CN108750844B - 召梯类型识别方法和系统、识别设备、可读存储介质 - Google Patents

召梯类型识别方法和系统、识别设备、可读存储介质 Download PDF

Info

Publication number
CN108750844B
CN108750844B CN201810490490.6A CN201810490490A CN108750844B CN 108750844 B CN108750844 B CN 108750844B CN 201810490490 A CN201810490490 A CN 201810490490A CN 108750844 B CN108750844 B CN 108750844B
Authority
CN
China
Prior art keywords
floor
sequence
calling
elevator
prediction model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810490490.6A
Other languages
English (en)
Other versions
CN108750844A (zh
Inventor
李文海
江荣钿
庄旭强
朱文欢
李良
章飞
王颖卉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Building Technology Guangzhou Co Ltd
Original Assignee
Hitachi Building Technology Guangzhou Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Building Technology Guangzhou Co Ltd filed Critical Hitachi Building Technology Guangzhou Co Ltd
Priority to CN201810490490.6A priority Critical patent/CN108750844B/zh
Publication of CN108750844A publication Critical patent/CN108750844A/zh
Application granted granted Critical
Publication of CN108750844B publication Critical patent/CN108750844B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B1/00—Control systems of elevators in general
    • B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
    • B66B1/3415—Control system configuration and the data transmission or communication within the control system
    • B66B1/3446—Data transmission or communication within the control system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B2201/00—Aspects of control systems of elevators
    • B66B2201/10—Details with respect to the type of call input
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B2201/00—Aspects of control systems of elevators
    • B66B2201/40—Details of the change of control mode
    • B66B2201/46—Switches or switchgear
    • B66B2201/4607—Call registering systems
    • B66B2201/4684—Call registering systems for preventing accidental or deliberate misuse

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Elevator Control (AREA)
  • Indicating And Signalling Devices For Elevators (AREA)
  • Maintenance And Inspection Apparatuses For Elevators (AREA)

Abstract

本发明涉及一种召梯类型识别方法和系统。上述召梯类型识别方法包括：读取当前输入电梯的各个召梯指令，根据召梯指令生成楼层顺序数据和按钮间隔数据；所述楼层顺序数据记录电梯当前召梯指令所对应的楼层以及各楼层的输入顺序，按钮间隔数据记录输入相邻召梯指令的时间间隔以及所述时间间隔的产生顺序；将所述楼层顺序数据输入服务器下发的楼层顺序预测模型，将所述按钮间隔数据输入服务器下发的按钮间隔预测模型；其中，所述楼层顺序预测模型为判定楼层顺序数据正常或异常的预测模型；所述按钮间隔预测模型为判定按钮间隔数据正常或异常的预测模型；根据所述楼层顺序预测模型和按钮间隔预测模型分别输出的预测结果识别当前召梯类型。

