CN113697619A - 一种基于蚁群算法的客流分期处理电梯群控调度方法 - Google Patents
一种基于蚁群算法的客流分期处理电梯群控调度方法 Download PDFInfo
- Publication number
- CN113697619A CN113697619A CN202111009166.6A CN202111009166A CN113697619A CN 113697619 A CN113697619 A CN 113697619A CN 202111009166 A CN202111009166 A CN 202111009166A CN 113697619 A CN113697619 A CN 113697619A
- Authority
- CN
- China
- Prior art keywords
- elevator
- passenger flow
- outbound
- floor
- group control
- 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.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 41
- 238000005265 energy consumption Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 13
- 241000257303 Hymenoptera Species 0.000 claims description 44
- 239000003016 pheromone Substances 0.000 claims description 27
- 230000004044 response Effects 0.000 claims description 11
- 239000011229 interlayer Substances 0.000 claims description 8
- 230000008020 evaporation Effects 0.000 claims description 6
- 238000001704 evaporation Methods 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 5
- 238000004088 simulation Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/24—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration
- B66B1/2408—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration where the allocation of a call to an elevator car is of importance, i.e. by means of a supervisory or group controller
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- B66B2201/215—Transportation capacity
-
- 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
- B66B2201/216—Energy consumption
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Elevator Control (AREA)
Abstract
本发明提供了一种基于蚁群算法的客流分期处理电梯群控调度方法,首先将西门子博图V15.1写的程序下载至PLC中,通过PLC采集电梯轿厢的载重、所在楼层、运行方向、内选信号以及轿外呼梯信号,统计其中轿外呼梯数量、电梯所在楼层以及电梯载重,分析出当前客流模型特点,针对不同的客流模型,选择乘客平均候梯时间、电梯能耗作为电梯群控系统优化目标,构建评价函数,建立电梯群控模型问题的二部图模型,采用蚁群算法对二部图模型进行优化,求解出最优的电梯外呼分配方案传输给电梯。本发明提出的调度方法,在电梯群控系统中很好地解决当前电梯载客效率低、乘客候梯时间长、电梯能耗大等问题。
Description
技术领域
本发明涉及电梯群控领域,尤其涉及一种基于蚁群算法的客流分期处理电梯群控调度方法。
背景技术
电梯群控系统是采用优化控制策略来管理梯群,以合适方式应答各层站及轿厢内的呼梯信号,提高电梯的运行效率及服务质量。随着电梯控制技术的不断发展,人们对其服务质量提出越来越高的要求,而电梯的控制方法直接影响其运行效率,因此对于控制方法的研究已成为电梯控制的核心问题之一。
