电梯乘客乘梯习惯的识别方法技术

本发明专利技术公开了一种电梯乘客乘梯习惯的识别方法，其中所述乘梯习惯是用于描述周期性重复的乘客乘梯行为的规律的总称，所述识别方法包括：步骤S1，对电梯的历史运行数据进行分析，识别乘客的乘梯行为的分布规律；步骤S2，利用识别到的所述分布规律对乘客的乘梯行为进行建模，得到乘客的乘梯习惯模型。本发明专利技术通过乘梯行为的分布情况及乘梯行为发生率对乘客乘梯行为的周期性进行判断，并在乘梯行为具有周期性的基础上获得乘客乘梯习惯模型，这样可以准确识别乘客的乘梯习惯，进而为基于乘客乘梯习惯的电梯控制提供可靠的实施基础。

Identification Method of Elevator Passenger's Riding Habits

【技术实现步骤摘要】
电梯乘客乘梯习惯的识别方法
本专利技术与电梯技术有关，特别属于一种用于电梯乘客乘梯习惯的识别方法。
技术介绍
在电梯的实际使用过程中，因乘客的规律性出行往往使得电梯的运行呈现出一定的规律性。例如，每个工作日早晨7点钟左右，电梯会响应某乘客的乘梯召唤而停靠在某一楼层，乘客进入轿厢后运行至底楼大厅后打开轿厢门，乘客离开电梯。对于这种应用场景，现有的电梯一般是在接到乘客的乘梯召唤信号后才由其当前所在位置运行至乘客所在楼层。鉴于前面的响应方式，乘客进入轿厢前需要在所在楼层等待一定时间以便电梯轿厢由其当前所在位置运行至乘客所在楼层，这样无疑增加了乘客的等待时间。为了解决上述乘客的等待问题，授权号为CN104150291B的中国专利技术专利和公开号为JP特开2002-37543A的日本专利提出将当前时间与电梯历史运行时间进行匹配，且当匹配成功时控制电梯使其运行至对应楼层等待召唤，籍此缩短乘客的等待时间。在上述现有的技术方案中，核心的技术特征就是作为当前时间的匹配对象并且能够准确描述乘客乘梯习惯的被匹配时间，因为该被匹配时间决定了匹配结果而该匹配结果则会影响后续电梯的控制模式。因此，如何准确地识别乘客的乘梯习惯就成为通过控制电梯提前停靠在乘客出发楼层来缩短乘客等候时间的关键问题。但是，目前已公开的现有技术都尚未涉及如何自动识别乘客乘梯习惯这一问题。
技术实现思路
本专利技术要解决的技术问题是提供一种电梯乘客乘梯习惯的识别方法，可以准确识别乘客的乘梯习惯，进而为基于乘客乘梯习惯的电梯控制提供实施基础。为了解决上述问题，本专利技术提供的电梯乘客乘梯习惯的识别方法，其中，所述乘梯习惯是用于描述周期性重复的乘客乘梯行为的规律的总称，所述识别方法包括：步骤S1，对电梯的历史运行数据进行分析，识别乘客的乘梯行为的分布规律；步骤S2，利用识别到的所述分布规律对乘客的乘梯行为进行建模，得到乘客的乘梯习惯模型。其中在上述方法中，所述步骤1的具体步骤如下：步骤S11，选择将要进行分析的所述电梯历史运行数据的时间限定范围；步骤S12，获取所述时间限定范围内的所述电梯历史运行数据中的乘梯行为相关数据；步骤S13，对所述乘梯行为相关数据进行分析，根据分析结果判断乘梯行为是否具有分布规律，如果是，则输出所述分布规律，否则结束。进一步地，在所述步骤S12中，所述乘梯行为相关数据至少包括电梯每次运行的时刻、每次运行对应的出发楼层。更进一步地，所述乘梯行为相关数据还包括乘客的出行方向、目的楼层、呼梯信号中的至少一项。进一步地，所述步骤S13中，分别对每个出发楼层所对应的所述乘梯行为相关数据进行分析以判断所述乘梯行为是否具有分布规律，并且在判定所述乘梯行为具有分布规律时综合周期性重复的乘客乘梯行为的所有规律以得到最终的乘客乘梯习惯。进一步地，所述步骤S13的具体步骤包括：步骤S131，从所述乘梯行为相关数据中提取所有出发楼层组成出发楼层集合；步骤S132，从所述出发楼层集合中选取一个未经分析的出发楼层；步骤S133，对选取的所述出发楼层对应的乘梯行为相关数据进行分析，并根据分析结果判断该出发楼层对应的乘梯行为是否具有分布规律，如果是，则将该出发楼层作为具有时间分布规律的出发楼层，然后进入步骤S134，否则直接进入步骤S134；步骤S134，判断所述出发楼层集合是否存在未经分析的出发楼层，如果是，则返回步骤S132，否则进入步骤S135；步骤S135，将所有的具有时间分布规律的出发楼层对应的乘梯行为的规律合并，得到乘客乘梯习惯；步骤S136，结束。