CN108217352A - 一种智能电梯调度系统 - Google Patents

Abstract

本发明属于智能电梯控制领域，具体涉及一种智能电梯调度系统，包括感应器系统模块、AI调度模块、定制信息处理模块；所述AI调度模块包含人脸识别单元、射频信息流处理单元、智能调度算法单元；本发明引入了人工智能算法，针对图像类感应器系统，利用卷积CNN神经网络对图像进行处理，为智能调度提供数据基础；本发明开拓了基于射频的深度学习方法，利用毫米波等射频方案，提供了一种图像信息之外的方式，大大提高了光线干扰环境下的稳定性；本发明解决了普遍存在的电梯轿厢调度较低效、损耗较高的问题；本发明利用智能手机、社交网络APP等平台，对个人用户可实现定制化智能调度。

Description

一种智能电梯调度系统

技术领域

本发明属于智能电梯控制领域，具体涉及一种智能电梯调度系统。

背景技术

传统电梯调度大多依赖用户手动在电梯调度按钮加入楼层等等信息指令，部分电梯依赖RFID系统实现特定楼层的员工专用；但是目前绝大多数电梯依然面临着尴尬的调度短板：

例如，早高峰上行(首层、地下车场)聚集较多人流，部分物业电梯组在多个轿厢同步接收上行请求时，出现其中一个轿厢响应，而其余不响应，造成人流的滞留、等待，浪费了宝贵的时间；

例如，部分电梯的控制系统反其道而行，只要轿厢无其他指令，对楼层的上下行指令都全部响应，会造成一个人下楼，却上来多部轿厢的情景，明显浪费了电能、加大了电梯的损耗；

例如，几乎所有电梯系统需要用户按键操作，手指与按钮的接触在一些特殊情况可能会成为微生物病原体的传播途径；

例如，大多电梯定期检测、更换线缆等等操作，没有大数据的支持，缺乏对元器件的定量评价指标，物业机构和监管机构没有定量化的大数据支持。

凡此类情景不一而足，我国是世界上最大电梯使用国，近年来许多城市高层建筑数量剧增，人口密度大、电梯负载较大，凸显类似的非智能化调度的弊端。针对此类问题，有许多专利文案、论文出现，但是大多数没有得到推广应用，存在着技术上的不完善、不经济性；

相关的智能电梯调度专利文案，例如某机构利用OpenCV对视频进行人体探测的方法，其鲁棒性值得商榷；仅仅基于RGB信息，在逆光、弱光条件下探测人体的稳定性较差。部分热成像、红外补光成像，涉及多参数镜头的方案成本较高，特别是热成像技术价格昂贵，目前很难得到应用。

发明内容

针对现有技术中存在的问题，本发明的目的是提供一种智能电梯调度系统，利用多种特定感应器以及人工智能算法，针对各种电梯轿厢的调度系统进行改造升级，达到高效、节能的目的，间接降低故障率、降损耗、节省了成本。

为了实现上述目的，本发明采用如下技术方案：

一种智能电梯调度系统，包括感应器系统模块、AI调度模块、定制信息处理模块；

所述感应器系统模块包括安装在电梯轿厢应用较多的物理地点的RGB摄像头、红外摄像头、热红外相机、红外结构光深度摄像头或者是射频单元，用于采集相应区域内的人流状况，以各种形式，比如RGB图像、红外图像、热红外图像，或者是基于射频的方案来得到实时的人流特征信息，实时传递给AI调度模块。

所述AI调度模块包含人脸识别单元、射频信息流处理单元、智能调度算法单元；

所述人脸识别单元用于对感应器系统模块传输进来的图片帧数据进行处理；

所述射频信息流处理单元用于对感应器系统模块传输进来的射频数据进行处理；

所述智能调度算法单元用于计算各个节点等待的人数，并控制电梯轿厢的运行方向、调度其相应运行参数；

所述定制信息处理模块由移动设备的网络APP或浏览器衔接用户的定制化需求。

本技术方案的进一步优化，所述射频单元为毫米波发射接收设备。

本技术方案的进一步优化，所述AI调度模块集成在嵌入式ARM系统平台，操作系统为GNU开源Debian内核。

本技术方案的进一步优化，所述人脸识别单元采用人工智能算法，利用卷积CNN神经网络对图像进行处理。

本技术方案的进一步优化，所述射频信息流处理单元采用深度学习模型处理射频数据，所述射频信息流处理单元的深度模型训练方法包括如下步骤：

(1)设定标准化空间场景，针对性采集相应数据，主要是时间同步的RGB视频数据流和射频信号流；

(2)视频流由开源的OpenCV-HOG算法处理，检测RGB图片中的人体，得到特定视频帧图片内人数数据；

(3)使用CNN、RNN深度学习模型，针对滤波处理的射频信息与视频帧的人流人数数据信息，对应生成的数据集作为训练集进行深度训练，使得射频模型具有判断射频信号内人数信息的能力。

本技术方案的进一步优化，所述模型训练在实际生产环境继续优化升级、迁移学习。

本技术方案的进一步优化，所述智能调度算法单元使用SVM或者NB模型。

本技术方案的进一步优化，所述定制信息处理模块使用H5页面提交信息，用户使用H5链接提交个人头像和定制化信息，并通过H5提交移动设备wifi网卡MAC地址。

本技术方案的进一步优化，所述AI调度模块调度电梯轿厢运行的全程数据记录在云端模型以供模型测试替换。

本技术方案的进一步优化，所述电梯轿厢应用较多的物理地点为所在大厦首层的电梯间以及延伸区域，延伸区域为电梯使用者迫于排队人数太多临时等待的区域，比如首层的大堂。

本发明的有益效果在于：

(1)本发明引入了人工智能算法，针对图像类感应器系统，利用卷积CNN神经网络对图像进行处理，提取到图像的局部和整体特征，从而判断图像视域内人流的实时状况，为智能调度提供数据基础；

(2)本发明开拓了基于射频的深度学习方法，利用毫米波等射频方案，针对射频信号信息探测信号辐射区域内的人流特征，使用深度学习模型，判断区域内的人流实时状况，提供了一种图像信息之外的方式，大大提高了光线干扰环境下的稳定性；

(3)本发明解决了普遍存在的电梯轿厢调度较低效、损耗较高的问题，针对电梯使用的运行数据长期详细记录，可供物业单位以及电梯监管机构利用，以及深度学习模型的定制化的算法调整；

(4)本发明利用智能手机、社交网络APP等平台，对个人用户可实现定制化智能调度。

附图说明

图1是本发明的整体示意图；

具体实施方式

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，所描述的实施例仅仅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。

一种智能电梯调度系统，包括感应器系统模块、AI调度模块、定制信息处理模块。

感应器系统模块包括安装在轿厢各个人流聚集点的感应器，不限于RGB摄像头、红外摄像头、热红外相机、红外结构光深度摄像头、射频单元等等；射频单元为毫米波发射接收设备。这些感应器布置在电梯轿厢应用较多的物理地点，比如大厦首层的电梯间以及延伸区域，延伸区域即电梯使用者迫于排队人数太多临时等待的区域，比如首层的大堂等等；感应器主要目的是用于采集相应区域内的人流状况，以各种形式，比如RGB图像或者红外图像、热红外图像，或者是基于射频的方案来得到实时的人流特征信息，这些信息实时传递给后台的AI调度模块的智能调度算法单元，算法单元计算各个节点等待的人数，并控制电梯轿厢的运行方向、调度其相应运行参数等等；

RGB摄像头可以按照监控目标空间组合部署，可利用物业原有监控设施；射频信号发射接收端可以针对某个密闭空间，如首层大堂部署一套射频设备；本实施例使用的是广角RGB摄像头，成像角度大于120度，镜头锐度大于70lp/mm，像素为1080*1920，视频传输格式为H265；与物业监控设备并行；

射频单元在实施例中使用的是FMCW射频装置，FMCW射频发射端安装在电梯间、大堂人流聚集的空间，距离地板3米左右，接收端成对安装，位于发射端的两侧，对称安装，与发射端距离控制在一定范围内，不小于50公分，不大于300公分，视所探测目标区域的水平尺寸调整，针对较大空间，如大厦首层大厅，可选择较大的间距；该装置以矩形脉冲形式发射射频电磁波，功率控制在工信部民用无线设备发射功率相关标准内；设备回波探测距离用回波时间差估算：

D(m)＝150*τ(μs)

其中D为距离，单位是米(m)，τ为时间差，单位是微秒(μs)；将反射回的脉冲按照时间窗口截选，由距离等式得到所需截选的区间范围，本实施例针对距离2-15m内回波进行分析，即在脉冲回波反射时间窗口在0.01微秒至0.1微秒之间。鉴于时间窗口极短，本实施例发射端发射脉冲波，并采用较小的占空比，其矩形脉冲的脉冲宽度(t冲)和脉冲间隔(tg)由以下条件限定：

tw＜tg*0.2&&tg＞1.5(ms)

即脉冲间隔大于脉冲宽度5倍，且脉冲间隔大于1.5毫秒；实施例脉冲频率f为每秒5次左右，即控制脉冲周期长达200毫秒，占空比远小于0.2；通过这些脉冲参数设置，使得平均发射功率在100mw之内。

每个脉冲宽度内，FMCW从23.8GHZ～24.2GHZ扫频一次，频率在扫频周期中以线性增长，即从低点23.8GHZ线性增长到高点24.2GHZ，扫频控制器通过控制发射端电压来控制频率；实施例中脉冲宽度约为1微秒；选择较小的周期，加快对射频数据的收集和训练；

AI调度模块集成在嵌入式ARM系统平台，操作系统为GNU开源Debian内核；

AI调度模块包含人脸识别单元、射频信息流处理单元、智能调度算法单元；

所述人脸识别单元用于对感应器系统模块传输进来的图片帧数据进行处理；

所述射频信息流处理单元用于对感应器系统模块传输进来的射频数据进行处理；

所述智能调度算法单元用于计算各个节点等待的人数，并控制电梯轿厢的运行方向、调度其相应运行参数；

人脸识别单元：采用人工智能算法，利用卷积CNN神经网络对图像进行处理。视频解码工具读取各轿厢传输进来的图片帧数据，按一定时间间隔抽取RGB视频流的图片帧，本发明实施例中使用10f/s的速率抽取视频帧图片；针对每一帧图片，由人脸识别单元提取轿厢内人脸区域，用MTCNN开源特征点模型，提取人两眼坐标点，针对人脸眼睛的坐标做相旋转，使旋转后人脸竖直方向正直，眼睛水平方向平齐，并把人脸区域图片缩放裁剪成96*112像素的灰度图；灰度图的生成结合RGB图片三个通道的信息，最大化细节信息，偏重提取B通道信息，保留脸部更多细节；灰度图在人脸特征提取模型中提取相应特征矩阵；所述的人脸特征提取模型是由大量东西方人脸数据训练而成，最终输出1024维特征向量；根据此特征向量与人员数据库中的已有特征向量对比，计算得出相似度，以此轮询数据库每一个特征值，最终找到最接近的目标值，当且仅当相似度大于某个阈值并且连续两帧图像提取到的轿厢人脸数据与数据库中人脸数据匹配时，系统输出该用户ID，以及相应的偏好楼层信息，由调度系统进一步处理；

射频信息流处理单元：采用深度学习模型处理射频数据。射频信息为1微秒的射频反射波信息，在两个接收端接收到的信号数据，实时传输到AI处理模块，进一步传递给此单元处理；此单元输入为原始信号脉冲信息，通过方差滤波，区分脉冲宽度内和脉冲间隔期的噪音信号；通过脉冲信号的第一层滤波得到每秒钟5段脉冲，每段回波周期长度为1-1.5微秒左右，使用FFT变换，转到频域，截取频率区间(23.8GHZ～24.2GHZ)内的信息，再使用FFT逆变换舍弃环境噪音干扰信息；根据奈奎斯特-香农定理，将过滤后的信息流向量化，采用适当的采样率(2倍采样率)，将周期长度内的信号转化为200K维度的、8比特浮点数的信号向量；该信号向量输入此单元的深度模型，得出射频探测区域内人流状况参数。此单元的深度模型训练方法如下：

(1)设定标准化空间场景，如针对不同建筑空间、不同布局，针对性采集相应数据，主要是时间同步的RGB视频数据流和射频信号流；

(2)视频流由开源的OpenCV-HOG算法处理，检测RGB图片中的人体，得到特定视频帧图片内人数数据；

(3)使用CNN、RNN等深度学习模型，针对滤波处理的射频信息与视频帧的人流人数数据信息，对应生成的数据集作为训练集进行深度训练，使得射频模型具有判断射频信号内人数信息的能力。

模型训练在实际生产环境继续优化升级、迁移学习。

智能调度算法单元：此单元为一独立的算法单元，使用SVM或者NB(朴素贝叶斯)模型；针对电梯调度中的各种量化指标，包括电梯开关门反馈时间、人均等待时间、系统总功耗、人均楼层通过耗能等等，可定制调度规则；此单元与物业控制中心直联，控制中心可以远程调用执行，在紧急情况下可以转由人工控制；模型训练的基本实现方法是根据启动、制动、加速、减速、开关电梯门等处理信息、轿厢内重量信息、人流变化信息、各个楼层人员定制信息进行定期模型训练，使得模型根据历史运行数据，寻找最优调度模式，根据特定的信息定制化派梯；在高峰期上下行请求较多时，电梯组各个成员轿厢可实现更优化的派梯组合；避免轿厢空运行，避免轿厢响应滞后、派梯不足或者过量；基于时间序列数据的训练，使得模型调度具有前瞻性，能够最高效运行；经过较长时间的数据收集、训练，模块可以脱离视频数据，基于射频数据运行。

所述AI调度模块调度电梯轿厢运行的全程数据记录在云端模型以供模型测试替换。

定制信息处理模块由网络APP(浏览器等)衔接用户的定制化需求，实施例中使用了H5页面提交信息，用户可以使用H5链接提交自己的个人头像和定制化信息，比如固定的工作楼层信息等等；头像通过H5页面上传给服务器，服务器人脸引擎针对上传的图片使用OpenCV-HaarCascade算法定位人脸坐标，利用特征提取模型针对人脸提取特征值，保存在数据库中，以供轿厢端摄像头的视频流在AI智能平台捕捉人脸特征后的比对。同样可以通过H5提交设备wifi网卡MAC地址，设定后，每当用户进入电梯wifi扫描区域内，用户设备的wifi网卡MAC地址即可由电梯wifi探测得到并上传给后台处理，后台调取相应的定制信息列表传给调度模块；调度模块自动设置目标楼层，用户可免于按下按钮来请求。定制信息处理模块利用智能手机、社交网络APP等平台，对个人用户可实现定制化智能调度，例如针对某个用户可以接收其提交的个体人脸信息，在进入轿厢之后实现实时识别，在按钮区域实现相应楼层的自动呼叫，相应按钮背光信号自动开启，无需接触，用户只需抬头面向图像感应器，或者开启蓝牙设备即可。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种智能电梯调度系统，其特征在于，包括感应器系统模块、AI调度模块、定制信息处理模块；

所述感应器系统模块包括安装在电梯轿厢应用较多的物理地点的RGB摄像头或射频单元，用于采集相应区域内的人流状况；

所述AI调度模块包含人脸识别单元、射频信息流处理单元、智能调度算法单元；

所述人脸识别单元用于对感应器系统模块传输进来的图片帧数据进行处理；

所述射频信息流处理单元用于对感应器系统模块传输进来的射频数据进行处理；

所述智能调度算法单元用于计算各个节点等待的人数，并控制电梯轿厢的运行方向、调度其相应运行参数；

所述定制信息处理模块由移动设备的网络APP或浏览器衔接用户的定制化需求。

2.根据权利要求1所述的一种智能电梯调度系统，其特征在于，所述射频单元为毫米波发射接收设备。

3.根据权利要求1所述的一种智能电梯调度系统，其特征在于，所述AI调度模块集成在嵌入式ARM系统平台，操作系统为GNU开源Debian内核。

4.根据权利要求1所述的一种智能电梯调度系统，其特征在于，所述人脸识别单元采用人工智能算法，利用卷积CNN神经网络对图像进行处理。

5.根据权利要求1所述的一种智能电梯调度系统，其特征在于，所述射频信息流处理单元采用深度学习模型处理射频数据，所述射频信息流处理单元的深度模型训练方法包括如下步骤：

(1)设定标准化空间场景，针对性采集相应数据，主要是时间同步的RGB视频数据流和射频信号流；

(2)视频流由开源的OpenCV-HOG算法处理，检测RGB图片中的人体，得到特定视频帧图片内人数数据；

(3)使用CNN、RNN深度学习模型，针对滤波处理的射频信息与视频帧的人流人数数据信息，对应生成的数据集作为训练集进行深度训练，使得射频模型具有判断射频信号内人数信息的能力。

6.根据权利要求5所述的一种智能电梯调度系统，其特征在于，所述模型训练在实际生产环境继续优化升级、迁移学习。

7.根据权利要求1所述的一种智能电梯调度系统，其特征在于，所述智能调度算法单元使用SVM或者NB模型。

8.根据权利要求1所述的一种智能电梯调度系统，其特征在于，所述定制信息处理模块使用H5页面提交信息，用户使用H5链接提交个人头像和定制化信息，并通过H5提交移动设备wifi网卡MAC地址。

9.根据权利要求1所述的一种智能电梯调度系统，其特征在于，所述AI调度模块调度电梯轿厢运行的全程数据记录在云端模型以供模型测试替换。

10.根据权利要求1所述的一种智能电梯调度系统，其特征在于，所述电梯轿厢应用较多的物理地点为所在大厦首层的电梯间以及延伸区域，延伸区域为电梯使用者迫于排队人数太多临时等待的区域，比如首层的大堂。