CN114655802A - 使用深度学习和机器学习自动支持呼叫请求的社交距离和等待乘客的识别 - Google Patents
使用深度学习和机器学习自动支持呼叫请求的社交距离和等待乘客的识别 Download PDFInfo
- Publication number
- CN114655802A CN114655802A CN202110953103.XA CN202110953103A CN114655802A CN 114655802 A CN114655802 A CN 114655802A CN 202110953103 A CN202110953103 A CN 202110953103A CN 114655802 A CN114655802 A CN 114655802A
- Authority
- CN
- China
- Prior art keywords
- elevator
- call request
- registered
- floor
- passengers
- 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
- 238000010801 machine learning Methods 0.000 title claims abstract description 21
- 238000013135 deep learning Methods 0.000 title abstract description 17
- 230000004044 response Effects 0.000 claims abstract description 12
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 41
- 230000033001 locomotion Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 208000035473 Communicable disease Diseases 0.000 description 2
- 241000700605 Viruses Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 241001503987 Clematis vitalba Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training 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
- B66B1/24—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration
- B66B1/28—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration electrical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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
- B66B1/3476—Load weighing or car passenger counting devices
-
- 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
- B66B2201/222—Taking into account the number of passengers present in the elevator car to be allocated
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Elevator Control (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
本公开的发明名称为“使用深度学习和机器学习自动支持呼叫请求的社交距离和等待乘客的识别”。提供了用于使用深度学习和机器学习来识别电梯外部等待乘客并自动支持电梯乘客的社交距离的实施例。实施例包括：接收来自电梯楼层的呼叫请求；响应于接收到呼叫请求而捕获登记呼叫请求的电梯楼层的图像；以及从图像中确定在登记呼叫请求的电梯楼层上一个或多个等待乘客的存在。实施例还包括向登记呼叫请求的电梯楼层调度电梯轿厢；以及至少部分基于确定一个或多个等待乘客的存在来控制电梯轿厢。
Description
技术领域
本文中的实施例涉及电梯系统，并且更特别地，涉及使用深度学习和机器学习的电梯外部的等待乘客的识别（identification）并自动支持电梯乘客的社交距离（socialdistancing）。