目前国内电梯群控算法方面仅仅将降乘客候梯时间或者电梯能耗作为指标分析,对电梯进行统一调度,这种方法对于随机分析的客流模型有着很好效果,但是对于实际生活中常见的上行高峰期(大量乘客从某一特定楼层进入上行至各楼层)和下行高峰期(大量乘客从各楼层下行至某一特定楼层)而言,电梯运客效率明显降低,无法解决拥堵问题。
发明内容
本发明提出一种基于蚁群算法的客流分期处理电梯群控调度方法,用于解决或者至少部分解决现有的方法存在的电梯运客效率不高的技术问题。
为了解决上述技术问题,本发明提供了一种基于蚁群算法的客流分期处理电梯群控调度方法,包括:
S1:通过预编程的控制器采集电梯的相关信息,相关信息包括轿厢的载重、所在楼层、运行方向、内选信号以及外呼信号;
S2:根据电梯的相关信息统计外呼信号的数量、外呼信号的方向、电梯所在楼层以及电梯载重,分析当前的客流特点,并构建不同的客流模型;
S3:将乘客平均候梯时间、电梯能耗、电梯载重作为电梯群控系统的评价指标,针对不同的客流模型,选择对应的评价指标构建评价函数;
S4:构建电梯群控模型问题的二部图模型,其中,二部图模型包括顶点、边以及权值,顶点由电梯和外呼信号构成,一部电梯、一个外呼信号分别表示一个顶点,边表示电梯与外呼信号之间的响应关系,如果一部电梯可以响应该外呼信号,则该部电梯对应的顶点与外呼信号对应的顶点之间存在一条边,且,一部电梯可以响应多个外呼信号,一个外呼信号当前仅能被一部电梯响应,权值由当前客流模型对应的评价函数确定,用以表示一部电梯响应一个外呼信号的代价,代价越小越有可能被响应;
S5:将M只蚂蚁随机分布在各个电梯上,蚂蚁模拟电梯寻找外呼信号,根据权值获得启发信息,并设置信息素重要程度因子、启发函数重要程度因子以及信息蒸发系数,采用蚁群算法对二部图模型进行求解,求解出蚂蚁的最优路径,其中,蚂蚁的最优路径为最优的电梯外呼分配方案。
在一种实施方式中,步骤S1中预编程的控制器为使用西门子博图V15.1进行电梯群控编程的PLC。
在一种实施方式中,步骤S2包括:
根据外呼信号的数量和外呼信号的方向,获得外呼下行的数量;
判断外呼下行的数量是否大于第一阈值,如果大于,则将构建下行高峰客流模型;如果不大于,则判断电梯所在楼层是否为预设层,如果为预设层且电梯为满载,则构建上行高峰客流模型,如果不为预设层或者电梯不是满载,则构建层间交通客流模型。
在一种实施方式中,客流模型包括下行高峰客流模型、上行高峰客流模型和层间交通客流模型,步骤S3包括:
S3.1:当客流模型为下行高峰客流模型时,评价函数为:
其中,WT(i,j)表示乘客平均候梯时间,i表示电梯的编号,j表示外呼信号所在层站的编号,WG(i)表示电梯载重,上式中,前m号电梯响应所有外呼信号,后m-n部电梯仅响应外呼下行信号;
S3.2:当客流模型为上行高峰客流模型时,评价函数为:
S(i,j)=WT(i,j)+WG(i)
S3.3:当客流模型为层间交通客流模型时,评价函数为:
S(i,j)=W(i,j)+k·WT(i,j)+WG(i)
其中,k为时间转化系数,表示电梯运行状态下单位时间内所消耗的能耗。
在一种实施方式中,步骤S5包括:
S5.1:初始化算法的各参数,设置最大迭代次数N、信息素重要程度因子α、启发函数重要程度因子β以及信息蒸发系数ρ;
S5.2:将M只蚂蚁随机分布在I部电梯上,蚂蚁模拟电梯寻找外呼信号;
式中,τij(t)为第t代蚂蚁中第k只在i~j路径上留下的信息素;启发信息dij设置为二部图中各边的权值cij;Jk(i)为蚂蚁k下一步可选择外呼信号的集合;为第t代蚂蚁中经过i~j路径所释放的信息素与启发信息乘积求和,t为蚂蚁的代数;
S5.4:查看迭代次数是否到达最大值,若达到最大值,转到下一步骤,否则,更新信息素,转到步骤2继续执行,信息素更新公式如下:
式中,n为迭代次数,Δτij蚂蚁从电梯i响应第j个层站的外呼信号路径上留下信息素的总和,为第t代第k只蚂蚁从电梯i到j个层站的外呼信号路径上留下的信息素,Q表示一只蚂蚁一生所拥有的信息素;Lk为第k只蚂蚁走过路径的总权值;
S5.5:输出蚂蚁的最优路径,作为I部电梯响应所有外呼信号的调度结果。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明提供的一种基于蚁群算法的客流分期处理电梯群控调度方法,首先通过预编程的控制器采集电梯的相关信息,并根据电梯的相关信息统计外呼信号的数量、外呼信号的方向、电梯所在楼层以及电梯载重,分析当前的客流特点,构建不同的客流模型;然后将乘客平均候梯时间、电梯能耗、电梯载重作为电梯群控系统的评价指标,针对不同的客流模型,选择对应的评价指标构建评价函数;再构建电梯群控模型问题的二部图模型,最后采用蚁群算法对二部图模型进行求解,求解出蚂蚁的最优路径,其中,蚂蚁的最优路径为最优的电梯外呼分配方案。
