CN104085749A - 一种电梯运行智能分配管理方法 - Google Patents

Abstract

本发明提供一种电梯运行智能分配管理方法，通过嵌入了电梯运行智能分配管理方法的中央控制器控制大楼里的多台电梯，可让电梯组分工明确在恰当的时间到达恰当的位置，既能保证整个系统有较好的服务质量，又能尽可能节约资源消耗。另外，本发明的电梯运行智能分配管理方法实施起来较为简便，既易于嵌入已安装的电梯系统的控制器内，还可以与目前一些现有的电梯硬件提高资源利用率技术配合使用，使提高资源利用率效率有进一步的提高。

Description

一种电梯运行智能分配管理方法

技术领域

本发明涉及电梯控制领域，尤其涉及一种电梯运行智能分配管理方法。 

背景技术

电梯运行智能分配系统是指利用统一管理和协调的方式对复杂乘客使用频率量进行分析，通过优化处理，指派合理的电梯资源完成运送任务的服务管理系统，其核心是运行分配方法。从科学意义上说运行分配是一个在环境变化下的资源配置时序决策问题，它具有不确定性、非线性和控制目标多样化等特点。 

目前在实际中广泛采用的运行分配方法过多的追求服务性能的改善，如乘客的等待进入电梯时间，乘坐电梯时间等，而往往忽略资源消耗性能的提高。例如某些以单一目标为优化准则的分配方法，如ETA(最长等待时间最短)和FIM(等候时间平方和的均值最小)等。对于从提高资源利用率角度出发的电梯运行分配方法的研究国内尚处于空白，只有少数国际电梯公司和科研机构在此领域开展了一些初步研究工作。如研究如何在乘客可容忍的等待进入电梯时间内实现电梯系统提高资源利用率的问题；研究下行高峰客流中以等待进入电梯时间和资源消耗为目标函数的电梯运行分配方案等。但这些方法存在着对电梯使用频率的适应性差、缺乏通用性等问题，对一些影响提高资 源利用率的关键因素和问题没有充分考虑。 

发明内容

本发明的目的是通过以下技术方案实现的。 

一种电梯运行智能分配管理方法，所述方法包括下列步骤： 

S1、根据各个电梯的历史运行规律，确定使用频率模式；所述使用频率模式分为：上行密集使用频率模式、下行密集使用频率模式、层间随机使用频率模式等。 

S2、建立各电梯运行的模拟测算环境，对各个使用频率模式分别进行模拟测算，测试出在不同使用频率模式下，电梯的平均等待进入电梯时间在预设时间范围内变化时资源消耗和拥挤参数值的变化数据组。 

S3、对各个数据组分别进行函数拟合，得到不同使用频率模式下电梯的平均等待进入电梯时间和总资源消耗间的映射曲线，并分别求取各种使用频率模式下电梯运行分配的最佳资源利用率点，建立使用频率模式——最佳资源利用率点的学习库。 

S4、选择平均等待进入电梯时间、拥挤参数、资源消耗作为电梯运行分配系统多目标优化问题研究的目标函数，建立指示函数 

$F(i,k)={\mathrm{\ω}}_1\frac{f_w(i,k)}{f_w^{*}}+{\mathrm{\ω}}_2\frac{f_c(i,k)}{f_c^{*}}+{\mathrm{\ω}}_3\frac{f_e(i,k)}{f_e^{*}}$

式中，f_w(i，k)为电梯k响应第i层外呼信号时所估计的乘客等待进入电梯时间的目标函数；f_c(i，k)为电梯k响应第i层外呼信号时所估计的电梯内拥挤参数的目标函数；f_e(i，k)为电梯k响应第i层外呼信号时所需消耗的能量的目标函数；表示期望等待进入电梯 时间；表示期望拥挤参数；表示期望资源消耗值；ω₁，ω₂，ω₃为权系数，即指示函数参数，在学习库中存储不同使用频率模式所对应的指示函数参数； 

S5、模拟测算生成电梯使用频率信息，或采集实际的使用频率信息； 

S6、根据使用频率信息，进行交通模式识别，确定使用频率模式，并在学习库中参数库寻找与该使用频率所属类别相匹配的指示函数参数以及与该使用频率模式相匹配的指示函数期望值； 

S7、设自适应函数为 

$\mathrm{FIT}\left(X_i\right)={\mathrm{Fit}}_{\max }-\underset{j=1}{\overset{n}{\mathrm{\Σ}}}F(j,x_{i,j})$

