基于呼梯預約和大數據分析的電梯群控研究

馬福軍

(浙江建設職業技術學院建筑設備學院，浙江 杭州 311231)

0 引言

電梯群控是一種提高乘客輸送效率的電梯運行模式，是典型非線性動態離散系統。電梯群控信息存在不確定性和不完備性：如乘客數量、呼梯信號產生樓層、停梯時間、轎廂擁擠度、是否更改目的層等。電梯群控的擾動性：如不必要的呼梯信號。電梯群控多目標性：如轎廂擁擠度、乘梯時間、系統能耗、侯梯時間、長時間候梯率等。近年來，有圍繞電梯群控特性，試圖通過各種感知技術，軟件算法優化派梯策略的研究。利用圖像識別和圖像處理，統計候梯人數；應用改進的人工蜂群算法尋找最優派梯方案；將人工蜂群算法與模擬退火算法相結合，避免群控算法陷入局部最優解；應用基于蟻群算法的模糊控制推理電梯群控系統，并將目的層預約應用到電梯群控系統；應用粒子群算法優化BP 神經網絡權值和閾值，提高電梯群控算法運行效率，減少了候梯時間和長候梯率；Wang Shu、Fei Cindy Y.等提出通過深度學習感知電梯轎廂占有率而避免不必要的停梯造成電梯運行效率下降；Shunji Tanaka 等研究在事先不知道車輛停機時間的情況下，考慮在多轎廂電梯系統中有效地操作車輛而無碰撞或倒車的群控問題；Emre Oner Tartan 等提出基于遺傳算法的電梯等待時間優化調度方法，這些研究都沒有改變電梯群控的特性，無法簡化電梯群控算法，提高派梯算法運行效率。

本研究構建新型電梯群控系統，引入遠程和本地電梯呼梯預約概念，降低電梯群控不確定性。開創電梯群控大數據平臺，將電梯群控數據分析前移，大大降低電梯群控數據分析負荷，并提供電梯群控控制器精準數據。構建分布式無中心電梯群控系統，有效突破群控集中控制運算能力受限，提高電梯群控響應速度。

1 新型電梯群控系統架構

本研究電梯群控系統整體架構如圖1所示。整個架構包括三個層次和一個互聯網移動終端，三個層次分別是現場控制層、網絡層、分析管理層。

圖1 新型電梯群控系統整體架構

1.1 電梯群控現場控制層

電梯控制采用新型電梯控制器LCE-KGC，包括分布式群控控制模塊及其RS485 串口，通用觸摸屏連接RS485 串口和網絡接口。分布式群控控制模塊，專門設計與控制器主CPU 協同的協處理器完成群控調度分析運算，最終做出派梯決策。群控電梯數量越多，其調度運算復雜度和運算負荷就越大，但是基于分布式群控控制設計，能有效解決上述問題，不增加系統運算的時間成本。這種設計有效克服了星形群控系統容量擴展受限的弊端。日本三菱電梯和日立電梯采用集中式電梯群控。本研究分布式群控系統之間采用通過環形串行總線把各群控模塊串聯起來，并協同工作。環形串行總線上的群控電梯在發生故障時，能夠方便退出群控系統，而不影響其余電梯的群控功能。

觸摸屏本地目的層預約，把外呼和傳統轎廂內呼梯結合到觸摸屏裝置上面，乘客登記目的層時，系統自動識別外呼呼梯樓層。基于目的層預約呼梯，避免了電梯群控的呼梯不確定性。目的層預約方式在群控系統調度計算當中，事先知道乘客的去向，可以優化群控調度策略。目的層預約觸摸屏功能包括目的層預約、乘梯引導、待響應樓層顯示等。本研究觸摸屏采用迪文DGUS-Dmt80480t070_18wt。

1.2 數據傳輸網絡層

電梯群控網絡層的作用是實現群控組電梯控制器和系統分析管理平臺之間的數據交互。網絡層數據傳輸介質為帶屏蔽層的超6類網線。交換機采用華三（H3C）MS4008V28全千兆8口交換機。網絡層通過TCP/IP 協議實現電梯主控制器和系統管理層主機之間的數據交互。

