KR940009984B1 - 엘리베이터 제어장치 - Google Patents

Abstract

내용 없음.

Description

엘리베이터 제어장치

제 1 도는 이 발명의 제1의 발명에 의한 실시예의 전체구성을 표시라는 기능블록도.

제 2 도는 제 1 도내의 군관리장치의 개량구성을 표시하는 블록도.

제 3 도는 제 1 도내의 데이터변환수단 및 도착예상시간 연산수단을 구체적으로 표시하는 블록도.

제 4 도는 제 2 도내의 ROM에 기억된 군관리 프로그램을 개략적으로 표시하는 폴로챠트.

제 5 도는 제 4 도내의 1호기용의 가배당시 도착시간 예측연산 프로그램을 구체적으로 표시하는 플로챠트.

제 6 도는 제 4 도내의 학습용데이터 작성 프로그램을 구체적으로 표시하는 플로챠트.

제 7 도는 제 4 도내의 수정프로그램을 구체적으로 표시하는 플로챠트.

제 8 도는 이 발명의 제 2 도, 제 3 도 및 제 4 도의 발명에 의한 한 실시예의 전체구성을 표시하는 기능블록도.

제 9 도는 제 8 도내의 군관리장치에 의한 군관리 프로그램을 개략적으로 표시하는 폴로챠트.

제 10도는 제 9 도내의 도착시간 예측프로그램을 구체적으로 표시하는 플로챠트.

제 11 도는 제 9 도내의 학습용데이터작성 프로그램을 구체적으로 표시하는 플로챠트.

제 12 도는 제 9 도내의 수정프로그램을 구체적으로 표시하는 플로챠트.

* 도면의 주요부분에 대한 부호의 설명

10C : 데이터변환수단 10DA : 입력데이터 변환서브유닛

10CB : 출력데이터 변환서브유닛 10DA : 신경망

10DA1 : 입력층 10DA2 : 중간층

10DA3 ; 출력층 10D : 도착예상시간연산수단

10D1-10D5 : 복수의 도착예상시간 연산수단

10DA3 : 출력층 10D : 도착예상시간연산수단

10D1-10D5 : 복수의 도착예상시간 연산수단

10E : 판정수단 10F : 학습용데이터작성수단

10G : 수정수단 10H : 절환수단

wa1(i,j), wa2(j,k) : 웨이트계수

이 발명은 신경망을 응용하여서 엘리베이터를 정도좋게 제어하는 엘리베이터 제어장치에 관한 것으로 특히 여러가지 교통패턴에 대하여도 제어목적에 대응한 연산을 신속하게 수행할 수 있는 동시에 엘리베이터카가 각 계층에 도착하기까지 소요되는 시간을 정도좋게 예측할 수 있는 엘리베이터제어장치에 관한 것이다.

종래로부터 복수대의 엘리베이터카(이하 "카"로 약칭)가 병설된 엘리베이터장치에 있어서는 통상 군관리 운전을 하고 있으며, 이와 같은 군관리운전의 하나로서 예를들면 할당방식이 있다.

할당방식이란 승강장호출이 등록되면은 바로 각 카별 평가치를 연산하고, 평가치가 최량인 것을 서비스해야할 할당카로 선택하며, 상기 승강장호출에 대하여는 할당카만을 응답시키도록 하여 운정효율의 향상 및 대기시간 단축을 도모하는 것이다. 이때 평가치의 연산에는 일반적으로 승강장호출의 예측대기시간이 사용되고 있다. 예를들면, 일본특공소 58-48464호 공보에 기재된 엘리베이터의 군관리장치에 있어서는 승강장호출이 등록되면은 그 승강장호출을 각카에 가배당하였을때의 모든 승강장호출의 예측대기시간의 자승치 총화를 각각 평가치로 구하고 이 평가치가 최소로 되는 카를 할당카로 선택한다. 이 경우 예측대기시간은 승강장호출의 계속시간(승강장호출이 등록된후 현재까지의 경과시간)과, 도착예상시간(카가 현재위치에서 상기 승강장호출계층에 도착하기까지에 소요되는 시간의 예측치)을 가산하여 구하게 된다. 이렇게 얻은 평가치를 사용함으로서, 승강장호출의 대기시간단축(특히 대기시간이 1분이상의 장기 대기호출의 감소)를 꾀할 수 있다.

그러나 도착예상시간의 정확도가 상실되면은 평가치는 할당카를 선택하기 위한 기준치로서의 의미가 없어지며 결국 승강장호출의 대기시간단축을 꾀할 수 없게 된다. 따라서, 도착예상시간의 정확도는 군관리성능에 크게 영향을 미치고 있다.

다음은 종래의 도착예상시간의 연산방법에 관하여 구체적으로 설명한다. 도착예상시간은 카가 양중단 계층을 왕복운전하는 것으로 하여 아래(A)에 표시한 바와같이 연산된다.

(A) 카 위치와 대상계층간의 거리로부터 주행에 소요되는 시간(주행시간)을 구하고, 그 도중 계층에서의 정지회로부터 정지에 소용되는 시간(정지시간)을 구하며, 또한 이들 시간을 가산하여서 도착예상시간으로 한다.(일본 특공소 54-20742호 공보 및 등 54-34978호 공보참조). 또 카위치계층이나 정지예정계층에서의 정지시간 예측정도를 향상시키기 위하여 아래(B)∼(E)에 표시한 예측방법이 제안되고 있다.

(B) 카가 위치하는 계층에서의 카상태(감속중, 개문동작중, 개문중, 폐문동작중, 주행중, 등)에 대응하여 도착예상시간을 보정한다.(일본특공소 57-40072 공보참조)

(C) 정지예정계층에서의 승차인원수나 하차인원수를 검출장치나 예측장치를 사용하여서 검출하고 이들 인원수에 대응하여 도착예상시간을 보전한다.(일본특공소 57-40072 공보 및 동특개소 58-162472호 공보참조)

(D) 정지예정계층이 카호출응답인가 승강장호출응답인가에 의하여 승강시간이 다른 것을 고려하여 도착 예상시간을 보정한다. (일본특공소 57-40072호에 공보참조)

(E) 실제의 정지시간(개문동작시간, 승강시간, 폐문동작시간)을 계층별로 통계한 데이터나 시뮬레이션에 의하여 구하여서 군관리장치에 내장된 개문시간에 기준하여 각 계층별 정지시간을 예측한다. (일본국 특개평1-275832호 공보 및 동특개소 59-138579 공보참조) 또 정지예정되어 있지 않는 계층에 장래호출이 등록되어서 카가 정지하는 가능성을 고려하였을때, 도착예측정도를 향상시키기 위하여 아래(F)∼(H)에 표시된 방법이 제안되고 있다.

(F) 도중계층의 승강장호출에 응답하여서 정지함으로서 발행하는 카호출수를 과거의 승차인원수에 관한 통계데이터에 기준하여 예측하고 또한 과거에 발생한 카호출의 통계적 확률분포에 따라서 상기 예측카호출수를 각각 그 전방계층에 배분하고, 파생카호출에 의한 정지시간을 예측한다.(일본 특공소 63-34111호 공보참조)

(G) 카가 방향반전하는 회수와 과거의 방향별 승강인원수의 계측자로부터 계층별, 방향별로 카가 정지하는 확률을 계산하고, 이 계산결과에 기준하여 도착예상시간을 보정한다.(일본 특개소 59-26872호 공보참조)

(H) 각 계층 방향별로 구한 각 계층하차율에 의하여 각 계층에서의 카호출에 의한 정지시간을 예측한다.(일본특공소 63-64383호 공보참조) 또 카는 최고 호출이나 최저호출에 의하여 도중계층에서 방향반전하여서 운행하는 일이 많으나 이때에 도착예상시간과 실제의 도착시간에 오차가 생기는 것을 방지하기 위하여 아래(I)및(J)와 같이 중단계층에 도달하기 전에 도중계층에서 방향반전하여서 운행하는 경우의 예측방법도 제안되고 있다.

(I) 카의 진행방향전방에 있는 최원방호출의 계층까지의 주행시간 및 그 계층에서 반대방향의 호출이 있는 계층까지의 주행시간을 구하고, 도착예상시간을 연산한다.(일본 특공소 54-16293호 공보참보)

(J) 빈카로 운행방향이 설정되어있지 않는 카는 각 계층으로 직행하는 것으로 하여 각각 도착예상시간을 연산한다.(일본 특공소 59-8621호 공보참조) 이 경우 통상 상방 반전계층(최고호출반전하는 계층)은 최상방의 호출계층에 설정되고, 하방반전계층(최저호출반전하는 계층) 은 최하방호출의 계층에 설정된다. 그러나, 예를들면 상방반전계층이 설정되어도, 도중계층에 상승방향의 승강장호출이 있는 경우에는 새로운 카호출발생을 예측하지 않으면 안되며 상방반전계층을 정도좋게 설정하는 것은 곤란하며 마찬가지로 하방반전계층을 정도좋게 설정하는 것도 곤란하다.

결국 반전계층이라는 별도조건을 예측연산하기 때문에 오차요인이 증가하게 된다. 또, 승강장호출의 예측대기시간뿐만 아니라 오보확룰이나 만원확률은 상기 평가치로 사용한 할당방식(일본특공소 62-47787호 공보참조), 카내 예상혼잡도, 카내 승차시간, 카호출발생 확률 등을 사용한 할당방식등도 제안되어 있다. 또한 최근에는 평가치표를 피지량으로 체취하고 적절한 할당방법을 IF-THEN형식으로 기술한 규칙을 사용하여서 이 규칙군에 대한 적합도로부터 최적의 카를 선택하여 할당하는 방식도 제안되어 있다.

그러나, 복잡한 교통패턴이나 시시가각으로 변동하는 교통수요에 대응할 수 있게끔 설세한 군관리제어를 실행하려면은 상기 평가치를 구하기 위한 평가식이나 할당평가규칙은 더욱더 복잡해진다. 따라서 평가요소로서 사용되는 각종 예측치의 정도를 향상시키려면은 예측자의 연산식도 복잡하게 된다. 또 최적의 군관리제어를 목표로 새로운 연산식을 개발하는 것은 인간능력에 한계가 있는 이상 곤란한 작업이 된다. 또한 한쪽에서는 복잡한 연산을 하기 위한 연산시간의 증대를 초래하고 승강장호출등록과 동시에 할당카를 결정하여 예보한다는 주요기능을 달성하기가 매우 어렵게 된다.

이와같은 문제점을 해결하기 위하여 예를들면, 일본특개평 1-275381로 공보에 기재된 바와같이 인간뇌의 신경에 대응시킨 신경망을 사용한 연산에 기준하여 승강장호출에 대한 할당타를 선택하는 군관리제어장치도 제안되어 있다. 이 군관리제어에 의하면 인간이 할당알고리즘을 생각할 필요는 일체 없고 각종 교통상태에 대응하여서 결과적으로 최적의 할당카를 결정하는 판단시스템을 자동적으로 생성할 수가 있다.

그러나 이 공보의 경우 할당카의 평가치를 연산하는 것을 고려하고 있으며 도착예상시간의 연산정도나 카내 예상혼잡도의 연산정도를 향상시키는 것은 고려되어 있지 않다.

종래의 엘리베이터장치는 이상과 같이 도착예상시간을 정확하게 연산하기 위하여 여러가지 요소 즉, 현재의 카상태, 정지계층에서의 승강인원수의 예측, 현재의 응답호출의 종류, 카호출발생의 예측, 새로운 승강장호출에 대한 할당의 예측, 반전계층의 예측, 각 계층의 현재의 교통상태등을 고려하고 그 각각을 계산식의 하나의 요소로서 연산하고 있다.

그러나, 이들 요소의 모두를 가미한 연산에 의하여 예측을 행하고 시시각각으로 복잡하게 변화하는 교통상태에 대응할 수 있도록 정확하게 연산하려면은 도착예상시간의 연산식은 더욱 복잡하게 되고 인간능력에 한계가 있는 이상 연산정도 향상을 목표로 새로운 연산식을 개발하는 것도 곤란하게 된다.

또 한편으로는 상세한 예측연산을 하게 되면 연산시간의 종래를 초래하고, 승강장호출 등록과 동시에 할당카를 결정하며 또한 도착예상시간을 예보한다는 기능을 실현할 수 없다는 문제점이 있었다.

이 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 이 발명의 제1의 발명에서는 실제의 교통상태나 교통량에 근사하게 유언한 예측을 함으로써 실제의 도착시간에 가까운 정밀한 도착시간을 예측할 수 있는 엘리베이터장치를 얻는 것을 목적으로 한다. 또 이 발명의 제2및 제3의 발명은 여러가지 교통흐름에 대하여도 소정의 제어목적에 대응한 연산을 단시간에 수행할 수 있는 엘리베이터장치를 얻는 것을 목적으로 한다.

또한 이 발명의 제4발명은 더욱 적은 학습용데이터 및 짧은 학습기간으로 신경망을 수정할 수 있는 엘리베이터 제어장치를 얻는 것을 목적으로 한다. 이 발명의 제1 발명에 의한 엘리베이터 제어장치는 카위치, 운행방향 및 응답할 호출을 포함하는 교통상태데이터를 신경망의 입력데이터로서 사용할 수 있는 형으로 변환하는 변환수단과, 입력데이터를 체취하는 입력층, 도착예상시간에 상당하는 데이터를 출력데이터로 하는 출력층 그리고 입력층과 측력층간에 있으며 웨이트계수가 설정된 중간층을 포함하여 신경망을 구성하는 도작예상시간 연산수단과, 출력데이터를 소정의 제동동작에 사용할 수 있는 형강으로 변환하는 출력데이터 변환수단을 구비한 것이다.

또 이 발명의 제1 발명에 의한 엘리베이터 제어장치는 엘리베이터의 가동중에 미리 결정된 시기가 되면은 소정의 승강장의 도착예상시간 및 그때의 입력데이터를 기억하는 동시에 카가 소정승강장에 정지 또는 통과하기까지에 경과한 시간을 계수하여서 실도착시간으로서 기억하고, 기억된 입력데이터, 도착예상시간 및 실도착시간을 1조의 학습용데이터로서 출력하는 하습용데이터 작성수단과, 학습용데이터를 사용하여서 도착예상시간 연산수단의 웨이트계수를 수정하는 수정수단을 또한 구비한 것이다.

그리고 이 발명의 제2 및 제3의 발명에 의한 엘리베이터 제어장치는 연산수단을 빌딩내의 교통흐름의 특징에 따라서 분류된 복수의 교통패턴에 대응시켜서 복수개 설치하는 동시에 현재의 엘리베이터의 교통상태가 교통패턴의 어느 것에 상당하는가를 판정하는 판정수단과, 복수의 연산수단중 판정수단의 판정결과에 대응하는 것을 하나만 선택하는 절환수단을 설치하고 절환수단에 의하여 선택된 연산수단의 출력데이터에 기준하여서 카를 제어하도록 한 것이다.

또 이 발명의 제4발명에 의한 엘리베이터 제어장치는 학습용데이터 작성수단이 판정수단의 판정결과에 기준하여서 교통패턴별 학습용데이터를 작성하고 수정수단이 교통패턴별 학습용데이터를 사용하여서 교통패턴별로 대응하는 연산수단의 웨이트계수를 각각 수정하고 절환수단에 의하여 선택된 연산수단의 출력데이터에 기준하여 카를 제어하도록 한 것이다.

이 발명의 제1발명에서는 교통데이터를 신경망에 체취하여서 실제의 카 도착시간에 가깝게 되는 연산에 의하여 도착예상시간을 구하고, 이 도착예상시간을 사용하여 소정목적에 따른 엘리베이터 동작을 제어한다. 또 이 발명의 제1발명에서는 연산된 예측결과와 그때의 교통상태 및 실측데이터에 기준하여 학습용데이터를 작성하고 학습용데이터에 기준하여 도착예상시간 연산수단(신경망)에 있어서의 웨이트계수를 자동적으로 수정함으로써 실제의 교통상태나 교통수요에 근사하게 유인한 예측연산을 한다.

또한 이 발명의 제2 및 제3의 발명에서는 교통흐름의 특징에 대응하여 분류된 교통패턴에 대응하여서 설치된 복수의 연산수단중에서 현재의 교통상태에 대응하는 연산수단 하나만을 선택하고 선택된 연산수단의 출력데이터에 기준하여서 소정목적에 따라 엘리베이터카를 제어한다. 그리고 또 이 발명의 제4발명에서는 교통패턴별의 학습용데이터를 작성하고 이들의 학습용데이터에 기준하여서 교통패턴별로 대응하는 연산수단의 웨이트계수를 수정한다.

다음은 이 발명의 제1발명에 의한 한 실시예에 관하여 설명한다.

제 1 도는 이 한 실시예의 전체구성을 표시하는 기증블록도, 제 2 도는 제 1 도내의 군관리장치의 개략구성을 표시하는 블록도이다. 제 1 도에서, 군관리장치(10)는 기능적으로 아래수단(10A)∼(10D),(10F) 및 (10G)로 구성되고 복수 (예를들면 1호기용 및 2호기용)의 카제어장치(11) 및 (12)를 제어한다. 승강장호훌등록수단(10A)은 각 계층의 승강장호출(상승방향 및 하강방향의 승강장호출)의 등록 및 해소를 하는 동시에 승강장호출이 등록된 후의 경과시간(즉 계속시간)을 연산한다.

승강장호출에 서비스하는데 최량의 카를 선택하여서 할당하는 할당수단(10B)은 예를들면 각 키가 각 계층의 승강장호출에 응답하기까지의 대기시간을 예측하여서 연산하고 이들의 자승치총화가 최소로 되는 카를 할당한다.

데이터변환수단(10C)카위치, 운행방향, 응답해야할 호출(카호출 또는 할당된 승강장호출)등의 교통상태데이터를 신경망의 입력데이터로서 사용할 수 있는 형으로 변환하는 입력데이터 변환수단과, 신경망의 출력데이터(도착예상시간에 상당하는 데이터)를 소정 제오목적의 동작(예를들면 예측대기시간의 연산)에 사용할 수 있는 형으로 변환하는 출력데이터 변환수단을 포함하고 있다.

시간대에 따라서 각카의 도착예상시간을 연산하는 도착예상시간연수단(10D)은 후술하는 바와같이 입력데이터를 체취하는 입력층과, 도착예상시간을 상당하는 데이터를 출력데이터로 하는 출력층과, 입력층과, 출력층간에 있으며, 웨이트계수가 설정된 중간층으로 된 신경망을 포함하고 있다.

학습용데이터적성수단(10F)은 각카의 도착예상시간 및 그때의 입력데이터(교통상태 데이터)와 그 후의 각 카의 도착시간에 관한 실측데이터(교사데이터)를 기억하고 이들을 학습용데이터로서 출력한다. 수정수단(10G)은 학습용데이터를 사용하여서 도착예상시간 연산수단(10D)의 신경망기능을 학습 및 수정한다. 1호기용 및 2호기용의 카제어장치(11) 및 (12)는 각각 동일구성이며, 예를들면 1호기용의 카제어장치(11)는 아래와 같이 주지의 수단(11A)∼(11E)로 구성되어 있다. 승강장호출 취소수단(11A)은 각 계층의 승강장호출에 대한 승강장호출 취소신호를 출력한다. 카호출등록수단(11B)은 각 계층의 카호출을 등록한다. 도착예보등 제어수단(11C)은 각 계층의 도착예보등(도시생략)의 점등을 제어한다. 운전제어수단(11D)은 카의 운행방향을 결정한다든가, 카호출이나 할당된 승강장호출에 응답시키기 위하여 카의 주행 및 장치를 제어한다. 도어제어수단(11E)은 카 출입구의 도어의 개폐를 제어한다.

또 제 2 도에서, 군관리장치(10)은 주지의 마이크로컴퓨터로 되어 있으며, MPU 또는 CPU(101)과, ROM(102)과, RAM(103)과, 입력회로(104)와, 출력회로(105)로 구성되어 있다. 입력회로(104)에는 각 계층의 승강장버튼으로부터의 승강장버튼신호(14)와, 카제어장치(11) 및 (12)로부터의 1호기 및 2호기의 상태신호가 입력된다. 또 출력고히로(105)로부터의 각 승강장버튼에 내장된 승강장버튼으로의 승강장버튼등 신호(15)와, 카제어장치(11) 및 (12)로의 지령신호가 출력된다.

제 3 도는 제 1 도내의 데이터변환수단(10C) 및 도착예상시간 연산수단(10D)의 관계를 구체적으로 표시하는 기능불로도이다.

제 3 도에서, 입력데이터변환수단 즉 입력데이터 변환서브유닛(10CA)및 출력데이터 변환수단 즉 출력데이터 변환서브유닛(10CB)는 제 1 도내의 데이터변환수단(10C)을 구성하고 있다. 또 입력데이터 변환서브유닛(10CA)과 출력데이터 변환서브유닛(10BC)간에 삽입된 도착예상시간 연산유닛(10DA)은 신경망으로 되어 있으며 제 1 도내의 도착예상시간 연산수단(10D)에서 사용되는 예측연산서브루틴을 구성하고 있다. 입력데이터 변환서브유닛(10CA)은 카위치, 운행방향, 응답할 호출(즉, 카호출이나 할당된 승강장호출), 교통흐름의 통계적 특징(5분간 승차인원수, 5분간 하차인원수)등의 교통상태데이터를 신경망(10DA)의 입력데이터로서 사용할 수 있는 형으로 변환한다. 출력데이터 변환서브유닛(10CB)은 신경망(10DA)의 출력데이터(도착예상시간에 상당하는 데이터)를 승강장호출 할당동작의 평가치연산에 사용할 수 있는 형으로 변환한다. 신경망으로 된 도착예상시간 연산유닛(10DA)은 입력데이터 변환서브유닛(10CA)으로 부터의 입력데이터를 체취하는 입력층(10DA1)과, 도착예상시간에 상당하는 데이터를 출력데이터로 하는 출력층(10DA3)과, 입력층(10DA1)∼(10DA3)은 서로 네트워크로 접속되고 있으며 각각 복수의 노드(node)로 구성되어 있다. 여기서 입력층(10DA1), 중간층( 10DA2)및 출력층(10DA3)의 노드수를 각각 N1, N2, N3라 하면은 출력층(10DA3)의 노드수 N3는

N3=2(FL-1)

단, FL : 빌딩내의 계층수로 표시되고 입력층(10DA1) 및 중간층( 10DA2)의 노드수 N1 및 N2는 각각 빌딩의 계층수, FL 사용하는 입력데이터의 종류 및 카대수 등에 의하여 결정된다. 또 변수 i, j, k 를

i=1, 2, ………………………………………………, N1

j=1, 2, ………………………………………………, N2

k=1, 2, ………………………………………………, N3

로 하면 입력층(10DA1)의 제i노드의 입력치 및 출력치는 xa1(i) 및 ya1(i), 중간층(10DA2)의 제j노드의 입력치 및 출력치는 xa2(j) 및 ya1(j), 출력층(10DA3)의 제k노드의 입력치 및 출력치는 xa3(k) 및 ya3(k)로 표시된다.

또 입력층(10DA1)의 제i노드와 중간층(10DA2)의 제j노드간의 웨이트계수를 wa1(i,j), 중간층(10DA2)의 제j노드와 출력층(10DA3)의 제k노드간의 웨이트계수를 wa2(i,k)로 하면은 각 노드의 입력치와 출력치의 관계는

ya1(i)=1/[1+exp{- xa1(i)}] …………………………………………… (1)

xa2(j) ={(wa1(k,j)×yal(i)}…………………………………………… (2)

(i=1∼N에 의한 총화식)

ya2(i)=1/[1+exp{- xa2(j)}] …………………………………………… (3)

xa3(k)={wa2(j,k)×ya2(i)} ……………………………………………(4)

(j=1∼N2에 의한 총화식)

ya3(k)=1/[1+exp{- xa3(k)}]…………………………………………… (5)

로 표시된다. 단

0≤wa1(i, j)≤1

0≤wa2(j, k)≤1

이다.

제 4 도는 군관리장치(10)내의 ROM(102)에 기억된 군관리프로그램을 개략적으로 표시하는 폴로챠트, 제 5 도는 제 4 도내의 1호기용 가할당시의 도착시간예측 프로그램을 구체적으로 표시하는 플로챠트, 제 6 도는 제 4 도내의 학습용데이터작성 프로그램을 구체적으로 표시하는 플로챠트이다.

제 7 도는 제 4 도내의 수정프로그램을 구체적으로 표시하는 플로챠트이다.

다음은 제 4 도를 참조하면서, 제 1 도∼제 3 도에 표시한 이 발명의 제1발명에 의한 실시예의 군관리 동작에 대하여 설명한다.

먼저, 군관리장치(10)는 주지의 입력프로그램(스텝 31)에 따라서 승강장버튼신호(14)와, 카제어장치(11) 및 (12)로부터의 상태신호를 체취한다.

여기서 입력되는 상태신호에는 카위치, 주행방향, 정지 또는 주행상태, 도어개폐상태, 카부하, 카호출, 승강장호출의 취소신호등이 포함되어 있다.

다음에 주지의 승강장호출등록프로그램(스텝 32)에 따라서, 승강장호출의 등록 또는 해제 및 승강장호출 버튼등의 점등 또는 소등을 판정하는 동시에 승강장호출의 제속시간을 연산한다.

이어서, 신규의 승강장호출 C가 등록되었는지를 판정하고(스텝 33), 만약 등록되어 있으면 1호기용의 가할당시의 도착시간 예측프로그램(스텝 34)의 의하여 신규 승강장호출 C를 1호기에 가할당시의 1호기의 각 승강장에 대한 도착예상시간 Ta1(K)를 연산한다.

마찬가지로, 2호기 가할당시의 도착시간예측 프로그램(스텝 35)에 의하여 승강장호출 C를 2호기에 가할당시의 2호기의 각 승강장에 대한 도착예상시간 Ta2(K)을 연산한다. 또 신규의 승강장호출 C를 무시하여 1호기 및 2호기 어느쪽에도 할당하지 않은 경우의 비할당시의 도착시간 예측프로그램(스텝 36 및 37)을 실행하고 1호기 및 2호기의 각 승강장에 대한 도착예상시간 Tb1(K) 및Tb2(K)를 연사한다.

다음에 할당프로그램(스텝 38)에 의하여 스텝 34∼37로 연산된 도착예상시간 Ta1(K),Ta2 (K), Tb1(K) 및 Tb2(K)에 기준하여 대기시간 평가치 W1 및 W2를 연산하고, 이 평가치가 최소로 되는 카를 정규의 할당카로 선택한다. 이렇게 할당된 카에는 승강장호출 C에 대응한 할당지령 및 예보지령이 설정된다.

그리고 대기시간 평가치 W1 및 W2를 연산방법에 대하여는 예를들면 일본특공소 58-48464호 공보예 기재되어 있다.

다음은 출력프로그램(스텝 39)에 의하여 상기와 같이 설정된 승강장버튼등신호(15)를 승강장으로 송출하는 동시에 할당신호 및 예보신호등을 카제어장치(11) 및 (12)로 송출한다.

그리고 학습용데이터작성 프로그램(스텝 40)에 있어서는 입력데이터로서 변환후의 교통상태데이터와, 각승강장의 도착예상시간 및 그후의 각카의 도착시간의 실측데이터를 기억하고, 이들을 학습용데이터로서 출력한다. 또 수정프로그램(스텝 41)에 있어서는, 학습용데이터를 사용하여서, 도착예상시간 연산수단(10D)의 네트워크의 웨이트계수를 수정한다. 이와같이 군관리장치(10)는 스텝(31)(41)을 반복실행하여서 복수엘리베이터카의 군관리제어를 행한다.

다음은 각 스텝(34)∼(37)의 도착시간 예측프로그램의 동작을 제 5 도를 참조하면서 스텝(34)를 예로들어 구체적으로 설명한다.

먼저, 신규의 승강장호출 C를 1호기에 가할당하고, 입력데이터 변환서브유닛(10 CA)에 입력하기 위한 할당승강장호출데이터를 작성한다.(스텝50), 그리고 (스텝35)에 있어서는 2호기에 가할당하여 할당승강장호출데이터를 작성하고 스텝(36) 및 (37)에서는 가할당하지 않는 경우 할당승강장신호출데이터를 그대로 할당승강장호출데이터로서 입력으로 사용된다. 이어서 입력된 교통상태중 이들로부터 도착예상시간을 연산할 카에 관한 데이터(카위치, 운행방향, 카호출, 할당승강호출)와, 현시점에서의 교통흐름의 통계적 특징을 나타내는 데이터(5분간 승차인원수, 5분간 하차인원수)를 체취하고, 이들을 도착예상시간 연산유닛(10DA)의 입력층(10DA1)의 각 노드에 대한 입력데이터 xa1(1)∼xa1(N1)로서 변환한다.(스텝 51).

여기서 빌디의 계층수 FL를 12층으로 하고 승강장번호 f에 대하여 f=1,2 …,11의 각각 1,2, …,11층의 상승방향 승강장을 나타내며, f=12,13 …,22가 각각 12,11 …,2층의 하강방향 승강장을 나타내는 것으로 하면 예를들어 "카위치계층이 f, 운행방향이 상승"이라는 카상태는

xa1(f)=1

xa1(i)=0

(i=1,2,…,22, i≠f)

로 되고 0∼1 값에 정규화된 값으로서 표시된다.

또 1층∼12층의 카호출 xa1(23)∼xa1(34)은 등록되어 있으면 "1", 등록되어 있지 않으면 "0"으로 표시되고, 1층∼11층의 상승방향의 할당승강장호출 xa1(35)∼xa1(45)은 할당되어 있으면 "1" 할당되어 있지 않으면 "0"으로 표시되고, 12층 ∼2층의 하강방향의 할당승강장호출 xa1(46)∼xa1(56)은 할당되어 있으면, "1" 할당되어 있지 않으면 "0"으로 표시된다.

또, 1층∼11층의 상승방향에서의 5분간 승차인원수 xa1(57)∼xa1(67)은 과거의 교통량통계에서 구한 5분간 승차인원수를 취할 수 있는 최대치 NNmax(예를들면 100명)로 나눗셈을 함으로써 0∼1의 값으로 정규화한다.

마찬가지로 12층∼2층의 하강방향에서의 5분간 승차인원수 xa1(68)∼xa1(78) , 1층 ∼11층의 상승방향에서의 5분간 하차인원수 xa1(79)∼xa1(89), 및 12층∼2층의 하강방향에서 5분간 하차인원수 xa1(90)∼xa1(100)도 최대칭NNmax로 나눗셈을 하여 정규화 한다.

그리고 입력데이터를 정규화하는 방법은 상기 방법에 한정되지 않으며 카위치와 운행방향을 따로따로 나타낼 수도 있다.

예를들면 카위치계층이 f 일때의 카위치 계층을 나타내는 제1노드의 입력치 xa1 (1)를

xa1 (1)=f/FL

로하고 카의 운행방향을 나타내는 제2노드의 입력치 xa1(2)를 상승방향은 "+1", 하강방향은 "-1", 무방향은 "0"으로 나타내도 된다.

이렇게 하여, 스텝(51)에 의하여 입력층(10DA1)에 대한 입력데이터가 설정되면은 아래 스텝(52)∼(56)에 의하여 1호기에 신규의 승강장호출 C를 가할당하였을때의 도착시간을 예측하기 위한 네트워크 연산을 한다.

우선, 입력데이터 xa1(i)를 사용하여 (1)식에 의하여 입력층(10DA1)의 출력치 ya1(i)를 연산한다(스텝 52).

이어서 (1)식에서 얻은 출력치 ya1(i)에 웨이트계수 wa1(i,j)를 곱셈하고 또한 i= 1∼N1에 대하여 총화하여서 (2)식에서 얻은 중간층(10DA2)의 입력치 xa2(j)를 연산한다(스텝53), 이어서 (2)식에서 얻은 입력치 xa2(j)를 사용하여서 (3)식에 중간층(10DA2)의 출력치 ya2(j)를 연산한다(스텝54).

이어서, (3)식에서 얻은 출력치 ya2(j)에 웨이트계수 wa2(j,k)를 곱셈하고 또한 j=1~N2에 대하여 총화하여서 (4)식에 의하여 출력층(10DA3)의 입력치 xa3(K)를 연산한다(스텝55).

그리고, (4)식에서 얻은 입력치 xa3(K)를 사용하여서 (5)식에 의하여 출력층 (10DA3) 의 출력치 ya3(K)를 연산한다(스텝56).

이상과 같이 도착예상시간의 네트워크연산이 종료하면은 제 1 도내의 출력데이터 변환서브유닛(10CB)에 의하여 출력치 ya3(1)∼ya3(K)의 형을 변환하여 최종적인 도착예상시간을 결정한다(스텝 57). 이때 출력층(10DA3)의 각 노드는 방향별 승강장에 대응하고 있으며 제1∼제11노드의 출력치 ya3(1)∼ya3(11)는 각각 1,2,…,11층의 상승방향 승강장의 도착예상시간 연산치 결정에 사용되고, 제12∼제22노드는 출력치 ya3(12)∼ ya2(22)는 각각 하강방향 승강장의 도착예상시간 연산치결정에 사용된다.

즉, 제K노드의 출력치 ya3(K)는 승강장호출(K)의 도착예상시간 T(K)로 변환되고 이 도착예상시간 T(K)는

T(K)=ya3(K)×NTmax …………………………………………… (6)

와 같이 표시된다.

단 NYmax는 도착예상시간이 취할 수 있는 최대치를 나타내는 일정치이다. 여기서 제K노드의 출력치 ya3(K)는 0∼1의 범위로 정규화되어 있으므로 (6)식과 같이 최대치 NTmax를 곱셈함으로써, 도착예상시간 T(K)는 승강장호출할당의 평가치 연산에 사용할 수 있도록 변환된다.

이와같이 도착시간예측 프로그램(스텝 34∼37)에 있어서, 교통상태와 도착예상시간의 인과관계를 네트워크로 표현하고, 교통상태데이터를 신경마에 체취하여서 도착예상시간을 연산하도록 하였으므로, 종래 방식에서는 실현할 수 없었던 정도로 실제의 도착시간에 가까운 도착예상시간을 구할 수 있다.

또한 이 도착예상시간에 기준하여서 승강장호출에 대한 할당카를 선택하도록 하였으므로 승강장호출의 대기시간의 단축을 꾀할 수 있다.

그러나, 이 네트워크는 신경망(10DA)내의 각 노드간을 연결하는 웨이트계수 wa1(i,j) 및 wa2(j,k)에 의하여 변화하므로 웨이트계수 wa1(i,j) 및 wa2(j,k)를 학습에 의하여 적절하게 변환시켜, 수정함으로서 더욱 적절한 도착예상시간을 결정할 수 있다.

다음은 제 6 도 및 제 7 도를 참조하면서, 학습용데이터작성수단(10F) 및 수정수단(10G)에 의하여 학습용데이터작성 프로그램(스텝 40) 및 수정프로그램(스텝 41)을 실행한 경우의 이 발명의 제1발명의 한 실시예에 관하여 설명한다.

그리고 이 경우의 학습(네트워크의 수정)은 백프로파게이션법을 사용하여서 효율적으로 수행된다.

백 프로파게이션법이란 네트워크의 출력데이터와, 실측데이터나 제어목표치 등으로부터 작성한 바람직한 출력데이터(교사데이터)의 오차를 사용하여서 네트워크를 연결하는 웨이트계수를 수정해가는 방법이다.

학습용데이터작성프로그램(스텝 40)을 상세하게 표시하는 제 6 도에 있어서, 먼저, 새로운 학습용데이터의 작성하기가 세트되어 있으며 또한 신규의 승강장호출 C의 할당이 이루어진 직후여부를 판정한다(스텝61). 만약 학습용데이터의 작성허가가 세트되어 있으며 또한 승강장호출 C의 할당이 되어 있으면 할당시의 할당카의 교통상태데이터 xa1(1)~xal(N1)과, 이때의 각 승강장의 도착예상시간에 상당하는 출력데이터 ya3(1)∼ya3(N3)를 m번째의 학습용데이터의 일부(교사데이터)로서 기억한다(스텝62).

이어서, 새로운 학습용데이터의 작성허가를 리세트하는 동시에 실도착시간의 실측지령을 세트하여서 실도착시간의 계수를 개시한다(스텝63). 이에 따라 다음의 연산주기의 스텝(61)에서는 새로운 학습용데이터의 작성허가가 세트되어 있지 않다고 판정되므로, 스텝(64)로 진행한다. 또 스텝(64)에서 도착시간의 실측지령이 세트되어 있는지를 판정하는데 스텝(63)에서 실측지령이 세트되어 있으므로 스텝(65)로 진행하여 할당카가 승강장호출 C에 응답하였는지 판정된다.

만약 승강장호출 C의 승강장에 정지하고 있지 않으면 스텝(66)으로 진행하고 할당카의 카위치 f의 변화 여부가 판정된다.

몇번째인가후의 연산주기에서, 카위치 f의 변화가 검출되면은 스텝(66)에서 스텝(67)로 진행하고, 이때의 실도착시간을 m번째의 학습용데이터의 일부로서 기억한다. 이것은 원교사데이터이며, 승강장호출 C의 승강장의 실도착시간 TA(f)로 표시된다. 또한 몇번째인가후의 연산주기의 스텝(65)에서, 승강장호출 C의 승강장으로의 정지결정이 검출되면은, 스텝(68)로 진행하고, 이때의 실도착시간을 m번째의 학습용데이터의 일부(실도착시간 TA(C)로서 기억한다. 그리고 실도착시간의 실측지령을 리세트하여 실도착시간의 계수를 종료하는 동시에 학습용데이터의 번호 m을 증가시켜 다시 새로운 학습용데이터의 작성허가를 세트한다(스텝 69).

이렇게 하여 승강장호출의 할당이 이뤄진 시기에 맞추어서 할당된 카에 관한 입력데이터 및 출력데이터, 그리고 그후 할당카가 승강장호출 C에 응답하기까지의 사이에 정지 또는 통과한 도중계층의 각 승강장에 대한 각각의 실도착시간의 학습용데이터로서 반복작성되고 기억되어 간다.

다음에 수정수단(10GC)은 제 4 도내의 수정프로그램(스텝 41)에 있어서, 학습용데이터를 사용하고 신경망(10DA)의 네트워크를 수정한다.

다음은 이 수정동작을 제 7 도를 참조하면서 더욱 상세하게 설명한다.

우선, 네트워크의 수정을 해야할 시기가 되었는지를 판정하고(스텝 71), 수정시기일때는 아래 스텝(72)∼(78)을 실행한다. 여기서는 현재 기억되어 있는 학습용데이터의 조(組)수 m가 S개(예를들면 500개)이상이 되었을때를 네트워크 수정시기로 한다.

그리고 학습용데이터의 판정기준수 S는 엘리베이터의 설치 대수, 빌딩의 계층수 FL 및 승강장호출수등의 네트워크의 규모에 따라서 임의 설정될 수 있다. 스텝(71)에서 학습용데이터의 조수 m가 S개 이상으로 판정된 경우는 학습용데이터의 계수번호 n을 "1"로 초기설정한후(스텝 72), n번째의 학습용데이터중에서 실도착시간 TA(k)를 체취하고, 이들의 승강장에 상당하는 노드치 즉 교사데이터 da(k)(k=1,2 …,N3)를,

da(k)=TA(k)/NTmax ………………………………………………………(7)

에서 구한다(스텝 73).

다음에 n번째의 학습용데이터중에서 체취한 출력층(10DA3)의 출력치 ya3(1)∼ ya3(N3)와 교사데이터 da(1)∼da(N3)의 오차 Ea를, 양자의 차를 제곱하고 또한 k=1 N3의 총화에 의하여

Ea=[{ da(k)-ya3(k)}²]/2 ………………………………………………(8)

(k=1N3)

에서 구한다.

그리고 (8)식에서 구한 오차 Ea를 사용하여서 중간층(10DA2)와 출력층(10DA3)간의 웨이트계수 wa2(j,k)(j=11,2,…,N2, k=1,2,…,N3)를 아래와 같이 수정한다(스텝 74).

먼저, (8)식의 오차 Ea를 wa2(j,k)로 미분하고 상술한 (1)식∼(5)식을 사용하여 정리하면은 웨이트계수 wa2(j,k)의 변화량△wa2(j,k)는

로 표시된다. 단는 학습속도를 나타내는 파라미터이며 0.1의 범위내에서 임의치로 선택될 수 있다. 또(9)식에서

ζa2(k)={ya3(k)-da(k)} yha3(k){1-ya3(k)}

이다.

이렇게 웨이트계수 wa2(j,k)의 변화량 △wa2(j,k)가 개산되면은 아래(10)식에 의하여 웨이트계수 wa2(j,k)의 수정이 이뤄진다.

wa2(j,k)←wa2(j, k)+△wa2(j,k) ……………………………………… (10)

또 마찬가지로 입력층(10DA1)과 중간층(10DA2)간의 웨이트계수 wa1(i,j)(i=1,2,…N1, j=1,2,…,N2)를 아래(11)식 및 (12)식에 의하여 수정한다(스텝75), 우선, 웨이트계수 wa1(i,j)의 변화량 △wa1(i,j)을

△wa1(i,j)=-.ζa1(j),ya1(i) ……………………………………………(11)

에서 구한다. 단(11)식에서 ζa1(j)는 아래의 k=1∼N3에 의한 총화식

ζa1(j)={ζa2(k).wa2(j,k).ya2(j)

X(1-ya2(j)]}

로 표시된다. (11)식에서 얻은 변화량 △wal1(i,j)를 사용하여서 아래(12)식과 같이 웨이계수 wa1(i,j)가 수정된다.

wa1(i,j)←wa1(i,j)+△wal1(i,j) …………………………………………… (12)

그리고 이상 스텝(74) 및 (75)에서는 교사데이터가 존재하는 승강장에 관계한 웨이트계수만이 수정된다.

즉 학습용데이터 작성프로그램(제 6 도)에서 설명한 바와 같이 할당시의 카위치와 승강장호출 C의 승강장간도중계층의 승강장에 대하여서도 실도착시간을 교사데이터로서 기억하지 않으므로 그 이외의 승강장에 관한 웨이트계수를 수정하지 않도록 하고 있다.

이와같이 n번째의 학습용데이터에 의한 수정스텝(73)∼(75)이 실행되면은 학습용데이터의 번호 n을 증가시키고(스텝 76)의 스텝(77)에서 모든 학습용데이터에 대하여 수정이 종료되었다고 판정되기 (n≥m가 되기)까지 스텝(73)∼(76)의 처리를 반복한다.

그리고 모든 학습용데이터에 대하여 수정이 이뤄지면은 수정완료한 웨이트계수 wa1(i,j) 및 wa2(i,k)을 도착예상시간연산수단(10D)에 등록한다(스텝 78). 이때 최신의 학습용데이터를 다시 기억할 수 있도록 하고 수정에 사용한 학습용데이터를 모두 지우고 학습용데이터의 번호 m "1"에 초기설정한다. 이렇게 하여 신경망(10DA)의 네트워크수정(학습)을 종료한다.

이와같이 실축치에 기준하여 학습용데이터를 작성하고 이들 학습용데이터에 의하여 도착예상시간 연산수단(10D)의 웨이트계수 wa1(i,j)및wa2(i,k)를 각각 수정하도록 하였으므로 빌딩내의 교통흐름이 변화하여도 자동적으로 대응할 수 있다. 또 교통흐름의 특징으로 나타내는 입력데이터로서 과거에 통계한 승강장별 5분간 승차인원수와 하차인원수를 사용하였으므로 시시각각으로 변화하는 교통흐름에 대하여 카위치 운행방향 및 응답해야할 호출만을 입력데이터로 한 경우에 비하여 한층 유연하고 정확한 예측연산을 실현할 수가 있다.

그리고 상기 실시예에서는 입력데이터 변환수단이 카위치, 운행방향 및 응답해야할 호출을 입력데이터로서 변환하게하였으나, 입력데이터로서 사용되는 교통상태데이터가 이들에 한정되는 것은 아니다.

예를들면, 카의 상태(감속중, 개문동작중, 개문중, 폐문동작중, 폐문대기중, 주행중등)승강잔호출의 계속시간 카호출의 계속시간, 카부하 군관리되고 있는 카대수등을 입력데이터로서 사용할 수 있다.

또 현시점의 교통상태데이터만 아니고 가까운 장래의 교통상태데이터(카동작의 이력이나 호출응답상태의 이력등)를 입력데이터로서 사용함으로써 한층 정확한 도착예상시간의 연산이 가능하게 된다.

또 학습용데이터 작성수단(10F)은 승강장호출의 할당이 이루어졌을때 할당카의 각 승강장으로의 도착예상시간 및 그때의 입력데이터 및 그후 할당카가 승강장호출에 응답하기까지에 정지 또는 통과한 승강장에 대한 실도착시간을 1조의 학습용데이터로서 기억하도록 하였으나 학습용데이터를 작성하는시기는 이에 한정되는 것은 아니다.

예를들면 전회의 입력데이터의 기억시부터 경과한 시간이 소정시간(예를들면 1분)을 초과하였을때를 학습용데이터 작성시기로 하여도 되며, 주기적 (예를 들면 1분마다) 으로 학습용데이터 작성시기로 하여도 된다.

또 각종 조건하의 학습용데이터가 많이 모일수록 학습조건이 향상되므로 예를들면 소정계층에 정지하고 있을때 혹은 카가 소정상태(감속중, 정지중 등)로 되었을때 등의 고려될 수 있는 대표적인 상태를 미리 결정해두고 그 상태를 검출하였을때에 학습용데이터를 작성하도록 하여도 된다.

또 학습용데이터 작성수단(10F)은 할당한 승강장호출에 할당카가 응답하기까지에 정지 또는 통과한 승강장을 대상으로한 실도착시간만 교사데이터로서 기억하게하고 수정수단(10G)에 의한 웨이트계수의 수정시에 기억한 교사데이터에 관계하는 웨이트계수만을 수정하도록 하였으나 교사데이터의 수출방법은 이에 한정되는 것은 아니다. 예를들면 전승강장에 관한 도착예상시간과 카운행중에 측정할수가 있었던 실도착시간을 기억하도록 하여서 교사데이터가 존재하는 승강장에 관계하는 웨이트계수만을 수정하도록 하여도 된다.

여기서, 실도착시간을 측정할 수 없었던 승강장이란 예를 들면 카가 도중계층에서 방향 반전한 경우에는 반전계층보다 원방의 승강장에 상당하고 카도 도중계층어서 빈카(할당호출이 없는 카)로된 경우에는 빈카로된 계층보다 원방의 승강장이나 입력데이터의 기억시점에서 카위치 계층의 배후 승강장(예를들면 상방운행중은 현재위치보다 하방의 승강)에 상당한다.

또 도착예상시간 연산수단(10D)은 기억된 학습용데이터의 수가 소정수에 도달할때마다 웨이트계수를 수정하도록 하였으나 웨이트계수의 수정시기는 이에 한정되는 것은 아니다.

예를들면 미리 결정된 시각(예를들면 1시간마다)에 그때마다 기억된 학습용데이터를 사용하여서 웨이트계수를 수정하도록 하여도 되며 한산해서 도착예상시간연산수단(10D)에 의한 도착예상시간의 연산빈도가 감속되었을때 웨이트계수를 수정하도록 하여도 된다.

그렇지만 상술한 제1의 발명에 있어서는 예측연산에 단일의 신경망(10DA)을 사용하고 있기 때문에 연산정도를 향상하려고 많은 입력데이터를 체취하면은 연산시간이 길어져서 출력데이터 즉 도착예상시간의 생성타이밍이 지연되고 결국 적정한 할당카를 결정할 수 없게 된다.

즉 입력데이터가 증가하면은 그분만큼 도착예상시간의 연산에 시간이 걸리게되므로 승강장호출등록과 동시에 할당카를 결정하고 예보하는 기능을 달성하는 것은 대단히 곤란하게 된다.

또 네트워크의 웨이트계수 wa1(i,j) 및 wa2(j,k)를 수정하기 위하여 많은 학습용데이터(교사데이터)및 학습용기간이 필요하게 된다. 이들을 개선하기 위한 것이 이 발명의 제3 및 제4의 발명이다.

다음은 이 발명의 제2, 제3 및 제4의 발명에 의한 실시예를 도면에 의하여 설명한다.

제 8 도는 이 발명의 제2, 제3 및 제4의 발명에 의한 전체구성을 표시하는 기능블록도이며, 10,10A∼10D,10G,11,11A∼11E 및 제12는 제 1 도에 표시한것과 같은 것이다.

또 제 8 도의 엘리베이터제어장치의 개략구성은 제 2 도와 같다.

제 8 도에서 도착예상시간 연산수단(10D)는 평상 시간대용의 도착예상시간 연산수단 (10D1)과, 출근시간대용의 도착예상시간 연산수단(10D2)과, 퇴근시간대용의 도착예상시간 연산수단(10D3)과, 점심시간대용의 도착예상시간 연산수단(10D4)과, 한산시간대용의 도착예상시간 연산수단(10D5)을 포함하고 있으며, 각 연산수단(10D1)∼(10D5)의 네트워크구성은 제 3 도와 같다. 단 각연산수단(10D1)∼(10D5)내의 신경망에서, 제 3 도에서 사용한 교통량데이터(5분간 승차인원수, 5분간 하차인원수)는 사용하지 않는다.

따라서 이 경우 빌딩의 계층수를 12F로 하면은 입력층(10DA1)의 노드수 N1'는 56개의 설정된다. 왜냐하면 각 승강장마다 상승방향 및 하강방향의 승차인원수 및 하차인원수가 입력데이터에서 삭제되기 때문에 상술한 노드수 n1(=100개)보다 44개만큼직은 값이 되기 때문이다.

또 중간층(10DA2)의 노드수 N2' 입력데이터수의 감소에 따라 N2보다 작은값에 설정된다.

군관리장치(10)는 현재의 엘리베이터의 교통상태가 어느 교통패턴인가를 판정하는 판정수단(10E)과, 판정수단(10E)의 판정결과에 따라서 복수의 도착예상시간 연산수단(10D1)∼(10D5)중에서 하나만 선택하는 절환수단(10HE)을 또한 구비하고 있다. 그리고 엘리베이터의 교통상태를 나타내는 복수의 교통패턴에는 복수시간대의 구별도 포함되어 있는 것으로 한다.

제 9 도는 군관리장치(10내에 기억된 군관리프로그램을 개략적으로 표시하는 플로챠트, 제 10 도는 제 9 도내의 도착시간예측 프로그램을 구체적으로 표시하는 플로차트, 제 11 도는 제 8 도의 학습용데이터 프로그램을 구체적으로 표시하는 플로차트 제 12 도는 제 8 도에 내의 수정프로그램을 구체적으로 표시하는 플로차트이다.

다음은 제 9 도를 참조하면서 제 8 도에 의해 이 발명의 제2 및 제3발명에 의한 실시예의 군관리 동작에 관하여 설명한다.

먼저, 군관리장치(10)는 주지의 입력프로그램(스텝 131)에 따라서 승강장버튼신호(14)와, 카제어장치(11) 및 (12)로부터의 상태신호를 체취한다. 여기서 입력되는 상태신호에는 카위치, 주행방향, 정지 또는 주행상태, 도어개폐상태, 카부하, 카호출, 승강장호출의 취소신호등이 포함되어 있다.

다음에 주지의 승강장호출등록 프로그램(스텝 132)에 따라서 승강장호출의 등록 또는 해제 및 승강장버튼등의 점등 또는 소등을 판정하는 동시에 승강장호출의 계속시간을 연산한다.

이어서, 주지의 판정프로그램(스텝 133)에 따라서 현재의 엘리베이터의 교통상태가 어느시간대인지를 판정한다. 예를들면 군관리장치(10)에 내장된 시계(도시생략)의 출력에 의하여 출근시간대(8 :30∼9 :10), 퇴근시간대(17 : 00∼ 17 : 30), 점심시간대(11 : 50∼13 : 10), 한산시간대(0 : 00∼8 :30) 및 (19 : 00∼24 : 00), 평상시간대(상기 각 시간대 이외의 시간대)중 어느시간대인지를 판정한다.

다음에 신규의 승강장호출 C가 등록되었는지를 판정하고 (스텝 134) 만약 신규로 등록된 승강장호출 C를 검출하면은 아래 스텝(135)∼(139)에 의하여 승강장호출 C를 1호기 및 호기에 각각 할당하였을때의 대기시간 평가치 w1및 W2를 연산한다(일본특공소58-48464호 공보참조). 그리고 평가치 W1 또는 W2가 최소로 되는 카를 정규의 할당카로서 선택하고 할당카에 대하여 승강장호출 C에 대응한 할당지령 및 예보지령을 설정한다.

즉, 우선, 1호기용의 가할당시의 도착시간예측 프로그램 (스텝 135)에 의하여 신규의 승강장호출 C를 1호기에 가할당하였을때의 1호기의 각 승강장에 대한 도착예상시간 Ta1(k)(k=1,2,…, N3)를 연산한다. 마찬가지로 2호기 가할당시의 도착시간예측 프로그램(스텝 136)에 의하여 승강장호출 C를 2호기에 가할당하였을때의 2호기의 각 승강장에 대한 도착예상시간 Ta2(k)를 연산한다.

또 신규의 승강장호출 C를 무시하여서 1호기 및 2호기 어느쪽에도 할당하지 않는 경우의 비가할당시의 도착시간예측 프로그램(스텝 137 및 138)을 실행하고, 1호기 및 2호기의 각 승강장에 대한 도착예상시간 Tb1(k) 및 Ta2(k)를 연산한다.

다음은 제 3 도 및 제 10 도를 참조하면서 1호기용의 가할당시의 도착시간예측 프로그램 (스텝 135)의 연산동작에 관하여 구체적으로 설명한다. 먼저, 승강장호출 C를 1호기에 가할당하여서 입력데이터변환서브유닛(10CA)에 입력하기 위한 할당호출데이터를 작성한다(스텝 151).

다음에 판정수단(10E)내의 판정프로그램프(스텝 133)의 판정결과에 기준하여 절환수단(10H)은 각 도착예상시간연수단(10D1)∼(10D5)에 대응한 도착예상시간 연산프로그램(스텝 156∼160)중에서 하나의 프로그램만을 선택한다(스텝 152∼155). 여기서는, 평상시간대응 도착예상시간 연산프로그램(스텝 156)만을 구체적으로 표시하고 있으며, 각 도착예상시간 연산프로그램(스텝 157∼160)도 스텝(156)과 동일한 연산프로그램으로 되어 있다.

예를들면 판정수단(10E)내의 판정프로그램(스텝 133)에 의하여 평상시간대로 판정된 경우에는 출근시간대 판정스텝(152), 퇴근시간대판정스텝(153), 점심시간대판정스텝(154), 한산시간대판정(스텝 155)을 통하여 평상시간대의 도착예상시간 연산프로그램스텝(156)으로 진행하고 제 5 도와 동일한 연산프로그램이 실행된다. 스텝(156)내의 각 스텝(1561)∼(1567)은 제 5 도내의 스텝(51)∼(57)에 각각 대응하고 있다.

또 제 3 도와 같은 네트워크에 웨이트계수 wa1(i,j)(i=1,2,…,N1', J=1,2,…,N2') 및 wa2(j,k)로서 평상시간대용의 값이 설정되어 있다.

입력데이터 변환프로그램 (스텝 1561)에서는 1호기의 카위치, 운행방향, 카호출, 가할당 후의 할당호출등의 데이터를 췌치하고 네트워크연상용의 입력데이터 xa1(1)∼xa1(i)로 변환한다.

단, i=1,2,…,N1'(N1'〈N1)이다. 이하 상술한 스텝(52)∼(57)과 동일하게 스텝 (1562)∼(1567)에 의한 네트워크 연산을 실행하고 최종적으로 도착예상시간 Ta1(k) (k=1,2…N3)를 설정한다. 한편, 각 판정스텝(152)∼(155)에 대응한 시간대가 판정된 경우에는 각각의 도착예상시간 연산프로그램(스텝 157∼160)이 마찬가지로 실행된다. 그리고 각 네트워크에서 사용되는 웨이트계수 wa1(i,j) 및 wa2(j,k)(i=1,2,…,N1',j=1,2,…,N2',k=1,2,…,N3')는 각각 시간대에 대응한 값이 설정되어 있다.

이와같이 각 도착시간 예측프로그램(135)∼(136)에서 입력데이터에서 교통데이터를 제거하였으므로 입력데이터수를 100개에서 56개로 감소시키는 동시에 중간층(10DA2)의 노드수를 감소시킬 수 있다.

또 시간대에 대응하여서 설치된 복수의 신경망으로 된 도착예상시간 연산프로그램(스텝 156∼160)중에서 현재의 교통상태에 대응한 연산프로그램을 하나만 선택하고 1호기 및 2호기 도착예상시간 Ta1(k), Ta2(k) 및 Tb1(k), Tb2(k)를 연산하도록 하였으므로 도착예상시간을 단시간에 또한 정도좋게 연산할 수 가 있다. 이렇게 구한 도착예상시간은 할당프로그램(스텝 139)에 의하여 대기시간 평가치 W₁및 W₂의 연산에 사용된다. 다음에 출력프로그램(스텝 140)에 의하여 상기와 같이 설정된 승강버튼등 신호(15)를 승강장에 송출하는 동시에 할당신호 및 예보신호등을 카 제어장치(11) 및 (12)에 송출한다.

한편, 학습용데이터 작성프로그램(스텝 141)에서는 입력데이터로서 변환후의 교통상태데이터와 각 승강장의 도착예상시간 및 그후의 각 카의 도착시간의 실측데이터를 기억하고 이들을 학습용데이터로서 출력한다. 또 수정프로그램(스텝 142)에서는 학습용데이터를 사용하여서 도착예상시간 연산수단(10D)내의 네트워크의 웨이트계수를 수정한다.

다음에 제 11 도 및 제 12 도를 참조하면서 학습용데이터 작성수단(10F) 및 수정수단(10G)에 의하여 학습용데이터 작성프로그램(스텝 141) 및 수정프로그램(스텝 142)을 실행한 경우의 이 발명의 제4발명에 의한 한실시예에 관하여 설명한다.

학습용데이터 작성프로그램(스텝 141)을 상세하게 표시하는 제 11 도에 있어서, 우선, 새로운 학습용데이터의 작성허가가 세트되고 또한 신규의 승강장호출 C의 할당을 행한직후 여부를 판정한다(스텝 161).

만약 학습용데이터 작성허가가 세트되어있으며 또한 승강장호출 C의 할당이 되어 있으면 할당시의 할당카의 교통상태데이터 xa1(1)∼xa1(N1')와, 이때의 각 승강장의 도착예상시간에 상당하는 출력데이터 ya3(1)∼ya3(n3)를 m번째의 학습용데이터의 일부(교사데이터)로서 기억한다(스텝 162).

이어서 새로운 학습용데이터의 작성허가를 리세트하는 동시에 실도착시간의 실축지령을 세트하여서 실도착시간의 계수를 개시한다(스텝 163). 이에 따라 다음 연산주기의 스텝(161)에서는 새로운 학습용데이터의 작성허가가 세트되어 있지 않다고 판정되므로 스텝(164)로 진행하고 도착시간의 실축지령이 세트되어 있는지가 판정된다. 이때 스텝(163)에서 실축지령이 세트되어 있으므로 다시 스텝(165)로 진행하여 할당카가 승강장호출 C에 응답하여서 정지하였는지 판정된다. 몇번째인가 후의 연산주기에서 승강장호출 C의 승강장으로의 정지결정이 검출되면은 스텝(166)으로 진행하고 이때의 실도착시간을 m번째의 학습용데이터의 일부로서 기억한다.

이것은 원교사데이터이며 승강장호출 C의 승강장의 도착시간 TA(C)로 표시된다. 이어서 스텝(167)에서 실도착시간의 실축지령을 하여 실도착시간의 계수를 종료하는 동시에 학습용데이터의 번호 m를 증가시키고, 다시 새로운 학습용데이터의 작성허가를 세트한다. 이렇게 하여 승강장호출이 할당된 시기에 맞추어서 승강장호출이 할당된 카와 그때의 신규의 승강장호출 C에 관한 학습용데이터가 반복작성되고 기억되어 간다.

다음에 수정수단(10G)을 제 9 도내의 수정프로그램(스텝 142)에 의하여 학습용데이터를 사용하고 신경망(10DA)의 네트워크를 수정한다.

다음은 이 수정동작을 제 12 도로 참조하면서 상세히 설명한다.

먼저, 네트워크의 수정해야할 시기가 되었는지를 판정하고 (스텝 171), 수정시기일때는 아래 스텝(172)∼(184)을 실행한다. 여기서는 현재 기억되어 있는 학습용데이터의 조의수 m가 s개(예를들면 400개)이상이 되었을때를 네트워크 수정시기로 한다. 그리고 학습용데이터의 판정기준수 S는 엘리베이터의 설치대수, 빌딩의 계층수 FL, 및 승강장호출수등의 네트워크의 규모에 따라서 임의 설정할 수 있다.

스텝(171)에서 학습용데이터의 조수 m가 s 개이상으로 판정된 경우는 학습용데이터의 계수번호 n을 "1"에 초기설정한후(스텝 172) n번째의 학습용데이터가 어느시간대에 대응하는 것인가를 판정하고(스텝 173∼176), 복수의 수정프로그램(스텝 177∼181)중에서 사용할 수정프로그램을 하나만 선택한다.

여기서는 평상시간대용 웨이트계수의 수정프로그램(스텝 177)만을 구체적으로 표시하고 있으나, 각 수정프로그램(스텝 178∼181)도 스텝(177)도 같은 프로그램으로 되어 있다.

예를들면 n번째의 학습용데이터가 평상시간대용의 데이터라고 판정된 경우는 각판정 스텝(173∼176)을 통하여 수정스텝(177)로 진행하고 평상시간대응 웨이트계수의 수정프로그램이 선택되어서 실행된다. 그리고 스텝(177)내의 각 스텝(1771)∼(1773)은 제 7 도내의 스텝(73)∼(75)에 각각 대응하고 있다.

먼저 n번째의 학습용데이터중에서 실도착시간 TA(C)를 체취하여서 교사용데이터 da(C)를 구한후(스텝 1771), 중간층(10DA2)과 출력층(10DA3)간의 웨이트계수 wa2(j,c)(j=1,2,…,N2')를 수정하고(스텝1772), 이어서, 입력층(10DA1)과 중간층( 10DA2)간의 웨이트계수 wa1(i,j)(i=1,2,…,N1')을 수정한다(스텝 1773).

한편 n번째의 학습용데이터가 출근시간대용의 데이터면은 학습용데이터가 출근시간대용인지의 판정스텝(173)에 의하여 출근시간대용 웨이트계수의 수정프로그램(스텝 178)이 선택되고, 출근시간대용 도착예상시간 연산프로그램(스텝 157)내의 웨이트계수가 수정된다.

마찬가지로, n번째의 학습용데이터가 퇴근시간대용 데이터이면은 판정스텝 (714)에 의하여 퇴근시간대용 웨이트계수의 수정프로그램(179)이 선택되며, 점심시간대면은 판정스텝(175)에 의하여 점심시간대용 웨이트계수의 수정프로그램(스텝 180)이 선택되고, 한산시간대면은 판정스텝(176)에 의하여 한산시간대용 웨이트계수의 수정프로그램(스텝 181)이 선택되며, 각각의 웨이트계수가 수정된다. 구체적인 수정수순에 대하여는 상술과 같으므로 여기서는 설명을 생략한다.

이상과 같이 n번째의 학습용데이터에 의한 수정(스텝 173∼181)이 종료되면은 학습용데이터의 번호 n을 증가시키고(스텝 182), 스텝(183)에서 모든 학습용데이터에 대하여 수정이 종료되었다고 판정되기(n≥m가 되는)까지 스텝(173)~(183)의 처리를 반복한다.

그리고 모든 학습용데이터에 대하여 수정이 이루어지면 수정을 완료한 웨이트계수 wa1(i,j) 및 wa2(j,k)를 도착예상시간 연산수단(10D)에 등록한다(스텝 184). 이때 최신의 학습용데이터를 다시 기억할 수 있도록 수정에 사용한 학습용데이터를 모두 지우고 학습용데이터의 번호 m을 "1"에 초기설정한다. 이렇게 하여 시간대마다 각 신경망(10DA)의 수정(학습)을 종료한다. 이와같이 시간대마다에 학습용데이터를 작성하고 또한 시간대마다 도착예상시간연산수단의 네트워크를 수정하도록 하였으므로 하나의 신경망으로 된 도착예상시간 연산수단(10D)의 네트워크를 수정하는 경우보다도 적은 학습용데이터로 또한 짧은 학습기간으로 수정할수가 있다. 이결과 여러가지 교통흐름에 대하여도 도착예상시간을 단시간에 정도좋게 연산할 수가 있다.

그리고 상기 실시예에서는 입력데이터 변환수단이 카위치, 운행방향 및 응답해야할 호출을 입력데이터로서 변환하도록 하였으나 입력데이터로서 사용되는 교통상태 데이터가 이에 한정되는 것은 아니다.

예를들면 카의 상태(감속중, 개문동작동, 개문중, 폐문동작동, 폐문대기중, 주행중등) 승강장호출의 계속시간, 카호출의 계속시간, 카부하, 군관리되고 있는 카대수등을 입력데이터로서 사용할수가 있다. 또 현시점의 교통상태 데이터만이 아니고 가까운 장래의 교통상태데이터(카의 동작의 이력이나 호출응답상태의 이력등)를 입력데이터로서 사용함으로써 한층 정확한 도착예상시간의 연산이 가능하게 된다. 또 판정수단(10E)은 시계의 출력이 소정시간대가 되었는지에 따라 현재의 엘리베이터의 교통상태가 어느 시간대에 있는지를 판정하도록 하였으나 판정방법은 이에 한정되는 것은 아니다.

예를들면 혼잡계층에서 출발하는 카의 승객수(카부하) 또는 혼잡계층에서의 승차인원수가 소정치이상이 되었을때를 조건에 가미하여서 판정할수도 있다. 이경우 시간대의 종류는 빌딩의 교통상황에 따라 적의 설정된다.

또 시간대와는 관계없이 대표적인 복수종류의 교통흐름의 패턴(예를들면 상승방향에 교통이 편증된 패턴, 하강방향에 교통이 편증된 패턴등)을 준비해두고 가까운 과거(예를들면 5분간)의 교통데이터의 실측치에 기준하여 현재의 교통이 어떤 교통패턴에 가까운가를 판단하고 가장 가까운 교통패턴을 선택하도록 하여도 된다. 또 학습용데이터 작성수단(10F)은 승강장호출의 할당이 이뤄졌을때 할당카의 승강장호출의 승강장으로의 도착예상시간, 그때의 입력데이터 및 시각대를 기억하고 그후 할당카가 승강장호출의 승강장에 정지하기까지에 경과한 시간을 제수하여서 이것을 실도착시간으로 기억하고 기억된 시간대, 입력데이터, 도착예상시간, 실도착시간을 1조의 학습용데이터로서 출력하도록 하였으나 학습용데이터를 작성하는 시기는 이에 한정된 것은 아니다.

예를들면 전회의 입력데이터의 기억시로부터 경과한 시간이 소정시간(예를들면1분)을 초과하였을때를 학습용데이터 작성시기로 하여도 되며 주기적(예를들면 1분마다)으로 학습용데이터 작성시기로 하여도 된다.

또 각종조건하의 학습용데이터가 많이 모일수록 학습조건의 향상되므로 예를들면 카가 소정계층에 정지하고 있을때 또는 소정의 상태(감속중, 정지중 등)가 되었을때 등을 고려할 수 있는 대표적인 상태를 미리 결정해두고 그 상태를 검출하였을때에 학습용데이터를 작성하도록 하여도 된다.

또 학습용데이터의 기억방법도 이에 한정되는 것은 아니고 시간대별 기억영역에 각각의 학습용데이터를 구별하여 순차 기억하여도 된다. 이 경우 학습용데이터로서 기억하지 않으면 안되는 데이터량을 감소시킬 수 있다. 또 도착예상시간 연산수단 (10D)의 웨이트계수를 수정하는 수정수단(10G)은 기억된 학습용데이터의 총수 m가 소정치 S에 도달할때마다 웨이트계수를 수정하도록 하였으나 수정시기가 이에 한정되는 것은 아니다.

예를들면 미리 결정된 시간(예를들면 1시간마다)에 그때까지의 기억된 학습용데이터에 의하여 웨이트계수를 수정하여도 되고, 교통이 한산해져 도착예상시간의 연산빈도가 감소되었을때에 웨이트계수를 수정하여도 된다. 또 학습용데이터수의 총수 m를 판정하지 않고 시간대별 학습용데이터수 mA, mB,…,mE를 따로따로 제수하고 각 소정치 SA, SB,…,SE에 도달할때마다 대응하는 시간대 웨이트계수를 수정하여도 된다.

또 학습용데이터 작성수단(IOF)으로 작성하는 1조의 학습용데이터중에는 입력데이터외에 하나의 승강장(신규승강장호출 C)에 관한 도착예상시간과 실도착 시간만 기억하도록 하고 수정수단(IOG)에 의한 웨이트계수의 수정시에도 그 학습용데이터(교사데이터)에 관계하는 웨이트계수판을 수정하도록 하였으나 학습방법이 이에 한정되는 것은 아니다.

예를들면 모든 승강장에 관한 도착예상시간과 카운행중에 측정할 수 있었던 실도착시간을 기억하도록 하여서, 실도착시간이 존재하는 승강장의 교사데이터에 관계하는 웨이트계수만을 수정하도록 하여도 된다. 이 경우 학습용데이터로 기억하지 않으면 안되는 데이터량을 감소시킬 수 있다. 그리고 실도착시간을 측정할수 없었던 승강장과는 예를들면 카가 도중계층에서 방향반전한 경우에는 반전계층보다 원방의 승강장에 상당하고 카가 도중계층에서 빈카(할당호출이 안된 카)로 되었을 경우에는 빈카로 된 계층보다 원방의 승강장이나 입력데이터의 기억시점의에서 카위치계층의 배후의 승강장(예를들면 상승운행중은 현재위치보다 하방의 승강장)에 상당한다. 또 상기 실시예에서는 가까운 장래의 카동작을 예측하기 위하여 도착예상시간의 연산에 신경망을 사용하였으나 승강장호출의 할당이나 기타 군관리제어에 사용되는예측항목의 연산에 대하여도 동일하게 적용할 수 있다.

예를 들면 오보 확률, 만원확률 각 계층에서의 카부하의 예측, 카호출의 발생예측등의 적용이 고려될 수 있다.

또한 이발명에 있어서는 웨이트계수의 수정스텝을 복수회(예를들면 500데이터에 대하여 500회) 반복하고 소망의 근사출력을 얻게되도록 웨이트계수를 수렴시켜도 된다. 상술한 바와같이 이 발명에 의하면 카의위치, 운행방향 및 응답해야할 호출을 포함하는 교통상태데이터를 신경망의 입력데이터로서 사용할 수 있는 형으로 변환하는 입력데이터 변환수단과, 입력데이터를 체취하는 입력층, 도착예상시간에 상당하는 데이터를 출력데이터로 하는 출력층 및 입력층 출력층간에 있으며 웨이트계수가 설정된 중간층을 포함하여 신경망을 구성하는 도착시간연산수단과, 출력데이터를 소정의 제어목적으로 사용할 수 있는 형으로 변환하는 출력데이터 변환수단을 구비하고 교통데이터를 신경망에 체취하고 카가 승강장에 도착하기까지에 소요시간을 도착예상시간으로서 연산하도록 하였으므로 실제의 도착시간에 가깝게 되는 연산에 의하여 도착예상시간을 구할수 있는 동시에 이 정확한 도착예상시간에 기준하여서 군관리의 성능을 향상시킬수 있는 엘리베이터 제어장치를 얻게되는 효과가 있다.

또 이 발명의 제1발명에 의하면 엘리베이터의 가동중 미리 결정된 시가가 되면은 소정의 카의 도착예상 시간 및 그때의 입력데이터 및 소정의 카의 실도착시간을 기억하고 이들을 1조의 학습용데이터로서 출력하는 학습용데이터 작성수단과, 학습용데이터를 사용하여 도착예상시간 연산수단의 웨이트계수를 수정하는 수정수단을 또한 구비하고, 연산된 예측결과와 그때의 교통상태데이터 및 실특데이터에 기준하여 신경망의 웨이트계수를 자동적으로 수정하도록 하였으므로 실제의 빌딩내의 교통흐름의 변화에도 자동적으로 대응할 수 있고 또한 도착시간의 예측정도 높은 엘리베이터 제어장치를 얻게 되는 효과가 있다.

또한 이 발명의 제2 및 제3발명에 의하면, 연산수단을 빌딩내의 교통흐름의 특징에 대응하여 분류된 복수의 교통패턴에 대응시켜서 복수개 설치하는 동시에 현재의 엘레베이터의 교통상태가 교통패턴의 어느것에 상당하는지를 판정하는 판정수단과, 연산수단중 판정수단의 판정결과에 대응하는 것을 하나만 선택하는 절환수단을 설치하고 절환수단에 의하여 선택된 연산수단이 출력데이터에 기준하여 카를 제어하도록 하였으므로 여러가지 교통흐름에 대하여도 소정의 제어목적에 근사한 연산을 단시간에 정도좋게 실행할 수 있는 엘리베이터 제어장치를 얻게되는 효과가 있다.

또 이발명의 제 4 발명에 의하면 엘리베이터의 가동중에 미리 정해진 시기가 되면은 연산수단에 의한 출력데이터 및 그때 사용한 입력데이터를 기억하는 동시에 제어결과로 얻는 교사데이터를 기억하고, 기억된 입력데이터, 출력데이터 및 교사데이터를 1조의 학습용데이터로서 출력하는 학습용데이터 작성수단과, 학습용데이터를 사용하여 연산수단의 웨이트계수를 수정하는 수정수단을 또한 설치하고, 학습용데이터 작성수단이 판정수단의 판정결과에 기준하여 교통패턴별 학습용데이터를 작성하며, 수정수단이 실제의 교통패턴을 학습용데이터를 사용하여서 교통패턴별로 대응하는 연산수단의 웨이트계수를 각각 수정하도록 하였으므로 적은 학습용데이터 및 짧은 학습기간으로 네트워크의 수정이 가능하고 빌딩내의 교통흐름변화에 대응한 고정도의 엘리베이터 제어장치를 얻게되는 효과가 있다.

Claims (4)

1. 승강장에 설치한 승강장버튼이 조작되면 승강장호출을 등록하는 수단과, 상기승강장호출에 응답하여야할 카를 선택하여 할당하는 할당수단과, 카 호출과 상기 할당된 승강장호출에 카를 응답시키기 위하여, 카의 운행방향결정, 주행, 정지결정 및 도어 개폐동작등을 제어하는 카제어수단을 구비하고, 카가 승강장에 도착할때까지에 요하는 시간을 도착예상시간으로 하여 예측 연산하고, 이 도착예상시간을 사용하여 상기 카의 운전을 제어하는 엘리베이터 제어장치에 있어서, 상기 카의 위치, 운행방향, 및 응답하여야 할 호출을 포함한 교통상태 데이터를 신경망의 입력데이터로 하여 사용할 수 있는 형으로 변환하는 입력데이터 변환수단과, 상기 입력데이터를 채취하는 입력층, 상기 도착예상시간에 상당하는 데이터를 출력하는 출력층, 및 상기 입력층과 상기 출력층간에 있으며, 웨이트계수가 설정된 중간층을 포함하여 상기 신경망을 구성하는 도착예상시간 연산수단과, 상기 출력데이터를 상기 운전동작의 제어에 사용할 수 있는 형으로 변환하는 출력데이터 변환수단과, 엘리베이터의 가동중에 미리 결정된 시기로 되면, 소정의 승강장의 도착예상시간 및 그때의 입력데이터를 기억하는 동시에 카가 상기 소정이 승강장에 정지 또는 통과하기까지 경과한 시간을 계수하여 실도착시간으로서 기억하고, 기억된 상기 입력데이터, 상기 도착예상시간, 및 상기 실도착시간을 1조의 학습용데이터로서 출력하는 학습용데이터 작성수단과, 상기 학습용데이터를 사용하여서 도착예상시간 연산수단의 웨이트계수를 수정하는 수정수단을 구비한 것을 특징으로 하는 엘리베이터 제어장치.
2. 승강장에 설치한 승강장버튼이 조작되면 승강장호출을 등록하는 수단과, 상기승강장호출에 응답하여야할 카를 선택하여 할당하는 할당수단과, 카호출과 상기 할당된 승강장호출에 카를 응답시키기 위하여, 카의 운행방향결정, 주행, 정지결정 및 도어개폐동작등을 제어하는 카 제어수단을 구비하고 상기 카의 운행상태를 예측연산하여 그 예측연산결과에 기준하여 상기 카의 운전을 제어하는 엘리베이터 제어장치에 있어서, 빌딩내의 교통의 흐름의 특징에 따라서 분류된 복수의 교통패턴중에서, 현재의 엘리베이터의 교통상태가 상기 교통패턴의 어느것에 상당하는 지를 판단하는 판정수단과, 상기 카의 위치, 운행방향, 또는 응답하여야 할 호출을 포함한 교통상태 데이터를 신경망의 입력데이터로 하여 사용할 수 있는 형으로 변환하는 입력데이터 변환수단과, 상기 교통패턴에 대응하여 설치되고, 상기 입력데이터를 채취하는 입력층, 상기 예측연산 결과에 상당하는 데이터를 출력하는 출력층, 및 상기 입력층과 상기 출력층간에 있으며 웨이트계수가 설정된 중간층을 포함하며, 상기 신경망을 구성하는 복수의 연산수단과, 상기 출력데이터를 상기 운전동작의 제어에 사용할 수 있는 형으로 변환하는 출력데이터 변환수단과, 상기 복수의 연산수단중, 상기 판정수단의 판정결과에 대응하는 것을 하나만 선택하는 절환수단을 구비하고, 상기 절환수단에 의해서 선택된 연산수단의 출력데이터에 기준하여 상기 운전동작을 제어하는 것을 특징으로 하는 엘리베이터 제어장치.
3. 제 2 항에 있어서, 엘리베이터의 가동중에 미리 결정된 시기로 되면, 상기 판정수단에 의한 교통패턴에 대응하여 상기 연산수단에 의한 출력데이터 및 그때의 입력데이터를 기억하는 동시에, 상기 운전동작의 결과를 얻어진 교사데이터를 기억하고, 기억된 상기 입력데이터, 상기 출력데이터 및 상기 교사데이터를 1조의 학습용데이터로 하여 출력하는 학습용데이터 작성수단과, 상기 교통패턴마다의 학습용데이터를 사용하여 상기 교통패턴에 대응하는 연산수단의 웨이트계수를 수정하는 수정수단을 구비하는 것을 특징으로 하는 엘리베이터 제어장치.
4. 제 1 항에 있어서, 상기 연산수단을 빌딩내의 교통흐름의 특징에 따라 분류된 복수의 교통패턴에 대응시켜서 복수개 설치하는 동시에 현재의 엘리베이터의 교통상태가 상기 교통패턴의 어느것에 상당하는지를 판정하는 판정수단과, 상기 연산수단중 상기 판정수단의 판정결과에 대응하는 것을 하나만 선택하는 절환수단을 더 설치하고, 상기 학습용데이터 작성수단은 상기 판정수단의 판정결과에 기준하여 상기 교통패턴별 학습용데이터를 작성하고, 상기 수정수단은 상기 교통패턴별 학습용데이터를 사용하여 상기 교통패턴별로 대응하는 연산수단의 웨이트계수를 각각 수정하고, 상기 절환수단에 의햐여 선택된 연산수단의 출력데이터에 기준하여 상기 카를 제어하는 것을 특징으로 하는 엘리베이터 제어장치.