式中：Fit_max为常数，是向量X_i的分量，表示第i部电梯响应第j层的呼叫电梯信号，采用DPSO(离散优化粒子群)方法，求解最优电梯分配方案。 

本发明的上述电梯运行智能分配管理方法，其中的步骤S3是利用BP神经网络对数据组进行函数拟合。 

作为优选实施方式，所述指示函数的资源消耗项分为电梯启停过程启动制动的资源消耗和运载乘客过程中克服重力做功两部分，即f_e(i，k)＝E_s(i，k)+E_p(i，k)，其中E_p(i，k)＝|w(i，k)-W_const|*g*h(i，k)，式中，w(i，k)为电梯k响应第i层外呼信号过程中负载的质量；W_const＝W_cwt-W_car，W_car为电梯空载时的质量，W_cwt为电梯对重的质量；g为重力加速度；h(i，k)为电梯k响应第i层外呼信号所行驶的里程。 

作为优选实施方式，本发明在步骤S7之后，还执行下列的指示 函数参数调整步骤：根据使用频率信息，求取乘客的平均等待进入电梯时间、电梯的启停次数以及拥挤参数的数值，然后通过与期望值作比较而得到偏差，利用该偏差调整指示函数参数，使平均等待进入电梯时间、电梯启停次数以及拥挤参数均尽量达到其相应的期望值，然后根据调整后指示函数参数计算指示函数值，最后根据系统环境和各目标函数优化后的反馈信息对学习库进行更新； 

上述步骤S7具体包括下列步骤： 

S7-1、初始化群组 

读取呼叫电梯队列中等待响应的呼叫电梯信号序列，初始化群组的规模m，在解空间中随机产生m个粒子X_i(0)即可行电梯分配方案和初始行驶速度V_i(0)。初始化粒子自适应函数的权重系数参数，计算得到初始个体峰值pBest_i(0)和全局峰值gBest_i(0)； 

S7-2、按照粒子的运动公式 

$\left\{\begin{array}{c}V(t+1)=c_1\⊗V_1\⊕c_2\⊗(\mathrm{pBest}\left(t\right)-X\left(t\right))\⊕c_3\⊗(\mathrm{gBest}\left(t\right)-X\left(t\right))\\ X(t+1)=X\left(t\right)+V(t+1)\end{array}\right.,$

更新每个粒子的位置和行驶速度，式中，算符的定义： 

⊕算符的定义：令V₁和V₂是两个速度矢量，定义两个速度的和V₁⊕V₂为把V2中的交换序列依次添加到V₁的后面； 

S7-3、确定当前群组的自适应函数FIT(X_i)； 

S7-4、根据自适应函数计算每个粒子当前位置的适应值； 

S7-5、对每个粒子将其当前位置的适应值与对应的个体峰值进行比较，如果较优，则更新个体峰值为当前位置的适应值，否则保持当前个体峰值不变； 

S7-6、对每个粒子将其当前个体峰值与全局峰值进行比较，如果较优，则更新全局峰值为相应的个体峰值，否则保持当前的全局峰值不变； 

S7-7、如未达到预先设定的停止准则，则返回步骤S2，若达到则停止计算。 

本发明通过嵌入了电梯运行智能分配管理方法的中央控制器控制大楼里的多台电梯，可让电梯组分工明确在恰当的时间到达恰当的位置，既能保证整个系统有较好的服务质量，又能尽可能节约资源消耗。另外，本发明的电梯运行智能分配管理方法实施起来较为简便，既易于嵌入已安装的电梯系统的控制器内，还可以与目前一些现有的电梯硬件提高资源利用率技术配合使用，使提高资源利用率效率有进一步的提高。 

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中： 

附图1示出了根据本发明实施方式的电梯运行智能分配管理方法流程图。 

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。 

根据本发明的实施方式，提出一种电梯运行智能分配管理方法，如附图1所示，所述方法包括下列步骤： 

S1、根据各个电梯的历史运行规律，确定使用频率模式；所述使用频率模式分为：上行密集使用频率模式、下行密集使用频率模式、层间随机使用频率模式等。 

S2、建立各电梯运行的模拟测算环境，对各个使用频率模式分别进行模拟测算，测试出在不同使用频率模式下，电梯的平均等待进入电梯时间在预设时间范围内变化时资源消耗和拥挤参数值的变化数据组。 

S3、对各个数据组分别进行函数拟合，得到不同使用频率模式下电梯的平均等待进入电梯时间和总资源消耗间的映射曲线，并分别求取各种使用频率模式下电梯运行分配的最佳资源利用率点，建立使用频率模式——最佳资源利用率点的学习库。 