本发明可以根据不同的客流特点构建不同的客流模型,并构建对应的评价函数,利用蚁群算法优化电梯路径,可让电梯分工明确,减少用户候梯时间的同时尽可能降低电梯能耗,可有效缓解人流高峰期聚集拥堵情况,提高电梯的运客效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明具体实施例中电梯仿真软件软件界面示意图;
图2为本发明具体实施例中EET人员电梯相关参数配置示意图;
图3为本发明实施例中客流分期处理群控系统的整体思路图;
图4为本发明实施例中电梯群控的问题二部图;
图5为本发明实施例中客流模型识别流程图;
图6为本发明实施例中蚁群算法求解的流程图;
图7为本发明具体实施例中运输乘客数量仿真结果对比图;
图8为本发明具体实施例中乘客平均候梯时间仿真结果对比图;
图9为本发明具体实施例中系统能耗仿真结果对比图;
图10为本发明具体实施例中系统启停次数仿真结果对比图。
具体实施方式
本发明针对现有技术中电梯运客效率不高的技术问题,提出了一种基于蚁群算法的客流分期处理电梯群控调度方法,以达到减少用户候梯时间的同时尽可能降低电梯能耗,并提高电梯的运客效率的技术效果。
为了达到上述技术效果,本发明的发明构思包括:
通过预编程的PLC采集电梯轿厢的载重、所在楼层、运行方向、内选信号以及轿外呼梯信号,统计其中轿外呼梯数量、电梯所在楼层以及电梯载重,分析出当前客流模型特点,针对不同的客流模型,选择乘客平均候梯时间、电梯能耗作为电梯群控系统优化目标,构建评价函数,建立电梯群控模型问题的二部图模型,采用蚁群算法对二部图模型进行优化,求解出最优的电梯外呼分配方案传输给电梯。
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。
本发明实施例提供了一种基于蚁群算法的客流分期处理电梯群控调度方法,包括:
S1:通过预编程的控制器采集电梯的相关信息,相关信息包括轿厢的载重、所在楼层、运行方向、内选信号以及外呼信号;
S2:根据电梯的相关信息统计外呼信号的数量、外呼信号的方向、电梯所在楼层以及电梯载重,分析当前的客流特点,并构建不同的客流模型;
S3:将乘客平均候梯时间、电梯能耗、电梯载重作为电梯群控系统的评价指标,针对不同的客流模型,选择对应的评价指标构建评价函数;
S4:构建电梯群控模型问题的二部图模型,其中,二部图模型包括顶点、边以及权值,顶点由电梯和外呼信号构成,一部电梯、一个外呼信号分别表示一个顶点,边表示电梯与外呼信号之间的响应关系,如果一部电梯可以响应该外呼信号,则该部电梯对应的顶点与外呼信号对应的顶点之间存在一条边,且,一部电梯可以响应多个外呼信号,一个外呼信号当前仅能被一部电梯响应,权值由当前客流模型对应的评价函数确定,用以表示一部电梯响应一个外呼信号的代价,代价越小越有可能被响应;
S5:将M只蚂蚁随机分布在各个电梯上,蚂蚁模拟电梯寻找外呼信号,根据权值获得启发信息,并设置信息素重要程度因子、启发函数重要程度因子以及信息蒸发系数,采用蚁群算法对二部图模型进行求解,求解出蚂蚁的最优路径,其中,蚂蚁的最优路径为最优的电梯外呼分配方案。
请参见图3,为客流分期处理群控系统的整体思路图。
具体实施过程中,步骤S3中评价指标的计算和评价函数的选取应遵循如下方式:
评价指标一:乘客平均候梯时间WT(i,j):电梯i响应第j个层站的呼梯信号时所估计的乘客候梯时间。可以通过该电梯的速度、开关门时间、进出乘客数、内指令信号状态和已分配的外召信号状态来预估计。由于很难精确表示此时等候乘客到来的时间先后,本实施方式采用乘客登记召唤的时刻到电梯到达本层的时间差作为平均候梯时间。
候梯时间的构成包括:轿厢运行时间tmov,轿厢停车时间tslop。
WT(i,j)=tmov+tslop
轿厢的运行时间由运行距离与电梯的运行速度决定。
tmov=h0·|mi-mj|/v
式中h0为单位楼层高度,v为电梯运行速度,mi表示第i层,mj表示第j层。
轿厢停车时间由开门时间topen、乘客出入时间tin_out、关门时间tclose构成。
tstop…topen+tin_out+tclose
评价指标二:电梯能耗W(i,j):电梯i响应第j个层站的呼梯信号时所估计所需要的能耗。电梯能耗主要分为运行能耗W运行与待机能耗W待机两种,其中运行能耗主要与电梯载重和运行距离成正比。
W运行=w1·s(i,j)·g
式中w1为电梯运行功率,s(i,j)为运行距离,例如电梯i在5楼,处于上行状态,此处7楼外呼下行信号,两者之间的距离为电梯运行至最高楼层,在下行到五楼的距离;g为电梯载重。
电梯能耗的计算公式为,
W(i,j)=W运行+W待机=w1·s(i,j)·g+w2·t
式中w2为待机功率。
评价指标三:电梯载重WG(i):电梯的载重达到阈值a时,电梯处于超载状态,评价指标加上一个极大的数b以限制电梯不在响应外呼信号。
步骤S4中电梯群控模型问题的二部图模型构造如下:
