CN1795132A

CN1795132A - 对电梯的进入高峰交通的识别

Info

Publication number: CN1795132A
Application number: CN200480014443.0A
Authority: CN
Inventors: 塔皮奥·泰尼
Original assignee: Kone Corp
Current assignee: Kone Corp
Priority date: 2003-06-30
Filing date: 2004-04-15
Publication date: 2006-06-28
Anticipated expiration: 2024-04-15
Also published as: EP1638879B1; FI113531B; US20070084674A1; CN1795132B; FI20030972A0; HK1092772A1; US7735611B2; WO2005000726A1; EP1638879A1

Abstract

本发明涉及一种方法，由此可以通过有效地识别进入高峰交通情形来提高建筑物的电梯系统的服务能力。当到达建筑物的大厅楼层的电梯乘客的数目超过给定高峰交通阈值时，为乘客服务的电梯在此行程之后被指引返回大厅楼层而无需单独呼叫。为了允许更快地检测高峰交通状态，使用从传统高峰时间识别获得的信息和从关于乘客数目的统计数字获得的历史数据二者。

Description

对电梯的进入高峰交通的识别

技术领域

本发明涉及电梯组的控制。

背景技术

当乘客希望乘电梯行进时，他/她通过按下安装在楼层处的登梯(landing)呼叫按钮来呼叫电梯。电梯的控制系统接收该呼叫，并试图确定电梯组中的哪一部电梯最能够为发出呼叫的人服务。此行为是呼叫分配。分配要解决的问题是为每次呼叫选择将使预先选择的代价函数(cost function)最小化的电梯。

电梯组控制系统一般被配置为根据预先选择的控制算法来控制电梯。所选择的控制算法取决于当时在建筑物中占优势的交通(traffic)类型。因此，电梯组控制系统常常包括交通类型检测器。由基本交通类型检测器识别的交通类型是例如“正常交通”、“进入(incoming)高峰交通”、“外出(outgoing)高峰交通”、“双向高峰交通”。对进入高峰交通状态的快速且可靠的检测尤为重要。在办公楼中，进入高峰交通状态可能在早晨在人们在短时间内到达其工作地点时的几分钟期间出现。图1呈现了办公楼中的典型进入交通的示例。

在进入高峰交通期间，组控制系统所要完成的主要功能是以适当的比例将电梯返回至入口楼层。如果在正常交通运行模式中，对于所发出的每个呼叫返回一部电梯，那么在进入交通高峰的状态下，使电梯直接返回到入口楼层，而无需单独呼叫，直到系统确定高峰交通状态不再存在为止。因为在入口楼层上典型地只有一个登梯呼叫、通常是上行呼叫有效，所以系统的操作不能受基于登梯呼叫做出的分配决定影响。如果在进入高峰交通期间没有激活电梯的直接返回，那么将会发生这样的情形，即每个入口楼层的仅有的两部电梯将会运行；一部搭载了乘客并将他们运送至他们的目的地楼层，而另一部空着并且根据从入口楼层发出的呼叫而返回入口楼层。如果没有迅速识别出进入高峰交通，那么将在大厅里或者通常在建筑物的入口楼层上形成长队列，并且乘客等待时间将变得更长。长等待时间可能导致对电梯运行的不满。

另一方面，因为电梯直接返回到入口楼层是强硬措施并且其未经要求(uncalled-for)的激活将大大干扰建筑物中其它电梯服务，所以进入高峰模式不应被不必要地激活。在该情形中，为从入口楼层之外的其它楼层发出的呼叫服务明显比在正常交通期间慢得多。控制电梯的返回的算法必须被如此设计，即，在长期进入高峰交通情形期间，尽管有延迟，但是仍将为从其它楼层发出的呼叫服务。

对进入高峰交通状态的识别包括两个部分相反的目标。识别必须尽可能快地工作，但是其不能产生不正确的识别结果。

在对进入高峰交通的传统识别中，当乘客进入大厅区(在此情况中，这包括建筑物的每个入口楼层)中的电梯时，监控呼叫的数目。在这些呼叫中，专门考虑具有在大厅区之外的目的地的呼叫的数目。当呼叫数目超过预设阈值时，所讨论的电梯被认为是高峰电梯，并且该情形被认为是潜在的进入高峰交通状态。

