本申请于2017年10月30日提交的日本专利申请no.2017-209721的优先权，并且通过参考将该申请的整个内容引入于此。
本发明涉及一种用于分析群控电梯的技术。
背景技术：
在较大规模的大厦中，为提高电梯的运输能力而并行安装多个电梯，并且引入了一种在乘梯处呼叫电梯时可选择最佳轿厢进行服务的系统。而且，随着大厦规模的扩大，并行安装的电梯的数量增加，群控装置可适当地控制该多部电梯，以改善如减少用户的等候时间等的服务质量。此时，群控装置通过使用运转数据等预测电梯的使用状况，来尝试最佳的控制。
在专利文献1中，根据轿厢的乘梯人数，使用上行方向乘梯比例的特征量、上行方向下梯的特征量、下行方向乘梯比例的特征量以及下行方向下梯的特征量，来预测分析使用需求。
在专利文献2中，在候梯厅中安装摄像头，并且对乘梯处人数进行计数。在预测某个时间内的电梯等候人数时，将过去特定时段内同一时间的等候时间的平均值用作预测值。
在专利文献3中，使用了轿厢的乘梯人数。使用大厦当前的拥挤状态和过去的使用历史来预测拥挤状态。
在专利文献4中，安装摄像头以使其自候梯厅的前方朝向建筑物入口处拍摄图像，并且当检测到有人靠近候梯厅时则调度轿厢。
现有技术文献
专利文献
专利文献1：日本特开2014-172718号公报
专利文献2：日本特开2015-9909号公报
专利文献3：国际公开第2017/006379号
专利文献4：日本特开2000-26034号公报
技术实现要素：
本发明所要解决的课题
由于位于乘梯处的用户的乘梯时间、乘梯楼层、下梯楼层、乘梯人数均是未知的，因此对群控电梯的控制是有限的。
在专利文献1和专利文献3中，由于使用了电梯轿厢的乘梯人数，因此虽然可知乘梯楼层和下梯楼层的情况，但是不知道乘梯处的情况。因此，很难根据乘梯处的变化来进行控制。
此外，在专利文献2和专利文献4中，由于将摄像头安装在乘梯处，所以可知乘梯处的情况，但是不知道乘梯楼层和下梯楼层的情况。因此，很难根据乘梯楼层和下梯楼层的情况来进行控制。此外，安装摄像头的费用是另外计算的。
本发明目的在于实施控制，以使得当根据数据求取位于乘梯处的用户的使用时间、乘梯楼层、下梯楼层以及乘梯人数，并进一步预测未来拥挤状况时，通过缩短位于乘梯处的用户的等候时间来缓解用户的不满。
用于解决课题的方案
为了解决上述课题中的至少一个，本发明是一种具有处理器和与所述处理器相连接的存储装置的电梯分析系统，其特征在于：所述存储装置用于在作为控制对象的电梯群组各楼层的乘梯处，保存作为因要使用电梯而出现的用户数量的乘坐人数，所述处理器根据保存在所述存储装置中的乘坐人数来预测未来的乘坐人数，并根据所预测到的所述未来的乘坐人数来确定对属于所述电梯群组的所述各轿厢的运行控制适用的运行规则、以及在各个运行规则中所设定的控制参数，进一步输出确定好的所述运行规则以及控制参数。
发明效果
根据本发明的一个形态，通过实现最佳的电梯控制，可以缓解电梯相关用户的不满。上述以外的课题、结构和效果将通过以下的实施方式的说明来加以明确。
附图说明
图1a是示出本发明的实施方式的群控电梯用控制系统的整体结构的框图。
图1b是示出本发明的实施方式的分析服务器的硬件配置的框图。
图2是示出本发明的实施方式的群控电梯用控制系统的处理以及数据之间的关系的说明图。
图3是示出本发明的实施方式的群控电梯用控制系统的处理中的乘坐人数预测以及目的地楼层预测的概要的时序图。
图4是示出本发明的实施方式的群控电梯用控制系统的处理中的有效规则/参数选择的概要的时序图。
图5是示出本发明的实施方式的乘坐人数估计模型生成部的处理的流程图。
图6是示出本发明的实施方式的乘坐人数估计部的处理的流程图。
图7是示出本发明的实施方式的乘坐人数预测部的处理的流程图。
图8是示出本发明的实施方式的目的地楼层估计部的处理的流程图。
图9是示出本发明的实施方式的目的地楼层预测部的处理的流程图。
图10是示出本发明的实施方式的控制选择器部的处理的流程图。
图11是示出本发明的实施方式的规则/参数评价部的处理的流程图。
图12是示出本发明的实施方式的由分析服务器保存的大厦基本信息的说明图。
图13是示出本发明的实施方式的由分析服务器保存的随机种子的说明图。
图14是示出本发明的实施方式的由分析服务器保存的乘降梯人数的说明图。
图15是示出本发明的实施方式的由分析服务器保存的电梯运行日志的说明图。
图16是示出本发明的实施方式的由分析服务器保存的外部信息(天气)的说明图。
图17是示出本发明的实施方式的由分析服务器保存的外部信息(摄像头)的说明图。
图18是示出本发明的实施方式的由分析服务器保存的外部信息(建筑物信息)的说明图。
图19是示出本发明的实施方式的由分析服务器保存的乘坐人数估计输入的说明图。
图20是示出本发明的实施方式的由分析服务器保存的乘坐人数估计模型的说明图。
图21是示出本发明的实施方式的由分析服务器保存的乘坐人数估计结果的说明图。
图22是示出本发明的实施方式的由分析服务器保存的乘坐人数预测结果的说明图。
图23是示出本发明的实施方式的由分析服务器保存的乘坐人数预测结果2的说明图。
图24是示出本发明的实施方式的由分析服务器保存的不同时间段目的地楼层估计的说明图。
图25是示出本发明的实施方式的由分析服务器保存的不同时间段目的地楼层预测结果的说明图。
图26是示出本发明的实施方式的由分析服务器保存的规则/控制模板的说明图。
图27是示出本发明的实施方式的由分析服务器保存的kpi列表的说明图。
图28是示出本发明的实施方式的由分析服务器保存的模拟输入和结果的说明图。
图29是示出本发明的实施方式的由分析服务器保存的有效规则/参数的说明图。
图30是示出本发明的实施方式的由分析服务器保存的有效规则/参数细分列表的说明图。
图31是示出本发明的实施方式的由分析服务器保存的规则/参数列表的说明图。
图32是示出本发明的实施方式的由分析服务器输出的大厦个性化报告的说明图。
具体实施方式
接着，参照附图对本发明的实施方式进行详细说明，但是，本发明并不限于以下实施方式，在本发明的技术构思范围内可以做出各种变形以及修改，这些变形与修改都应包含在此保护范围内。在下文中，将参考图1说明本发明的一个实施方式。
图1a是示出本发明的实施方式的群控电梯用控制系统的整体结构的框图。
分析服务器sa、客户终端cl、外部信息邻近建筑物信息exn、外部信息数据库exd、外部信息摄像头exc、控制柜ca、轿厢1ca1、轿厢2ca2及轿厢8ca8与处于open或close状态的网络nw相连。
分析服务器sa构成用于执行与群控电梯的控制有关的分析的电梯分析系统。分析服务器sa由数据库sa0、显示部sa1、请求部sa2以及执行部sa3构成。
数据库sa0处理分析服务器sa中所使用的输入/输出数据。具体而言，数据库sa0包括预先设定在分析服务器sa中的信息、经由网络nw获取的信息、以及通过执行部sa3的处理所生成的信息等。尽管在图1a中未示出，但是数据库sa0包括例如大厦基本信息sa00、随机种子sa01、乘降梯人数sa02、电梯运行日志sa03、外部信息(天气)sa04、外部信息(摄像头)sa05、外部信息(建筑物信息)sa06、乘坐人数估计输入sa07、乘坐人数估计模型sa08、乘坐人数估计结果sa09、乘坐人数预测结果sa10、乘坐人数预测结果sa11、不同时间段目的地楼层估计sa12、不同时间段目的地楼层预测结果sa13、规则/控制模板sa14、kpi列表sa15、模拟输入和结果sa16、有效规则/参数sa17以及规则/参数列表sa19(参见图2、图12～图31)。
执行部sa3是实际执行分析的部分，并且由测量处理部sa31、乘坐人数估计模型生成部sa32、乘坐人数估计部sa33、乘坐人数预测部sa34、目的地楼层估计部sa35、目的地楼层预测部sa36、控制选择器部sa37、以及规则/参数评价部sa38构成。
客户终端cl是管理员用于浏览分析状况的终端。外部信息邻近建筑物信息exn、外部信息数据库exd、外部信息摄像头exc以及控制柜ca提供与电梯运行无关的信息。将这些信息记载为外部信息。除上述信息之外，外部信息还可以包括铁路交通数据和道路状况数据等的公共信息。轿厢1ca1、轿厢2ca2及轿厢8ca8是电梯轿厢，控制柜ca是用于控制轿厢1ca1～轿厢8ca8的控制装置。
尽管省略了一部分的图示，但是在图1a的示例中，轿厢1ca1～轿厢8ca8的8部轿厢由控制柜ca控制。轿厢1ca1～8ca8例如是安装在同一建筑物中且面向同一电梯乘梯处(候梯厅)的、由8部电梯构成的且作为群控对象的电梯群组的轿厢。然而，8部仅是一例，本发明还可以适用于由2部以上电梯组成的电梯群组。
此外，在本实施方式中，所谓乘坐人数，是为了乘坐电梯而出现在候梯厅的用户的人数。
图1b是示出本发明的实施方式的分析服务器sa的硬件配置的框图。
分析服务器sa例如是具有相互连接的接口(i/f)101、输入装置102、输出装置103、处理器104、主存储装置105以及辅助存储装置106的计算机。
接口101连接到网络nw，并且经由网络nw与客户终端cl、外部信息数据库exd、外部信息摄像头exc以及控制柜ca进行通信，并获得外部信息邻近建筑物信息exn等。输入装置102是分析服务器sa的用户用于向分析服务器sa输入信息的装置，并且可以包括键盘、鼠标、以及触摸传感器等中的至少一个。输出装置103是用于向分析服务器sa的用户输出信息的装置，并且可以包括显示例如文字和图像等的显示装置。
