一种电梯行程的统计分析系统的制作方法

本发明涉及电梯领域，更具体的说，它涉及一种电梯行程的统计分析系统。

背景技术：

随着我国经济平稳持续的发展，尤其是住宅产业作为国民经济新增长点的提出，为电梯业的发展提供了良好的机遇；今后几年，我国将年建住宅3.5亿平方米，公建项目1.2亿平方米；随着城市向大型化、高层化的发展，我国每年对电梯的市场需求越来越大大，对于电梯的管理也越来越趋于智能化、信息化。

在电梯在运行过程中需要对其全程进行控制，实时进行检测，但是一般的电梯只有故障检测系统，没有行为分析系统，难以第一时间进行故障的分析，严重降低了电梯在故障时的维修效率。因此，针对上述问题提出一种电梯行程的统计分析系统。

技术实现要素：

本发明克服了现有技术的不足，提供了一种电梯行程的统计分析系统。

为了解决上述技术问题，本发明的技术方案如下：

一种电梯行程的统计分析系统，包括数据采集模块、门状态分析模块、楼层分析模块、lstm行程状态分析模块、行程分析模块和云端存储模块；

数据采集模块：通过电梯轿厢顶的摄像头采集图像数据，通过传感器采集陀螺仪、加速度计、气压计与光电管的数据；

门状态分析模块：使用数据采集模块采集的图像数据，利用图像分析得到电梯的实时门状态；

楼层分析模块：将数据采集模块采集的陀螺仪、加速度计、气压计与光电管的数据，利用卡尔曼滤波与互补滤波分析得到电梯实时楼层数；

lstm行程状态分析模块：通过对门状态数据与数据采集模块采集的陀螺仪、加速度计、气压计的数据进行预处理，去除噪声数据，采样到25hz的数据频率，整理成模型输入向量送入lstm模型，每一定时间lstm模型输出一次行程状态；

行程分析模块：楼层变化数据采样的频率与lstm行程状态分析模块输出同步的频率，行程状态中的开始代表行程开始，暂停代表行程有换乘，结束代表行程结束；通过确定开始和结束两个状态，就能分析得到电梯行程，即楼层变化，对开始和结束的期间没有暂停状态的认为是独立行程，有至少一次暂停状态的认为是复合行程；

云端存储模块：将行程分析模块分析得到的电梯独立行程与复合行程，按照电梯编号与时间戳进行数据存储，为后续其他业务提供乘梯规律数据。

进一步的，行程状态一共分为5种，分别是空闲、开始、运行、暂停、结束。

本发明相比现有技术优点在于：

本发明通过使用循环神经网络实现对电梯行程的状态估计，可以对复杂时序信号进行建模，可以实时输出当前电梯运动所处的状态，进而获得电梯行程中的独立行程与复合行程。这里采用循环神经网络是由2层lstm单元组成，每层lstm单元采用48个隐藏单元，使用many-to-one的预测结构。采集电梯时序数据，然后标注时序数据，训练网络得到可以生产部署的模型。

在电梯上安装传感器来进行电梯终端检测，将检测结果进行分析，实现对电梯运转状态的分析，为后续其他业务提供乘梯规律数据，如提高电梯在运行过程中的稳定性分析，提高电梯的整体安全性能，提高电梯故障时的维修效率，快速了解可能的故障问题。

附图说明

图1为本发明的循环神经网络many-to-one结构图；

图2为本发明的lstm单元结构图；

图3为本发明的模型结构；

图4为本发明的系统流程图。

具体实施方式

下面结合附图和具体实施方式对本发明进一步说明。

如图1至图4所示，一种电梯行程的统计分析系统，包括数据采集模块、门状态分析模块、楼层分析模块、lstm行程状态分析模块、行程分析模块和云端存储模块。

数据采集模块：通过电梯轿厢顶的摄像头采集图像数据，通过传感器采集陀螺仪、加速度计、气压计与光电管的数据。

门状态分析模块：使用数据采集模块采集的图像数据，利用图像分析得到电梯的实时门状态。一共有四种状态(门开、开门中、门关、关门中)。

楼层分析模块：将数据采集模块采集的陀螺仪、加速度计、气压计与光电管的数据，利用卡尔曼滤波与互补滤波分析得到电梯实时楼层数，其中光电管安装在1楼基准层，用来校准电梯到达基准层，卡尔曼滤波是对陀螺仪和加速度计的观测数据建立运动模型来估计运行路程，传感器的采样频率往往不一致，互补滤波用来对估算出的路程和气压计估算的高度数据进行整合，最终获得电梯运动到哪一层。

