CN111196534A - 电梯停留层优化方法及系统 - Google Patents
电梯停留层优化方法及系统 Download PDFInfo
- Publication number
- CN111196534A CN111196534A CN201911097909.2A CN201911097909A CN111196534A CN 111196534 A CN111196534 A CN 111196534A CN 201911097909 A CN201911097909 A CN 201911097909A CN 111196534 A CN111196534 A CN 111196534A
- Authority
- CN
- China
- Prior art keywords
- elevator
- floor
- frequency
- time
- highest
- 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.)
- Withdrawn
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
- B66B1/02—Control systems without regulation, i.e. without retroactive action
- B66B1/06—Control systems without regulation, i.e. without retroactive action electric
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B2201/00—Aspects of control systems of elevators
- B66B2201/20—Details of the evaluation method for the allocation of a call to an elevator car
- B66B2201/211—Waiting time, i.e. response time
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B2201/00—Aspects of control systems of elevators
- B66B2201/20—Details of the evaluation method for the allocation of a call to an elevator car
- B66B2201/235—Taking into account predicted future events, e.g. predicted future call inputs
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B2201/00—Aspects of control systems of elevators
- B66B2201/20—Details of the evaluation method for the allocation of a call to an elevator car
- B66B2201/243—Distribution of elevator cars, e.g. based on expected future need
-
- 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
- B66B2201/402—Details of the change of control mode by historical, statistical or predicted traffic data, e.g. by learning
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
- Elevator Control (AREA)
Abstract
本发明所提供的一种电梯停留层优化方法,包括:获取历史电梯运行数据;利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层;计算所述各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层之中,是否包含重叠的时间区间,若是,将重叠的时间区间作为该楼层所对应的关联时间项;每当电梯完成使用后,遍历各楼层所对应的关联时间项,若当前时间被包含于某个楼层所对应的关联时间项,则控制所述电梯前往该楼层。本发明实施例所提供的电梯停留层优化方法,能够减少大多数有规律性梯业主的待梯时间。
Description
技术领域
本发明实施例涉及电梯控制领域,尤其是一种电梯停留层优化方法及系统。
背景技术
现有技术中,各大电梯生产厂家均为对电梯停留策略有着很好的优化,往往电梯单次使用完毕后,就停留在最后目的地楼层或者返回一楼,而并未对大多数具有规律性使用电梯或规律性出行的业主提供更加便捷的使用优化,待梯时间仍然过长。
发明内容
为解决上述问题,本发明实施例提供了一种电梯停留层优化方法,包括以下步骤:
获取历史电梯运行数据;
利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层;
计算所述各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层之中,是否包含重叠的时间区间,若是,将重叠的时间区间作为该楼层所对应的关联时间项;
每当电梯完成使用后,遍历各楼层所对应的关联时间项,若当前时间被包含于某个楼层所对应的关联时间项,则控制所述电梯前往该楼层。
优选的,所述聚类算法采用K-means算法。
优选的,所述利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层的步骤包括:
通过聚类算法对所述历史电梯运行数据中的电梯运行后停留层进行聚类分析,得到各楼层所对应的样本簇;
遍历所述样本簇中的样本个数,选取样本个数最高的样本簇所对应的覆盖的时间区间,将所述时间区间作为该楼层所对应的高频电梯停留时间区间,对其余楼层所对应的样本簇执行相同运算,得到各楼层对应的高频电梯停留时间区间。
