CN115028045B - 电梯开门宽度自适应调节方法、系统、装置及存储介质 - Google Patents

Abstract

本发明公开了一种电梯开门宽度自适应调节方法、系统、装置及存储介质，方法包括：获取电梯的第一运行时段、第一载重信息以及第一目的楼层信息；当电梯到达目的楼层，确定乘客进出电梯时的第一人流宽度；根据第一运行时段、第一载重信息、第一目的楼层信息以及第一人流宽度确定训练数据集，并将训练数据集输入到预先构建的深度神经网络中，得到训练好的人流宽度预测模型；确定电梯的第二运行时段、第二载重信息以及第二目的楼层信息并输入到人流宽度预测模型中，得到人流宽度预测结果，进而根据人流宽度预测结果调节电梯的开门宽度。本发明可以自适应地调节电梯的开门宽度，提高了电梯运行效率和乘客的乘梯体验，可广泛应用于电梯控制技术领域。

Description

电梯开门宽度自适应调节方法、系统、装置及存储介质

技术领域

本发明涉及电梯控制技术领域，尤其是一种电梯开门宽度自适应调节方法、系统、装置及存储介质。

背景技术

目前常用的电梯系统均设有开门限位开关，电梯每次开门都需要触发开门限位开关后才会停止开门操作，因此，电梯的开门宽度通常是固定的。然而，对于开门宽度较宽的电梯而言，当人流量较少时，固定的开门宽度会造成电梯运行效率低下，浪费了乘客的乘梯时间，从而影响了乘客的乘梯体验。

发明内容

本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。

为此，本发明实施例的一个目的在于提供一种电梯开门宽度自适应调节方法，该方法可以自适应地实时调节电梯的开门宽度，提高了电梯运行效率和乘客的乘梯体验。

本发明实施例的另一个目的在于提供一种电梯开门宽度自适应调节系统。

为了达到上述技术目的，本发明实施例所采取的技术方案包括：

第一方面，本发明实施例提供了一种电梯开门宽度自适应调节方法，包括以下步骤：

获取电梯的第一运行时段、第一载重信息以及第一目的楼层信息；

当所述电梯到达目的楼层，确定乘客进出所述电梯时的第一人流宽度；

根据所述第一运行时段、所述第一载重信息、所述第一目的楼层信息以及所述第一人流宽度确定训练数据集，并将所述训练数据集输入到预先构建的深度神经网络中，得到训练好的人流宽度预测模型；

确定所述电梯的第二运行时段、第二载重信息以及第二目的楼层信息，将所述第二运行时段、所述第二载重信息以及所述第二目的楼层信息输入到所述人流宽度预测模型中，得到人流宽度预测结果，进而根据所述人流宽度预测结果调节所述电梯的开门宽度。

进一步地，在本发明的一个实施例中，所述获取电梯的第一运行时段、第一载重信息以及第一目的楼层信息这一步骤，其具体包括：

获取电梯的当前运行时间，根据所述当前运行时间和预设的时段划分规则确定所述第一运行时段；

通过称重传感器获取所述电梯的第一载重信息；

获取所述电梯的当前目的楼层和当前运行方向，根据所述当前目的楼层和所述当前运行方向确定所述第一目的楼层信息。

进一步地，在本发明的一个实施例中，所述确定乘客进出所述电梯时的第一人流宽度这一步骤，其具体包括：

当所述电梯的电梯轿门打开，通过位于所述电梯轿门两侧的电梯光幕向对端发射第一红外线，所述电梯光幕固定安装在电梯地坎上；

当所述电梯光幕接收到反射回来的所述第一红外线，根据所述第一红外线的发射时间和接收时间确定所述电梯光幕与通行乘客的第一距离；

根据所述第一距离和所述电梯光幕的安装位置确定所述第一人流宽度。

进一步地，在本发明的一个实施例中，所述确定乘客进出所述电梯时的第一人流宽度这一步骤，其具体包括：

当所述电梯的电梯轿门打开，通过位于所述电梯轿门两侧的超声波测距传感器测量所述超声波测距传感器与通行乘客的第二距离，所述超声波测距传感器固定安装在所述电梯轿门两侧的墙壁上；