处理器104根据存储在主存储装置105中的程序执行各种处理。主存储装置105例如是像dram那样的半导体存储装置，并且存储由处理器104执行的程序、以及处理器的处理所必需的数据等。辅助存储装置106是例如硬盘驱动器或闪存等较大容量的存储装置，并且对在由处理器执行的处理过程中所参考的数据等进行存储。
在本实施方式的主存储装置105中，存储有用于实现执行部sa3中所包含的测量处理部sa31、乘坐人数估计模型生成部sa32、乘坐人数估计部sa33、乘坐人数预测部sa34、目的地楼层估计部sa35、目的地楼层预测部sa36、控制选择器部sa37以及规则/参数评价部sa38的程序。因此，在下面的说明中，包含在执行部sa3中的各部分所执行的处理，实际上是由处理器104根据与存储在主存储装置105中的各部分相对应的程序来执行。
此外，请求部sa2的处理也可以由处理器104根据与存储在主存储装置105中的请求部sa2相对应的程序，控制接口101或输入装置102来实现。显示部sa1的处理也可以由处理器104根据与存储在主存储装置105中的显示部sa1相对应的程序控制输出装置103来实现。
本实施方式的辅助存储装置106存储数据库sa0。进而，也可以将与执行部sa3中所包含的各部分相对应的程序存储在辅助存储装置106中，并且也可以根据需要将其复制到主存储装置105中。此外，也可以根据需要将数据库sa0中的至少一部分复制到主存储装置105中。
图2是示出本发明的实施方式的群控电梯用控制系统的处理以及数据之间的关系的说明图。
通过参考该图，使得与各个处理相关的输入数据和输出数据更加明确。此外，可以执行处理和数据的整体俯瞰。粗线的方框表示处理，细线的方框表示数据。此外，由实线包围的范围最好是实时处理，而由虚线包围的范围最好是离线执行。
具体而言，乘坐人数估计模型生成部sa32根据大厦基本信息sa00(图12)以及随机种子sa01(图13)来执行乘坐人数模型处理sp01(图5)，并且输出乘坐人数估计模型sa08(图20)。在图2的示例中，此乘坐人数模型处理sp01作为离线处理sz1来执行。
乘坐人数估计部sa33根据乘降梯人数sa02(图14)、电梯运行日志sa03(图15)、外部信息(天气)sa04(图16)、外部信息(摄像头)sa05(图17)、外部信息(建筑物信息)sa06(图18)、大厦基本信息sa00以及乘坐人数估计模型sa08来执行乘坐人数估计处理sp02(图6)，并且将此结果输入到乘坐人数预测部sa34。若存在除上述信息之外的可利用外部信息，乘坐人数估计部sa33也可以使用该外部信息。
乘坐人数预测部sa34根据乘坐人数估计处理sp02的结果来执行乘坐人数预测处理sp03(图7)，并将此结果输入到目的地楼层预测部sa36和控制选择器部sa37。此外，通过存储处理sp07(图9)存储此结果。
目的地楼层估计部sa35根据乘降梯人数sa02来执行目的地楼层估计处理sp04(图8)，并将此结果输入到目的地楼层预测部sa36。
目的地楼层预测部sa36根据乘坐人数预测处理sp03以及目的地楼层估计处理sp04的结果，来执行目的地楼层预测处理sp05(图9)。通过存储处理sp07存储此结果。
控制选择器部sa37根据目的地楼层预测处理sp05的结果、乘坐人数预测处理sp03的结果以及由后述的显示/控制数据生成处理sp15所生成的规则/参数列表sa19，来执行控制选择器sp06(图10)，并将此结果输出到控制柜ca。
在图2的示例中，上述乘坐人数估计处理sp02～存储处理sp07作为实时处理sz0来执行。
规则/参数评价部sa38根据由存储处理sp07所存储的数据、规则/控制模板sa14(图26)以及kpi列表sa15(图27)，来执行kpi模拟处理sp11、有效规则/参数选择sp12、结束判断处理sp13、有效规则/参数细分化处理sp14以及显示/控制数据生成处理sp15(图11)。在该过程中，生成模拟输入和结果sa16(图28)以及有效规则/参数sa17(图29)，最终输出规则/参数列表sa19(图31)以及大厦个性化报告sa20(图32)。
在图2的示例中，上述kpi模拟处理sp11～显示/控制数据生成处理sp15作为离线处理sz2来执行。
图3是示出本发明的实施方式的群控电梯用控制系统的处理中的乘坐人数预测以及目的地楼层预测的概要的时序图。
图3中的时序图使用与相关数据(乘降梯人数sa02、电梯运行日志sa03、外部信息(天气)sa04、外部信息(摄像头)sa05等)、分析服务器sa、控制柜ca以及客户终端cl中的每一个相对应的4个轴来表示。
数据收集s01是由外部信息数据库exd等的外部系统周期性地向分析服务器sa发送数据的处理。分析服务器sa的执行部sa3的测量处理部sa31接收这些数据，执行数据库注册s02，并将接收到的数据存储在数据库sa0的各个表格中。定期地执行执行部sa3的乘坐人数估计模型生成部sa32、乘坐人数估计部sa33、乘坐人数预测部sa34、目的地楼层估计部sa35、目的地楼层预测部sa36以及控制选择器部sa37的处理，通过数据库注册s03，将此结果数据存储在数据库sa0的各个表格中。最后，分析服务器sa将由控制选择器部sa37所选择的控制参数作为输入命令ca0发送到控制柜ca。
图4是示出本发明的实施方式的群控电梯用控制系统的处理中的有效规则/参数选择的概要的时序图。
图4的时序图使用与图3相同的4个轴来表示。
在客户终端cl中，管理者执行经营者信息输入s04，例如输入kpi以及时段等以作为经营者信息。客户终端cl向分析服务器sa发送包括所输入的信息在内的请求命令。
分析服务器sa执行数据获取s05，并获取从客户终端cl发送来的数据。然后，分析服务器sa执行规则/参数评价部sa38，在从数据库sa0中获取相应数据的同时选择有用的规则和控制参数，并使用此结果生成内容。分析服务器sa将包括所生成的内容在内的显示数据发送到客户终端cl。
客户终端cl执行显示处理s06，并显示内容。关于所显示的内容的示例，将参考图30在下文中说明。此外，由于在分析时使用kpi和时段等，因此最好事先进行记录。
图5是示出本发明的实施方式的乘坐人数估计模型生成部sa32的处理的流程图。
乘坐人数模型处理sp01由乘坐人数数据生成sp010和乘坐人数估计模型生成sp011两部分构成。在乘坐人数数据生成sp010中，乘坐人数估计模型生成部sa32根据大厦基本信息sa00以及随机种子sa01通过模拟(第2模拟)，来求出各个轿厢的乘降梯人数(也就是说乘梯人数和下梯人数)以及轿厢状态。
例如，乘坐人数估计模型生成部sa32在模拟中，随机生成要在各层候梯厅中乘坐电梯的多名用户。具体而言，乘坐人数估计模型生成部sa32使用随机种子sa01，来随机确定每名用户所出现的候梯厅楼层以及出现时间。进而，乘坐人数估计模型生成部sa32从根据大厦基本信息sa00所选择的楼层中随机确定每名用户的目的地楼层。
然后，乘坐人数估计模型生成部sa32根据所确定的每名用户的出现时间、出现楼层以及目的地楼层，模拟各个轿厢的运行，求出每个时间各个轿厢的乘降梯人数和轿厢状态，并将其生成为乘坐人数估计输入sa07。所谓轿厢状态例如是各轿厢所处的楼层、各轿厢的行进方向(上行方向或下行方向)以及各轿厢内的乘梯人数等，详细地说，也可以与后述的电梯运行日志sa03中所记录的值相同。然而，虽然在电梯运行日志sa03中记录实际测量值，但是乘坐人数估计模型生成部sa32可以通过模拟来生成该值。
此时，乘坐人数估计模型生成部sa32可以根据例如后述的规则/控制模板sa14(图26)中所记录的任何一个运行规则/控制参数来执行模拟。
在乘坐人数估计模型生成sp011中，乘坐人数估计模型生成部sa32通过执行由步骤1和步骤2构成的两阶段处理来生成乘坐人数估计模型sa08。在步骤1中，乘坐人数估计模型生成部sa32根据模拟结果来确定每个时间的乘坐人数、分别对应求出的乘降梯人数以及轿厢状态。然后，在步骤2中，乘坐人数估计模型生成部sa32根据每部轿厢的状态、每层各个轿厢的乘梯人数和下梯人数，来求出满足用于估计乘坐人数的模型、即乘坐人数＝f(乘降梯人数、轿厢状态)成立的函数f。如后所述，例如参考图20，也可以将乘降梯人数和轿厢状态作为说明指标，并且将乘坐人数作为目标变量来执行多元回归分析。
此时，如果能够使用电梯运行日志sa03、外部信息(天气)sa04、外部信息(摄像头)sa05和外部信息(建筑物信息)sa06中的至少任意一个(或其他外部信息)，则可以将这些值作为外部变量，并求出满足乘坐人数＝f(乘降梯人数、轿厢状态、外部变量)成立的函数f。当求取函数f时，只需求出从在步骤1中所确定的乘坐人数转换到乘降梯人数等的逆转换即可。此外，如果求取函数f，则可以使用其他方法。
图6是示出本发明的实施方式的乘坐人数估计部sa33的处理的流程图。
在乘坐人数估计处理sp02中，乘坐人数估计部sa33通过将当前的乘降梯人数sa02以及从电梯运行日志sa03中获取的实际的乘梯人数、下梯人数和轿厢状态，代入至图5中所求出的乘坐人数估计模型sa08中，来求出当前乘坐人数估计结果sa09，并保存在主存储装置105或辅助存储装置106中。由此，可以根据用户从各轿厢中的乘降状况以及每部轿厢的位置、行进方向等状态来估计即将乘坐电梯的用户的乘坐状况。
各轿厢的乘降梯人数可以根据例如由控制柜ca测量的各轿厢的重量变化来估计。此外，各轿厢的位置、运行方向等取决于控制柜ca的控制。因此，根据上述乘坐人数模型处理sp01和乘坐人数估计处理sp02，即使在没有得到任何外部信息的情况下，也可以根据电梯本身所获得的信息来估计即将乘坐电梯的用户的乘坐情况。