Description

召梯类型识别方法和系统、识别设备、可读存储介质
技术领域
本发明涉及电梯控制技术领域，特别是涉及一种召梯类型识别方法和系统、识别设备、可读存储介质。
背景技术
随着电梯的广泛使用，人们对电梯的使用率和依赖度越来越高，其为人们的生活工作提供了极大便利。然而在电梯迅速普及的过程中，电梯异常召梯所造成的电梯无效运行行为(如个别用户基于好奇或恶作剧心理在内召时随意按下很多不必停靠的楼层，导致电梯在无人进出的楼层停靠等)随之增多，这不仅造成资源上的浪费，还给当时需要使用电梯的用户带来极大不便。传统技术中，针对电梯异常召梯的识别需要依靠用户或者相关工作人员的电梯使用经验目测，容易导致针对电梯召梯类型的识别效率低。
发明内容
基于此，有必要针对传统方案容易导致针对电梯召梯类型的识别效率低的技术问题，提供一种召梯类型识别方法和系统、识别设备、可读存储介质。
一种召梯类型识别方法，包括：
读取当前输入电梯的各个召梯指令，根据所述召梯指令生成楼层顺序数据和按钮间隔数据；其中，所述楼层顺序数据记录电梯当前召梯指令所对应的楼层以及各楼层的输入顺序，所述按钮间隔数据记录输入相邻召梯指令的时间间隔以及所述时间间隔的产生顺序；
将所述楼层顺序数据输入服务器下发的楼层顺序预测模型，将所述按钮间隔数据输入服务器下发的按钮间隔预测模型；其中，所述楼层顺序预测模型为判定楼层顺序数据正常或异常的预测模型；所述按钮间隔预测模型为判定按钮间隔数据正常或异常的预测模型；
根据所述楼层顺序预测模型和按钮间隔预测模型分别输出的预测结果识别当前召梯类型。
上述召梯类型识别方法，可以通过服务器下发的楼层顺序预测模型和按钮间隔预测模型对当前输入电梯的召梯指令进行识别，以判定上述召梯指令是否异常，以便依据识别结果进行相应处理，具有较高的识别效率，还可以有效减少异常召梯指令造成的电梯无效运行。
在其中一个实施例中，所述读取当前输入电梯的各个召梯指令，根据所述召梯指令生成楼层顺序数据和按钮间隔数据的过程之前还包括：
服务器获取携带召梯类型标识的多个召梯样本，生成各个召梯样本分别对应的楼层顺序样本和按钮间隔样本，分别针对所述楼层顺序样本和按钮间隔样本进行机器学习生成楼层顺序预测模型和按钮间隔预测模型，将所述楼层顺序预测模型和按钮间隔预测模型下发至召梯类型识别设备。
作为一个实施例，所述召梯样本依次记录召梯类型标识、按照输入时间排列的若干个楼层-时间间隔组；其中，所述楼层-时间间隔组记录楼层、输入该楼层与上一次输入楼层之间的时间间隔；
所述楼层顺序样本依次记录召梯类型标识、输入顺序和楼层；
所述按钮间隔样本包括召梯类型标识、产生时间间隔的顺序和时间间隔。
本实施例设定召梯样本、楼层顺序样本和按钮间隔样本的内容和格式，实现对召梯样本的预处理，根据预处理后的数据进行机器学习，可以保证学习所生成的楼层顺序预测模型和按钮间隔预测模型的准确性。
在其中一个实施例中，所述读取当前输入电梯的各个召梯指令，根据所述召梯指令生成楼层顺序数据和按钮间隔数据的过程包括：
读取当前输入电梯的各个召梯指令，根据所述召梯指令生成召梯序列；其中，所述召梯序列依次记录按照输入时间排列的若干个楼层-时间间隔组；所述楼层-时间间隔组记录楼层、输入该楼层与上一次输入楼层之间的时间间隔；
识别所述召梯序列记录的楼层、楼层顺序、时间间隔和时间间隔顺序；
根据所述楼层和楼层顺序生成楼层顺序数据，根据所述时间间隔和时间间隔顺序生成所述按钮间隔数据。
本实施例可以根据召梯指令生成召梯序列，进而生成召梯类型识别所需的楼层顺序数据和按钮间隔数据，使得到的楼层顺序数据和按钮间隔数据具有较高的准确性。
在其中一个实施例中，所述楼层顺序预测模型的预测结果为P1，所述按钮间隔预测模型预测结果为P2，所述召梯指令的识别结果为P；其中，P1的取值为0或1，P2的取值为0或1，0表示正常，1表示异常，P＝P1+P2；
所述根据所述楼层顺序预测模型和按钮间隔预测模型分别输出的预测结果识别当前召梯类型的过程包括：
若P为2，则将所述召梯指令对应的楼层顺序数据与异常召梯记录比对，若两者一致，则将P设为1；若所述楼层顺序数据与异常召梯记录不一致，则将当前召梯类型识别为异常，并将所述楼层顺序数据保存为异常召梯记录；
若P为0，则将当前召梯类型识别为正常；若P为1，则将当前召梯类型识别为待定。
本实施例可以根据楼层顺序预测模型和按钮间隔预测模型分别输出的预测结果对当前召梯类型进行准确识别，将其识别为正常、待定或者异常，在召梯类型正常或者待定时响应各个召梯指令，在召梯类型异常时进行异常提示和/或取消响应的召梯指令，可以保证电梯运行的有效性。
作为一个实施例，若P为0或1，清零所述异常召梯记录。
本实施例中，若P为0或1，表明当前召梯类型为非异常，将异常召梯记录清零，避免其对后续召梯指令对应的召梯类型识别过程造成干扰。
作为一个实施例，所述根据所述楼层顺序预测模型和按钮间隔预测模型分别输出的预测结果识别当前召梯类型的过程之后，还包括：
将召梯类型为待定的召梯序列上传至服务器；
在服务器中获取所述召梯序列的楼层列表，检测楼层列表中当前无用户动作的无动作楼层数，根据无动作楼层数和总楼层数计算异常指数，在所述异常指数大于异常阈值时，将所述召梯序列的召梯类型标识设为异常，否则将所述召梯序列的召梯类型标识设为正常，根据所述召梯序列和召梯序列的召梯类型标识更新所述楼层顺序预测模型和按钮间隔预测模型，并下发更新后的楼层顺序预测模型和按钮间隔预测模型。
