CN114634071B - 基于电梯调度神经网络训练的人工智能优化操作系统 - Google Patents

Abstract

本发明涉及神经网络技术领域，具体涉及一种基于电梯调度神经网络训练的人工智能优化操作系统，该系统是一种采用神经网络模型的计算机系统，具体是一种人工智能优化操作系统，该系统包括：设置每个电梯的到达楼层；基于神经网络进行人脸识别，获取人员的目标楼层，基于目标楼层进行电梯的调度。本发明可以有效减少乘客的等待时间。本发明提供的一种基于电梯调度神经网络训练的人工智能优化操作系统可以用于计算机视听觉软件等应用软件开发。

Description

基于电梯调度神经网络训练的人工智能优化操作系统

技术领域

本发明涉及神经网络领域，具体涉及一种基于电梯调度神经网络训练的人工智能优化操作系统。

背景技术

在大型写字楼等场所虽然有多部电梯同时运行来满足人员的上下班需求，但因为楼层较高，等待电梯时会耗费很多不必要的时间，增加时间成本。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于电梯调度神经网络训练的人工智能优化操作系统，所采用的技术方案具体如下：

本发明一个实施例提供了一种基于电梯调度神经网络训练的人工智能优化操作系统，该系统包括：

电梯分配模块，用于基于楼层的重要程度为不同高度的楼层分配相应的电梯数量，并设置每个电梯的到达楼层；

人脸识别模块，用于基于神经网络对进入办公楼的人员进行人脸识别，获取其目标楼层；

电梯调度模块，用于调度到达目标楼层的电梯。

进一步地，基于楼层的重要程度为不同高度的楼层分配相应的电梯数量，具体为：

根据楼层高度将楼层分为若干组；

基于组内各楼层的重要程度计算每个组的数量权重；

根据每个组的数量权重和电梯总数量为每个组分配电梯数量。

进一步地，楼层的重要程度的获取具体为：

根据所有电梯在每个楼层的停留总时长和停留总次数计算楼层的重要程度。

进一步地，设置每个电梯的到达楼层，具体为：

对于为每个组分配的每个电梯，该电梯到达楼层的电梯利用率等级有若干种。

进一步地，电梯利用率等级的获取具体为：

按照预设采样间隔获取各楼层的电梯门外开关的使用次数系列；

基于各楼层对应的使用次数序列和重要程度，对各楼层进行分类，每个类中楼层对应的电梯利用率相同，确定每个类的电梯利用率等级。

进一步地，调度到达目标楼层的电梯后，检测电梯内是否有乘客，若无乘客，则所调度电梯按照第一运行速度下降；若有乘客，则所调度电梯按照第二运行速度下降；其中，第一运行速度大于第二运行速度。

进一步地，基于神经网络对进入办公楼的人员进行人脸识别，获取其目标楼层，具体为：

利用神经网络提取人脸特征，基于预先搭建的人脸特征数据库获取所提取人脸特征的目标楼层；人脸特征数据库中人脸特征与楼层存在对应关系。

本发明实施例至少具有如下有益效果：本发明涉及一种基于电梯调度神经网络训练的人工智能优化操作系统，该系统是一种采用神经网络模型的计算机系统，具体是一种人工智能优化操作系统，该系统包括：本发明基于楼层的重要程度和楼层高度进行电梯数量的分配，并结合楼层的电梯利用率等级设置各电梯的目标楼层；再基于神经网络进行人脸识别，获取人员的目标楼层，基于目标楼层进行电梯的调度。基于本发明的系统，可有效减少人员的等待时间，对电梯进行充分运用。

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和优点，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的介绍，显而易见地，下面描述中的附图仅仅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它附图。

图1为本发明实施例的模块构成图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于电梯调度神经网络训练的人工智能优化操作系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

本发明实施例以下面的应用场景为例对本发明进行说明：

该应用场景为：办公楼场景。

下面结合附图具体的说明本发明所提供的一种基于电梯调度神经网络训练的人工智能优化操作系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于电梯调度神经网络训练的人工智能优化操作系统的模块构成图，该系统包括：