为电梯轿厢负载也设置对应类型的阈值。当电梯离开大厅区并且其负载超过阈值时，该电梯被认为是高峰电梯，并且该情形被认为是潜在的进入高峰交通状态。当在给定时间窗内检测到两部或更多高峰电梯时，激活进入高峰交通模式，其进而启动电梯向入口楼层的直接返回。需要给定预定时间处的两部高峰电梯，以确保高峰时间(hour)识别将不会根据实际高峰交通时间之外的偶然的高峰电梯而不必要地发生。另一方面，这妨碍在真实高峰交通状态的早期对真实高峰交通情形的识别。

在实际的高峰交通时间期间，如果已经根据单个所识别的高峰电梯而激活了进入高峰交通模式，那么这将是有利的。出于此目的，可以在控制系统中典型地为早晨和午餐时间的高峰时间设置两个单独的时间窗，在所述高峰时间期间，对单个高峰电梯的识别足以用于进入高峰交通模式的激活。此解决方案的问题在于有必要足够好地了解建筑物和其用户的电梯利用时间，以便可以在最可能的高峰交通状态开始时间设置前述时间窗。此外，因为与工作日相比在周末期间建筑物电梯的使用概况一般不同，所以最好应当有针对一周的每一天来单独设置时间窗的可能性。工作日再次彼此非常相似。然而，实际上，因为电梯系统的控制逻辑一般只允许设置两个固定的时间窗，所以不可能为一周的每一天单独设置时间窗。

对高峰交通状态的基于交通预测器的识别(TF)计算到达和离开建筑物的每个楼层的乘客的数目，并保持这些数目的统计数字(statistics)。该计算是在电梯正停留在该楼层而乘客正离开和进入轿厢的时间期间进行的。该计算是以轿厢负载称重设备和在电梯门中提供的光元件(light cell)的使用为基础的。

基于TF的高峰时间识别收集两种不同类型——长期统计(LTS)和短期统计(STS)——的统计数字。在LTS统计数字中使用的单位量度是例如“15分钟内的乘客数目”，而在STS统计数字中为“5分钟内的乘客数目”。

针对每个楼层i产生LTS统计数字。对于每个楼层i，存在四个交通分量k：从下面到达该楼层的乘客、从上面到达该楼层的乘客、沿向下的方向离开该楼层的乘客以及沿向上的方向离开该楼层的乘客。在LTS统计数字中，将一天分成每个15分钟的96个时间片t：第一片覆盖从00:00到00:15的时间，下一片从00:15到00:30，并且最后一片从23:45到00:00。因此，LTS统计数字是三维矩阵L_i，k，t。在白天期间，乘客被收集成每日统计数字L_i，k，t ^*。在午夜，所收集的昼间统计数字受到统计验收测试，以便确保所收集的那天不是例如一周中间的节日。如果昼间统计数字通过了验收测试，那么LTS统计数字将例如被更新如下：

L_i，k，t＝(1-α)·L_i，k，t+α·L_i，k，t ^* (1)

其中，α是更新因子(0＜α＜1)。所选择的α值通常较小(0.1...0.2)。对于典型的α值，该方法保留大部分旧数据并添加一些新数据。根据学派，此更新方法被称为指数均衡或线性IIR(IIR，无限冲击响应)低通滤波。等式(1)产生在时间片t期间建筑物的楼层i的交通分量k的浮动平均值(floating average)。它描述过去的情形，换言之，它给出在所讨论的时间片t期间在楼层i上以前移动过的乘客的平均数目。

建筑物的大厅区中包括的楼层是已知的，可以从LTS统计数字产生如图1中所示的交通概况。通过使交通分量与所计算的电梯组的运输能力成比例并且使用模糊逻辑，可以识别甚至具有非常细微的区别的不同交通类型。美国专利5,229,559描述了用于在统计数据的基础上确定交通类型的这种类型的方法。然而，实际上，LTS统计数字不能直接用于确定在建筑物中占优势的交通类型，因为LTS统计数字表示过去在建筑物中观察到的交通的长期平均值。在所考虑的时刻在建筑物中实际发生的可能与长期平均值大为不同。因此，从LTS统计数字获得的交通类型应当被认为是指示在每个时间瞬间通常在建筑物中占优势的交通类型。