蚁群算法已普遍应用到优化问题中,借鉴蚁群算法求解TSP(旅行商)问题过程,应用蚁群算法求解的组合优化问题必须能够用图结构G描述,即能够表示成G=(N,S,C)三元组的形式。其中:
Rcall为外呼信号的集合,其中,每个外部信号包含的信息包括所在楼层和外呼方向(上行还是下行)。
Rstate为电梯的集合,其中,每部电梯包含的信息包括当前电梯所在楼层、电梯载重和电梯运行方向。
设N是电梯群控问题二部图模型中所有顶点的集合,则由上述分析可知N=Rcall∪Rstate。设S={(i,j)∣i∈Rstate,j∈Rcall}是电梯群控问题二部图模型中每个电梯对外呼信号有效选择(电梯与外呼信号的响应关系)的集合,则多个外呼信号nj可分配给一部电梯ni,被分配过的信号在一次循环中不可再次被分配;C为构造出的二部图中各条边上的权值集合,在此,每条边上的权值cij可以根据呼梯信号和与之相连的电梯所处客流模型对应的评价函数确定。
具体地,请参见图4,为本发明实施例中电梯群控的问题二部图。
在一种实施方式中,步骤S1中预编程的控制器为使用西门子博图V15.1进行电梯群控编程的PLC。
具体实施过程中,可与使用西门子博图V15.1(TIA Portal STEP7 ProfessionalV15.1)进行电梯群控编程,通过PLC进行控制,采用“西门子杯”中国智能制造挑战赛电梯仿真软件EET(Elevator simulation)进行仿真实验,对EET相关参数进行配置。然后通过以太网(ethernet)完成西门子博图V15.1、PLC与仿真软件EET之间的连接通讯。
请参见图1-2,图1为本发明具体实施例中电梯仿真软件软件界面示意图,图2为本发明具体实施例中EET人员电梯相关参数配置示意图。
在一种实施方式中,步骤S2包括:
根据外呼信号的数量和外呼信号的方向,获得外呼下行的数量;
判断外呼下行的数量是否大于第一阈值,如果大于,则将构建下行高峰客流模型;如果不大于,则判断电梯所在楼层是否为预设层,如果为预设层且电梯为满载,则构建上行高峰客流模型,如果不为预设层或者电梯不是满载,则构建层间交通客流模型。
具体来说,电梯客流模型可分为下行高峰客流模型、上行高峰客流模型和层间交通客流模型,具体如下:
a)行高峰客流模型,这个交通模式的特征是客流强度很大,上行高峰以相当大的到达率将发生在早晨上班时刻(主要针对办公大楼),此时乘客进入电梯上行到大楼的上层上班;其次,强度稍小的上行高峰发生在午间休息结束时刻。
b)下行高峰客流模型,这个交通模式的特征是客流强度很大,当下行高峰主要发生在下班时刻,而在午间休息开始时形成强度较弱下行高峰。
c)层间交通客流模型,这个交通模式的特征是客流强度为中等或较繁忙阶段当上行和下行乘客数量大致相同时,并且各层之间的交通需求基本平衡,这种交通模式是一种通常的交通状况,存在于一天的大部分时间。
请参见图5,为本发明实施例中客流模型识别流程图。
上行高峰交通模式(客流模型)判断条件为:当某部电梯处于特定楼层m(例如为1或者-1,表示在一楼或者负一楼)时,且电梯处于满载状态;下行高峰交通模式判断条件为:外呼下行个数>=n(可以根据实际情况设置,例如为6);层间交通模式判断条件为:不满足上述两个条件的其他客流为层间交通模式。
在一种实施方式中,客流模型包括下行高峰客流模型、上行高峰客流模型和层间交通客流模型,步骤S3包括:
S3.1:当客流模型为下行高峰客流模型时,评价函数为:
其中,WT(i,j)表示乘客平均候梯时间,i表示电梯的编号,j表示外呼信号所在层站的编号,WG(i)表示电梯载重,上式中,前m号电梯响应所有外呼信号,后m-n部电梯仅响应外呼下行信号;
S3.2:当客流模型为上行高峰客流模型时,评价函数为:
S(i,j)=WT(i,j)+WG(i)
S3.3:当客流模型为层间交通客流模型时,评价函数为:
S(i,j)=W(i,j)+k·WT(i,j)+WG(i)
其中,k为时间转化系数,表示电梯运行状态下单位时间内所消耗的能耗。
具体实施过程中,下面介绍评价函数的选取,
a)上行高峰客流模型,在上行高峰期中,大量的乘客聚集于同一楼层,需要上行,为了减少此楼层的拥堵情况,仅选取乘客的候梯时间作为评价指标,并且该楼层外呼信号可分配给多部电梯,而非单部电梯,同时延长电梯在此楼层开门到位等候时间,评价指标。
b)下行高峰客流模型,在下行高峰期中,大量乘客需要下行至某一楼层,电梯应尽可能的优先响应下行信号,大部分电梯屏蔽上行信号的处理,此时下行外呼乘客的候梯时间作为主要评价指标。
c)层间交通模式,在层间交通模式中,乘客处于一个随机分布的情况,此时应同时考虑乘客候梯时间和电梯能耗指标。
在一种实施方式中,步骤S5包括:
S5.1:初始化算法的各参数,设置最大迭代次数N、信息素重要程度因子α、启发函数重要程度因子β以及信息蒸发系数ρ;
S5.2:将M只蚂蚁随机分布在I部电梯上,蚂蚁模拟电梯寻找外呼信号;