其中较佳地，所述出发楼层是在乘梯行为相关数据中出现至少一次且产生呼梯信号的楼层。进一步地，所述步骤S133进一步具体包括如下步骤：步骤S133A，建立备选周期单位集合；步骤S133B，从所述备选周期单位集合中选定一种周期单位；步骤S133C，分析所述乘梯行为在所述周期单位中的分布情况；步骤S133D，计算所述乘梯行为在所述周期单位中分布情况的分布评价指标；步骤S133E，根据所述分布评价指标判断所述乘梯行为是否具有周期性，如果乘梯行为具有周期性，则将当前周期单位作为乘梯行为发生周期并输出判断结果，进入步骤S133G，否则进入步骤S133F；步骤S133F，判断是否已遍历备选周期单位集合中的所有周期单位，如果是，则判定乘梯行为不具有周期性并进入步骤S133G，否则进入步骤S133B；步骤S133G，结束。其中较佳地，所述备选周期单位集合由表示时间长度的时间度量单位组成，所述时间度量单位包括N1年、N2月、N3周、N4日、N5小时、N6分钟中的至少一项，其中N1、N2、N3、N4、N5和N6均为自然数。其中较佳地，所述步骤S133B中，从所述备选周期单位集合中选取一种未经选过的最短周期单位作为选定的周期单位。进一步优选地，在步骤S133B和步骤S133C中还包括如下步骤：步骤A1，计算乘梯行为在时间限定范围内的电梯历史运行数据中的发生情况，得到乘梯行为发生率，其中，所述乘梯行为发生率是指乘梯行为的实际发生次数与选定的周期单位在时间限定范围内的数量之间的比值；步骤A2，将所述乘梯行为发生率与设定阈值进行比较，如果所述乘梯行为发生率不小于所述设定阈值，则进入步骤S133C，否则判定所述乘梯行为发生率过低而不具备周期性判断基础，进入步骤S133G。进一步优选地，在步骤S133B和步骤S133C中还包括如下步骤：步骤A1，计算乘梯行为在时间限定范围内的电梯历史运行数据中的发生情况，得到乘梯行为发生率，其中所述乘梯行为发生率是指乘梯行为的实际发生次数与选定的周期单位在时间限定范围内的数量之间的比值；步骤A2，将所述乘梯行为发生率与设定阈值进行比较，如果所述乘梯行为发生率不小于所述设定阈值，则进入步骤S133C，否则进入步骤A3；步骤A3，找出时间限定范围内导致乘梯行为未发生的可能因素，并将所述可能因素作为影响乘梯行为发生率的可能干扰因素；步骤A4，判断所述可能干扰因素是否为影响乘梯行为发生率的确定干扰因素，如果是，则进入步骤A5，否则判定所述乘梯行为发生率过低而不具备周期性判断基础，进入步骤S133G；步骤A5，排除确定干扰因素对乘梯行为发生率的影响，去除所有确定干扰因素对应的周期单位，进入步骤S133C。其中在步骤A3中，找出时间限定范围内导致乘梯行为未发生的可能因素的方法是对时间限定范围内未发生乘梯行为的时间进行分析并获取共有特性，或者比较未发生乘梯行为的时间的共有特性与发生乘梯行为的时间的共有特性之间的差异。其中在步骤A4中，判断所述可能干扰因素是否为影响乘梯行为发生率的确定干扰因素的步骤如下：步骤a，从时间限定范围内的电梯历史运行数据中去除对应于该可能干扰因素的电梯历史运行数据，得到剩余的电梯历史运行数据；步骤b，以得到的剩余电梯历史运行数据为基础，再次计算乘梯行为发生率；步骤c，如果乘梯行为发生率不变，则判定该可能干扰因素并非影响乘梯行为发生率的确定干扰因素，否则判定该可能干扰因素为影响乘梯行为发生率的确定干扰因素。其中在步骤A5中，排除确定干扰因素影响的方法是从时间限定范围内的电梯历史运行数据中去除对应于所有确定干扰因素的电梯历史运行数据，得到新电梯历史运行数据，并以所述新电梯历史运行数据中的乘梯行为相关数据为基础对本文档来自技高网...