根据所述第二距离和所述超声波测距传感器的安装位置确定所述第一人流宽度。

进一步地，在本发明的一个实施例中，所述根据所述第一运行时段、所述第一载重信息、所述第一目的楼层信息以及所述第一人流宽度确定训练数据集这一步骤，其具体包括：

根据所述第一运行时段、所述第一载重信息以及所述第一目的楼层信息确定训练样本；

根据所述第一人流宽度确定样本标签；

根据所述训练样本和所述样本标签确定训练数据集。

进一步地，在本发明的一个实施例中，所述将所述训练数据集输入到预先构建的深度神经网络中，得到训练好的人流宽度预测模型这一步骤，其具体包括：

将所述训练数据集输入到预先构建的深度神经网络，得到预测识别结果；

根据所述预测识别结果和所述样本标签确定所述深度神经网络的损失值；

根据所述损失值通过反向传播算法更新所述深度神经网络的参数；

当损失值达到预设的第一阈值或迭代次数达到预设的第二阈值或测试精度达到预设的第三阈值，停止训练，得到训练好的人流宽度预测模型。

进一步地，在本发明的一个实施例中，所述根据所述人流宽度预测结果调节所述电梯的开门宽度这一步骤，其具体包括：

获取预设的第一安全距离，所述第一安全距离为乘客进出所述电梯时需要与电梯轿门保持的最小距离；

根据所述人流宽度预测结果和所述第一安全距离确定所述电梯到达目的楼层时的第一开门宽度，进而根据所述第一开门宽度控制所述电梯的开门动作。

第二方面，本发明实施例提供了一种电梯开门宽度自适应调节系统，包括：

第一获取模块，用于获取电梯的第一运行时段、第一载重信息以及第一目的楼层信息；

人流宽度确定模块，用于当所述电梯到达目的楼层，确定乘客进出所述电梯时的第一人流宽度；

人流宽度预测模型训练模块，用于根据所述第一运行时段、所述第一载重信息、所述第一目的楼层信息以及所述第一人流宽度确定训练数据集，并将所述训练数据集输入到预先构建的深度神经网络中，得到训练好的人流宽度预测模型；

开门宽度调节模块，用于确定所述电梯的第二运行时段、第二载重信息以及第二目的楼层信息，将所述第二运行时段、所述第二载重信息以及所述第二目的楼层信息输入到所述人流宽度预测模型中，得到人流宽度预测结果，进而根据所述人流宽度预测结果调节所述电梯的开门宽度。

第三方面，本发明实施例提供了一种电梯开门宽度自适应调节装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现上述的一种电梯开门宽度自适应调节方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行上述的一种电梯开门宽度自适应调节方法。

本发明的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到：

本发明实施例获取电梯的第一运行时段、第一载重信息、第一目的楼层信息以及第一人流宽度，根据第一运行时段、第一载重信息、第一目的楼层信息以及第一人流宽度确定训练数据集并训练得到人流宽度预测模型，进而根据该人流宽度预测模型实时预测电梯到达目的楼层后乘客进出的人流宽度，从而可以根据人流宽度预测结果调节电梯的开门宽度。本发明实施例通过训练人流宽度预测模型可以准确预测电梯到达目的楼层后的人流宽度，进而可以自适应地实时调节电梯的开门宽度，保证乘客顺利进出电梯的同时减少了电梯的开关门时间和乘客的乘梯时间，从而提高了电梯运行效率和乘客的乘梯体验。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面对本发明实施例中所需要使用的附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。

图1为本发明实施例提供的一种电梯开门宽度自适应调节方法的步骤流程图；

图2为本发明实施例提供的一种电梯开门宽度自适应调节系统的结构框图；

图3为本发明实施例提供的一种电梯开门宽度自适应调节装置的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

在本发明的描述中，多个的含义是两个或两个以上，如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。此外，除非另有定义，本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。

参照图1，本发明实施例提供了一种电梯开门宽度自适应调节方法，具体包括以下步骤：

S101、获取电梯的第一运行时段、第一载重信息以及第一目的楼层信息。

具体地，本发明实施例中，需要采集电梯的历史运行数据用于后续深度神经网络的训练。可以理解的是，电梯开门时乘客进出的人流情况与当前所处的时段(如上下班高峰)、电梯内的乘客数量以及电梯的目的楼层等数据有关，因此，本发明实施例中采集历史运行数据包括电梯的运行时段、载重信息以及目的楼层信息。步骤S101具体包括以下步骤：