优选的,所述利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层的步骤包括:
通过聚类算法对所述历史电梯运行数据中的电梯触发运行层进行聚类分析,得到各楼层所对应的样本簇;
遍历所述样本簇中的样本个数,选取样本个数最高的样本簇所对应的楼层,将所述楼层作为该单位时间所对应的最高频电梯使用楼层,对其余单位时间执行相同运算,得到各单位时间及对应的最高品电梯使用楼层关联项集合。
本发明还提供一种电梯停留层优化系统,其特征在于,包括:
历史模块,用于获取历史电梯运行数据;
聚类模块,用于利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层;
重叠模块,用于计算所述各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层之中,是否包含重叠的时间区间,若是,将重叠的时间区间作为该楼层所对应的关联时间项;
控制模块,用于每当电梯完成使用后,遍历各楼层所对应的关联时间项,若当前时间被包含于某个楼层所对应的关联时间项,则控制所述电梯前往该楼层。
优选的,所述聚类模块采用K-means算法。
优选的,所述聚类模块还包括:
第一样本簇单元,用于通过聚类算法对所述历史电梯运行数据中的电梯运行后停留层进行聚类分析,得到各楼层所对应的样本簇;
第一遍历单元,用于遍历所述样本簇中的样本个数,选取样本个数最高的样本簇所对应的覆盖的时间区间,将所述时间区间作为该楼层所对应的高频电梯停留时间区间,对其余楼层所对应的样本簇执行相同运算,得到各楼层对应的高频电梯停留时间区间。
优选的,聚类模块还包括:
第二样本簇单元,用于通过聚类算法对所述历史电梯运行数据中的电梯触发运行层进行聚类分析,得到各楼层所对应的样本簇;
第二遍历单元,用于遍历所述样本簇中的样本个数,选取样本个数最高的样本簇所对应的楼层,将所述楼层作为该单位时间所对应的最高频电梯使用楼层,对其余单位时间执行相同运算,得到各单位时间及对应的最高品电梯使用楼层关联项集合。
本发明实施例还提供一种计算机设备,所述计算机设备包括存储器、处理器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,所述计算机程序被处理器执行时实现如上述的电梯停留层优化方法。
本发明实施例还提供一种计算机存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序可被至少一个处理器所执行,以使所述至少一个处理器执行如上述的电梯停留层优化方法的步骤。
本发明实施例所提供的电梯停留层优化方法,能够减少大多数有规律性梯业主的待梯时间。
附图说明
图1为本发明所提供的电梯停留层优化方法的步骤流程图;
图2为本发明所提供的电梯停留层优化系统的程序模块示意图;
图3为本发明计算机设备的硬件结构示意图。
具体实施方式
为了使本发明的目的、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详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
在本发明实施例中使用的术语是仅仅处于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
应当理解,尽管在本发明实施例中可能采用术语第一、第二等来描述指定关键字,但指定关键字不应限于这些术语。这些术语仅用来将指定关键字彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一指定关键字也可以被称为第二指定关键字,类似地,第二指定关键字也可以被称为第一指定关键字。
取决于语境,如在此所使用的词语“如果”可以被解释称为“在……时”或“当……时”或“相应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或时间)”可以被解释成“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
请参考图1,本发明提供一种电梯停留层优化方法,包括:
步骤S100获取历史电梯运行数据。
具体的,电梯运行数据包括电梯在一段时间内触发所有电梯使用请求,其中包括起始楼层和目的楼层,单次使用进程可包括多个目的楼层,而运行数据中所定义的一段时间可以根据实际需求进行设定。
步骤S200利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层。
具体的,本发明中优选聚类算法为计算简单,运算量不大的K-means算法进行聚类算法的主要函数,另外,单次聚类算法所求得的高频电梯停留时间区间为单日计算,而业主每天的用梯需求不同,因此,需要聚类分析完毕后,还需对各个日子的聚类结果进行学习,进而得到最贴合历史数据的历史数据训练结果。
步骤S300计算所述各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层之中,是否包含重叠的时间区间,若是,将重叠的时间区间作为该楼层所对应的关联时间项。
具体的,聚类分析得到的任一结果,高频电梯停留时间区间以及单位时间内最高品电梯使用楼层,两种结果都与真实情况有一定的出入,因此,取两者的重叠区间可以提高准确度。
步骤S400每当电梯完成使用后,遍历各楼层所对应的关联时间项,若当前时间被包含于某个楼层所对应的关联时间项,则控制所述电梯前往该楼层。
具体的,将各楼层所对应的重叠区间作为各楼层的关联时间项进行存储,每当电梯完成使用后,遍历各楼层所对应的关联时间项,若当前时间被包含于某个楼层所对应的关联时间项,则控制向电梯发送相关指令,所述指令中包含对应的楼层信息,以使电梯前往对应楼层。
本发明实施例所提供的一种电梯停留层优化方法,获取历史电梯运行数据;利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层;计算所述各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层之中,是否包含重叠的时间区间,若是,将重叠的时间区间作为该楼层所对应的关联时间项;每当电梯完成使用后,遍历各楼层所对应的关联时间项,若当前时间被包含于某个楼层所对应的关联时间项,则控制所述电梯前往该楼层,能够减少大多数有规律性梯业主的待梯时间。
