一种基于支持向量机的电梯群控交通模式识别方法
【专利摘要】本发明公开了一种基于支持向量机的电梯群控交通模式识别方法，为了提高电梯工作状态下的利用效率，群控电梯交通流量划分为7个部分，分别为强上交通模式y1、强下交通模式y2、混合模式y3、上交通模式y4、下交通模式y5、弱上交通模式y6、弱下交通模式y7，并构造出群控电梯交通流量所需要的样本集，最后选取支持向量机训练交通流量样本集。与现有技术相比，本发明可以提高识别的精度和正确率，依据现有经验能够快速确定电梯的交通闲忙时间，使得电梯能够有效使用并实现了建筑的节能。
【专利说明】一种基于支持向量机的电梯群控交通模式识别方法
【技术领域】
[0001]本发明属于电梯群控领域，涉及一种基于支持向量机的电梯群控交通模式识别方法。 【背景技术】
[0002]目前，随着国内城市建设的快速发展，为了满足于各种办公场合的需求，城市的高层建筑越来越趋于智能化和功能多样化，所以在楼宇自动化方面对电梯群控的研究领域也有很多创新思想的产生，取得了突飞猛进的进展。
[0003]近年来，电梯的控制策略也呈现多样化趋势，比如神经网络理论、模糊控制理论、遗传算法等理论的引入，以上各种控制方法特点不同，对控制的场合要求也不同，现有的电梯交通群控方法中至少存在以下问题:
[0004]一方面现有电梯的交通识别能力尚有不足，由于呼梯指令在一定的时间段具有随机性，很多时候会造成进出口大厅的拥堵，电梯的交通闲忙难以确定，候梯的时间较长。
[0005]另一方面由于各个时段对于电梯的使用频次是不一样的，电梯交通安排的不恰当会带来的电梯能耗问题，这种能耗在建筑能耗中占有很大的比例，也越来越引起人们的重视。
【发明内容】
[0006]本发明所要解决的问题是提供了一种基于支持向量机的电梯群控交通模式识别方法，该发明可以很好的提高电梯群控交通模式的识别并大大改善电梯的利用效率。
[0007]本发明主要涉及到如下内容:一种基于支持向量机的电梯群控交通模式识别方法，首先，对群控电梯交通流量进行划分，然后构造出群控电梯交通流量所需要的样本集，进而选取支持向量机训练交通流量样本集；群控电梯交通流量划分为7个部分，分别为强上交通模式，强下交通模式，混合模式，上交通模式，下交通模式、弱上交通模式，弱下交通模式；构造群控电梯交通流量所需要的样本集，输入样本为=X11=XiZXp X12=X3ZXi^ X13=X4Ai7输出样本为yp y2、y3、y4、y5、y6、y7;最后选取支持向量机训练交通流量样本集，在对支持向量机进行训练的过程中，其核函数选取为Sigmoid函数,支持向量机所选取的训练函数为回归算法函数。
[0008]本发明的有益效果是:可以识别以往对电梯交通的识别能力不足的问题，提高了识别的精度和正确率。依据现有经验能够快速确定电梯的交通闲忙时间，使得电梯能够有效使用，减少电梯在建筑领域中不必要的耗能。
【专利附图】
【附图说明】
[0009]图1为电梯交通模式示意图；
[0010]图2是基于支持向量机的电梯交通模式识别结构图；
[0011]图3是基于支持向量机的电梯交通模式识别的流程示意图。【具体实施方式】[0012]图1为电梯交通模式示意图，所选取的时间段为一天内的上午6:00至晚上21:00的时间段，通过现有经验计算出该时间段内此高层建筑的总客流量X1、进门厅客流量X2、出门厅客流量X3、区域层间候厅的客流量X4，这样电梯交通流量识别样本集可以设取为X11=X2A1- X12=X3A1- X13=X4A1 ;由早中晚上下班时间以及工作时间的不同情况，将交通流量划分为强上交通模式y1、强下交通模式y2、混合模式y3、上交通模式y4、下交通模式y5、弱上交通模式y6、弱下交通模式I1七种模式，以上交通流量的划分有助于支持向量机的样本训练，能够快速确定电梯的交通闲忙时间，提高识别的精度和正确率。