另外，当前乘降梯人数sa02和电梯运行日志sa03也可以包含用于识别在获取包含于这些的数据时适用于电梯的运行规则/控制参数(也就是说控制柜ca据此来执行各轿厢的控制的运行规则/控制参数，例如参见图26)的信息。在这种情况下，乘坐人数估计部sa33根据此运行规则/控制参数的模拟，并通过将当前的乘降梯人数sa02以及从电梯运行日志sa03中获取的实际的乘梯人数、下梯人数和轿厢状态，代入至乘坐人数估计模型生成部sa32所生成的乘坐人数估计模型sa08中，来求出当前乘坐人数估计结果sa09。由此，可以执行高精度的估计。
此外，这时，如果能够使用电梯运行日志sa03、外部信息(天气)sa04、外部信息(摄像头)sa05和外部信息(建筑物信息)sa06中的至少任意一个(或其他外部信息)时，则可以代入使用这些。
图7是示出本发明的实施方式的的乘坐人数预测部sa34的处理的流程图。
乘坐人数预测处理sp03由乘坐人数预测sp030和格式转换sp031构成。
在乘坐人数预测sp030中，乘坐人数预测部sa34使用在图6的处理中求出的每个时间点(例如，具有预定时间幅度的每个时间段)的乘坐人数估计结果sa09，来预测自存储在乘坐人数估计结果sa09中的时间起未来时间的乘坐人数，并将此结果作为乘坐人数预测结果sa10进行输出。此时，如果能够使用电梯运行日志sa03、外部信息(天气)sa04、外部信息(摄像头)sa05和外部信息(建筑物信息)sa06中的至少任意一个(或其他外部信息)时，则可以代入使用这些。例如，当能够使用外部信息(摄像头)sa05时，可以使用外部信息(摄像头)sa05中所包含的人数(sa057)来代替从乘坐人数估计结果sa09中获取的乘坐人数；当能够使用从其他外部信息中确定的乘坐人数时，则也可以使用这些。
在格式转换sp031中，使用在乘坐人数预测sp030中求出的乘坐人数预测结果sa10，使用泊松分布将其转换为每单位时间不同人数的乘坐概率，并将此结果作为乘坐人数预测结果2_sall来输出。可以使用此乘坐概率来执行后述的kpi模拟。
图8是示出本发明的实施方式的目的地楼层估计部sa35的处理的流程图。
目的地楼层估计部sa35根据乘降梯人数sa02，求出每个时间段从轿厢下电梯的人的趋势，由此来估计目的地楼层，并且将此结果作为不同时间段目的地楼层估计sa12进行输出。
图9是示出本发明的实施方式的目的地楼层预测部sa36的处理的流程图。
目的地楼层预测部sa36执行目的地楼层预测处理sp05以及存储处理sp07。
在目的地楼层预测处理sp05中，目的地楼层预测部sa36预测乘坐用户的目的地楼层，即乘坐用户将要去的楼层。具体而言，目的地楼层预测部sa36通过将作为图7中的乘坐人数预测部sa34的处理结果的乘坐人数预测结果2_sa11，与作为图8中的目的地楼层估计部sa35的处理结果的不同时间段目的地楼层估计sa12相乘，来预测目的地楼层，并将此结果作为不同时间段目的地楼层预测结果sa13进行输出。
存储处理sp07是将此前求出的乘坐人数预测结果sa10和不同时间段目的地楼层预测结果sa13等存储在例如数据库sa0中的处理。执行此处理的理由是，在执行离线处理时需要过去的大量数据。
图10是示出本发明的实施方式的控制选择器部sa37的处理的流程图。
由控制选择器部sa37执行的控制选择器sp06是用于选择满足乘坐人数预测结果sa10和不同时间段目的地楼层预测结果sa13的规则/参数列表的处理。所选参数作为输入命令ca0发送到控制柜ca。
图11是示出本发明的实施方式的规则/参数评价部sa38的处理的流程图。
规则/参数评价部sa38由kpi模拟处理sp11、有效规则/参数选择sp12、结束判断处理sp13、有效规则/参数细分化处理sp14以及显示/控制数据生成处理sp15构成。
在kpi模拟处理sp11中，规则/参数评价部sa38使用规则/控制模板sa14、kpi列表sa15、不同时间段目的地楼层预测结果sa13以及乘坐人数预测结果2_sa11，在改变运行规则/控制参数的同时执行多个模拟(第1模拟)，并输出kpi值。
具体而言，规则/参数评价部sa38按照不同时间段目的地楼层估计sa12中所填入的目的地楼层概率、以及乘坐人数预测结果2_sa11中所填入的每个人数的乘坐概率，在各层的候梯厅中出现用户，并与此相应地根据从规则/控制模板sa14中所选择的运行规则/控制参数来执行用于控制各轿厢的模拟。如后所述，在改变所适用的运行规则/控制参数的同时，多次执行此模拟。
在有效规则/参数选择sp12中，规则/参数评价部sa38从代入至kpi模拟处理sp11中的值和其结果中选择有效规则/参数。
在结束判断处理sp13中，规则/参数评价部sa38判断能否看到改善效果以作为有效规则/参数选择sp12的结果，如果看到改善效果，则进入“yes”；如果看不到，则进入“no”。
在有效规则/参数细分化处理sp14中，规则/参数评价部sa38根据有效规则/参数选择sp12的结果，决定用于细分更有效的特征量的范围。
规则/参数评价部sa38通过将此结果代入kpi模拟处理sp11，重复循环，直到结束判断处理sp13看到改善效果为止。
在显示/控制数据生成处理sp15中，规则/参数评价部sa38基于有效规则/参数sa17来生成规则/参数列表sa19和大厦个性化报告sa20。
图12是示出本发明的实施方式的由分析服务器sa保存的大厦基本信息sa00的说明图。
大厦基本信息sa00是记载大厦基本信息的表格。每栋大厦的电梯由多个轿厢组成，将其称为电梯组。大厦基本信息表是为了对每个电梯组执行控制，用于对其进行管理的表格(图12)。例如，图1a中的轿厢1ca1～轿厢8ca8属于一个电梯组。一个电梯组相当于作为控制柜ca群控对象的电梯群组。当在一个大厦中存在多个电梯组时，存在很多个控制柜和多个轿厢的组合。
大厦id(sa000)是安装有电梯的大厦的识别信息(id)。使用不同的id来识别各栋大厦。电梯组id(sa001)是用于区分大厦中的电梯组的id。组名称(sa002)是电梯组的名称。轿厢数(sa003)是构成电梯组的轿厢数量。对象楼层(sa004)表示构成电梯组的轿厢停靠的楼层。纬度(sa005)和经度(sa006)分别是表示电梯组所在位置的纬度和经度。当电梯组的面积较大时，也可以使用其重心的纬度和经度。此外，只要在覆盖整个地球的绝对坐标中有表示电梯组位置的信息即可，并且也可以是除纬度和经度以外的值。大厦名称(sa007)是电梯所在大厦的正式名称。
图12所示的是一例，在分析时如果存在大厦基本信息所需要的数据，则可以改变大厦基本信息sa00以追加此数据。
图13是示出本发明的实施方式的由分析服务器sa保存的随机种子sa01的说明图。
随机种子sa01是记载在生成随机数时所使用的种子的表格。随机种子no(sa010)是随机种子的id。使用不同的id来识别每个随机种子。
随机种子(sa011)是随机种子值。通过使用本表格，当指定随机种子no时，可以参考与其相应的值。
图13所示的是一例，当生成随机数时，如果存在必要数据，则可以改变随机种子sa01以追加此数据。
图14是示出本发明的实施方式的由分析服务器sa保存的乘降梯人数sa02的说明图。
乘降梯人数sa02是表示电梯每个楼层各轿厢的实际乘梯人数以及下梯人数的表格。
大厦id(sa020)是用于识别大厦的id。电梯组id(sa021)是用于识别大厦内多个电梯组中的各个id。日期(sa022)是用于表示本电梯的运行状况的日期。时间(sa023)是用于表示本电梯的运行状况的时间。
星期(sa024)是用于表示本电梯的运行状况的星期。时间幅度(sa025)是用于汇总本电梯运行状况的时间幅度。轿厢1(sa026)表示已经识别出属于由电梯组id(sa021)识别出的电梯组的一部轿厢。楼层(sa027)是轿厢1(sa026)在由日期(sa022)、时间(sa023)、星期(sa024)和时间幅度(sa025)所指定的时间段内所在的楼层。轿厢内乘梯人数(sa028)是在由日期(sa022)、时间(sa023)、星期(sa024)和时间幅度(sa025)所指定的时间段内搭乘该轿厢的用户人数(也就是轿厢内人数)。
上行方向(sa029)的乘梯人数(sa02a)表示，在由日期(sa022)、时间(sa023)、星期(sa024)和时间幅度(sa025)所指定的时间段内，当轿厢1(sa026)处于上行方向时搭乘该轿厢的用户人数(也就是乘梯人数)。上行方向(sa029)的下梯人数(sa02b)表示，在由日期(sa022)、时间(sa023)、星期(sa024)和时间幅度(sa025)所指定的时间段内，当轿厢1(sa026)处于上行方向时从该轿厢下电梯用户的人数(也就是下梯人数)。
下行方向(sa02c)的乘梯人数(sa02d)表示，在由日期(sa022)、时间(sa023)、星期(sa024)和时间幅度(sa025)所指定的时间段内，当轿厢处于下行方向时搭乘该轿厢的用户人数。下行方向(sa02c)的下梯人数(sa02e)表示，在由日期(sa022)、时间(sa023)、星期(sa024)和时间幅度(sa025)所指定的时间段内，当轿厢处于下行方向时的下梯人数。
乘降梯人数sa02包括与构成电梯组的所有轿厢相关的信息。图14所示的与轿厢1(sa026)相关的信息是其中之一。尽管在图14中未示出，但是关于其他轿厢的数据也作为乘降梯人数sa02来存储。