本实施例可以对召梯类型待定的召梯序列进一步检测识别，以判定其类型，并依据判定结果更新顺序预测模型和按钮间隔预测模型，使上述顺序预测模型和按钮间隔预测模型具有更高的准确性。
一种召梯类型识别系统，包括：
读取模块，用于读取当前输入电梯的各个召梯指令，根据所述召梯指令生成楼层顺序数据和按钮间隔数据；其中，所述楼层顺序数据记录电梯当前召梯指令所对应的楼层以及各楼层的输入顺序，所述按钮间隔数据记录输入相邻召梯指令的时间间隔以及所述时间间隔的产生顺序；
输入模块，用于将所述楼层顺序数据输入服务器下发的楼层顺序预测模型，将所述按钮间隔数据输入服务器下发的按钮间隔预测模型；其中，所述楼层顺序预测模型为判定楼层顺序数据正常或异常的预测模型；所述按钮间隔预测模型为判定按钮间隔数据正常或异常的预测模型；
识别模块，用于根据所述楼层顺序预测模型和按钮间隔预测模型分别输出的预测结果识别当前召梯类型。
上述召梯类型识别系统，可以通过服务器下发的楼层顺序预测模型和按钮间隔预测模型对当前输入电梯的召梯指令进行识别，以判定上述召梯指令是否异常，以便依据识别结果进行相应处理，具有较高的识别效率，还可以有效减少异常召梯指令造成的电梯无效运行。
一种识别设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例提供的召梯类型识别方法。
一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述任一实施例提供的召梯类型识别方法。
根据上述本发明的召梯类型识别方法，本发明还提供一种识别设备和可读存储介质，用于通过程序实现上述召梯类型识别方法。上述可读存储介质和识别设备能够对当前输入电梯的各个召梯指令的召梯类型进行识别，检测电梯运行过程中的异常召梯，并进行提示或取消等处理，可以提高电梯运行的有效性。
附图说明
图1为一个实施例的召梯类型识别方法流程图；
图2为一个实施例的内召指令读取流程图；
图3为一个实施例的识别设备、服务器和电梯控制系统之间的连接示意图；
图4为一个实施例的召梯类型识别系统结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。
参考图1所示，图1为一个实施例的召梯类型识别方法流程图，包括：
S10，读取当前输入电梯的各个召梯指令，根据所述召梯指令生成楼层顺序数据和按钮间隔数据；其中，所述楼层顺序数据记录电梯当前召梯指令所对应的楼层以及各楼层的输入顺序，所述按钮间隔数据记录输入相邻召梯指令的时间间隔以及所述时间间隔的产生顺序；
当前输入电梯的召梯指令(即电梯的按钮数据)可以为一个或者多个，上述召梯指令具有相应的召梯序列，召梯序列可以记录用户需要到达的楼层、输入该楼层与上一次输入目的楼层之间的时间间隔，召梯序列中，第一次输入目的楼层对应的时间间隔设为0。具体地，若Fn表示多个召梯指令中第n次输入的楼层，In表示输入该楼层与上一次输入目的楼层之间的时间间隔(单位可以为毫秒)，则召梯序列可以为：F1:I1 F2:I2 F3:I3……Fn:In；比如，召梯序列：8:0 12:796 14:858 16:1076可以表示：第1个内召(电梯轿厢内输入的召梯指令)为8层，与上一次按钮输入的时间间隔为0，第2个内召为12层，与上一次按钮输入的时间间隔为796毫秒，第3个内召为14层，与上一次按钮输入的时间间隔为856毫秒，第4个内召为16层，与上一次按钮输入的时间间隔为1076毫秒。可以从上述召梯指令对应的召梯序列中提取楼层顺序数据和按钮间隔数据；上述楼层顺序数据的格式可以为：1:F1 2:F2 3:F3……n:Fn，按钮间隔数据的格式可以为：1:I1 2:I2 3:I3……n:In；其中，n表示顺序，Fn表示第n次输入的楼层，In表示第n次输入楼层与第n-1次输入楼层之间的时间间隔。
在一个实施例中，上述召梯指令为电梯轿厢内输入的内召指令，可以通过定时器设置定时读取电梯内召的时间，即每隔一段时间对电梯的内招指令进行读取，进行召梯类型的识别，具体可以参考图2所示，在采集内召数据后重置定时器；监测定时器，判断定时器是否超时，若定时器没有超时，则继续读取用户内召，若定时器超时，则生成当期用户输入的内召对应的数据序列(楼层顺序数据和按钮间隔数据)，用以进行异常召梯识别，并重置数据序列以便下一次采集内召数据。
S20，将所述楼层顺序数据输入服务器下发的楼层顺序预测模型，将所述按钮间隔数据输入服务器下发的按钮间隔预测模型；其中，所述楼层顺序预测模型为判定楼层顺序数据正常或异常的预测模型；所述按钮间隔预测模型为判定按钮间隔数据正常或异常的预测模型；
上述楼层顺序预测模型和按钮间隔预测模型分别由云端的服务器依据海量召梯样本学习生成，将机器学习过程与电梯召梯类型识别过程分离，无需在相应的识别设备中进行计算量极大的机器学习，可以保证召梯类型的识别效率。
S30，根据所述楼层顺序预测模型和按钮间隔预测模型分别输出的预测结果识别当前召梯类型。
上述各个步骤可以在识别设备中执行，上述识别设备可以集成设置在电梯控制系统，也可以为独立于电梯控制系统的智能处理设备。当前召梯类型可以包括正常和异常，通常情况下，召梯类型正常，可以继续响应当前各个召梯指令，若召梯类型异常，可以发出相关异常提示和/或暂停响应当前召梯指令。