电梯分配模块，用于基于楼层的重要程度为不同高度的楼层分配相应的电梯数量，并设置每个电梯的到达楼层；

人脸识别模块，用于基于神经网络对进入办公楼的人员进行人脸识别，获取其目标楼层；

电梯调度模块，用于调度到达目标楼层的电梯。

下面对上述各个模块进行详细展开：

电梯分配模块，用于基于楼层的重要程度为不同高度的楼层分配相应的电梯数量，并设置每个电梯的到达楼层。

(1)基于楼层的重要程度为不同高度的楼层分配相应的电梯数量，具体为：根据楼层高度将楼层分为若干组；基于组内各楼层的重要程度计算每个组的数量权重；根据每个组的数量权重和电梯总数量为每个组分配电梯数量。其中，楼层的重要程度的获取具体为：根据所有电梯在每个楼层的停留总时长和停留总次数计算楼层的重要程度。

(a)根据所有电梯在每个楼层的停留总时长和停留总次数计算楼层的重要程度：

正常情况下每楼层的乘客人数是不同的，因此有的楼层电梯停留时间长，停留次数多，而有的楼层停留时间相对较短，停留次数较少。采集一整天内所有电梯在每楼层的总停靠时长及停靠次数，停靠时长的记录方法为每次电梯到达此楼层后，乘客离开后再次启动的中间时长，停靠次数记录方法为每停靠一次记录一次；停靠总时长记录为T_i，T_i表示一天内所有电梯在第i层的停留总时长；停靠总次数为S_i，S_i表示一天内所有电梯在第i层的停留总次数。通过T_i、S_i这两个数据可以得到每个楼层的重要程度，当两个数据越大，意味着此楼层越重要，相应的此楼层的电梯利用率比较高。计算楼层的重要程度时，可以是基于历史某一天的数据计算，也可以基于历史多天的数据计算即基于历史数据的均值计算，实施例基于历史一天的数据计算各楼层的重要程度，优选地，基于每周一的数据计算各楼层的重要程度，进而进行接下来一周电梯的调度；具体地，第i层楼层的重要程度Q_i为所有电梯在第i层的停留总时长T_i和停留总次数S_i的乘积。需要说明的是，计算重要程度时所用的停留总时长和停留总次数为归一化后的结果。

由于是用归一化后的数据计算得到的重要程度，因此，重要程度的取值范围为[0，1]，重要程度的值越接近1，说明电梯在此楼层的停留时间越长、停留次数越多，此楼层在电梯的使用过程中越重要，反之，此楼层越不重要，可能为一些未出售或未出租的楼层。

得到每个楼层的重要程度后，还需要对各楼层的重要程度进行归一化处理，使所有楼层的重要程度之和为1。

(b)基于组内各楼层的重要程度计算每个组的数量权重，具体地，基于归一化后组内各楼层的重要程度计算每个组的数量权重：

优选地，实施例以80层楼层为例，按照楼层高度将楼层分为若干组，具体地，作为一种示例，分为4组，即2-19层为一组、20-39层为一组、40-59层为一组、60-80层为一组。实际运用时由实施者确定将楼层分为多少组。

对于每个组，该组对应的数量权重的计算为：该组内所有楼层对应的归一化后的重要程度的和为该组的数量权重。

(c)根据每个组的数量权重和电梯总数量为每个组分配电梯数量：

设电梯总数量为N，则每个组的数量权重与电梯总数量的乘积为为其分配的电梯数量。数量权重乘以总电梯数量的此数值求出来可能不是整数，因此需要选出最接近此数值的整数，使最终能将所有电梯合理分配完全。