S1011、获取电梯的当前运行时间，根据当前运行时间和预设的时段划分规则确定第一运行时段；

S1012、通过称重传感器获取电梯的第一载重信息；

S1013、获取电梯的当前目的楼层和当前运行方向，根据当前目的楼层和当前运行方向确定第一目的楼层信息。

具体地，本发明实施例的时段划分规则可根据电梯所处的实际场景确定，例如，在写字楼场景中，可划分为上班高峰时段、上午工作时段、午休时段、下午工作时段以及下班高峰时段；又例如，在教学楼场景中，可划分为上课时段与课间休息时段。此外，在一些可选的实施例中，还可以直接根据当前运行时间按照小时划分时段，如，8点至8点59分属于第一时段、9点至9点59分属于第二时段等。

可以理解的是，电梯开门时乘客进出的人流情况不仅与目的楼层的层数有关，还与电梯上下行方向有关，例如，在上班高峰时段，电梯上行时停靠9楼可能会有较大的人流量，电梯下行时停靠9楼则可能只有较小的人流量。因此，本发明实施例中的目的楼层信息不仅包括电梯的当前目的楼层，还包括电梯的当前运行方向，如前述的例子中，目的楼层信息则可分别记为“上行9楼”和“下行9楼”。

S102、当电梯到达目的楼层，确定乘客进出电梯时的第一人流宽度。

具体地，第一人流宽度为乘客进出电梯时形成的人流的最大宽度，本发明实施例中，通过对第一人流宽度的预测从而实现对电梯开门宽度的调节。

作为一种可选的实施方式，确定乘客进出电梯时的第一人流宽度这一步骤，其具体包括：

A1、当电梯的电梯轿门打开，通过位于电梯轿门两侧的电梯光幕向对端发射第一红外线，电梯光幕固定安装在电梯地坎上；

A2、当电梯光幕接收到反射回来的第一红外线，根据第一红外线的发射时间和接收时间确定电梯光幕与通行乘客的第一距离；

A3、根据第一距离和电梯光幕的安装位置确定第一人流宽度。

具体地，目前电梯系统都配备有电梯光幕，电梯光幕是一种利用光电感应原理而制成的电梯门安全保护装置，由安装在电梯轿门两侧的红外发射器和接收器组成，发射器的光线受到障碍物的阻挡导致接收器未接收到信号时，便输出遮挡信号使电梯开门，避免电梯门夹住乘客。

本发明实施例在现有电梯光幕的基础上，利用红外线反射的原理，测量电梯光幕与乘客的距离，从而计算乘客进出电梯时的人流宽度。

具体地，位于电梯轿门两侧的电梯光幕向对端发射红外线，乘客在经过电梯轿门时，阻挡了红外线的传播并造成反射，电梯光幕接收到反射回来的红外线后，根据红外线的发射时间和接收时间以及红外线的传播速度就可以计算乘客距离光幕的距离。假设，某一时刻电梯轿门左侧的电梯光幕与乘客的距离为L1，电梯右侧的电梯光幕与乘客的距离为L2，两个电梯光幕之间的距离为L3，则当前时刻的人流宽度L＝L3-L1-L2。

可以理解的是，在乘客进出时，电梯光幕持续发射红外线测量多个时刻的人流宽度，从中选取中最大值作为本发明实施例的第一人流宽度。此外，为确保电梯光幕能检测出反射回来的红外线并非对端的电梯光幕发射，可预先设定左侧的电梯光幕与右侧的电梯光幕发射不同波段的红外线。

作为另一种可选的实施方式，确定乘客进出电梯时的第一人流宽度这一步骤，其具体包括：

B1、当电梯的电梯轿门打开，通过位于电梯轿门两侧的超声波测距传感器测量超声波测距传感器与通行乘客的第二距离，超声波测距传感器固定安装在电梯轿门两侧的墙壁上；

B2、根据第二距离和超声波测距传感器的安装位置确定第一人流宽度。

具体地，本发明实施例在现有的电梯系统上增设多个超声波测距传感器，多个超声波测距传感器分别固定安装在电梯轿门两侧的墙壁上，当乘客进出电梯轿门时，通过超声波测距传感器测量其与乘客的水平距离(即第二距离)。假设，某一时刻电梯轿门左侧的超声波测距传感器与乘客的水平距离为L4，电梯右侧的超声波测距传感器与乘客的水平距离为L5，两个超声波测距传感器之间的距离为L6，则当前时刻的人流宽度L＝L6-L4-L5。