本发明提供的召梯类型识别方法，可以通过服务器下发的楼层顺序预测模型和按钮间隔预测模型对当前输入电梯的召梯指令进行识别，以判定上述召梯指令是否异常，以便依据识别结果进行相应处理，具有较高的识别效率，还可以有效减少异常召梯指令造成的电梯无效运行。
在一个实施例中，上述读取当前输入电梯的各个召梯指令，根据所述召梯指令生成楼层顺序数据和按钮间隔数据的过程之前还可以包括：
服务器获取携带召梯类型标识的多个召梯样本，生成各个召梯样本分别对应的楼层顺序样本和按钮间隔样本，分别针对所述楼层顺序样本和按钮间隔样本进行机器学习(如采用决策树等方案学习)生成楼层顺序预测模型和按钮间隔预测模型，将所述楼层顺序预测模型和按钮间隔预测模型下发至召梯类型识别设备。
服务器获取的召梯样本为大量的，上述召梯样本包括已知召梯类型(正常或异常)的召梯数据，召梯样本中的正常召梯数据和异常召梯数据可以各占一半，且两者随机分布。召梯样本需要来着一台电梯或者一组运行特征相同或相近的多台电梯，上述一台电梯或一组电梯可以对应一个识别设备，因而召梯样本与识别设备具有对应关系；服务器在依据召梯样本生成楼层顺序预测模型和按钮间隔预测模型后，将上述楼层顺序预测模型和按钮间隔预测模型下发至上述召梯样本对应的识别设备；具体地，服务器可以通过电梯物联网下发其生成的楼层顺序预测模型和按钮间隔预测模型。
作为一个实施例，上述召梯样本依次记录召梯类型标识、按照输入时间排列的若干个楼层-时间间隔组；其中，所述楼层-时间间隔组记录楼层、输入该楼层与上一次输入楼层之间的时间间隔；
所述楼层顺序样本依次记录召梯类型标识、输入顺序和楼层；
所述按钮间隔样本包括召梯类型标识、产生时间间隔的顺序和时间间隔。
本实施例设定召梯样本、楼层顺序样本和按钮间隔样本的内容和格式，实现对召梯样本的预处理，根据预处理后的数据进行机器学习，可以保证学习所生成的楼层顺序预测模型和按钮间隔预测模型的准确性。
具体地，召梯类型识别可以看成是二分类问题，二分类问题可以通过支持向量机(SVM)，决策树(Decision Tree)等方案进行机器学习。本实施例中，为了应对大规模召梯样本，可以采用决策树进行机器学习，以保证所生产的楼层顺序预测模型和按钮间隔预测模型的准确性。
可选地，上述召梯类型标识可以为C，C的取值为0或1，0表示正常召梯，1表示异常召梯，楼层可为F，时间间隔可以记为I，n表示次数，第n次输入的楼层为Fn，输入Fn与输入F(n-1)之间的时间间隔为In。
上述召梯样本可以记为：
C F1:I1 F2:I2 F3:I3……Fn:In；
例如：召梯样本0 8:0 12:796 14:858 16:1076表示正常召梯，第1次输入的目的楼层为8层，与上一次输入目的楼层的时间间隔为0，第2次输入的目的楼层为12层，与上一次输入目的楼层的时间间隔为796毫秒，第3次输入的目的楼层为14层，与上一次输入目的楼层的时间间隔为856毫秒，以此类推；召梯样本1 14:0 13:296 16:266 17:483 18:34321:312 20:328 19:842表示异常召梯，第1次输入的目的楼层为14层，与上一次输入目的楼层的时间间隔为0，第2次输入的目的楼层为13层，与上一次输入目的楼层的时间间隔为296毫秒，第3次输入的目的楼层为16层，与上一次输入目的楼层的时间间隔为266毫秒，以此类推。
楼层顺序与按钮间隔之间相关性不强，各自对应的规律不一样，因此可以对召梯样本进行预处理，将召梯样本分为两类信息样本，即楼层顺序样本和按钮间隔样本。
上述楼层顺序样本可以记为：
C 1:F1 2:F2 3:F3……n:Fn；
例如：楼层顺序样本0 1:8 2:12 3:14 4:16表示正常召梯，第1次输入的目的楼层为8层，第2次输入的目的楼层为12层，第3次输入的目的楼层为14层，以此类推。
上述按钮间隔样本可以记为：
C 1:I1 2:I2 3:I3……n:In；
例如：按钮间隔样本0 1:0 2:796 3:858 4:1076表示正常召梯，第1个时间间隔为0，第2个时间间隔为796毫秒，第3个时间间隔为858毫秒，以此类推。
在一个实施例中，上述读取当前输入电梯的各个召梯指令，根据所述召梯指令生成楼层顺序数据和按钮间隔数据的过程可以包括：
读取当前输入电梯的各个召梯指令，根据所述召梯指令生成召梯序列；其中，所述召梯序列依次记录按照输入时间排列的若干个楼层-时间间隔组；所述楼层-时间间隔组记录楼层、输入该楼层与上一次输入楼层之间的时间间隔；
识别所述召梯序列记录的楼层、楼层顺序、时间间隔和时间间隔顺序；
根据所述楼层和楼层顺序生成楼层顺序数据，根据所述时间间隔和时间间隔顺序生成所述按钮间隔数据。
当前输入电梯的召梯指令(即电梯的按钮数据)可以为一个或者多个，上述召梯指令具有相应的召梯序列，召梯序列可以记录用户需要到达的目的楼层、输入该楼层与上一次输入目的楼层之间的时间间隔，召梯序列中，第一次输入目的楼层对应的时间间隔设为0。
本实施例可以根据召梯指令生成召梯序列，进而生成召梯类型识别所需的楼层顺序数据和按钮间隔数据，使得到的楼层顺序数据和按钮间隔数据具有较高的准确性。