在解决上述的问题的尝试中，引入了短期STS统计数字。STS统计数字与LTS统计数字不同之处在于：它们形成二维矩阵S_i，k，其中i表示楼层并且k表示交通分量。因为在当前时刻前的五分钟时间内以浮动方式来计算乘客数目并将其包括在STS统计数字中，所以时间下标t不见了。换言之，五分钟以前使用过电梯的乘客被从统计数字中去除。为了识别当前在建筑物中占优势的交通类型，STS统计数字受到与LTS统计数字相同的上述模糊逻辑推导过程。

在此之后，通过相当复杂的一系列推断来组合包含在LTS和STS统计数字中的信息。关于这一点，将由统计数字给出的交通类型相互比较，将通过STS测量的交通强度与系统运输能力进行比较，并且利用LTS统计数字来获得对由STS统计数字给出的交通类型的确认。

存在两个与此方法相关的原理问题。第一，因为所考虑的周期的长度不同：在LTS中典型为15分钟而在STS中为5分钟，所以LTS和STS统计数字相互不可比较。此外，LTS统计数字中的时间片是固定的并具有15分钟的不变长度，而在STS统计数字中，时间窗在整个昼间循环内无级地浮动。第二，特别是考虑到进入高峰交通，STS统计数字的五分钟的时间窗对于用于激活进入高峰模式而言仍然太长。

第三个问题与实际实现有关。用于组合由STS和LTS产生的交通类型的复杂推导过程需要单独调整许多阈值。此外，修整(trim)和测试规则组本身是一项艰巨的任务。

发明目的

本发明的目的在于克服上述缺点或者至少使其大大缓解。本发明的特定目的在于实现比以前更快且更可靠的对进入高峰交通状态的识别。对于本发明的特征，参照权利要求。

发明内容

本发明公开一种用于在电梯系统中识别进入高峰交通状态的方法、计算机程序产品和系统。

本发明将从统计数字获得的信息与从传统高峰时间识别获得的实时信息相组合。在长时间间隔内收集的LTS(长期统计)统计数据表示在所考虑的建筑物的电梯中在一天的不同时间观察到的乘客流。通常，在早晨和在午休时间结束左右在大厅楼层处形成队列。根据统计数字，可以区分在大厅楼层上开始逐渐形成拥塞的最可能的时间。在传统的电梯控制中，通过按下呼叫按钮给出的呼叫由一部电梯来服务，该电梯在此行程后保持不动，从而等待下一次呼叫。这一方法在高峰交通情形中笨拙地工作。服务缓慢并且客户不满意。需要开发一种算法，其将允许更快地检测进入高峰交通状态，并准许激活电梯向大厅楼层的直接返回，而无需单独按下呼叫按钮。

通过使用本发明，可以实现进入高峰交通状态的更快识别。在本发明的实施例中，利用统计数字来确定大厅楼层通常被阻塞的潜在高峰时间。同时，通过对轿厢呼叫和轿厢负载的传统监控，实时观察电梯系统中的电梯，并且当超过给定阈值时，将高峰电梯状态指定给该电梯。阈值例如是指电梯乘客的总重量或数目。此外，在此实施例中，一部高峰电梯已经足以激活进入高峰交通模式，即电梯的直接返回。

在本发明的另一实施例中，通过利用统计数字和电梯离开大厅楼层的时间之间的所谓理论时间间隔来预测聚集在大厅楼层上的乘客的数目。如果预测给出的客户数目超过用于传统高峰时间识别的轿厢负载阈值，则将该情形视为潜在高峰时间，在该情形中，甚至所检测的一部高峰电梯就足以激活电梯的直接返回。

作为本发明基本思想的延伸，还可以在预测中包括用于所考虑的时刻的时间窗之前的时间窗和/或其后的时间窗。在此情况中，当在统计数字的基础上得知高峰时间开始时，该方法在某种程度上采取对未来的“前瞻(lookahead)”，并加速对进入高峰交通状态的识别。

本发明与现有技术相比具有若干优点。实现了对进入高峰交通状态的快速识别，作为其结果，在高峰时间的开始激活进入高峰交通模式，与传统高峰时间识别相比，大厅中的队列更短。以这一方式，提供了更好的服务并且使乘客更加满意。在统计记录的高峰时间期间，系统已经根据单个高峰电梯识别出高峰交通状态。在最有利的情况中，即使当仅仅在大厅楼层处加载第一高峰电梯时，也可以通过从大量轿厢呼叫做出的推断来激活进入高峰交通模式。