【技术保护点】
1.一种电梯乘客乘梯习惯的识别方法，其特征在于，所述乘梯习惯是用于描述周期性重复的乘客乘梯行为的规律的总称，所述识别方法包括：步骤S1，对电梯的历史运行数据进行分析，识别乘客的乘梯行为的分布规律；步骤S2，利用识别到的所述分布规律对乘客的乘梯行为进行建模，得到乘客的乘梯习惯模型。

【技术特征摘要】
1.一种电梯乘客乘梯习惯的识别方法，其特征在于，所述乘梯习惯是用于描述周期性重复的乘客乘梯行为的规律的总称，所述识别方法包括：步骤S1，对电梯的历史运行数据进行分析，识别乘客的乘梯行为的分布规律；步骤S2，利用识别到的所述分布规律对乘客的乘梯行为进行建模，得到乘客的乘梯习惯模型。2.根据权利要求1所述的电梯乘客乘梯习惯的识别方法，其特征在于，所述步骤1的具体步骤如下：步骤S11，选择将要进行分析的所述电梯历史运行数据的时间限定范围；步骤S12，获取所述时间限定范围内的所述电梯历史运行数据中的乘梯行为相关数据；步骤S13，对所述乘梯行为相关数据进行分析，根据分析结果判断乘梯行为是否具有分布规律，如果是，则输出所述分布规律，否则结束。3.根据权利要求2所述的电梯乘客乘梯习惯的识别方法，其特征在于，在所述步骤S12中，所述乘梯行为相关数据至少包括电梯每次运行的时刻、每次运行对应的出发楼层。4.根据权利要求3所述的电梯乘客乘梯习惯的识别方法，其特征在于，所述乘梯行为相关数据还包括乘客的出行方向、目的楼层、呼梯信号中的至少一项。5.根据权利要求2所述的电梯乘客乘梯习惯的识别方法，其特征在于，所述步骤S13中，分别对每个出发楼层所对应的所述乘梯行为相关数据进行分析以判断所述乘梯行为是否具有分布规律，并且在判定所述乘梯行为具有分布规律时综合周期性重复的乘客乘梯行为的所有规律以得到最终的乘客乘梯习惯。6.根据权利要求5所述的电梯乘客乘梯习惯的识别方法，其特征在于，所述步骤S13的具体步骤包括：步骤S131，从所述乘梯行为相关数据中提取所有出发楼层组成出发楼层集合；步骤S132，从所述出发楼层集合中选取一个未经分析的出发楼层；步骤S133，对选取的所述出发楼层对应的乘梯行为相关数据进行分析，并根据分析结果判断该出发楼层对应的乘梯行为是否具有分布规律，如果是，则将该出发楼层作为具有时间分布规律的出发楼层，然后进入步骤S134，否则直接进入步骤S134；步骤S134，判断所述出发楼层集合是否存在未经分析的出发楼层，如果是，则返回步骤S132，否则进入步骤S135；步骤S135，将所有的具有时间分布规律的出发楼层对应的乘梯行为的规律合并，得到乘客乘梯习惯；步骤S136，结束。7.根据权利要求5或6所述的电梯乘客乘梯习惯的识别方法，其特征在于，所述出发楼层是在乘梯行为相关数据中出现至少一次且产生呼梯信号的楼层。8.