背景技术
在今天的环境下，出于商务和个人原因的旅行非常普遍，并且旅行者可能在短时间内遇到许多其他人。因为旅行者可容易地到无限制的目的地旅行，因此如果个人有可传染的健康状况（诸如病毒或传染病），那么几个其他人可能变得被暴露（exposed）。不知不觉中传播病毒或传染病的风险可能会不受欢迎地增加。可能需要鼓励旅行者之间的社交距离。
发明内容
根据实施例，示出了一种用于使用深度学习和机器学习来识别电梯外部等待乘客并自动支持电梯乘客的社交距离的方法。该方法包括：在电梯控制器处接收来自电梯楼层的呼叫请求；响应于接收到呼叫请求而捕获登记呼叫请求的电梯楼层的图像；以及从图像中确定在登记呼叫请求的电梯楼层上一个或多个等待乘客的存在。所述方法还包括向登记呼叫请求的电梯楼层调度（dispatch）电梯轿厢；以及至少部分基于确定一个或多个等待乘客的存在来控制电梯轿厢。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：确定一个或多个等待乘客的存在；对图像中的一个或多个等待乘客的数量进行计数；至少部分基于一个或多个等待乘客的数量来预测服务所述一个或多个等待乘客所需的电梯轿厢的数量；至少部分基于一个或多个等待乘客的数量来向登记呼叫请求的电梯楼层调度所述数量的电梯轿厢；以及至少部分基于等待乘客的数量来在登记呼叫请求的电梯楼层上停止电梯轿厢。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：在调度一个或多个电梯轿厢之后，执行登记呼叫请求的电梯楼层的后续图像捕获，至少部分基于后续图像捕获来修改已经被调度的电梯轿厢的数量。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：执行后续图像捕获以确定一个或多个等待乘客的存在。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：如果在登记呼叫请求的电梯楼层上没有检测到乘客，则忽略呼叫请求。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：在电梯轿厢离开登记新的门厅呼叫请求（hall call request）的电梯楼层之前接收新的门厅呼叫请求；响应于接收到新的门厅呼叫请求而确定电梯轿厢内部的剩余容量；至少部分基于电梯轿厢内部的剩余容量而忽略新的门厅呼叫请求，否则，重新打开电梯轿厢门，以允许一个或多个等待乘客搭乘电梯轿厢。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：使用在电梯轿厢开始朝向登记呼叫请求的电梯楼层行进之后被捕获的后续图像。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：使用在电梯轿厢远离登记呼叫请求的电梯楼层阈值距离时分析的图像。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：基于对图像执行机器学习以单独识别一个或多个乘客来确定一个或多个乘客的存在。
根据实施例，示出了一种用于使用深度学习和机器学习来识别电梯外部等待乘客并自动支持电梯乘客的社交距离的系统。所述系统包括：电梯轿厢和电梯控制器；一个或多个传感器，所述一个或多个传感器可操作地耦合到电梯轿厢和电梯控制器，其中所述一个或多个传感器适合于捕获登记呼叫请求的电梯楼层的图像。电梯控制器被配置成：接收来自电梯楼层的呼叫请求；响应于接收到呼叫请求而捕获登记呼叫请求的电梯楼层的图像；确定在登记呼叫请求的电梯楼层上一个或多个等待乘客的存在。电梯控制器被进一步配置成：向登记呼叫请求的电梯楼层调度电梯轿厢；并且至少部分基于确定一个或多个等待乘客的存在来控制电梯楼层上的电梯轿厢。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：位于电梯轿厢内部的摄像机（camera），所述摄像机被定位成捕获搭乘的乘客的图像。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括电梯控制器，其被配置成对图像中一个或多个等待乘客的数量进行计数；至少部分基于一个或多个等待乘客的数量来预测服务一个或多个等待乘客所需的电梯轿厢的数量；至少部分基于一个或多个等待乘客的数量来向登记呼叫请求的电梯楼层调度所述数量的电梯轿厢；以及至少部分基于一个或多个等待乘客的数量来控制登记呼叫请求的电梯楼层上的电梯轿厢。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括电梯控制器，其被配置成在调度一个或多个电梯轿厢之后，执行登记呼叫请求的电梯楼层的后续图像捕获，并且至少部分基于后续图像捕获来修改已经被调度的电梯轿厢的数量。