S4、选择平均等待进入电梯时间、拥挤参数、资源消耗作为电梯运行分配系统多目标优化问题研究的目标函数，建立指示函数 

$F(i,k)={\mathrm{\ω}}_1\frac{f_w(i,k)}{f_w^{*}}+{\mathrm{\ω}}_2\frac{f_c(i,k)}{f_c^{*}}+{\mathrm{\ω}}_3\frac{f_e(i,k)}{f_e^{*}}$

式中，f_w(i，k)为电梯k响应第i层外呼信号时所估计的乘客等待进入电梯时间的目标函数；f_c(i，k)为电梯k响应第i层外呼信号时所估计的电梯内拥挤参数的目标函数；f_e(i，k)为电梯k响应第i层外呼信号时所需消耗的能量的目标函数；表示期望等待进入电梯时间；表示期望拥挤参数；表示期望资源消耗值；ω₁，ω₂，ω₃为权系数，即指示函数参数，在学习库中存储不同使用频率模式所对应的指示函数参数； 

S5、模拟测算生成电梯使用频率信息，或采集实际的使用频率信息； 

S6、根据使用频率信息，进行交通模式识别，确定使用频率模式，并在学习库中参数库寻找与该使用频率所属类别相匹配的指示函数参数以及与该使用频率模式相匹配的指示函数期望值； 

S7、设自适应函数为 

$\mathrm{FIT}\left(X_i\right)={\mathrm{Fit}}_{\max }-\underset{j=1}{\overset{n}{\mathrm{\Σ}}}F(j,x_{i,j})$

式中：Fit_max为常数，是向量X_i的分量，表示第i部电梯响应第j层的呼叫电梯信号，采用DPSO(离散优化粒子群)方法，求解最优电梯分配方案。 

本发明的上述电梯运行智能分配管理方法，其中的步骤S3是利用BP神经网络对数据组进行函数拟合。 

作为优选实施方式，所述指示函数的资源消耗项分为电梯启停过程启动制动的资源消耗和运载乘客过程中克服重力做功两部分，即f_e(i，k)＝E_s(i，k)+E_p(i，k)，其中E_p(i，k)＝|w(i，k)-W_const|*g*h(i， k)，式中，w(i，k)为电梯k响应第i层外呼信号过程中负载的质量；W_const＝W_cwt-W_car，W_car为电梯空载时的质量，W_cwt为电梯对重的质量；g为重力加速度；h(i，k)为电梯k响应第i层外呼信号所行驶的里程。 

作为优选实施方式，本发明在步骤S7之后，还执行下列的指示函数参数调整步骤：根据使用频率信息，求取乘客的平均等待进入电梯时间、电梯的启停次数以及拥挤参数的数值，然后通过与期望值作比较而得到偏差，利用该偏差调整指示函数参数，使平均等待进入电梯时间、电梯启停次数以及拥挤参数均尽量达到其相应的期望值，然后根据调整后指示函数参数计算指示函数值，最后根据系统环境和各目标函数优化后的反馈信息对学习库进行更新； 

上述步骤S7具体包括下列步骤： 

S7-1、初始化群组 

读取呼叫电梯队列中等待响应的呼叫电梯信号序列，初始化群组的规模m，在解空间中随机产生m个粒子X_i(0)即可行电梯分配方案和初始行驶速度V_i(0)。初始化粒子自适应函数的权重系数参数，计算得到初始个体峰值pBest_i(0)和全局峰值gBest_i(0)； 

S7-2、按照粒子的运动公式 

$\left\{\begin{array}{c}V(t+1)=c_1\⊗V_1\⊕c_2\⊗(\mathrm{pBest}\left(t\right)-X\left(t\right))\⊕c_3\⊗(\mathrm{gBest}\left(t\right)-X\left(t\right))\\ X(t+1)=X\left(t\right)+V(t+1)\end{array}\right.,$

更新每个粒子的位置和行驶速度，式中，算符的定义： 

⊕算符的定义：令V₁和V₂是两个速度矢量，定义两个速度的和V₁⊕V₂为把V2中的交换序列依次添加到V₁的后面。 

S7-3、确定当前群组的自适应函数FIT(X_i)； 

S7-41、根据自适应函数计算每个粒子当前位置的适应值； 

S7-5、对每个粒子将其当前位置的适应值与对应的个体峰值进行比较，如果较优，则更新个体峰值为当前位置的适应值，否则保持当前个体峰值不变； 

S7-6、对每个粒子将其当前个体峰值与全局峰值进行比较，如果较优，则更新全局峰值为相应的个体峰值，否则保持当前的全局峰值不变； 

S7-7、如未达到预先设定的停止准则，则返回步骤S2，若达到则停止计算。 

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。 

Claims (5)

1.一种电梯运行智能分配管理方法，所述方法包括下列步骤： 

S1、根据各个电梯的历史运行规律，确定使用频率模式，所述使用频率模式分为：上行密集使用频率模式、下行密集使用频率模式、层间随机使用频率模式； 

S2、建立各电梯运行的模拟测算环境，对各个使用频率模式分别进行模拟测算，测试出在不同使用频率模式下，电梯的平均等待进入电梯时间在预设时间范围内变化时资源消耗和拥挤参数值的变化数据组； 

S3、对各个数据组分别进行函数拟合，得到不同使用频率模式下电梯的平均等待进入电梯时间和总资源消耗间的映射曲线，并分别求取各种使用频率模式下电梯运行分配的最佳资源利用率点，建立使用频率模式——最佳资源利用率点的学习库； 

S4、选择平均等待进入电梯时间、拥挤参数、资源消耗作为电梯运行分配系统多目标优化问题研究的目标函数，建立指示函数 

式中，f_w(i，k)为电梯k响应第i层外呼信号时所估计的乘客等待进入电梯时间的目标函数；f_c(i，k)为电梯k响应第i层外呼信号时所估计的电梯内拥挤参数的目标函数；f_e(i，k)为电梯k响应第i层外呼信号时所需消耗的能量的目标函数；表示期望等待进入电梯时间；表示期望拥挤参数；表示期望资源消耗值；ω₁，ω₂，ω₃为 权系数，即指示函数参数，在学习库中存储不同使用频率模式所对应的指示函数参数； 

S5、模拟测算生成电梯使用频率信息，或采集实际的使用频率信息； 

S6、根据使用频率信息，进行交通模式识别，确定使用频率模式，并在学习库中参数库寻找与该使用频率所属类别相匹配的指示函数参数以及与该使用频率模式相匹配的指示函数期望值； 

S7、设自适应函数为 

式中：Fit_max为常数，是向量X_i的分量，表示第i部电梯响应第j层的呼叫电梯信号，采用DPSO(离散优化粒子群)方法，求解最优电梯分配方案。 

2.一种如权利要求1所述的方法，所述步骤S3是利用BP神经网络对数据组进行函数拟合。 

3.一种如权利要求1所述的方法，所述指示函数的资源消耗项分为电梯启停过程启动制动的资源消耗和运载乘客过程中克服重力做功两部分，即f_e(i，k)＝E_s(i，k)+E_p(i，k)，其中E_p(i，k)＝|w(i，k)-W_const|*g*h(i，k)，式中，w(i，k)为电梯k响应第i层外呼信号过程中负载的质量；W_const＝W_cwt-W_car，W_car为电梯空载时的质量，W_cwt为电梯对重的质量；g为重力加速度；h(i，k)为电梯k响应第i层外呼信号所行驶的里程。 

4.一种如权利要求3所述的方法，所述本发明在步骤S7之后， 还执行下列的指示函数参数调整步骤： 

根据使用频率信息，求取乘客的平均等待进入电梯时间、电梯的启停次数以及拥挤参数的数值，然后通过与期望值作比较而得到偏差，利用该偏差调整指示函数参数，使平均等待进入电梯时间、电梯启停次数以及拥挤参数均尽量达到其相应的期望值，然后根据调整后指示函数参数计算指示函数值，最后根据系统环境和各目标函数优化后的反馈信息对学习库进行更新。

5.一种如权利要求1-4其中之一所述的方法，所述步骤S7具体包括下列子步骤： 

S7-1、初始化群组 

读取呼叫电梯队列中等待响应的呼叫电梯信号序列，初始化群组的规模m，在解空间中随机产生m个粒子X_i(0)和初始行驶速度V_i(0)，初始化粒子自适应函数的权重系数参数，计算得到初始个体峰值pBest_i(0)和全局峰值gBest_i(0)； 

S7-2、按照粒子的运动公式 

更新每个粒子的位置和行驶速度，式中，算符的定义： 

算符的定义：令V₁和V₂是两个速度矢量，定义两个速度的和 为把V2中的交换序列依次添加到V₁的后面； 

S7-3、确定当前群组的自适应函数FIT(X_i)； 

S7-4、根据自适应函数计算每个粒子当前位置的适应值； 

S7-5、对每个粒子将其当前位置的适应值与对应的个体峰值进行比较，如果较优，则更新个体峰值为当前位置的适应值，否则保持当前个体峰值不变； 

S7-6、对每个粒子将其当前个体峰值与全局峰值进行比较，如果较优，则更新全局峰值为相应的个体峰值，否则保持当前的全局峰值不变； 

S7-7、如未达到预先设定的停止准则，则返回步骤S2，若达到则停止计算。