1.3 新型電梯群控分析管理平臺

新型電梯群控分析管理平臺的主要功能如下：收集手機用戶終端遠程呼梯預約、用戶個人信息，例如體重、是否有乘梯障礙等；電梯的健康指數分析；電梯群控客流分析；每層平均呼梯次數統計；每層上下呼梯平均候梯時間統計；最大服務時間統計；學習分析常駐寫字樓乘客的乘梯行為，特別是乘梯時間準確度分析。分析管理平臺主要由Mysql 數據庫、大數據分析軟件、數據統計顯示界面組成。

1.4 手機用戶終端

用戶首先下載手機電梯應用APP，并進行用戶注冊。注冊并填寫個人信息，如乘坐電梯的寫字樓、個人體重、是否有乘梯障礙、常用出發地理位置，譬如家、公司等。在需要用梯時可以提前預約乘梯樓層、目的樓層和乘梯時間。注冊完成以后，自動會將數據上傳到電梯群控分析管理平臺。手機遠程呼梯預約，使電梯群控系統可以提前做好派梯規劃，避免長候梯現象的大量發生；手機終端應用，不僅明確了呼梯情況，還明確了乘客數量，避免了在電梯廳候梯人數不明確的問題；手機終端能夠采集乘客體重、是否有用梯障礙信息，為電梯群控需要的派梯數量給出明確計算依據，避免轎廂擁擠度不確定問題；手機終端，給乘客提供智能乘梯時間提醒和乘梯預約時間修改業務、呼梯反悔和預約/取消業務，保證用梯時間準確性和避免不必要的呼梯浪費。

2 電梯群控的協調控制

電梯群控分析管理平臺、用戶終端、目的層預約觸摸屏間和群控模塊之間關系分析，如圖2所示。

圖2 新型電梯群控的協調控制

2.1 電梯群控組群控控制

群控調度原則：梯群空閑狀態下，在同一樓層空閑時間相等情況下，依據梯號小的先走；空閑時間不等的情況下，依據先到先走的原則。梯群隨機分布在不同樓層，遵循“低上高下”原則。

梯群運行狀態、空閑+運行狀態下，以建立電梯群控動態評價函數，如式⑴。通過群控算法，計算梯群中每臺電梯評價函數值()，以函數值的大小作為派梯決策。

電梯群控算法，采用人工蜂群算法。蜂群算法適合多變量函數優化求解，算法對函數無特殊形態要求，有魯棒性強等特點，適合電梯群控調度優化。通過人工蜂群算法獲得派梯決策函數S()值最小的電梯作為響應梯。算法流程如圖3所示。

圖3 電梯群控人工蜂群調度算法流程

派梯方案初始化時，隨機產生N個派梯方案（等于引領蜂數量），并計算適應度函數值。按式⑶隨機產生可行解：

其中，C為第i 梯響應指令，j ∈{1 ,2,…,}，Z 為電梯群控調度優化評價參數維度，i ∈{1 ,2,…,S}，S 為梯群規模，[0,1]為之間的一個隨機數。

算法在開始搜索階段，引領蜂依據式⑷搜索新派梯方案：

其中，j ∈{1 ,2,…,}，Z 為電梯群控調度優化評價參數維度，i ∈{1 ,2,…,S}，k ∈{1 ,2,…,S}，S為梯群規模，φ為[-1,1]之間的一個隨機數。i ≠k。

跟隨蜂依據引領蜂分享的信息后，跟隨蜂對派梯方案的選擇概率依據式⑸進行：

其中，fit為第i 個派梯方案的效率，效率越高，派梯方案被選擇的概率越大。跟隨蜂完成概率搜索，經過對派梯方案的循環L次搜索，如果沒有更好的派梯方案，則放棄原派梯方案，偵查蜂階段則更新新的隨機派梯方案，搜索新的方案。對于梯群第i 個電梯，更新其全局最優派梯方案和最優適應度值，其他S -1個梯同第i個電梯步驟執行。隨后，比較梯群電梯的派梯方案和計算得到的S()值，如果算法迭代次數達到最大，則結束算法，輸出群控調度結果。

2.2 大數據分析軟件與電梯群控系統間的交互

大數據分析軟件實現以下功能。

一是電梯群控客流分析。客流分析是電梯群控調度必要條件。文獻[3,13,14]等研究看，電梯群控客流狀態，是通過圖像識別、仿真等技術手段預測和驗證。本研究通過實時統計預約呼梯登記，準確獲得電梯群控客流狀態，無需進行客流預測分析。在分析客流同時，根據樓層的呼梯數量，動態確定基站，讓電梯空閑時動態泊位，提高電梯響應效率。