可选的,步骤S200中所述聚类算法采用K-means算法。
可选的,步骤S200所述利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层的步骤包括:
步骤S210通过聚类算法对所述历史电梯运行数据中的电梯运行后停留层进行聚类分析,得到各楼层所对应的样本簇。
步骤S220遍历所述样本簇中的样本个数,选取样本个数最高的样本簇所对应的覆盖的时间区间,将所述时间区间作为该楼层所对应的高频电梯停留时间区间,对其余楼层所对应的样本簇执行相同运算,得到各楼层对应的高频电梯停留时间区间。
实例性的,选取单日电梯A早上8点至9点时间段的运行数据,若该栋楼包含10层楼,则将聚类分析目标指向10个类,结果生个10个样本簇。
随后,对每个样本簇进行遍历,样本个数最多的样本簇即为该段时间内最高频的楼层,其样本簇样本所跨度的时间区间即为层对应的高频电梯停留时间区间。
可选的,步骤S200所述利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层的步骤包括:
步骤S230通过聚类算法对所述历史电梯运行数据中的电梯触发运行层进行聚类分析,得到各楼层所对应的样本簇;
步骤S240遍历所述样本簇中的样本个数,选取样本个数最高的样本簇所对应的楼层,将所述楼层作为该单位时间所对应的最高频电梯使用楼层,对其余单位时间执行相同运算,得到各单位时间及对应的最高品电梯使用楼层关联项集合。
具体的,步骤S230、步骤S240与步骤S210、步骤S220所采用方法类似,本发明在此不再赘述。
本发明实施例还提供了一种电梯停留层优化系统,包括:
历史模块100,用于获取历史电梯运行数据;
聚类模块200,用于利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层;
重叠模块300,用于计算所述各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层之中,是否包含重叠的时间区间,若是,将重叠的时间区间作为该楼层所对应的关联时间项;
控制模块400,用于每当电梯完成使用后,遍历各楼层所对应的关联时间项,若当前时间被包含于某个楼层所对应的关联时间项,则控制所述电梯前往该楼层。
可选的,所述聚类模块200采用K-means算法。
可选的,所述聚类模块200还包括:
第一样本簇单元210,用于通过聚类算法对所述历史电梯运行数据中的电梯运行后停留层进行聚类分析,得到各楼层所对应的样本簇;
第一遍历单元220,用于遍历所述样本簇中的样本个数,选取样本个数最高的样本簇所对应的覆盖的时间区间,将所述时间区间作为该楼层所对应的高频电梯停留时间区间,对其余楼层所对应的样本簇执行相同运算,得到各楼层对应的高频电梯停留时间区间。
可选的,所述聚类模块200还包括:
第二样本簇单元230,用于通过聚类算法对所述历史电梯运行数据中的电梯触发运行层进行聚类分析,得到各楼层所对应的样本簇;
第二遍历单元240,用于遍历所述样本簇中的样本个数,选取样本个数最高的样本簇所对应的楼层,将所述楼层作为该单位时间所对应的最高频电梯使用楼层,对其余单位时间执行相同运算,得到各单位时间及对应的最高品电梯使用楼层关联项集合。
请参考图3,是本发明实施例之计算机设备的硬件架构示意图。本实施例中,所述计算机设备2是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。该计算机设备2可以是个人计算机、平板计算机、移动电话及智能手机登,也可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等用于提供虚拟客户端的运设备。如图所示,所述计算机设备2至少包括,但不限于,可通过系统总线相互通信连接存储器21、处理器22、网络接口23、以及电梯停留层优化系统20,其中:
本实施例中,存储器21至少包括一种类型的计算机可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器21可以是计算机设备2的内部存储单元,例如该计算机设备2的硬盘或内存。在另一些实施例中,存储器21也可以使计算机设备2的外部存储设备,例如该计算机设备20上配备的插接式硬盘,智能存储卡(SmartMediaCard,SMC),安全数字(SecureDigital)SD卡,闪存卡(FlashCard)等,当然,存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中,存储器21用于存储安装于计算机设备2的操作系统和各类应用软件,例如电梯停留层优化系统20的程序代码等。此外,存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(CentralProcessingUnit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中,处理器22用于运行存储器21中存储的程序代码或者处理数据,例如运行电梯停留层优化系统20,以实现电梯停留层优化方法。
所述网络接口23可包括无线网络接口或有限网络接口,该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如,所述网络接口23用于通过网络将所述计算机设备2与外部终端项链,在计算机设备2与外部中断之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(GlobalSystemofMobilecommunication,GSM)、宽带码分多址(WidebandCodeDivisionMultipleAccess,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
在本实施例中,存储于存储器21中的所述电梯停留层优化系统20还可以被分割为一个或者多个程序模块,所述一个或者多个程序模块被存储于存储器21中,并由一个或多个处理器(本实施例为处理器22)所执行,以完成本发明。