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：执行后续图像捕获以确定一个或多个等待乘客的存在。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括电梯控制器，其被进一步配置成：如果在登记呼叫请求的电梯楼层上没有检测到乘客，则忽略呼叫请求。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：使用响应于接收到登记电梯楼层的呼叫请求而分析的图像。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：使用在电梯轿厢开始朝向登记呼叫请求的电梯楼层行进之后捕获的后续图像。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：使用在电梯轿厢远离登记呼叫请求的电梯楼层阈值距离时分析的图像。
除了本文中描述的特征中的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：确定一个或多个乘客的存在是基于对图像执行机器学习以单独识别一个或多个乘客。
除了本文中描述的一个或多个特征之外，或者作为备选方案，进一步的实施例包括：每个电梯楼层上的图像捕获装置。
除非另有明确指示，否则前述特征和元件可以以各种组合来组合而没有排它性。依据以下描述和附图，这些特征和元件及其操作将变得更加显而易见。然而，应理解，以下描述和附图本质上旨在是说明性和解释性的以及非限制性的。
附图说明
本公开通过示例被说明并且不限于附图，在附图中，相似的附图标记指示类似的元件。
图1是可采用本公开的各种实施例的电梯系统的示意图；
图2描绘了根据一个或多个实施例的系统的框图，该系统识别电梯楼层上的等待乘客，并基于识别等待乘客的数量来调度一个或多个电梯轿厢；
图3描绘了根据一个或多个实施例的用于识别电梯楼层上的等待乘客的方法的流程图；
图4描绘了根据一个或多个实施例的用于基于识别等待乘客的数量将多个电梯调度到电梯楼层的方法的流程图；以及
图5描绘了根据一个或多个实施例的用于避免门厅呼叫请求并高效调度乘客的方法的流程图。
具体实施方式
时常，电梯轿厢到达其中没有乘客正在等待搭乘（board）的电梯楼层。乘客可能出于各种原因离开电梯楼层。例如，乘客可返回到他们的办公室或附近的停车场取回遗忘的物品。在另一个示例中，乘客可搭乘在预定的电梯轿厢已经到达之前已经到达他们的电梯楼层的另一个电梯轿厢。
如果没有（一个或多个）乘客在等待，这可能导致不必要地停止电梯，这可能导致服务其它楼层上的其他乘客的延迟。此外，不必要地运行电梯会消耗大量电力，并可能导致维护服务和成本增加。
在不同的场景下，当拥挤的电梯楼层上的乘客进入电梯轿厢时，不能够进入电梯轿厢的其他乘客可按门厅呼叫按钮，阻止电梯轿厢关闭其门并运送乘客继续其目的地。这可能导致服务乘客的不必要延迟。
常规技术可能依赖于运动检测器来确定个人的存在。然而，运动检测器的准确度是有限的，并且可能记录假阳性和假阴性结果。此外，运动检测器简单地识别物体的运动，并不能区分运动的人或某种其它运动物体的运动。
本文中描述的技术通过实现用于图像处理的机器学习和深度学习算法来改进常规系统，以准确识别图像中存在的个人。该信息可用于确定是继续服务呼叫请求还是确定不再需要呼叫请求。此外，该信息可用于确定是否可能要求附加的电梯轿厢来服务登记呼叫请求的电梯楼层上的所述数量的等待乘客。本文中描述的技术可通过减少电梯到达之前的延迟来改进乘客体验，并且优化电梯功耗和使用。
图1是电梯系统101的透视图，所述电梯系统101包括电梯轿厢103、配重105、受拉构件107、导轨109、机器111、位置参考系统113和控制器115。电梯轿厢103和配重105通过受拉构件107彼此连接。受拉构件107可包括或被配置成例如绳索、钢缆和/或涂层钢带。配重105被配置成平衡电梯轿厢103的负载，并且被配置成促进电梯轿厢103在电梯井117内并沿着导轨109相对于配重105同时地并且在相反方向上移动。
受拉构件107接合机器111，所述机器111是电梯系统101的高架（overhead）结构的部分。机器111被配置成控制电梯轿厢103和配重105之间的移动。位置参考系统113可安装在电梯井117顶部的固定部分上，例如安装在支撑件（support）或导轨上，并且可被配置成提供与电梯轿厢103在电梯井117内的位置有关的位置信号。在其它实施例中，位置参考系统113可直接安装到机器111的移动组件，或者可位于如本领域中已知的其它位置和/或配置中。位置参考系统113可以是如本领域中已知的用于监测电梯轿厢和/或配重的位置的任何装置或机构。例如，在没有限制的情况下，位置参考系统113可以是编码器、传感器或其它系统，并且可包括速度感测、绝对位置感测等，如本领域技术人员将领会的那样。