可以理解的是，在乘客进出时，超声波测距传感器持续发射超声波测量多个时刻的人流宽度，从中选取中最大值作为本发明实施例的第一人流宽度。

S103、根据第一运行时段、第一载重信息、第一目的楼层信息以及第一人流宽度确定训练数据集，并将训练数据集输入到预先构建的深度神经网络中，得到训练好的人流宽度预测模型。

具体地，在电梯运行时，采集大量的不同运行时段、不同载重、不同目的楼层以及不同运行方向下测量得到的第一人流宽度，形成训练数据集，根据该训练数据集即可训练得到人流宽度预测模型。

进一步作为可选的实施方式，根据第一运行时段、第一载重信息、第一目的楼层信息以及第一人流宽度确定训练数据集这一步骤，其具体包括：

C1、根据第一运行时段、第一载重信息以及第一目的楼层信息确定训练样本；

C2、根据第一人流宽度确定样本标签；

C3、根据训练样本和样本标签确定训练数据集。

具体地，训练样本包括三个维度的电梯运行数据，即运行时段、载重信息以及目的楼层信息，样本标签为的训练样本对应的第一人流宽度。

进一步作为可选的实施方式，将训练数据集输入到预先构建的深度神经网络中，得到训练好的人流宽度预测模型这一步骤，其具体包括：

D1、将训练数据集输入到预先构建的深度神经网络，得到预测识别结果；

D2、根据预测识别结果和样本标签确定深度神经网络的损失值；

D3、根据损失值通过反向传播算法更新深度神经网络的参数；

D4、当损失值达到预设的第一阈值或迭代次数达到预设的第二阈值或测试精度达到预设的第三阈值，停止训练，得到训练好的人流宽度预测模型。

具体地，将训练数据集中的数据输入到初始化后的深度神经网络后，可以得到模型输出的预测识别结果，可以根据预测识别结果和训练数据集的标签来评估人流宽度预测模型的准确性，从而对模型的参数进行更新。对于人流宽度预测模型来说，模型识别结果的准确性可以通过损失函数(Loss Function)来衡量，损失函数是定义在单个训练数据上的，用于衡量一个训练数据的预测误差，具体是通过单个训练数据的标签和模型对该训练数据的预测结果确定该训练数据的损失值。而实际训练时，一个训练数据集有很多训练数据，因此一般采用代价函数(Cost Function)来衡量训练数据集的整体误差，代价函数是定义在整个训练数据集上的，用于计算所有训练数据的预测误差的平均值，能够更好地衡量出模型的预测效果。对于一般的机器学习模型来说，基于前述的代价函数，再加上衡量模型复杂度的正则项即可作为训练的目标函数，基于该目标函数便能求出整个训练数据集的损失值。常用的损失函数种类有很多，例如0-1损失函数、平方损失函数、绝对损失函数、对数损失函数、交叉熵损失函数等均可以作为机器学习模型的损失函数，在此不再一一阐述。本申请实施例中，可以从中任选一种损失函数来确定训练的损失值。基于训练的损失值，采用反向传播算法对模型的参数进行更新，迭代几轮即可得到训练好的人流宽度预测模型。具体地迭代轮数可以预先设定，或者在测试集达到精度要求时认为训练完成。

S104、确定电梯的第二运行时段、第二载重信息以及第二目的楼层信息，将第二运行时段、第二载重信息以及第二目的楼层信息输入到人流宽度预测模型中，得到人流宽度预测结果，进而根据人流宽度预测结果调节电梯的开门宽度。

具体地，在训练得到人流宽度预测模型后，可实时采集电梯当前的第二运行时段、第二载重信息以及第二目的楼层信息，将第二运行时段、第二载重信息以及第二目的楼层信息输入到人流宽度预测模型后，即可得到人流宽度预测结果。在电梯到达目的楼层后，开门时可根据人流宽度预测结果自适应地调节电梯的开门宽度，即控制电梯开门至适宜乘客出去的宽度，从而减少了电梯的开关门时间，提高了电梯的运行效率。

