电梯群控方式

介绍

作者：朱琳、江青、曹杰、万建如

随着高层建筑数量的不断增加和智能建筑的快速发展，对此类建筑的电梯提出了越来越多的要求。 为了提高他们的运输能力和服务质量，电梯群控中的一种新的电梯控制方法得到了迅速的发展。 电梯群控系统由三台或三台以上电梯作为一组运行进行系统管理。^[3] 同时，电梯群控系统还可以减少电梯运行过程中的电能损耗。

群控算法主要考虑以下三个控制目标：低延迟、低长时间等待百分比和低功耗。 随着计算机技术和人工智能理论的飞速发展，在电梯群控领域得到了广泛的应用。

目前，许多专家提出了许多智能控制算法，如基于模糊控制的调度方法、专家系统、神经网络和遗传算法。 另外，电梯的客流在各个楼层是不同的，不同时间段的客流趋势也不同。 因此，提出了一种通过计算机技术分析建筑物、电梯情况和客流情况，寻求电梯控制优化调度策略的方法。

与传统的电梯调度相比，这些研究显着提高了电梯性能，极大地发展了电梯群控方法。 然而，对它们的分析发现了以下不足：

1. 所有楼层的控制指标设置相同，不考虑楼层属性的自然特性。
2. 交通模式集基本固定，不能动态反映客流变化。
3. 不考虑电梯轿厢中的拥堵。

“楼层属性”的概念是在分析各楼层不同交通点的基础上提出的。 用于协调各楼层电梯需求。 不同的流量模式反映在优先级中，并被客观地考虑。 交通流扩展方法用于转换交通模式。 电梯轿厢内乘客的拥挤状况和人的舒适程度经常被考虑在内。

楼层物业

随着经济的快速发展，越来越多的高层建筑正在兴建。 由于这种趋势，乘客在电梯中的时间更长，这会增加他们的焦虑程度。 当居住者位于不同楼层时，这些级别会有所不同，并且随着该过程重复（有时一天内多次），他们可能会反复遭受痛苦。 楼层属性解决了这个问题，减少了高楼层乘客的乘坐时间，为他们提供了更好的电梯服务。

楼层属性是通过对不同楼层设置一个大于1或等于1的常数来表征其属性，通过对建筑高度和客流的综合分析，选择一个层作为楼层边界。 这使得边界以下的楼层属性为1，边界以上的楼层属性按照增量原则。 为了便于编程，利用算术级数为每个楼层赋予一个楼层属性值。 我们可以用它通过加权的方法来计算乘客等待和乘车时间，得到综合乘车时间：

协调 i 是乘客所在的楼层号， T_1i 是电梯轿厢中乘客的乘坐时间，并且 T_2i 是等待时间。 的准确值 T₁ 和 T₂ 可以通过内部呼叫信号和分配给电梯的呼叫获得。 回应（一） 和 呼叫(i) 分别是呼叫和响应的优先级。

η₁ 是轿厢的心理因素，反映了电梯轿厢内乘客的心理平静程度。 该值是“人感觉”与“实际”时间的比率。 大多数人都觉得在电梯里时间过得比较慢，希望能尽快到达目的地。 例如，在电梯轿厢中待了 30 秒。 可能感觉超过 40 秒。 在这种情况下，汽车的心理因素是40/30 = 1.33。 一般情况下，这是一个大于 1 的数字。为了本文中的评估目的，该值设置为 1.1。 η_2i 是地板的属性 i楼。

优先级分析

根据交通的差异，楼宇电梯群控交通方式分为以下几种：

• 上行高峰模式：大部分客流为上行，大部分乘客在一楼等候，因此电梯应尽快响应一楼呼叫。 这就需要提高一楼的呼叫优先级。
• 下行高峰模式：大部分交通流量是向下的。 大多数乘客都希望到达一楼，因此电梯应该提高一楼响应的优先级。
• 随机模型：上下客流量基本一致，不同层间的客流量需求也基本一致。
• 双向模型：主要的客流去往或来自非第一层的楼层：例如，午餐时间的餐厅。

通过以上分析可以发现，随着客流的变化，需要修改每个楼层的呼叫和响应优先级。 为保证电梯高效运行，实现最优的电梯调度控制，可通过电梯轿厢内总人数（按重量放置）得出各楼层呼叫优先级的值。 w_1i) 在固定的时间内， T_固定. 同理，响应级别的优先级值可以通过电梯轿厢内的总人数（按权重放置）得到 w_2i）摄影作品通过 T_固定.