如所示出的，控制器115位于电梯井117的控制器室121中，并且被配置成控制电梯系统101以及特别是电梯轿厢103的操作。例如，控制器115可向机器111提供驱动信号，以控制电梯轿厢103的加速、减速、调平（leveling）、停止等。控制器115还可被配置成从位置参考系统113或任何其它期望的位置参考装置接收位置信号。当在电梯井117内沿着导轨109向上或向下移动时，电梯轿厢103可停止在一个或多个层站125处，如由控制器115所控制的那样。尽管在控制器室121中被示出，但是本领域技术人员将领会的是，控制器115能够位于和/或配置在电梯系统101内的其它位置（location或position）中。在一个实施例中，控制器可远程地定位或定位于云中。
机器111可包括马达或类似的驱动机构。根据本公开的实施例，机器111被配置成包括电驱动马达。用于马达的电源可以是任何功率源（包括电网），其（与其它组件组合）被供应给马达。机器111可包括曳引轮，所述曳引轮对受拉构件107施加力以使电梯轿厢103在电梯井117内移动。
尽管利用包括受拉构件107的绕绳系统来示出和描述，但采用在电梯井内移动电梯轿厢的其它方法和机构的电梯系统可采用本公开的实施例。例如，实施例可在使用线性马达来将运动施加到电梯轿厢的无绳电梯系统中被采用。实施例还可在使用液压升降机来将运动施加到电梯轿厢的无绳电梯系统中被采用。实施例还可在使用自推进电梯轿厢的无绳电梯系统（例如，摩擦轮或爬梁器）中被采用。图1仅是出于说明性和解释性目的而呈现的非限制性示例。
在其它实施例中，系统包括在楼层之间和/或沿着单个楼层移动乘客的输送系统。这样的输送系统可包括自动扶梯、人员移动装置（people mover）等。因此，本文中描述的实施例不限于电梯系统，诸如在图1中所示出的电梯系统。
图2描绘了根据一个或多个实施例的用于识别等待乘客的系统200。系统200可包括类似于图1中所示的电梯控制器115的电梯控制器202。电梯控制器202可操作地耦合到服务建筑物的各个楼层的一个或多个电梯轿厢204。在一个或多个实施例中，每个电梯楼层208可包括图像捕获装置，诸如摄像机206，其被操作和定位成拍摄每个电梯楼层208上等待乘客的图像。图像捕获装置可包括被配置成收集图像数据以识别在电梯楼层208上等待乘客的存在的其它类型传感器。
可使用各种技术触发图像捕获装置来捕获图像数据。例如，响应于接收到呼叫请求，图像捕获装置可从电梯控制器202接收信号。在另一示例中，响应于关闭电梯门，可触发图像捕获装置拍摄图像，或者在不同的示例中，当电梯轿厢204正在朝着登记了呼叫请求的电梯楼层208行进时，可触发图像捕获装置来拍摄电梯楼层208的图像。
如图2中所示，系统200包括通过网络210可操作地耦合到电梯控制器202的服务器212。电梯控制器202可将已经由（一个或多个）摄像机206捕获的图像数据传送到服务器212以用于处理。在一个或多个实施例中，服务器212包括机器学习（ML）模块和深度学习（DL）模块，以分析捕获的图像，并将它们与训练数据进行比较，以便对等待的乘客进行识别和计数。随着时间的推移，机器学习模块和深度学习模块改进其识别各个乘客并将他们与可能在电梯楼层208上存在的其它物体区分开的准确性。
在一个或多个实施例中，电梯控制器202可被配置有等待乘客阈值，以确定多少电梯轿厢204应该被调度到登记呼叫请求的电梯楼层208以服务等待乘客，这参考图4进一步讨论。
因为执行图像分析时的时间与登记呼叫请求的时间之间的接近性是重要的，所以当电梯轿厢204接近登记了呼叫请求的电梯楼层208时或者当电梯轿厢远离电梯楼层208阈值距离时，可执行图像分析。例如，当电梯轿厢204离开阈值距离时，诸如离开3层、5层、n层时，可执行图像捕获和分析。
在电梯楼层208上没有检测到乘客的情况下，电梯控制器202可向电梯轿厢204提供信号，以继续朝向另一个电梯楼层208移动，以服务另一个呼叫请求。也就是说，如果没有乘客在等待，则电梯轿厢204可继续运行，而不在登记了呼叫请求的电梯楼层208上停止，并且忽略该呼叫请求。备选地，如果发现一个或多个乘客正在电梯层208上等待，则电梯轿厢204将在电梯层208上停止并服务该呼叫请求。
现在参考图3，图3描绘了根据一个或多个实施例的用于识别等待乘客的方法300的流程图。方法300从框302开始，并前进到框304，框304规定（provide for）在电梯控制器202处接收来自电梯楼层的呼叫请求。框306响应于接收到呼叫请求而捕获登记呼叫请求的电梯楼层208的图像。在一个或多个实施例中，图像由摄像机206或其它图像捕获装置捕获，并且图像数据被传送到服务器212或其它处理器以用于进一步的分析。