在乘降梯人数sa02中填入数据的时机可以是每个事件(例如，实际发生变更时等)，或者也可以是每个预定周期(例如，每1毫秒、每1秒、每1分钟等)。可以用日期(sa022)、时间(sa023)和星期(sa024)来表示实际填入的日期和时间。当按照每个预定周期填入信息时，也可以将此周期作为时间幅度(sa025)来填入。此外，不需要存储在本表格中所指定的所有数据。
例如，图14中表格的第一行表示：属于利用通过大厦id“b001”识别出的大厦的电梯组id“01”识别出的电梯组中的轿厢1(sa026)，从2017年6月27日星期二上午10点0分1秒开始的5分钟内，在3楼至少停靠一次，当时轿厢内人数(sa028)为10人，上行移动过程中停靠时的乘梯人数(sa02a)和下梯人数(sa02bb)分别为15人和1人，并且下行移动过程中停靠时的乘梯人数(sa02d)和下梯人数(sa02e)分别为0人和10人。轿厢内人数(sa028)是在所停靠楼层完成乘降梯后的人数。如果在上述5分钟内轿厢1(sa026)在3楼多次停靠，则这些人数可以是这几次人数的总和，或者也可以填入每次在3楼停靠时的人数。此外，在相同的5分钟内，当该轿厢1(sa026)在另一层停靠一次以上时，则在该层的表格中填入与上述相同的信息。
图14所示的是一例，当表示不同楼层的乘降梯人数时，如果存在必要数据，则可以改变乘降梯人数sa02以追加此数据。
图15是示出本发明的实施方式的由分析服务器sa保存的电梯运行日志sa03的说明图。
电梯运行日志sa03是用于表示实际的电梯运行日志的表格。在此表格中，可以存储根据每个电梯组汇总的数据以及属于电梯组的轿厢数据等两方面的数据。
大厦id(sa030)是用于识别大厦的id。电梯组id(sa031)是用于识别大厦内的多个电梯组的id。日期(sa032)是用于表示本电梯的运行状况的日期。时间(sa033)是用于表示本电梯的运行状况的时间。
星期(sa034)是用于表示本电梯的运行状况的星期。时间幅度(sa035)是用于汇总本电梯运行状况的时间的幅度。长时间等候率(sa036)是在日期(sa032)、时间(sa033)、星期(sa034)和时间幅度(sa035)所指定的时间段内，在电梯组所产生的等候时间(也就是呼叫轿厢的用户在轿厢达到之前的等候时间)中，表示大于等于预定时间长度(例如60秒)的等候时间所占的比例。预定时间长度可以通过预先指定来更改。
轿厢呼叫次数(sa037)是在日期(sa032)、时间(sa033)、星期(sa034)和时间幅度(sa035)所指定的时间段内，在电梯组内按下轿厢呼叫按钮的次数。交通流模式(sa038)是电梯组的运行模式。
长时间等候率(sa036)、轿厢呼叫次数(sa037)和交通流模式(sa038)是按照每个电梯组汇总的值，但如果存在必要数据，也可以更改上述并追加上述以外的信息。
轿厢1(sa039)表示已经识别出属于电梯组id(sa031)中的一部轿厢。楼层(sa0a)是轿厢1(sa039)在日期(sa032)、时间(sa033)和星期(sa034)所指定的时间点所处的位置(楼层)。方向(sa03b)是轿厢1(sa039)在日期(sa032)、时间(sa033)和星期(sa034)所指定的时间点的运行方向。例如，上表示上行方向，下表示下行方向。
状态(sa03c)表示在日期(sa032)、时间(sa033)和星期(sa034)所指定的时间点的轿厢1(sa039)的状态。例如，“动作”表示轿厢1(sa039)实际上正在运行，而“停靠”表示已停靠。搭乘人数(sa03d)表示在日期(sa032)、时间(sa033)和星期(sa034)所指定的时间点，搭乘轿厢1(sa039)的人数。
电梯运行日志sa03包括与构成电梯组的所有轿厢相关的信息。图15所示的轿厢1(sa039)是其中之一。尽管在图15中未示出，但是与其他轿厢相关的数据也作为电梯运行日志sa03来存储。
在电梯运行日志sa03中填入数据的时机可以是每个事件(例如，实际发生变更时等)，或者也可以是每个预定周期(例如，每1毫秒、每1秒、每1分钟等)。可以用日期(sa032)、时间(sa033)和星期(sa034)来表示实际填入的日期和时间。当按照每个预定周期填入信息时，也可以将此周期作为时间幅度(sa035)来填入。此外，不需要存储在本表格中所指定的所有数据。
图15所示的是一例，当表示电梯运行日志时，如果存在必要数据，则可以变更电梯运行日志sa03以追加此数据。
图16是示出本发明的实施方式的由分析服务器sa保存的外部信息(天气)sa04的说明图。
外部信息(天气)sa04是用于汇总与作为外部信息之一的天气相关的数据的表格。
外部信息id(sa040)是外部信息的识别id。日期(sa041)是获取该外部信息的日期。时间(sa042)是获取该外部信息的时间。星期(sa043)是获取该外部信息的星期。地点(sa044)是获取该外部信息的地点。纬度(sa045)是获取该外部信息的纬度。经度(sa046)是获取该外部信息的经度。天气(sa047)、气温(sa048)和降雨量(sa049)分别是在日期(sa041)和时间(sa042)所指定的时间点的、在地点(sa044)所指定的地点的天气、气温和降雨量。
在外部信息(天气)sa04中填入数据的时机可以是每个事件(例如，实际发生变更时等)，或者也可以是每个预定周期(例如，每1毫秒、每1秒、每1分钟等)。可以用日期(sa041)、时间(sa042)和地点(sa044)来表示实际填写的日期和时间、以及获取数据的地点。此外，不需要存储在本表格中所指定的所有数据。
图16所示的是一例，当表示与作为外部信息之一的天气相关的数据时，如果存在必要数据，则可以变更外部信息(天气)sa04以追加此数据。
图17是示出本发明的实施方式的由分析服务器sa保存的外部信息(摄像头)sa05的说明图。
外部信息(摄像头)sa05是用于将作为外部信息之一的、与通过摄像头测量识别出的信息相关的数据进行汇总的表格。
外部信息id(sa050)是外部信息的识别id。日期(sa051)是获取本信息的日期。时间(sa052)是获取本信息的时间。星期(sa053)是获取本信息的星期。大厦id(sa054)是识别已获取本信息的大厦的id。楼层(sa055)是获取本信息的楼层。安装地点(sa056)是为了获取本信息而安装摄像头的地点。
人数(sa057)是在日期(sa051)和时间(sa052)所指定的时间点内、在安装地点(sa056)所指定的地点安装的摄像头所检测到的人数。儿童(sa058)、成人(sa059)、男性(sa05a)、女性(sa05b)、轮椅(sa05c)和手推车(sa05d)分别是在日期(sa051)和时间(sa052)所指定的时间点、在安装地点(sa056)所指定的地点，所安装的摄像头所检测到的儿童、成人、男性、女性、轮椅和手推车的数量。以这种方式，不仅可以检测用户总数，而且还可以检测不同用户属性(例如年龄层和性别)的详细内容、以及除用户之外的物体。
根据在日期(sa051)和时间(sa052)所指定的时间点内、在安装地点(sa056)所指定的地点安装的摄像头所检测到的结果，愤怒(sa05e)是在该摄像头检测到的用户中，判断为愤怒用户的人数。如此一来，不仅可以检测用户人数，而且还可以利用摄像头通过面部表情和行为中检测用户的情绪，进一步计算检测到特定情绪的人数。
在外部信息(摄像头)sa05中填入数据的时机可以是每个事件(例如，实际发生变更时等)，或者也可以是每个预定周期(例如，每1毫秒、每1秒、每1分钟等)。可以用日期(sa051)、时间(sa052)和安装地点(sa056)来表示实际填写的日期和时间、以及获取此数据的摄像头的安装地点。此外，不需要存储在本表格中所指定的所有数据。
图17所示的是一例，当表示作为外部信息之一的、与通过摄像头测量识别出的信息相关的数据时，如果存在必要数据，则可以变更外部信息(摄像头)sa05以追加此数据。
图18是示出本发明的实施方式的由分析服务器sa保存的外部信息(建筑物信息)sa06的说明图。
外部信息(建筑物信息)sa06是用于汇总与作为外部信息之一的建筑物相关的数据的表格。
外部信息id(sa060)是外部信息的识别id。大厦id(sa061)是识别已获取本信息的大厦的id。日期(sa062)是获取本信息的日期。时间(sa063)是获取本信息的时间。星期(sa064)是获取本信息的星期。3楼东侧(sa065)表示获取本信息的楼层(3楼)以及在划分该楼层的区域中获取本信息的区域(东侧)。存储按照每个楼层和每个区域汇总的值。可以任意添加楼层和区域，并且添加时，与3楼东侧(sa065)相同，可以对在该楼层和区域所汇总的数据进行存储。
用电量(sa066)和用水量(sa067)分别是在日期(sa062)和时间(sa063)所指定的时间点的3楼东侧(sa065)的用电量和用水量。温度(sa068)和湿度(sa069)分别是在日期(sa062)和时间(sa063)所指定的时间点的3楼东侧(sa065)的温度和湿度。停留人数(sa06a)是在日期(sa062)和时间(sa063)所指定的时间点的3楼东侧(sa065)的停留人数。
在外部信息(建筑物信息)sa06中填入数据的时机可以是每个事件(例如，实际发生变更时等)，或者也可以是每个预定周期(例如，每1毫秒、每1秒、每1分钟等)。可以用日期(sa062)、时间(sa062)和3楼东侧(sa065)来表示实际填写的日期和时间、以及获取此数据的地点。此外，不需要存储在本表格中所指定的所有数据。
