迈向智能电梯——科莱曼经验

拥有四大创新：乘客紧急检测（PED）、电子轴测量（ESM）、盲文电梯视障辅助系统和安全环境信息（ISE）

作者：Giorgos Georgiadis 博士

本文在苏格兰爱丁堡举行的 2023 年国际电梯和自动扶梯研讨会上发表。

由于智能运营具有无与伦比的优势，各行业正在拥抱智能运营。它们提供了一个更加敏捷、响应更快且与用户交互的操作环境。

电梯是人们日常生活中必不可少的设备。对于电梯行业来说，考虑到智能技术在日常生活中的重要性，融入智能技术是必要的，而不是一种选择。

本文探讨了电梯的四种创新和智能功能/产品，以提高乘客的安全性、结构、可达性和便利性。这些功能是：

1. 乘客紧急检测系统（PED）
2. 电子轴测量系统（ESM）
3. G-盲文系统
4. 安全环境系统（ISE）信息

1. PED，乘客紧急检测系统

PED系统旨在为在紧急情况下无法做出反应的乘客自动检测紧急健康状况（例如心脏病发作、昏厥）。通过使用深度摄像头和人工智能算法，系统检测到乘客在客舱内失去意识，并触发电梯立即做出反应。它启动一系列动作，例如自动呼叫紧急服务、将电梯移至底层、开门以及通过物联网（IoT）通知附近的医院。

该系统使用摄像头和先进的人工智能算法^[1] 识别电梯内人员的存在。 PED系统使用深度摄像头技术，不记录个人数据，因此不属于一般数据保护条例的管辖范围。事件检测方法包括三个步骤：

1. 移动物品的检测和跟踪
2. 提取指示项目状态的事件特征
3. 一种基于事件特征识别正在发生的事件的隐马尔可夫模型（HMM）方法

考虑上述事件的三态马尔可夫模型（图1）用于实现跌倒检测。

第一状态(S1)是指非跌倒状态，例如，人站立或轻微移动。

第二状态（S2）代表实际坠落，其特点是垂直速度大幅下降（当高度下降时，速度取负值）和面积方差增大。

第三状态（S3）表示跌倒结束并宣布事件已检测到。

转移概率基于事件特征并在以下矩阵中定义：

概率 F，

构成一个 sigmoid 函数，有利于接近 1 的高值、高（负）垂直速度和高面积协方差的情况，即对应于跌倒状态的情况。这里，T是由训练定义的常数。

函数 u,

声明如果跌倒的人不低于松散阈值 HT，则不能达到表示跌倒检测的状态 S3。

下面的示意图（图 2）显示了系统的描述。

深度相机和算法将识别人体形状。具体功能将由系统监控。第一个特征是被跟踪人最高点的垂直速度，它将在恒定的时间窗口内每秒测量多次。第二个特征是面积方差。当一个人跌倒时，测量的面积会增大。该特征是在与速度相同的频率和时间窗口中测量的。最后使用的特征是高度，除了它对垂直速度计算的重要性之外，它还有助于避免误报，因为跌倒的人不能高于 1 m。所有这些特征都是从深度相机中提取的。在为新颖的 HMM 提供这三个特征用于跌倒检测后，如前所述提取跌倒概率。

当 HMM 提取高跌倒概率时（图 3），时间计数器将启动。如果在特定限制（10 秒）后仍未恢复，将启动警报状态。如前所述，将发生一系列动作，例如自动呼叫紧急服务、将电梯移至底层、打开门、将机舱风扇设置为最大供应以及通过物联网通知附近的医院。

PED 是一个革命性的系统，可确保每天 24 小时对紧急情况做出迅速、有效的响应，从而有可能挽救生命。

2.ESM，电子轴测量系统

ESM（图 4）是一个能够使用计算机视觉方法和光学传感器自动测量电梯井尺寸的系统，无需人工干预。该系统可以检测建筑尺寸的偏差、理论垂直方向的偏差以及墙面尺寸的错误。此外，它还计算电梯系统的最大可用井道容积。 ESM 可确保准确的测量，从而实现精确的电梯安装和维护，从而提高整体性能和安全性。

ESM 工具重量轻（安装系统重量不到 8 公斤）、便携式且由电池供电。它安装在顶层，不需要任何穿墙。

所开发的测量系统的架构图如图 5 所示。更具体地说，便携式移动电源为所使用的计算单元（例如 Jetson Nano）提供电流，从而无需充电即可执行多次测量。

关于测量单元和应用的传感器，三种不同的设备直接连接到 NVIDIA Jetson 计算机^[2] 它负责传感器的通信以及计算机视觉算法的执行，如图 6 所示。第一个是高分辨率 LiDAR，每秒旋转 11 次，提供轴的水平坐标。而第二个传感器是高度距离激光器，用于计算代表垂直坐标的设备高度。第三个是磁拾取（MPU）传感器，负责检查测量俯仰角和横滚角的实验装置的轨道，这些角可能会因被测轴内的小气流而改变。关于偏航角计算，应用了计算机视觉方法。

为了避免因轴内产生气流而导致装置无法控制旋转而导致结果不准确，采用了 MPU 传感器。首先，计算俯仰和横滚的偏差，并对激光雷达捕获的值（X 和 Y 值）进行相应校正。如果俯仰和横滚值连续 3 秒以上超过 10°，系统会向用户显示一条消息，告知其状态，建议重复该过程以确保测量可靠。在图7中，示意性地示出了节距偏差，以及X、Y和Z轴的计算值和实际值。

