했을 경우의 효과를 제7도, 제8도에 의해 설명한다.

제7도는 방송센터 등 하루중에 견학자가 많은 빌딩의 경우의 견학자만의 교통수요의 변화곡선 C₃을 도시했다. 사전에 스케듈예약이 없었을 경우의 학습과정을 제1일째와 제2일째와 제3일째에 대해서 나타냈다.

기호 PLW는 견학자의 특징모드에 대한 시각함수 TH_n의 크기를 나타내며, 첫날은 0이고, 점차 넓어져 그것에 수반하여 특징식별되는 시간대 P_n가 견학자의 교통량에 상응하여 빨리 산출된다.

그리고, 기호 PLK는 견학자의 특징모드를 추출하여 설정하기 위한 특징요소함수의 검출상황을 나타냈다.

제8도에 견학자를 포함한 경우의 층의 이동상황을 도시한다. 즉, 4층의 위, 아래와, 1층의 아랫방향의 하차인원이 많은 것을 하차인원 비율곡선 fUPUT₁₈과 fDNUT₁₈이 나타내고 있으며, 이것에 상응하는 특징 요소함수가 학습된다.

다음에, 본원 발명의 제1의 구체적 실시예를 제9도 내지 제11도의 회로도와, 제12도 및 제13도에 도시한 기록데이터에 의해 설명한다.

엘리베이터운전제어계(110)(수순 P90을 실행)는 홀호출등록회로(111)로부터 엘리베이터구동장치(115)까지에 의해 구성되어 있으며, 그들 각 제어블록회로(111) -(117)를 실현하는 장치는 각각 공지의 기술로 좋으며(예를 들면 일본국 특원소 51-57,027호에 케이지내 중량검출장치로부터 승·강인원수를 검출하는 장치가 개시되어 있음), 종래와 다른 점은 이들 회로의 정보를 세밀하게 예를 들면 도어개폐제어장치(114)에 포함되는 개폐버튼이나, 광전장치의 통작신호까지도 본원 발명에 의해 새로 설치한 교통수요를 검출한다 교통정보검출회로(130)베 입력되며, 또한 학습된 결과로서 최종적으로 피드백되어 오는 엘리베이터운전 제어형태선택회로(170)(수순 P75l에서의 신호에 의해 제어알고리듬이나 제어상수를 전환하는 수단을 갖는 점뿐이다.

제5도에 상세하게 도시한 교통정보검출된로(130)가 검출한 교통수요 D130은 교통수요특징모드식별회로(150)(제6도에 상세한 것을 도시함)에 입력되며, 식별된 특징에 따라 특징별 정보학습회로(160)는 특징별로 데이터를 기록하는 교통수요기록회로 D161An와 서비스상황(엘리베이터가동대수, 홀호출계속시간, 도어개방시간, 관내소음레벨, 오승(誤乘), 장난, 탑승거부, 전원전압, 온도 등) 기록회로 D161Bn와, 검출된 시각이나 주기 등의 학습결과를 기록하는 시간대 기록회로D161Cn에 의해 수집된 데이터의 누적과 학습(수순 P50)을 행한다. 기타의 회로로서는 시각신호발생회로(14)가 있으며, 각 회로의 동작제어에 사용된다. 그밖에도 수순 P20과 P80과 P95의 제어에 관련된다. 예약 . 설정회로(190)가 있으며, 입력된 내용에 따라서, 제어형태기록회로(192)라 시각기록회로(191)와, 제어목표등록회로(193)에 필요한 데이터가 기록된다.

또, 에너지절약도지령회로(181)나, 서비스도지령회로(182)나, 환경도지령회로(183)와 이들에의 입력수단으로 되는 입력장치(184)로 구성되는 목표치 설정회로(180)가 있으며, 주로제어형태선택회로(170)에 입력되고, 엘리베이터제어에 반영된다.

제10도와 제11도에 의해 본원 발명과 특허 관련이 있는 교통수요의 특징추출에 대해서 설명한다.

엘리베이터제어계(110)로부터의 입력신호선 L111-L117에 의해 엘리베이터의 운전과 교통수요에 관한 데이터를 감시하여, 회로 Dl3lT에서 데이터를 누적한다.

이때의 개시시각을 회로 D131T에서 기록한다. 이와 같은 교통정보계측을 회로(131)에서 실시하고, 소정기간(수분)마다 회로(133)에 의해 현상태레벨의 교통수요를 계산한다. 즉, 회로(131)의 데이터를 회로 D131T에 기록되어 있는 시간과 현재의 시각과의 차이를 구하여 얻어지는 계측경과시간으로 나눔으로써 구해진다.

이 현상태의 값을 수십분 정도의 시정수를 갖는 연산회로(134)에 의해 평활하고, 현상태 시간대의 교통수요로서 신호선 Dl34에 의해 출력한다. 이 신호는 주로 회로(157)에 의한 특징인식(수순 P70)에 있어서, 특징식별의 안정화를 계측하기 위해 사용한다.

회로(132)는 데이터 Dl3l의 크기와 시간경과에 의해 동작하는 제11도에 도시한 교통수요의 요소치연산요구회로(152)의 출력신호 Dl52에 의해 작동하고, 회로 Dl3l과 D131T의 내용과 현재의 시각을 샘플링홀드한다. 그리고, 회로 Dl3l의 데이타는 크리어되고 최근 D131T에 현재의 시각을 재세트하고, 다음의 교통수요의 검출(기타의 정보샘플링을 포함)을 위한 데이터수집을 실행한다.

이와 같이해서 검출된 교통수요를 포함하는 신호 Dl32는 제10도의 회로(151)-(156)으로 이루어지는 교통수요의 특징추출(수순 P3O)부에의 입력데이터로 된다.

먼저 회로(151)는 새로운 교통수요가 검출될 때마다 신호 Dl52보다 조금 늦게 출력되는 신호 Dl52-2에 의해 교통수요의 특징요소의 함수를 연산하고, 이것을 회로(153)에 의해 기록한다. (수순 P32,P33에 해당)

다음에, 평가용 함수를 만들기 위한 교통량레벨을 만드는(수순 P35) 제어와 요소의 크기를 평가하는 함수를 구하는(수순 P36) 제어를 회로(154)에 의해 실행한다. 이 제어는 현상태의 교통량(데이터신호 Dl34)이 낮고 또한 소정기간, 예를 들면 1일이 경과하거나 또는 수시안전이내의 때에 실행된다. 그리고, 이때 제2도에 도시한 곡선 C₂를 미리 만들어 제어를 따르게 할 목적에서 회로(159)를 설치했다.

그리고, 교통수요가 검출될 때마다 기록회로(153)에는 제12도에 도시한 바와 같은 데이터가 기록된다.

즉, n번째의 1회당 기록데이터 D153n는 13개로 구성된 경우를 도시하고 있으며, 이것이 띠모양 또는 기능적으도 환형을 이루는 기록회로에 의해 순차 기록되어 간다.

그리고 원리의 설명에서 기술하지 않은 탑승층식별요소함수 TM_1n과 TM_2n에 대하여 보충한다.

동일교통수요에서도 이용하는 승객측이나 시간대에 의해 그 성질이 변환된다.

예를 들면, 아침에는 분주하게 움직이지만 밤에는 여유있는 동작으로 되고, 자칫하면 가장 먼저 온엘리베이터에 탈 수 없게 된다.

이 상태를 환경함수 TM_ln이라고 한다.

또한, 아이들이 많아 평균체증이 가볍거나, 장난호출이 많은 케이지나 휠체어를 부르거나 귀반호출 등의 비율을 객측함수 TH₂로서 취급한다. 이들 승객층식별함수도 엘리베이터제어에의 스트레스의 일부로 되므로, 이들을 특징요소로서 추가한 것이다.

이상과 같이 기록된 데이터에서 특징추출을 행하고(회로 155), 추출과 학습된 특징모드는 제12도에 도시한 기록데이터 D156_m를 1조로 하여, 특징모드의 수 M₁개(여기서는 합계 18)의 테이블이 스케듈설정에 의한 특징모드기록데이터 Dl58와, 추출과 학습한 특징모드기륵데이터 Dl56으로 구별되어 있다. 그리고, 스케듈설정이나 C, RAM이나 ROM에 의때 이니셜세트된 데이터가 격납되어 있으며, 이들의 특징모드는 자동학습에 의해 소거하지 않는 것으로 한다.

이상, 제9도를 근거로 본원 발명의 일실시예를 설명했지만, 본원 발명은 이것에 한정되는 것은 아니며, 예를 들면 제11도에 도시한 회로(151)-(156)와 회로(159)에 의해 특징모드의 설정과 생성을 행하는 부분을 엘리베이터제어 장치와 독립시킬 수 있다.

예를 들면, 엘리베이터제어회로를 디지탈컴퓨터에 의해 제어하는 장치의 경우에는 상기한 특징모드의 설정과 생성을 행하는 부분을 별개의 디지탈컴퓨터에 의해 처리하거나 또는 빌딩관리컴퓨터나 엘리베이터감시실 등에 설치된 컴퓨터로 처리제어하는 구성으로 할 수도 있다.

또한, 일본국 특원소 53-143,513호에 개시된 가반식(可般式)의 엘리베이터보수장치에 의해 필요한 기간만큼 이 장치를 접속하고, 엘리베이터의 교통수요의 변화를 포착하여 새로운 특징모드의 설정이나, 이미 등록되어 있는 특징모드의 생성을 행하는 엘리베이터제어용 생성장치로 할 수도 있다.

이후의 설명은 병설엘리베이터의 운전제어부와, 교통수요의 특징모드에 관련되는 제어부를 별개의 마이크로컴퓨터로 제어하는 구성으로 했을 경우를 제14도-제57도에 도시한 구체적 일실시예에 의해 상세히 설명한다. 그리고, 실시예의 설명은 먼저 본원 발명을 실현하는 하드웨어구성을 기술하고, 다음에 전체 소프트웨어 구성과 그 제어개념을 기술하고, 마지막으로 상기 제어개념을 실현하는 소프트웨어를 테이블구성도, 플로를 사용하여 설명한다.

제14도는 본원 발명의 일실시예의 전체 하드웨어 구성이다. 엘리베이터군관리제어장치 MA에는 상기한 병설엘리베이터 운전제어를 관장하는 마이콤 M₁과, 상기한 교통수요의 특징모드별로 교통정보를 학습하고, 학습한 데이터를 근거로 특징모드마다 시뮬레이션을 관장하는 마이콤 M₂이 있고, 마이콤 M₁과 M₂간은 직렬통신프로세서 SDA_C(후술함)에 의해 통신선 CM_c를 통해서 데이터통신된다. 엘리베이터운전제어를 관장하는 마이콤 M₁에는 홀호출장치 HD로부터의 호출신호 HC가 병렬입출력회로 PIA를 통해서 접속되며, 또 한 도어의 개폐나 케이지의 가감속지령 등 개개의 엘리베이터를 제어하는 호기제어용 마이콤 E₁-E_n(여기서, 엘리베이터는 n호기있는 것으로 함)과는 상기와 마찬가지의 직렬통신 프로세서 SDA₁-SDA_n와 통신선CM₁-CM_n을 통해서 접속된다.

한편, 마이콤 M₂에는 시뮬레이션에 의한 최적운전 제어프로그램 및 그 패러미터의 결정에 필요한 정보를 부여하거나 상기한 예약설정의 입출력에 사용하는 단말장치 PD로부터의 신호 PM가 병렬입출력회로 PIA를 통해서 입력 된다.

또한, 호기제어용 마이콤 E₁-E_n에는 제어에 필요한 케이지호출정보, 엘리베이터의 각종 안전리미트스위치나, 릴레이, 응답램프로 구성되는 제어입출력소자 EIO₁-EIO_n와 병렬입출력회로 PIA를 신호선 SIO₁∼SIO_n을 통해서 접속된다.

제14도를 사용하며 본원발명의 전체적 설명을 한다.

엘리베이터운전제어용 마이콤 M₁에는 호출할당을 주로 한 운전제어프로그램을 내장하고, 이 운전제어프로그램은 각 호기제어용 마이콤 E₁-E_n과 홀호출 HC로 부터 제어에 필요한 정보를 입력시킨다.

또한, 이 정보중에서 교통수요의 특징모드별로 최적운전프로그램을 시뮬레이선에 의해 구하기 위해 필요한 정보를 직렬통신프로세서 SDA_c를 통해서, 시뮬레이션용 마이콤 M₂에 송신한다. 또한 상기 운전제어프로그램은 가변가능한 운전제어패러미터를 사용하여 처리하고 있다. 예를 들면, 이 패러미터에는 호출할당의 평가함수에 있어서의 대기시간과 소비전력의 평가치의 관계를 나타내는 중량계수나, 도어의 개폐시간을 결정하는 시간계수 및 호출할당의 제어논리, 즉 호출할당의 알고리듬을 선택하는 제어용 패러미터 등이 있다.

이들 운전제어패러미터는 시뮬레이션용 마이콤 M₂에 의해 단말장치 PD의 신호 PM와 상기 시뮬레이션용 데이터를 사용하여 연산된다. 이 연산은 주기적 또는 새로운 교통정보가 수집될 때마다 현상태의 교통수요가 갖는 특징에 따라서 엘리베이터군관리에 최적인 운전제어프로그램과 그 제어패러미터를 출력한다.

예를들면, 단말장치 PD로부터 대기시간이 최소로 되도록 설정하면, 그 엘리베이터의 교통수요의 특징을 식별하고, 수집된 교통정보로부터 교통수요를 예측 연산하고 이 데이터에 의해 시뮬레이션하고, 대기시간이 최소로 되는 호출 할당알고리듬과 그 운전제어계수를 연산하고, 이것을 그때의 교통수요상태에 있어서의 최적운전제어프로그램과 패러미터로서 기록한다. 따라서, 본원발명에 의해 엘리베이터의 군관리제어는 시시각각으로 변화하는 빌딩의 환경상태에 재빨리 대응가능하며, 엘리베이터의 군관리 성능향상에 크게 기여한다.

다음에, 각 마이콤의 구체적인 하드웨어구성을 나타내지만, 이들 마이콤은 제15도-제17도에 도시한 바와 같이 간단히 구성할 수 있다. 마이콤의 중심인 MPU(Micro Processing Unit)는 8비트, 16비트 등이 사용되며, 특히 호기제어용 마이콤 E₁-E_n에는 그다지 처리능력을 필요로 하지 않기 때문에 8비트 MPU가 적당하다. 한편, 엘리베이터운전제어용 마이콤 M₁및 시뮬레이션용 마이콤 M₁은 복잡한 연산을 필요로 하기 때문에 연산능력이 뛰어난 16비트 MPU가 적당하다. 8비트계 MPU로서, 일본국 히다찌 세이사꾸쇼(日立製作所)제 HD46800D, 인델사제 28085, 자이로그사제 Z-80등이 응용가능하다. 한편, 16비트 MPU로서 히다찌세이사꾸쇼제 HD68000, 인텔사제 18086, 자이로그사제 Z-8000 등이 응용가능하다.

그리고, 각 마이콤에는 제15도-17도에 도시한 바와 같이 MPU의 버스선 BUS에 제어프로그램 및 엘리베이터사양 등을 격납하는 ROM(Read Only Memory)과, 제어데이터나 워크데이터 등을 격납하는 RAM(Random Access Memory) 및 병렬입출력회로 PIA(Peripheral Interface Adapter), 다른 마이콤과 직렬통신을 행하는 전용프로세서 SDA(Serial Data Adapter : 예를 들면 히다찌 세이사꾸쇼제 HD43370)가 접속된다.

그리고, 각 마이콤 M₁, M₂, E₁-E_n에 있어서, RAM, ROM은 그 제어프로그램의 사이즈 등에 의해 복수개의 소자로 구성한다.

제16도에 있어서, 단말장치 PD의 하드는 일본국 특원소 53-82,042호 등의 엘리베이터의 시험운전장치에 개시된 하드와 동일하게 할 수 있다.

그리고, 제어테이블로 부터 서비스목표나 에너지절약목표나 예약설정 등을 입력하여, CRT에 의해 입력된 내용 및 그것에 관한 정보가 표시된다. 신호 PM는 PIA나상기한 SDA에 의해 데이터통신하고, 입력된 내용은 RAM에 입력된다. 또한, 다음의 설정이나 행사나 스케들이나 특징모드 등의 설정이나 취소, 변경을 행하기 위한 참고자료로서 현상태의 학습상황을 CRT에 표시할 뿐만 아니라, 리포트를 출력하기 위해, 프린터를 구비하는 것으로 한다. 이것은 CRT의 하드코피용 그래픽프린터를 사용할 수도 있다.