另外,本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于电梯停留层优化系统20,被处理器执行时实现本发明的电梯停留层优化方法。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所做的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种电梯停留层优化方法,其特征在于,包括:
获取历史电梯运行数据;
利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层;
计算所述各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层之中,是否包含重叠的时间区间,若是,将重叠的时间区间作为该楼层所对应的关联时间项;
每当电梯完成使用后,遍历各楼层所对应的关联时间项,若当前时间被包含于某个楼层所对应的关联时间项,则控制所述电梯前往该楼层。
2.根据权利要求1所述的一种电梯停留层优化方法,其特征在于,所述聚类算法采用K-means算法。
3.根据权利要求1所述的一种电梯停留层优化方法,其特征在于,所述利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层的步骤包括:
通过聚类算法对所述历史电梯运行数据中的电梯运行后停留层进行聚类分析,得到各楼层所对应的样本簇;
遍历所述样本簇中的样本个数,选取样本个数最高的样本簇所对应的覆盖的时间区间,将所述时间区间作为该楼层所对应的高频电梯停留时间区间,对其余楼层所对应的样本簇执行相同运算,得到各楼层对应的高频电梯停留时间区间。
4.根据权利要求1所述的一种电梯停留层优化方法,其特征在于,所述利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层的步骤包括:
通过聚类算法对所述历史电梯运行数据中的电梯触发运行层进行聚类分析,得到各楼层所对应的样本簇;
遍历所述样本簇中的样本个数,选取样本个数最高的样本簇所对应的楼层,将所述楼层作为该单位时间所对应的最高频电梯使用楼层,对其余单位时间执行相同运算,得到各单位时间及对应的最高品电梯使用楼层关联项集合。
5.一种电梯停留层优化系统,其特征在于,包括:
历史模块,用于获取历史电梯运行数据;
聚类模块,用于利用聚类算法对所述历史电梯运行数据进行聚类分析,得到各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层;
重叠模块,用于计算所述各楼层对应的高频电梯停留时间区间以及单位时间内最高频电梯使用楼层之中,是否包含重叠的时间区间,若是,将重叠的时间区间作为该楼层所对应的关联时间项;
控制模块,用于每当电梯完成使用后,遍历各楼层所对应的关联时间项,若当前时间被包含于某个楼层所对应的关联时间项,则控制所述电梯前往该楼层。
6.根据权利要求5所述的一种电梯停留层优化方法,其特征在于,所述聚类模块采用K-means算法。
7.根据权利要求5所述的一种电梯停留层优化方法,其特征在于,所述聚类模块还包括:
第一样本簇单元,用于通过聚类算法对所述历史电梯运行数据中的电梯运行后停留层进行聚类分析,得到各楼层所对应的样本簇;
第一遍历单元,用于遍历所述样本簇中的样本个数,选取样本个数最高的样本簇所对应的覆盖的时间区间,将所述时间区间作为该楼层所对应的高频电梯停留时间区间,对其余楼层所对应的样本簇执行相同运算,得到各楼层对应的高频电梯停留时间区间。
8.根据权利要求5所述的一种电梯停留层优化方法,其特征在于,聚类模块还包括:
第二样本簇单元,用于通过聚类算法对所述历史电梯运行数据中的电梯触发运行层进行聚类分析,得到各楼层所对应的样本簇;
第二遍历单元,用于遍历所述样本簇中的样本个数,选取样本个数最高的样本簇所对应的楼层,将所述楼层作为该单位时间所对应的最高频电梯使用楼层,对其余单位时间执行相同运算,得到各单位时间及对应的最高品电梯使用楼层关联项集合。
9.一种计算机设备,所述计算机设备包括存储器、处理器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,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的电梯停留层优化方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序可被至少一个处理器所执行,以使所述至少一个处理器执行如权利要求1至4任一项所述的电梯停留层优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911097909.2A CN111196534A (zh) | 2019-11-12 | 2019-11-12 | 电梯停留层优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911097909.2A CN111196534A (zh) | 2019-11-12 | 2019-11-12 | 电梯停留层优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111196534A true CN111196534A (zh) | 2020-05-26 |
Family
ID=70741718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911097909.2A Withdrawn CN111196534A (zh) | 2019-11-12 | 2019-11-12 | 电梯停留层优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111196534A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114634071A (zh) * | 2022-01-30 | 2022-06-17 | 别克派利尔电梯(扬州)有限公司 | 基于电梯调度神经网络训练的人工智能优化操作系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002037543A (ja) * | 2000-07-17 | 2002-02-06 | Mitsubishi Electric Building Techno Service Co Ltd | エレベーターの運転装置 |
