吴旖珺，胡毅威

(1.湖北机场集团有限公司，湖北 武汉 430302；2.湖北国际物流机场有限公司，湖北 鄂州 436000 )

1 引言

“碳中和”时代的到来，自然环境的恶化和自然资源的消耗迫使人们追求“可持续”的生活方式。随着物联网、大数据时代、智能电网和智能建筑等智能技术的应用，将会促进人类在保护自然环境方面的进步。联合国组织研究表明，到2050年有68%的世界人口将生活在城市地区。这表明，提高多层建筑的可持续性可能对环境问题会产生积极的影响。20世纪80年代初智能建筑的概念首次提出，目前也在学术界和许多其他领域得到了广泛的普及。关于智能建筑有很多不同的定义，然而，这些定义中的大多数都有一个共同的理念，即智能建筑应该通过综合技术的利用，为居住者提供可持续、安全、有效且灵活的环境系统。如今，典型的智能建筑解决方案能够实现建筑物的供暖、通风、空调、照明、火警、安保监控和电梯系统的自动控制。电梯系统的有效运行是一项具有挑战性而又值得研究的任务，因此电梯系统的有效运行引起了学术界的广泛关注。

自1852年伊莱沙·格雷夫斯·奥的斯发明电梯以来，电梯技术经历了巨大的进步。与早期的电梯相比，现代电梯更舒适、更安全，速度更快，消耗的能源更少。然而，由于控制系统运行不佳，大多数传统的客运电梯无法充分处理繁忙的人流应对不同乘客的需求。IBM公司在美国16个城市进行的一项研究表明，办公室职员在等待电梯或困在电梯里的时间相当长。很明显，传统的电梯控制方法必须被重塑，以应对大型城市不断增长的人口基数。

在大多数现代建筑中，很少看到一部电梯轿厢服务于整栋楼，而是设计有多部电梯背靠背工作，以便及时转运连续的人流。当多部电梯被放置在一组时，将采用电梯群控(EGC)算法控制电梯的运行。EGC算法是以最小化某一单元为目标控制每台电梯，最常见的是能源消耗和乘客等待时间或移动时间。传统的EGC算法是基于条件逻辑的，即根据电梯轿厢位置和乘客呼叫来进行电梯调度。更先进的传统EGC算法能够根据不同模式改变电梯调度策略。例如，在办公大楼里，工作日早上的客流往往很紧张，因为大多数办公室工作人员都在同一时间上班。在这种情况下，电梯轿厢的调度可能更注重将人们从大厅移动到他们的办公室楼层，而不是在楼层间的移动。另一个智能EGC系统，即所谓的目的地控制(DC)系统，根据目的地对乘客进行分组。乘客在大厅使用专门的电子系统登记目的地楼层，一旦登记楼层，系统将显示分配给乘客的电梯轿厢号。有研究表明，配备了DC系统的现代商用电梯可平均节约30%的到达时间。

然而，虽然现有的最先进的EGC系统具有显著提高电梯系统运行效率的功能，但它们的主要弱点在于无法处理由不可预测的客流量造成的不确定性。如今，这些不确定性对电梯系统运行效率的负面影响则可以通过使用人工智能(AI)算法来缓解。

2 电梯人工智能技术

最早将AI算法引入EGC系统的方法之一是提出一个由模糊逻辑控制的EGC系统。该算法根据日常运行过程中记录的统计信息来判断流量模式。与传统的EGC系统算法进行比较，结果表明该算法相比平均等到呼叫电梯的时间提高了35%～40%。虽然有点类似，但文献[3]提出了一种基于模糊BP神经网络和自寻优地图算法的电梯模式交通识别方法。该算法利用模糊BP神经网络对现有交通流进行分析，从而检测出交通模式。结果表明，交通模式识别可极大地提高EGC系统策略的有效性。

目前，工程师们将大多数工作主要集中在电梯群控算法的改进方面，如耗电量或乘客满意度、以及电梯调度优化等。在文献[4]中，作者提出了基于光学摄像机的乘客检测与跟踪的EGC系统算法。该算法的主要目标是最小化乘客等待时间和电梯耗电量。该算法采用基于Haar-like类特征的乘客检测，利用卡尔曼滤波实现乘客运动跟踪。在文献[5]中，作者提出了一个以电梯系统能效为核心的决策模型。该模型利用贝叶斯网络实现电梯的有效调度。测试结果表明，该框架与传统EGC系统相比，能耗明显降低。在文献[6]中，作者提出了电梯调度问题(EDP)的混合整数线性规划(MILP)公式，该公式明确表述了操作规程。在文献[7]中，作者将他们的研究扩大到在集体控制(CC)规则下运行的目标控制(DC)电梯系统。在文献[8]中，作者提出了一种考虑交通流随机性的面向节能的再生式电梯调度优化策略，该模型实现了考虑交通流模式的单目标优化，作者认为，每个楼层等待电梯的乘客数量是不确定性的主要来源。在文献[9]中，作者试图开发一个统一即时呼叫和延迟呼叫分配系统的模型，以改进电梯调度。前者在乘客发出呼叫后立即分配呼叫，后者在电梯准备为乘客服务之前分配呼叫。

随着智能化可视系统的发展，在现有的智能电梯解决方案中，可视化辅助系统是最有前景的研究方向之一。在文献[10]中，作者提出了一种基于摄像头的电梯节能EGC算法。在一般信息(电梯轿厢位置、移动方向等)的基础上，本文提出的EGC算法考虑了各楼层等待电梯的乘客规模数量，对电梯轿厢进行节能调度。研究结果表明，该算法在低峰流量下可节约20%的能量。文献[11]中也提出了一些类似的方法。