本发明的第二个重要优点是实现了对进入高峰交通状态的可靠识别。该系统还在未被统计记录的高峰时间之外、根据两部高峰电梯、在合理的时间内识别出“未预见的”高峰交通状态。在初始启动之后(在大约几个星期期间)，电梯系统不能利用LTS统计数字，因为该系统尚未运行足够长时间以允许对统计数字的收集。在此情况中，在不借助传统原理上的统计数字的情况下实现最佳高峰时间识别，由此仅在检测到两部高峰电梯之后才激活高峰时间识别。

本发明的第三个优点在于该功能可以是自动化的。所收集的统计数字是每天特有的(day-specific)，并且具体用于周末的统计记录的交通概况明显与用于工作日的对应概况不同。如果已经手动设置了潜在高峰时间，则它们在一周的每天、在一天的相同时间期间是有效的，并且不能对其进行修改以使它们是每天特有的。自然，这是无疑的缺点。此外，对于昼间循环，通常可以设置最大仅两个手动设置的潜在高峰时间。此外，统计数字可以在原理上包含不限数目的潜在高峰时间。而且，自动识别功能包括与可用性相关的适应性的巨大优点。如果在建筑物中的交通情形中发生了重大改变，那么这些改变不久以后将出现在LTS统计数字中，因此高峰时间识别总是适合于占优势的乘客行为。

此外，电梯系统对客户的运送可以通过以下事实来简化：使用新的高峰时间识别方法，可以丢弃要在运送时或在现场配置的两个参数。

附图说明

图1呈现办公楼中的典型进入交通情形的示例，

图2呈现表示本发明的方法的方框图，以及

图3呈现使用本发明的方法的系统的示例。

具体实施方式

图2呈现表示本发明的方法的操作的流程图。在传统高峰时间识别14中，可以借助于检测器来快速且可靠地检测高峰电梯。‘检测器’是指轿厢负载称重设备或者电梯光元件或者它们二者。在最有利的情况中，当电梯仍在接纳乘客时，根据轿厢呼叫11的数目来检测高峰电梯。当在给定时间窗内检测到两部高峰电梯时，激活进入高峰交通模式17。然而，如果传统识别接收到关于潜在高峰时间的预先信息，那么其工作地更好。建筑物和在其中行进的人的交通行为已知，常常可以在现场将高峰时间手动输入到控制系统。另一方面，TF(交通预测器)统计数字和LTS统计数字(长期统计数字)12恰好包含传统峰值时间识别14所需的这一信息。传统峰值时间识别系统检测当前在建筑物中发生的情况，而TF和LTS统计数字揭示此时在该建筑物通常发生的情况。

在图2的实施例中，如果在包含所考虑的时刻的15分钟的时间片内由LTS统计数字12给出的交通类型是例如‘heavy_incoming’或‘intense_incoming’(通常，例如在07.45-08.00点钟之间)，那么传统高峰时间识别14已经在检测到单个高峰电梯时激活进入高峰交通模式。在由LTS统计数字给出的其它交通类型期间，需要两部电梯来激活进入高峰交通模式。这些交通类型包括例如正常交通、进入高峰交通、外出高峰交通和双向高峰交通。

在图2的另一实施例中，在块13中，为电梯组计算理论时间间隔t₁。在进入高峰交通状态的情况中，这是指在离开大厅楼层的电梯的出发之间的平均时间间隔。根据LTS统计数字，预测在此时间(即，乘客聚集在等待下一部到达的电梯的队列中的时间间隔)期间在大厅楼层上聚集的乘客的数目n_P。

n_P＝t_I·(L_{i，up＞，t}+L_{i，dn＞，t}) (2)

其中i是大厅楼层的下标，up＞和dn＞是指从定向为离开该楼层的交通分量10的下标，并且t是当前15分钟的时间片的下标。如果预测的乘客数目n_P超过传统高峰时间识别的预定轿厢负载阈值，那么该情形将被认为是潜在的高峰时间。在此情况下，一部高峰电梯足以用于识别进入高峰交通。否则，需要两部高峰电梯。