具体地，若Fn表示第n次输入的楼层，In表示输入Fn与输入F(n-1)之间的时间间隔，则召梯序列可以为：F1:I1 F2:I2 F3:I3……Fn:In；比如，召梯序列：8:0 12:796 14:858 16:1076可以表示：第1次输入的楼层为8层，与上一次按钮输入的时间间隔为0，第2次输入的楼层为12层，与上一次按钮输入的时间间隔为796毫秒，第3次输入的楼层为14层，与上一次按钮输入的时间间隔为856毫秒，第4次输入的楼层为16层，与上一次按钮输入的时间间隔为1076毫秒。可以从上述召梯序列中识别楼层、楼层顺序、时间间隔和时间间隔顺序，以生成楼层顺序数据和按钮间隔数据。
楼层顺序数据可以依次记录输入顺序和输入楼层，按钮间隔数据可以依次记录产生时间间隔的顺序和时间间隔。上述楼层顺序数据的格式可以为：1:F12:F2 3:F3……n:Fn，即第一次输入的楼层为F1，第二次输入的楼层为F2，……，第n次输入的楼层为Fn；按钮间隔数据的格式可以为：1:I1 2:I2 3:I3……n:In，即第1个时间间隔为I1，第二个时间间隔为I2，……，第n个时间间隔为In。
在一个实施例中，上述楼层顺序预测模型的预测结果为P1，所述按钮间隔预测模型预测结果为P2，所述召梯指令的识别结果为P；其中，P1的取值为0或1，P2的取值为0或1，0表示正常，1表示异常，P＝P1+P2；
所述根据所述楼层顺序预测模型和按钮间隔预测模型分别输出的预测结果识别当前召梯类型的过程包括：
若P为2，则将所述召梯指令对应的楼层顺序数据与异常召梯记录比对，若两者一致，则将P设为1；若所述楼层顺序数据与异常召梯记录不一致(如异常召梯记录无数据或者异常召梯记录记录其他数据)，则将当前召梯类型识别为异常，并将所述楼层顺序数据保存为异常召梯记录；在召梯类型为异常时，识别设备可以通过语音提示或者字幕图形显示等方式告知用户，还可以取消当前各个召梯指令，让用户重新输入目的楼层；上述异常召梯记录可以记录当前识别为异常的楼层顺序数据，若所读取的召梯指令对应的楼层顺序数据与异常召梯记录一致，表明用户确实存在上述召梯需求，将该次召梯类型识别为异常可能对用户造成干扰，需要将P设为1，使电梯响应当前各个召梯指令，还可以将相应的楼层顺序数据发送服务器进一步分析其类型；
若P为0，则将当前召梯类型识别为正常，可以响应各个召梯指令；若P为1，则将当前召梯类型识别为待定(相应的楼层顺序数据和按钮间隔数据为疑似异常数据)，可以先响应各个召梯指令。
本实施例可以根据楼层顺序预测模型和按钮间隔预测模型分别输出的预测结果对当前召梯类型进行准确识别，将其识别为正常、待定(疑似异常)或者异常，在召梯类型正常或者待定时响应各个召梯指令，在召梯类型异常时进行异常提示和/或取消响应的召梯指令，可以保证电梯运行的有效性。
作为一个实施例，若P为0或1，清零所述异常召梯记录。
上述异常召梯记录可以记录当前识别为异常的楼层顺序数据，若P为0或1，表明当前召梯类型为非异常，将异常召梯记录清零，避免其对后续召梯指令对应的召梯类型识别过程造成干扰。
作为一个实施例，上述根据所述楼层顺序预测模型和按钮间隔预测模型分别输出的预测结果识别当前召梯类型的过程之后，还可以包括：
将召梯类型为待定的召梯序列上传至服务器；
在服务器中获取所述召梯序列的楼层列表，检测楼层列表中当前无用户动作的无动作楼层数，根据无动作楼层数和总楼层数计算异常指数，在所述异常指数大于异常阈值时，将所述召梯序列的召梯类型标识设为异常，否则将所述召梯序列的召梯类型标识设为正常，根据所述召梯序列和召梯序列的召梯类型标识更新所述楼层顺序预测模型和按钮间隔预测模型，并下发更新后的楼层顺序预测模型和按钮间隔预测模型。
上述异常阈值可以设置为不小于0.5的值，如0.6、0.65等等。上述根据所述召梯序列和召梯序列的召梯类型标识更新所述楼层顺序预测模型和按钮间隔预测模型过程可以包括：根据所述召梯序列和召梯序列的召梯类型标识提取携带召梯类型标识的楼层顺序序列和按钮间隔序列，根据上述楼层顺序序列更新楼层顺序预测模型，根据上述按钮间隔序列根据上述按钮间隔预测模型。
本实施例可以对召梯类型待定的召梯序列进一步检测识别，以判定其类型，并依据判定结果更新顺序预测模型和按钮间隔预测模型，使上述顺序预测模型和按钮间隔预测模型具有更高的准确性。
具体地，上述楼层列表可以记为(f1,f2,f3……fn)，可以通过电梯系统的智能光幕检测f1,f2,f3……fn各个楼层是否存在相应的动作(如用户进出电梯)，将存在用户动作的楼层记为1，不存在用户动作的楼层记为0，得到楼层列表对应的动作列表A＝(a1,a2,a3……an)；统计动作列表A中0(即无用户动作)的个数N，则异常系数E＝N/C，C为楼层列表中的总楼层数；当E大于阈值时，召梯序列对应的召梯类型为异常，否则为正常召梯。
在一个实施例中，识别设备、服务器和电梯控制系统之间的连接示意图可以参考图3所示，识别设备可以接收并保存服务器通过相关物联网下发的预测模型(包括楼层顺序预测模型和按钮间隔预测模型)，还可以从电梯控制系统读取当前各个召梯指令，通过上述楼层顺序预测模型和按钮间隔预测模型对当前召梯指令进行召梯类型识别，根据识别到的召梯类型发送响应召梯指令、取消召梯指令或者提示等信息至电梯控制系统；比如，在召梯类型为异常时，可以通过电梯控制系统播放语音或字幕提示信息，还可以通过电梯控制系统取消当前各个召梯指令；在召梯类型为正常或者待定时，可以发送响应指令至电梯控制系统，使电梯控制系统可以对电梯进行有效控制。识别设备还可以将召梯类型为待定的召梯序列上传至服务器，服务器可以获取召梯序列的楼层列表，检测楼层列表中当前无用户动作的无动作楼层数，根据无动作楼层数和总楼层数计算异常指数，在所述异常指数大于异常阈值时，将所述召梯序列的召梯类型标识设为异常，否则将所述召梯序列的召梯类型标识设为正常，根据所述召梯序列和召梯序列的召梯类型标识更新所述楼层顺序预测模型和按钮间隔预测模型，并将更新后的楼层顺序预测模型和按钮间隔预测模型下发至识别设备，以便识别设备进行楼层顺序预测模型和按钮间隔预测模型的更新。
