Python中遗传算法优化电梯调度

你的作者说编程语言可以减少乘客的等待和服务时间。

本文介绍了使用 Python 编程语言开发的电梯调度仿真。 它根据楼层数、电梯数量和相关电梯参数对建筑物中的垂直交通 (VT)，特别是电梯进行建模。 定义控制系统算法以选择特定电梯来服务群系统中的着陆呼叫。 电梯调度系统采用遗传算法（GA）方法进行优化。 结果为乘客提供了一个合适的条件，等待和服务时间更少。

介绍

减少高层和商业建筑的等待时间是电梯运行中最重要的方面之一。 电梯调度在满足VT需求方面发挥着关键作用。 优化的电梯群控提升了垂直行程的质量，因为它不仅可以最大限度地减少等待时间，还可以增加乘客的心理舒适度。 这意味着更少的等待时间，从而带来更多的满足感。 因此，开发电梯调度一直被认为是一个重要的研究领域。 在这项研究中，使用现实参数和约束来研究一组 XNUMX 部电梯，以优化该组的调度，旨在获得最小的等待时间和电力成本。

在本文中，使用 Python 开发了一个 VT 仿真工具，用于评估具有一组电梯的高层建筑中任何楼层的访问条件。 现实参数用于尽可能准确地为电梯的运动设置动画。[1 & 4] 然后，通过在 Python 中使用 GA，执行优化以制作更方便的 VT 条件。

模拟参数

为了提高仿真的准确性，重要的是计算和考虑电梯运动的实际参数，例如到达模型、最近轿厢计算和电梯运动学。 [1 & 5] 此外，电梯的其他重要参数，包括速度，时间和旅行高度，进行了讨论。 [6]

到货型号

电梯仿真中最重要的参数之一是到达模型。 本研究讨论了两种到达模型——单独和批量泊松到达。^[7] 如图 1 所示，在早上和午餐时间之后考虑了上行高峰流量，此时乘客的趋势是上升的。 到达分布遵循批次泊松到达，其中乘客成组去吃午餐。 批次到货率

() 由公式计算。 (1).^[6]

(1) 

协调  是收集到的到达率，和 是批次的半值。

最近的车

选择哪个轿厢应该为哪个外呼服务是另一个重要的控制器任务。 事实上，流量分析直接受此选择影响。 最近轿厢（NC）控制系统是电梯行业最常见的流程之一，控制器使用它来选择合适的电梯来处理等候区的乘客。^[5]

电梯位置、乘客请求的目的地和电梯上行或下行的识别是该过程中应用的重要参数。 适用性系数 (FS) 是这些参数的函数，组中电梯的位置由控制器量化。 因此，控制器选择具有较高 FS 值的电梯来服务层站呼叫。 计算FS值有四个规则^[6].

• 当汽车驶向与乘客目的地方向相似的候车区时，FS = (N + 2) - d.

• 当汽车驶向与乘客目的地相反方向的候车区时，FS = (N + 1) - d.

• 当汽车停止（空闲）时，FS = (N + 1) - d.

1. 当轿厢离开等候区时，FS=1。其中d为等候区与轿厢当前位置之间的楼层数，N为建筑物的楼层数。^[6]

图 2 说明了在七层楼和五部运行电梯中使用 FS 计算的电梯选择过程。

例如，五楼的乘客希望前往一楼。 图 2 第五行中的 FS 值是根据每部电梯的下降停靠呼叫计算的。 如前所述，在群电梯控制中，选择具有最大 FS 编号的轿厢来处理等候区的乘客。 在此示例中，将为此停靠呼叫选择第一部电梯。 因此，此示例的 FS 值为：

• 电梯 1：当轿厢向下（以相似方向）朝候车区行驶时，使用规则 1：d = 1 层，因此，FS = (6 + 2) − 1 = 7。

• 电梯 2：当轿厢从等候区向下（以相似方向）下行时，使用规则 4：因此，FS=1。

• 电梯3：规则3用作轿厢停止（空闲）：d = 5 层，因此，FS = (6 + 1) − 5 = 2。

• 电梯 4：使用规则 2，当轿厢向上（相反方向）朝候车区行驶时：d = 1 层，因此，FS = (6 + 1) − 1 = 6。

• 电梯 5：使用规则 2，当轿厢向上（相反方向）驶向等候区：d = 4 层，因此，FS = (6 + 1) − 4 = 3。

因此，第一个轿厢具有最大值FS = 7。在这方面，控制器选择电梯组中的第一个轿厢为等候区的乘客提供服务。

电梯运动学

电梯运动学数据用于模拟电梯在楼层之间的运动并优化电梯调度。 表 1 列出了所使用的符号。^[6]

表1：电梯运动学符号介绍

加速度和加加速度值的选择是在最小化行程时间和最大化舒适度之间的折衷。 电梯中人类舒适度的常用值是 1，表示加速度和急动度。 但是，使用了不同的值——日本制造商的较低（加速度约为 0.5），北美的较高（加速度约为 1.5）和欧洲的中间值。^[8] 在本研究中，电梯运动仿真考虑了轿厢到达的三种状态，如下所示：

• 最高速度和加速度 (a)

• 最高加速度但不是最高速度 (b)

• 既不是最高速度，也不是加速度 (c)

基于这三种状态，距离（d) 和行程时间 (t) 计算为^[8]:

图 3 描绘了加加速度、加速度、速度和距离的三种状态。^[6]

付款方式

为了将本研究的结果与文献进行比较，^[6] 使用相同的方法研究汽车的上述三种状态。 因此：

• 移动：汽车在运动。

• 停止：轿厢以四种可能的步骤停止装载/卸载乘客：1) 开门； 2) 乘客下车； 3) 乘客上车； 和 4) 门关闭。

• 空闲：轿厢既没有运动，也没有外呼服务。

可以根据乘客的需求连接三种状态的电梯（图4）。^[6]

模拟在随机乘客、随机到达时间和随机目的地楼层条件下运行。 当乘客到达时间等于系统时间时，FS计算将电梯状态发送给控制器。 然后，控制器决定是否分配电梯来服务乘客的请求。 之后，根据轿厢当前位置改变轿厢FS，控制器选择下一轿厢在候车区处理乘客。^[6]

结果与讨论

表 2 给出了仿真参数的值：电梯群控系统是针对 20 层楼和 1 部电梯的商业建筑进行的仿真。 研究了作为上行流量分布的个体泊松和 5 小时的模拟电梯调度。 电梯的动画运动如图 XNUMX 所示，描绘了一个类似的操作，其中轿厢根据目的地楼层将乘客从底层载往上。 在这张图片中，绿色框表示向上的汽车； 红色的盒子，向下的车； 黄色框，汽车的停止位置； 和灰色框，汽车的空闲状态。

表2：模拟电梯参数值

通过模拟电梯群控系统，考察等待时间、服务时间和总时间（等待时间+服务时间）。

图 6 显示等待时间和服务时间与到达率直接相关。 但是，服务时间在到达率达到特定范围后趋于稳定。 不到 25 秒的平均等待时间可以提供合适的电梯服务。^[9] 因此，合适的到达率是 0.2 名乘客/秒（720 名乘客/小时）。^[6] 以 0.2 名乘客/秒的速度到达的总时间约为 70 秒。

使用 Python 中的 GA 方法进行优化

为了从群电梯中获得更好的服务并减少总时间（等待时间加服务时间），使用 Python 中的 GA 开发了一种优化方法。 定义一个控制过程，然后根据四个规则计算FS，以确定应该在群控中选择哪部电梯来为等候区的乘客提供服务。 为了优化 FS 值，未知系数通过四个规则分配，如等式所示。 (3):

• 规则 1：FS = a1 N + c1 - b1 d.

• 规则 2：FS = a2 N + c2 - b2 d. (3)

• 规则 3：FS = a3 N + c3 - b3 d.

• 规则 4：FS = a4 N + c4 - b4 d.

然后，通过 GA 中的锦标赛选择方法，优化系数确定为：

因此，通过使用识别的系数，优化 FS 值以选择更好的选项来服务电梯群控系统的停靠呼叫。 这种优化方法显着减少了电梯的总行程时间（图 7）。 这是电梯行业的一个重要原则。

在图 8 中，描绘了通过使用传统 FS 和优化的 FS 增加到达率从 Python 模拟计算的总时间。 因此，为了比较 0.5 名乘客/秒的到达率，与传统 FS 和优化 FS 相关的总时间分别约为 114.69 和 52.38 秒。 如图所示，该结果显着减少了总时间。

结语

本文研究了在 Python 中使用遗传算法开发用于电梯群调度的优化方法。 以电梯到站率、最近轿厢选择、电梯运动学等电梯实际参数对高层建筑电梯群控制系统进行仿真，得到准确的结果。 此外，电梯调度是动画的，以提供更好的视觉调查。

结果表明，在 FS 计算中应用优化系数导致总时间的显着减少，这是等待时间和服务时间的组合。 因此，到达的乘客体验更方便的垂直旅行。

致谢

作者感谢 ASCEND Co. 和冰岛大学分享本研究项目所需的技术数据，并感谢信息技术专家为用 Python 重新编码模拟提供指导。

参考法案

[1] JR Fernandez 和 P. Cortes。 “垂直运输电梯组控制系统调查，IEEE 控制系统，卷。 35，第 4 期，第。 38 年 55-2015 日。

[2] VC Galpin 和 ST Rock。 “电梯模拟原型”，Wiley 在线图书馆，1995 年。

[3] R.布劳恩。 “需要电梯吗？ An Elevator Queuing Problem，联合技术研究中心，14 年 2003 月 1 日，p。 28-XNUMX。

[4] N. Pariyatdulapak。 “垂直运输系统模拟的开发，高级项目报告，”朱拉隆功大学，2016 年。

[5] GC 巴尼。 电梯交通手册：理论与实践，Taylor Francis，2003 年。

[6] N. Chaosangket、P. Sasithong、S. Wijayasekara、W. Asdornwised、L. Wuttisittikulkij、P. Vanichchanunt、M. Saadi。 “使用 Python 的垂直运输系统仿真工具”，第 5 届国际商业和工业研究会议，泰国曼谷，2018 年。

[7] J. 达拉斯。 “在泊松批量到达过程中生成电梯乘客的系统方法”(peters-research.com)，2017 年。

[8] R.彼得斯。 “理想的电梯运动学”（peters-research.com/index.php/support/articles-and-papers/53-ideal-lift-kinematics），1995 年。

[9] Adsimulo.com。 “电梯性能标准”(adsimulo.com/support/adsimulo-university/lift-performance-criteria)。