基于呼梯预约和大数据分析的电梯群控研究

马福军

(浙江建设职业技术学院建筑设备学院，浙江 杭州 311231)

0 引言

电梯群控是一种提高乘客输送效率的电梯运行模式，是典型非线性动态离散系统。电梯群控信息存在不确定性和不完备性：如乘客数量、呼梯信号产生楼层、停梯时间、轿厢拥挤度、是否更改目的层等。电梯群控的扰动性：如不必要的呼梯信号。电梯群控多目标性：如轿厢拥挤度、乘梯时间、系统能耗、侯梯时间、长时间候梯率等。近年来，有围绕电梯群控特性，试图通过各种感知技术，软件算法优化派梯策略的研究。利用图像识别和图像处理，统计候梯人数；应用改进的人工蜂群算法寻找最优派梯方案；将人工蜂群算法与模拟退火算法相结合，避免群控算法陷入局部最优解；应用基于蚁群算法的模糊控制推理电梯群控系统，并将目的层预约应用到电梯群控系统；应用粒子群算法优化BP 神经网络权值和阈值，提高电梯群控算法运行效率，减少了候梯时间和长候梯率；Wang Shu、Fei Cindy Y.等提出通过深度学习感知电梯轿厢占有率而避免不必要的停梯造成电梯运行效率下降；Shunji Tanaka 等研究在事先不知道车辆停机时间的情况下，考虑在多轿厢电梯系统中有效地操作车辆而无碰撞或倒车的群控问题；Emre Oner Tartan 等提出基于遗传算法的电梯等待时间优化调度方法，这些研究都没有改变电梯群控的特性，无法简化电梯群控算法，提高派梯算法运行效率。

本研究构建新型电梯群控系统，引入远程和本地电梯呼梯预约概念，降低电梯群控不确定性。开创电梯群控大数据平台，将电梯群控数据分析前移，大大降低电梯群控数据分析负荷，并提供电梯群控控制器精准数据。构建分布式无中心电梯群控系统，有效突破群控集中控制运算能力受限，提高电梯群控响应速度。

1 新型电梯群控系统架构

本研究电梯群控系统整体架构如图1所示。整个架构包括三个层次和一个互联网移动终端，三个层次分别是现场控制层、网络层、分析管理层。

图1 新型电梯群控系统整体架构

1.1 电梯群控现场控制层

电梯控制采用新型电梯控制器LCE-KGC，包括分布式群控控制模块及其RS485 串口，通用触摸屏连接RS485 串口和网络接口。分布式群控控制模块，专门设计与控制器主CPU 协同的协处理器完成群控调度分析运算，最终做出派梯决策。群控电梯数量越多，其调度运算复杂度和运算负荷就越大，但是基于分布式群控控制设计，能有效解决上述问题，不增加系统运算的时间成本。这种设计有效克服了星形群控系统容量扩展受限的弊端。日本三菱电梯和日立电梯采用集中式电梯群控。本研究分布式群控系统之间采用通过环形串行总线把各群控模块串联起来，并协同工作。环形串行总线上的群控电梯在发生故障时，能够方便退出群控系统，而不影响其余电梯的群控功能。

触摸屏本地目的层预约，把外呼和传统轿厢内呼梯结合到触摸屏装置上面，乘客登记目的层时，系统自动识别外呼呼梯楼层。基于目的层预约呼梯，避免了电梯群控的呼梯不确定性。目的层预约方式在群控系统调度计算当中，事先知道乘客的去向，可以优化群控调度策略。目的层预约触摸屏功能包括目的层预约、乘梯引导、待响应楼层显示等。本研究触摸屏采用迪文DGUS-Dmt80480t070_18wt。

1.2 数据传输网络层

电梯群控网络层的作用是实现群控组电梯控制器和系统分析管理平台之间的数据交互。网络层数据传输介质为带屏蔽层的超6类网线。交换机采用华三（H3C）MS4008V28全千兆8口交换机。网络层通过TCP/IP 协议实现电梯主控制器和系统管理层主机之间的数据交互。