在框308，服务器212从图像中确定在登记呼叫请求的电梯楼层208上一个或多个等待乘客的存在。在一个或多个实施例中，图像数据被传送到处理器或服务器212，该处理器或服务器212包括机器学习模块和深度学习模块以从图像数据中识别等待乘客。框310使用电梯控制器202将电梯轿厢204调度到登记呼叫请求的电梯楼层208。在一个或多个实施例中，电梯控制器202可根据需要调度一个或多个电梯轿厢204。
框312至少部分基于确定电梯楼层208上一个或多个等待乘客的存在来控制电梯轿厢204。在由服务器212使用机器学习和深度学习算法处理的图像中没有识别出用户的情况下，可通过忽略或消除针对登记了呼叫请求的电梯楼层208的呼叫请求来控制电梯轿厢204。电梯轿厢204将不在电梯楼层208上停止。由电梯控制器202控制电梯轿厢204可包括：如果等待乘客的数量已经减少或小于等待乘客阈值，则减少调度到电梯楼层208的电梯轿厢204的数量。备选地，如果机器学习和深度学习算法指示登记了呼叫请求的电梯楼层208上等待乘客的数量已经增加，则可向登记呼叫请求的电梯楼层208调度附加的电梯轿厢204。方法300结束于框314。应当理解，可将附加步骤或不同的步骤序列并入方法300。
图4描绘了用于基于等待乘客的预测数量来调度多部电梯的方法的流程图。框402对图像中一个或多个等待乘客的数量进行计数。在一个或多个实施例中，使用机器学习和深度学习算法来处理图像。框404至少部分基于一个或多个等待乘客的数量来预测服务一个或多个等待乘客所需的电梯轿厢的数量。
框406至少部分基于一个或多个等待乘客的数量，向登记呼叫请求的电梯楼层208调度所述数量的电梯轿厢204。在一个或多个实施例中，等待乘客阈值可用于限制进入单个电梯轿厢204的乘客数量。这能鼓励多个等待乘客之间的社交距离。在非限制性示例中，如果等待乘客阈值被设置为4名乘客，并且在捕获的图像中已经通过机器学习和深度学习算法识别出5名乘客，则可向登记呼叫请求的同一电梯楼层208调度2个电梯轿厢204，来服务5名乘客。
框408至少部分基于一个或多个等待乘客的数量来控制登记呼叫请求的电梯楼层208上的电梯轿厢204。在一个或多个实施例中，电梯可被控制成：如果等待乘客的数量减少到等待乘客阈值以下则减少电梯数量，或者如果等待乘客的数量增加到多于乘客阈值，则增加电梯数量。此外，如果没有检测到乘客，则可忽略该呼叫请求，并且电梯轿厢204可继续服务另一个呼叫请求，而不在登记了初始呼叫请求的电梯楼层208处停止。方法400结束，可返回到图3的步骤302，以继续针对后续呼叫请求分析等待乘客的存在。应该理解，方法400不旨在受图4中所示的步骤限制。
图5描绘了根据一个或多个实施例的用于避免门厅呼叫请求并且高效地调度乘客的方法500的流程图。方法500开始于框502，其规定接收门厅呼叫请求。可通过按位于电梯楼层208中的按钮来发出门厅呼叫请求。在电梯轿厢204到达电梯楼层之后，一个或多个乘客将搭乘电梯轿厢204，并且电梯门将被关闭。
在框504，方法500检测到电梯门已经关闭。可使用各种方法来确定门被关闭。例如，传感器可位于电梯门附近，以向电梯控制器传送指示门已经关闭的信号。在另一个示例中，摄像机可用于捕获电梯门的图像或视频，以确定电梯门何时处于打开位置或关闭位置。在电梯门被关闭之后，假设一个或多个等待乘客已经进入电梯轿厢。
在判定框506，方法500确定是否接收到新的门厅呼叫请求。在一个或多个实施例中，如果在电梯轿厢204离开电梯楼层208之前，在电梯控制器处从同一楼层登记了新的门厅呼叫请求，则方法500将前进到框512。如果是这样(“是”分支)，则在框512，使用位于电梯轿厢内部的摄像机获得电梯轿厢内部的图像，并将其传送到图像服务器以用于分析。在判定框514，对图像应用机器学习和深度学习过程，以确定电梯轿厢中的剩余容量是否可用于接纳附加的乘客。
如果确定电梯轿厢中剩余可用容量(“是”分支)，则电梯门可被重新打开(框516)，以允许附加的等待乘客搭乘电梯轿厢。在一个或多个实施例中，可向电梯楼层上的等待乘客和电梯轿厢内部的乘客提供警报或通知，以指示一个或多个等待乘客可进入电梯轿厢。在一个或多个等待乘客已经进入电梯轿厢之后，电梯门被关闭，并且该方法继续到框504。
如果在判定框514，确定电梯轿厢中没有剩余容量(“否”分支)，则方法500前进到框518，其中忽略新的门厅呼叫请求，并且使用位于电梯楼层区域中的摄像机捕获电梯楼层区域的图像，以确定等待乘客的数量。方法500前进到图4，以确定应该被调度到电梯楼层以服务等待乘客的附加电梯轿厢的数量。
如果在判定框506确定没有登记新的门厅呼叫请求(“否”分支)，则方法500继续到框508，其中电梯轿厢继续将搭乘的乘客运送到目的地。在一个或多个实施例中，方法500继续到框502以重复该过程。