式中,τij(t)为第t代蚂蚁中第k只在i~j路径上留下的信息素;启发信息dij设置为二部图中各边的权值cij;Jk(i)为蚂蚁k下一步可选择外呼信号的集合;为第t代蚂蚁中经过i~j路径所释放的信息素与启发信息乘积求和,t为蚂蚁的代数;
S5.4:查看迭代次数是否到达最大值,若达到最大值,转到下一步骤,否则,更新信息素,转到步骤2继续执行,信息素更新公式如下:
式中,n为迭代次数,Δτij蚂蚁从电梯i响应第j个层站的外呼信号路径上留下信息素的总和,为第t代第k只蚂蚁从电梯i到j个层站的外呼信号路径上留下的信息素,Q表示一只蚂蚁一生所拥有的信息素;Lk为第k只蚂蚁走过路径的总权值;
S5.5:输出蚂蚁的最优路径,作为I部电梯响应所有外呼信号的调度结果。
具体来说,将M只蚂蚁随机分布在I部电梯上,并概率选择下一个层站的呼梯信号。蚂蚁模拟电梯寻找外呼信号,当所有蚂蚁搜索完所有外呼信号时,蚂蚁选出转移概率最大的外呼信号,并向外呼信号所在的层站进行移动,蚂蚁的移动路径即为蚂蚁所在电梯与响应的外呼信号的对应关系。
请参见图6,为本发明实施例中蚁群算法求解的流程图。
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施示例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
下面结合附图对本发明进一步阐述,包括下列步骤:
(1)使用西门子博图V15.1(TIA Portal STEP7 Professional V15.1)进行电梯群控编程,通过PLC进行控制,采用“西门子杯”中国智能制造挑战赛电梯仿真软件EET进行仿真实验,对EET相关参数进行配置。
大楼及电梯相关参数配置:楼层数:10层;楼层高度:3米;电梯数:6台;电梯额定运行速度:2.5m/s;电梯加速度:1m/s2;电梯开关门时间:12s;电梯开门到位维持时间:3s;电梯最大载重:750kg;电梯运行能耗:3.42mWh/(kg·m);电梯待机功率:110W。
客流模型配置:总共模拟400人准备乘梯,电梯需在20分钟内完成接送,乘客的评价候梯时间不得超过120s,否者乘客将离开,具体客流如下:
上行高峰交通模式:前8分钟内模拟120人,大部分人处于上班状态,在一楼聚集上行,流入占比78%,流出占比12%,层间流动占比10%。
下行高峰交通模式:中间6分钟模拟160人,大部人属于层间流动状态且位置随机分布,流入占比10%,流出占比10%,层间流动占比80%。
层间交通模式:后6分钟内模拟120人,大部分人处于上班状态,需要下行至一楼回家,流入占比12%,流出占比78%,层间流动占比10%。
(2)通过以太网(ethernet)完成西门子博图V15.1、PLC与仿真软件EET之间的连接通讯。
(3)统计电梯外呼数量、电梯所在楼层以及电梯载重,分析出当前客流模型特点,并针对不同的客流模型,选择乘客平均候梯时间、电梯总能耗作为电梯群控系统优化目标,构建评价函数S(i,j),其中,电梯客流模型可分为上行高峰期交通模式、下行高峰期交通模式和层间交通模式。
(4)中构建电梯群控模型问题的二部图模型。
(5)采用蚁群算法对二部图模型进行优化,求解出最优的电梯外呼分配方案。
(6)选取运输乘客数量、乘客平均候梯时间(Twt)、乘客平均乘梯时间(Trt)、长时间候梯率(Plwt)、电梯启停次数、电梯运行总距离(Dt)、系统人均能耗和系统总能耗(ADt)作为评分指标,这些评分指标能够充分反应电梯群控算法的实际效果,对不同算法仿真结果进行对比校验。图10为本发明具体实施例中系统启停次数仿真结果对比图。
图7-图10为三种算法的仿真结果对比图,其中,图7为运输乘客数量仿真结果对比图;图8为乘客平均候梯时间仿真结果对比图;图9为系统能耗仿真结果对比图;图10为系统启停次数仿真结果对比图。
其中,算法1:最短路径算法;算法2:最小等待时间算法;算法3:客流分期处理群控调度算法;仿真结果对比结果统计如下:
从实验数据可见:载客效率上,本发明客流分期处理群控调度算法比最短路径算法提高了3.12%,比最短路径算法提交了5.59%;乘客平均候梯时间上,本发明客流分期处理群控调度算法与接客最快的最小等待时间算法差距不大,但相较于最短路径算法时间降低了31.69%;系统人均能耗上,本发明客流分期处理群控调度算法比最小等待时间算法降低了17.02%,比最短路径算法降低了5.17%。由此可见,本发明基于蚁群算法的客流分期处理电梯群控调度方法不仅仅在提高电梯效率上有着很大的提高,而且在节能方面也有不错的效益,减少了高峰期拥堵问题,降低了人民乘坐电梯时等待的焦虑。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种基于蚁群算法的客流分期处理电梯群控调度方法,其特征在于,包括:
S1:通过预编程的控制器采集电梯的相关信息,相关信息包括轿厢的载重、所在楼层、运行方向、内选信号以及外呼信号;