上述实施例彼此不同之处尤其在于：在后面的实施例中，可以省略根据LTS统计数字进行的模糊逻辑推导。在上述两个实施例中，如果传统交通检测器14给出除了进入高峰交通之外的交通类型，那么使用由STS 15给出的交通类型16。这一选择在块17中进行。

在对潜在高峰交通状态的识别中，除了15分钟的时间窗之外，在处理中可以包括甚至是前面的时间窗(具有下标‘T-1’)和下一时间窗(具有下标‘T+1’)。在此情况中，聚集在电梯队列中的乘客的数目可以被预测如下：

n_P1＝t_I·(L_{i，up＞，t-1}+L_{i，dn＞，t-1})·β

n_P2＝t_I·(L_{i，up＞，t}+L_{i，dn＞，t}) (3)

n_P3＝t_I·(L_{i，up＞，t+1}+L_{i，dn＞，t+1})·χ其中β和χ是配置系数(0≤β≤1并且0≤χ≤1)。如果所计算的队列长度n_P1、n_P2或n_P3之一超过轿厢负载阈值，那么该情形可以被认为是潜在高峰时间，由此，再次如上所述推断到进入高峰交通模式的转换。该考虑基于通过前瞻下个时间窗来预期未来事件。如果根据统计数字下个时间窗表示高峰时间、但是当前时刻仍在正常交通时间内，那么可以认为在当前时刻检测到的高峰电梯指示进入高峰交通状态的开始是非常有可能的。可以从当前时刻之前的时间窗来进行对应的推断。如果根据统计数字前面的时间窗表示进入高峰交通状态，那么在当前时刻检测到的高峰电梯仍然意味着实际的进入高峰交通情形是非常有可能的。可以使用配置系数β和χ来调整‘前瞻’的灵敏度。

在电梯组中，经常发生这样的情形，其中，所述组中的所有电梯都没有为正常的乘客交通服务。电梯可能正在进行维护，它们可能正在为特殊呼叫服务或者正在用于某些其它特殊目的。在这些情形中，其余电梯组的运输能力减小，并且低于正常的绝对交通强度导致高峰交通情形。当电梯从正常交通的服务中消失时，时间间隔t_I增加。因此，根据(2)和(3)，n_P增加，由此再次断定更快到达轿厢负载阈值。因为高峰时间识别系统在低于正常的交通强度下转变成潜在高峰交通模式，所以所减少的电梯组的运输能力被自动考虑。

图3呈现了可以使用本发明的方法的系统的示例。在此示例中，电梯系统包括两部电梯20、23。电梯被提供有光元件22、25和轿厢负载称重设备21、24，用于实时监控乘客数目。关于乘客数目的数据被输入到控制逻辑26，在控制逻辑26中控制电梯系统中的电梯的运动。关于由电梯运输的乘客数目的统计数据存储在数据库27中。除了上面所述以外，控制逻辑还用来对哪个是可以从统计数字获得的针对所考虑的时刻的最典型的交通类型做出判定。此外，基于本发明的方法，控制逻辑做出关于占优势的交通类型的判定，并且根据如此做出的判定来控制电梯。换言之，如果在至少一部电梯中超过了用于高峰时间识别的轿厢负载阈值、并且对于当前时间窗收集的统计数据指示高峰交通情形，那么控制逻辑认为占优势的交通类型是高峰交通状态。实际上，控制逻辑由例如与实现关于交通类型的判定和电梯的控制的计算机程序的计算机构成。

在图3的实施例中，该系统包括：第一确定部件，用于根据用户的数目、在统计数据的基础上确定入口楼层的称重值(weighting value)；以及控制部件，用于在进入高峰交通情形期间、根据如此确定的称重值来将电梯指引到入口楼层。

在图3的实施例中，该系统包括第二确定部件，用于确定识别实时高峰交通情形所需的、同时存在的高峰电梯的数目。

在图3的实施例中，该系统包括：第三确定部件，用于确定要在统计数据中使用的时间窗的长度；计算部件，用于相对于一天的时间计算所确定的时间窗内到达和离开楼层的乘客的数目；求和部件，用于将针对所考虑的昼间循环收集的、并包括乘客数目的所述统计数据加到以预定更新系数加权的现有统计数据上；以及第一推导部件，用于在所述统计数据的基础上推导在每个时间窗期间占优势的最可能的交通类型。