本实施例可以基于目前电梯能够获取的数据进行学习预测，无需进行大规模改造，将机器学习与预测分离，无需在前端(靠近电梯控制系统的一端)进行计算量极大的机器学习，还可以智能识别异常召梯，减少由于异常召梯产生的资源浪费；通过对疑似数据(待定的召梯序列)的后台分析可持续优化预测模型(包括楼层顺序预测模型和按钮间隔预测模型)，云端的服务器可根据已知召梯类型的召梯样本进行机器学习并生成基准模型(楼层顺序预测模型和按钮间隔预测模型)，实现对召梯指令的准确识别。
参考图4，图4所示为一个实施例的召梯类型识别系统结构示意图，包括设于控制设备的读取模块10、输入模块20和识别模块30：
读取模块10，用于读取当前输入电梯的各个召梯指令，根据所述召梯指令生成楼层顺序数据和按钮间隔数据；其中，所述楼层顺序数据记录电梯当前召梯指令所对应的楼层以及各楼层的输入顺序，所述按钮间隔数据记录输入相邻召梯指令的时间间隔以及所述时间间隔的产生顺序；
输入模块20，用于将所述楼层顺序数据输入服务器下发的楼层顺序预测模型，将所述按钮间隔数据输入服务器下发的按钮间隔预测模型；其中，所述楼层顺序预测模型为判定楼层顺序数据正常或异常的预测模型；所述按钮间隔预测模型为判定按钮间隔数据正常或异常的预测模型；
识别模块30，用于根据所述楼层顺序预测模型和按钮间隔预测模型分别输出的预测结果识别当前召梯类型。
在一个实施例中，上述召梯类型识别系统还可以包括设于服务器的获取模块。
所述获取模块用于获取携带召梯类型标识的多个召梯样本，生成各个召梯样本分别对应的楼层顺序样本和按钮间隔样本，分别针对所述楼层顺序样本和按钮间隔样本进行机器学习生成楼层顺序预测模型和按钮间隔预测模型，将所述楼层顺序预测模型和按钮间隔预测模型下发至召梯类型识别设备。
作为一个实施例，所述召梯样本依次记录召梯类型标识、按照输入时间排列的若干个楼层-时间间隔组；其中，所述楼层-时间间隔组记录楼层、输入该楼层与上一次输入楼层之间的时间间隔；
所述楼层顺序样本依次记录召梯类型标识、输入顺序和楼层；
所述按钮间隔样本包括召梯类型标识、产生时间间隔的顺序和时间间隔。
在一个实施例中，所述读取模块进一步用于：
读取当前输入电梯的各个召梯指令，根据所述召梯指令生成召梯序列；其中，所述召梯序列依次记录按照输入时间排列的若干个楼层-时间间隔组；所述楼层-时间间隔组记录楼层、输入该楼层与上一次输入楼层之间的时间间隔；
识别所述召梯序列记录的楼层、楼层顺序、时间间隔和时间间隔顺序；
根据所述楼层和楼层顺序生成楼层顺序数据，根据所述时间间隔和时间间隔顺序生成所述按钮间隔数据。
在一个实施例中，所述楼层顺序预测模型的预测结果为P1，所述按钮间隔预测模型预测结果为P2，所述召梯指令的识别结果为P；其中，P1的取值为0或1，P2的取值为0或1，0表示正常，1表示异常，P＝P1+P2；
所述识别模块进一步用于：
若P为2，则将所述召梯指令对应的楼层顺序数据与异常召梯记录比对，若两者一致，则将P设为1；若所述楼层顺序数据与异常召梯记录不一致，则将当前召梯类型识别为异常，并将所述楼层顺序数据保存为异常召梯记录；
若P为0，则将当前召梯类型识别为正常；若P为1，则将当前召梯类型识别为待定。
作为一个实施例，若P为0或1，清零所述异常召梯记录。
作为一个实施例，所述召梯类型识别系统还可以包括设于控制设备的上传模块和设于服务器的更新模块：
所述上传模块用于将召梯类型为待定的召梯序列上传至服务器；
所述更新模块用于获取所述召梯序列的楼层列表，检测楼层列表中当前无用户动作的无动作楼层数，根据无动作楼层数和总楼层数计算异常指数，在所述异常指数大于异常阈值时，将所述召梯序列的召梯类型标识设为异常，否则将所述召梯序列的召梯类型标识设为正常，根据所述召梯序列和召梯序列的召梯类型标识更新所述楼层顺序预测模型和按钮间隔预测模型，并下发更新后的楼层顺序预测模型和按钮间隔预测模型。
本发明的召梯类型识别系统与本发明的召梯类型识别方法一一对应，在上述召梯类型识别方法的实施例阐述的技术特征及其有益效果均适用于召梯类型识别系统的实施例中。
根据上述召梯类型识别方法，本发明实施例还提供一种识别设备和可读存储介质。
可读存储介质上存储有可执行程序，该程序被处理器执行时实现上述召梯类型识别方法的步骤；识别设备包括存储器、处理器及存储在存储器上并可在处理器上运行的可执行程序，处理器执行程序时实现上述召梯类型识别方法的步骤。
上述可读存储介质和识别设备能够对当前输入电梯的各个召梯指令的召梯类型进行识别，检测电梯运行过程中的异常召梯，并进行提示或取消等处理，可以提高电梯运行的有效性。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种召梯类型识别方法，其特征在于，包括：