제17도에 있어서, 엘리베이터 제어데이터로서, 예를 들면 케이지 호출버튼 CB이나, 안전리미트스위치 SW₁, 릴레이의 접점 SW_RY, 케이지 중량이 PIA로부터 RAM에 입력된다. 한편, MPU에서 연산된 데이터는 PIA에서 응답램프나 릴레이 R_Y등에 제어출력소자에 출력된다.

여기서, 제15도-제17도에 사용된 마이콤간의 직렬통신용 프로세서 SDA의 하드구성은 제18도에 도시한바와 같이 주로 송신용 버퍼 TX_B수신용 버퍼 RX_B데이터의 패러텔/시리얼변환을 행하는 P/S와 그 역변환을 행하는 S/P, 및 그들의 타이밍 등을 제어하는 콘트롤러 CNT에 의해 구성된다. 상기 송신버퍼 TX_B수신버퍼 RXb는 마이콤에서 자유롭게 액세스 가능하며, 데이터의 기입, 독출을 행할 수 있다. 한편, SDA는 콘트롤러 CNT로 부터 송신버퍼 TX_B의 내용을 P/S를 통해서 다른 SDA의 수신버퍼 RX_B에 자동송신하는 기능을 가지고 있다. 따라서, 마이콤은 송수신처리는 일체할 필요가 없기 때문에 다른 처리에 전념할 수 있다. 그리고, 이 SDA에 관한 상세한 구성 및 동작설명은 일본국 특개소 56-37,972호 및 특개소 56-37,973호에 개시되어 있다.

다음에, 본원발명의 일실시예인 소프트웨어의 구성을 기술하지만, 먼저 제19도에 의해 소프트웨어의 전체 구성으로 부터 설명한다.

제19도에 도시한 바와같이, 소프트웨어는 대별해서 엘리베이터의 운전제어를 행하는 운전계소프트웨어 SF1와 엘리베이터제어용 특징모드별로 교통정보를 수집하고, 시뮬레이션 수단 등에 의한 학습제어를 행하는 학습계소프트웨어 SF2로 이루어지며, 전자는 제14도의 마이콤 M₁에서, 후자는 마이콤 M₂에서 처리된다.

운전제어계소프트웨어 SF1는 호출의 할당처리나 엘리베이터의 분산대기처리등 엘리베이터의 군관리제어를 직접적으로 지령하여 제어하는 운전제어프로그램 SFl4으로 이루어진다.

이 프로그램의 입력정보로서, 호기제어프로그램 (제14도 마이큼 E₁∼E_n에 내장)으로부터 송신되어 온 엘리베이터의 위치, 방향, 케이지호출 등의 엘리베이터제어데이터테이블(210), 홀호출테이블(219), 엘리베이터의 관리대수 등의 엘리베이터사양테이블(225) 및 학습제어계소프트웨어 SF2에서 연산하고, 출력된 최적 운전제어프로그램과 그 패러미터 등을 입력데이터로 하고 있다.

한편, 학습제어계소프트웨어 SF2는 다음의 처리프로그램으로 구성된다.

(1) 교통정보수집프로프램 (230)‥‥홀호출, 엘리베이터제어데이터테이블의 내용이나 각 케이지에의 각 층에서의 승강인원수검출데이터 등은 온라인으로 일정교통량 수집마다 또는 일정주기마다 샘플링하여, 각종 교통정보의 학습과 시뮬레이션에 의한 프로그램과 그 제어패러미터의 연산을 위한 데이터를 수집하는 프로그램이며, 특히 층별교통수요를 주로 수집한다.

(2) 특징모드식별프로그램 (250)‥‥먼저 이미 제6도에서 원리를 설명한 바와 같이 엘리베이터의 교통수요 그 자체가 갖는 현저하고 높은 빈도로 나타나는 특징의 학습을 행하여 엘리베이터제어용 특징모드의 설정과 생성을 1주일 이상의 장기적인 스케듈로 실시한다.

다음에, (1)항에 의해 작성된 교통정보수집테이블(231)의 교통수요의 특징요소를 분석하고, 상기 특징모드의 어느 것에 가까운가를 식별하여, 특징별로 교통정보를 수집한다.

(3) 엘리베이터제어 특징 모드 교통정보(학습) 데이터연산프로그램(260) ‥‥교통정보수집 프로그램 에서 수집된 온라인의 샘플링데이터 테이블의 내용과 과거의 동시간대의 상기 테이블의 내용을 가미하여 엘리베이터 제어용 데이터를 연산하는 프로그램이다.

(4) 시뮬레이션에 의한 각종 지표연산프로그램 (271)‥‥특징모드별로 학습한 시뮬레이션용 데이터테이블(262)과 엘리베이터제어상수테이블(225)의 데이터를 입력하고, 소정의 복수의 알고리듬패러미터와 그 제어상수패러미터마다 시뮬레이션을 실시하여 각종 곡선등의 시뮬레이션결과를 데이터테이블(272)에 출력한다. 각종 곡선테이블로서. 예를 들면 평균대기시간 곡선테이블, 소비전력 곡선테이블 등이 있다.

(5) 운전제어패러미터의 연산프로그램 (273)‥‥상기 각종 곡선 등의 데이터테이블(272)과 단말장치 PD로부터 설정된 목표치테이블(280)을 입력하여, 빌딩의 환경조건에 적응한 특징모드별 패러미터(274)를 특징모드별로 사전에 연산하여 기록해 둔다.

그리고, 최적운전제어지령 패러미터(274)에는 특징모드별 교통정보학습프로그램(260)에서 연산된 교통정보학습 데이터테이블(262)의 일부도 부가된다.

(6) 운전제어패러미터의 지령프로그램(275)‥‥먼저, 특징모드의 발생예측프로그램(277)에 현상태의 교통수요를 교통정보수집테이블(231)가 특징모드식별프로그램 (254)이 출력하는 특징모드신호와, 교통정보학습데이터테이블(262)의 일부의 과거의 특징모드의 발생기록데이터와, 단말장치 PD로부터 설정된 스케듈데이터테이블(290)의 일부를 입력하고, 현상태 및 가까운 장래의 특징모드를 예측한다. 다음에, 제어패러미터의 작성프로그램(275)은 예측된 특징모드에 속하는 특징별패러미터와 교통정보학습데이터를 각각 테이블(274)과 테이블(262)에서 선택하고, 지령패러미터테이블(276)을 작성한다. 데이터가 엘리베이터운전제어계에 SDA를 통해서 송신되어, 상기한 엘리베이터제어계수테이블 대신에 사용된다.

이상 기술한 학습계소프트웨어 SF2는 실제의 운전결과를 평가하고 그 결과로 엘리베이터를 여하히 운전 제어하는가를 자동결정하기 때문에, 지능제어의 하나라고 할 수 있다.

이상 마이크로컴퓨터를 이용한 본원발명의 일실시예의 소프트웨어 전체구성을 설명했지만, 다음에 교통수요의 특징모드별로 시뮬레이션에 의한 최적운전제어를 하기 위한 패러미터의 연산방법에 대해 설명한다.

(1) 홀호출할당프로그램의 개요

최근의 호출할당방법으로서, 개개의 홀호출의 서비스상황(대기시간)을 감시하고, 전체의 호출의 서비스도 가미하여, 발생한 홀호출을 엘리베이터에 할당하는 홀호출할당방법이 사용되고 있다. 이 방법에서는 호출할당의 평가함수에 대기시간이 사용되고 있다. 예를 들면, 발생한 홀호출의 전방층의 할당필 홀호출의 가장 긴 대기시간을 평가치(후술하는 (30)식에서 주어짐)로 하는 방법, 전방의 할당필 홀호출의 대기시간의 2승 합계를 평가치로 하는 방법, 발생홀호출의 대기시간을 평가치로 하는 방법등이 제안되어 있다. 그러나, 이들 평가치에는 엘리베이터 상호간의 위치관계가 포함되어 있지 않기 때문에, 이대로는 일반적인 교통수요에 있어서는 줄지은 운전으로 되어 성능향상을 기대할 수 없게 된다.

(2) 홀호출할당프로그램의 제어패러미터

따라서, 줄지은 운전을 방지하기 위해, 정지호출평가함수의 개념이 제안되어 있다(일본국 특개소 52-47249호, 특개소 52-126945호)

즉, 발생홀호출 HCi이 인접하는 층으로 부터 착안엘리베이터 E의 할당필홀호출 HCi-1이나 케이지호출 CCi, CCi+2를 고려하여 정지호출평가 함수 Tc를 얻고, 이 Tc와 상기 대기시간의 평가치를 가미한 새로운 평가함수 Φ로 하는 것이다. 이것을 식으로 나타내기 위해, 대기시간의 평가치를 T, 대기시간평가치 T와 정지호출평가치 Tc와의 중량을 결정하는 계수를 Φ로 한다. 또한, 발생한 홀호출 HCi의 층에 관계없이, 정지하는 홀호출을 갖는 엘리베이터를 계속해서 새로운 호출에 응답시킬 목적으로 대기상태평가치 T_R을 가미하고, 그 중량계수를 α라고 할때, 먼저 대기시간 평가치 T는

[수학식 33]

T_i ^K=MAX(TS₁ ^k, TS₂ ^{k ...}, TS_n ^k).............................(30)

[수학식 34]

TS_i ^K=Υ₁. TS₁ ^k+Υ₂D^k _H1 . TW₁.............................(31)

로 된다. 여기서, TS는 k호기의 케이지가 i층에 도착하기 까지의 도착예측시간이며, TW는 i층의 홀호출 계속시간 또는 홀대기객의 대기시간합계시간이며, Υ₁과 Υ₂는 그 중량계수이다. 다음에, 평가함수 Φ는

[수학식 35]

Φ₁ ^K=T₁ ^K-T_c ^K+T_R ^K.........................................(32)

[수학식 36]

T_c ^K, i=ΣβS.......................................................(33)

[수학식 37]

T_R=αR ..............................................................(34)

로 된다. 여기서, β는 발생홀호출인접층의 정지호출(서비스하는 호출을 칭함)에 대한 중량계수이며, 예를들면 0~40으로 된다. 또한, S는 정지확률을 나타내며, 서비스해야 할 호출이 있으면 1.0으로 되고, 예측호출이 있으면 적당한 값(0≤S≤1)으로 된다. 제20도에서는 예측호출을 무시한 값을 나타내고 있다. 또, R은 엘리베이터의 대기레벨을 나타내며 할당필홀호출이 없는 상태일 때에 적당한 값(0≤R≤1)으로 되고, 그것을 위한 중량계수 α는 예를 들면 0∼40으로 된다. (32)식의 평가함수 Tc를 사용함으로써, 발생홀호출의 인접정지호출이 고려되어 엘리베이터의 줄지은 운전이 방지된다.

그리고, 제20도의 부하집중운전제어패러미터 e=2의 경우의 정지 및 평가치 Tc는 발생호출층 i의 전후 2층을 고려하여,

[수학식 38]

Tc=ΣβS=5×1.0+10×0+30×1.0+10×1.0+5×10=45(초) ....(35)

로 된다. 따라서, 대기시간평가치 T가 엘리베이터에서 동일하다고 가정하면 Tc가 큰 엘리베이터가 최적이라고 판단되어, 발생홀호출을 그 엘리베이터에 할당하게 된다.

단, Tc의 값은 중량계수 β의 MAX치의 2배를 넘지 않도록 제한을 가하며, 우발적으로 발생하는 극단적인 부하집중에 의한 장시간 대기홀호출의 발생을 방지한다.

이것은 특히 비교적 교통량이 적은 시간대기 또는 특징모드에 있어서 단말장치 PD에 의해 10%나 20%의 에너지 절약지시가 입력되어 있고, 결과로서 시뮬레이션패러미터 e로서 6이나 7회 값으로 운전할 경우에 특히 중요해진다.

(3) 홀호출할당프로그램의 제어패러미터와 전력절약의 관계

(34)식의 평가함수 T_R를 사용하므로써, 고정호기의 엘리베이터를 쉬게함이 없어, 그때그때의 상황에 따른 호기의 엘리베이터에 의한 서비스대수제한운전을 행할 수 있고, 장시간 대기발생율이나 평균대기시간의 상승을 최소한도로 억제한 에너지 절약제어를 할 수 있다.

그리고, 대기레벨 R의 값은 예를 들면 다음의 값으로 한다.

·할당홀호출 1개 이상 ...R=0

· 할당홀호출 없고, 케이지호출 있음 ...R=0.1

·서비스호출 없음 ...R=0.3

· 대기상태 ...R=0.5

· 전력절약상태 (장기간대기상태) ...R=1

따라서, 제20도의 1호기처럼 서비스호출 없음일 경우는 R의 값으로서 0.3∼1의 값을 취하고, 2호기는 R= 0으로 된다.

(32)∼(34)식에 있어서, 대기시간 평가치 T와 정지호출평가치 Tc 및 대기엘리베이터평가치 Tr와의 중량계수 α와 β에 착안하면, 이 α와 β는 줄이은 운전방지에 가장 효과가 있는 값이 존재하며, 그때 빌딩전체의 대기시안(평균대기시간)은 최소로 될 수 있다.

한편, 상기 α와 β를 크게 해가면, 정지호출을 많이 갖는 엘리베이터가 우선적으로 선택되기 때문에, 서비스상태에 있는 엘리베이터에 부하가 집중되며, 평균대기시간은 상승해가는 것을 이해할 수 있다.

역으로 말하면, 다른 엘리베이터는 부하가 가벼워지기 때문에, 엘리베이터 전체의 정지회수(기동회수)가 감소하여, 소비전력이 작아져 간다.

(4) 시뮬레이션을.위한 시뮬레이션패러미터의 도입

이상의 관계의 일예를 제1도 및 제22도에 도시한다.

이것은 빌딩층 13층, 엘리베이터대수 6대, 엘리베이터속도 150m/mm의 조건으로 시뮬레이션한 예이다.

여기서는 중량계수 α와 β의 크기를 나타내는 부하집중운전제어 패러미터라고 칭하고, 계수 α와 β의 간을 나타내는 시뮬레이션 패러미터 e=7의 경우의 시뮬레이션을 행하고 있다.

[표 1]

제22도에 도시한 바와 같이, 부하집중운전제어용 시뮬레이션 패러미터 e를 변화시킴으로써, 평균대기시간 곡선 f_T과 소비전력곡선 f_P이 얻어진다. 이들 곡선에 의해 평균대기시간의 최소점이 존재하는 것, 또한 C를 크게 해가면 소비전력은 감소하며, 그것에 따라서 평균 대기시간이 증가해 가는 것을 용이하게 이해할 수 있다.

(5) 최적패러미터의 산출방법

이상의 시뮬레이션은 각 탑승장으로부터의 행선층별의 교통량(이하 행선교통량이라고 약칭함)이 어느 시점일 때의 결과였지만, 상기한 바와 같이 행선교통량은 시시각각으로 변화하고 있다. 예를 들면, 평상시의 행선교통량과 퇴근시의 교통량과는 전혀 모드가 다르다.

즉, 평상시는 상승, 하강방향이 모두 적당히 교통량이 있지만, 퇴근시에는 하강방향의 교통량이 대부분이다.

또한, 빌딩의 테넌트 등이 변경되면, 종래의 행선패턴과 다르다.

따라서, 각각의 행선교통량 A 및 B의 교통수요에 대해서 상기와 마찬가지로 시뮬레이션하면, 제21도와 같은 평균대기시간곡선 f_TA, f_TB이 구해진다.

이에 의하여 평균대기시간의 최소점은 ⓐ, ⓑ점으로 되며, α는 곡선 f_TA에서 e_A=3.0, 곡선 175에서 e_B=2.0으로 되어, 행선교통량마다 부하집중운전제어 패러미터 e를 변화시키는 편이 평균대치시간을 단축시키기 위해서는 좋은 방책이라는 것을 이해할 수 있다.

(6) 목표치에 따른 패러미터의 산출예

다음에 제22도에 의거하여 에너지절약을 예로 들어서, 제어목표가 있을 경우의 패러미터의 산출방법을 설명한다. 그리고, 이것은 장시간 대기율저감이나, 서비스완료시간의 최적화 등의 목표가 있을 경우도 마찬가지로 제어할 수 있다.

지금, 시뮬레이션에 의해 평균대기시간 곡선 f_T과, 소비전력곡선 f_P이 부여된 것으로 하고, 또한 에너지절약 목표치 P_M가 10%로 설정된 것으로 한다. 에너지절약목표치가 0%에서는 부하집중운전제어 패러미터 e는 통상평균대기시간 최소점 ⓐ의 점의 e₁(=3.0)으로 운전되기 때문에, 소비전력은 ⓑ점으로 표시된다.

따라서, ⓑ점의 소비전력의 10% 감소의 설정으로는 곡선 f_P상의 ⓔ점의 소비전력으로 된다.

따라서, 그 때의 부하집중운전제어패러미터 e는 e₂(=4.5)로서 구해진다.