S2:根据电梯的相关信息统计外呼信号的数量、外呼信号的方向、电梯所在楼层以及电梯载重,分析当前的客流特点,并构建不同的客流模型;
S3:将乘客平均候梯时间、电梯能耗、电梯载重作为电梯群控系统的评价指标,针对不同的客流模型,选择对应的评价指标构建评价函数;
S4:构建电梯群控模型问题的二部图模型,其中,二部图模型包括顶点、边以及权值,顶点由电梯和外呼信号构成,一部电梯、一个外呼信号分别表示一个顶点,边表示电梯与外呼信号之间的响应关系,如果一部电梯可以响应该外呼信号,则该部电梯对应的顶点与外呼信号对应的顶点之间存在一条边,且,一部电梯可以响应多个外呼信号,一个外呼信号当前仅能被一部电梯响应,权值由当前客流模型对应的评价函数确定,用以表示一部电梯响应一个外呼信号的代价,代价越小越有可能被响应;
S5:将M只蚂蚁随机分布在各个电梯上,蚂蚁模拟电梯寻找外呼信号,根据权值获得启发信息,并设置信息素重要程度因子、启发函数重要程度因子以及信息蒸发系数,采用蚁群算法对二部图模型进行求解,求解出蚂蚁的最优路径,其中,蚂蚁的最优路径为最优的电梯外呼分配方案。
2.如权利要求1所述的客流分期处理电梯群控调度方法,其特征在于,步骤S1中预编程的控制器为使用西门子博图V15.1进行电梯群控编程的PLC。
3.如权利要求1所述的客流分期处理电梯群控调度方法,其特征在于,步骤S2包括:
根据外呼信号的数量和外呼信号的方向,获得外呼下行的数量;
判断外呼下行的数量是否大于第一阈值,如果大于,则将构建下行高峰客流模型;如果不大于,则判断电梯所在楼层是否为预设层,如果为预设层且电梯为满载,则构建上行高峰客流模型,如果不为预设层或者电梯不是满载,则构建层间交通客流模型。
4.如权利要求3所述的客流分期处理电梯群控调度方法,其特征在于,客流模型包括下行高峰客流模型、上行高峰客流模型和层间交通客流模型,步骤S3包括:
S3.1:当客流模型为下行高峰客流模型时,评价函数为:
其中,WT(i,j)表示乘客平均候梯时间,i表示电梯的编号,j表示外呼信号所在层站的编号,WG(i)表示电梯载重,上式中,前m号电梯响应所有外呼信号,后m-n部电梯仅响应外呼下行信号;
S3.2:当客流模型为上行高峰客流模型时,评价函数为:
S(i,j)=WT(i,j)+WG(i)
S3.3:当客流模型为层间交通客流模型时,评价函数为:
S(i,j)=W(i,j)+k·WT(i,j)+WG(i)
其中,k为时间转化系数,表示电梯运行状态下单位时间内所消耗的能耗。
5.如权利要求1所述的客流分期处理电梯群控调度方法,其特征在于,步骤S5包括:
S5.1:初始化算法的各参数,设置最大迭代次数N、信息素重要程度因子α、启发函数重要程度因子β以及信息蒸发系数ρ;
S5.2:将M只蚂蚁随机分布在I部电梯上,蚂蚁模拟电梯寻找外呼信号;
式中,τij(t)为第t代蚂蚁中第k只在i~j路径上留下的信息素;启发信息dij设置为二部图中各边的权值cij;Jk(i)为蚂蚁k下一步可选择外呼信号的集合;为第t代蚂蚁中经过i~j路径所释放的信息素与启发信息乘积求和,t为蚂蚁的代数;
S5.4:查看迭代次数是否到达最大值,若达到最大值,转到下一步骤,否则,更新信息素,转到步骤2继续执行,信息素更新公式如下:
式中,n为迭代次数,Δτij蚂蚁从电梯i响应第j个层站的外呼信号路径上留下信息素的总和,为第t代第k只蚂蚁从电梯i到j个层站的外呼信号路径上留下的信息素,Q表示一只蚂蚁一生所拥有的信息素;Lk为第k只蚂蚁走过路径的总权值;
S5.5:输出蚂蚁的最优路径,作为I部电梯响应所有外呼信号的调度结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111009166.6A CN113697619A (zh) | 2021-08-31 | 2021-08-31 | 一种基于蚁群算法的客流分期处理电梯群控调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111009166.6A CN113697619A (zh) | 2021-08-31 | 2021-08-31 | 一种基于蚁群算法的客流分期处理电梯群控调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113697619A true CN113697619A (zh) | 2021-11-26 |
Family
ID=78657445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111009166.6A Pending CN113697619A (zh) | 2021-08-31 | 2021-08-31 | 一种基于蚁群算法的客流分期处理电梯群控调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113697619A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113887842A (zh) * | 2021-12-03 | 2022-01-04 | 浙江慧享信息科技有限公司 | 一种基于蚁群算法的智能约梯方法、系统及设备 |
