エレベーター運行履歴を用いた機械学習による階別交通需要予測

カテゴリ: 研究会(論文単位)

論文No: ST18054

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2018/09/26

タイトル(英語): Interfloor traffic forecasting by machine learning from elevator service log

著者名: 下出 直樹(日立製作所),淺原 彰規(日立製作所),北野 佑(日立製作所),佐藤 信夫(日立製作所),助田 浩子(日立製作所),羽鳥 貴大(日立製作所),鳥谷部 訓(日立製作所),棚林 颯(日立製作所),前原 知明(日立製作所)

著者名(英語): Naoki Shimode(Hitachi, ltd),Akinori Asahara(Hitachi, ltd),Yu Kitano(Hitachi, ltd),Nobuo Sato(Hitachi, ltd),Hiroko Sukeda(Hitachi, ltd),Takahiro Hatori(Hitachi, ltd),Satoru Toriyabe(Hitachi, ltd),Hayate Tanabayashi(Hitachi, ltd),Tomoaki Maehara(Hitachi, ltd)

キーワード: 機械学習|勾配ブースティング|エレベータ|需要予測|Machine Learning|Gradient Boosting|Elevator|Demand prediction

要約(日本語): 従来の群管理エレベータでは、各階床での過去数分の乗降数にもとづき配車されるが、この手法では出退勤時などの階床間移動の需要が急激に変化すると、本来の需要に適さない配車をしてしまうことがある。本研究では、過去数か月分の運行履歴から学習した勾配ブースティング回帰木を用いて階床間移動需要を予測する手法を提案する。また実際のオフィスビルの運行履歴にもとづくシミュレーションデータで評価した結果を報告する。

要約(英語): Conventional group-controlled elevator systems tend to fail to dispatch adequate cages due to the drastic change of interfloor traffic. In this work, we developed a prediction model for interfloor traffic by Gradient Boosting regression from service log accumulated over several months, and evaluated its performance with log-based simulation.

原稿種別: 日本語

PDFファイルサイズ: 1,449 Kバイト