二是呼梯預約登記。大數據分析軟件統計來自手機和觸摸屏的呼梯預約登記。設預約登記的外呼信息為LC，目的樓層信息為CC，i,j ∈{1,2,…,}，M 為最高樓層，則隊列數組{LC}，按照最大候梯時間T的時間間隔發送給電梯群控組控制器參與群控調度，且標識每個CC目的樓層信號，使它們在轎廂分布為已知，解決轎廂擁擠度未知問題。

三是電梯群控組健康檢測。電梯群控健康檢測包括故障電梯、超時不關門、短時高故障率電梯等，通過大數據分析軟件分析群控組電梯的可使用率。

四是電梯群控統計報告。通過分析呼梯樓層最大候梯時間，結合智能樓宇安防，發現并及時制止不良用梯行為；如果出現超過設定值的候梯指令，就考慮提高指令優先級別；通過平均候梯時間分析，可以驗證電梯群控算法的可行性和梯群效率；軟件還可以分析乘客預約乘梯行為的準時性。

3 實驗

為了驗證所述電梯群控系統，本研究開發了基于安卓SDK 的手機電梯APP，分析管理平臺以及電梯群控調度軟件。手機端軟件，由用戶登錄單元、網絡配置單元和Mysql數據庫接入單元組成。用戶登錄單元完成用戶注冊、登錄、密碼找回、個人信息登記等。網絡配置單元完成Wi-Fi 設置、GPRS 設置和域名設置。應用程序部分界面如圖4所示。

圖4 手機APP應用程序部分界面

實驗大數據軟件版本：V3.1.1；數據庫名稱：ELink。電梯群控組電梯數量4 臺，呼梯樓層25 層。IP地址配置：180.18.70.97-180.18.70.100。

實驗周期10 天，實現外呼預約登記12744 次。數據庫報表更新時間間隔1 小時。電梯群控客流如圖5所示。從圖5 可知，在24 小時統計時間中，梯群出現三個用梯高峰，分別是早高峰A 點，午間高峰B 點，下班高峰C 點。呼梯次數分別達到1299 次、1440 次、1497次。出現時間分別在8:00左右、11:00左右、17:00左右。在客流分析中，可以設置閾值L1/L2，當0 ≤L ＜1時，可定義電梯空閑模式；當L1 ≤L ＜2時，可定義電梯空閑+運行模式；當L ≥L2 時，可定義電梯繁忙高峰模式。通過客流數據分析，結合用梯時間和閾值設置，動態調整群控調度評價函數中的權重系數W 值，使評價函數的評價指標根據客流有不同的側重。

圖5 電梯群控客流/候梯時間/健康度分析圖

由圖5可知，所有外呼指令的候梯時間分布，10秒內被響應的呼梯次數占比43.65%；30秒內被響應的呼梯次數占比84.84%；60 秒內被響應的呼梯次數占比96.47%，說明群控調度非常理想。平均候梯時間在7.66s ≤AWT ≤23.81s之間。再有，平均候梯時間和最大候梯時間分布與客流分析結果是一致的，呈現正相關系。客流越大，這兩個時間也相應增大。具體候梯時間分布統計見圖6。

圖6 候梯時間分布圖形

群控電梯的健康度。電梯運行過程中，會出現不良乘梯行為、電梯故障等情況，群控電梯不一定100%投入群控調度。圖5 顯示，梯群可使用率達99.88%。群控電梯健康度會影響電梯運行效率。

根據樓層呼梯數量的大小，即可得到泊梯位置，統計情況如圖7 所示。圖中紅色框所在樓層，是電梯空閑后最佳泊梯位置。

圖7 動態泊梯位置的確定

4 結束語

本文研究提出的基于呼梯預約和大數據分析的電梯群控得到了實驗驗證，實驗結果表明呼梯預約和大數據分析參與群控能有效提升電梯群控性能指標，并為以后的研究提供了重要參考依據。

接下來，將進一步完善呼梯預約后的乘梯準時性問題，降低呼梯預約方法帶來新的不確定性問題，并通過真實工程實驗來進一步驗證呼梯預約和大數據分析對電梯群控性能提升的有效性。工程環境下的實驗，可能會調整群控調度中的參數設置，以及調整所使用的算法過程。