读取当前输入电梯的各个召梯指令，根据所述召梯指令生成楼层顺序数据和按钮间隔数据；其中，所述楼层顺序数据记录电梯当前召梯指令所对应的楼层以及各楼层的输入顺序，所述按钮间隔数据记录输入相邻召梯指令的时间间隔以及所述时间间隔的产生顺序；
将所述楼层顺序数据输入服务器下发的楼层顺序预测模型，将所述按钮间隔数据输入服务器下发的按钮间隔预测模型；其中，所述楼层顺序预测模型为判定楼层顺序数据正常或异常的预测模型；所述按钮间隔预测模型为判定按钮间隔数据正常或异常的预测模型；
根据所述楼层顺序预测模型和按钮间隔预测模型分别输出的预测结果识别当前召梯类型。
2.根据权利要求1所述的召梯类型识别方法，其特征在于，所述读取当前输入电梯的各个召梯指令，根据所述召梯指令生成楼层顺序数据和按钮间隔数据的过程之前还包括：
服务器获取携带召梯类型标识的多个召梯样本，生成各个召梯样本分别对应的楼层顺序样本和按钮间隔样本，分别针对所述楼层顺序样本和按钮间隔样本进行机器学习生成楼层顺序预测模型和按钮间隔预测模型，将所述楼层顺序预测模型和按钮间隔预测模型下发至召梯类型识别设备。
3.根据权利要求2所述的召梯类型识别方法，其特征在于，所述召梯样本依次记录召梯类型标识、按照输入时间排列的若干个楼层-时间间隔组；其中，所述楼层-时间间隔组记录楼层、输入该楼层与上一次输入楼层之间的时间间隔；
所述楼层顺序样本依次记录召梯类型标识、输入顺序和楼层；
所述按钮间隔样本包括召梯类型标识、产生时间间隔的顺序和时间间隔。
4.根据权利要求1所述的召梯类型识别方法，其特征在于，所述读取当前输入电梯的各个召梯指令，根据所述召梯指令生成楼层顺序数据和按钮间隔数据的过程包括：
读取当前输入电梯的各个召梯指令，根据所述召梯指令生成召梯序列；其中，所述召梯序列依次记录按照输入时间排列的若干个楼层-时间间隔组；所述楼层-时间间隔组记录楼层、输入该楼层与上一次输入楼层之间的时间间隔；
识别所述召梯序列记录的楼层、楼层顺序、时间间隔和时间间隔顺序；
根据所述楼层和楼层顺序生成楼层顺序数据，根据所述时间间隔和时间间隔顺序生成所述按钮间隔数据。
5.一种召梯类型识别系统，其特征在于，包括：
读取模块，用于读取当前输入电梯的各个召梯指令，根据所述召梯指令生成楼层顺序数据和按钮间隔数据；其中，所述楼层顺序数据记录电梯当前召梯指令所对应的楼层以及各楼层的输入顺序，所述按钮间隔数据记录输入相邻召梯指令的时间间隔以及所述时间间隔的产生顺序；
输入模块，用于将所述楼层顺序数据输入服务器下发的楼层顺序预测模型，将所述按钮间隔数据输入服务器下发的按钮间隔预测模型；其中，所述楼层顺序预测模型为判定楼层顺序数据正常或异常的预测模型；所述按钮间隔预测模型为判定按钮间隔数据正常或异常的预测模型；
识别模块，用于根据所述楼层顺序预测模型和按钮间隔预测模型分别输出的预测结果识别当前召梯类型。
6.根据权利要求5所述的召梯类型识别系统，其特征在于，还包括设于服务器的获取模块；所述获取模块用于获取携带召梯类型标识的多个召梯样本，生成各个召梯样本分别对应的楼层顺序样本和按钮间隔样本，分别针对所述楼层顺序样本和按钮间隔样本进行机器学习生成楼层顺序预测模型和按钮间隔预测模型，将所述楼层顺序预测模型和按钮间隔预测模型下发至召梯类型识别设备。
7.根据权利要求6所述的召梯类型识别系统，其特征在于，所述召梯样本依次记录召梯类型标识、按照输入时间排列的若干个楼层-时间间隔组；其中，所述楼层-时间间隔组记录楼层、输入该楼层与上一次输入楼层之间的时间间隔；所述楼层顺序样本依次记录召梯类型标识、输入顺序和楼层；所述按钮间隔样本包括召梯类型标识、产生时间间隔的顺序和时间间隔。
8.根据权利要求5所述的召梯类型识别系统，其特征在于，所述读取模块还用于读取当前输入电梯的各个召梯指令，根据所述召梯指令生成召梯序列；其中，所述召梯序列依次记录按照输入时间排列的若干个楼层-时间间隔组；所述楼层-时间间隔组记录楼层、输入该楼层与上一次输入楼层之间的时间间隔；识别所述召梯序列记录的楼层、楼层顺序、时间间隔和时间间隔顺序；根据所述楼层和楼层顺序生成楼层顺序数据，根据所述时间间隔和时间间隔顺序生成所述按钮间隔数据。
9.一种识别设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任意一项所述的召梯类型识别方法。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4任意一项所述的召梯类型识别方法。
CN201810490490.6A 2018-05-21 2018-05-21 召梯类型识别方法和系统、识别设备、可读存储介质 Active CN108750844B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810490490.6A CN108750844B (zh) 2018-05-21 2018-05-21 召梯类型识别方法和系统、识别设备、可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810490490.6A CN108750844B (zh) 2018-05-21 2018-05-21 召梯类型识别方法和系统、识别设备、可读存储介质