즉, 역으로 말하면, 부하집중제어 패러미터 e를 4.5로 설정해두면, 10%의 에너지절약으로 되도록 제어가 가능한 것을 나타내고 있다.

그리고, 제22도에 있어서 에너지절약목표치를 크게 설정하면, 평균대기시간이 그것에 수반해서 증가하기 때문에, 상한대기시간 T_UNT(예를 들면 30초)으로 목표치에 제한을 가하는 것도 필요하다.

이 때문에, 제1표에 있어서 패러미터 e=6에 있어서 30초를 초과했기 때문에 e=6을 초과하는 시뮬레이션을 실행하지 않기 때문에, 패러미터 e=7의 평가지표가 부정(不定)으로 되어 있다.

상기한 바와 같이, 본원 발명에서는 시뮬레이션에 의해 평균대기 시간이나, 소비전력 등의 각종 곡선을 연산하고 있기 때문에, 목표치가 부여되면 최적의 부하집중운전제어용 시뮬레이션패러미터 e의 값이 결정되며, 그 요소인 부하집중운전제어패러미터 α,β가 용이하게 얻어지는 것이 이해될 수 있다.

(7) 시뮬레이션 패러미터의 학습

또한, 시뮬레이션패러미터의 도입에 의해 다수의 요소로 이루어진 패러미터를 개개로 변화해졌을 경우의 시뮬레이션 CASE의 회수에 대해 매우 적은 회수로 되는 이점이 있다.

그리고, 이들 패러미터의 일예를 제 1표에 나타내고 있지만, 이들의 값은 시뮬레이션프로그램(271)의 워크테이블의 일부에 사양테이블로서 가지고 있다.

또한, 엘리베이터제어스펙(225)에 예를 들면 시뮬레이션패러미터 e=2를 구성하는 요소로 되어 있는 패러미터 α와 β는 최저한 필요하며, 이동개시시는 이 값으로 엘리베이터를 운전제어한다.

그리고, 이 기본스펙을 SDA를 통해서 학습계마이콤 M₂에 입력하여, 제 1표 및 제22도에 나타낸 값을 먼저 계산에 의해 산출하고, 이후는 운전제어패러미터를 학습하기 위한 시뮬레이션 종료 후, 이 시뮬레이션패러미터를 구성하는 요소패러미터의 학습용시뮬레이션을 행한다.

(8) 복수의 알고리듬선택패러미터의 도입

이상, 어느 일정한 알고리듬을 갖는 엘리베이터 운전제어프로그램에 있어서의 제어패러미터의 생성방법을 설명했지만, 다음에 다른 알고리듬을 갖는 엘리베이터운전제어프로그램과 그것에 사용하는 제어상수와의 양쪽의 패러미터의 생성방법을 설명한다.

지금까지의 설명에 의해 행선층 교통량마다 제어상수 패러미터를 그 목적에 따른 학습에 의해 변화시킨 편이 평균대기시간의 단축 등의 목적을 달성하는 데는 좋은 방책이라는 것을 나타낸다.

이와같은 것은 예를들면 호출할당의 평가함수의 알고리듬에도 관련되어 온다.

즉, (32)식의 평가식의 대기시간의 평가알고리듬에 의해서도 평균대기시간곡선 등의 제어목포로 하는 지표를 나타내는 곡선이 달라져 온다.

따라서, 일반적으로 평균대기시간 단축이나 에너지절약율의 향상, 장기대기발생율의 저감 등의 목적달성을 위해서는 특징모드별 또는 시간대별로 수집한 교통정보로 부러 학습하여 얻어지는 행선교통량(본 실시예에서는 각 층별 승강별 교통량에 의해 근사함)에 대해 가장 적당한 알고리듬 패러미터와 제어계수패러미터가 존재할 수 있다.

예를 들면 (32)식에 나타낸 정지호줄평가치의 크기를 결정하는 중량계수 β를 교통수요의 모드에 따라서는 상승방향과 하강방향에 따라 별개의 값을 정하는 것이 유효하다.

특히, 상승방향과 하강방향이 예를 들면 2:1의 비율일 때 효과적이다.

또한, 서비스층수가 많은 엘리베이터에 있어서 비교적 한산할 경우는 서비스 완료시간을 기본으로 하여 대기기간 평가시간의 평가치 T를 산출하는 편이 이용객으로 부터 호감을 받는다.

특히, 단말장치 PD로부터 환경도지령으로서 승합제한지령이 입력되어 있을 때, 또한 비교적 교통량이 적을 때에 시뮬레이션 하는 알고리듬이며, 그 때에는 제 1도에 나타낸 부하집중운전제어패러미터 e대신에 (36)식에서 구하는 서비스완료시간 T_AST을 구성하는 각항의 중량계수 Υ₃와 Υ₄등을 패러미터의 요소로 한 시뮬레이션 패러미터 Υ5에 의한 시뮬레이션에 의해 제22도의 곡선 f_T와 f_P와에 서비스완료시간곡선을 작성한다.

(9) 서비스완료 시간에 의한 대기시간평가 알고리듬

서비스완료 시간은

[수학식 39]

으로 되며, 홀에서의 대기시간 TH과 탑승시간 TC은 일실시예로서 다음에 의해 산출한다.

① CASE1, I층의 탑승장의 홀호출에 대한 서비스완료시간의 산출은 (37)~(3 8)식에 의한다.

[수학식 40]

그리고, TS_j ^k는(31)에서 산출한다.

[수학식 41]

TCS₁: i층으로부터 i층 홀호출의 방향성과 동일한 진행방향으로 정지확률이 큰층 또는 끝층에 케이지호출을 할 수 있는 것으로 가정하여 산출하는 승차예측시간.

여기서, γ₅는 끝층의 앞층의 케이지호출을 할 수 있는 확률계수이며, 이 값는 시뮬레이션한 결과로서 구하는 종속패러미터로 한다.

②CASE2, i층에의 케이지호출에 대한 서비스완료시간의 산출은 (39)와 (10)식에 의한다.

[수학식 42]

T_s: i층의 케이지호출할 수 있었던 직전에 서비스한 iH층의 (31)식에서 산출하는 대기시간평가함수 TS_j ^k의 값

[수학식 43]

TS_j ^k: k호기가 i층의 케이지호출에 도착하는 예측시간에서 (31)식의 TS *와 동일한 테이블을 사용한다.

TCW_j ^k: 이 서비스완료시간에 의한 평가를 실시하기 위해 특히 추가를 요하는 테이블에서 각 호기별로 i층 케이지호출이 등록되고나서, 서비스되기까지의 계속시간을 계측한다.

그리고, (38)식의 TCS₁로서, 상기한 방법대신에 이 TCW_j ^k의 값을 통계처리에 의해 평균적인 값을 학습에서 만들수도 있다.

(36)식에 의한 서비스완료시간 T_AST을 할당하려고 하는 홀호출에서 전방에 있어서의 등록필케이지호출과, 할당필홀호출에 대해 연산하고 대치를 선택하여, 그 호기의 대기시간평가치로 한다.

즉, (32)식의 평가치는 T_j ^k는

[수학식 44]

로 된다. 여기서, n은 k호기가 갖는 I층보다 전방에 위치하는 서비스호출수이다.

(10) 알고리듬 결정패러미터의 산출 서비스완료시간을 사용하여 평가함수Φ 를 구할 경우에 상기한 계수 패러미터 γ를 모두 1의 값으로 하여 (32)∼(34)를 그대로 사용할 수 있다.

단, 패러미터 e를 산출할 때에, 평균대기시간곡선 대신에 서비스완료시간 곡선을 작성하여, 이것에 의해 상기(7)항에 의한 것도 할 수 있다.

그러나, 일반적으로는 서비스완료시간을 중요시하면 평균대기시간이 길어지는 경향이 있으므로, (36)의 γ₃와 γ₄의 비율을 시뮬레이산패러미터 γ로 하여, 상기한 3종의 곡선을 시뮬레이션에 의해 작성하고, 그 교통수요에 따른 최적의 알고리듬과, 그 계수패러미터를 산출한다.

즉,

[수학식 45]

라고 하면, 시뮬레이션패러미터 γ는 0(홀대기시간에 의한 평가) γ=1(서비스완료시간에 의한 평가)까지 시뮬레이션 함으로써 2개의 상이한 알고리듬의 중간적인 기능에 의해 운전했을 경우를 시뮬레이션할 수 있다. 이 시뮬레이션 결과를 제23도(a)에 도시한다.

또한 외부 설정기인 단말정치 PD로부터 각층의 이용자 모두를 중요객(VIP)으로 생각하는 호텔등에 있어서 각 층으로부터의 탑승객이 승합을 제한하는 지력이 입력되었을 경우에는 상기한 시뮬레이션패러미터 γ는 0에서 1 이상의 값, 예를 들면 6까지 시뮬레이션 한다.

그리고, 이때 패러미터의 e는 교통수요 B로서 이미 연산이 끝난 eB=2를 사용한다.

그리고, 제22도의 소비전력곡선 f_P대신에 제23도 (b)에 도시한 바와같이 목적층에 직행 않은 승합확률곡선 f_s을 작성하여 직행율로서 지령된 %, 예를 들면 60%를 만족하는 시뮬레이션패러미터 γ_B를 값으로부터 제어계수패러미터 γ₃∼γ₇를 산출한다.

이상에 의해 목적에 따른 최적운전제어를 행하기 위한 패러미터의 연산방법에 대해 설명했다.

다음에, 마이크로컴퓨터를 사용한 일실시예에 의한 운전제어계마이콤 M,에 설치한 테이블구성을 제24도에 의해 설명한다.

대별해서, 엘리베이터제어테이블(210), 홀호출테이블 SFl2, 엘리베이터제어계수테이블(225)의 블록으로 구성 되어 있다.

각 블록내의 테이블에 대해서는 다음에 기술하는 운전제어프로그램(220)을 설명할 때 그때마다 기술한다.

최초에 운전제어계의 프로그램을 설명한다.

그리고 다음에 설명하는 프로그램은 프로그램을 복수의 타스크로 분할하고, 효율좋은 제어를 행하는 시스템프로그램, 즉 오퍼레이팅시스템(OS)하에 관리되는 것으로 한다.

따라서, 프로그램의 기동은 시스템타이머로부터의 기동이나 다른 프로그램으로부터의 기동을 자유롭게 할 수 있다.

제25도 내지 제29도에 운전계마이콤 M₁의 프로그램의 플로차트를 도시한다. 그리고, 운전제어프로그램중에서 특히 중요한 엘리베이터 도착예측시간테이블의 연산프로그램호출할당프로그램 등을 중점적으로 설명 한다.

제25도는 마이콤 M₁이 기동되었을 때에 기동되는 시스템프로그램 SF1A의 플로이며, 비교적 하위에 탱크되는 타스크의 프로그램이다.

프로그램 SFIA은 마이콤 M₁의 기동 또는 마이콤 M₂이 이니서라이즈처리를 완료했을 때에 기동되며, 먼저 엘리베이터제어사양테이블(225)을 SDA_c를 통해서 학습계마이콤 M₂에 송신한다(스텝 22Al).

이에 의하여 시뮬레이션프로그램(271) 중에서 사용하는 엘리베이터와 등기의 시뮬레이트프로그램을 운전계와 동일한 스펙으로서 가동개시할 수 있다.

다음에, 정전이나 보수에 의한 복전시(復電時)에는 이미 학습이 끝난 엘리베이터제어사양에 의한 운전을 재개하기 위해 학습계마이콤M₂로부터 이미 학습한 패러미터 등의 데이터가 SDA_c를 통해서 운전계에 입력되어 있는가를 판정(스텝 22A2)하며, 가동개시를 위해 학습데이터가 없을 경우는 스텝 22A5로 나아가서, ROM이나 불휘발성 RAM에 격납되어 있는 엘리베이터제어사양테이블(225)의 데이터를 근거로 운전제어프로그램(220)이 사용하는 각종 알고리듐설정과 선택용 데이터와 제어계수를 격납하는 운전패러미터테이블(225B)을 작성 한다.

만약, 정정으로부터의 복전(復電)이면 스텝 22A4로 나아가서, 정전되기전 또는 복전후에 학습계마이콤으로부터 SDAc를 통해서 입력되어 오는 데이터를 근거로 제2의 운전패러미터테이블(225B)에 적절한 값을 세트한다.

다음에, 스텝 22A6로 나아가서 상기한 교통정보의 수집 등을 행하기 위해 엘리베이터제어데이터테이블(210)의 값을 SDA_c를 통해서 학습계마이콤에 출력하기 위해 SDA_c의 송신버퍼 TX_B에 15바이트의 데이터와, 송신데이터의 블록을 식별하는 NO를 1바이트 격납한다.

이것을 매회 계속해서 필요한 데이터를 송신한다.

다음에, 스텝 22A7에 의해 홀호출 HC의 정보를 PiA를 통해서 입력하여 홀호출 테이블(219)에 홀호출의 등록필데이터와 조합하여, 신규홀호출의 등록이 있었는가를 판정한다.

신규홀호출발생이라고 판정했을 경우만 홀호출할당프로그램의 타스크를 기동한다(스텝 22A8).

그리고, 마지막으로 스텝 22A9에서 학습계마이콤이 새로운 학습데이터를 송신해 왔는가를 판정하고, YES의 경우만 스텝 22A4로 나아가서 그 데이터를 입력한다.

이와 같이 구성함으로써, 학습된 중요데이터를 운전계와, 학습계의 양쪽에 기록해 놓을 수 있으므로, 신뢰성을 높일 수 있다.

그리고, 이를 위해서는 학습계마이콤으로부터 입력시킨 학습데이터(22C)는 배터리 등으로 정전백업한 CMOS, RAM 등에 의한 불휘발성 RAM에 격납해 둔다.

또한, 데이터를 확인을 위해 패리티비트를 갖게 하거나 또는 섬데이터를 가지며, 이들 잉여데이터의 체크에 의해 학습데이터의 유효성을 판정한다.

제26도는 대기시간평가치연산의 기초데이터로 되어야 할 엘리베이터의 임의의 층까지의 도착예측시간을 연산하는 플로차트이다.

이 프로그램 SF2B은 예를 들면 1초마다 OS로부터 주기기동되며, 엘리베이터의 현재위치에서 임의의 층까지의 도착예측시간을 모든 층, 모든 엘리베이터, 모든 방향에 대해 연산한다.

제26도에 있어서, 스텝 E10은 엘리베이터의 방향의 루프회수이며, 스텝 E20은 엘리베이터대수의 루프회수이며, 스텝 E20 및 El20은 모든 엘리베이터 대구에 대해 루프처리하는 것을 나타낸다.

스텝 E30에서는 층을 엘리베이터위치에 설정한다.

다음에, E40에서는 워크용의 시간레지스터 TWWK에 초기치를 세트한다.

이 초기치로서는 도어의 개폐상태로부터 몇 초 후에 출발할 수 있는지의 시간이나 엘리베이터휴식시 등에 있어서의 기동까지의 소요시간을 생각할수 있다.

다음에, 엘리베이터의 진행방향으로 층을 하나 나아가게 하여(스텝 E50), 상기 설정층 및 방향이 계산을 개시한 엘리베이터위치와 동일해졌는가 어떤가를 판정한다(스텝 E60).

만약 동일하게 되면 1대의 엘리베이터의 도착예측시간테이블이 연산된 것으로 되며, 스텝 El20으로 뛰어 다른 엘리베이터에 대해 같은 처리를 반복한다.

한편, 스텝 E60에 있어서 "NO"이면 시간레지스터 TWK에 1층 주행시간 T_r을 가산한다(스텝 E70).

그리고, 이 시간레지스터 TWK을 도착시간테이블에 세트한다(스텝 E80).

다음에, 케이지호출 또는 할당홀호출, 즉 착안 엘리베이터가 서비스해야 할 호출이 있는가 어떤가를 판정하고, 만약 있으면 엘리베이터가 정지하기 때문에 1회 정지시간 T_sf과 도어의 개, 폐와 승강에 요하는 도어 타임예측도어타임 테이블(225B5)의 i층(방향별)의 예측도어타임 DTi을 가산하여 시간테이블 TWK을 갱신한다.

그리고, 이 방법은 학습에 의한 도어타임제어패러미터로 하여 1회 표준정지시간 T_sf2을 승산한 값을 시간 테이블 T에 가산하는 것으로 해도 된다(스텝 E100).

다음에, 스텝 E50으로 뛰어 모든 층,방향에 대해서 엘리베이터가 서비스하는 순번과 같은 순번에 의해 상기 처리를 반복한다.

한편, 스텝 E90에 있어서, "NO"이면 정지확률테이블의 i층(':1향별)의 정지확률 PSi과 예측도어타임과 1회 정지시간 T_sf에서 시간레지스터 TWK의 시간을 갱신한다.

그리고, 이 방법은 정지확률과 도어타임제어패러미터를 승산한 값에 1회 표준정지시간 T_s를 승산한 값을 시간레지스터 TWK에 가산하게 할 수도 있다(스텝 El10).

다음에 스텝 E50으로 뛰어서, 모든 층, 방향에 대해서 상기 처리를 순차 반복한다.

그리고, 스텝 E70과 스텝 E100 및 스텝 El10에 있어서의 1층주행시간 Tr과 1후정지시간 T_sf은 학습계의 소프트웨어에서 최적운전제어패러미터의 하나로서 부여되며, 예측도어타임 DTi 및 정지확률 PSi은 시뮬레이션의 실행상황을 계측하고, 통계처리에 의해 구해진다.

그리고, 예측도어타임 및 정지확률을 만드는 방법에 대해서는 제48도 및 제46도에서 후술한다.

또한, 본 프로그램 실행종료시에 장기대기재할당의 목적에서 홀호출할당프로그램을 기동한다(스텝El30).

그리고, 예측도어타임테이블(225B5)의 역할을 이것 뿐만이 아니라, 실제의 각 엘리베이이터의 운전제어를 결정하는 도어개방타임에도 사용된다.

즉, 각 엘리베어터의 자동도어폐쇄허가신호를 운전계마이콤으로부터 출력하는 것으로 한다.

다른 방법으로서는 이 테이블(225B5)의 값을 SDA_n을 통해서 각 호기제어마이콤 E_n으로 송신하여, 각 엘리베이터의 도어개방시한(자동도어카운트타이머의 사양으로서 예측타이머를 사용)을 결정하는 구성으로 할 수도 있다.

제27도는 만원예측프로그램의 플로차트이다.

먼저, 이 프로그램의 기동에 대해서 설명한다.

이 만원예측프로그램의기동은 다음에 기술하는 홀호출할당프로그램 SF1D과 동일타스크로 하여, 이 직전에 기동한다.

즉, 만원예측프로그램의 기동이 행해진 후에 홀호출할당 타스크를 기동하도록 하고, 시간적인 어긋남에 의한 오차를 작게 한다.

만원예측프로그램의 플로차트에 있어서, 먼저 스텝 G10에서 엘리베이터 K의 초기설정을 행한다. 여기서는 K=1로 했다.

다음에, 엘리베이터 K의 케이지내인원수를 F_k로 하여(스텝 G20), 발생홀호출층을 i라고 한다(스텝 G30).

그리고, i층에 홀호출이 있는가 한정한다(스텝 G40).

만약 없다면, i층에 케이지호출이 있는가 판정하여 (스텝G50), l층에 케이지호출이 있으면, 케이지내인원수 F_k로부터 만원예측테이블(225B2)의 i층(방향별)의 케이지호출만원예측치 Pci를 감산하고(스텝 G60), 스텝 G100의 층 i을 진행방향으로 하나 나아가게 한다.

스텝 G50의 i층에 케이지호출이 없으면, 스텝 G100으로 뛴다.

스텝 G40의 i층에 홀호출이 있으면, i층에 케이지호출이 있는가 판정하고(스텝 G70), 만약 있다면 케이지내인원수 F_k에 만원예측테이블(225B2)의 i층(방향별)의 홀호출만원예측치 Phi를 가산하고, 다시 상기 케이지호출만원예측치 P_ci를 감산하고(스텝 G80), 스텝 G100으로 뛴다.

스텝 G70에시 i층에 케이지호출이 없다면, 케이지내인원수 F_k에 홀호출만원예측치 Phi를 가산하고(스텝G90), 스텝 G100에서 i층을 하나 나아가게 한다.

다음에, i층이 최상층 또는 최하층인가를 판정하고 스텝 C100), "NO"이면 스텝 G40으로 뛰고, "YES"이면 케이지내인원수 F_k의 값은 학습계마이콤이 학습한 만원하중 패러미터 인내인가 판정한다(스텝 G120).

이내가 아니면 엘리베이터 K를 서비스불가로 하고(스텝 G130), 모든 엘리베이터에 대해 종료인가 판정한다 (스텝 G140).

스텝 G120이 "YES"이면 상기 스텝 140을 판정한다.

만약 모든 엘리베이터에 대해 종료했으면 이 프로그램은 종료하게 되고, 모든 엘리베이터에 대해서 종료하지 않았으면 다음의 엘리베이터로 하여(스텝 Gl50), 스텝 G20으로 뛰어 상기 처리를 행한다.

그리고, 스텝 G60, G80, G90의 홀호출만원 예측치 Phi, 케이지 호출만원 예측치 Pci는 시뮬레이션의 실행상황을 계측하여, 통계처리에 의해 구해진다.

또한 만원예측데이터 Pci, Phi는 제47도의 설명에서 만드는 방법을 설명한다. 제28도는 홀호출할당프로그램의 플로차트이며, 이 프로그램은 홀호출할당타스크에 의해 기동된다.

본 프로그램에서는 호출할당의 알고리듬으로서 스텝 H5O에 나타낸 바와 같이 장기대기호출 최소화호출할당알고리듬(제29도에서 후술)을 예로 들고 있다. 스텝 H20과 H80, 스텝 H30과 H70으로 층 및 방향에 대해 루프처리를 행한다. 스텝 H40은 발생홀호출이 있는가 판정한다.

만약 없다면, 스텝 H70으로 뛰어 모든 층, 방향에 대해 처리한다.

스텝 H40이 "YES"이면 스텝 H50의 장기대기 최소화호출할당알고리듬을 행하여 최적엘리베이터에 호출을 할당한다(스텝 H60).

제29도는 장기대기호출 최소화호출할당알고리듬의 처리플로차트이다.

어느 엘리베이터가 최적인가를 판정하기 위하여 스텝 H50-1과 H50-7에 의해 엘리베이터 K로 루프처리 한다.

루프내의 처리는 우선 스텝 H50-2로 발생홀호출을 포함하는 전방층의 할당홀호출의 최대 예측 대기시간 T_max을 연산한다.

역시 예측대기시간이라 홀호출이 발생하여서부터 현재까지의 경과시간을 표시하는 홀호출 경과시간과 도착예측시간을 가산한 것이다.

다음의 스텝 H50-3에는 발생홀호출을 포함하는 전후 소정층상의 정지호출에서 정지호출평가치 T_c를 연산하고, 스텝 H50-4로 대기상태평가함수 T_R을 구하여 이 평가치와 상술의 최대 예측대기시간 T_max과로 정지호출평가함수 Φ(Φ5=T_max-T_c+T_R)를 연산한다(스텝 H50-5).

그리고 이 평가함수 Φ의 최소 엘리베이터를 선택한다(스텝 H50-5)

이상의 처리 모든 서비스 가능한 엘리베이터 K에 관하여 실행하면, 스텝 H50-6의 연산에 의해 최적인 평가치의 엘리베이터 K가 선택되어 있는 것으로 된다.

이상 운전제어프로그램의 주된 프로그램인 도착예측시간 테이블의 연산프로그램이라 부르고, 할당 프로그램의 처리플로 등을 설명하였지만, 이외 운전제어프로그램에는 혼잡계에의 복수대의 엘리베이터를 서비스하는 복수대 서비스처리프로그램, 교통수요가 한산시 일 때, 엘리베이터를 처음부터 정하여진 층으로 대기시키는 분산대기처리 프로그램 등이 있지만 이들의 설명은 생략한다. 다음에 마이컴을 사용한 일실시예로 표시하는 학습계 마이컴 M2으로 사용되는 테이블 구성을 제19도의 블럭도로 대응시켜서 설명한다.

(1) 교통정보수집 테이블

교통정보테이블(231)로서 첫째로 이미 설명한 제 1의 실시예에서 사용한 제12도와 같은 구성으로 한 것을 사용한다. 용도는 주로 특징모드 그 자체의 설정과 생성을 위해 사용된다.

다음에 기술하는 교통정보축적테이블(256)을 만들기 위해 이것에 포함되는 교통요소를 검출하고, 샘플팅 하기 위해 제30도의 테이블 256G와 같은 테이블로 이루어져 구성된다.

(2) 교통정도축적테이블

제30도는 교통정보를 축적하고, 학습하는 기본테이블 구성이며, 제13도에 도시한 특징모드등록테이블 Dl58과 Dl56과 대응해서 분류되는 18조의 테이블의 집합체를 이룬다.

이들 특징모드에는 고유의 이름을 붙일 수는 없지만 예를 들면 일반적인 한회사전용빌딩에 설치된 엘리베이터가 특징생성학습을 행한 결과로서 예상되는 특징모등의 별명을 참고로( )내에 기입했다.

이들 특징모드는 종래의 운전패턴과는 전혀 다른 개념의 분류이며, 이 특징모드 자체로는 하등 직접적으로 엘리베이터의 운전방식이나 사양(운전패턴의 결정을 포함)이 결정되는 것이 아니며, 엘리베이터운전제어에 관한 패러미터의 학습연산의 대상으로 되는 교통수용의 구분을 행하는 점에 역할이 있다.

이들 특징모드마다 교통정보를 누적하는 테이블 256G 등을 가지며, 또한 이중의 몇 개의 데이터는 복수개로 세분화하거나 또는 특징모드 NO7(M7)의 탑승인원수테이블 256G7처럼 각층(방향별)별로 세분화한 테이블로 구성 한다.

제31도는 상기한 제30도에 도시한 시간대기록테이블 256G2의 상세한 테이블구성이며, 지각발생되는 클록LS₁(299)의 출력신호 중 특히 1일내의 시각을 나타내는 신호를 기록한다.

그리고 기록하는 시각은 교통정보를 수집하기 위한 해당특징모드(테이블 256G 2)의 경우는 특징모드 M7의 별명 편상혼잡)의 식별을 개시한 시각과 종료한 시각을 쌍으로 기록하는 것으로 한다.

(3) 스케듈예약테이블(290)

제32도는 스케듈예약테이블(290)의 구성예이며, 그 기록데이터의 일에도 포함하여 도시하고 있다.

행사예약테이블(291)에는 비반복의 행사가 외부로부터 단말장치 PD에서 입력된 내용이 기록된다.

예를 들면, 중요고객이 수십명 정도 내관하여 접대회장이 있는 4층과 로비가 있는 1층간을 엘리베이터로 왕복할 경우에, 그 시각과 층과 제어형태로서 VIP를 지정하는 것으로서, 테이블(291)의 기록데이터는 예약된 시각을 지나면 무효데이터로 되거나 소거된다.

이 기록데이터는 특징의 발생예측 프로그램으로 참조되고, 시각발생용 LS₁인 클록(299)으로부터의 신호와 예약시각과 비교하여, 소정기간내라고 판정되면 4층과 1층을 우선하는 서비스지령을 출력한다.

구체적으로는, 제24도에 도시한 서비스우선레벨의 4층하강과, 1층상승의 층의 값을 다른 층보다 1분정도 우선하여 호출할당을 행하는 값으로 세트하는 지령패러미터를 지령테이블(276)에 세트한다.

또한, 중요한 고객을 서비스하기 위하여 도착된 엘리베이터가 탑승지연되지 않도록 도어개방타임을 길게 하기 위하여 각 층별의 예측도어타임테이블 225B5의 값 DTi의 4층하강과 1층상승의 층의 값을 도어개방타임이 6초로 되는 값을 세트하도록 지령패러미터를 테이블(276)에 세트한다.

기타의 스케듈데이터는 모두 학습에 관한 것이며, 그때마다 그 용도를 설명한다.

(4) 정보학습테이블(262)중의 교통정보테이블

제33도는 학습계마이콤이 장기에 걸쳐서 학습한 정보를 기록하는 테이블 구성이며, 복수의 특징에 대해서 공통인 정보테이블(262Z)과 특징모드별로 학습한 교통정보테이블을 대표해서 특징모드 M₁의 테이블(262A-1)과 (262A-2)를 도시하고 있다.

각 층별 평균도어개방시간테이블(262Al)에는 엘리베이터상태테이블(210A)의 도어위치신호를 SDA를 통해서 입력하여 각 층별(방향별)로 그 평균시간을 학습한 값을 격납하고, 시뮬레이션시의 정지시간의 산출과 상기한 도어타임지령 패러미터를 작성할 때의 기초데이퍼로서 사용한다.

또한, 호기별도어개폐시간테이블(262Z3)은 교통수요에 관계가 없이 도어개폐동작자체에 요하는 시간을 호기 별로 계측한다.

이 시간은 상기와 마찬가지로 계측되어 사용된다.

그리고, 이 시간은 도어폭, 도어구동장치의 속도조정, 케이저도어와 승강장도어에 의한 마찰저항에 의해 변화한다.

특히, 도어둘레에 쌓이는 먼지의 의해 마찰저항이 증대하여 도어개폐타임이 변화될 경우가 있다.

각 층별특수호출(승객) 발생비율테이블(262A13)은 VIP전용버튼이나 암호에 의한 호출에 의해 이용하는 손님이나 휠체어호출에 의해 이용하는 손님이나, 지하서비스엘리베이터가 반수로서 설치되어 있을 경우로서, 지하까지 서비스할 수 있는 엘리베이터에만 서비스되는 특설버튼 또는 암호에 의한 호출에 의해 이용하는 손님이나, 포트식도 가능하도록 승강장에 일반버튼외에 행선층등록기가 설치되어 있는 경우에, 이것을 이용한 승객 등의 특수한 손님의 비율을 학습한 값을 기록한다.

그리고, 이 값은 제12도에 도시한 테이블(153n)의 승객층식별함수 I(TM_1n)로서 이용한다.

이 2개의 학습에는 제1의 실시예의 제9도에 도시한 홀대기객수검출장치 (112)을 병용하면 간단히 구해진다.

또한, 지금 설명한 3개의 테이블은 특징모드 그 자체의 학습 뿐만 아니라, 후술하는 제어형태 학습에는 사용하며, 본원 발명에 의한 학습성능을 향상시킬 수 있다.

(5) 특징모드와 일별패턴의 학습기록테이블 교통수요의 특징모드테이블(262Z6)은 제1의 실시예에서 사용한 제13도에 도시한 특징모드등록테이블과 마찬가지로 구성한다.

또한, 이 특징모드의 신설과 취소의 시기와 그 시점에 있어서의 각 요소의 값을 테이블(Dl59)과 같은 구성으로 테이블(262Z7)에 기록한다.

또한, 등록필특징모드에 있어서도 특징모드의 생성학습에 의해 요소의 값이 종합적으로 판단하여 크게 변화했을 때에도 갱신기록을 행한다.

이들 특징모드에는 상기한 특징모드번호 M1∼Ml9외에 장기간(1∼2년)을 기록하기 위한 특징모드관리번호 Pl∼P225를 사용한다.

이들은 기록된 테이블번호와 동일하게 할 수 있고, 기록(발생)된 순서로 붙여지는 P225를 넘으면 현재 사용되고 있지 않는 특징모드중에서 가장 오래된 기록에리어에 기록하도록 제어한다.

이들 특징모드의 발생을 예측하기 위해서는 일별의 특징패턴을 학습하면 더욱 개선할 수 있다.

그래서, 일별의 특징패턴을 이미 기술한 특징모드 그 자체의 추출이나 설정과 동일한 방법에 의해 설정하여, 테이블(262Z8)에 기록한다.

이 테이블은 제34도에 도시한 구성으로 하고, 대표적인 5개의 일별패턴을 설정한다.

그리고, 일별패턴취소와 추가는 거의 필요가 없다고 예상되지만, 만일의 경우에는 1일의 교통량이 작은 일별패턴순으로 무조건 재배치한다.

이것은 일별패턴의 학습제어를 어느정도 품질을 유지한 채 간단하게 할 목적에서 행한다.

단, 일별특징패턴의 각 요소는 수일회의 시정수로(28)식과 같은 식에 의해 지수평활을 행한다.

다음에, 이와같이 해서 정한 일별특징패턴의 식별을 프로그램(257)에서 실행하고, 그 결과를 1∼2년에 걸쳐서 달력에 따라서 테이블(262Z9)에 기록한다.

이 기록된 수치예들 기입한 채 일별특징패턴기록테이블(262Z9)의 구성을 제35도에 도시한다.

그리고, 제35도의 기록예에 있어서 다음해의 1월 4일의 데이터는 전년도의 1월 1일의 에리어에 기록한다.

(6) 시뮬레이션결과테이블(272)

제36도(a)는 시뮬레이션의 결과를 특징모드별로 기록하는 테이블의 전체구성을 나타내고 있다.

특징모드 Ml∼M9까지의 테이블(272A) ∼ (272J)은 제13도에 도시한 설정된 특징모드등록테이블(Dl58)에 대응하며, 특징모드 M11∼Ml9까지의 테이블(272k)∼(272T)은 특징모드등록테이블(Dl56)에 대응한다.