该系统将安装在顶层，如前所示，并将在小型电动机的帮助下以大约 45 毫米/秒的速度开始下降。算法^[3] 从激光雷达获取数据。然后计算横滚、偏航和俯仰倾角。偏航角是使用计算机视觉技术计算的，而俯仰角和横滚角则来自 MPU 传感器。应用点云配准算法。在下一步中，应用一种测量云内最大矩形的方法。由此，提取井道与理论井道相比的偏差，以及最大电梯井道（可安装）和井道的实际倾斜度，如图8所示。

此外，还提供了多个模块，例如用于彻底检查轴的 3D 空间中的浊点操作工具和计算云的两个选定点之间的距离的测量工具，如图 9 所示。

考虑到计算结果的准确性和应用程序友好的图形用户界面，用户可以轻松确定所研究的井道的尺寸，从而节省手动测量井道内部的时间，进而达到要求严格的电梯行业的新的高标准。

3. G-Braille，视障人士辅助系统

G-盲文系统（图 10）方便视障人士使用电梯。它由一个小型紧凑型发射器组成，发射器带有代表 6 点盲文系统的按钮，与电梯控制器配对。配对后，视障人士可以根据盲文 6 点编码按下 G-Braille 中的按钮来选择所需楼层。通过这种新颖的方法，电梯可以从 G-盲文发射器“读取”所需的楼层，而不会增加视障人士通过触摸轿厢操作面板 (COP) 上的所有按钮来“读取”的负担。这一创新系统增强了视障乘客的无障碍性和独立性。

该设置包括每个用户的遥控器（称为“G-盲文”）、放置在电梯装置每个层站操作面板内的地板单元，以及最后放置在电梯轿厢内的网关节点（称为“G-盲文网关”）。所有设备都配备了能够进行蓝牙低功耗 (BLE) 协议通信的微控制器。当远程控制设备开机时，它会主动扫描楼层单元和盲文网关发起的蓝牙服务特征。地板单元的功能是宣传蓝牙服务特性，远程设备非常接近并且可以连接和订阅。建立连接一定时间后，楼层单元给该楼层的按钮盒通电，从而呼叫电梯到相应楼层。在遥控器和楼层单元之间成功执行电梯呼叫程序后，一旦轿厢到达，楼层单元就会终止遥控器连接到 G-Braille 网关的蓝牙会话。

遥控器通过配对程序连接到G-盲文网关，并建立加密链接。 G-盲文网关充当电梯 CAN 总线网络中的节点。用户可以通过其远程控制 G-Braille 装置上的盲文代码将有关其楼层偏好的命令输入到网关，网关将接收到的命令解释为所选楼层。

G-盲文装置中的振动电机和蜂鸣器扬声器负责通知视障人士电梯轿厢是否已到达或盲文命令是否已成功输入。 G-Braille 网关最多可支持六个同时远程控制连接。首次连接成功的远程设备将与网关绑定，后续每次连接都是自动的，无需配对过程。此外，它还支持保存用户的楼层偏好数据，以便将来无需与遥控器交互即可将用户传送到预定楼层。图 11 显示了前面段落中描述的事件序列。

图 12 显示了 G-盲文系统的另一种变体，其中该装置永久连接到 COP。在这种情况下，用户将尝试找到四指定位器，然后用拇指按下 G-盲文按钮并选择楼层。 

4. ISE，安全环境信息

ISE（图 13）系统通过提供有关电梯轿厢内空气质量的实时信息来关注乘客的健康。它使用深度摄像头（不记录个人数据）来收集机舱内乘客人数的信息。它提供诸如上次使用电梯的时间、上次乘坐时的乘客人数以及空气新鲜度（完全空气交换）等信息。根据2019年的研究数据，^[4] 电梯使用者希望“轿厢内有宜人的气味，电梯内有干净的空气”。在 COVID-19 大流行期间，这种偏好转变为绝对需求。

ISE 功能满足了这一需求。它告知等候进入电梯轿厢的人员，提供轿厢内空气质量、电梯最后一趟乘客人数以及电梯运行时轿厢内人数等相关参数。它根据机舱空气循环系统的相关函数，为用户提供完全回收机舱内空气的时间估计。希望在电梯运行时从中途停留地（而不是从底层）呼叫电梯的用户可以获得有关轿厢内有多少乘客的信息。然后，用户可以决定是否乘坐电梯，或者是否需要采取口罩等额外防护措施。在涉及目的地控制系统的情况下，可以选择一种模式来调度具有最高水平的可用再循环空气的客舱。

ISE 解决方案还可以作为手机应用程序提供，如图 14 所示。

ISE 系统为用户提供了有关机舱内预期空气质量的简单便捷的信息工具。此外，它还有助于提高对健康问题敏感的人群的认识。  

案例

[1] Krinidis, S.、Stavropoulos, G.、Ioannidis, D. 和 Tzovaras, D. (2014)。 “利用隐私保护传感器的强大且实时的多空间占用提取系统。” ISCCSP。
[2] S. Cass，“Nvidia 让人工智能的嵌入变得容易：Jetson Nano 将大量机器学习能力融入 DIY 项目”，[实践] IEEE Spectrum，卷。 57，7 年第 2020 期，第 14-16 页。
[3] Vrochidis Alexandros、Charalampous Paschalis、Dimitriou Nikolaos、Kladovasilakis Nikolaos 和 Georgiadis Georgios，“使用多传感器测量系统和计算机视觉技术进行自动电梯井道检查”。
[4] KLEEMANN HELLAS，雅典国立卡波季斯特里亚大学心理学系，2019 年，“用户对电梯操作的态度、安全认知、恐惧和需求的研究”。