然而，在本文中，主要目标是通过利用走廊摄像头的信息最小化乘客等待时间。利用基于区域的神经网络系统对采集到的数据进行分析，并将其传输到传统的电梯控制系统中进行电梯调度。

本文是对文献[12]的扩展，专注于基于视觉目标识别和贝叶斯网络理论的智能电梯控制算法。

3 电梯控制逻辑建模

该控制逻辑算法应用于传统的集中控制策略之上，其中电梯控制算法让电梯朝一个方向移动。它只会停下来接同方向的人。当该方向的所有请求都被耗尽时，电梯将向另一个方向运行或停留在空闲状态，以防再有电梯呼叫。本文提到的电梯控制算法，是根据等待电梯的乘客规模数量多少向电梯系统发送指令。这些信息可通过安装在大厅、走廊和电梯门前的数码摄像机获取，并通过图像处理系统进行实时处理。关于数据采集和图像处理系统的讨论超出了本文提到的范围；因此，本节只着重讨论用于控制电梯轿厢的贝叶斯分类模型即构造BN结构和参数。

由于贝叶斯推断是需要根据新的证据更新变量的概率分布。在本文中，假设每30 s进行一次分组大小的测量，并将该信息随机地发送到集中控制系统中。该算法以呼叫过程中乘客群体规模数量、等待时间和电梯轿厢位置为变量，优化电梯调度。调度优先级的参数可以根据用户的喜好进行调整；即用户可以对等待时间变量赋予更高的优先级，从而减少总体乘客等待时间，但代价是较高的耗电量。图1描述了所提算法的向上方向的图形模型。向下的模型与向上的模型相似，但BN结构有所不同。

图1 向上方向的图形模型

乘客群体规模数量这一变量决定了等待电梯的人数。分组大小数据的分类必须根据电梯轿厢的大小来进行。例如，对于一般的电梯轿厢的大小可做如下划分：0名乘客—无(N)，1 - 2名乘—中(M)，3名或更多的乘客—大(H)。这些划分可以基于用户偏好和电梯的大小进行改变，然而重要的是，过多的分组类别可能会导致计算时间增加，而对电梯调度的整体性能几乎没有影响。由于不同乘客的随机移动，乘客数量的多少可能会有所不同(产生不确定性)。在某些情况下，人们可能只是经过电梯时被摄像机拍到，或者等了几分钟后决定走楼梯，同时有些不确定性可能是由于光线的偏差或路过的行人所导致的。在更新每组大小节点的边际概率时，必须考虑这些实例。因此，用该节点处于某些状态的概率来表示不同组别的大小节点是很重要的。

然后，利用模糊规则计算各节点的CPT值。(Fi指建筑物的楼层，i为楼层编号，n为建筑物的总楼层数)向上方向的模糊规则概述如下：

(1)如果F1处于H状态，忽略其他楼层，去F1。

(2)如果F1处于状态M和状态H，除了F(n-1)外．如果有几层楼处于状态H，则为每一层楼分配相同的优先级。

(3)如果F1处于状态N然后需要去的楼层处于状态M或者H。如果有几个楼层处于状态M或状态H，则为每一个楼层分配相同的优先级。

(4)如果所有楼层都处于状态N到F1。

(5)如果Fi处于状态H且忽略其他楼层数量而去Fi，除非如果F1处于状态H，则为每一个楼层分配相同的优先级。

由于本文只研究向上的方向，故Fn没有规则。向下的方向也有类似的规则。

除了楼层状态，该算法还考虑了其他因素，如电梯轿厢与呼叫者的距离以及呼叫者等待电梯的时间。电梯轿厢首先送达到哪里，最终结果很大程度上取决于这些变量。安装在大厅、走廊和电梯门前的摄像头每30 s向图像处理算法发送图像。图像处理算法确定人数和他们的等待时间，并将这一信息报告给控制单元。与群体规模变量类似，等待时间变量是根据概率设置的，以解释人们在电梯门前的随机移动(等待时间与呼叫优先级在本文中不再赘述)。

4 结论与讨论

电梯控制策略的成功实施，如本文描述的算法，将需要考虑现有的电梯控制的实际状态，两者是密不可分的。为了正确地调整电梯控制算法，各个信息的整合也是至关重要的。根据图像采集和处理系统提供的模糊规则和数据，对控制系统进行调整，使其产生控制动作。

为了实现该算法，首先利用贝叶斯定理构建了BN模型。随机选取第2节中35+个场景进行分析，以便用证据数据更新网络。其次，评估算法所做出的决策，并调整BN变量的概率分布，以获得更好的决策。经过对数调整后，算法与黄金决策的相似度可达94%。

(1)算法的优点是：①清晰简单的图形数据处理模型；②具有不确定性的信息也可以被包括进来并被充分调查；③决策策略可以根据用户的喜好进行调整；④决策规则没有硬编码到算法中，因此可以调整或修改；⑤实施新的电梯控制规则只需要重新分配各种变量的条件概率或改变模型的拓扑。

(2)算法的缺点是：①为了确定对最终决策有很大影响的变量，必须进行敏感性分析；②算法的实施者要对电梯控制和调度及一般的BN和概率推理有全面的了解。

(3)与所提算法的实现有关的重要方面有：①模糊规则的推导是与现场专家协调进行的；②利用变量去模糊化和三阶段算法调整，将模糊规则转换为数值；③影响实用节点的节点数量保持在非常低的水平。

综上所述，未来算法工程师更多的工作是将专注于扩展该算法，开发基于BN的EGC算法，来用于有多个电梯的大型办公楼，以实现搭乘智能电梯效率的提升和楼宇智能化。