단, 마이콤에 의한 실시예에 있어서는 이들 특징모드는 테이블(262Z7)에 등록되어 있다.

제36도(b)에 특징모드 M₁를 시뮬레이션했을 때의 최종적인 출력결과를 기록하는 구체적인 테이블구성을 도시한다.

이들 테이블은 날마다 갱신되지만, 예를 들면, 1주일에 한번 밖에 발생하지 않는 특징모드나, 봄과 가을의 행락철에 밖에 발생하지 않는 특징모드에 층테이블의 값은 그때까지는 유지되어 있고 유사시에는 즉시 활용할 수 있도록 구성하고 있다.

(7) 지령패러미터테이블(276)

제37도(a)에 운전예마이콤 M₁에 지령하는 패러미터의 전체구성을 도시한다.

이들 패러미터의 용도는 이미 설명한 것이 많으므로 새로운 것만 설명한다.

하중제어패러미터(276C)의 상세를 제37도(b)에 도시한다.

이들 값은 제어패러미터의 작성프로그램(275)에 의해, 예측되는 교통수요의 특징모드를 추정식별하고, 그것에 속하는 특징모드별로 기록되어 있다.

제33도의 케이지내 하중별의 승차거부율도수분포테이블(262A9), 타고남은 율도수분포테이블(262AB), 승객의 체중분포테이블(262A17)등에 해당하는 테이블의 교통정보학습데이터에서 산출한다.

또한, 시뮬레이션프로그램(271)의 제어사양을 결정하는 입력패러미터인 시뮬레이션패러미터테이블(262A22)과 시뮬레이션결과를 도미한 제36도의 해당 특징모드에 속하는 소비전력곡선테이블(272A3)과 평균대기 시간곡선데이터테이블(272Al)의 값에서 연산되는 가장 양호한 하중패러미터의 값에서 에너지절약목표하중(276B5)와 (276B6) 및 할당제한하중(276B3)와 (276B4)는 산출된다.

하층패러미터의 도입에 의한 에너지절약제어에 대해서는 일본국 특원소 56-31195호에 개시되어 있다.

제 2도에 이들 케이지내 하중치 CW^k(제24도)에 직접 작용하는 제어패러미터의 학습예를 나타낸다.

[표 2]

초기치는 엘리베이터제어사양테이블(225)에 있는 값과 같게 한다.

예를 들면, 만원하중치 WB_m는 승차거부율이 경부하시의 1.5배 이상으로 되면 추정되는 점으로 이동하면 된다.

이 값은 케이지내 하중이 값을 넘이서고 있을 경우에 호기제어마이콤 Mn이 만원이라고 판정하여 홀호출 응답시키지 않도록 제어한다.

즉, 이 값이 지나치게 작으면 수송능력이 저하되며, 지나치게 크면 승차거부가 발생한다.

즉, 비교적 한산할 경우에 여사무원이나 보이나 손에 짐을 든 사람이 케이지내 승객에게 폐를 끼치기를 꺼려 승차하지 않고, 곧 오리라고 생각되는 다음의 엘레베이터를 부르기 위해 동일객이 다시 홀호출을 등록하는 현상이 발생한다.

또한, 모처럼 엘리베이터가 도착해도 승객이 많아 하중초과치 WA_m을 넘어서 출발하지 못하기 때문에 생기는 타고 남는 현상이 많이 발생한다.

역으로 말하면 이들 요건을 상기한 정보학습데이터와 시뮬레이션결과에서 판단하여 하중제어패러미터 WBm와 WCUm과 WCDm을 지령한다.

패러미터 WAn와 WBm은 운전계마이콤 M₁을 경유하여 호기마이콤 En에도 송신된다.

또한, 패러미터 WCUm와 WCDm는 제27도의 스텝 G120에서 사용하고 있다.

하중초과치패러미터 WAn는 하중초과를 안내하는 포인트를 나타내는 것으로서 이용하며, 출발불가하중은 110% 고정으로 한다.

대기제어패러미터는 종래의 분산층 대기제어나 출발기준층 전체 케이지 대기운전에 해당하는 역할을 하는 제어패러미터이며, 예를들면, 각 층별로 대기를 요구하는 대수, 방향, 도어개방이나 도어비개방 등의 대기형태, 도어개방타임등을 지령한다.

이 대기패러미터중의 요구대수 Ni(m)는 특징모드(m)별로 학습된 교통정보중에서 특히 각 층으로부터의 승차인원수 발생빈도 Phi(m)의 크기와 에너지절약요구와 현상태의 전체서비스대수 N로부터, 다음 식에 의해 구해진다.

[수학식 46]

여기서, ΣPhi(m)은 전체층의 승객수를 나타내고 있으며, 중량계수 α₁₇는 에너지절약요구나, 관리목표로 하는 평균대기시간의 값으로부터, 시뮬레이션결과에서 얻어지는 제22도 곡선(단 횡축은 α₁₇)f_T와 f_p의 적(積)이 최소로 되는 포인트에서 구해지는 패러미터이다.

α₁₇은 다음식으로도 구해진다.

[수학식 47]

그리고, 여기서 0.5는 승차율을 50%로 하고, 만원발생을 방지하는 목적을 갖는다. 단, α₁₇이 1보다 클 경우는 다소 작게 하고, 대략 2 이상으로는 하지 않는 방법이 좋다.

이상에 의한 제어형태의 사례를 혼잡층대기로 하여, 제61도에 대표적인 교통수요의 특징모드별로 도시한다.

또한, 제61도에 있어서의 분산운전은 서비스의 불균형이 소정치를 넘었을 때에 과잉서비스영역에 있는 엘리베이터를 저서비스영역의 층으로 이동시키는 제어형태의 사례를 나타내고 있다.

이때, 불균형량의 소정치에 대해서도 소비전력곡선과 평균대기시간곡선의 적치(積値)가 최소로 되는 점의 값을 시뮬레이션에서 구하는 것이 최상책이다. 서비스층 지평패러미터는 종래의 분할급행운전이나 압간급행(壓間急行) 운전과 그때의 분할층이나 갈아타는 층의 유무의 전환제어에 해당하는 제어패러미터이며, 각 층별(방향별)로 케이지호출의 서비스여부, 서비스여부의 호기지정등을 지령한다.

단, 이들은 이용하는 사람에 직접 관계되므로, 단말장치 PD에서 전환요구를 행하며, 관리인의 허가입력에 의해 자동전환되는 구성으로 한다.

각 층별(방향별) 집중서비스패러미터는 복수대할당, 연속집중서비스, 서비스 우선레벨의 전환, 도어타임의 연장, 음성에 의한 "세사람 더 탈 수 있습니다. "의 안내허가 등 제어에 관한 지령을 행한다.

특히, 홀호출을 복수의 엘리베이터에 할당하는 복수대할당과, 홀호출의 유무에 관계없이 항상 1대 또는 복수대의 엘리베이터를 서비스엘리베이터로서 할당하는 연속집중서비스를 행하는 해당층(방향)의 혼잡레벨의 사양을 지령하는 패러미터를 설치한 점에 특징이 있다.

혼잡검출레벨을 높게 해놓으면 상당히 혼잡하지 않으면 상기 집중서비스중 어느 것인가가 실행되지 않으며, 또한 지령되기까지에 시간을 요하는 과거의 학습이나 행사예약에 의해 혼잡이 예상되는 층은 미리 이혼잡검출레벨을 낮게 지령하면, 혼잡의 징후가 나타나거나 또는 예정된 시각이 되어 집중서비스패러미터가 지령된 것만으로 상기한 여러가지의 집중서비스제어를 행한다.

환경제어패러미터는 동시병주에 의한 소음방지나 톱스피드의 제한에 의한 소음방지를 지령한다.

재할당제어패러미터는 일단 할당된 홀호출을 재할당 또는 추가할당하는가의 여부를 결정하는 지령과, 서비스예약 등이 있을 경우의 예약 등을 서비스할 수 있다고 예측되는 엘리베이터에 변경하기 위한 지령의 값을 결정 한다.

통지제어패러미터는 예를 들면, 동일층, 동일방향의 서비스안내를 금지하는 지령이나, 선착케이지에 의한 안내제한의 방법전환지령이나 음향, 음성에 의한 안내제한 또는 금지 또는 음량을 제한하는 지령들을 출력한다.

입력제어패러미터는 예를 들면 케이지내 하중검출기와 케이지내 인원수검출기의 어느 하나를 운전계의 센서로서 사용할 것인가 아니면 병용할 것인가를 지령한다.

이 패러미터는 시뮬레이션한 결과와 실제 엘리베이터의 운전상환을 수집한 교통정보축적테이블의 값으로부터 구한다.

특히, 군관리성능평가를 할 수 있는 평균대기시간이나 장기대기율(또는 5% 장기대기시간)이 어느 센서로 수집한 교통수요에 의한 시뮬레이션결과에 가까운가를 판정하고, 가까운 쪽의 센서를 또는 대략 같을 때에는 양쪽의 센서를 병용하는 입력제어패러미터를 출력한다.

또한, 홀대기객수검출장치나 초음파도어센서 등 감도조정을 필요소 하는 센서에의 조정지령을 출력한다.

기타의 패러미터로서는 케이지내 조명등의 소등타임의 시한치지령, 분활급행운전등이나, 전력절약율표시등의 점등제어지령등을 행하는 것이다.

이상, 학습계마이콤 M₂에서 사용하는 주된 테이블에 대해 그 구성을 설명했지만, 이밖에도 각 프로그램의 내부에서 사용하는 W_k라 OS에서 사용하는 큰트롤테이블등이 있지만, 이들 설명은 생략한다.

그리고, 정보학습테이블(262)은 특히 장기간에 걸친 학습을 하고 있으므로 특히 정전시의 데이터유지를 필요로 한다.

다음에, 학습계소프트웨어 SF₂의 프로그램을 제38도∼제51도에 의거하여 설명한다.

그리고, 다음은 상세플로차트를 위해 이미 제19도에서 설경한 소프트웨어의 전체구성도에서 기술한 기능블록대로 분할되어 있지 않다

이것은 처리시간의 고속화와 프로그램의 간단화를 위해 행한 것이며, 이것에 한정되는 것은 아니다.

제38도는 주로 교통정보의 수집프로그램(230)과 특징모드식별프로그램(254)을 구체화한 시스템프로그램(SF2A)의 플로에서 학습계마이큼 M₂의 스타트시에 기동된다.

먼저, 제25도의 스텝 22Al에서 SDA_C를 통해서 운전계바이콤 M₁에 있는 엘리베이터제어사양테이블(225)의 내용과 호기제어프로그램안에 갖는 사양테이블의 내용을 입력하여, 제23도에 도시한 공통정보학습테이블(262Z)에 초기치를 작성하여 세트한다.

호기별서비스층 테이블(262Z10)과 층간주행시간실측테이블(262Zl)은 호기마이콤 E₁∼E_n의 내에 갖고 있는, 각 층의 층높이테이블의 값과, 정격속도사양으로부터 작성할 수 있다.

단, 행사예약기록테이블은 단지 클리어를 행한다.

그리고, 제25도의 스텝 22A2에서 설명한 바와 같이 이미 학습한 데이터가 있을 경우에는 이들 데이터는 유지된 채로 된다.

다음에, 스텝 2B는 교통정보수집프로그램(2B)을 기동한다.

제39도에 이들의 상세플로를 나타내지만, 개략은 제6도의 순서 P4l 그대로이다.

그리고, 이 처리에 필요한 데이터는 도시하지 않지만 OS로부터 주기적으로 기동하는 타스크내에 제25도의 스텝 22A6에 대응하는 수신처리프로그램을 설치하고, 이것에 의해 운전계의 데이터중에서, 케이지내 하중 CW_k등의 데이터를 항상 수신하고, 사전에 제24도의 테이블과 동등하거나 또는 그 일부와 등가의 테이블을 갖도록 구성한다.

그리고, 이 데이터송수신에 대해서는 제14도에 도시한 SDA_C에 의한 데이터전송하드 대신에 DMA를 사용하며, 시스템에 의해 고속도로 전송하는 구성으로 하면, 개개의 어플리케이션프로그램에서는 어떠한 처리도 불필요해진다.

또한, 공유버츠에 의한 공유메모리에 제24도나 제37도에 도시한 바와 같이 양쪽에서 사용하는 데이터를 격납하므로써, 자유롭게 양쪽의 마이콤에서 독출하는 것이 되는 상태가 된다.

소정인원수를 초과했거나 또는 소정시간을 경과하면 스텝 2A는 종료하고, 스텝 2C에 의해 특징모드별로 교통정보를 수집한다.

제10도에 이것의 상세플로를 도시하지만, 개략은 제 6도의 순서 P42대로이다. 스텝 2B와 2C에 의한 교통정보의 수집을 1일 실시하고(스텝 2D), 종료 후 스텝 2E로부터 2H에 의한 학습제어를 행한다.

그리고, 여기서 1일이란 24시간에 한정되는 것은 아니며, 예를 들면 1주일마다로 해도 된다.

스텝 2E는 특징모드 그 자체의 보정이나 신설, 삭제 등의 생성을 행하지만(제 5도의 순서 P35∼P39, 제6도의 순서 P4l∼P47과 동일처리), 이 생성은 스텝 2F∼2H의 제어패러미터의 생성보다도 완만한 속도라도 좋다.

그래서, 스텝 2E에서 사용하는 교통수요정보는 예를 들면 1주일 동안 연속해서 수집하여 1주일마다 모아서 처리하므로써, 전체로서 성능향상을 달성할 수 있는 경우를 생각할 수 있다.

예를 들면, 다채로운 설비를 한 호텔이나 임대빌딩, 회관등처럼 가지각색의 특징을 갖는 경우는 1일마다 실행하는 것보다 더욱 세밀하게 특징추출과 선택을 할 수 있다.

또한, 한산한 시간대라면 24시간에 대해 시간이 변경되어도 문제없다.

그리고, 스텝 2H에서는 각 특징모드마다 운전계에 지령하는 패러미터를 학습하는 프로그램 SF2B를 포함하는 타스크를 기동한다.

그러면 다음에 스텝 2B∼2H를 도면에 의거하여 순차 상세하게 설명한다.

제39도는 교통정보수집프로그램 2B의 실시예를 나타내고 있으며, 먼저 변수의 초기세트와 수집용 테이블을 플리어한다(스텝 2B1).

다음에, 제30도의 테이블 256G와 동일한 정보에 대해서 제19도에 도시한 교통정보수집테이블(231) (구성은 제33도의 테이블 262A와 대략 동일함)에 검출하고, 수집된 승객인원수 등의 교통정보를 격납한다(스텝2B2).

예를 들면, 일본국 특개소 52-140147호에 개시된 것처럼 승강인원수를 케이지내 하중의 변화치에서 검출할 수 있다.

이 때문에 제24도에 도시한 엘리베이터제어테이블(210)내의 케이지하중테이블값(각 엘리베이터마다의 현상태 케이지하중치) CW^k(이하 k는 호기 E₁∼E_n의 배열변수로서 사용함)을 사용한다.

즉, 전회의 출발시의 하중 CW^k _sart으로 도어를 개방하고, 옆의 승객이 내렸을 때에 발생하는 최소케이지내 하중 CW^k _min과, 이번의 출발시의 하중을 CW^k _RS라고 하면 해당층에의 승차량 CW^k _inp과 하차량 CW^k _out은

[수학식 48]

[수학식 49]

으로 된다.

그리고 (i)는 층을 나타내는 변수이다.

이 계산을 k 호기나 i 층을 출발하거나, 또는 도어를 닫고 대기했을 때에 실시한다.

또한, 광전장치나 초음파센서 등에 의해 사람이 승강중임을 확인하고, 도어타임을 연장할 뿐만 아니라, 사람의 출입을 검출하지 않았을 매에는 상기 (42)식과 (43)식의 결과에 우선해서 승강인원수를 0으로 한다.

또한, 승강인원수 N^k(i)를 카운트하여 평균체중 WP^k(i)을 (44)식에서 구한다.

[수학식 50]

또한, 단지 한사람 한사람의 체중을 계측하고, 그밖의 교통정보테이블(테이블 256G13, 테이블 262G17과 대응하는 테이블)에 수집한다.

또한, 광전장치나 케이지내 하중검출장치의 신호에 의패 승객의 승·강속도를 구하기 위해 1인당 승강에 요하는 평균승강시간(테이블 262A6에 대응)도 연산할 수 있다.

그 밖에도 호기별 탑승지연율을 측정하고, 예를 들면 가장 먼곳에 설치되어 있는 엘리베이터에의 탑승지연을 또는 시간을 측정하고, 층별 뿐만 아니라 호기별에도 도어타임의 최적치를 생성하고, 탑승지연발생을 방지하면서 또한 도어개방타임이 지나치게 길어지는 것에 의한 운전효율의 저하가 없는 엘리베이터의 자동도어 제어를 행한다.

이 목적을 위해서 엘리베이터가 홀호출에 따라서 도착하고 나서 최초의 승객을 검출하기까지의 시간 또는 승객을 검출하지 않고 다음의 출발을 위한 도어폐쇄 모션을 개시하려고 하는 확률(회수)을 검출하고, 테이블 262Z4에 상당하는 테이블에 수집한다.

그래서, 구해진 평균치에 따라서 도어타임 뿐만 아니라 홀호출케 응했을 때에 폐쇄버튼을 커트하는 시한을 생성하고, 운전제어에 사용한다.

이 교통정보는 엘리베이터의 탑승케이지의 구조와 탑승장에 있어서의 엘리베이터의 배치에 관한 것이며, 시간대나 교통수요에 의해 굳이 세분화할 필요가 적은 것으로 복수의 특징모드에 대해 공통으로 수집 및 사용하는 구성으로 한다.

다음에, 스텝 2B3에 의해 군관리엘리베이터의 성능평가데이터의 수집을 행한다.

이것은 학습계가 지령한 알고리듬과 그 패러미터가 최적이었는가를 확인하여 기록하고, 나아가서는 후술하는 시뮬레이션프로그램 그 자체를 실상에 맞추어서 성장시키기 위해서는 운전성능평가용 데이터 가 필요하다.

이 목적을 위해 테이블(256G3)∼(256GS), (262A10), (262A11), (262114 ), (262A15), (262A20)에 대응하는 정보도 수집 한다.

이들 데이터는 운전제어프로그램(220)의 내부테이블이나, 엘리베이터 제어데이터테이블(210)의 값에서 검출할 수 있다.

예를 들면, 홀호출 계속시간의 수집의 경우는 다음의 순서에 의해 구한다.

먼저, 첫째로 엘리베이터의 도착에 의해 시로 리세트된 홀호출을 검출하고 해당홀호출 계속시간테이블(210E)의 값을 수집에이블에 기록한다.

예를 들면, 상기 계속시간의 누적치와 그 회수를 구하고, 이 값을 기록하는 방법에 의존할 수 있다.

단, 이 경우 홀호출의 리세트쪽을 홀호출 계속시간보다 먼저 리세트하는 구성으로 할 필요가 있다.

다음에, 스텝 2B4에 의해 시뮬레이션용의 등가엘리베이터의 제어프로그램을 어디까지나 실기(實機)와 등가인 기능을 갖는 프로그램으로 성장시키기 위해 필요한 데이터를 수집한다.

예를 들면, 정격속도가 전체대수 모두 180m/min의 사양의 경우에 대해 설명한다.

이것을 스텝 2A에 있어서, 엘리베이터제어테이블(225A)의 속도스펙의 값에서, 호기별 정격속도테이블(262Zll)을 작성 한다.

그러나, 실제로는 175∼185m/min의 조정오차가 있고, 또 경년(經年) 변화에 의해서도 각 호기별로 변화 한다.

또한, 방향별이나 케이지내 하중에 의해서도 변화한다.

이것을 엘리베이터 상태테이블(210A)의 케이지속도의 값에서 검출하고, 호기별 정격속도테이블(262Z12)의 값을 수정한다.

이것은 특히 에너지절약요구 등에 의해 속도제어부에서 정격속도를 내렸을 경우에도 본 방식에 의하면 적격으로 제어할 수 있다.

또한, 테이블 262Z1에는 1층과 2층, 1층과 3층, 1층과 4층‥‥3층과 4층처럼 각 층간을 주행하는데 필요한 시간을 실측한 값을 기록한다.

이밖에도 대기상태에서 주행가능하게 되기까지의 시동시간, 도어개방시간, 도어폐쇄시간, 서비스층 등을 호기별로 검출하여, 테이블 262Z의 해당 데이터의 값을 수정한다.

이상의 동작을 행하기 위해 항상 1초마다 1회씩 스텝 2B2∼2B4의 동작을 실행하고(스텝 225J), 2분경과 때마다 다음에 나타내는 스텝 2B6으로 나아간다. 스텝 2B2에 의해 수집된 현상태의 교통수요와 일별로 특징모드의 발생시간대를 학습하여 작성된 일별특징패턴(262Z8)에서 최적의 운전프로그램으로 하기 위한 알고리듬패러미터와 그 제어패러미터를 지령한다.

이것의 상세를 제41도에 도시한다.

다음에, 스텝 2B2에서 수집한 교통수요를 인원수로 환산하여, 대략 100명을 초과하였는지를 판정하고(스텝 225G), 아닐 경우는 스텝 225H에 의해 30분을 경과했는지를 판정한다.

즉, 100명 상당이상의 교통량을 수집했거나 또는 30분 경과했을 경우에 스텝 225k에 의해 주로 스텝 2B2와 2B3에서 수집한 데이터를 샘플링테이블에 격납한다.

다음에 샘플링홀드한 데이터를 근거로 제5도의 순서 P32와 마찬가지로 교통수요의 특징요소를 연산하여(스텝 225L), 제12도와 같은 테이블구성에 의해 순차 기록한다(스텝 225M).

그리고, 전체교통량은 상승방향과 하강방향교통량(C^u(t),C^D(t))의 2요소로 하고, 승·강집중층은 층상(I^S _1-3),I^R _1-3(t))외에 해당층의 승차 또는 하차의 교통량(q^S _1-3(t),q^R _1-3(t))을 기록하도록 변형했다.

그리고, 스텝 225J는 본 프로그램의 타스크보다 하위에 탱크되어 있는 제42도에 도시한 운전프로그램생성 소프트 SF2B를 외관상 병행하여 처리하기 위해 설치한 것이며, 일단 처리를 종료하면 OS로 되돌려 OS가 소프트(SF2B)를 실행하고, 1초 경과하면 중단하고 있었던 프로그램 2B2을 재개하여 스텝 2B2을 실행한다.

제40도는 교통정보를 특징모드별로 수집하는 프로그램 2C(제38도)의 플로이며, 우선은 본 프로그램 2C을 기동하기 직전에 연산하고(스텝 225L), 기록(스텝 225M)한 특징요소에서 가장 가까운 특징모드를 식별하기 위해 다음의 계산을 행한다.

특징모드번호는(27)식에 의해 구할 수 있다. 여기서는 (25)식에서 (26)식의 변형예에 의해 구하는 것으로 하고, 다음의 순서에 의해 구한다.

먼저, 승·강객이 많은 집중층을 벡터 Q^S와 Q^R로 표현한다.

그리고, I는 층이며, q는 해당층 교통량을 나타낸다.

[수학식 51]

[수학식 52]

특징모드 등록테이블 262Z6에도 이것과 동일한 집중층의 특징요소를 갖고 있으므로, 집중층에서만 본 특징모드의 식별함수 J^X(t,m)는

[수학식 53]

[수학식 54]

로 된다.

여기서, m은 등록되어 있는 특징모드번호이며, x는 S 또는 R의 값을 취하고, S는 탑승객집중층, R은 내리는 승객집중층이며, 1은 그들에 대해서 상위 1-3번의 층임을 나타낸다.

또한, 등록필 특징모드 m의 대표점과 시간 t에 있어서 샘플링한 특징모드(t)으 공점의 백터 P_m과 P_t는 (49)식 의 P_x이다.

[수학식 55]

따라서, 2점간의 스카라량은 P_t,m

[수학식 56]

로 된다. 즉, 값이 최소로 되는 대표점을 갖는 특징을 모드 M(t)는 (27)식에서 구해진다. 그리고, 이때의 스카라량 L(t)는

[수학식 57]

L (t) = MiN (P_t,m)

m∈1∼9, 11, 19...........................(52)

로 된다 즉, L(t) =P_t, M(t)가 성립된다.

문제는 명확하게 특징모드를 식별할 수 없는 경우에 있으며, 스텝 255c에서의 처리방법에는 여러 가지를 생각할 수 있다.

여기서는 다음의 순서에 의하기로 했다.

먼저 유사한 특징모드가 3개 이내이면 그 교통량을(51)식의 스카라량의 크기에 따라서 분배한다.

다음에, 유사한 특징모드가 많은지 식별된 특징모드와의 스카라량 L(t)이 소정의 값을 넘어서고 있을 경우는 신규의 특징이라고 인정되므로 어느 등록필 특징모드에서 속하지 않는 스페어 또는 스페어에 축적 한다.

그리고, 이때에는 t시간과 함께 이 샘플데이터가 갖는 특징요소를 테이블 262Z6(제33도)의 스페어 I 또는 스페어 II에 세트한다.

즉, 특징모드의 가동륵을 한 것으로 되며, 샘플링한 데이터는 이 가등록된 새로운 특징모두가 스텝 2E(제38도)에서 정식으로 특징모드로서 설정되지 않았을 경우에는 파기된 것으로 된다.

그리고, 여기서 가등록된 특징모드는 이후의 교통정보의 수집을 위한 특징모드식별에 한해서 최소한 당일(길 경우는 1주일)은 하나의 특징모드로서 사용한다.

스페어 I, 스페어 II의 순으로 사용하지만 그 이상의 경우에는 미사용의 특징 모드(Ml7이나 Ml4, M8, M9등이 비어있을 가능성이 높다)에 속하는 테이블은 유용한다.

이와 같이 제어하므로서 다음과 같은 효과가 있다.

ㅇ 돌발적이며, 언제 재현되는가 불명한 교통수요를 학습의 대상으로 제거할 수 있다.

ㅇ 갑자기 출현한 새로운 중요한(높은 빈도로 발생하는 현저한) 특징모드의 교통정보를 첫날부터 수집할 수 있다.

제41도는 운전제어용 패러미터지령프로그램 2B6(제39도)의 플로이며, 특징모드별로 학습한 교통수요를 근거로 후술하는 운전제어프로그램 생성소프트(279)(SF2B)에 의해 만드는 특징모드별 패러미터테이블 274의 값을 근거로 운전제어프로그램 220에 제어형태를 지령하는 패러미터를 작성하여, 운전계마이콤 M₁에 송신(스텝 275 E)하는 프로그램이다.

먼저, 스텝 275A에서 운전제어를 위한 특징모드를 식별한다.

여기서의 식별은 특징모드의 생성이나, 교통정보의 수집 때와는 달리 현상태의 교통수요에 최적인 운전형태를 즉시, 또는 사전에 식별한 필요가 있다.

이 때문에, 스텝 27F에 의해 과거의 주된 특징모드의 1일의 변화패턴을 기록한 일별특징패턴테이블(262Z8)과 1일 마다 상기 일별특징패턴의 번호를 1년과 수개월 기록하는 연간기록테이블(262Z9)과 스케듈테이블(290) 등의 시간요소를 산출하고, 스텝 275A에서는 이것을 가미하여 특징모드를 식별한다.

즉, 100명 상당의 교통량을 검출하는데 수분을 요하기 때문이며, 기본적으로는 (44)식 (52)씩을 사용하고, 이것에 예측시간요소DP와, 엘리베이터의 일주시간이 2분정도 있는 것과, 교통수요가 짧은 주기로 변화할 경우의 대책으로서 설치하는 식별필 특징모드를 우선하는 히스테리시스요소 HP를 추가한다.

그러면, 스텝 275A의 식별의 순서를 설명한다.

먼저, 시간요소를 가미하여 현상태의 운전특징모드 Φ(t)를 정식으로 등로필의 특징모드내에서 (45)식∼(52)식과 마찬가지로 구한다.

각 특징모드의 식별용 함수 OP(t,m)는

[수학식 58]

으로 되고 예측시간요소에 의한 함수 DP(t,m)는

[수학식 59]

[수학식 60]

그리고, 여기서 정식으로 등록된 특징모드가 갖는 시간대의 기록은 제13도에 도시된 바와 같이 2조로서 나타냈다. 또, 계수 K₁₅은 K_l5>1로 된다.

이 값이 클수록 과거에 학습한 시간대가 오면, 해당 특징모드를 추출하기 쉽게 된다.

다음에, 출력하는 특징모드의 안정화를 위한 히스테리시스요소의 함수

[수학식 61]

HP(t, m)는 k17, at Φ (t) =m

HP(t, m) =def{0, at Φ (t)≠m .............................(56)

그리고, 여기서 Φ(t)은 현재 운전제어지령에 사용하고 있는 특징모드번호이며, k₁₇,도 k₁₇>1로 한다.

그리고, 운전제어용 특징모드 Φ(t)는

[수학식 62]

OP (t, Φ (t)) =MiN (OP(t.m) )

m∈OM ‥‥‥‥‥‥‥‥‥(57)

에 의해 구해진다.

그리고 여기서 OM이란 정식등록필특징모드의 집합체를 뜻하며 특징모드별의 패러미터테이블 274에 해당 특징모드에 속하는 패러미터를 연산필한 특징인 것을 나타낸다.

그리고, 특징모드 Φ(t)의 식별시의 교통수요로서는 샘플링홀드한 데이터 뿐만 아니라 제10도의 제11도에 도시한 것처럼 교통정보의 수집과는 별도로 이 식별전용의 교통수요검출데이터를 만들고, 이것을 병용하는 구성 으로 한다.

즉, 제10도의 블록(133)의 처리를 1분마다 행하고, 이 교통수요를 블록(134)에서 10분전 까지의 값을 10조 기록하고, 그 합계에서 (50)식과 (45)식과 (46)식에 나타낸 14개의 요소치를 산출하는 구성으로한다.

또한, 검출속도를 빠르게 하기 위해서 현재 검출중인 테이블치도 추가하는 외에 다음의 추가를 행한다.

상승교통량 C^U(t)에 현상태 등록되어 있는 상승홀호출수 또는 홀대기객수와 상승방향성을 갖는 케이지내의 하중 또는 케이지호출수를 소정의 중량계수를 붙여서 가산한다.

또, 하강교통량 C^D(t)도 마찬가지로 승·강인원수를 검출하기 전에 그 징후를 검출한 값을 가산하여 조속히 새로운 특징모드를 식별한다

다음에, 스텝 257B에 특징 Φ(t)가 명확한 특징모드를 (53)식의 결과로 판정한다.

즉, 특징모드 Φ(t) 이외의 OP(t,m)의 값을 무시할 수 있을 때에는 스텝 275D에 의해, 식별된 특징모드 Φ(t)에 속하는 패러미터를 지령패러미터테이블(276)에 세트한다.

무시할 수 없을 경우에는 NO라고 판정하여 스텝 275C에 의해 해당하는 복수의 특징모드에 속하는 제어패러미터에 최적의 패러미터를 연산하여 지령한다.

예를들면, 도어타임이라면 해당충 방향에 있처서의 승차인원수 hi(m) (제36도)와 하차인원수 Ci(m)를 함수 OP(t,m)의 값에 따라서 보간에 의해 구하고, 1인당의 평균승강시간의 측정치와의 적어도 도어타임패러미터 DT_i(제37도)를 구할 수 있다.

제42도는 운전프로그램의 생성소프트(SF2B)의 메인플로이며, 제28도의 스텝 2H에 의해 1일에 1회 기동되는 타스크에 의해 실행한다.

먼저, 해당 특징모드의 교통정보의 학습이 있었는지를 판정하고(스텝 270A), 해당 특징모드에 속하는 교통정보가 수집되었을 경우에는 새로운 교통수요데이터의 승 ·강객발생밀도 H(i,m)와 C(i,m)(제33도)에서 시뮬레이션을 위해 사용하는 행선층 교통량테이블 C(i,j,m)이나 엘리베이터대수 등을 설정한다(스텝 270B).

제43도에 특징 M_I에 속하는 출근시의 경우의 상승을 예로 들어 설명한다.

제43도에 도시한 바와같이 하습된 요통수요데이터인 승·하차객밀도 H(i,m)를 상승방향과 하강방향으로 분할하여 각가 H^U(i,m)와 H^D(i,m)의 배열로 하고, 하차인원에 대해서도 마찬가지로 상승방향 하차인원밀도데이터배열 C^U(i,m)과 하강방향 하차인원밀도데이터배열 C^D(i,m)을 만든다.

그것을 제43도에 도시한 바와 같이, 행선층교통량 C(i,j,m)의 사방에 배치한다. 지하1층은 Bl층(i=I)에서 탄 30명의 인원이 어느 층에서 몇명이 내리는지를 구체적으로 나타내고 있다.

즉 j>i의 범위에 있어서의 행선층 교통량 C(i,j,m)의 가로의 합계가 승차객밀도 H^U(i,m)이며, 세로운 합계가 하차객밀도 C^U(i,m)와 같다고 하는 관계가 성립된다.

따라서, 이와는 반대로 각층에 있어서의, 상승방향의 승강인원밀도의 데이터로 부터 행선층교통량을 추정할 수 있다.

즉, 1층에 하차인원 2.5인은 모두 Bl층에서 탄 사람이므로 2층에 도착했을 때는 27.5명이 된다.

