我國電梯群控系統研究文獻綜述與思考

鄭曉芳

（華東交通大學電氣與電子工程學院，江西南昌 330013）

我國電梯群控系統研究文獻綜述與思考

鄭曉芳

（華東交通大學電氣與電子工程學院，江西南昌 330013）

通過研究國內外文獻，對電梯群控系統中的系統建模、交通模式識別、群控調度方法、群控仿真等熱點問題進行詳細的分析。提出未來研究重點應關注電梯配置理論，群控仿真平臺，電梯節能等幾個問題。

電梯群控系統；調度方法；智能控制；仿真

電梯群控系統（elevator group control system，EGCS）是指，根據建筑物內的交通流狀況，合理配置多部電梯組成梯群，由微機控制系統統一管理梯群的召喚信號，對當前的交通狀況進行智能識別，并根據交通模式的識別結果結合不同的優化目標產生系統的控制策略，針對不同的控制策略應用相應的優化派梯算法，從而得出最優派梯決策［1］。由于電梯群控系統具有多目標性、非線性性和不確定性等動態特性，難以用精確的數學模型加以描述，僅通過傳統的控制方法很難提高電梯控制系統的性能。

隨著智能控制技術在電梯群控系統中的大量應用，如何有效的解決高層建筑垂直交通，尋求最優控制策略，優化調度多部電梯以提高電梯的運行效率和服務質量，成為國內外許多學者研究的重要課題之一［2-3］。

1 電梯群控技術的發展過程

電梯的群控技術主要經歷了4個發展階段。第1階段：1971年以前，電梯群控技術的初級階段，采用的是繼電器順序控制、轎廂區間指派方式。第2階段：1971－1975年，采用集成電路可以進行較為復雜的邏輯計算，控制方式采用候梯時間預測控制。第3階段：1975－1988年，計算機開始應用于電梯群控系統，在此階段著重研究電梯群控系統的動態特性，控制方式主要是最小候梯時間控制和綜合評價函數控制。第4階段：從1988年至今，是電梯群控技術的快速發展階段，標志是基于計算機及其網絡的人工智能技術的應用，即：專家系統技術、模糊邏輯技術、神經網絡技術、模糊神經網絡技術、進化算法（如遺傳算法、免疫算法）等技術的應用。

隨著群控技術的發展，國外各大公司相繼推出帶有智能控制技術的群控電梯。1970年日立公司使用計算機開發出一種能學習的電梯系統；1976年三菱公司推出了OS’75系統，使用呼叫分配方法，縮短了平均候梯時間；1988年三菱公司推出了AAI-2100系統，把模糊控制理論和專家系統應用于電梯群控系統。1993年，日立公司推出FI-340G系統，將遺傳算法用于電梯系統。

如今著名的電梯公司都擁有不同特色的群控技術和群控產品，但這些技術大多是由國外的電梯公司開發的并且擁有專利產權，別人很難得到這些電梯群控系統的核心技術。我國對電梯系統特征研究與國外相比還處于較落后的狀態，直到1986年，國內才開始對電梯配置理論和電梯系統特性進行研究，我國群控技術文獻最早見于1990年。目前電梯群控技術與配套裝置主要依賴于進口，國內大部分還停留在理論研究階段［4-7］。