CN116101859A (zh) * | 2023-01-06 | 2023-05-12 | 西南交通大学 | 一种基于序列矩阵自刷新的电梯群控调度方法 |
CN117550451A (zh) * | 2024-01-11 | 2024-02-13 | 通用电梯股份有限公司 | 一种基于客流量估计的电梯节能群控调度方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1795132A (zh) * | 2003-06-30 | 2006-06-28 | 通力股份公司 | 对电梯的进入高峰交通的识别 |
CN1931697A (zh) * | 2006-09-29 | 2007-03-21 | 浙江工业大学 | 基于图像识别技术的群控电梯智能调度装置 |
CN103787161A (zh) * | 2012-10-30 | 2014-05-14 | 株式会社日立制作所 | 电梯系统 |
CN105752778A (zh) * | 2016-03-25 | 2016-07-13 | 刘众喜 | 电梯运行群控方法和系统 |
CN106365003A (zh) * | 2016-09-18 | 2017-02-01 | 渤海大学 | 一种多轿厢电梯群的优化调度方法 |
CN108639880A (zh) * | 2018-05-14 | 2018-10-12 | 广州广日电梯工业有限公司 | 基于图像识别的电梯群控系统及方法 |
CN110451367A (zh) * | 2019-08-26 | 2019-11-15 | 四川科莱电梯股份有限公司 | 超高层电梯目的层群控系统 |
CN111291921A (zh) * | 2020-01-15 | 2020-06-16 | 西安建筑科技大学 | 一种基于改进人工蜂群算法的群控电梯调度优化方法 |
-
2021
- 2021-08-31 CN CN202111009166.6A patent/CN113697619A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1795132A (zh) * | 2003-06-30 | 2006-06-28 | 通力股份公司 | 对电梯的进入高峰交通的识别 |
CN1931697A (zh) * | 2006-09-29 | 2007-03-21 | 浙江工业大学 | 基于图像识别技术的群控电梯智能调度装置 |
CN103787161A (zh) * | 2012-10-30 | 2014-05-14 | 株式会社日立制作所 | 电梯系统 |
CN105752778A (zh) * | 2016-03-25 | 2016-07-13 | 刘众喜 | 电梯运行群控方法和系统 |
CN106365003A (zh) * | 2016-09-18 | 2017-02-01 | 渤海大学 | 一种多轿厢电梯群的优化调度方法 |
CN108639880A (zh) * | 2018-05-14 | 2018-10-12 | 广州广日电梯工业有限公司 | 基于图像识别的电梯群控系统及方法 |
CN110451367A (zh) * | 2019-08-26 | 2019-11-15 | 四川科莱电梯股份有限公司 | 超高层电梯目的层群控系统 |
CN111291921A (zh) * | 2020-01-15 | 2020-06-16 | 西安建筑科技大学 | 一种基于改进人工蜂群算法的群控电梯调度优化方法 |
Non-Patent Citations (3)
Title |
---|
代玉凤: "基于PLC智能群控电梯系统设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
杨素: "基于蚁群算法的电梯群优化控制研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
阮道杰等: "蚁群算法在电梯群控系统中的应用", 《内江科技》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113887842A (zh) * | 2021-12-03 | 2022-01-04 | 浙江慧享信息科技有限公司 | 一种基于蚁群算法的智能约梯方法、系统及设备 |
CN113887842B (zh) * | 2021-12-03 | 2022-04-05 | 浙江慧享信息科技有限公司 | 一种基于蚁群算法的智能约梯方法、系统及设备 |