2층에서 내린 인원은 12명이지만 케이지내에서는 1층에서 탄 60명과 B1층에서 탄 나머지 인원의 합계 87.5명이 승차하고 있는 것으로 된다.

여기서, 내리는 인원은 탄층과는 관계없는 것으로 하고, 단순히 몇할인가의 인원은(12/87.5명)이 내리는 것으로 가정하면, Bl층으로부터의 인원은

[수학식 63]

으로 된다.

이 계산을 차례로 실행하면 모든 행성층교통량이 결정된다.

그러면 상승방향에 관한 행선층교통량C(i,j,m)의 산출식을 (59)식에 나타낸다.

단, i>j에 한정된다.

[수학식 64]

이 식은 재귀적(再歸的)) 프로그램명(Recursing Programing)에 의해 그대로 코팅할 수 있다.

다음에, 스텝 270C에서 해당 특징모드에는 교통류나 양이나 특수호출의 이용 빈도 등에 있어서 현저한 특징을 갖고 있지 않는가를 판정한다.

예를 들면 상승방향과 하강방향의 이용객수, 각 층마다의 이용객수가 대략 균일하며, 현저한 특징이 없다고 판정(NO)되면, 스텝 270E에 의해 표준 운전제어알고리듬에 의한 시뮬레이션을 행하여, 운전제어프로그램을 작성하는 것을 세트한다.

이것에 대해 예를들면 특징모드 Ml(출근시상당)처럼 특정층으로부터의 승객이 집중되고 있을 경우는 분합급행운전프로그램과 몽상운전프로그램과 혼잡집중층에 그 정도에 따른 대수의 엘리베이터를 자동으로 부르고, 도어를 열고 대기시키는 프로그램의 계 3종의 알고리듬의 프로그램에 대해 시뮬레이션을 실행하도록 세트한다(스텝 270D).

다른 예로서는 상승교통량과 하강교통량의 차이가 1.5배 정도를 넘을 때는 홀호출할당용 평가함수 Φ의 정지호출평가치 T_c(제29도의스텝 H50-4)를 만드는 층의 폭 또는 중량계수를 상승과 하강에서 별도로 설정하는 운전제어프로그램을 시뮬레이션하도록 세트한다.

또한, 다른 예로서는 목표치로서 승합제한지령이 있는 시간대나 서비스완료시간으로 평가하는 요구가 있을 경우는 제19도의 시뮬레이션프로그램 (271)의 설명시에 기술한 것처럼 복수의 호출할당알고리듬에 대해서 시뮬레이션 한다.

다음에, 스텝 270F에서 설정된 알고리듬에 의거한 운전제어프로그렘에 대한 제어패러미터의 조(제21도의 패러미터 e나 제23도의 패러미터γ)를 세트하여 시뮬레이션을 실행한다(스텝 270G).

그리고, 각 케이스마다 시뮬레이션된 그 결과는 패러미터마다 정리해서 테이블(272)에 기록된다(스텝270F).

모든 패러미터(스텝 270H), 모든 알고리듬(스텝 270k)에 대해서 종료하면 운전제어패러미터의 연산을 행하여 부여된 목표에 대해 최적의 알고리듬과, 그것에 있어서의 최적의 제어패러미터를 연산하여 특징모드별 패러미터테이블(274)에 세트한다(스텝 270L).

최적의 시뮬레이션패러미터가 결정되면, 그 운전방식으로 재차 시뮬레이션을 실행하고. 정지확률등의 종속패러미터를 구하여 특징모드별 패러미터테이블(274)의 해당 모드분을 작성한다(스텝 270M).

이상의 처리를 등록된 특징모드에 대해 모두 실시하고(스텝 270N), 이 프로그램은 종료한다.

그리고, 스텝 270M의 실행완료시에 앞서 기술한 운전제어를 위한 특징모드로서 정식 등록한다.

스텝 270G와 스텝 270M의 시뮬레이션실행프로그램의 구체적 플로를 제44도에 도시한다.

시뮬레이션프로그램에는 엘리베이터 그 자체 (하드계)의 동작을 행하는 부분(예를 들면 주행동작, 도어개폐동작 등을 모의하는 프로그램)과 이 엘리베이터를 합리적으로 운전제어하는 호기제어마이콤 E₁∼E_n)과 등가인 제어를 행하는 부분(예를 들면 정지층선택제어 자동도어폐쇄지령제어 등의 프로그램)으로 이루어지는 호기처리부(스텝 A7O)와, 이들 엘리베이터를 효율높게 관리운전제어를 행하는 마이콤 M₁과 등가의 제어를 하는 부분(예를 들면 홀호출할당제어, 분산운전제어, 분할급행운전제어 등의 프로그램)을 이루는 군관리처리부(A60)와 시뮬레이션을 실행하는 부분(예를 들면 승객을 발생처리 (A50), 결과를 기륵하는 통계데이터수집처리(A80), 소정시간동안 시뮬레이션을 계속시키는 처리 (A90), (A100)으로 대별한다.

시뮬레이션 결과가 정밀도 높게 구해지는가 어떤가는 이 시뮬레이션의 중핵을 이루는 스텝 A50∼A70의 프로그램구성과, 그 안에서 사용하는 패러미터나 정수의 값에 좌우된다.

그래서, 군관리제어른 성능을 좌우하는 상술한 항목은 되도록 실제 엘리베이터시스템과 등가가 되도록 프로그램을 구성하는 동시에 그곳에 사용하는 상수나 패러미터는 되도록 정확한 값에 근접시킬 것이 요망된다.

제44도에 있어서, 먼저 이 상수와 패러미터를 정보학습테이블(262)(제33도)의 값을 사용하여 적정한 값으로 수정 또는 재설정한다(스텝 A10).

상수는 주로 공통정보테이블(262Z)에서, 패러미터는 주로 시뮬레이선 패러미터마다 학습해 놓은 구체적인 제어패러미터를 기록해 놓은 시뮬레이tus 패러미퍼테이블(262A22)에 상당하는 테이블에서 검색하고, 기동조건으로서 부여된 알고리듬패러미터와, 그것을 위한 시뮬레이션패러미터에 의거하여 선택이나 연산등에 의해 구한다.

또한, 시뮬레이션케이스에 대한 변화하지 않는 엘리베이터의 속도나, 도어개폐시간, 교통량 등에 관한 상수나 패러미터의 설정은 제42도의 교통정보를 설정(270B)등에 있어서 행하는 구성을 하여, 처리회수의 중복을 저감시키고 있다.

또한, 난수(亂數)의 발생 등에 의한 승객의 발생도 일단 t시점과, i,j층 데이터를 갖는 승객발생테이블을 미리 스텝 270B에서 작성하므로서 고속처리를 가능하게 했다.

다음에, 시뮬레이션 변수의 초기설정을 행한다(스텝A20).

예를들면, 후술하는 승객발생처리의 난수의 초기설정이나 홀호출테이블의 초기설정 등이다.

스텝 A30에서는 통계처리변수의 초기설정을 행한다.

여기서는 통계테이블의 초기설정등을 행한다.

스텝 A40에서는 시간을 0으로 설정하고, 스텝 A90에 시간을 소정치에 가산하고(여기서는 1로 했음), 이 시간이 소정시간을 넘었는가를 판정(스텝 100)한다.

상기 시간이 소정시간을 넘기까지 스텝 A50에서 스텝 A90의 처리를 행한다. 스텝 A50에서는 승객의 발생처리를 행하며, 스텝 A60은 홀호출의 발생이 있을 때에 홀호출의 할당을 행하는 군관리어리이며, 스텝A70은 엘리베이터의 주행이나 정지 및 도어개폐 등의 호기처리를 행한다.

스텝 A80은 통계데이터의 수집을 행하는 통계데이터 수집처리이다. 여기서, 스텝 A50 내지 스텝 A70에 대해서 설명한다.

스텝 A50의 승객발생처리는 시뮬레이션용 교통정보의 설정프로그램 (270B)에서 얻어지는 행선교통량의 예측데이터에 의거하여 일양난수(一樣亂數)에 의해 승객발생층 i 및 승객행선층 j를 결정한다.

또한, 상기 일양난수에 의해 i층으로 부터 j층으로의 승객발생인원수를 결정하고, 홀호출을 i층에 발생시킨다.

다음에, 스텝 A60의 군관리처리는 상기 홀호출의 발생이 있으며 호출할당을 행한다.

호출할당의 방법은 상기 운전제어프로그램에서 설명한 것과 같은 스텝 A70의 호기처리는 엘리베이터의 주행상태, 정지상태, 도어개폐, 호출발생 등을 처리한다.

다음에, 스텝 A80과 Al10의 통계데이터 수집처리와 통계처리에 대해서 제45도의 플로차트에 의해 설명한다.

스텝 A80-1 내지 A80-4까지의 엘리베이터의 방향 j, 시뮬레이션패러미터 e, 교통수요구분 M, 층 i의 루프회수이며, 스텝 A80-6 내지 A80-8까지는 상기 각각의 e, m, i의 루프종료를 판정한다.

스텝 A80-5는 통계데이터(엘리베이터 정지회수, 홀호출수, 케이지호출수, 승차인원수, 하차인원수 등)를 상기 e, m, i 별로 수집한다.

제46도-제49도까지는 스텝 A80-5에 있어서의 통계처리연산프로그램의 일예로서의 정지확률, 만원예측, 서비스우선레벨 도어타임제어 등의 종속패러미터를 구하는 플로차트이다.

제46도는 정지확률 연산프로그램의 프로차트이며, 층 i의 루프회수를 설정한다(스텝 BP10).

그리고, 엘리베이터 방향반전회수 d와 층별의 홀호출수 f_i와 케이지호출수에서 엘리베이터정지회수를 구하고, 이것에서 i층(방향별)의 정지확률 PS_i을 연산한다(스텝 BP30).

정지확률 PS_i은 다음식에 의해 연산한다.

[수학식 65]

그리고, 데이터 d, fi, gi는 스텝 A80에서 구하고, 패러미터 PS_i는 스텝 A110에서 실행하는 것이 처리시간적 으로 좋다.

여기서, α₁₁은 소정의 계수이다.

이 패러미터 α₁₁은 통상은 1로 하지만, 만일 실기(實機)와 시뮬레이션결과가 일치하지 않는 시간은 이 값으로 보정하여 일치시킨다.

제47도는 만원예측연산프로그램의 플로차트이고, 층 i의 루프회수를 설정한다.(스텝 BF10)

그리고, 홀호출수테이블(272A6)의 i층의 홀호출수 fi와 엘리베이터승객밀도테이블(262A7)의 i층 승차인원수 H_i로 부터 i층의 흘호출의 만원예측치(홀호출 서비스 1회당 평균승차인원수)Ph_i를 연산한다(스텝BF30).

또, 케이지호출수테이블(272A7)의 i층의 케이지호출수 g_i와 엘리베이터 하차 인원밀도테이블(262A7)의 i층의 하차인원수 Pc_i로 부터 i층 케이지호출의 만원예측치를 연산한다(스텝 BF40).

홀호출의 만원예측치 Pc_i및 케이지호출의 만원예측치 Pc_i는 다음식에 의해 연산한다.

[수학식 66]

[수학식 67]

그리고, 여기서 TS란 시뮬레이션시간을 나타낸다.

여기서, α₁₂및 α₁₃은 1 또는 1에 가까운 소정의 계수이다.

예를들면, 수요의 경향이 증가방향인 경우는 1.1등으로 설정하고, 또한, 수요의 경향이 감소경향에 있는 경우에는 0.9등으로 설정할 수 있다.

그리고, 1 그대로 하여도 차이가 없다.

제48도는 도어타임제어패러미터 연산프로그램이며, 먼저 층 i층을 루프회수에 설정한다(스텝 BD10).

그리고, 홀호출수테이블(272A6)의 i층을 흘호출수 f_i와 엘리베이터 승객발생 밀도테이블(262A7)의 i층의 승객발생밀도 H_i및 회출수테이블(272A7)의 i층의 케이지홀출수 g_i와 엘리베이터를 하차인원발생밀도테이블(262A6)의 i층하차인원발생밀도 C₁로 부터 도어타임제어패러미터 TD₁를 연산한다(스텝 BD30).

도어타임제어패러미퍼는 다음식으로 표시된다.

[수학식 68]

여기서, α₁₅및 a₁₅은 소정의 계수이다.

그리고, 이 계산결과의 패러미터 TDi를 그밖의 테이블(272All)에 기록하지만 다른 방법으로서는 제40도의 스텝 275E의 전반이 있어서, 해당 특징모드의 도어하입제어패러미터 TD_i를 계산하고, 테이블(276G)에 직접 세트하는 방법이 있다.

이것에 의하면 시뮬레이션결과를 기록하는 테이블 272를 작게할 수 있다.

이상에 통계처리를 행하고, 상기한 바와 각각의 값을 제26도∼제29도 등에 나타내는 운전제어프로그램에서 사용한다.

또한, 이 값은 제44도의 스텝 A60의 군관리처리와 스텝 A70의 호기처리에 있어서의 프로그램의 상수 또는 패러미터로서 스텝 A10또는 스텝 270B에 있어서 사용한다.

단, 시뮬레이션회수의 관계에서 다음날의 해당 특징모드 m에 있어서 사용하는 구성으로 한다.

제49도는 특징모드별로 종속패러미터를 산출과 운전제어프로그램 생성과 효과를 구하는 프로그램이며 제42도의 스텝 270M의 상세복로차트이다.

먼저, 스텝 270L에서 구한 목적에 대해서 최적의 시뮬레이션패러미터를 세트하고(스텝 270Ml), 재차 시뮬레이션을 행한다(스텝 270M2).

제45도~제48도에 상세를 나타낸 통계처리(스텝 A80과 A110)에 의해 최적의 시뮬레이션패러미터에 의한 종속패러미터를 만들고, 특징모드별 패러미터데이블(274)에 기록한다(스텝 270M4).

다음에, 해당 특징모드에 속하는 교통수요에 대해 납입시의 운전제어프로그램의 경우의 시뮬레이션 조건을 세트하고(스텝 270M4), 시뮬레이션을 실행한다(스텝 270 M5).

즉, 엘리베이터 제어사양테이블 225에 있는 운전제어패러미터에서 군관리처리 A60와 호기처리의 호기제어마이콤에 등가의 처리를 행하는 부분의 사양을 정하여 시뮬레이션한다.

이 결과에서 납입시와 부여한 목적에 대해 최적의 운전프로그램을 생성했을 때와의 각종 평가지표에 의한 비교를 행하여 기록한다(스텝 270M6).

다음에, 운전지령패러미터에 의한 시뮬레이션 결과와 실제의 운전시의 결과를 각종 평가자료에 의해 비교하여 기록한다(스텝 270M7).

그리고, 이들 비교의 평가지표에는 서비스성(홀호출대기시간, 각층·방향별의 홀호출계속시간, 홀호출계속시간, 서비스완료시간, 이들 시간의 분포 또는 평균과 장기 대기율 5%을 차지하는 이들 시간의 장기 대기시간, 예약변경율, 선착율)과 에너지절약성(호기별주행과 정지의 비율, 호기별소비전력계수 등에서 구해지는 전체의 소비전력량계수)의 2점에 대해서 1항목 이상을 비교평가한다.

그리고, 스텝 270M7은 스텝 270B의 일부에 포함시키고, 비교결과에 따라서 계수 α₁₁~α₁₅을 수정하도록 구성하는 변형예가 있다.

다음에, 엘리베이터대수가 특수운전이나 보수를 위해 증감했을 경우에도 적격의 운전제어프로그램으로 하는 패러미터를 지령하기 위해 대수변화에 의한 시뮬레이션을 실시하고, 그 결과를 기록한다.

제50도는 엘리베이터의 서비스대수에 따른 최적의 시뮬레이션패러미터 산출의 일실시예의 플로차트이며, 엘리베이터의 설치대수가 6대일 경우를 나타낸다.

최초에 교통량과 사용빈도의 적의 최대의 특징모드(대표모드)인가를 판정한다(스텝 SCI).

대표모드가 아니면, 해당특징모드로 운전한 최종일의 평균대수로 시뮬레이션을 실행하고(스텝 SC3), 평상패턴일때는 엘리베이터 6대 및 4대로 시뮬레이션을 실행한다(스텝 SC2).

더욱에, 스텝 SC3과 스텝 SC2의 6대의 시뮬레이션은 다시 실행하지 않아도 된다.

다음에, 엘리베이터의 6대 및 4대의 두가지 경우의 시뮬레이션 결과에서 엘리베이터 5대 및 3대에 있어서 최적의 시뮬레이션 패러미터를 보간법으로 연산한다(스텝 SC4).

