物聯網與大數據相結合的電梯調度系統優化方案

李達銘，樊 銳，史海鷗，高 姍，田紅麗

(1.河北工業大學國際教育學院，天津 300401；2.河北工業大學計算機與軟件學院)

0 引言

在目前已有的電梯調度系統相關研究文獻中，較多的是對上下班高峰這一突出情形下的電梯調度系統優化問題。如果將乘客乘坐電梯的整個過程用乘客進入樓宇范圍的時刻、召喚電梯的時刻、乘客在電梯內選擇樓層的時刻這三個時刻分開，現有的研究大多數都集中在后兩個時刻。許多文獻提出了將神經網絡[1]、粒子群算法[2]、遺傳算法[3]或其他機器學習算法[4-5]，其應用于客流預測、路徑調整和節能優化的智能電梯調度方案。雖然收效顯著，但是均屬于末端應對機制，即乘客已經到達電梯門前并發出乘梯請求后再作反應。短暫的反應時間限制了系統統籌規劃的余地。除此之外也有基于無線互聯網的智能調度解決方案[6]。方案在乘客進入樓宇范圍的時刻前就開始工作，允許用戶通過智能終端遠程發送乘梯請求，使電梯調度系統可以提前反應，但這些文獻并未詳述調度系統的工作原理。

本次實驗所設計的方案會在上述三個時刻的第一時刻就開始工作，通過機器學習技術對歷史數據進行分析并得出客流量的大概變化趨勢，再根據物聯網系統實時采集的數據可以更為精確的規劃調度方案，進一步提高調度系統總體效率。此外，我們在調研中還發現了如圖1所示的問題。不難發現除了可以預料到的早中晚三次客流高峰外，還分別在上下午出現了一次小高峰，而這個高峰正是由快遞業務導致。

隨著電子商務以及外賣行業的發展，迅猛增長的快遞量使樓宇內垂直交通壓力進一步提升。出于安全和管理方面的考慮，大多數寫字樓不允許快遞員或送餐員進入樓內，于是便出現了大量物流人員在樓前聚集、樓內員工扎堆取快遞的情況。這些問題造成了寫字樓整體形象被破壞，員工工作效率降低，以及電梯擁擠給訪客造成不良體驗等問題。

圖1 乘梯人數分布圖

已有文獻中的方案或是普適性的解決方案或是僅僅針對上下班高峰情形做出了優化。雖然此類方案在應對前文所述的快遞問題上也能稍好于傳統電梯調度系統，但是隨著物聯網和大數據技術的發展，將硬件支持和軟件算法相結合，可以在保持方案對問題的專一性基礎上，結合多個方案建立多系統相互協作的綜合化解決方案，進一步提升整體效率。本文從整體描述了此次研究的優化方案，分析了其中的主要算法，并進行了仿真實驗。

1 方案結構

1.1 結構概述

整個系統可分為乘客請求、調度系統、學習系統和時刻化電梯廂四個部分。圖2所示的情形中含有四部電梯（E1～E4）。乘客以不同方式發出的請求發送給調度系統后被轉發到當時正在工作的模式算法中。全體電梯既可以由單一模式控制（實線箭頭），也可以由多個模式同時控制（虛線箭頭）。學習系統的主要功能是搜集、處理電梯運行和乘客個人習慣的相關數據，根據數據預測某一時段總客流量的大概數值以及去向，并為調度系統選擇合適的模式。以下是各部分功能詳述。

1.2 乘客請求

RFID技術已經被大規模應用于辦公樓門禁系統，有一部分門禁系統已經開始轉而使用更高效的圖像識別技術來識別人臉、車牌號等特征以確定來訪人員身份。在物聯網傳感器識別到身份信息的同時，也意味著訪客在此時刻的位置和乘梯目標樓層被確定。這種確定乘客位置及身份的方式不依賴乘客自身的設備（如乘客手機上的GPS或藍牙），可控性較高。再結合多個傳感器的測量結果估計出乘客到達電梯門前的時間。如果成本允許，更多的傳感器數量或者更先進的技術還可以給系統整體效率帶來增長空間。

圖2 優化后調度系統結構圖

1.3 調度系統

得益于集成電路的性能大幅上升和成本下降，給電梯調度系統提供運算和存儲能力更強的硬件設備成為了可能。這使得調度系統中可以存放多個專為不同場景優化的調度模式，并在運行時自由切換，甚至兩個模式同時運行以滿足不同需要。例如當快遞員需要送快遞時分出一部電梯運行快遞模式，由快遞員操控，其他電梯依然由系統控制。

1.4 學習系統

根據前人的研究，基于神經網絡的客流預測算法已經可以通過學習客流歷史數據，較為精確的預測出某一固定情景（例如一座寫字樓在每個工作日的同一時段）的客流變化，但是應對突發事件能力較差。

在本次研究的方案中，乘客進電梯前最后幾分鐘內的精確預測已經由物聯網系統完成了，所以學習系統的主要目的是預測某一較長時間段的客流量和客流方向，從而應用到模式選擇上。用大數據技術將乘客乘梯歷史數據清洗后再供給機器學習算法，就可以以較低的學習成本獲得足夠本系統使用的結果。