在图3的实施例中，该系统包括：第一识别部件，用于如果前述统计数据指示高峰交通情形，则识别潜在的高峰交通情形；以及第二推导部件26，用于如果在潜在的高峰交通情形期间检测到的高峰电梯的数目至少为1但是小于前述同时存在的高峰电梯的数目，那么认为该潜在高峰交通情形为实际高峰交通状态。

在图3的实施例中，该系统包括：时间间隔确定部件，用于计算电梯离开入口楼层之间的平均时间间隔；估计部件，用于根据统计数据来预测在前述时间间隔期间聚集在电梯队列中的乘客的数目；第一识别部件，用于当前述所预测的乘客数目超过用于高峰时间识别的轿厢负载阈值时，识别潜在的高峰交通情形；以及第二推导部件，用于如果在潜在高峰交通情形期间检测到的高峰电梯的数目至少为1但是小于前述同时存在的高峰电梯的数目，则推断该潜在高峰交通情形为实际高峰交通情形。

在图3的实施例中，第二推导部件被安排成：在用于识别实际高峰交通情形的潜在高峰交通情形之外，需要至少前面所述的数目的高峰电梯。

在图3的实施例中，该系统包括：第四确定部件，用于确定在统计数据中使用的时间窗之前和之后的一个或多个时间窗的加权系数；估计部件，用于除了用于所考虑的时刻的时间窗以外，对于所有前述时间窗、通过使用所确定的加权系数来以前述方式预测累积的乘客的数目；第二识别部件，用于如果前述所预测的乘客数目中的至少一个超过用于高峰时间识别的轿厢负载阈值，则识别出潜在的高峰交通情形；以及第二推导部件，用于如果在潜在高峰交通情形期间检测到的高峰电梯的数目至少是1但是小于前述同时存在的高峰电梯的数目，则推断该潜在高峰交通情形为实际高峰交通情形。

上述部件使用例如控制逻辑26来实现。这些部件也可以实现为软件和硬件的组合。

可以将以上述方式操作的高峰时间识别原理比作电梯的自动停靠(parking)。通常，在电梯运送时手动确定停靠楼层，或者现场配置它们。在自动停靠中，根据定向为离开楼层的交通分量、在LTS统计数字的基础上将建筑物划分成停靠区域。在每个区域中，选择具有离开该楼层的最密集的交通的楼层作为主要停靠楼层。再次以这样的方式来定义这些区域，即在每个区域中，离开不同区域的楼层的总交通强度相等。因此，与具有密集交通的楼层相比，具有安静交通的楼层形成较高的区域。按照与在手动定义的楼层的情况中相同的方式来进行电梯到停靠楼层的实际分派。

按照对应于上述自动停靠的方式，其中，使用统计数字来确定电梯最好应当停靠在哪里、并且通过传统方法来执行实际停靠，在高峰时间识别中，在块103中读取统计数字，以查看应当何时预期潜在的进入高峰交通情形，并且在块14中通过传统方法来识别实际的进入高峰交通状态。因此，统计数字具有对它们来讲最普通的作用。它们充当实际判定的辅助物，实际判定又根据关于在当前时刻在系统中实际发生的事件的信息来进行。