价值 T_固定 与楼层数、电梯数、车流变化特征有关，取5 min。 出于本研究的目的。 由于上下峰模式客流变化较快，相应的优先级应具有快速变化的特点，以满足快速变化的客流。 客流的变化表现为电梯轿厢重量的变化。 呼叫(i) 代表呼叫的优先级，和 回应（一） 代表响应的优先级。 这些值定义如下：

Δw_1i 和 Δw_2i 分别代表进出电梯轿厢的总重量。 λ 是客流系数。 λe 是客流的放大倍数，用于反映大客流发生的概率（本文设为3）。

从方程 1 和方程 2 中，我们可以发现 打电话（一） 和 回应（一） 随着电梯流量的变化而变化。 为了确保 打电话（一） 和 回应（一） 电梯不工作时不为零，在 T_固定， 什么时候 打电话（一） 和 回应（一） 小于 重量_呼叫 和 重量_或，使 打电话（一） 和 回应（一） 等于 打电话（一）_固定 和 回应（一）_固定. 同时，限制权限 打电话（一） 和 回应（一），当它们的值 超过 重量'_呼叫 和 重量'_或，制作 打电话（一） 和 回应（一） 等于3.

根据等式 1，值 T_i 与价值有关 打电话（一） 和 回应（一）. 电梯可以响应来自具有更大值的楼层的冰雹 打电话（一） 和 回应（一） 更快，从而使其能够更快地移动到该楼层。

拥塞度评估功能

电梯轿厢内人数过多会使乘客感到拥挤，降低舒适度。 本文将降​​低拥挤程度作为电梯群控系统的控制目标。 轿厢拥堵可以用电梯轿厢的重量来表示。 如果电梯在叫车时重量比较大，则认为电梯很拥挤。 因此，我们可以使用电梯轿厢中的重量函数来表示舒适度。 另外，考虑到乘坐过程中可能会出现拥堵，电梯内乘客的不舒服程度可以用当前电梯轿厢重量函数和电梯方向函数来表示，这是一个非线性增函数到重量。 权重较小时，函数值变化不大； 当重量接近电梯轿厢的极限时，该值迅速变化。 因此，不适程度的函数可以表示为：

协调 f _end 是最远的楼层（电梯上行时最高层，电梯下行时最低层）； f_温度 是呼叫信号发出的楼层； 重量 是电梯轿厢内的重量； 和 k 是预测的拥堵系数，由楼层数和客流密度决定（范围从 0.1 到 0.3^[2])，在本例中为 0.2。 

对于电梯， I，响应所有分配的电梯呼叫的拥挤度评估函数可以表示为：

w_i1 和 w_i2 分别为时间权重系数和拥堵度系数。 因此，当前送梯方案的拥挤度评价函数为：

w_i1 + w_i2 = 1（等式 8）

在确定了各种目标之后，如何找到最佳分配方法就成为关键。 由于遗传算法（GA）的优化能力很强，本文采用遗传算法寻求调用分布的最优分配。 下面的例子是一个有四部电梯的 30 层办公楼。

编码形式

使用可变基因链长度和二进制编码，四个电梯分别用00、01、10和11表示。例如，100100110110表示第一个呼叫分配给10号电梯，第二个分配给01号电梯，第三个分配给00号电梯。当有呼叫时，基因链会有一个单位长度的基因。 当有新的调用信号时，使基因链长度加1，当信号分配给电梯时，基因链长度减1。染色体长度为当前等待分配的电梯号。 定义数组 x(i) (i = 1, 2…2n - 2)，其中 n 是楼层数，每个数组元素代表1到上层的上行呼叫信号 n - 1 层楼和下行链路呼叫信号 n 到二楼。 有呼叫信号时，后一个值为1； 否则为0。可变长度基因链长度在数组元素中为1，根据调用与基因连接的楼层。

当有新的调用时，会进行一次寻求最优分配的时间计算。 此分配将导入 Bestgene。 初始值为0，无调用信号。 任何时候电梯只发出一个呼叫信号。 当电梯轿厢到达呼叫信号所来自的楼层时，从基因链中选择一个最近的呼叫信号分配给电梯，使元素数组的值排列，代表楼层同时为0时间。