(2)设置每个电梯的到达楼层：对于为每个组分配的每个电梯，该电梯到达楼层的电梯利用率等级有若干种。

一个电梯不能服务于多个电梯利用率较高的楼层，原因为此种情况下电梯自身的维护检修修正时间被压缩，导致电梯的寿命缩短，因此，每个电梯服务的楼层的电梯利用率等级要分布均匀，即一个电梯所服务的楼层对应的电梯利用率的等级既要有高等级的，也要有中等级和低等级的，具体地，电梯利用率等级有M个，每个电梯服务的楼层对应的电梯利用率等级要尽量包括这M个电梯利用率等级，对应的电梯利用率等级相同的楼层的个数要尽可能少。需要注意，设置每个电梯的到达路层时需要将每部电梯到达楼层都包含电梯利用率等级不同的多个楼层，而且需要有互斥性与平均性，互斥性为避免为某部电梯设置多个电梯利用率较高的楼层，而其它电梯未分配电梯利用率较高的楼层；均分性为最终为每部电梯所分配的楼层的重要程度之和数值接近，这样意味着每部电梯的载客量相近，避免了电梯浪费，又可以减少乘客的等待时间。具体地设置电梯到达楼层的方法为基于数学的方法，本发明只简单的进行描述：假设电梯利用率等级有5个，一组中有20个楼层，4部电梯，若在此20个楼层中每个电梯利用率等级对应有4个楼层，则将每个电梯利用率等级对应的4个楼层分别分配给4部电梯，即每部电梯服务的4个楼层的电梯利用率等级各不相同。上述情况为理想情况下电梯到达楼层的设置方法。实际情况中，每部电梯服务的楼层的电梯利用率等级可能会相同。

其中，电梯利用率等级的获取具体为：按照预设采样间隔获取各楼层的电梯门外开关的使用次数系列；基于各楼层对应的使用次数序列和重要程度，对各楼层进行分类，每个类中楼层对应的电梯利用率相同，确定每个类的电梯利用率等级。

同样的，可以是获取历史某一天内各楼层对应的使用次数序列，也可以获取历史多天内各楼层对应的使用次数序列，得到均值序列；实施例中以一天、预设采样间隔为十分钟为例，获取使用次数序列，一天24小时分为十分钟一个时间段共144个时间段，记录每一楼层的电梯门外开关在每10分钟内的使用次数，可得到144个数值，进而得到每个楼层的电梯门外开关使用次数序列，其中，第i层楼层对应的使用次数序列记为R_i。

基于各楼层对应的使用次数序列和重要程度，对各楼层进行分类：

A，B表示不同的楼层，计算时去掉第一层，从第二层开始计算，L(A,B)表示A，B两个楼层的相似程度；DTW表示动态时间规整距离，当两个楼层之间的随时间变化的电梯门外开关的使用次数序列的数值及变化情况接近时，DTW的数值越接近0，反之越大，abs(Q_A-Q_B)表示两个楼层之间的重要程度的差值绝对值，当重要程度越接近，此数值越接近0。因此L(A,B)的值域为[0，1]，当数值越接近1的时候，意味着两楼层在电梯使用次数及重要程度的两个特征指标都非常接近；当越接近0时，意味着两个特征指标相差非常远。

将楼层基于L进行分类，因楼层样本数量少，因此使用K-Means算法，根据电梯的使用情况依据L的值将楼层分为多种情况，即根据电梯利用率对楼层进行分类，优选地，实施例中分为5类，每类对应一个电梯利用率等级，实施例中每类对应的电梯利用率等级分别为超高利用率、高利用率、中利用率、低利用率、超低利用率。需要说明，进行聚类时分组时需要将L数值转变为样本距离。

至此，可得到每部电梯对应的到达楼层，本发明中到达楼层是指电梯服务的楼层，即电梯只在其服务的楼层开门或关门。

人脸识别模块，用于基于神经网络对进入办公楼的人员进行人脸识别，获取其目标楼层。

基于神经网络对进入办公楼的人员进行人脸识别，获取其目标楼层，具体为：利用神经网络提取人脸特征，基于预先搭建的人脸特征数据库获取所提取人脸特征的目标楼层，具体地，基于所提取的人脸特征在预先搭建的人脸特征数据库中进行识别对比，查找到人员信息后获取该人员的目标楼层；人脸特征数据库中人脸特征与楼层存在对应关系。优选地，实施例中所述神经网络为CNN卷积神经网络。若发现某个人员的目标楼层为多个，则此人可能为外卖员等人员，不进行电梯调度，由其自行按下电梯的楼层按钮。

电梯调度模块，用于调度到达目标楼层的电梯。

根据人脸识别模块获取的目标楼层，进行相应电梯的调度。

调度到达目标楼层的电梯后，检测电梯内是否有乘客，若无乘客，则所调度电梯按照第一运行速度下降；若有乘客，则所调度电梯按照第二运行速度下降；其中，第一运行速度大于第二运行速度。