进一步作为可选的实施方式，根据人流宽度预测结果调节电梯的开门宽度这一步骤，其具体包括：

E1、获取预设的第一安全距离，第一安全距离为乘客进出电梯时需要与电梯轿门保持的最小距离；

E2、根据人流宽度预测结果和第一安全距离确定电梯到达目的楼层时的第一开门宽度，进而根据第一开门宽度控制电梯的开门动作。

具体地，设第一安全距离为L7，人流宽度预测结果为L0，则第一开门宽度可以表示为L0+2*L7。此外，第一安全距离可根据实际场景进行设定，如在普通的小区场景中，第一安全距离为设定为10mm。

以上对本发明实施例的方法流程进行了说明。可以理解的是，本发明实施例获取电梯的第一运行时段、第一载重信息、第一目的楼层信息以及第一人流宽度，根据第一运行时段、第一载重信息、第一目的楼层信息以及第一人流宽度确定训练数据集并训练得到人流宽度预测模型，进而根据该人流宽度预测模型实时预测电梯到达目的楼层后乘客进出的人流宽度，从而可以根据人流宽度预测结果调节电梯的开门宽度。本发明实施例通过训练人流宽度预测模型可以准确预测电梯到达目的楼层后的人流宽度，进而可以自适应地实时调节电梯的开门宽度，保证乘客顺利进出电梯的同时减少了电梯的开关门时间和乘客的乘梯时间，从而提高了电梯运行效率和乘客的乘梯体验。

参照图2，本发明实施例提供了一种电梯开门宽度自适应调节系统，包括：

第一获取模块，用于获取电梯的第一运行时段、第一载重信息以及第一目的楼层信息；

人流宽度确定模块，用于当电梯到达目的楼层，确定乘客进出电梯时的第一人流宽度；

人流宽度预测模型训练模块，用于根据第一运行时段、第一载重信息、第一目的楼层信息以及第一人流宽度确定训练数据集，并将训练数据集输入到预先构建的深度神经网络中，得到训练好的人流宽度预测模型；

开门宽度调节模块，用于确定电梯的第二运行时段、第二载重信息以及第二目的楼层信息，将第二运行时段、第二载重信息以及第二目的楼层信息输入到人流宽度预测模型中，得到人流宽度预测结果，进而根据人流宽度预测结果调节电梯的开门宽度。

上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

参照图3，本发明实施例提供了一种电梯开门宽度自适应调节装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当上述至少一个程序被上述至少一个处理器执行时，使得上述至少一个处理器实现上述的一种电梯开门宽度自适应调节方法。

上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，该处理器可执行的程序在由处理器执行时用于执行上述一种电梯开门宽度自适应调节方法。

本发明实施例的一种计算机可读存储介质，可执行本发明方法实施例所提供的一种电梯开门宽度自适应调节方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。

在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或上述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。

此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，上述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。

上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印上述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得上述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (8)

1.一种电梯开门宽度自适应调节方法，其特征在于，包括以下步骤：

获取电梯的第一运行时段、第一载重信息以及第一目的楼层信息；

当所述电梯到达目的楼层，确定乘客进出所述电梯时的第一人流宽度；

根据所述第一运行时段、所述第一载重信息、所述第一目的楼层信息以及所述第一人流宽度确定训练数据集，并将所述训练数据集输入到预先构建的深度神经网络中，得到训练好的人流宽度预测模型；

确定所述电梯的第二运行时段、第二载重信息以及第二目的楼层信息，将所述第二运行时段、所述第二载重信息以及所述第二目的楼层信息输入到所述人流宽度预测模型中，得到人流宽度预测结果，进而根据所述人流宽度预测结果调节所述电梯的开门宽度；