2 電梯群控技術的主要研究內容

2.1 群控系統建模

要對電梯進行系統的研究，就必須給電梯群控系統建立一個便于分析、能反映系統實際狀況的系統模型。首先要建立電梯群控系統邏輯層次的數學模型，用數學規則來描述系統的動態行為，其次還需要用計算機建立正確且有效的系統仿真平臺。早期僅僅用概率論進行粗略的運算，20世紀90年代初開始運用隨機服務系統理論，建立電梯服務系統的理論模型，應用排隊論的Em/M/n模型描述電梯的群控行為［8］。由于電梯群控系統是一種典型的離散事件的動態系統，而Petri網可方便的分析離散事件的各種特性，可以直觀的描述離散事件系統的各種關系和行為，且Petri網作為一種圖形化和數學化的建模工具，能提供一個集成的建模、分析和控制環境，因此，Petri網比較適合用于電梯群控系統建模。基于Petri網的電梯群控系統建模主要分為3個步驟，即充分研究電梯行為，建立系統Petri網模型和采用編程實現Petri網模型。但是，Petri網建模的狀態空間龐大，易會出現組合爆炸問題，所付出的計算成本非常高［8-12］。隨著agent技術的發展，也出現了面向agent的模擬電梯模型［12］。為使復雜的問題簡單化，國內外學者都將電梯群控系統看著離散事件動態系統來分析，但從本質上來講，電梯群控系統是包含離散事件動態系統和連續變量動態系統的混合動態系統。近年來，有不少研究，以細胞自動機理論為基礎，建立電梯群控混合模型，再以OD矩陣法對客流進行建模分析，基于細胞自動機的建模思想使整個數學模型變得直觀可控，很好地包容和統一電梯群控系統的運動和管理，為群控建模提供了一個較好的新方法［4，13-14］。

2.2 群控系統交通模式識別

交通模式的識別問題是指，根據一定時間段（一般為5 min）內的交通流的具體信息，確定此段時間中的交通模式。在不同的交通模式下必須采用不同的派梯算法才能適應建筑物中所有的交通模式，所以交通模式識別的準確性將直接影響到整個系統的性能［4，17］。

一般認為電梯交通系統的乘客到達可以近似的認為服從Poisson分布，在此基礎上，通常將電梯的交通類型分為以下幾個模式：

1）上行高峰模式：所有乘客均由底層（基站）大廳進入轎廂，再由電梯送到各自樓層；

2）下行高峰：所有的乘客都運送到基站；

3）層際交流：層間的可能交通；

4）空閑交通：樓層的客流少，不足以使用全部電梯。

早期的交通流模式識別都是在專家經驗的基礎上，通過建立模糊隸屬函數、構建模糊規則和執行模糊推理來判斷客流情況，但模糊推理缺乏學習能力［18］。神經網絡由于具有非線性、非局域性及動態性等特點和較強的學習能力，1996年開始被引入電梯群控系統，并成功的應用于識別交通流量的變化，但是神經網絡方法制定樣本困難，而且網絡訓練非常耗時［19］。為此很多學者提出用模糊神經網絡進行交通模式的識別，模糊神經網絡是將神經網絡與模糊邏輯二者有機的結合，采用模糊神經網絡技術進行模糊信息處理，即可以克服神經網絡結構難以確定以及模糊邏輯無自學功能的缺點，又可以有效發揮其各自優勢，使模糊系統成為一種自適應系統［20-24］。近年來，人工免疫算法也逐漸在交通模式的識別中得到應用［34］。

2.3 群控調度方法

電梯群控的功能就是采用優化控制策略來管理梯群，以最合適的方式應答層站以及轎廂的呼梯信號，以提高電梯的運行效率和服務質量。建筑物及乘客的多樣化導致派梯已經不再是僅僅以縮短乘客的候梯時間為目標的優化過程，而是逐漸演變為典型的多目標決策問題。

2.3.1 群控系統的特點［5-6，25］

電梯群控系統有其較為特殊的性質，主要表現在以下幾個方面：

1）多目標性。評價電梯群控系統的性能指標主要有平均候梯時間、長時間候梯率、轎廂擁擠率、能源消耗率等，它是一個多目標控制系統，且指標之間互相矛盾，各指標之間的相互平衡成為控制的難點之一；