1.3 新型电梯群控分析管理平台

新型电梯群控分析管理平台的主要功能如下：收集手机用户终端远程呼梯预约、用户个人信息，例如体重、是否有乘梯障碍等；电梯的健康指数分析；电梯群控客流分析；每层平均呼梯次数统计；每层上下呼梯平均候梯时间统计；最大服务时间统计；学习分析常驻写字楼乘客的乘梯行为，特别是乘梯时间准确度分析。分析管理平台主要由Mysql 数据库、大数据分析软件、数据统计显示界面组成。

1.4 手机用户终端

用户首先下载手机电梯应用APP，并进行用户注册。注册并填写个人信息，如乘坐电梯的写字楼、个人体重、是否有乘梯障碍、常用出发地理位置，譬如家、公司等。在需要用梯时可以提前预约乘梯楼层、目的楼层和乘梯时间。注册完成以后，自动会将数据上传到电梯群控分析管理平台。手机远程呼梯预约，使电梯群控系统可以提前做好派梯规划，避免长候梯现象的大量发生；手机终端应用，不仅明确了呼梯情况，还明确了乘客数量，避免了在电梯厅候梯人数不明确的问题；手机终端能够采集乘客体重、是否有用梯障碍信息，为电梯群控需要的派梯数量给出明确计算依据，避免轿厢拥挤度不确定问题；手机终端，给乘客提供智能乘梯时间提醒和乘梯预约时间修改业务、呼梯反悔和预约/取消业务，保证用梯时间准确性和避免不必要的呼梯浪费。

2 电梯群控的协调控制

电梯群控分析管理平台、用户终端、目的层预约触摸屏间和群控模块之间关系分析，如图2所示。

图2 新型电梯群控的协调控制

2.1 电梯群控组群控控制

群控调度原则：梯群空闲状态下，在同一楼层空闲时间相等情况下，依据梯号小的先走；空闲时间不等的情况下，依据先到先走的原则。梯群随机分布在不同楼层，遵循“低上高下”原则。

梯群运行状态、空闲+运行状态下，以建立电梯群控动态评价函数，如式⑴。通过群控算法，计算梯群中每台电梯评价函数值()，以函数值的大小作为派梯决策。

电梯群控算法，采用人工蜂群算法。蜂群算法适合多变量函数优化求解，算法对函数无特殊形态要求，有鲁棒性强等特点，适合电梯群控调度优化。通过人工蜂群算法获得派梯决策函数S()值最小的电梯作为响应梯。算法流程如图3所示。

图3 电梯群控人工蜂群调度算法流程

派梯方案初始化时，随机产生N个派梯方案（等于引领蜂数量），并计算适应度函数值。按式⑶随机产生可行解：

其中，C为第i 梯响应指令，j ∈{1 ,2,…,}，Z 为电梯群控调度优化评价参数维度，i ∈{1 ,2,…,S}，S 为梯群规模，[0,1]为之间的一个随机数。

算法在开始搜索阶段，引领蜂依据式⑷搜索新派梯方案：

其中，j ∈{1 ,2,…,}，Z 为电梯群控调度优化评价参数维度，i ∈{1 ,2,…,S}，k ∈{1 ,2,…,S}，S为梯群规模，φ为[-1,1]之间的一个随机数。i ≠k。

跟随蜂依据引领蜂分享的信息后，跟随蜂对派梯方案的选择概率依据式⑸进行：

其中，fit为第i 个派梯方案的效率，效率越高，派梯方案被选择的概率越大。跟随蜂完成概率搜索，经过对派梯方案的循环L次搜索，如果没有更好的派梯方案，则放弃原派梯方案，侦查蜂阶段则更新新的随机派梯方案，搜索新的方案。对于梯群第i 个电梯，更新其全局最优派梯方案和最优适应度值，其他S -1个梯同第i个电梯步骤执行。随后，比较梯群电梯的派梯方案和计算得到的S()值，如果算法迭代次数达到最大，则结束算法，输出群控调度结果。

2.2 大数据分析软件与电梯群控系统间的交互

大数据分析软件实现以下功能。

一是电梯群控客流分析。客流分析是电梯群控调度必要条件。文献[3,13,14]等研究看，电梯群控客流状态，是通过图像识别、仿真等技术手段预测和验证。本研究通过实时统计预约呼梯登记，准确获得电梯群控客流状态，无需进行客流预测分析。在分析客流同时，根据楼层的呼梯数量，动态确定基站，让电梯空闲时动态泊位，提高电梯响应效率。