图18所示的是一例，当表示与作为外部信息之一的建筑物相关的数据时，如果存在必要数据，则可以变更外部信息(建筑物信息)sa06以追加此数据。
图19是示出本发明的实施方式的由分析服务器sa保存的乘坐人数估计输入sa07的说明图。
乘坐人数估计输入sa07是存储由乘坐人数模型处理sp01内的乘坐人数数据生成sp010所生成的数据的表格。所生成的数据包括每个楼层的乘坐人数、不同轿厢的乘降梯人数以及轿厢状态。
乘坐人数估计输入id(sa070)是用于识别乘坐人数估计输入值的id。时间(sa071)、星期(sa072)和时间幅度(sa073)分别是由乘坐人数数据生成sp010所生成的时间、星期和时间幅度。乘坐人数(sa074)是由乘坐人数数据生成sp010所生成的乘坐人数。按照不同的楼层来求出乘坐人数。在图19中，用3楼(sa075)表示3楼的乘坐人数。尽管在图19中未示出，但是其他楼层的乘坐人数也按照相同方式进行填入。可以按照每个楼层、每个区域和每个候梯厅来生成乘坐人数，在这种情况下，将生成的乘坐人数存储在乘坐人数(sa074)中。
不同轿厢的乘降梯人数(sa076)是在时间(sa071)、星期(sa072)和时间幅度(sa073)所指定的时间段内、由乘坐人数数据生成sp010所生成的不同轿厢的乘降梯人数。不同轿厢的乘降梯人数(sa076)按照不同轿厢来求出。在图19中，用轿厢1(sa077)表示轿厢1的不同轿厢的乘降梯人数。在轿厢1(sa077)中存储与轿厢1的乘降梯人数相关的信息，楼层(sa078)是轿厢所在的楼层，上行方向(sa079)是向上运行的轿厢停靠在该楼层时的乘梯人数和下梯人数，下行方向(sa07a)是向下运行的轿厢停靠在该楼层时的乘梯人数和下梯人数。除上述内容外，轿厢1(sa077)中还可以存储与轿厢1相关的其他信息。不同轿厢乘降梯人数(sa076)对于轿厢1以外的轿厢来说，也可以存储与该轿厢相关的信息。
轿厢状态(sa07b)存储与轿厢状态相关的数据，并且将与轿厢1相关的数据存储在轿厢1(sa07c)中。楼层是轿厢1(sa07c)在时间(sa071)、星期(sa072)和时间幅度(sa073)所指定的时间段内所在的楼层。方向是轿厢1(sa07c)在时间(sa071)、星期(sa072)和时间幅度(sa073)所指定的时间段内运行的方向。例如，“上”表示上行方向，“下”表示下行方向。
状态表示轿厢1(sa07c)在时间(sa071)、星期(sa072)和时间幅度(sa073)所指定的时间段内的轿厢1(sa07c)的状态。例如，“动作”表示其实际上正在运行，而“停靠”表示已停靠。搭乘人数表示在时间(sa071)、星期(sa072)和时间幅度(sa073)所指定的时间段内搭乘轿厢1(sa07c)的人数。除上述之外，轿厢1(sa07c)中还可以存储与轿厢1的状态相关的信息。轿厢状态(sa07b)对于轿厢1以外的轿厢来说，也可以存储与该轿厢的状态相关的信息。
在乘坐人数估计输入sa07中填入数据的时机可以是每个事件(例如，实际发生变更时等)，或者也可以是每个预定周期(例如，每1毫秒、每1秒、每1分钟等)。可以用时间(sa071)和星期(sa072)来表示实际填入的日期和时间。此外，不需要存储在本表格中所指定的所有数据。
图19所示的是一例，当表示在乘坐人数数据生成sp010中所生成的数据时，如果存在必要数据，则可以变更乘坐人数估计输入sa07以追加此数据。
图20是示出本发明的实施方式的由分析服务器sa保存的乘坐人数估计模型sa08的说明图。
乘坐人数估计模型sa08是在乘坐人数模型处理sp01中存储由乘坐人数估计模型生成sp011所生成的数据的表格。生成的数据是满足“乘坐人数＝f(乘降梯人数、轿厢状态、外部信息)”成立时的函数f。作为乘坐人数估计输入sa07获取乘坐人数、乘降梯人数以及轿厢状态，并且从外部信息(天气)sa04、外部信息(摄像头)sa05和外部信息(建筑物信息)sa06中获取外部信息。
乘坐人数估计id(sa080)是识别乘坐人数估计模型的id。楼层(sa081)是用作所生成的估计模型的对象的楼层。方向(sa082)是用作所生成的估计模型的对象的方向。时间(sa083)是用作所生成的估计模型的对象的时间。星期(sa084)是用作所生成的估计模型的对象的星期。时间幅度(sa082)是用作所生成的估计模型的对象的时间幅度。
在后栏中存储函数f的系数。从乘坐人数估计输入sa07的不同轿厢乘降梯人数(sa076)、轿厢状态(sa07b)、或外部信息(天气)sa04、外部信息(摄像头)sa05以及外部信息(建筑物信息)sa06中选择一项以上的数据作为特征量。然后，将这些特征量作为说明指标、乘坐人数(sa074)作为目标指标，并且可以通过多元回归分析来求出特征量的系数。乘降梯人数系数1(sa085)、轿厢状态系数1(sa087)和外部变量系数1(sa088)是通过分析而求出的特征量系数。由于求出了每个特征量的系数，因此最好可以存储每个特征量的系数。
作为用于生成估计乘坐人数的模型的方法，也可以使用除多元回归分析以外的分析方法。
在乘坐人数估计模型sa08中填入数据的时机可以是每个事件(例如，实际发生变更时等)，或者也可以是每个预定周期(例如，每1毫秒、每1秒、每1分钟等)。可以用时间(sa083)和星期(sa084)来表示实际填入的日期和时间。此外，不需要存储在本表格中所指定的所有数据。
图20所示的是一例，当表示在乘坐人数估计模型生成sp011中所生成的模型时，如果存在必要数据，则可以变更乘坐人数估计模型sa08以追加此数据。
图21是示出本发明的实施方式的由分析服务器sa保存的乘坐人数估计结果sa09的说明图。
乘坐人数估计结果sa09是在乘坐人数估计处理sp02内存储由乘坐人数估计sp020所生成的数据的表格。在乘坐人数估计sp020中，输入所存储的乘坐人数估计模型(函数f)、当前时间乘降梯人数、轿厢状态以及外部变量，并估计每个楼层所要乘坐的人数。将此结果存储在图21所示的乘坐人数估计结果sa09中。
乘坐人数估计id(sa090)是用于识别乘坐人数估计的id。日期(sa092)是用于估计乘坐人数的日期。时间(sa093)是用于估计乘坐人数的时间。星期(sa094)是用于估计乘坐人数的星期。时间幅度(sa092)是用于估计乘坐人数的时间幅度。楼层(sa093)是用于估计乘坐人数的楼层。地点(sa094)是用于估计乘坐人数的地点。乘坐人数(sa095)是用于估计乘坐人数的乘坐人数。
在乘坐人数估计结果sa09中填入数据的时机可以是每个事件(例如，实际发生变更时等)，或者也可以是每个预定周期(例如，每1毫秒、每1秒、每1分钟等)。可以用日期(sa092)、时间(sa093)和星期(sa094)来表示实际填入的日期和时间。此外，不需要存储在本表格中所指定的所有数据。
图21所示的是一例，当表示在乘坐人数估计sp020中所生成的乘坐人数时，如果存在必要数据，则可以变更乘坐人数估计结果sa09以追加此数据。
图22是示出本发明的实施方式的由分析服务器sa保存的乘坐人数预测结果sa10的说明图。
乘坐人数预测结果sa10是在乘坐人数预测处理sp03内存储由乘坐人数估计sp020所生成的数据的表格。在乘坐人数预测sp030中，乘坐人数预测部sa34使用在乘坐人数估计处理sp02中所求出的乘坐人数估计结果sa09和外部信息，来执行用于估计未来乘坐人数的处理。将此结果存储在图22所示的乘坐人数预测结果sa10中。
如下面参照图7所说明的，乘坐人数预测sp030的输入包括用于分析的时间幅度(例如，过去的10分钟)、乘坐人数估计结果sa09、外部信息(天气)sa04、外部信息(摄像头)sa05以及外部信息(建筑物信息)sa06，而输出的是未来乘坐人数。
作为预测乘坐人数的方法，例如，可以使用ar模型(自回归模型)等，但是也可以使用除了ar模型之外的分析方法。
乘坐人数预测id(sa100)是识别已执行乘坐人数预测的id。日期(sa101)、时间(sa102)和星期(sa103)分别是作为分析对象(即在进行分析的时间点)的日期、时间和星期。预测时间(sa104)是预测分析对象的时间(即预测该时间的乘坐人数)。时间幅度(sa105)是分析对象的时间幅度。楼层(sa106)是分析对象的楼层。地点(sa107)是分析对象的地点。乘坐人数(sa108)是预测分析对象时的乘坐人数。
例如，图22中的乘坐人数预测结果sa10的第一行表示，从2017年6月27日星期二10点6分1秒开始的5分钟内，预测3楼电梯楼层的乘坐人数的处理是于当日上午10点1分1秒执行的，其结果表明，预测乘坐人数为12人。
在乘坐人数预测结果sa10中代入的时机可以是每个事件(例如，实际发生变更时等)，或者也可以是每个预定周期(例如，每1毫秒、每1秒、每1分钟等)。可以用日期(sa101)、时间(sa102)和星期(sa103)来表示实际填入的日期和时间。此外，不需要存储在本表格中所指定的所有数据。
图22所示的是一例，当在乘坐人数预测sp030中表示乘坐人数预测时，如果存在必要数据，则可以变更乘坐人数预测结果sa10以追加此数据。
图23是示出本发明的实施方式的由分析服务器sa保存的乘坐人数预测结果2_sa11的说明图。
乘坐人数预测结果2_sa11是用于存储对在乘坐人数预测处理sp03中由格式转换sp031所生成的乘坐人数预测进行格式转换后的结果的表格。