技术效果和益处包括高效利用呼叫请求以基于乘客流量检测来分配附加电梯。这允许电梯系统更快地服务更多乘客，并减少乘客等待时间。此外，通过分配更多的电梯来高效控制乘客的流量，乘客可保持适当的社交距离，并且基于乘客流量检测的电梯分配能节省电梯不断停止和重启的电力和能量。此外，基于电梯轿厢中的剩余容量，可避免不必要的门厅呼叫请求。
如上所述，实施例可采用处理器实现的过程和用于实践这些过程的装置（诸如，处理器）的形式。实施例还可采用包含指令的计算机程序代码的形式，所述指令体现在有形介质中，所述有形介质诸如网络云存储装置、SD卡、闪存驱动器、软盘、CD ROM、硬盘驱动器或任何其它计算机可读存储介质，其中，当计算机程序代码被加载到计算机中并由计算机执行时，计算机变为用于实践实施例的装置。实施例还可采用计算机程序代码的形式，所述计算机程序代码例如是存储在存储介质中、加载到计算机中和/或由计算机执行，是通过一些传输介质传送、加载到计算机中和/或由计算机执行，还是通过一些传输介质（诸如通过电线或电缆、通过光纤、或经由电磁辐射）传送，其中，当计算机程序代码被加载到计算机中并由计算机执行时，计算机变成用于实践实施例的装置。当在通用微处理器上实现时，计算机程序代码段将微处理器配置成创建特定的逻辑电路。
术语“大约”旨在包括与基于在提交本申请时可用的设备的制造公差和/或特定量的测量结果相关联的误差程度。
本文中使用的术语仅仅出于描述特定实施例的目的，并且不旨在成为本公开的限制。如本文中所使用的，除非上下文另有明确指示，否则单数形式“一（a、an）”以及“该（the）”旨在还包括复数形式。将进一步理解，术语“包括（comprise和/或comprising）”当在本说明书中使用时，规定所陈述的特征、整体、步骤、操作、元件和/或组件的存在，但不排除一个或多个其它特征、整体、步骤、操作、元件组件和/或其群组的存在或添加。
本领域技术人员将领会的是，本文中示出和描述了各种示例实施例，每个示例实施例具有特定实施例中的某些特征，但本公开不因此被限制。相反，本公开能够被修改以合并此前未描述但与本公开的范围相称的任何数量的变化、变更、替换、组合、子组合或等同布置。另外，虽然已经描述了本公开的各种实施例，但要理解的是，本公开的方面可仅包括所描述的实施例中的一些。因此，本公开将不被视为受前述描述所限制，而是仅受所附权利要求书的范围所限制。
Claims (20)
1.一种方法，包括：
在电梯控制器处接收来自电梯楼层的呼叫请求；
响应于接收到所述呼叫请求而捕获登记所述呼叫请求的所述电梯楼层的图像；
从所述图像中确定在登记所述呼叫请求的所述电梯楼层上一个或多个等待乘客的存在；
向登记所述呼叫请求的所述电梯楼层调度电梯轿厢；以及
至少部分基于确定所述一个或多个等待乘客的所述存在来控制所述电梯轿厢。
2.如权利要求1所述的方法，其中确定一个或多个等待乘客的所述存在，对所述图像中的所述一个或多个等待乘客的数量进行计数；
至少部分基于一个或多个等待乘客的所述数量来预测服务所述一个或多个等待乘客所需的电梯轿厢的数量；
至少部分基于所述一个或多个等待乘客的所述数量来向登记所述呼叫请求的所述电梯楼层调度所述数量的电梯轿厢；以及
至少部分基于等待乘客的所述数量来在登记所述呼叫请求的所述电梯楼层上停止所述电梯轿厢。
3.如权利要求1所述的方法，进一步包括：在调度一个或多个电梯轿厢之后，执行登记所述呼叫请求的所述电梯楼层的后续图像捕获，至少部分基于所述后续图像捕获来修改已经被调度的电梯轿厢的数量。
4.如权利要求2所述的方法，进一步包括：执行后续图像捕获以确定所述一个或多个等待乘客的所述存在。
5.如权利要求1所述的方法，进一步包括：如果在登记所述呼叫请求的所述电梯楼层上没有检测到乘客，则忽略所述呼叫请求。
6.如权利要求1所述的方法，进一步包括：在所述电梯轿厢离开登记新的门厅呼叫请求的所述电梯楼层之前接收所述新的门厅呼叫请求；
响应于接收到所述新的门厅呼叫请求而确定所述电梯轿厢内部的剩余容量；
至少部分基于所述电梯轿厢内部的所述剩余容量而忽略所述新的门厅呼叫请求，否则
重新打开电梯轿厢门，以允许一个或多个等待乘客搭乘所述电梯轿厢。
7.如权利要求1所述的方法，其中在所述电梯轿厢开始朝向登记所述呼叫请求的所述电梯楼层行进之后，捕获后续图像。
8.如权利要求1所述的方法，其中当所述电梯轿厢远离登记所述呼叫请求的所述电梯楼层阈值距离时，分析所述图像。
9.如权利要求1所述的方法，其中确定一个或多个乘客的所述存在是基于对所述图像执行机器学习以单独识别所述一个或多个乘客。
10.一种系统，包括：
电梯轿厢和电梯控制器；
一个或多个传感器，所述一个或多个传感器可操作地耦合到所述电梯轿厢和所述电梯控制器，其中所述一个或多个传感器适于捕获登记呼叫请求的电梯楼层的图像，
其中所述电梯控制器被配置成：
接收来自电梯楼层的呼叫请求；
响应于接收到所述呼叫请求而捕获登记所述呼叫请求的所述电梯楼层的图像；
确定在登记所述呼叫请求的所述电梯楼层上一个或多个等待乘客的存在；
向登记所述呼叫请求的所述电梯楼层调度电梯轿厢；以及