2）系統的不確定性或系統信息的不完備性。系統存在大量的不確定性，如乘客數、停靠的層站數、停靠的具體層站等，由于系統的不確定性導致系統信息的不完備；

3）系統的非線性。對同一組廳堂的呼叫，在不同的時間段，轎廂的分配是不同的，即轎廂分配的變化是不連續的；

4）系統的擾動性。系統不可避免的具有不確定性的隨機干擾。如登記錯誤的廳呼喚、廂門不能正常關閉等。

2.3.2 群控系統的調度原則［25］

隨著電梯技術的發展，目前常見的電梯調度原則有：固定程序調動原則，例如上下行高峰程序運行；分區調度原則，即按固定分區調配或動態分區調配；心理待機時間評價調度以及綜合成本調度原則。其中綜合成本調度原則它綜合反映了電梯的運行成本，對電梯運行的時間、效率、耗能及乘客心理等多種因素給予兼顧，是目前較為推崇的一種調度原則。

2.3.3 群控系統的調度方法［25，27-29，37］

調度方法是群控系統的核心，目前已產生多種智能的電梯調度方法。

1）基于模糊模型的電梯調度方法。該方法由于無法跟上建筑交通的變化，其性能極大的依賴于專家知識的好壞，規則庫修改困難，因此影響了它的應用；

2）基于專家系統的電梯調度方法。該方法增加了系統的靈活性，但整個控制過程過分依賴于知識源；

3）基于模糊神經網絡的電梯調度方法。模糊邏輯和神經網絡的結合取長補短，但如何確定網絡合理結構及網絡處理單元間的復雜分布交叉作用，使該方法有一定的缺陷；

4）基于遺傳算法的電梯調度方法。由于遺傳算法能有效的求解組合優化問題及非線性多模型、多目標的函數化問題，故是尋求滿意解的最佳工具之一。但由于遺傳算法生物基礎鮮明，數學基礎不夠完善，目前還存在搜索效率極其時間性的問題，此調度方法也是目前研究的熱點。

2.4 群控系統群控仿真系統

群控調度算法是電梯群控問題的關鍵技術，但各類群控算法由于成本太高而難以在真實的情景中測試，而仿真系統可以為用戶提供一個研究群控算法的實驗平臺，通過仿真可以發現算法存在的缺陷并積累電梯群控的規則和策略［30-32］。

電梯群控仿真系統由電梯群控仿真環境、交通流發生器及虛擬電梯組成。目前有采用VB編制仿真程序［6，26］，有采用em-plant開發平臺開發仿真程序［5］，有利用離散事件系統仿真理論，采用MATLAB語音編寫仿真程序［7］，有采用MVC設計模式并通過Visual C#實現對電梯系統運行仿真的［32］，由于各自開發的工具、語言及數學模型的不同，難以對各類仿真系統的性能進行比較。

3 目前研究應重點解決幾個問題

雖然我國在電梯群控研究中已經取得了較大的成績，但本人認為在研究當中還應重點關注或解決以下幾個問題。

1）電梯配置理論的研究。電梯是一個復雜的系統，若要求其實現最優的服務，其前提是必須有適當的電梯配置數量。電梯配置研究也是研究群控系統智能化調度的基礎。但當前絕大多數研究者都熱衷于電梯群控核心技術的研究，對電梯配置的研究極少［33］。目前設計人員在設計當中大多以類比或評估的方法確定電梯的臺數，缺乏科學的依據，并由此帶來樓梯廳擁擠、乘梯環境惡劣等問題。在電梯群控系統虛擬環境下，通過軟件開發實現電梯配置設計，不僅可以達到更加符合實際的配置效果，而且具有很大的實用價值和經濟價值，也是目前研究人員應關注的問題之一。

2）群控技術的實際應用研究。目前我國電梯生產單位近200家，中小企業近90%，合資企業均由外方控股，非合資企業對電梯群控系統的研究尚處摸索階段，高層或超高層建筑使用的電梯均是國外公司的產品。也就是說，我國電梯的應用市場絕大部分是國外技術，國內的研究大多局限于理論研究或僅僅局限于仿真。所以應盡快加強實際應用研究，研究開發出具有獨立知識產權的商品化電梯群控技術。