优选地，当监测到电梯轿厢内无乘客时，此时电梯速度调整为最大安全运行速度，减少电梯空载运行的时间，减少等待时间。

一种实施方式中，利用电梯轿厢内的红外温度传感器检测电梯内是否有乘客。另一种实施方式中，利用电梯轿厢内的摄像头检测电梯内是否有乘客。

此外，判断电梯调度优化好坏的方法是看乘客等待的平均时间mean(t)是否有缩短。计算电梯调度优化后所有电梯每次使用时按下门外开关到电梯开门时的时间之和t_总与按下门外开关的总次数m_总，平均等待时间为

因为办公楼的人员流动情况具有不确定性，因此在电梯调度优化后每天24小时过后，计算得到当天的平均等待时间mean(t)，当第X天到第X+7天的平均等待时间连续超过第X-1天的平均等待时间，意味着此时电梯调度方法已经不是最优解，需要重复上述过程，重新分配电梯的到达楼层。

基于每个楼层的电梯门外开关的使用次数序列，可以得到各个时间段使用电梯次数最多的楼层；对于每个时间段，选取电梯使用次数最多的楼层，第二天在此时间段开始时，将能够到达此楼层的电梯提前停靠到此层，一定程度上的减少等待时间。其中，可以基于前一天的使用次数序列对后一天各时间段的电梯进行调度，也可基于每周一的使用次数序列对当前周其他天各时间段的电梯进行调度。

综上，本发明系统包括的内容可以分为四部分，其一为监测电梯内是是否有乘客，从而设定不同的运行速度。其二为对进入办公楼的人员进行人脸识别对比，即在一楼门禁处通过CNN卷积神经网络记录人员是人脸特征，匹配其所去楼层的电梯，提前调度。其三为人工智能系统基于每层的电梯使用情况进行智能分配。其四是通过智能系统学习不同时间段使用电梯最多的楼层，将电梯提前停靠在此楼层。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (4)

1.一种基于电梯调度神经网络训练的人工智能优化操作系统，其特征在于，该系统包括：

电梯分配模块，用于基于楼层的重要程度为不同高度的楼层分配相应的电梯数量，并设置每个电梯的到达楼层；

人脸识别模块，用于基于神经网络对进入办公楼的人员进行人脸识别，获取其目标楼层；

电梯调度模块，用于调度到达目标楼层的电梯；

基于楼层的重要程度为不同高度的楼层分配相应的电梯数量，具体为：

根据楼层高度将楼层分为若干组；

基于组内各楼层的重要程度计算每个组的数量权重；

根据每个组的数量权重和电梯总数量为每个组分配电梯数量；

楼层的重要程度的获取具体为：

根据所有电梯在每个楼层的停留总时长和停留总次数计算楼层的重要程度；

设置每个电梯的到达楼层，具体为：

对于为每个组分配的每个电梯，该电梯到达楼层的电梯利用率等级有若干种，每个电梯服务的楼层的电梯利用率等级分布均匀，即一个电梯所服务的楼层对应的电梯利用率的等级既有高等级的，也有中等级和低等级的，每部电梯到达楼层都包含电梯利用率等级不同的多个楼层，而且有互斥性与平均性。

2.如权利要求1所述的系统，其特征在于，电梯利用率等级的获取具体为：

按照预设采样间隔获取各楼层的电梯门外开关的使用次数系列；

基于各楼层对应的使用次数序列和重要程度，对各楼层进行分类，每个类中楼层对应的电梯利用率相同，确定每个类的电梯利用率等级。

3.如权利要求2所述的系统，其特征在于，调度到达目标楼层的电梯后，检测电梯内是否有乘客，若无乘客，则所调度电梯按照第一运行速度下降；若有乘客，则所调度电梯按照第二运行速度下降；其中，第一运行速度大于第二运行速度。

4.如权利要求3所述的系统，其特征在于，基于神经网络对进入办公楼的人员进行人脸识别，获取其目标楼层，具体为：

利用神经网络提取人脸特征，基于预先搭建的人脸特征数据库获取所提取人脸特征的目标楼层；人脸特征数据库中人脸特征与楼层存在对应关系。

Images