根据权利要求6所述的电梯乘客乘梯习惯的识别方法，其特征在于，所述步骤S133进一步具体包括如下步骤：步骤S133A，建立备选周期单位集合；步骤S133B，从所述备选周期单位集合中选定一种周期单位；步骤S133C，分析所述乘梯行为在所述周期单位中的分布情况；步骤S133D，计算所述乘梯行为在所述周期单位中分布情况的分布评价指标；步骤S133E，根据所述分布评价指标判断所述乘梯行为是否具有周期性，如果乘梯行为具有周期性，则将当前周期单位作为乘梯行为发生周期并输出判断结果，进入步骤S133G，否则进入步骤S133F；步骤S133F，判断是否已遍历备选周期单位集合中的所有周期单位，如果是，则判定乘梯行为不具有周期性并进入步骤S133G，否则进入步骤S133B；步骤S133G，结束。9.根据权利要求8所述的电梯乘客乘梯习惯的识别方法，其特征在于，所述备选周期单位集合由表示时间长度的时间度量单位组成，所述时间度量单位包括N1年、N2月、N3周、N4日、N5小时、N6分钟中的至少一项，其中N1、N2、N3、N4、N5和N6均为自然数。10.根据权利要求8所述的电梯乘客乘梯习惯的识别方法，其特征在于，所述步骤S133B中，从所述备选周期单位集合中选取一种未经选过的最短周期单位作为选定的周期单位。11.根据权利要求8所述的电梯乘客乘梯习惯的识别方法，其特征在于，在步骤S133B和步骤S133C中还包括如下步骤：步骤A1，计算乘梯行为在时间限定范围内的电梯历史运行数据中的发生情况，得到乘梯行为发生率，其中所述乘梯行为发生率是指乘梯行为的实际发生次数与选定的周期单位在时间限定范围内的数量之间的比值；步骤A2，将所述乘梯行为发生率与设定阈值进行比较，如果所述乘梯行为发生率不小于所述设定阈值，则进入步骤S133C，否则判定所述乘梯行为发生率过低而不具备周期性判断基础，进入步骤S133G。12.根据权利要求8所述的电梯乘客乘梯习惯的识别方法，其特征在于，在步骤S133B和步骤S133C中还包括如下步骤：步骤A1，计算乘梯行为在时间限定范围内的电梯历史运行数据中的发生情况，得到乘梯行为发生率，其中所述乘梯行为发生率是指乘梯行为的实际发生次数与选定的周期单位在时间限定范围内的数量之间的比值；步骤A2，将所述乘梯行为发生率与设定阈值进行比较，如果所述乘梯行为发生率不小于所述设定阈值，则进入步骤S133C，否则进入步骤A3；步骤A3，找出时间限定范围内导致乘梯行为未发生的可能因素，并将所述可能因素作为影响乘梯行为发生率的可能干扰因素；步骤A4，判断所述可能干扰因素是否为影响乘梯行为发生率的确定干扰因素，如果是，则进入步骤A5，否则判定所述乘梯行为发生率过低而不具备周期性判断基础，进入步骤S133G；步骤A5，排除确定干扰因素对乘梯行为发生率的影响，去除所有确定干扰因素对应的周期单位，进入步骤S133C。13.根据权利要求12所述的电梯乘客乘梯习惯的识别方法，其特征在于，在步骤A3中，找出时间限定范围内导致乘梯行为未发生的可能因素...

【专利技术属性】
技术研发人员：陈玉东，
申请(专利权)人：上海三菱电梯有限公司，
类型：发明
国别省市：上海,31