二是呼梯预约登记。大数据分析软件统计来自手机和触摸屏的呼梯预约登记。设预约登记的外呼信息为LC，目的楼层信息为CC，i,j ∈{1,2,…,}，M 为最高楼层，则队列数组{LC}，按照最大候梯时间T的时间间隔发送给电梯群控组控制器参与群控调度，且标识每个CC目的楼层信号，使它们在轿厢分布为已知，解决轿厢拥挤度未知问题。

三是电梯群控组健康检测。电梯群控健康检测包括故障电梯、超时不关门、短时高故障率电梯等，通过大数据分析软件分析群控组电梯的可使用率。

四是电梯群控统计报告。通过分析呼梯楼层最大候梯时间，结合智能楼宇安防，发现并及时制止不良用梯行为；如果出现超过设定值的候梯指令，就考虑提高指令优先级别；通过平均候梯时间分析，可以验证电梯群控算法的可行性和梯群效率；软件还可以分析乘客预约乘梯行为的准时性。

3 实验

为了验证所述电梯群控系统，本研究开发了基于安卓SDK 的手机电梯APP，分析管理平台以及电梯群控调度软件。手机端软件，由用户登录单元、网络配置单元和Mysql数据库接入单元组成。用户登录单元完成用户注册、登录、密码找回、个人信息登记等。网络配置单元完成Wi-Fi 设置、GPRS 设置和域名设置。应用程序部分界面如图4所示。

图4 手机APP应用程序部分界面

实验大数据软件版本：V3.1.1；数据库名称：ELink。电梯群控组电梯数量4 台，呼梯楼层25 层。IP地址配置：180.18.70.97-180.18.70.100。

实验周期10 天，实现外呼预约登记12744 次。数据库报表更新时间间隔1 小时。电梯群控客流如图5所示。从图5 可知，在24 小时统计时间中，梯群出现三个用梯高峰，分别是早高峰A 点，午间高峰B 点，下班高峰C 点。呼梯次数分别达到1299 次、1440 次、1497次。出现时间分别在8:00左右、11:00左右、17:00左右。在客流分析中，可以设置阈值L1/L2，当0 ≤L ＜1时，可定义电梯空闲模式；当L1 ≤L ＜2时，可定义电梯空闲+运行模式；当L ≥L2 时，可定义电梯繁忙高峰模式。通过客流数据分析，结合用梯时间和阈值设置，动态调整群控调度评价函数中的权重系数W 值，使评价函数的评价指标根据客流有不同的侧重。

图5 电梯群控客流/候梯时间/健康度分析图

由图5可知，所有外呼指令的候梯时间分布，10秒内被响应的呼梯次数占比43.65%；30秒内被响应的呼梯次数占比84.84%；60 秒内被响应的呼梯次数占比96.47%，说明群控调度非常理想。平均候梯时间在7.66s ≤AWT ≤23.81s之间。再有，平均候梯时间和最大候梯时间分布与客流分析结果是一致的，呈现正相关系。客流越大，这两个时间也相应增大。具体候梯时间分布统计见图6。

图6 候梯时间分布图形

群控电梯的健康度。电梯运行过程中，会出现不良乘梯行为、电梯故障等情况，群控电梯不一定100%投入群控调度。图5 显示，梯群可使用率达99.88%。群控电梯健康度会影响电梯运行效率。

根据楼层呼梯数量的大小，即可得到泊梯位置，统计情况如图7 所示。图中红色框所在楼层，是电梯空闲后最佳泊梯位置。

图7 动态泊梯位置的确定

4 结束语

本文研究提出的基于呼梯预约和大数据分析的电梯群控得到了实验验证，实验结果表明呼梯预约和大数据分析参与群控能有效提升电梯群控性能指标，并为以后的研究提供了重要参考依据。

接下来，将进一步完善呼梯预约后的乘梯准时性问题，降低呼梯预约方法带来新的不确定性问题，并通过真实工程实验来进一步验证呼梯预约和大数据分析对电梯群控性能提升的有效性。工程环境下的实验，可能会调整群控调度中的参数设置，以及调整所使用的算法过程。