lstm行程状态分析模块：通过对门状态数据与数据采集模块采集的陀螺仪、加速度计、气压计的数据进行预处理，去除噪声数据，采样到25hz的数据频率，整理成模型输入向量送入lstm模型，每隔一段时间lstm模型输出一次行程状态。其中lstm模型通过采用many-to-one的预测方式，如图1所示，即多个时间片段输入，预测一个状态，提升对长时间跨度的建模能力。lstm模型在其中加入了一个判断信息有用与否的结构，这个结构被称为cell。cell中被放置了三扇门，分别叫做输入门、遗忘门和输出门。一个信息进入lstm模型当中，可以根据三扇门来判断是否有用。通过训练lstm会生成对应模型参数，三扇门根据模型参数与输入信息的计算并控制门开关程度，信息就在三扇门的作用下，通过输出门加工过信息，或者通过遗忘门将信息丢弃。

lstm模型的结构和输入输出具体如下。lstm模型的结构采用两层lstm堆叠的方式，如图3所示，该方式有助于进行更深层的非线性预测，提升模型表达能力。下面一排多的圆点为输入节点，上面单个的圆点为输出节点，每个输入圆点表示为一个向量，该向量含有当前时刻的输入参数，其向量是由门状态(1个变量)、陀螺仪(3个变量)、加速度计(3个变量)、气压计(1个变量)一共8个变量组成。即所有变量只需要通过叠加来形成向量即可。采集的向量数据通过预处理除去噪声除去高频干扰，并通过固定的采样间隔，这里定为0.04秒，将64次采样作为一组输入，即64个输入向量送入模型，输出一个行程状态。同时当前批次输入与下一批次输入之间有50％的重合，即64个输入向量中有32个向量是上次输入数据，也就是说1.28秒输出一次行程状态。

行程分析模块：楼层变化数据采样的频率与lstm行程状态分析模块输出同步的频率，行程状态中的开始代表行程开始，暂停代表行程有换乘，结束代表行程结束。通过确定开始和结束两个状态，就能分析得到电梯行程，即楼层变化，对开始和结束的期间没有暂停状态的认为是独立行程，有至少一次暂停状态的认为是复合行程。

云端存储模块：将行程分析模块分析得到的电梯独立行程与复合行程，按照电梯编号与时间戳进行数据存储，为后续其他业务提供乘梯规律数据。

电梯行程是指电梯向上或向下连续运行的一个过程，包括独立行程和复合行程，其中电梯的独立行程定义为从电梯由开门到关门的状态触发，然后运动，再到由关门到开门的状态触发的过程，同时电梯在这个过程之前和之后处于空闲状态或电梯之前运动方向与将要运行的方向相反。例如，电梯从1楼空闲，然后运动到10楼，又空闲，或是电梯上次运动由5楼到1楼，没有空闲又从1楼到10楼，然后空闲的过程，这时把1楼到10楼的运动过程定义成为独立行程。因此，独立行程是站在乘梯人的角度，描述具有相同行程的乘梯人的乘梯过程。电梯的复合行程定义为具有不同行程的乘梯目标，存在独立行程重合的乘梯过程，其往往由几个单独行程组合，同时要求子行程运动方向一致。由以上定义可知，电梯的复合行程区别于独立行程，例如有人员从1到9楼，有人员从1到12楼，这两批人员同时从1楼出发，那么出现到9楼有人出梯，然后又到12楼出梯，即1->9->12的行程。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明构思的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明保护范围内。