3）電梯群控仿真平臺的建立。電梯群控系統是一個離散事件的動態系統，對電梯群控系統進行仿真是希望通過對動態系統仿真模型運行的觀察和統計，獲得電梯群控系統實際性能的評估或預測，從而對真實系統的設計進行修正或優化。但由于仿真是基于模型的活動，模型又是在理想化的假定條件下導出的，因此，由于真實情況與假定之間存在差異時，基于模型下的仿真結果與實際系統的真實輸出之間也必然存在差異。再者，基于同一仿真模型的多次仿真結果并不一定相同，而在目前電梯群控系統理論的研究當中，研究者大多均以有限次的仿真結果為依據作出判斷和決策，這種判斷的可信度值得研究。目前通常的做法是，研究者自己開發相應的仿真的軟件對自己研究的群控調度方法進行仿真，然后得出結論，缺乏一個業內比較公認的仿真平臺。因此本人認為仿真軟件急需進一步開發、完善和規范，要有一個業內比較公認的仿真平臺，對各種群控調度方法進行仿真驗證，從而推動電梯群控技術的應用研究。

4）電梯節能問題的研究。在建筑物的能源中，電梯的用電量僅次于空調，遠高于照明、供水等的用電量，但對電梯能耗的研究目前并沒有引起研究者的足夠重視，存在重服務效率輕節能的現象。如何進一步挖掘電梯調速系統節能的潛力，如何在群控系統中進一步平衡電梯候梯時間、電梯能耗關系應引起研究者的重視［35-37］。

［1］楊廣全.電梯交通流分析及電梯群控策略研究［D］.上海：上海交通大學，2008：1-12.

［2］趙碩，何鵬，唱江華.基于模糊控制的電梯群控系統的研究與設計［J］.微計算機信息，2006，22（5）：51-53.

［3］劉劍，溫泉，王鑫，等.粒子群優化的BP神經網絡在電梯群控系統中的應用［J］.沈陽建筑大學學報：自然科學版，2009，25（5）：1003-1006.

［4］楊禎山，邵誠.電梯群控技術的現狀與發展方向［J］.控制與決策，2005，20（12）：1311-1329.

［5］鮑海.基于模糊神經網絡的電梯群控系統交通模式識別和多目標優化群控算法研究［D］.上海：同濟大學，2007：5-24.

［6］陳步榮.基于改進遺傳算法的電梯群控系統設計及其仿真系統開發［D］.南京：南京航空航天大學，2007：1-12.

［7］劉意楊.基于蟻群模糊神經網絡的電梯群控智能調度方法的研究［D］.長春：東北大學，2006：3-8.

［8］孫東，張惠僑，朱昌明.電梯服務系統的理論建模與分析［J］.上海交通大學學報，1996，30（3）：113-119.

［9］LIN C H ，FU L C.Petri net based dynamic scheduling of an elevator system［C］//Proc of IEEE Int Conf on Robotics and Automation，Minneaoolis，1996：192-199.

［10］馬福軍.電梯群控系統研究［D］.大連：大連理工大學，2003：20-30.

［11］ HUANG Y H，FU L C.Dynamic scheduling of elevator systems over hybrid petri net/rule modeling［C］//Proc of IEEE Int Conf on Robotics andAutomation，Leuven，1998：1805-1810.

［12］宗群，何彥召，魏利劍.面向agent的電梯群控仿真系統建模研究［J］.系統仿真學報，2006，18（5）：1391-1393.

［13］徐國圣，朱昌明.一種電梯客流交通分布的求法［J］.應用基礎與工程科學，2004，12（1）：86-92.

［14］趙小翠，羅飛，許玉格.混合電梯群控系統建模及新型優化調度策略［J］.計算機應用研究，2010，27（7）：3291-3293.

［15］陳森發，周振國，于棟華.一種動態OD矩陣估計算法的理論及應用［J］.東南大學學報：自然科學版，2003，33（1）：106-110.

［16］范鳴玉，張瑩.最優化技術基礎［M］.北京：清華大學出版社，1982：16-31.