1.5 時刻化電梯廂

時刻化電梯廂即某一電梯廂在程序中虛擬的、不同時刻的狀態。未到達時刻的信息是在乘客到達電梯門前就通過傳感器或是智能終端獲取并分配的。在分配時可以根據乘客優先級、已等待時間、目標樓層等標準實現最優分配。

2 模式

本次研究主要針對早晚上下樓高峰和快遞問題進行了研究，開發了兩個模式，并分別進行了測試。

2.1 高峰模式

如圖3所示，主循環中安檢系統對應1.2中所述的由各種傳感器組成的門禁系統。安檢系統將采集到的用戶身份數據與檔案系統中的用戶數據比對，如果信息匹配，則把用戶該次驗證身份時的時間、入口編號等數據記入此用戶的檔案，供學習系統分析使用。同時安檢系統再把從檔案系統中獲取的用戶默認目標樓層、安檢口編號、時間等數據存入運行時數據。

運行時數據主要用于存儲待分配乘客隊列和時刻化電梯廂隊列，但乘客分配電梯的順序不完全依賴于隊列中的順序。每一次輪詢會根據式⑴計算出每一個乘客的優先級Px，其中P初位該乘客初始優先級，預先設置在檔案系統中。T為已等待時間（秒），ω為影響因數，可以隨實際情況調整。y為與該乘客具有同樣目標樓層的乘客數，這樣可以保證總體等待時間較少。同時，應該滿足所有乘客的重量（wy）小于電梯載重（W總）。

育苗營養塊集基質、營養、防病、調酸、容器于一體，產品體積小、重量輕，便于運輸儲存，適于各種蔬菜、花卉、煙草、經濟作物的種苗生產，尤其非常適合培育苗齡較短的甜瓜、西瓜秧苗。使用育苗營養塊育甜瓜苗，幼苗發育快、長勢整齊一致，秧苗與育苗營養塊一起移栽到田間，不傷根、不緩苗，快速進入旺盛生長期，可提早7～10天上市，長期使用，可疏松土壤，改善土壤的理化性質。

調度系統會根據當前時刻化電梯廂隊列狀態，將由上式得出的每一組（個）乘客或是放入新建的電梯廂或是在滿足預估的乘客到達時間的情況下分配給已有的電梯廂。

2.2 快遞模式

快遞模式的核心是將某一部電梯的控制權交給快遞員控制?？爝f員將快遞放入電梯后可以通過智能終端的應用程序設置電梯需要?？康臉菍右约巴？繒r間等數據。整個過程類似機場的行李轉盤，錯過的快遞可以再循環一次或放到辦公樓的某個聚集處。

3 應用實例

本次測試模擬了一個20層的辦公樓，樓內共有4部電梯，與前期調研中的某個辦公樓類似。電梯載重、乘客重量、電梯各個狀態所需時間等常量也均有設置。學習系統中的乘客歷史數據由實驗人員根據實驗目的半隨機生成。實驗結果中用于比較的實際數據為調研時獲得的數據經過計算后得到的，與實際情況相近。

3.1 高峰情景

在高峰情景下使用圖2中藍色實線所示系用結構。假設有2000人要在一小時之內分別從一樓去往不同樓層，模擬早高峰的情況。2000名乘客由乘客產生器按泊松分布⑵產生，并發送給安檢系統。

由于2000人/1小時≈0.56人/秒，為了使客流變化更符合真實情況，乘客生成器會根據時間變化，圍繞0.56改變的值，使大部分乘客集中在第20～40分鐘時到達，測試結果如表1所示。由于乘客量明顯超過電梯運送能力，故只統計在一小時內成功運送的乘客數量和平均等待時間。

表1 高峰模式測試結果

3.2 快遞情景

快遞情景下使用圖2藍色虛線所示系統結構，將其中一部電梯設置為快遞模式，其他三部運行普通模式。假設在半小時內有100人需要取快遞同時有另外100人正常使用電梯，測試結果如表2所示。

表2 快遞模式測試結果

從測試結果可以看出，在兩種情形下優化后的調度系統均表現更好。

4 總結

隨著技術和需求的共同提高，電梯調度系統也勢必更加智能化。以物聯網傳感器為前端，算法為后臺的綜合系統，相比于純算法系統可以做到普適性和對具體問題的專一性并存，解決問題更高效。但是整個方案在實施時還需要在細節上，尤其是與用戶交互的方式上做更多的研究，才能保證提供給用戶一個真正有所提升的乘梯體驗。

參考文獻(References):

[1]仲惠琳.基于神經網絡的電梯調度重規劃[J].數字技術與應用,2016.7:63-64

[2]孟凡勝等.基于改進粒子群優化算法的電梯群控方案設計[J].計算機時代,2015.8:42-46

[3]何斌輝.遺傳算法在電梯中的應用研究[N].科技通報,2012.28(4):32-39

[4]丁煥,劉建強.基于組態軟件監控的群控電梯系統設計[J].科技創新與應用,2017.27:90-92

[5]王芳等.電梯群的可調整魯棒優化調度[J].控制理論與應用,2012.29(1):27-33

[6]褚世沖等.基于移動互聯網的智能電梯調度系統[J].電子技術與軟件工程,2016.17:26-27