[0013]图2是基于支持向量机的电梯交通模式识别结构图，首先确定输入输出样本训练集，将电梯交通流量识别样本集X11=XiZXr X12=X3ZXi-X13=X4Ai作为支持向量机训练的输入样本，电梯交通模式输出样本是％、y2> y3、y4、y5、y6、y7。然后向电梯交通系统施加足够丰富的随机方波激励信号以便获得相应的输入输出样本数据，将采样获得的X11=X2ApX12=X3/
X1、X13=X4/X1经过归一化处理后作为支持向量机的样本输入，7个采样
作为支持向量机的样本输出，这样就获得了支持向量机的训练数据。
[0014]支持向量机的输入信号(X11=X2ZiXp X12=X3A1 X13=X4A1)需要限幅并经过归一化处理，在训练的过程中，需要确定相关的支持向量机核函数和选型函数的算法，本发明采用Sigmoid函数以及回归支持向量机算法，支持向量机实现的是一个两层神经网络，此时不但网络的权值和隐含层节点数是算法自动确定的，并且算法不存在局部极小点问题。在离线训练后，训练结果给出了支持向量机的类似于神经网络的权、阈值，其具体的算法步骤为:
[0015]由系统被激励后的输入输出样本集(Xi, Ui)，求解出核函数:
[0016]K (X，Xi) =tanh [v (x.Xi) +a]
[0017]则支持向量机输出表达式为:
[0018]
[0019]图3是基于支持向量机的电梯交通模式识别的流程示意图，首先需要对电梯交通输入输出样本进行采集，根据获得的交通输入输出信息对交通流量的进行决策划分，相关的算法程序包括交通流量识别、经验知识库模块、评价参数调整模块、以及派梯呼梯指令库；下一步就是选取相应的支持向量机核函数和训练函数完成样本的训练；在交通流量等级判断方案里，按照交通流量七种划分为依据，如若符合则输出最佳派梯指令，不符合的话需要调整评价函数参数，作为新的呼梯信号，整个流程使得电梯能够有效使用，节省电梯在建筑领域中耗能。
[0020]综上所述，本发明可以识别以往对电梯交通的识别能力不足的问题，提高了识别的精度和正确率，此外，本发明能够使电梯有效的使用，减少电梯在建筑领域中不必要的耗倉泛。
【权利要求】
1.一种基于支持向量机的电梯群控交通模式识别方法，包括群控电梯交通流量的划分，构造群控电梯交通流量所需要的样本集，其特征在于，选取支持向量机训练交通流量样本集。
2.根据权利要求1所述的基于支持向量机的电梯群控交通模式识别方法，其特征在于，所述群控电梯交通流量划分为7个部分，分别为强上交通模式、强下交通模式、混合模式、上交通模式、下交通模式、弱上交通模式、弱下交通模式。
3.根据权利要求1所述的基于支持向量机的电梯群控交通模式识别方法，其特征在于，所述的构造群控电梯交通流量所需要的样本集，输入样本分别为X\=X2/Xl、Xi2=X3A1^X3—X4/Xi，細出样本分力|」为 y1,y2,y3,y4,y5,y6,y7。
4.根据权利要求1所述的基于支持向量机的电梯群控交通模式识别方法，其特征在于，所述选取支持向量机训练交通流量样本集，用于训练的支持向量机核函数为Sigmoid函数，即:
K (X，Xi) =tanh [v (x.Xi) +a] 支持向量机的训练函数为回归算法函数。
【文档编号】B66B1/00GK103466397SQ201310412970
【公开日】2013年12月25日 申请日期:2013年9月11日 优先权日:2013年9月11日
【发明者】王火明 申请人:昆山新金福精密电子有限公司