至少部分基于确定所述一个或多个等待乘客的所述存在来控制所述电梯楼层上的所述电梯轿厢。
11.如权利要求10所述的系统，其中所述电梯轿厢进一步包括位于所述电梯轿厢内部的摄像机，所述摄像机被定位成捕获搭乘的乘客的图像。
12.如权利要求10所述的系统，其中确定一个或多个等待乘客的所述存在进一步包括所述电梯控制器被配置成：对所述图像中的所述一个或多个等待乘客的数量进行计数；
至少部分基于一个或多个等待乘客的所述数量来预测服务所述一个或多个等待乘客所需的电梯轿厢的数量；
至少部分基于所述一个或多个等待乘客的所述数量来向登记所述呼叫请求的所述电梯楼层调度所述数量的电梯轿厢；以及
至少部分基于一个或多个等待乘客的所述数量来控制登记所述呼叫请求的所述电梯楼层上的所述电梯轿厢。
13.如权利要求10所述的系统，进一步包括所述电梯控制器，所述电梯控制器被配置成在调度一个或多个电梯轿厢之后，执行登记所述呼叫请求的所述电梯楼层的后续图像捕获；以及
至少部分基于所述后续图像捕获来修改已经被调度的电梯轿厢的数量。
14.如权利要求12所述的系统，进一步包括：执行后续图像捕获以确定所述一个或多个等待乘客的所述存在。
15.如权利要求10所述的系统，进一步包括所述电梯控制器，所述电梯控制器被进一步配置成：如果在登记所述呼叫请求的所述电梯楼层上没有检测到乘客，则忽略所述呼叫请求。
16.如权利要求10所述的系统，其中响应于接收到登记所述电梯楼层的所述呼叫请求而分析所述图像。
17.如权利要求10所述的系统，其中在所述电梯轿厢开始朝向登记所述呼叫请求的所述电梯楼层行进之后，捕获后续图像。
18.如权利要求10所述的系统，其中当所述电梯轿厢远离登记所述呼叫请求的所述电梯楼层阈值距离时，分析所述图像。
19.如权利要求10所述的系统，其中确定一个或多个乘客的所述存在是基于对所述图像执行机器学习以单独识别所述一个或多个乘客。
20.如权利要求10所述的系统，其中在每个电梯楼层中包括图像捕获装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/130,327 US20220194736A1 (en) | 2020-12-22 | 2020-12-22 | Automatically supporting social distancing for call requests and identification of waiting passengers using deep learning and machine learning |
| US17/130327 | 2020-12-22 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114655802A true CN114655802A (zh) | 2022-06-24 |
Family
ID=78770513
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110953103.XA Pending CN114655802A (zh) | 2020-12-22 | 2021-08-19 | 使用深度学习和机器学习自动支持呼叫请求的社交距离和等待乘客的识别 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20220194736A1 (zh) |
| EP (1) | EP4019445B1 (zh) |
| CN (1) | CN114655802A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102674095A (zh) * | 2012-05-24 | 2012-09-19 | 西南交通大学 | 一种基于双目视觉乘客检测的电梯节能调度控制方法 |
| JP2016088647A (ja) * | 2014-10-30 | 2016-05-23 | 株式会社日立製作所 | エレベータ装置 |
| CN107416620A (zh) * | 2016-04-06 | 2017-12-01 | 奥的斯电梯公司 | 目的地调度的动态调整 |
| CN110526050A (zh) * | 2019-09-05 | 2019-12-03 | 上海三菱电梯有限公司 | 电梯控制方法 |
| CN111377314A (zh) * | 2018-12-28 | 2020-07-07 | 奥的斯电梯公司 | 基于检测到的乘客数量指派电梯服务的系统和方法 |
| CN111792467A (zh) * | 2019-04-01 | 2020-10-20 | 奥的斯电梯公司 | 电梯系统的人群感测 |
-
2020
- 2020-12-22 US US17/130,327 patent/US20220194736A1/en active Pending