CN116101859A (zh) * | 2023-01-06 | 2023-05-12 | 西南交通大学 | 一种基于序列矩阵自刷新的电梯群控调度方法 |
CN117550451A (zh) * | 2024-01-11 | 2024-02-13 | 通用电梯股份有限公司 | 一种基于客流量估计的电梯节能群控调度方法 |
CN117550451B (zh) * | 2024-01-11 | 2024-03-19 | 通用电梯股份有限公司 | 一种基于客流量估计的电梯节能群控调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113697619A (zh) | 一种基于蚁群算法的客流分期处理电梯群控调度方法 | |
CN102328859B (zh) | 节能派梯方法及其验证装置 | |
CN113682908B (zh) | 一种基于深度学习的智能调度方法 | |
US6364065B1 (en) | Elevator system controller and method of controlling elevator system with two elevator cars in single shaft | |
JP4870863B2 (ja) | エレベータ群最適管理方法、及び最適管理システム | |
Fernandez et al. | A survey of elevator group control systems for vertical transportation: A look at recent literature | |
Kwon et al. | Sensor-aware elevator scheduling for smart building environments | |
JPH02110088A (ja) | エレベータの群管理装置 | |
CN108408514B (zh) | 一种多联机群控型电梯调度方法 | |
KR920010415B1 (ko) | 엘리베이터의 군관리방법 | |
Zhang et al. | Energy-saving scheduling optimization under up-peak traffic for group elevator system in building | |
CN110526049A (zh) | 一种适用机器人乘用的电梯系统及其控制方法 | |
Luh et al. | Group elevator scheduling with advance information for normal and emergency modes | |
CN111291921A (zh) | 一种基于改进人工蜂群算法的群控电梯调度优化方法 | |
CN106348111B (zh) | 目的层管理系统及控制方法 | |
Van et al. | Green elevator scheduling based on IoT communications | |
Cho et al. | Elevator group control with accurate estimation of hall call waiting times | |
JP4690703B2 (ja) | エレベータ群管理方法及び装置 | |
Yu et al. | Analysis of energy consumption of elevator group supervisory control system based on genetic network programming | |
CN110127464B (zh) | 一种基于动态优化的多目标电梯调度系统及方法 | |
Tang et al. | Optimization of elevator group control scheduling with multi-strategy switch | |
Zhou et al. | Dynamically dispatching method aiming to reduce the servicing time in the EGCS | |
Li | Pso-based real-time scheduling for elevator group supervisory control system | |
CN212953659U (zh) | 一种可自动切换的双模式电梯 | |
Meng et al. | Optimization model for elevator system |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211126 |