CN104150291A (zh) * | 2014-07-01 | 2014-11-19 | 日立电梯(上海)有限公司 | 电梯运行控制方法 |
WO2019141598A1 (en) * | 2018-01-22 | 2019-07-25 | Inventio Ag | Method and device for determining a mapping of a number of floors to be served by an elevator and for determining relative trip-dependent data of an elevator cabin |
CN110182655A (zh) * | 2019-06-06 | 2019-08-30 | 上海三菱电梯有限公司 | 用于单梯的预测乘客乘梯需求的电梯控制方法 |
CN110194398A (zh) * | 2019-06-06 | 2019-09-03 | 上海三菱电梯有限公司 | 预测乘客乘梯需求的电梯群组的控制方法 |
-
2019
- 2019-11-12 CN CN201911097909.2A patent/CN111196534A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002037543A (ja) * | 2000-07-17 | 2002-02-06 | Mitsubishi Electric Building Techno Service Co Ltd | エレベーターの運転装置 |
CN104150291A (zh) * | 2014-07-01 | 2014-11-19 | 日立电梯(上海)有限公司 | 电梯运行控制方法 |
WO2019141598A1 (en) * | 2018-01-22 | 2019-07-25 | Inventio Ag | Method and device for determining a mapping of a number of floors to be served by an elevator and for determining relative trip-dependent data of an elevator cabin |
CN110182655A (zh) * | 2019-06-06 | 2019-08-30 | 上海三菱电梯有限公司 | 用于单梯的预测乘客乘梯需求的电梯控制方法 |
CN110194398A (zh) * | 2019-06-06 | 2019-09-03 | 上海三菱电梯有限公司 | 预测乘客乘梯需求的电梯群组的控制方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114634071A (zh) * | 2022-01-30 | 2022-06-17 | 别克派利尔电梯(扬州)有限公司 | 基于电梯调度神经网络训练的人工智能优化操作系统 |
CN114634071B (zh) * | 2022-01-30 | 2022-12-13 | 别克派利尔电梯(扬州)有限公司 | 基于电梯调度神经网络训练的人工智能优化操作系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107844634B (zh) | 多元通用模型平台建模方法、电子设备及计算机可读存储介质 | |
CN113132267B (zh) | 一种分布式系统、数据聚合方法和计算机可读存储介质 | |
CN114091589B (zh) | 模型训练方法、装置、电子设备及介质 | |
CN111196534A (zh) | 电梯停留层优化方法及系统 | |
CN110232108B (zh) | 人机对话方法以及对话系统 | |
CN112130936B (zh) | 基于轮询的数据调用方法、装置、设备及存储介质 | |
CN110192191A (zh) | 操作系统取回 | |
US20230385048A1 (en) | Predictive recycling of computer systems in a cloud environment | |
CN113780912A (zh) | 一种确定安全库存的方法及装置 | |
CN112416384A (zh) | 软件升级方法、装置及计算机设备 | |
CN111199182A (zh) | 基于智慧社区的丢失物件方法、系统及存储介质 | |
CN112650940A (zh) | 应用程序的推荐方法、装置、计算机设备及存储介质 | |
CN110442466A (zh) | 防止请求重复访问方法、装置、计算机设备及存储介质 | |
CN110673942B (zh) | 一种云平台的异步进程结束方法、装置及云平台服务器 | |
US20140358847A1 (en) | Method and System for Document Update | |
CN113986495A (zh) | 一种任务执行方法、装置、设备及存储介质 | |
CN111049894B (zh) | 云端物联网数据处理方法、装置以及电子设备 | |
CN107967181B (zh) | 临界区的控制方法及装置 | |
CN111125744B (zh) | 代码分支合并方法、系统、计算机设备及可读存储介质 | |
CN112465602A (zh) | 一种订单推送的方法、装置、计算机设备以及计算机可读存储介质 | |
CN114968505A (zh) | 任务处理系统、方法、装置、设备、存储介质及程序产品 | |
CN113160817B (zh) | 基于意图识别的语音交互方法及系统 | |
CN111258724A (zh) | 一种分布式系统的数据处理方法、装置、设备和存储介质 | |
CN110593711A (zh) | 小区伸缩门的控制方法、装置及存储介质 | |
CN113127479A (zh) | 一种Elasticsearch索引的加载方法、装置、计算机设备和存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200526 |
|
WW01 | Invention patent application withdrawn after publication |