在格式转换sp031中，乘坐人数预测部sa34使用乘坐人数预测结果sa10，并利用泊松分布来求出每单位时间不同人数的乘坐概率。将此结果存储在图23所示的乘坐人数预测结果2_sa11中。
泊松分布的公式如下式(1)所示。通过将不同楼层的乘坐人数代入式(1)中的λ，可以求出k人以上的乘坐概率p(k)。
【数1】
上述示例是假设乘坐人数的概率分布为泊松分布时，求出每个乘坐人数的乘坐概率的方法。但是，为了求出乘坐人数的概率，也可以使用除泊松分布方法以外的分析方法。
乘坐人数预测id(sa110)是用于识别已执行乘坐人数预测的id。日期(sa111)、时间(sa112)和星期(sa113)分别是作为分析对象(即在进行分析的时间点)的日期、时间和星期。预测时间(sa114)是预测分析对象的时间(即预测该时间的乘坐概率)。时间幅度(sa115)是分析对象的时间幅度。楼层(sa116)是分析对象的楼层。地点(sa117)是分析对象的地点。一人以上的乘坐概率(sa118)是每单位时间内一人以上的用户的乘坐概率。两人以上的乘坐概率(sa119)是每单位时间内两人以上的用户的乘坐概率。作为单位时间，也可以使用时间幅度(sa115)。
例如，图23中的乘坐人数预测结果2_sa11的第一行示出了与图22中的乘坐人数预测结果sa10的第一行中所填入的预测结果相对应的示例。即图23中的乘坐人数预测结果2_sa11的第一行表示，从预计在3楼电梯楼层处乘坐电梯的人数“12人”中，预测每单位时间内在3楼电梯楼层处一人以上的用户的乘坐概率为90％，两人以上的用户的乘坐概率为75％。尽管在图23中未示出，但是与此相同，也可以计算三人以上的用户的乘坐概率、四人以上的用户的乘坐概率，并且将其填入乘坐人数预测结果2_sa11中。
图23所示的是一例，当在格式转换sp031中表示乘坐人数预测时，如果存在必要数据，则可以变更乘坐人数预测结果2_sal1以追加此数据。
图24是示出本发明的实施方式的由分析服务器sa保存的不同时间段目的地楼层估计sa12的说明图。
不同时间段目的地楼层估计sa12是存储目的地楼层估计处理sp04所生成的数据的表格。在目的地楼层估计处理sp04中，目的地楼层估计部sa35使用不同楼层的乘降梯人数(sa02)来生成用于估计不同时间段目的地楼层的模型。具体而言，目的地楼层估计部sa35对每个时间段内不同楼层的下梯人数进行计数，并且求出不同楼层的下梯人数的趋势。然后，将其转换为整体为100％的估计值。将此结果存储在图24所示的不同时间段目的地楼层估计sa12中。
目的地楼层估计id(sa120)是用于识别已执行的目的地楼层估计的id。日期(sa121)、时间(sa122)、星期(sa123)和时间幅度(sa124)分别是分析对象的日期、时间、星期和时间幅度。乘梯楼层(sa125)是用户的乘梯楼层。方向(sa126)是轿厢运行的方向。目的地楼层(sa127)是用户的下梯楼层。相对于电梯停靠的楼层，填入整体为100％的估计值。
例如，图24中的第一行表示，从2017年6月27日星期二上午10点1分1秒开始的60分钟内，在3楼乘坐处于上行方向的轿厢的用户中，有10％在26层下电梯，另有10％在27层下电梯，这是根据乘降梯人数sa02进行估计的。虽然在图24中省略了在其他楼层下电梯的用户的比例，但是计算在3楼乘坐电梯的用户的所有目的地楼层的比例之和为100％。对于在其他楼层乘梯的用户的目的地楼层来说，同样也计算该比例。在本实施方式中，这些比例可以用作目的地楼层概率，即出现在各个楼层的乘梯处的用户的目的地楼层即为该楼层的概率。
另外，例如，当根据外部信息(摄像头)sa05等能够判断在各个楼层乘坐轿厢的用户与在各个楼层从轿厢下电梯的用户是否为同一个人时，根据此判断结果，确定在各个楼层乘坐电梯的用户分别是在哪一楼层下梯，并据此来计算在各个楼层乘坐电梯的用户的目的地楼层比例，例如在3楼乘梯的用户中，在第26层下电梯的用户的比例为10％等。但是，当不能使用上述外部信息时，例如，当根据轿厢重量来估计在各个楼层乘降梯人数等无法识别乘降梯用户的每个人时，可以根据某种假设近似计算目的地楼层比例。
例如，可以在日期(sa121)、时间(sa122)、星期(sa123)和时间幅度(sa124)所指定的时间段内汇总各个楼层下电梯的用户人数，计算在第26层下电梯的用户人数占在除3楼以外的楼层下电梯的用户人数的比例，以用作在第26层下电梯用户占在3楼乘坐电梯的用户的比例(即在3楼乘坐电梯的用户的目的地楼层为26楼的概率)。在这种情况下，可以使用相同的方法，计算在其他楼层下电梯的用户的比例、以及从其他楼层乘坐电梯后在各个楼层下电梯的用户的比例。
图24所示的是一例，当在目的地楼层估计处理sp04中表示目的地楼层估计时，如果存在必要数据，则可以变更不同时间段目的地楼层估计sa12以追加此数据。
图25是示出本发明的实施方式的由分析服务器sa保存的不同时间段目的地楼层预测结果sa13的说明图。
不同时间段目的地楼层预测结果sa13是用于存储在目的地楼层预测处理sp05内，由不同时间段目的地楼层预测sp051所生成的数据的表格。在不同时间段目的地楼层预测sp051中，目的地楼层预测部sa36使用不同时间段目的地楼层估计sa12和乘坐人数预测结果2_sa11作为输入数据，并且通过对这些进行组合，可以预测乘梯用户将要去往哪一楼层。具体而言，可以按照不同楼层将预测乘梯时间的乘坐概率与同一时间的目的地楼层估计相乘。
如上所示的不同时间段目的地楼层的预测方法是一个示例，也可以采用其他方法。将此结果存储在图25所示的不同时间段目的地楼层预测结果sa13中。
目的地楼层预测id(sa130)是用于识别已执行目的地楼层预测的id。日期(sa131)、时间(sa132)和星期(sal33)分别是作为分析对象(即在进行分析的时间点)的日期、时间和星期。预测时间(sa134)是预测分析对象的时间(即预测该时间的乘坐概率)。时间幅度(sa135)是分析对象的时间幅度。乘梯楼层(sa136)是分析对象的乘梯楼层。目的地楼层(sa137)是分析对象的目的地楼层。方向(sa138)是作为分析对象的轿厢的运行方向。一人以上的乘坐概率(sa139)是每单位时间内一人以上的用户的乘梯概率。二人以上的乘坐概率(sa13a)是每单位时间内二人以上的用户的乘梯概率。作为单位时间，也可以使用时间幅度(sa135)。
例如，图25中不同时间段目的地楼层预测结果sa13的第一行示出了图23中的乘坐人数预测结果2_sa11的第一行中所填入的预测结果与图24中的不同时间段目的地楼层估计sa12的第一行中所填入的估计结果相对应的示例。即图25中的不同时间段目的地楼层预测结果sa13的第一行表示，在单位时间内，在3楼电梯楼层乘坐上行方向的轿厢并计划在第26层下电梯的用户中，预计一人以上的乘坐概率为9％，两人以上的乘坐概率为7.5％。
在此示例中，“9％”通过将图24中第一行的第26层占目的地楼层(sa127)的比例值“10％”乘以图23中第一行的作为一人以上的乘坐概率(sa118)的“90％”后而得出。“7.5％”通过将图24中第一行的第26层占目的地楼层(sa127)的比例值“10％”乘以图23中第一行的作为两人以上的乘坐概率(sa119)的“75％”后而得出。
图25所示的是一例，当在不同时间段目的地楼层预测sp051中表示不同时间段目的地楼层预测时，如果存在必要数据，则可以变更不同时间段目的地楼层预测结果sa13以追加此数据。
图26是示出本发明的实施方式的由分析服务器sa保存的规则/控制模板sa14的说明图。
规则/控制模板sa14是用于存储电梯的运行规则/控制参数模板的表格。这里，所谓运行规则，是指控制柜ca为了对作为群控对象的电梯的多部轿厢的运行实施控制而适用的规则，控制参数是指在各个运行规则中可以变更的参数。在本实施方式中，将运行规则与包括在其中的控制参数一并记载为运行规则/控制参数。此外，有时将运行规则单独记载为规则、将控制参数单独记载为参数。
通过使用规则/控制模板sa14，可以搜索最佳运行规则/控制参数。搜索方法由2个步骤构成。步骤1是搜索规则/控制no(sa140)。这是从多个运行规则/控制参数中选择适用于提高kpi的控制参数的步骤。步骤2是搜索参数值(初始值)(sa144)。搜索对象是控制参数中的可控制参数值。通过对其进行搜索，可以求出更佳的控制参数。
规则/控制no(sa140)是用于识别运行规则/控制参数的id。规则名称(sa141)是运行规则/控制参数的名称。条件(sa142)是运行规则/控制参数的动作条件。参数值(初始值)(sa143)是运行规则/控制参数中的可控制参数。例如，在与规则/控制no“ru01”相对应的规则“5分钟后，从○层直达”中，○部分(在该示例中为楼层数)是可控制参数。系数(初始系数)(sa145)是用于求出回归方程式等的系数。参数值(初始值)(sa143)和系数(初始系数)(sa145)可以通过重复执行优化处理来改变所存储的数值。
图26所示的是一例，当实现电梯的运行规则/控制参数时，如果存在必要数据，则可以变更规则/控制模板sa14以追加此数据。
图27是示出本发明的实施方式的由分析服务器sa保存的kpi列表sa15的说明图。
kpi列表sa15是存储作为搜索最佳运行规则/控制参数时的评价指标的kpi(keyperformanceindicator)的表格。由于存在每栋大厦的kpi不同的情况，因此通过使用标志(sa155)预先设定每栋大厦的kpi。此时，还可以设定kpi的目标值(sa154)。
kpiid(sa150)是用于识别kpi的id。分类(sa151)是kpi的分类。具体而言，分类(sa151)表示准将从改进此kpi中受益。
名称(sa152)是kpi的名称。条件(sa153)表示kpi的内容。目标值(sa154)表示条件(sa153)下的可变参数值部分(在图27的示例中为o的部分)的目标值。由于每栋大厦的情况不同，因此在使用之前进行设定。使用标志(sa155)从多个kip中指定在执行当前优化时所使用的kpi。当使用标志(sa155)为1时，表示已被指定。此外，还可以指定多个kpi。
在图27的示例中，作为kpi，示出了在乘梯处出现的用户在乘坐轿厢前的等候时间、乘梯处的拥挤率、以及楼层的用电量(即包括轿厢运行的耗电量)。在这些示例中，可以将以下评价为适当的运行规则/控制参数：例如，可缩短最长等候时间的运行规则/控制参数、可降低乘梯处的拥挤率的运行规则/控制参数、以及减少用电量的运行规则/控制参数。
然而，以上仅为一例，还可以指定上述之外的kpi。例如，还可以使用在不同楼层乘坐电梯的多名用户在同一轿厢乘坐的比率越小评价就越高的kpi。由此，可以根据电梯相关用户(例如，用户或者管理者等)的需求来实现对轿厢的控制，以使得该相关用户感到满意。
图27所示的是一例，当实现电梯的运行规则/控制参数时，如果存在必要数据，则可以变更kpi列表sa15以追加此数据。
图28是示出本发明的实施方式的由分析服务器sa保存的模拟输入和结果sa16的说明图。
模拟输入和结果sa16是用于存储由kpi模拟处理sp11执行处理的结果的表格。在kpi模拟处理sp11中，作为输入，使用kpi列表sa15，其中存储有表示乘坐情况的乘坐人数预测结果2_sa11、不同时间段目的地楼层预测结果sa13、表示控制参数的规则/控制模板sa14、以及作为优化目标的kpi。通过使用这些数据，可以求出用于提高用户在乘梯状态下的kpi的运行规则/控制参数。
在kpi模拟处理sp11中，在变更运行规则/控制参数的同时，多次执行用户在乘梯的状态下的、且在使用某一运行规则/控制参数时的kpi的输出处理。其结果是模拟输入和结果sa16。
kpi模拟id(sa160)是识别kpi模拟的id。次数(sa161)是多次执行kpi模拟时的次数。规则控制列表1(sa162)表示在每次模拟中所使用的运行规则/控制参数中的一组。规则/控制no(sa163)是用于识别运行规则/控制参数的id。参数值(sa164)是用于当前控制的控制参数。系数(sa165)是求出回归方程式等时的系数。在一次模拟中，可以存储多个规则控制列表。kpiid(sa166)是用于识别kpi的id。kpi模拟结果(sa167)是作为使用规则控制列表来执行kpi模拟时的结果而获得的kpi值。
图28所示的是一例，当实现电梯的运行规则/控制参数时，如果存在必要数据，则可以变更模拟输入和结果sa16以追加此数据。
图29是示出本发明的实施方式的由分析服务器sa保存的有效规则/参数sa17的说明图。
有效规则/参数sa17是用于存储以下结果的表格，即从图28所示的模拟输入和结果sa16中，求出有助于优化的(也就是说有效的)运行规则/控制参数的结果。规则/参数评价部sa38将图28所示的模拟输入和结果sa16作为输入，将目标变量作为kpi模拟结果，将解释变量作为规则控制列表，采用多次结果，可以执行多元回归分析。但是，只要指定有助于优化的规则控制参数即可，因此也可以采用除多元回归分析方法之外的方法。
有效规则/参数id(sa170)是用于识别有效运行规则/控制参数的id。有效规则控制列表1(sa171)是在执行多元回归分析时贡献最大的规则控制参数。规则/控制no(sa172)是识别运行规则/控制参数的id。参数值(sa173)是在本次处理中所使用的控制参数值。系数(sa174)是通过多元回归分析而求出的系数，并且是表示有助于优化的程度的值。通过参考这一点，可以指定有效的(也就是说有助于改善kpi的)运行规则/控制参数。可以存储多个有效的规则控制列表。kpiid(sa175)是用于识别kpi的id。预测值(sa176)是使用通过多元回归分析而求出的回归方程式来预测的kpi值。
图29所示的是一例，当实现电梯的运行规则/控制参数时，如果存在必要数据，则可以变更有效规则/参数sa17以追加此数据。
图30是示出本发明的实施方式的由分析服务器sa保存的有效规则/参数细分列表sa18的说明图。
对于从图29所示的有效规则/参数sa17中指定的、非常有助于优化的运行规则/控制参数来说，可以通过细分控制参数值来实现进一步优化。在有效规则/参数sa17的有效规则控制列表中选择系数(sa174)较大的运行规则/控制参数。然后，规则/参数评价部sa38对所选择的运行规则/控制参数，执行有效规则/参数的细分化处理sp14。具体而言，规则/参数评价部sa38可以通过增减所选择的运行规则/控制参数中所包含的控制参数值，来搜索更优化的运行规则/控制参数。
有效规则/参数细化id(sa180)是用于识别有效规则/参数细化的id。有效规则/参数id(sa181)是用于识别有效运行规则/控制参数的id。有效规则控制列表1(sa182)是通过多元回归分析估计贡献最大的规则控制参数。规则/控制no(sa183)是识别运行规则/控制参数的id。参数值(sa184)是在本次处理中所使用的控制参数值。系数(sa185)是通过多元回归分析而求出的系数，并且是有助于优化的值。参数值细分范围(sa186)是通过有效规则/参数细分化处理sp14而求出的值。可以存储多个有效规则控制列表。kpiid(sa187)是用于识别kpi的id。预测值(sa188)是使用通过多元回归分析而求出的回归方程式来预测的kpi值。此外，规则/参数评价部sa38可以从规则/控制模板sa14中随机选择几个运行规则/控制参数。
图30所示的是一例，当实现电梯的运行规则/控制参数时，如果存在必要数据，则可以变更有效规则/参数细分列表sa18以追加此数据。
图31是示出本发明的实施方式的由分析服务器sa保存的规则/参数列表sa19的说明图。
规则/参数列表sa19是存储从图29的有效规则/参数sa17中选择实际操作中使用的运行规则/控制参数的表格。在有效规则控制列表的运行规则/控制参数中，判断系数(sa174)值较大的部分为贡献率高的运行规则/控制参数。
规则/参数id(sa190)是识别运行规则/控制参数的id。第一有效规则控制(sa191)是根据多元回归分析的结果，估计贡献度最大的规则控制参数。规则/控制no(sa192)是识别运行规则/控制参数的id。参数值(sa193)是在本次处理中所使用的控制参数值。系数(sa194)是通过多元回归分析而求出的系数，并且是有助于优化的值。
第二有效规则控制(sa195)是根据多元回归分析的结果，估计贡献度位列第二的运行规则/控制参数。规则/控制no(sa196)是在本次处理中所使用的控制参数值。参数值(sa197)是在本次处理中所使用的控制参数值。系数(sa198)是通过多元回归分析而求出的系数，并且是有助于优化的值。
kpiid(sa199)是用于识别kpi的id。预测值(sa19a)是使用通过多元回归分析而求出的回归方程式来预测的值。
将规则/参数列表sa19发送到控制选择器sp06。控制选择器sp06根据规则/参数列表sa19，来生成指示用于改善kpi的运行规则/控制参数的输入命令ca0，并发送至控制柜ca。控制柜ca根据输入命令ca0，将已经设定的运行规则/控制参数变更为所指示的运行规则/控制参数，并且根据变更后的运行规则/控制参数来控制轿厢。如此一来，实现了对改善kpi后的电梯的控制。
图31所示的是一例，当实现电梯的运行规则/控制参数时，如果存在必要数据，则可以变更规则/控制参数列表sa19以追加此数据。
在分析服务器sa的执行部sa3中执行本实施方式中说明的处理，但是处理的一部分或全部可以由控制柜ca执行。例如，控制柜ca可以具有类似于图1b所示的分析服务器sa的硬件，并且分析服务器sa的功能的至少一部分可以由这些硬件来实现。
图32是示出本发明的实施方式的由分析服务器sa输出的大厦个性化报告sa20的说明图。
大厦个性化报告sa20由规则/参数评价部sa38在显示/控制数据生成处理sp15中生成，并发送到显示部sa1中。显示部sa1(例如，作为输出装置103进行安装的显示装置)显示接收到的大厦个性化报告sa20。
例如，如图32所示，大厦个性化报告sa20包括大厦名称3201、电梯组名称3202、时段3203、kpi3204以及结果3205。
电梯组名称3202和大厦名称3201是作为图2中所示的各种处理的执行对象的电梯组和安装电梯组的建筑物名称，并且与图12中所示的组名称(sa002)和大厦名称(sa007)相对应。时段3203是作为模拟对象的时段。kpi3204是在规则/参数评价部sa38的处理中被选择为评价对象的评价指标，并且与图27中所示的使用标记(sa155)为有效的kpi相对应。结果3205是根据规则/参数评价部sa38的处理结果而选择的有效运行规则/控制参数，并且与规则/参数列表sa19中记录的运行规则/控制参数相对应。
通过参考大厦个性化报告sa20，电梯管理员可以掌握运行规则/控制参数的变更内容，其为改善作为kpi3204进行显示的评价指标而所需。管理员可以在控制柜ca中手动设定所掌握的运行规则/控制参数的变更。如此一来，实现了对改善kpi后的电梯的控制。