本发明不限于上述实施例示例；而是，在权利要求中定义的本发明构思的范围内，有可能进行许多变化。

Claims

1.一种用于在电梯系统中识别进入高峰交通状态的方法，其特征在于该方法包括以下步骤：

在电梯系统的实时高峰时间的识别中，监控轿厢呼叫的数目和接纳大厅区中的乘客的电梯的轿厢负载；

确定轿厢负载阈值，在其基础上如果轿厢负载超过轿厢负载阈值，则将电梯识别为高峰电梯；

定义轿厢呼叫的阈值，在其基础上如果到大厅区之外的楼层的轿厢呼叫的数目超过轿厢呼叫的阈值，则识别出高峰电梯；

在电梯系统中收集关于在预定时间窗期间到达楼层的乘客数目和离开该楼层的乘客数目的统计数据；以及

如果检测到至少一部高峰电梯、并且对于当前时间窗收集的统计数据指示进入高峰交通状态，则选择占优势的交通类型作为进入高峰交通状态。

2.根据权利要求1所述的方法，其特征在于该方法还包括以下步骤：

确定识别实时高峰交通情形所需的同时存在的高峰电梯的数目。

3.根据权利要求2所述的方法，其特征在于该方法还包括以下步骤：

将前述同时存在的高峰电梯的数目选择为2。

4.根据权利要求1所述的方法，其特征在于该方法还包括以下步骤：

在统计数据的基础上并根据乘客数目来确定入口楼层的称重值；以及

根据这样确定的称重值，在进入高峰交通状态期间将电梯指引到入口楼层。

5.根据权利要求1所述的方法，其特征在于该方法还包括以下步骤：

定义要在统计数据中使用的时间窗的长度；

相对于一天的时间，计算在所定义的时间窗内到达和离开该楼层的乘客的数目；

将针对所考虑的昼间循环收集的、关于所述乘客数目的统计数据加到利用预定更新系数加权的现有统计数据上；以及

从所述统计数据推断出在每个时间窗期间占优势的、最可能的交通类型。

6.根据权利要求2或3所述的方法，其特征在于该方法还包括以下步骤：

如果所述统计数据指示高峰交通情形，则识别出潜在的高峰交通情形；以及

如果在潜在的高峰交通情形期间检测到的高峰电梯的数目至少为1但是小于前述同时存在的高峰电梯的数目，则认为该潜在高峰交通情形是实际高峰交通情形。

7.根据权利要求2或3所述的方法，其特征在于该方法还包括以下步骤：

计算电梯离开入口楼层之间的所述时间间隔；

根据统计数据，预测在前述时间间隔期间聚集在电梯队列中的乘客的数目；

当前述所预测的乘客数目超过用于高峰时间识别的轿厢负载阈值时，识别出潜在的高峰交通情形；以及

如果在潜在的高峰交通情形期间检测到的高峰电梯的数目至少为1但是小于前述同时存在的高峰电梯的数目，则推断该潜在高峰交通情形为实际高峰交通情形。

8.根据权利要求6或7所述的方法，其特征在于该方法还包括以下步骤：

在用于识别实际潜在高峰交通情形的潜在高峰交通情形之外，需要至少所述同时存在的数目的高峰电梯。

9.根据权利要求7所述的方法，其特征在于该方法还包括以下步骤：

为在统计数据中使用的时间窗之前和之后的一个或多个时间窗确定加权系数；

除了用于所考虑的时刻的时间窗以外，对于所有前述时间窗、通过使用所确定的加权系数来以前述方式预测聚集的乘客的数目；

如果所述所预测的乘客数目中的至少一个超过用于高峰时间识别的轿厢负载阈值，则识别出潜在的高峰交通情形；以及

如果在潜在高峰交通情形期间检测到至少一部但是少于前述同时存在的数目的高峰电梯，则将该潜在高峰交通情形推断为实际高峰交通情形。

10.一种用于在电梯系统中识别进入高峰交通情形的计算机程序产品，其特征在于该计算机程序产品包括被安排来执行以下步骤的程序代码：

11.根据权利要求10所述的计算机程序产品，其特征在于该程序代码还被安排成执行以下步骤：

12.根据权利要求11所述的计算机程序产品，其特征在于该程序代码还被安排成执行以下步骤：

将前述同时存在的高峰电梯的数目选择为2。

13.根据权利要求10所述的计算机程序产品，其特征在于该程序代码还被安排成执行以下步骤：

14.根据权利要求10所述的计算机程序产品，其特征在于该程序代码还被安排成执行以下步骤：

定义要在统计数据中使用的时间窗的长度；

将针对所考虑的昼间循环收集的、关于前述乘客数目的统计数据加到利用预定更新系数加权的现有统计数据上；以及

15.根据权利要求11或12所述的计算机程序产品，其特征在于该程序代码还被安排成执行以下步骤：