［17］周偉.電梯群控系統的調度算法研究［D］.武漢：華中科技大學，2004：15-20.

［18］DASGUPTAD.Artificial immune systems and their application［M］.New York：Springer-Verlag，1993：78-85

［19］張乃堯，閻平凡.模糊神經網絡與模糊控制［M］.北京：清華大學出版社，1998：28-37.

［20］宗群，尚曉光，嚴明，等.基于模糊神經網絡的電梯系統交通模式識別［J］.系統工程學報，2001，16（6）：418-422.

［21］謝康林，傅勁游.神經模糊邏輯控制系統隸屬函數和推理規則的確定［J］.上海交通大學學報，1997，31（8）：28-32.

［22］宗群，童玲，牙淑紅，等.基于遺傳算法模糊神經網絡的電梯群控調度［J］.天津大學學報，2003，36（5）：585-589.

［23］NAOKI IMASAKI，SUSUMU KUBO，SHOJI NAKAI，et al.Elevator group control system tuned by a fuzzy neural network applied method［C］//IEEE International Conference on Fuzzy Systems，US：1995：1735-1740.

［24］劉增良.模糊技術與神經網絡技術選編［M］.北京：北京航空航天大學出版社，2001：47-58.

［25］李向莉.基于模糊神經網絡的電梯群控系統調度方法研究［D］.蘇州：蘇州大學，2006：02-35.

［26］趙國軍.電梯群控技術的研究［D］：杭州：浙江工業大學，2000：49-51.

［27］王晗.基于人工智能的電梯群控算法研究［D］.沈陽：東北大學，2007：13-15.

［28］李東，王偉，邵誠.電梯群控智能系統與智能控制技術［J］.控制與決策，2001，16（5）：513-517.

［29］刑關生.基于強化學習算法的電梯動態調度策略的研究［D］天津：天津大學，2005：121-127.

［30］李增昌.群控電梯智能控制策略研究［D］.天津：天津大學，2004：10-17.

［31］鄭延軍，張惠橋，葉慶泰，等.電梯群控系統客流分析與仿真［J］.計算機工程與應用，2001（22）：139-141.

［32］楊離離.電梯群虛擬仿真模型設計與分析［D］.沈陽：沈陽建筑大學，2005：81-85.

［33］宗群，蔡笠.虛擬環境下的電梯配置［J］.制造自動化，2001，23（1）：28-31.

［34］李中華，朱燕飛，李春華，等.基于人工免疫聚類算法的電梯交通流分析［J］.華南理工大學學報：自然科學版，2003，31（12）：26-29.

［35］黃娟麗，萬杰，李少綱.電梯節能技術綜述［J］.能源與環境，2010（1）：41-42.

［36］周振龍，王亞珍，張志信.一種新型的電梯節能群控系統［J］.裝備制造技術，2011（3）：28-30.

［37］王波，段軍，卿曉霞，等.一種改進調度算法的電梯節能新技術［J］.智能建筑電氣技術，2010，4（6）：44-47.

［38］王更生，俞云新，蔡求元，等.基于DACS3的改進蟻群算法求解TSP問題［J］.華東交通大學學報，2010，27（2）：57-60.

Literature Review and Consideration on the Elevator Group Control System in China

Zheng Xiaofang
（School of Electrical and Electronic Engineering，East China Jiaotong University，Nanchang 330013，China）

Through detailed examination of existing literature，this paper conducts a comprehensive analysis of several key issues regarding the elevator group control system，which includes system modeling，traffic mode recognition，group control dispatching method and group control simulation.The paper also offers suggestions for possible future research based on the theory of elevator configuration.Simulation software of the elevator group control system and elevator energe-saving of related studies in China.

elevator group control system；dispatching method；intelligent control；simulation

TU857

A

1005-0523（2012）03-0051-05

2012-04-08

江西省教育廳科技研究項目（GJJ11447）

鄭曉芳（1963－），女，教授，研究方向為建筑智能化。