如上所述，根据本实施方式，根据楼层升降梯人数来预测候梯厅的乘坐人数，生成适合于此预测结果的控制方法，并且可以通过使用与用户不满意度相关的指标进行评价来实现最佳的电梯控制。例如，在预期未来会发生拥挤的时间附近，通过在乘梯处顺畅地调配轿厢，可以减少用户在乘梯处长时间等候的情况，提高用户的运输能力，并进一步提高用户满意度。
另外，本发明并不限于上述实施例，而是包括各种变形例。例如，上述实施例是为了更好地理解本发明而进行了详细的说明，但并不限定必须具备所说明的全部结构。
此外，上述各个结构、功能、处理部、处理装置等可以通过例如用集成电路进行设计等，利用硬件来实现这些的一部分或全部。此外，上述各个结构、功能等可以通过处理器解释、执行用来实现各种功能的程序，利用软件来实现。实现各种功能的程序、表格、文件等信息可以存储在非易失性半导体存储器、硬盘驱动器、ssd(solidstatedrive)等存储设备中，或者也可以存储在ic卡、sd卡、dvd等计算机可读取的非临时数据存储介质中。
此外，为了更好地说明，因此示出了控制线和信息线，但并不一定示出了产品上所有的控制线和信息线。实际上，也可以认为几乎所有的结构均相互连接。
1.一种电梯分析系统，其是一种具有处理器和与所述处理器相连接的存储装置的电梯分析系统，
其特征在于：
所述存储装置用于在作为控制对象的电梯群组各楼层的乘梯处保存作为因要使用电梯而出现的用户数量的乘坐人数，
所述处理器根据保存在所述存储装置中的乘坐人数来预测未来的乘坐人数，
并根据所预测到的所述未来的乘坐人数来确定对属于所述电梯群组的所述各轿厢的运行控制适用的运行规则、以及在各个运行规则中所设定的控制参数，
进一步输出确定好的所述运行规则以及控制参数。
2.根据权利要求1所述的电梯分析系统，
其特征在于：
所述存储装置进一步保存乘降梯人数信息，其中，该乘降梯人数信息用于表示属于所述电梯群组的各轿厢在各楼层实际的乘梯人数以及下梯人数；
所述处理器根据乘降梯人数信息，在所述各楼层乘梯处出现的用户按照每层可能成为目的地楼层来计算目的地楼层概率，其中，目的地楼层概率是在所述各楼层乘梯处出现的用户的目的地楼层即为该楼层的概率；
根据所述未来乘坐人数和所述目的地楼层概率，确定对属于所述电梯群组中的所述各轿厢的运行控制适用的运行规则、以及在各运行规则中设定的控制参数。
3.根据权利要求2所述的电梯分析系统，
其特征在于：
所述存储装置进一步保存有指定评价指标的信息，其中，该评价指标用于评价所述电梯群组中所述各轿厢的运行状况；
所述处理器
在改变所适用的所述运行规则以及所述控制参数的同时多次执行第一模拟，其中，该模拟根据所述未来乘坐人数和所述目的地楼层概率，在各层的乘梯处生成用户后运行所述电梯群组中的所述各个轿厢；
根据所述第一模拟的结果，计算所指定的所述评价指标，
根据计算出的所述评价指标，来确定有助于提高所述评价指标的所述运行规则和所述控制参数，以作为对属于所述电梯群组的所述各轿厢的运行控制适用的运行规则、以及在各个运行规则中所设定的控制参数。
4.根据权利要求3所述的电梯分析系统，
其特征在于：
所述处理器根据预测的所述未来乘坐人数，假设乘坐人数的概率分布为泊松分布时，按照每个乘坐人数来计算该人数的用户的乘坐概率；
按照每个乘坐人数的所述乘坐概率与每个目的地楼层的所述目的地楼层概率来生成用户，执行所述第一模拟。
5.根据权利要求3所述的电梯分析系统，
其特征在于：进一步具有与所述处理器相连的显示装置，
所述处理器指定有助于提高所述评价指标的贡献度大小满足预定条件的所述运行规则和所述控制参数，
所述显示装置显示所指定的所述运行规则和控制参数。
6.根据权利要求3所述的电梯分析系统，
其特征在于：
进一步具有所述处理器以及与所述电梯分析系统的外部网络相连接的接口；
在所述网络上连接有控制装置，其中，该控制装置用于控制属于所述电梯群组中的各个轿厢；
所述处理器指定有助于提高所述评价指标的贡献度大小满足预定条件的所述运行规则和所述控制参数；
通过所述接口，将所指定的所述运行规则以及控制参数发送到所述控制装置中。
7.根据权利要求3所述的电梯分析系统，其特征在于：
所述评价指标包括乘梯用户乘坐任意一个轿厢之前的等候时间、所述乘梯处的拥挤率、以及用于使所述电梯群组中各轿厢运行的耗电量中的任意一个。
8.根据权利要求1所述的电梯分析系统，
其特征在于：
所述存储装置进一步保存：
乘降梯人数信息，其用于表示作为控制对象的电梯群组中的各轿厢在各楼层实际的乘梯人数以及下梯人数；以及
运行日志信息，其用于表示属于所述电梯群组中的各轿厢的实际状态；
所述处理器生成多名因要使用电梯而出现在所述电梯群组乘梯处的用户，随机确定每名用户所在的所述乘梯处楼层、所述每名用户的出现时间以及所述每名用户的目的地楼层，根据所述每名用户的出现时间、出现的所述乘梯处楼层以及目的地楼层来执行使属于所述电梯群组的各轿厢运行的第二模拟，从而根据所述各轿厢状态、各楼层中所述各轿厢的乘梯人数与各楼层中所述各轿厢的下梯人数，来生成用于估计用户出现在所述各楼层乘梯处的人数即乘坐人数的乘坐人数估计模型，
通过将根据所述乘降梯人数信息和所述运行日志信息获取的实际的乘梯人数、下梯人数以及各轿厢状态适用于所述乘坐人数估计模型中，估计各楼层的乘坐人数，
将所估计的所述乘坐人数保存在所述存储装置中，
根据保存于所述存储装置中的所述估计的乘坐人数，来预测所述未来乘坐人数。
9.根据权利要求8所述的电梯分析系统，其特征在于：
在所述第二模拟中，所述处理器将在每个预定时间幅度内所述各楼层的乘坐人数作为目标指标、将在所述每个预定时间宽度内所述各轿厢的状态、各楼层中所述各轿厢的乘梯人数和各楼层中所述各轿厢的下梯人数作为说明指标，通过执行多元回归分析来生成所述乘坐人数估计模型。
10.根据权利要求8所述的电梯分析系统，其特征在于：
所述乘降梯人数信息以及所述运行日志信息，包括所述乘梯人数、下梯人数、以及表示当获得所述各轿厢的实际状态时属于所述电梯群组中的所述各轿厢的运行控制适用的运行规则和在所述运行规则中所设定的控制参数的信息；
所述处理器根据所述所适用的运行规则以及所述所设定的控制参数，通过运行所述各轿厢来执行所述第二模拟。
11.一种电梯分析方法，其是一种由具有处理器和连接到所述处理器的存储装置的电梯分析系统来执行的电梯分析方法，其特征在于：
所述存储装置保存乘坐人数，其中该乘坐人数是指在作为控制对象的电梯群组各楼层的乘梯处因要使用电梯而出现的用户数量；
所述电梯分析方法包括以下步骤：顺序1，所述处理器根据保存在所述存储装置中的乘坐人数来预测未来乘坐人数；顺序2，所述处理器根据预测的所述未来乘坐人数，确定对属于所述电梯群组中所述各轿厢的运行控制适用的运行规则以及在各运行规则中所设定的控制参数；顺序3，所述处理器输出所确定的所述运行规则和控制参数。
12.根据权利要求11所述的电梯分析方法，其特征在于：
所述存储装置进一步保存乘降梯人数信息，其中，该乘降梯人数信息用于表示属于所述电梯群组的各轿厢在各楼层实际的乘梯人数以及下梯人数；
在所述顺序2中，
所述处理器根据所述乘降梯人数信息，在所述各楼层乘梯处出现的用户按照按照每层可能成为目的地楼层来计算目的地楼层概率，其中，目的地楼层概率是在所述各楼层乘梯处出现的用户的目的地楼层即为该楼层的概率；
根据所述未来乘坐人数和所述目的地楼层概率，确定对属于所述电梯群组的所述各轿厢的运行控制适用的运行规则、以及在各运行规则中设定的控制参数。
13.根据权利要求12所述的电梯分析方法，其特征在于：
所述存储装置进一步保存有指定评价指标的信息，其中，该评价指标用于评价所述电梯群组中所述各轿厢的运行状况；
在所述顺序2中，
所述处理器在改变所适用的所述运行规则以及所述控制参数的同时多次执行第一模拟，其中，该模拟根据所述未来乘坐人数和所述目的地楼层概率，在各层的乘梯处中生成用户后运行所述电梯群组中的所述各个轿厢；
根据所述第一模拟的结果，计算所指定的所述评价指标，
根据计算出的所述评价指标来确定有助于提高所述评价指标的所述运行规则和所述控制参数，以作为对属于所述电梯群组的所述各轿厢的运行控制适用的运行规则、以及在各个运行规则中所设定的控制参数。
14.根据权利要求11所述的电梯分析方法，其特征在于：
所述存储装置进一步保存：
乘降梯人数信息，其用于表示作为控制对象的电梯群组中的各轿厢在各楼层实际的乘梯人数以及下梯人数；以及
运行日志信息，其用于表示属于所述电梯群组中的各轿厢的实际状态；
所述电梯分析方法进一步包括以下顺序：
所述处理器生成多名因要使用电梯而出现在所述电梯群组乘梯处的用户，随机确定每名用户所在的所述乘梯处楼层、所述每名用户的出现时间以及所述每名用户的目的地楼层，根据所述每名用户的出现时间、出现的所述乘梯处楼层以及目的地楼层来执行使属于所述电梯群组的各轿厢运行的第二模拟，从而根据所述各轿厢状态、各楼层中所述各轿厢的乘梯人数与各楼层中所述各轿厢的下梯人数，来生成用于估计用户出现在所述各楼层乘梯处的人数即乘坐人数的乘坐人数估计模型；
所述处理器通过将根据所述乘降梯人数信息和所述运行日志信息获取的实际的乘梯人数、下梯人数以及各轿厢状态适用于所述乘坐人数估计模型中，估计各楼层的乘坐人数；
所述处理器将所估计的所述乘坐人数保存在所述存储装置中；
在所述顺序1中，所述处理器根据保存于所述存储装置中的所述估计的乘坐人数，来预测所述未来乘坐人数。
技术总结