-
2021
- 2021-08-19 CN CN202110953103.XA patent/CN114655802A/zh active Pending
- 2021-11-23 EP EP21210001.0A patent/EP4019445B1/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102674095A (zh) * | 2012-05-24 | 2012-09-19 | 西南交通大学 | 一种基于双目视觉乘客检测的电梯节能调度控制方法 |
| JP2016088647A (ja) * | 2014-10-30 | 2016-05-23 | 株式会社日立製作所 | エレベータ装置 |
| CN107416620A (zh) * | 2016-04-06 | 2017-12-01 | 奥的斯电梯公司 | 目的地调度的动态调整 |
| CN111377314A (zh) * | 2018-12-28 | 2020-07-07 | 奥的斯电梯公司 | 基于检测到的乘客数量指派电梯服务的系统和方法 |
| CN111792467A (zh) * | 2019-04-01 | 2020-10-20 | 奥的斯电梯公司 | 电梯系统的人群感测 |
| CN110526050A (zh) * | 2019-09-05 | 2019-12-03 | 上海三菱电梯有限公司 | 电梯控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP4019445A1 (en) | 2022-06-29 |
| US20220194736A1 (en) | 2022-06-23 |
| EP4019445B1 (en) | 2024-05-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110775752B (zh) | 检测视力受损、怀孕或残疾电梯乘客的自动方法 | |
| US20190346588A1 (en) | Building occupant sensing using floor contact sensors | |
| US12098057B2 (en) | Validation of elevator call passenger boarding | |
| CN101678993A (zh) | 电梯系统及其控制方法 | |
| CN110775790A (zh) | 在多门电梯中用于乘客出梯的电梯门控制 | |
| US12054355B2 (en) | Automatic cognitive analysis of elevators to reduce passenger wait time | |
| CN110606433B (zh) | 电梯楼层忽视 | |
| EP4019445B1 (en) | Automatically supporting social distancing for call requests and identification of waiting passengers | |
| CN112660948A (zh) | 使用轿厢内相机的基于电梯状况的维护 | |
| CN112607539A (zh) | 电梯系统 | |
| JP2015107868A (ja) | 先階予約式エレベータ | |
| EP3617113A1 (en) | Last-minute hall call request to a departing cab using gesture | |
| EP3736239B1 (en) | Self-tuning door timing parameters | |
| US20190300328A1 (en) | Super group dispatching | |
| CN112573314B (zh) | 处理输送系统中的服务请求 | |
| CN111320042B (zh) | 具有负载因子检测的输送系统 | |
| EP4011815A1 (en) | Passenger grouping for elevators | |
| CN116234765B (zh) | 升降机的监视系统 | |
| EP3878787A1 (en) | Managing elevator call assignments in response to elevator door reversals | |
| CN116323456A (zh) | 升降机的监视系统 |
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 |