Publications (2)

Publication Number Publication Date
CN108750844A CN108750844A (zh) 2018-11-06
CN108750844B true CN108750844B (zh) 2020-06-26

Family

ID=64007662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810490490.6A Active CN108750844B (zh) 2018-05-21 2018-05-21 召梯类型识别方法和系统、识别设备、可读存储介质

Country Status (1)

Country Link
CN (1) CN108750844B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112079214B (zh) * 2020-09-01 2022-09-06 日立楼宇技术（广州）有限公司 一种电梯候梯管理系统及其控制方法
CN113401748B (zh) * 2021-06-17 2023-05-02 日立楼宇技术（广州）有限公司 电梯目的层预测方法、装置、计算机设备和存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB118330A (en) * 1917-08-25 1918-08-26 Automatic Telephone Mfg Co Ltd Improvements in or relating to Electric Signalling Systems, more particularly for use in Mines.
US3219151A (en) * 1962-11-27 1965-11-23 Pacific Elevator And Equipment Elevator car call cancelling circuit which counts calls and compares with load
CN86100408A (zh) * 1985-01-21 1986-07-16 三菱电机株式会社 电梯控制装置
JPH10194617A (ja) * 1997-01-14 1998-07-28 Mitsubishi Denki Bill Techno Service Kk 群管理エレベーター
CN1416614A (zh) * 2000-03-08 2003-05-07 株式会社安川电机 Pwm周波变换器和电源失常检测电路
CN101039864A (zh) * 2005-02-25 2007-09-19 三菱电机株式会社 电梯装置
CN101610963A (zh) * 2007-02-22 2009-12-23 奥蒂斯电梯公司 用于电梯系统的多功能调用按钮
CN102574661A (zh) * 2009-11-02 2012-07-11 三菱电机株式会社 电梯通知装置
CN103193119A (zh) * 2013-04-07 2013-07-10 上海微频莱机电科技有限公司 一种电梯层站呼梯控制器及其实现楼层设定的方法
CN104350000A (zh) * 2012-06-04 2015-02-11 通力股份公司 用于处理电梯系统中的错误呼梯的方法和电梯系统
CN105173933A (zh) * 2015-10-12 2015-12-23 广州广日电梯工业有限公司 通过识别加密二维码召梯的控制系统及方法
CN105540361A (zh) * 2016-03-01 2016-05-04 广州日滨科技发展有限公司 智能召梯控制方法及系统
CN205616378U (zh) * 2016-04-22 2016-10-05 天津康途科技有限公司 一种安全高效的电梯召梯系统
CN207209628U (zh) * 2017-07-31 2018-04-10 江南嘉捷电梯股份有限公司 一种电梯厅外呼梯系统
CN207209627U (zh) * 2017-07-31 2018-04-10 江南嘉捷电梯股份有限公司 一种电梯厅外防捣乱监控系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10231073A (ja) * 1997-02-24 1998-09-02 Hitachi Ltd エレベータの保守装置
JP4960585B2 (ja) * 2003-10-10 2012-06-27 インベンテイオ・アクテイエンゲゼルシヤフト エレベータ装置の制御方法およびエレベータ装置
CN2885797Y (zh) * 2006-03-23 2007-04-04 蔡文青 防止误按的电梯召唤盒
CN200946060Y (zh) * 2006-09-28 2007-09-12 毛羽丰 电梯按钮板

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB118330A (en) * 1917-08-25 1918-08-26 Automatic Telephone Mfg Co Ltd Improvements in or relating to Electric Signalling Systems, more particularly for use in Mines.
US3219151A (en) * 1962-11-27 1965-11-23 Pacific Elevator And Equipment Elevator car call cancelling circuit which counts calls and compares with load
CN86100408A (zh) * 1985-01-21 1986-07-16 三菱电机株式会社 电梯控制装置
JPH10194617A (ja) * 1997-01-14 1998-07-28 Mitsubishi Denki Bill Techno Service Kk 群管理エレベーター
CN1416614A (zh) * 2000-03-08 2003-05-07 株式会社安川电机 Pwm周波变换器和电源失常检测电路
CN101039864A (zh) * 2005-02-25 2007-09-19 三菱电机株式会社 电梯装置
CN101610963A (zh) * 2007-02-22 2009-12-23 奥蒂斯电梯公司 用于电梯系统的多功能调用按钮
CN102574661A (zh) * 2009-11-02 2012-07-11 三菱电机株式会社 电梯通知装置
CN104350000A (zh) * 2012-06-04 2015-02-11 通力股份公司 用于处理电梯系统中的错误呼梯的方法和电梯系统
CN103193119A (zh) * 2013-04-07 2013-07-10 上海微频莱机电科技有限公司 一种电梯层站呼梯控制器及其实现楼层设定的方法
CN105173933A (zh) * 2015-10-12 2015-12-23 广州广日电梯工业有限公司 通过识别加密二维码召梯的控制系统及方法
CN105540361A (zh) * 2016-03-01 2016-05-04 广州日滨科技发展有限公司 智能召梯控制方法及系统
CN205616378U (zh) * 2016-04-22 2016-10-05 天津康途科技有限公司 一种安全高效的电梯召梯系统
CN207209628U (zh) * 2017-07-31 2018-04-10 江南嘉捷电梯股份有限公司 一种电梯厅外呼梯系统
CN207209627U (zh) * 2017-07-31 2018-04-10 江南嘉捷电梯股份有限公司 一种电梯厅外防捣乱监控系统

Also Published As

Publication number Publication date
CN108750844A (zh) 2018-11-06

Similar Documents

Publication Publication Date Title
EP2899959A1 (en) Method, apparatus and system for affirming alarm identity of video monitoring system.
CN104424094A (zh) 一种异常信息获取方法、装置及智能终端设备
CN105895093A (zh) 语音信息处理方法及装置
CN108750844B (zh) 召梯类型识别方法和系统、识别设备、可读存储介质
CN104866296B (zh) 数据处理方法和装置
CN108549914B (zh) 基于Apriori算法的异常SER/SOE事件识别方法
CN108351707A (zh) 人机交互方法、装置、终端设备及计算机可读存储介质
CN109637531B (zh) 一种语音控制方法、装置、存储介质及空调
CN104639352A (zh) 监控装置以及监控方法
JP4910804B2 (ja) 業務プロセス推定プログラム、業務プロセス推定方法および業務プロセス推定装置
US11033226B2 (en) Detecting non-evident contributing values
US11836981B2 (en) Method for assisting real-time monitoring of at least one person on sequences of images
RU2017128108A (ru) Планирование взаимодействия с субъектом
CN111258765A (zh) 一种负载均衡方法、装置、计算设备和存储介质
CN111008114A (zh) 一种磁盘分区监控方法、装置、设备及可读存储介质
CN111104576A (zh) 网页识别的处理方法、装置、系统及电子设备
CN111596619A (zh) 计算机系统及设施的监视方法
CN104932796B (zh) 一种组件拖放的控制方法及装置
CN106599055B (zh) 一种检测数据库检查点操作运行状态的方法
CN114034972A (zh) 基于图像数据的智能电缆故障确定方法和装置
CN107562599A (zh) 一种参数检测方法及装置
CN111027823A (zh) 基于浏览器的工单自动转派方法及装置
JP3110210B2 (ja) データ分析支援方法
CN105912230A (zh) 便签中时间信息的生成方法及设备
CN117240554B (zh) 安全事件的治理方法及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant