发明内容
本发明实施例提供了一种电梯悬停位置的确定方法及装置,以降低用户呼叫等待电梯的时间。
第一方面,本发明实施例提供了一种电梯悬停位置的确定方法,预先构建样本库,所述样本库中包括多个样本,其中,每一个样本对应一个时间段和在该时间段内电梯停靠次数最多的楼层;还包括:
确定目标时间段;
在所述样本库中选择对应于所述目标时间段的多个目标样本;
根据选择的所述多个目标样本进行迭代学习;
根据学习结果确定在所述目标时间段内的第一电梯悬停位置。
优选地,所述根据选择的所述多个目标样本进行迭代学习,包括:
S1:将所述多个目标样本作为输入样本;
S2:对所述输入样本进行处理,得到输出结果,判断所述输出结果是否收敛,若收敛,则执行步骤S3,否则,将所述输出结果作为输入样本并继续执行S2;
S3:将收敛的输出结果作为所述学习结果;其中,该收敛的输出结果为在所述目标时间段内的第一电梯悬停位置。
优选地,所述对所述输入样本进行处理,包括:
利用下述公式对所述输入样本进行处理:
present[i+1]=present[i]+v[i]*t
v[i+1]=w*v[i]+c1*random[1]*(pbest[i]-present[i])+c2*random(2)*(gbest[i]-present[i])+random(v)
其中,present[i+1]用于表征下一次电梯悬停位置,present[i]用于表征所述输入样本对应的当前一次电梯悬停位置,i为正整数,在i=1时,present[i]为选择的目标样本中电梯停靠次数最多的楼层,v[i+1]用于表征下一次电梯速度,v[i]用于表征所述输入样本对应的当前一次电梯速度,在i=1时,v[i]为初始化的速度,t为经验值,用于表征学习一次需要的时间,w为设置的权值,c1、c2均为(0,1)之间的随机数,random[1]、random[2]、random[v]均为随机数,pbest[i]用于表征当前一次电梯悬停位置的最优解,gbest[i]用于表征从第一次学习到当前一次学习之间电梯悬停位置的最优解。
优选地,
所述判断所述输出结果是否收敛,包括:判断输出结果中对应的下一次电梯悬停位置与当前一次电梯悬停位置是否相同,若相同,则确定所述输出结果收敛;
进一步包括:设置收敛阈值;
在执行S3之前,进一步包括:在所述输出结果收敛时,根据所述收敛阈值和当前一次电梯悬停位置的最优解确定收敛范围,并进一步判断所述输出结果是否位于所述收敛范围内,若是,则执行S3。
优选地,
进一步包括:确定所包括的多个电梯;
进一步包括:当时间处于所述目标时间段时,在多个电梯中选择第一电梯悬停在所述第一电梯悬停位置;
进一步包括:将样本库中对应于所述第一电梯悬停位置的样本删除;继续执行所述在所述样本库中选择对应于所述目标时间段的多个目标样本步骤,以确定在所述目标时间段内的第二电梯悬停位置,并在所述多个电梯中未被选择的电梯中执行选择第二电梯悬停在所述第二电梯悬停位置,并将样本库中对应于所述第二电梯悬停位置的样本删除,并继续执行所述在所述样本库中选择对应于所述目标时间段的多个目标样本步骤,直到所述多个电梯中不包括未被选择的电梯。
优选地,
进一步包括:接收预约请求,其中,所述预约请求携带预约时间点、预约楼层和预约方向,判断是否包括运行方向与所述预约方向相同、尚未运行到所述预约楼层、且若运行到所述预约楼层的时间与预约时间点相同的目标电梯,若包括,则接受所述预约请求,并控制电梯在运行到所述预约楼层时进行停留并开启;若不包括,则拒绝所述预约请求。
第二方面,本发明实施例还提供了一种电梯悬停位置的确定装置,包括:
构建单元,用于构建样本库,所述样本库中包括多个样本,其中,每一个样本对应一个时间段和在该时间段内电梯停靠次数最多的楼层;
第一确定单元,用于确定目标时间段;
第一选择单元,用于在所述样本库中选择对应于所述目标时间段的多个目标样本;
学习单元,用于根据选择的所述多个目标样本进行迭代学习;
第二确定单元,用于根据学习结果确定在所述目标时间段内的第一电梯悬停位置。
优选地,
所述学习单元,包括:
输入样本确定模块,用于将所述多个目标样本作为输入样本;
处理模块,用于对所述输入样本进行处理,得到输出结果;
判断模块,用于判断所述输出结果是否收敛,若收敛,则触发学习结果确定模块执行相应操作,否则,将所述输出结果作为输入样本并触发所述处理模块继续执行相应操作;
学习结果确定模块,用于将收敛的输出结果作为所述学习结果;其中,该收敛的输出结果为在所述目标时间段内的第一电梯悬停位置;
优选地,
进一步包括:第三确定单元,用于确定所包括的多个电梯;
进一步包括:第二选择单元,用于当时间处于所述目标时间段时,在多个电梯中选择第一电梯悬停在所述第一电梯悬停位置;
进一步包括:删除单元,用于将样本库中对应于所述第一电梯悬停位置的样本删除,并触发所述第一选择单元继续执行相应操作,以使第二确定单元确定在所述目标时间段内的第二电梯悬停位置,触发所述第二选择单元在所述多个电梯中未被选择的电梯中执行选择第二电梯悬停在所述第二电梯悬停位置,并触发所述删除单元将样本库中对应于所述第二电梯悬停位置的样本删除,并继续触发所述第一选择单元继续执行相应操作,直到所述多个电梯中不包括未被选择的电梯时停止对所述删除单元的触发操作;
优选地,
进一步包括:接收单元,用于接收预约请求,其中,所述预约请求携带预约时间点、预约楼层和预约方向;
第一判断单元,用于判断是否包括运行方向与所述预约方向相同、尚未运行到所述预约楼层、且若运行到所述预约楼层的时间与预约时间点相同的目标电梯,若包括,则接受所述预约请求,并控制电梯在运行到所述预约楼层时进行停留并开启;若不包括,则拒绝所述预约请求。
优选地,所述处理模块,具体用于利用下述公式对所述输入样本进行处理:
present[i+1]=present[i]+v[i]*t
v[i+1]=w*v[i]+c1*random[1]*(pbest[i]-present[i])+c2*random(2)*(gbest[i]-present[i])+random(v)
其中,present[i+1]用于表征下一次电梯悬停位置,present[i]用于表征所述输入样本对应的当前一次电梯悬停位置,i为正整数,在i=1时,present[i]为选择的目标样本中电梯停靠次数最多的楼层,v[i+1]用于表征下一次电梯速度,v[i]用于表征所述输入样本对应的当前一次电梯速度,在i=1时,v[i]为初始化的速度,t为经验值,用于表征学习一次需要的时间,w为设置的权值,c1、c2均为(0,1)之间的随机数,random[1]、random[2]、random[v]均为随机数,pbest[i]用于表征当前一次电梯悬停位置的最优解,gbest[i]用于表征从第一次学习到当前一次学习之间电梯悬停位置的最优解。
优选地,
所述判断模块,具体用于判断输出结果中对应的下一次电梯悬停位置与当前一次电梯悬停位置是否相同,若相同,则确定所述输出结果收敛;
进一步包括:设置单元,用于设置收敛阈值;
进一步包括:第二判断单元,用于在所述输出结果收敛时,根据所述收敛阈值和当前一次电梯悬停位置的最优解确定收敛范围,并进一步判断所述输出结果是否位于所述收敛范围内,若是,则触发所述学习结果确定单元执行相应操作。
本发明实施例提供了一种电梯悬停位置的确定方法及装置,通过构建样本库,在样本库中选择对应于目标时间段的多个目标样本进行迭代学习,以根据学习结果确定目标时间段内的第一电梯悬停位置,通过迭代学习的方式可以保证确定的电梯悬停位置的准确性,从而可以降低用户呼叫等待电梯的时间,进而提高工作效率。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种电梯悬停位置的确定方法,该方法可以包括以下步骤:
步骤101:预先构建样本库,所述样本库中包括多个样本,其中,每一个样本对应一个时间段和在该时间段内电梯停靠次数最多的楼层;
步骤102:确定目标时间段;
步骤103:在所述样本库中选择对应于所述目标时间段的多个目标样本;
步骤104:根据选择的所述多个目标样本进行迭代学习;
步骤105:根据学习结果确定在所述目标时间段内的第一电梯悬停位置。
根据上述实施例,通过构建样本库,在样本库中选择对应于目标时间段的多个目标样本进行迭代学习,以根据学习结果确定目标时间段内的第一电梯悬停位置,通过迭代学习的方式可以保证确定的电梯悬停位置的准确性,从而可以降低用户呼叫等待电梯的时间,进而提高工作效率。
为了提高电梯悬停位置的准确性,需要对选择的多个目标样本进行迭代学习,在本发明一个实施例中,可以通过如下方式实现:
S1:将所述多个目标样本作为输入样本;
S2:对所述输入样本进行处理,得到输出结果,判断所述输出结果是否收敛,若收敛,则执行步骤S3,否则,将所述输出结果作为输入样本并继续执行S2;
S3:将收敛的输出结果作为所述学习结果;其中,该收敛的输出结果为在所述目标时间段内的第一电梯悬停位置。
在本发明一个实施例中,在对输入样本进行处理时,可以通过下述公式来实现:
present[i+1]=present[i]+v[i]*t
v[i+1]=w*v[i]+c1*random[1]*(pbest[i]-present[i])+c2*random(2)*(gbest[i]-present[i])+random(v)
其中,present[i+1]用于表征下一次电梯悬停位置,present[i]用于表征所述输入样本对应的当前一次电梯悬停位置,i为正整数,在i=1时,present[i]为选择的目标样本中电梯停靠次数最多的楼层,v[i+1]用于表征下一次电梯速度,v[i]用于表征所述输入样本对应的当前一次电梯速度,在i=1时,v[i]为初始化的速度,t为经验值,用于表征学习一次需要的时间,w为设置的权值,c1、c2均为(0,1)之间的随机数,random[1]、random[2]、random[v]均为随机数,pbest[i]用于表征当前一次电梯悬停位置的最优解,gbest[i]用于表征从第一次学习到当前一次学习之间电梯悬停位置的最优解。
在本发明一个实施例中,在判断输出结果中对应的下一次电梯悬停位置与当前一次电梯悬停位置相同时,则确定输出结果收敛,而在收敛时,需要保证收敛的输出结果位于收敛范围内,才能够表明该输出结果的值为预测准确的电梯悬停位置。
在一个大楼中包括多个电梯时,可以按照该大楼中在目标时间段内对电梯呼叫的需求从高到低进行排序,以在目标时间段内多个电梯位于空闲状态时,将该多个电梯分配给呼叫需求高的楼层,因此,在本发明一个实施例中,可以进一步包括:确定所包括的多个电梯;
进一步包括:当时间处于所述目标时间段时,在多个电梯中选择第一电梯悬停在所述第一电梯悬停位置;
进一步包括:将样本库中对应于所述第一电梯悬停位置的样本删除;继续执行所述在所述样本库中选择对应于所述目标时间段的多个目标样本步骤,以确定在所述目标时间段内的第二电梯悬停位置,并在所述多个电梯中未被选择的电梯中执行选择第二电梯悬停在所述第二电梯悬停位置,并将样本库中对应于所述第二电梯悬停位置的样本删除,并继续执行所述在所述样本库中选择对应于所述目标时间段的多个目标样本步骤,直到所述多个电梯中不包括未被选择的电梯。
根据上述实施例,不仅可以降低用户等待电梯的时间,还可以按需分配资源,从而进一步提高整个大楼的工作效率。
在本发明一个实施例中,为了进一步提高用户的工作效率,还可以设置电梯预约功能,可以进一步包括:接收预约请求,其中,所述预约请求携带预约时间点、预约楼层和预约方向,判断是否包括运行方向与所述预约方向相同、且尚未运行到所述预约楼层的目标电梯,若包括,则接受所述预约请求,并控制电梯在运行到所述预约楼层时进行停留并开启;若不包括,则拒绝所述预约请求。
如图2所示,本发明实施例提供了一种电梯悬停位置的确定方法,该方法可以包括以下步骤:
步骤201:构建样本库。
样本库中可以包括多个样本,每一个样本均对应一个时间段和该时间段内电梯停靠次数最多的楼层。其中,样本库中包括的样本个数越多,对后续预计出的电梯悬停位置越准确。
其中,样本库中包括的多个样本可以通过如下方式获得:
可以设定一个较长时期,以该时期为一个月为例进行说明,例如,4月1日-4月30日,并将该段时期内的每一天进行时间段的划分,例如,7-8点,8-9点,9-10点,……,19-20点共13个时间段。
根据上述设定的时期和每一天划分的时间段,进行采样:
在4月1日-4月30日之间的每一天中,确定7-8点的时间段内电梯停靠次数最多的楼层,采集到对应该时间段的样本数为30个;
在4月1日-4月30日之间的每一天中,确定8-9点的时间段内电梯停靠次数最多的楼层,采集到对应该时间段的样本数为30个;
在4月1日-4月30日之间的每一天中,确定9-10点的时间段内电梯停靠次数最多的楼层,采集到对应该时间段的样本数为30个;
……
在4月1日-4月30日之间的每一天中,确定19-20点的时间段内电梯停靠次数最多的楼层,采集到对应该时间段的样本数为30个。
将上述采集到的样本存储到样本库中。
步骤202:确定目标时间段,例如7-8点,在样本库中选择对应该目标时间段的多个目标样本。
选择的样本越多,确定出的该目标时间段内电梯悬停位置越准确,因此,本步骤中需要选择大量的目标样本,为了使本实施例更加清楚,以选择的样本数为10个为例进行说明。该10个样本分别为样本1、样本2、样本3、……、样本10。
步骤203:对选择的目标样本进行初始化,并设置收敛阈值。
在本实施例中,在对选择的样本进行处理时,需要对目标样本进行初始化,以针对每一个目标样本初始化相应的初始速度。
其中,该收敛阈值用于保证确定的电梯悬停位置的准确性。例如,该收敛阈值为1。
步骤204:将选择的目标样本进行多次迭代学习,并在每一次迭代学习之后判断得到的学习结果是否收敛,若收敛,执行步骤205;否则,继续执行本步骤。
在本实施例中,可以通过如下方式对目标样本进行多次迭代学习:
S1:将所述多个目标样本作为输入样本;
S2:对所述输入样本进行处理,得到输出结果,判断所述输出结果是否收敛,若收敛,则执行步骤S3,否则,将所述输出结果作为输入样本并继续执行S2;
S3:将收敛的输出结果作为所述学习结果;其中,该收敛的输出结果为在所述目标时间段内的第一电梯悬停位置。
其中,对输入样本进行处理可以通过如下公式来实现:
present[i+1]=present[i]+v[i]*t (1)
v[i+1]=w*v[i]+c1*random[1]*(pbest[i]-present[i])+c2*random(2)*(gbest[i]-present[i])+random(v) (2)
其中,present[i+1]用于表征下一次电梯悬停位置,present[i]用于表征所述输入样本对应的当前一次电梯悬停位置,i为正整数,在i=1时,present[i]为选择的目标样本中电梯停靠次数最多的楼层,v[i+1]用于表征下一次电梯速度,v[i]用于表征所述输入样本对应的当前一次电梯速度,在i=1时,v[i]为初始化的速度,t为经验值,用于表征学习一次需要的时间,w为设置的权值,c1、c2均为(0,1)之间的随机数,random[1]、random[2]、random[v]均为随机数,pbest[i]用于表征当前一次电梯悬停位置的最优解,gbest[i]用于表征从第一次学习到当前一次学习之间电梯悬停位置的最优解。
在i=1时,pbest[1]可以通过如下方式计算:计算10个样本中电梯停靠次数最多的楼层的平均值,在平均值不为整数时,将该平均值四舍五入,得到的值即为pbest[1]。
gbest[i]可以通过如下方式计算:将每一次学习得到的pbest[i]计算平均值,将该平均值作为gbest[i],在平均值不为整数时,将该平均值四舍五入,将得到的值作为gbest[i]。
其中,pbest[1]=gbest[1]。
在i=1时,该第一次输出结果是通过对选择的每一个样本进行速度初始化,并将选择的每一个样本分别带入上述公式(1)、(2),以计算出每一个样本对应的下一次电梯悬停位置和下一次电梯速度。
在每一次学习结束之后,判断该当前一次输出结果是否收敛,该判断过程可以通过如下方式实现:该当前一次输出结果中包括的下一次电梯悬停位置是否与当前一次电梯悬停位置相同,若相同,则表明收敛,若不相同,则表明不收敛。
在当前一次输出结果不收敛时,将当前一次输出结果中包括的present[i+1]和v[i+1]分别作为present[i]和v[i]带入到上述公式(1)和(2)进行下一次学习,依次迭代,直到输出结果收敛。
在本实施例中,可以进一步设置迭代学习次数,例如,100次,若根据上述公式进行100次迭代学习之后,输出结果仍然不收敛,确定学习失败,可以返回执行步骤202,直到输出结果收敛。
步骤205:根据收敛阈值,判断输出结果是否在收敛范围内,若是,则执行步骤206;否则,执行步骤202。
在本实施例中,若收敛的输出结果对应的下一次电梯悬停位置与当前一次电梯悬停位置相同时,可以计算得到当前一次电梯悬停位置的最优解为25层,以设置的收敛阈值为1为例,那么收敛的输出结果对应的下一次电梯悬停位置需要为24、25或26层,则表明收敛的输出结果在收敛范围内。
若收敛的输出结果不在收敛范围内,那么表明本次迭代学习失败,需要重新选择目标样本进行学习。
步骤206:根据输出结果,确定在目标时间段内的第一电梯悬停位置。
在本实施例中,可以将输出结果包括的值作为该目标时间段内的第一电梯悬停位置,例如,该第一电梯悬停位置为25层。
步骤207:确定大楼中所包括的多个电梯,当时间处于目标时间段时,在多个电梯中选择至少一部电梯悬停在该第一电梯悬停位置对应的楼层。
在本实施例中,在某些大楼中,由于楼层数较多,因此包括多个电梯供业主使用,且对包括的该多个电梯进行楼层停留的设置,例如,大楼共包括30层楼,包括6部电梯,其中,电梯1、电梯2用于高层使用(15-30层),电梯3、电梯4用于低层使用(1-14层),电梯5、电梯6用于整个大楼的使用(1-30层)。那么当时间处于该目标时间段(7-8点)时,可以在该6部电梯中选择电梯1在空闲状态时悬停在25层。
步骤208:将样本库中对应于第一电梯悬停位置的样本删除;继续执行所述步骤202,以确定在所述目标时间段内的第二电梯悬停位置,并在所述多个电梯中未被选择的电梯中执行选择第二电梯悬停在所述第二电梯悬停位置,并将样本库中对应于所述第二电梯悬停位置的样本删除,并继续执行步骤202,直到所述多个电梯中不包括未被选择的电梯。
例如,将样本库中对应于电梯悬停位置为25层的样本删除,并继续执行步骤202,以确定在目标时间段内的第二电梯悬停位置,例如,该第二电梯悬停位置为19层,那么可以选择电梯2在该目标时间段内悬停在19层,并将样本库中对应于电梯悬停位置为19层的样本删除,并继续执行步骤202,直到该6部电梯全被选择完成为止,从而可以充分利用电梯资源,降低用户等待时间。
步骤209:接收预约请求,其中,该预约请求携带预约时间点、预约楼层和预约方向,判断是否包括运行方向与所述预约方向相同、尚未运行到所述预约楼层、且若运行到所述预约楼层的时间与预约时间点相同的目标电梯,若包括,则接受所述预约请求,并控制电梯在运行到所述预约楼层时进行停留并开启;若不包括,则拒绝所述预约请求。
在本实施例中,还可以设置电梯的预约功能,用户可以通过手机、平板或电脑等终端设备向电梯发送预约请求,该预约请求中可以携带预约时间点、预约楼层和预约方向,比如,预约时间点为12点,预约楼层为22楼,预约方向为向下运行,那么电梯可以根据该预约请求判断是否包括运行方向与预约方向相同、尚未运行到该预约楼层、且若运行到该预约楼层的时间与预约时间点相同的目标电梯,在包括时,可以接受该预约请求,并控制该目标电梯在该预约时间点时停留在该预约楼层开启,从而可以进一步提高用户的工作效率,减少用户的等待时间。
需要说明的是,用户进行电梯预约时,不可以预约过于靠后的时间点,例如,此时时刻为11点,预约12点的电梯,是不会生效的,因为,如果预约时间点过于靠后而不去使用会影响其他人的使用。例如,该提前预约的时间段可以为1分钟,需要保证预约时不影响其他人的使用,才可以接受该预约请求。
在本发明一个实施例中,还可以建立一个电梯预约逾期规则,以避免用户的恶意预约。例如,用户在发起预约请求之后,电梯在该预约楼层停留,而该发起预约请求的用户未如约进入电梯,那么则判定该用户逾期,若用户逾期次数超出设定次数阈值时,则将不接受该用户发起的预约请求。
其中,可以通过电梯上的摄像头来确定该发起预约请求的用户是否如约进入电梯。
进一步地,终端设备上还可以展示每一部电梯当前的运行楼层和方向,以使用户可以根据这些信息确定是否发起预约请求。
综上,本发明实施例可以在电梯悬停位置确定的准确率以及时间节省上均可以提高20%-30%。
如图3、图4所示,本发明实施例提供了一种电梯悬停位置的确定装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,如图3所示,为本发明实施例提供的一种电梯悬停位置的确定装置所在设备的一种硬件结构图,除了图3所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等。以软件实现为例,如图4所示,作为一个逻辑意义上的装置,是通过其所在设备的CPU将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。本实施例提供的一种电梯悬停位置的确定装置,包括:
构建单元401,用于构建样本库,所述样本库中包括多个样本,其中,每一个样本对应一个时间段和在该时间段内电梯停靠次数最多的楼层;
第一确定单元402,用于确定目标时间段;
第一选择单元403,用于在所述样本库中选择对应于所述目标时间段的多个目标样本;
学习单元404,用于根据选择的所述多个目标样本进行迭代学习;
第二确定单元405,用于根据学习结果确定在所述目标时间段内的第一电梯悬停位置。
在本发明一个实施例中,请参考图5,所述学习单元404,包括:
输入样本确定模块4041,用于将所述多个目标样本作为输入样本;
处理模块4042,用于对所述输入样本进行处理,得到输出结果;
判断模块4043,用于判断所述输出结果是否收敛,若收敛,则触发学习结果确定模块执行相应操作,否则,将所述输出结果作为输入样本并触发所述处理模块继续执行相应操作;
学习结果确定模块4044,用于将收敛的输出结果作为所述学习结果;其中,该收敛的输出结果为在所述目标时间段内的第一电梯悬停位置;
在本发明一个实施例中,请参考图6,该电梯悬停位置的确定装置可以进一步包括:
第三确定单元601,用于确定所包括的多个电梯;
第二选择单元602,用于当时间处于所述目标时间段时,在多个电梯中选择第一电梯悬停在所述第一电梯悬停位置;
删除单元603,用于将样本库中对应于所述第一电梯悬停位置的样本删除,并触发所述第一选择单元403继续执行相应操作,以使第二确定单元405确定在所述目标时间段内的第二电梯悬停位置,触发所述第二选择单元602在所述多个电梯中未被选择的电梯中执行选择第二电梯悬停在所述第二电梯悬停位置,并触发所述删除单元603将样本库中对应于所述第二电梯悬停位置的样本删除,并继续触发所述第一选择单元403继续执行相应操作,直到所述多个电梯中不包括未被选择的电梯时停止对所述删除单元603的触发操作。
在本发明一个实施例中,请参考图7,该电梯悬停位置的确定装置可以进一步包括:
接收单元701,用于接收预约请求,其中,所述预约请求携带预约时间点、预约楼层和预约方向;
第一判断单元702,用于判断是否包括运行方向与所述预约方向相同、尚未运行到所述预约楼层、且若运行到所述预约楼层的时间与预约时间点相同的目标电梯,若包括,则接受所述预约请求,并控制电梯在运行到所述预约楼层时进行停留并开启;若不包括,则拒绝所述预约请求。
在本发明一个实施例中,所述处理模块4042,具体用于利用下述公式对所述输入样本进行处理:
present[i+1]=present[i]+v[i]*t
v[i+1]=w*v[i]+c1*random[1]*(pbest[i]-present[i])+c2*random(2)*(gbest[i]-present[i])+random(v)
其中,present[i+1]用于表征下一次电梯悬停位置,present[i]用于表征所述输入样本对应的当前一次电梯悬停位置,i为正整数,在i=1时,present[i]为选择的目标样本中电梯停靠次数最多的楼层,v[i+1]用于表征下一次电梯速度,v[i]用于表征所述输入样本对应的当前一次电梯速度,在i=1时,v[i]为初始化的速度,t为经验值,用于表征学习一次需要的时间,w为设置的权值,c1、c2均为(0,1)之间的随机数,random[1]、random[2]、random[v]均为随机数,pbest[i]用于表征当前一次电梯悬停位置的最优解,gbest[i]用于表征从第一次学习到当前一次学习之间电梯悬停位置的最优解。
在本发明一个实施例中,所述判断模块4043,具体用于判断输出结果中对应的下一次电梯悬停位置与当前一次电梯悬停位置是否相同,若相同,则确定所述输出结果收敛;
在本发明一个实施例中,请参考图8,该电梯悬停位置的确定装置可以进一步包括:
设置单元801,用于设置收敛阈值;
第二判断单元802,用于在所述输出结果收敛时,根据所述收敛阈值和当前一次电梯悬停位置的最优解确定收敛范围,并进一步判断所述输出结果是否位于所述收敛范围内,若是,则触发所述学习结果确定单元执行相应操作。
综上,本发明实施例至少可以实现如下有益效果:
1、在本发明实施例中,通过构建样本库,在样本库中选择对应于目标时间段的多个目标样本进行迭代学习,以根据学习结果确定目标时间段内的第一电梯悬停位置,通过迭代学习的方式可以保证确定的电梯悬停位置的准确性,从而可以降低用户呼叫等待电梯的时间,进而提高工作效率。
2、在本发明实施例中,通过在迭代学习的公式中增加随机值,可以保证确定的电梯悬停位置的准确性。
3、在本发明实施例中,在大楼中包括多个电梯时,可以在确定出目标时间段内电梯悬停位置之后,可以将样本库中该目标时间段内与该电梯悬停位置对应的样本删除,以重新选择样本确定出电梯悬停位置,将剩余的空闲电梯在该重新确定的电梯悬停位置进行悬停,从而可以提高电梯资源的利用率。
4、在本发明实施例中,通过设置电梯的预约功能,用户可以通过终端设备进行电梯预约,若电梯接受预约请求,则可以根据该预约请求在预约楼层进行停留,从而可以进一步降低用户的等待时间。
上述装置内的各单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个······”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。