16.根据权利要求11或12所述的计算机程序产品，其特征在于该程序代码还被安排成执行以下步骤：

计算电梯离开入口楼层之间的所述时间间隔；

17.根据权利要求15或16所述的计算机程序产品，其特征在于该程序代码还被安排成执行以下步骤：

18.根据权利要求16所述的计算机程序产品，其特征在于该程序代码还被安排成执行以下步骤，其中：

19.一种用于在电梯系统中识别进入高峰交通情形的系统，所述系统包括：

至少一部电梯(20，23)；

轿厢负载称重设备(21，24)，用于计算电梯乘客的轿厢负载，以识别高峰电梯；

电梯门光元件(22，25)，用于对进入电梯的乘客数目和离开电梯的乘客数目进行计数；

控制逻辑(26)，用于辨别轿厢呼叫以识别高峰电梯，以便管理交通流和控制电梯系统；

其特征在于：

该系统还包括：数据库(27)，用于收集统计数据，所述统计数据包括在预定时间窗期间到达和离开该楼层的乘客的数目；以及在于：

所述控制逻辑(26)被安排成如果已经检测到至少一部高峰电梯并且所收集的统计数据指示进入高峰交通状态，则认为占优势的交通类型是进入高峰交通状态。

20.根据权利要求19所述的系统，其特征在于该系统还包括：

第二确定部件(26)，用于确定同时存在的高峰电梯的数目，该数目为识别实时高峰交通情形所需。

21.根据权利要求20所述的系统，其特征在于该系统还包括：

选择器(26)，用于将所述同时存在的高峰电梯的数目选择为2。

22.根据权利要求19所述的系统，其特征在于该系统还包括：

第一确定部件(26)，用于在统计数据的基础上、根据乘客数目来确定入口楼层的称重值；以及

控制部件(26)，用于根据这样确定的称重值，在进入高峰交通状态期间将电梯指引到入口楼层。

23.根据权利要求19所述的系统，其特征在于该系统还包括：

第三确定部件(26)，用于确定要在统计数据中使用的时间窗的长度；

计算部件(26)，用于相对于一天的时间，计算在所定义的时间窗内到达和离开该楼层的乘客的数目；

求和部件(26)，用于通过将针对所考虑的昼间循环收集的、并包括乘客数目的所述统计数据加到利用预定更新系数加权的现有统计数据(27)上；以及

第一推导部件(26)，用于根据所述统计数据推导出在每个时间窗期间占优势的最可能的交通类型。

24.根据权利要求20或21所述的系统，其特征在于该系统还包括：

第一识别部件(26)，用于如果前述统计数据指示高峰交通情形，则识别出潜在的高峰交通情形；以及

第二推导部件(26)，用于如果在潜在的高峰交通情形期间检测到的高峰电梯的数目至少为1但是小于前述同时存在的高峰电梯的数目，则认为该潜在高峰交通情形为实际高峰交通状态。

25.根据权利要求20或21所述的系统，其特征在于该系统还包括：

时间间隔确定部件(26)，用于计算电梯离开入口楼层之间的平均时间间隔；

估计部件(26)，用于根据统计数据来预测在前述时间间隔期间聚集在电梯队列中的乘客的数目；

第一识别部件(26)，用于当前述所预测的乘客数目超过用于高峰时间识别的轿厢负载阈值时，识别出潜在的高峰交通情形；以及

第二推导部件(26)，用于如果在潜在的高峰交通情形期间检测到的高峰电梯的数目至少为1但是小于前述同时存在的高峰电梯的数目，则推断该潜在高峰交通情形为实际高峰交通情形。

26.根据权利要求24或25所述的系统，其特征在于：所述第二推导部件(26)被安排成：在用于识别实际高峰交通情形的潜在高峰交通情形之外，需要至少前述数目的高峰电梯。

27.根据权利要求25所述的系统，其特征在于该系统还包括：

第四确定部件(26)，用于为在统计数据中使用的时间窗之前和之后的一个或多个时间窗确定加权系数；

估计部件(26)，用于除了用于所考虑的时刻的时间窗以外，对于所有前述时间窗、通过使用所确定的加权系数来以前述方式预测所累积的乘客的数目；

第二识别部件(26)，用于如果前述所预测的乘客数目中的至少一个超过用于高峰时间识别的轿厢负载阈值，则识别出潜在的高峰交通情形；以及

第二推导部件(26)，如果在潜在的高峰交通情形期间检测到的高峰电梯的数目至少为1但是小于前述同时存在的高峰电梯的数目，则推断该潜在高峰交通情形为实际高峰交通情形。