所述根据所述第一运行时段、所述第一载重信息、所述第一目的楼层信息以及所述第一人流宽度确定训练数据集这一步骤，其具体包括：

根据所述第一运行时段、所述第一载重信息以及所述第一目的楼层信息确定训练样本；

根据所述第一人流宽度确定样本标签；

根据所述训练样本和所述样本标签确定训练数据集；

所述将所述训练数据集输入到预先构建的深度神经网络中，得到训练好的人流宽度预测模型这一步骤，其具体包括：

将所述训练数据集输入到预先构建的深度神经网络，得到预测识别结果；

根据所述预测识别结果和所述样本标签确定所述深度神经网络的损失值；

根据所述损失值通过反向传播算法更新所述深度神经网络的参数；

当损失值达到预设的第一阈值或迭代次数达到预设的第二阈值或测试精度达到预设的第三阈值，停止训练，得到训练好的人流宽度预测模型。

2.根据权利要求1所述的一种电梯开门宽度自适应调节方法，其特征在于，所述获取电梯的第一运行时段、第一载重信息以及第一目的楼层信息这一步骤，其具体包括：

获取电梯的当前运行时间，根据所述当前运行时间和预设的时段划分规则确定所述第一运行时段；

通过称重传感器获取所述电梯的第一载重信息；

获取所述电梯的当前目的楼层和当前运行方向，根据所述当前目的楼层和所述当前运行方向确定所述第一目的楼层信息。

3.根据权利要求1所述的一种电梯开门宽度自适应调节方法，其特征在于，所述确定乘客进出所述电梯时的第一人流宽度这一步骤，其具体包括：

当所述电梯的电梯轿门打开，通过位于所述电梯轿门两侧的电梯光幕向对端发射第一红外线，所述电梯光幕固定安装在电梯地坎上；

当所述电梯光幕接收到反射回来的所述第一红外线，根据所述第一红外线的发射时间和接收时间确定所述电梯光幕与通行乘客的第一距离；

根据所述第一距离和所述电梯光幕的安装位置确定所述第一人流宽度。

4.根据权利要求1所述的一种电梯开门宽度自适应调节方法，其特征在于，所述确定乘客进出所述电梯时的第一人流宽度这一步骤，其具体包括：

当所述电梯的电梯轿门打开，通过位于所述电梯轿门两侧的超声波测距传感器测量所述超声波测距传感器与通行乘客的第二距离，所述超声波测距传感器固定安装在所述电梯轿门两侧的墙壁上；

根据所述第二距离和所述超声波测距传感器的安装位置确定所述第一人流宽度。

5.根据权利要求1至4中任一项所述的一种电梯开门宽度自适应调节方法，其特征在于，所述根据所述人流宽度预测结果调节所述电梯的开门宽度这一步骤，其具体包括：

获取预设的第一安全距离，所述第一安全距离为乘客进出所述电梯时需要与电梯轿门保持的最小距离；

根据所述人流宽度预测结果和所述第一安全距离确定所述电梯到达目的楼层时的第一开门宽度，进而根据所述第一开门宽度控制所述电梯的开门动作。

6.一种电梯开门宽度自适应调节系统，其特征在于，包括：

第一获取模块，用于获取电梯的第一运行时段、第一载重信息以及第一目的楼层信息；

人流宽度确定模块，用于当所述电梯到达目的楼层，确定乘客进出所述电梯时的第一人流宽度；

人流宽度预测模型训练模块，用于根据所述第一运行时段、所述第一载重信息、所述第一目的楼层信息以及所述第一人流宽度确定训练数据集，并将所述训练数据集输入到预先构建的深度神经网络中，得到训练好的人流宽度预测模型；

开门宽度调节模块，用于确定所述电梯的第二运行时段、第二载重信息以及第二目的楼层信息，将所述第二运行时段、所述第二载重信息以及所述第二目的楼层信息输入到所述人流宽度预测模型中，得到人流宽度预测结果，进而根据所述人流宽度预测结果调节所述电梯的开门宽度；

所述根据所述第一运行时段、所述第一载重信息、所述第一目的楼层信息以及所述第一人流宽度确定训练数据集这一步骤，其具体包括：

根据所述第一运行时段、所述第一载重信息以及所述第一目的楼层信息确定训练样本；

根据所述第一人流宽度确定样本标签；

根据所述训练样本和所述样本标签确定训练数据集；

所述将所述训练数据集输入到预先构建的深度神经网络中，得到训练好的人流宽度预测模型这一步骤，其具体包括：

将所述训练数据集输入到预先构建的深度神经网络，得到预测识别结果；

根据所述预测识别结果和所述样本标签确定所述深度神经网络的损失值；

根据所述损失值通过反向传播算法更新所述深度神经网络的参数；

当损失值达到预设的第一阈值或迭代次数达到预设的第二阈值或测试精度达到预设的第三阈值，停止训练，得到训练好的人流宽度预测模型。

7.一种电梯开门宽度自适应调节装置，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至5中任一项所述的一种电梯开门宽度自适应调节方法。

8.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至5中任一项所述的一种电梯开门宽度自适应调节方法。