一种基于分区的电梯交通预测群控方法及其监测实现技术

本发明专利技术公开了一种基于分区的电梯交通预测群控方法及其监测实现。包括关于楼层分区的电梯分配、基于分区的群控交通模式识别方法和电梯监测实现。其中，分区电梯的合理分配一方面解决了跨区交通的不便问题，另一方面还缓解了分区电梯早晚高峰的拥挤问题；一种基于分区的群控交通模式识别方法，采用模糊神经网络对交通流量进行识别，以此来解决分区电梯交通闲忙不均的问题；采用多分区监测系统和单独的跨区监测系统，简化了复杂的建筑楼层电梯的监控问题。本发明专利技术可以广泛用于住宅或办公多用途的高层或超高层电梯的优化中，有较好的节能能力，并且提升了乘梯的满意度和效率。

【技术实现步骤摘要】

本专利技术是一种应用于住宅或办公多用途的楼层电梯优化方案，它包括基于楼层分区的电梯分配、分区的群控交通模式识别方法和电梯监测系统。
技术介绍
随着城市化进程和技术的推进，城市高层建筑越来越智能化和功能多样化，由于电梯在高层建筑中也扮演重要角色，所以在电梯群控研究领域也呈现了多样化趋势。目前， 电梯垂直交通领域研究大多放在针对单一用途的高层建筑的交通预测和调度算法，这是基于理想而均勻的高层建筑，而在实际生活中，功能复杂的高层建筑比比皆是，尤其体现在商用办公用的高层建筑中，那么以上的研究就可能不能很好的满足实际的需求。一般而言，对于功能多样化需求的高层或是超高层建筑，需要分区进行电梯的控制，当建筑物规模较大，层数在30层以上时，楼内的竖向交通宜分为几个区，各个区由不同容量与速度的电梯来服务。先看一下静态和动态的分区划分所谓静态分区就是固定分配一组电梯去服务相邻的若干区域，存在的问题是固定分区会造成电梯忙闲不均，难以适应时变的交通特性；而动态分区的分区区域则取决于客流的分布，根据交通流的不同而动态调整分区的区域，存在的问题是区域数目和每个区域的范围，取决于各轿厢的瞬时状态，位置和方向，因而算法非常复杂，同时也会造成调度的不合理。虽然分区有以上的特点和不足，然而在实际生活中，高层建筑电梯的静态分区占大多数，且多为简单的静态分区，因为它有这样的优点1.合理的静态分区可以减少停站数，缩短电梯往返一周的时间。我们知道电梯停靠的次数越多，能耗越大，所以要尽量减少启停次数。另一方面，电梯全速运行时的能耗远远低于加、减速时的能耗，所以分区安排可以有效减少电梯的启停次数，从而达到延长电梯群的整体寿命和节约能源的目的。2.合理的静态分区同时可以减少电梯设备的费用(如电梯停站带来的损耗，厅门费用)，以及节省建筑面积(如节省电梯侯厅门的个数以利于其它用处)。综上所述，如能对电梯的静态分区实现交通预测或是调度的智能控制和监测，从而弥补其分区难以适应时变的交通特性的不足，则具有很重要的现实意义。
技术实现思路
本专利技术的目的主要是针对如下问题①分区电梯出现的跨区域交通的不便问题； ②分区电梯控制没有考虑到乘客交通流量的预测，从而造成有些电梯运行忙闲不均的问题；③高层建筑功用的复杂化给监控带来的不利的问题。对于以上问题下面进行了一定的探索和改进，其
技术实现思路
包括1.为解决分区电梯出现的跨区域交通的不便问题，本专利技术对住宅或办公多用途的楼层分区电梯进行优化配置，设立了跨区层间侯厅区，其特点在于它的安置一般设在本区域以下区域的最高一层楼层，这样便于从一个区域进入另一个区域，同时，跨区域的层间交通的电梯配有专门的跨区域群控器进行单独控制。当跨区用梯启用第一功能时一般处于高速模式，从而提高了跨区域交通运输的快速性，达到减少乘客乘梯时间的目的。在此需要提到的是当跨区用梯启用第二功能时，它还将担负用来缓解早晚客流高峰压力的任务。2.为了解决分区电梯的固定划分所带来的电梯交通闲忙不均问题，本专利技术采用模糊神经网络算法对他们的交通模式进行了识别。在此过程中，要对层间交通模式划分为区域内层间交通模式和跨区域层间交通模式，这样组成了以下的交通模式上行高峰模式、 下行高峰模式、区域内层间交通模式、跨区域层间交通模式以及空闲交通模式。3.为解决高层建筑功用的复杂化给监控带来的不利的问题，本专利技术采用多分区监测系统和单独的跨区监测系统，实现复杂化的高层建筑的简单化监控，提高了监控的时效性。主要内容为基于嵌入式的区域内群控器以及跨区域群控器，它们都可以和CAN总线通讯模块和PSTN电话网相连接，负责以多线程的方式进行实时的电梯群控网络外呼序列的动态分配，同时可以将各单梯的信息状态传送到远程监控系统。附图说明图1是住宅或办公多用途的楼层分区电梯优化配置系统结构图；图2是用于电梯交通模式识别的模糊神经网络结构图；图3是区域内电梯群控器的监控示意图；图4是跨区域电梯群控器的监控示意图；图5是远程监控流程图。具体实施例方式下面结合附图说说本专利技术的具体实施方式。图1所示的住宅或办公多用途的楼层分区电梯优化配置系统结构图。将楼层划分为三个区域，分别为低层区域、中层区域、高层区域；同时，在区域间的衔接段设有跨区层间侯梯，其优化特点如下1)各区域都分别设有层间专梯和跨区用梯，各区域启用层间专梯，按照低中高不同的高度启用相应的低速和高速电梯，各区域内的专用电梯只在本区域内层间使用。例如， 有乘客从底层到达高层区域，所乘坐的高速电梯将分别经过低层区域和中层区域，直达到高层区域而不予以中间的停留。2)对于跨区用梯在上面已经提到，它有两个功能当跨区用梯处于第一功能时， 即用于跨区的层间交通，它一般发生在一天中除去早晚上下高峰的一些时间段，一般启用高速模式，从而提高了跨区域交通运输的快速性。例如，有乘客从低层区域到达中层区域， 就可以乘坐跨区用梯启用高速模式到达低层区域的顶层进入跨区层间侯厅区，然后乘坐中层区域的跨区用梯进入目的地；跨区用梯的另一个功能是用于另外两个时间段，即担负着缓解早晚客流高峰的任务，需要指出的是由于跨区用梯的使用是有时间段的，特定时间启用特定的交通模式，故而对于跨区用梯而言一般不会发生混乱占梯的情况。图2给出的是模糊神经网络的结构图。分别包括输入层、模糊化层、规则层、综合层以及输出层。我们知道，模糊神经网络可以将神经网络与模糊逻辑有机结合，神经网络可以通过向环境学习获取知识并改进自身性能，它的学习过程就是修改加权系数的过程，最终可以达到期望值。神经网络本身的缺点在于其内部信息是隐含的，神经网络是一种黑箱式结构，全局优化逼近能力受到制约。而模糊技术在于逻辑推理能力，能够处理精确的信息和模糊信息，能够实现精确性联想及映射。不足的是隶属函数中的加权系数是固定的，不能根据不同的客流模式而改变，无法进行自学习。如果将这两种方法结合在一起，采用神经网络技术来进行模糊信息处理，进而克服神经网络结构难以确定以及模糊逻辑无自学习功能的缺点，可以有效发挥其各自优势。具体的模糊神经网络对于交通流量的识别步骤如下1.确定交通模式识别的特征值；2.确定模糊神经网络的结构。首先，确定交通模式识别的特征值。交通流的获取可以通过如下途径1)称重装置。通常来说电梯底部装有称重传感器，以检测轿厢的负载状况，用此称重装置可以粗略的获得客流量信息，假定一个乘客的平均体重，就可以得到在某一楼层进入电梯及离开电梯的人数。2)红外检测装置。在电梯门两侧及顶部和底部装有红外发射及检测装置，可以较为精确的检测乘客进出情况从而获得客流量信息。3)目的楼层呼梯设备。这种设备使乘客在楼厅直接选择目的楼层，通过对呼梯的记录，可以准确地对客流的强度和流向进行跟踪。4)计算机视觉设备。通过应用图像识别技术，可准确获取客流信息。根据本时间段总客流量^、进门厅客流量^、出门厅客流量 、区域内层间客流量I、跨区域层 流量五个特征值来进行模糊神经网络的识别。由于分区群控器只负责层间专梯的控制，而跨区群彳只负责跨区用梯的控制，我们对交通流量识别时也将划分为两部分，即对各分区域交通模式的识别和 域层间交通模式的识别。各分区域的交通模式可以分为12种模式即强上高峰模式，强下高峰模式，强区域内层间模式，强混合模式，上高峰模式， 下高峰模式，区！本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：叶小松，刘国海，吴振飞，廖志凌，邢鸣，梅从立，
申请(专利权)人：江苏镇安电力设备有限公司，
类型：发明
国别省市：