상기한 플로차트에서는 엘리베이터 대수를 두가지 경우로 했지만, 3가지 경우이상에서도 보간법에 의해 나머지 엘리베이터 대수의 최적의 시뮬레이션 패러미터를 산출할 수 있는데, 대수가 많아지면 많아질수록 정밀도가 높아진 다.

또한, 엘리베이터 대수의 선택은 상기한 플로차트에서는 4대 및 6대로 했지만, 설치대수의 어느 것이라도 좋다.

여기서, 상기 보간법에 대해 설명한다.

평균대기시간이 최소로 되는 최적의 시뮬레이션패러미터는 엘리베이터 대수에 비례하고 있다고 생각해도 무방하므로, 비례적으로 보간하는 방법이 있다.

또, 좀더 정밀도가 높은 방법은 엘리베이터 대수의 1.6승에 비례하고 있는 것으로 하여 보간한다.

또한, 교통량에 의해 소정의 계수를 포함하여 보간하는 방법도 있다.

또한 이들 1.6승 등의 계수 그 자체를 빈 시간에 의한 시뮬레이션에 의한 사전에 산출해 놓도록 구성하는 방법이 있다.

제51도는 시뮬레이션에 의해 얻어진 곡선데이터테이블(272Al) 등의 내용을 근거로 소정보간법을 적용해서 얻어진다.

평균대기시간의 곡선을 예로 나타낸다.

여기서, 소정보간법이란 예를 들면 주변의 데이터 3개에 의해 2차곡선에 근사한 주지의 방법을 가리킨다.

곡선 f₄은 엘리베이터의 서비스대수가 4대, 곡선 f₅은 엘리베이터의 서비스 대수가 6대의 곡선이다.

또, 곡선 f₄의 평균대기시간이 최소로 되는 시뮬레이션패러미터가 α₄이며, 곡선 f₅의 평균대기시간이 최소로 되는 시뮬레이션패러미터가 α₅인 것을 나타낸다.

이때, 비례적으로 보간하는 방법은 다음식으로 나타낼 수 있다.

엘리베이터대수가 5대일 때 및 엘리베이터대수가 3대일 때의 구하는 최적의 시뮬레이션패러미터를 각각 α₅, α₃이라고 하면,

[수학식 69]

α₅=α₅+(α₄+α₅)/2............................................(64)

[수학식 70]

α₅=α₄+(α₄+α₅)/2............................................(65)

로 된다.

이상에 의해 마이콤 M₁과 M₂을 사용한 제2의 구체적 실시예의 구성에 대한 설명을 종료했지만, 다음에 제52도에서 제57도에 의거하여 이 실시예의 동작을 보충설명한다.

제52도는 한 회사전용 빌딩에 있어서의 점심시간대에 있어서 발생하기 쉬운 교통수요의 대표예를 설명하는 도면이며, (a)는 전체교통량의 시간적 변화를 나타낸다.

(b)는 식당층이 있는 7층으로 가는 사람(7층에 내리는 사람)을 주체로 한 특징모드 M₂(점심시간 전반)에 속하는 교통류의 양의 변화곡선 C_M2와 7층에서 원래의 층으로 되돌아가는 사람(7층의 탑승객)을 주제로 한 특징모드 C_M3을 도시하고 있다.

제53도는 이 두개의 특징모드의 층(방향)별의 탑승량의 분포를 나타내고 있다.

문제는 곡선 C_M2과 C_M3가 겹치는 시간대에 있다.

특히, 시간대 t₃₂에서 t₃₃은 중간적인 교통량으로 되어 있고, 이것만으로 별개의 특징모드를 설정한 가능성은 있다.

그러나, 그 시간폭과 교통량의 적으로 구해지는 총인원수가 설정될 특징모드에 대해 작으며, 또한 이미 유사한 특징을 갖는 특징모드 M₂와 M₃가 설정되어 있기 때문에 현저한 특징으로서도 인정되지 않을 가능성이 있고, 결과로서 일반적으로는 점심시간 중간이라고 칭하는 특징모드는 설정되지 않는다. (단, 호텔이나 임대빌딩에 있어서는 설정된 가능성이 충분히 있다. 그리고 이들은 특징모드의 생성과 식별프로그램 (254),제38도에서 제어된다)

그래서, 시간대 t₃₂-t₃₃에 있어서는 제40도의 스텝 255B와 제41도의 스텝 275 B에 나타낸 바와 같이 복수의 특징모드에 대해 중간적인 특징인 것을 판정하고, 되도록 적격으로 교통정보의 수집과 운전제어패러미터의 지령을 제어하도록 하고, 특징모드의 수가무수히 증대하는 것을 방지하고 있다.

이들의 데이터, 프로그램 등의 리포트 및 모니터하는 기능을 구비한 장치를 제63도에 도시한다.

제54도∼제56도에 의해 학습계 마이콤의 자동보고 형태예와, 스텝 275(제41도)에 있어서 달력 및 시각에 의한 특징모드의 발생예측을 어떻게 정밀도 높게 하는가를 보충한다.

먼저, 제54도는 제34조(b)의 일별특징패턴테이블(262Z8)의 내용을 단말장치 PD의 CRT나 프린터에 표시

또는 프린트하는 보고형태의 예를 도시하고 있으며, 특징모드는 그 특징모드가 엘리베이터운전계에 부여하는 스트레스의 크기(예를 들면 교통량)의 순으로 독자의 순번 Pl∼P11에 다시 붙여서 표시하고 있다.

이 도면에 의한 일반의 출근일 DP3(일별패턴곡선 f_DP4)과 토요일, 일요일이나 경축일등의 휴일 DP4(일별패턴곡선 f_DP4)과의 차이를 한눈으로 알 수 있다는 이점이 있다.

제55도는 연간기록테이블(262Z9)의 내용의 보고형태의 예를 나타내며, 금년도의 예측에 대한 일별패턴을 제56도처럼 표시한다.

이 예측은 다음의 순서로 행한다.

먼저, 단말장치 PD의 키보드 등으로부터 입력된 스케줄예약에 의한 휴일의 대체나 특별휴일의 설정 또는 행사일에 의한 일별패턴 그 자체의 설정과 해당일의 설정 등이 있었을 경우에는 이것을 최우선으로 한다.

다음에, 경축일인가 아닌가를 판정하고, 경축일이나 창업기념일(제55도와 제56도의 주1) 등 매년 같은 날에 동일한 일별패턴이 예상되는 날인가 아닌가를 판정한다.

다음에, 연도에 의한 요일변환을 행하고, 또 요일에 의한 일별패턴의 관계를 통계처리에 의해 구하여, 예정되는 일별패턴을 결정한다.

이상에 의한 일별페턴의 예측과, 일별패턴마다 특징모드와, 그 시간대를 학습함으로써 스텝 275F에서 설명한 것 이상으로 정밀도가 높은 장기적인 시야에 입각한 특징모드를 예측할 수 있다.

스텝 2F(제38도)에서는 일별패턴의 추가설정이든가 시간대의 학습시는 10분 정도의 작은 특징모드의 유무나, 인접하는 특징모드의 날마다의 상이에 의해 별도의 일별패턴으로 하지 않고, 일치하는 특징모드의 시간대를 학습하도록 구성한다.

다음에, 제57도는 특징모드의 생성, 교통정보의 학습, 그리고 운전제어프로그램의 생성과 일관된 인공지능제어에 포함시킬 수 있는 광의의 학습을 행한 학습계의 성과의 보고형태의 예를 나타낸다.

도면은 일별패턴별로 대표 또는 작도(作圖)하는 편이 학습경과를 이해하기 쉬운 이점이 있다.

그리고, 급변이란 최소한 새로운 모드가 추가되었을 경우를 포함하는 것으로 한다.

또, 일별패턴 DP3의 패턴형상 f_cp3이 크게 변화했을 경우도 포함하는 것으로 한다.

또, 학습계의 성과포맷 R_cp3의 내용은 정보학습테이블(262) 내의 평가용데이터 테이블 (홀호출계속시간의 도수분포테이블 262A10등)과 스텝 270M4∼5(제49도)에 의해 시뮬레이트한 결과와 일별패턴테이블(262Z8C)의 시간대의 데이터에서 1분의 평가치로 환산하여 1일중 10시간의 평균치를 보고 하는 것으로 한다.

이것에 의해 학습계가 정상으로 기능하고 있는 것과, 학습계의 장비에 의한 정량적인 효과를 알 수 있는 이점이 있다.

이상으로 제2의 실시예의 모든 설명을 종료했다.

다음에, 본원발명에 의한 다른 실시예나 변형예에 대해서 설명한다.

먼저, 제58도와 제59도에 의해 특징모드와 일별패턴의 변형예를 설명한다.

제58도는 제19도의 변형예이며, 제59도는 제33도와 제36도의 변형예이다.

이 변형예의 주된 특징은 특징모드를 일별로 구별하여 갖게 한 점에 있으며, 예를 들면 출근시간대에 있어서의 교통정보의 학습은 제2의 교통수요의 특징 판정프로그램 257에 의해 일별패턴을 판정한 후에, 해당 일별의 출근시간테이블에 대해서 행하도록 구성한 점에 있다.

그리고, 제1의 교통수요의 특징판정프로그램(254)은 예를 들면 일별에 의한 시간대의 판정으로 하는 것이 간단한 프로그램 구성으로 할 수 있다.

또, 그밖에 대해서는 필요에 따라서 단말장치 PD로 부터 해당시간데이터를 설정하기도 하면 간단한 프로그램 구성으로 알 수 있다.

또, 이때의 일별의 판정의 방법으로서는 출근시간대의 교통량에 따라서 먼저 가정하는 것으로 하고, 최종적으로 1일 총이용인원수에 대한 데이터로 판정하는 것으로 하면 프로그램(257)을 간단한 프로그램구성으로 할 수 있다.

또, 제1의 교통수요의 특징판정에 각 특징별로(각 일별에 대해 공통으로 해도 좋음) 평가함수를 설정하여, 이 값이 최대로 되는 특징을 판정하는 방법이 있다.

출근의 평가함수 Φ_UP는

[수학식 71]

으로 된다.

마찬가지로 점심시간 전반, 후반, 퇴근의 특징평가함수 Φ_LTA, Φ_LTB, Φ_DP는로 된다.

[수학식 72]

[수학식 73]

[수학식 74]

로 된다.

평상과 평상혼잡과 한산의 구별은 단지 교통량만으로 판정한다.

그리고, 여기서 한산은 교통량이 작으므로 교통정보의 학습늘 불필요한 것으로 했다.

이 평상과 평상혼잡의 특징평가함수Φ_BT는

[수학식 75]

으로 된다.

여기서, k₂₁∼k₂₅는 중량계수이며, k₂₂와 k₂₃은 4, K₁₅는 2, k₂₁과 k₂₄는 1로 한다.

이 (66)시기에서 (70)식의 값이 MAX로 되는 특징을 판정출력으로 한다.

다음에 제19도에 의거하여 그밖의 변형예에 대해서 설명한다.

그리고, 제19도의 소프트구성 중 학습계의 데이터의 움직임을 중심으로 보충설명하는 도면을 제60도에 도시한다.

제2의 실시예에서는 사전에 시뮬레이션프로그램(271)을 실행하여 기본적인 운전프로그램을 생성해 놓았지만 예를 들면 운전대수나 목표치의 설정변경 통의 큰 변동이 있었을 때는 제어패러미터의 작성프로그램(277)의 개소에서 긴급한 추가시률레이션을 실행하도록 구성한다.

특히, 스텝 270M2(제49도)에 도시한 종속패러미터를 산출하기 위한 시뮬레이션을 재차 실행하는 것 뿐이라면, 1회 뿐이며, 비교적 빨리 지령패러미터를 출력할 수 있다.

그리고, 특징모드별 패러미터테이블(274)을 그만큼 작게 구성할 수 있는 이점이 있다.

그리고, 여기서 제29도의 그로그램(A50)에 있어서 개개의 승객의 평균대기시간을 최소로 하는 목적에서 홀대기인원이 많은 층의 서비스를 우선하는 개량안에 대해 설명한다.

이 개량안의 개념을 나타내는 플로챠트를 제62도에 도시한다.

이 개량의 포인트는 스텝 H50-2에 있어 시의 예측대기시간 TS을 만드는 방법에 있다.

즉, 탑승객발생빈도가 매우 낮은 층은 예측내기시간과 TS 값을 길게 취하지만, 승객발생빈도가 높은층이나 다소 있는 층은 제62도에 도시한 바와 같이 평가치를 이용도에 따라서 예측대기시간 보다 크게 취하는 것이다.

이상 도시한 실시예를 사용하여 설명하였지만, 다음에 다른 변형 및 응용예를 간단하게 설명한다.

먼저, 학습계 중의 일부, 예를 들면 시뮬레이션프로그램(271)을 중심으로 하는 제어형태지령프로체그드 270을 독립된 가반장치로 하고, 한달에 한번 어뎁터를 통해서 학습계마이콤과 접속하며, 특징모드별로학습 내지 일반의 교통정보를 근거로 시뮬레이션을 반복하여 최적의 운전프로그램을 생성하고, 생성한 운전프로그램의 각종 패러미터에 의해 운전프로그램을 학습계마이콤에 기록하는 구성으로 할 수 있다.

이 경우, 상기한 프로그램을 생성하는 가반장치는 빌딩관리장치나 엘리베이터감시장치에 의해 정기적으로 데이터통신함으로써, 자동적으로 운전프로그램을 생성하는 구성으로 할 수 있다.

또한, 상기 실시예에서는 군관리를 예로 들어 설명했지만, 이것에 한정되지 않으며, 1대의 엘리베이터를 단독으로 제어할 경우에도 이용할 수 있다.

또, 승강장에서 행선층을 지정하는 포트식 엘리베이터가 오래전부터 알려져 있지만, 이와 같은 방식이라도 적용할 수 있는것은 물론이고, 이 경우 승강장에 설치한 행선호출버튼이 본원 발명에서 일컫는 홀호출 버튼에 해당한다.

즉, 본원발명의 홀호출이란 승강장에서 설치한 호출장치라면 어떤 것이라도 좋으며, 어느 방식의 엘리베이터일지라도 빌딩의 수요에 적응한 엘리베이터제어를 실현할 수 있다.

또, 상기 실시예 중의 특징모드 생성, 특징모드별 교통수요의 수집, 운전프로그램의 생성 등은 이들을 개별로 독립해서 이용하는 것도 가능하며, 각각의 기능에 의한 효과를 저하시키는 것은 아니다.

또한, 본원발명의 실시예에서는 엘리베이제어에 대해 설명했지만, 빌딩의 교통수요의 검출등은 해당 빌딩을 관리할 경우에도 유익하다.

따라서, 빌딩관리시스템 등에도 적용할 수 있고, 이 경우 빌딩내의 사람의 흐름, 재빌딩인원에 따른 공기조화, 방법제어 등을 실현할 수 있다.

본원발명에 의하면 빌딩의 교통수요의 적응한 엘리베이터제어가 가능해지며, 효율이 좋은 엘리베이터서비스를 제공할 수 있다.

Claims (4)

1. 교통수요검출수단과, 이 교통수요검출수단의 출력이 어느 교통수요모드에 속하는지를 판정하는 수단과, 이 판정된 교통수요모드에 대응하고 그의 교통수요에 적용하는 제어패러미터를 선택하는 수단과 선택된 상기 제어패러미터를 선택하는 수단과 선택된 상기 제어패러미터에 따라서 다층상간에 서비스하는 복수대의 엘리베이터를 제어하는 수단을 구비한 엘리베이터의 그룹관리제어장치에 있어서 상기 검출된 교통수요가 기존의 어느 교통수요모드에 대하여도 소정의 차를 가질 때 새로운 교통수요모드라고 판정하는 수단과 새로운 교통수요모드라고 판정하였을때 이 새로운 교통수요에 적용하는 새로운 제어패러미터를 생성하는 수단과를 구비한 것을 특징으로 하는 엘리베이터의 그룹관리제어장치.
2. 제1항에 있어서, 상기 제어패러미터는 홀호출에 할당되는 엘리베이터를 선택하기 위한 평가에 사용되는 특징으로 엘리베이터의 그룹관리제어장치.
3. 제1항에 있어서, 상기 어느 교통수요모드에 속하는지를 판정하는 수단은 교통수요검출수단의 출력을 설정 또는 등록된 교통수요모드와 소정의 평가치에 의거하여 비교하고 어느 교통수요모드에 속하는지를 판정하는 것을 특징으로 하는 엘리베이터의 그룹관리제어장치.
4. 제1항에 있어서, 상기 새로운 교통수요모드로 있다고 판정하는 수단은 소정의 평가치를 사용하여 이평가치가 기존의 어느 교통수요모드에 대하여도 소정의 차를 가졌을 때 새로운 교통수요모드로 있다고 판정하는 것을 특징으로 하는 엘리베이터의 그룹관리제어장치.

Images