每部电梯都会将 Bestgene 分配的呼叫放入其队列中。 如果Bestgene 只分配了一个呼叫信号，它将在电梯的任务栏中显示一个数字。 如果发出多个信号，与电梯运行方向相同的信号将被放置在任务栏中最近的呼叫号码之上。 设置数组的值 x(i) 对应于任务栏中的呼叫信号为0。每个电梯的任务栏呼叫和内部选择决定了电梯的运行方案（图1）。

图1：动态基因链中分配调用的过程

初始种群的产生

如果专业地建立，最初的小组会产生可以加快搜索速度的优秀个人。 因此，一部分初始种群是根据专家规则生成的，另一部分是随机生成的。

健身功能设计

遗传算法根据每个阶梯方案中的适应度函数值来判断优缺点。 个体的适应度值越大，繁殖下一代的机会就越多。 在实际应用中，需要根据自身设计适应度函数。 适应度函数表示为：

选择

为了保证调度算法的稳定性，使用了选择算子，它结合了适应度比例法和个体方法的最佳组合。 采用最优个体保存方法优化的遗传算法的调度方案，不会小于初始种群中的最优个体，保证了调度算法的稳定性。

交叉和变异

在遗传操作中使用两点交叉算子。 根据具体情况使用两种变异操作：

位点变异算子，用于种群中适应度小于平均值的个体。

两点互换的突变，对适应度大于平均值的个体进行。 变异率不宜过小，以免在寻求最优解的过程中陷入局部最优分配。

当调用较少时，如果容量的计算跟得上，则采用遍历的方式进行搜索优化。 本文选取 4 作为分界点。 当调用数不大于4时，采取遍历搜索优化的方式。 当呼叫数大于4时，使用遗传算法（图2）。 T 是最大的遗传算法值。

实验结果分析

仿真在30层2台电梯的群控系统上运行，电梯额定速度为35 mps。 餐厅位于五楼。 通常，在这样的模型中，交通是在一定范围内随机模拟的，并且相互制约。 起点和终点楼层由蒙特卡罗法决定：中午，假设每层40%的人去餐厅，15%的人外出，10%的人不换楼层，XNUMX%的人随机去其他楼层。 根据泊松分布，客流量按时间分布。

呼叫(1)_固定 = 回应(1)_固定 = 2（等式 10）

呼叫(5)_固定 = 回应(5)_固定 = 1.5（公式 11）

打电话（一）_固定 = 回应（一）_固定 = 1（i ≠ 1, 5) (等式 12)

重量_或 = 重量_呼叫 = 300 公斤（公式 13）

重量'_或 = 重量'_呼叫 = 1200 公斤（公式 14）

每层楼的属性是：

表 1：模拟结果

这种方式减少了每层楼的运输成本差异。 每层电梯效率比较高； 随着交通需求的变化和变化，电梯可以及时调度。

结语

提出了地板属性的概念。 综合考虑各个楼层，避免不同楼层之间的明显差异，使高层乘客不会比低层乘客感觉等待电梯时间更长。 仿真程序是在 Visual Basic 中编写的。 其流程图如图 3 所示。

图 3：仿真程序流程图

对于交通方式，提出了呼叫优先和响应优先（而不是固定模式）。 在呼叫优先响应模式下，每个楼层的优先级可以随着客流的变化而自动改变。 对于上下峰情况，可以快速改变特殊时期的优先级，以适应交通模式的突然变化。 在最优调度选择方法中，考虑了分段方式。 当分配的呼叫较少时，选择传统方式。 当有更多分配的呼叫时，将使用 GA。 本设计考虑了流量的变化； 因此，它适用于各种类型的建筑物，只需根据不同建筑物的实际情况修改一个固定值即可。

致谢

该研究得到了国家质检总局非营利性行业专项研究基金（No. 2012104016 和 201310153）的支持。

案例
[1] 德·戈德堡。 搜索、优化和机器学习中的遗传算法。 纽约：艾迪生韦斯利，1989 年。
[2]李增昌． “电梯组智能控制策略研究。”天津大学，2004。
[3] Chang Bum Kim、Young A. Seong、Hyung Lee-Kwang。 “电梯群控系统的模糊方法。” 系统与控制论。 1995，(5)：985-990。
[4] 于才，万． “基于模糊逻辑和神经网络的电梯控制”。 中国电梯。 1999.010(002)：34-38。
[5] 冉颜. 计算机模拟和蒙特卡罗方法。 北京：北京理工大学出版社，1988。
[6] 王小平，曹黎明． 遗传算法：理论、应用和软件实现。 西安：西安交通大学出版社，2002。