一种电梯困人停梯事件的检测及预测方法与流程

本发明涉及电梯安全，具体而言，涉及一种电梯困人停梯事件的检测及预测方法。

背景技术：

1、随着电梯数量增长，电梯安全形势越发严峻，如何利用物联网等新兴技术有效降低乘客乘梯的安全隐患，减少对人工的依赖，是如今不可回避的重要课题。

2、在传统的电梯运行过程中，电梯如果发生了困人停梯，需要由乘客被困后，乘客发起报警，再由值班室确保收到乘客报警进而响应。事件的应急救援时间较长，效率降低，都会延长乘客在轿内的被困时长，乘客可能做出扒电梯门，自行爬越井道等危险行为。现有的一些技术使用物联网或摄像头,尝试缩短应急救援响应时间，但是都有着较强的局限性。

3、目前基于物联网的电梯检测技术，通过上传采集到的电梯运行的原始数据，供安全人员远程判断电梯是否发生事故。但是这种方案无法直接上报困人停梯，仅上报电梯的故障代码、状态变化等。由于故障代码上报频繁，其中还包含警告信息和故障误报，无法帮助安全人员直接锁定出困人停梯事件，影响安全人员对本次事件的风险判断。

4、市场上基于摄像头的电梯困人停梯事件的检测方案，需要安装较为昂贵的摄像头，并实时上传高带宽的视频数据供云端算法判断是否困人。此方案设备成本高昂，高带宽需要的宽带或光纤在许多小区的井道等环境难以安装，对井道的光照等条件也有着苛刻的要求。除了较差的普适性，这种方案由于缺乏对电梯本身硬件运行状态的检测，对困人停梯的检测准确度也更低。

5、而安装摄像头的方案除成本问题外，本身对井道环境要求较高，由于摄像头视频数据内存很大，必须用宽带、光纤的方式上报至平台，而多数小区的公共设施及井道环境，都无法提供安装支持，从而导致安装摄像头的方案无法在市场上广泛推行。且摄像头识别困人方案是根据轿内人员的行为、人员在轿内密闭空间的停留时长判断是否困人，缺失了对电梯本身运行状态的异常监测。

技术实现思路

1、本发明在于提供一种电梯困人停梯事件的检测及预测方法，其能够缓解上述问题。

2、为了缓解上述的问题，本发明采取的技术方案如下：

3、第一方面，本发明提供了一种电梯困人停梯事件的检测方法，云端远程获取电梯状态数据，根据电梯状态数据对电梯困人停梯事件进行检测，具体包括以下步骤：

4、s1、根据电梯状态数据中的操作模式字段，判断电梯是否发生了异常停梯，若是，则给电梯异常停梯概率p1赋值p11，继续执行步骤s2，否则将电梯困人停梯检测结果确定为未发生电梯困人停梯事件，跳转至步骤s5；

5、s2、确认电梯状态数据中是否包含故障代码字段，若是，则给电梯异常停梯概率p1赋值p12，p12大于p11，继续执行步骤s3，否则直接执行步骤s3；

6、s3、根据电梯状态数据中的五方通话状态数据、内呼状态数据和轿门状态数据，判断电梯轿内是否有人，若是，则给电梯轿内有人概率p2赋值p21，继续执行步骤s4，否则将电梯困人停梯检测结果确定为电梯发生异常停梯的概率为p1，未发生电梯困人事件后，跳转至步骤s5；

7、s4、若电梯轿内安装有红外监测装置，和/或摄像头，且红外监测装置，和/或摄像头的人员监测结果数据包含于电梯状态数据，则根据红外监测装置，和/或摄像头的人员监测结果数据，判定电梯轿内是否有人，若是，则给电梯轿内有人概率p2赋值p22，p22大于p21，将电梯困人停梯检测结果确定为电梯发生异常停梯的概率为p1，电梯轿内有人概率为p2，跳转至步骤s5，若不是，则直接将电梯困人停梯检测结果确定为电梯发生异常停梯的概率为p1，电梯轿内有人概率为p2，跳转至步骤s5；

8、s5、输出电梯困人停梯检测结果，并以短信的方式推送至电梯管理人员。

9、在本发明的一较佳实施方式中，步骤s1中，判断电梯是否发生了异常停梯的方法具体包括以下步骤：

10、s11、判断操作模式是否为待机/运行/减速/停止/校正，若是，则判定电梯没有发生异常停梯，否则继续执行步骤s12；

11、s12、判断操作模式是否为紧急停止，若是紧急停止，且紧急停止事件不会导致电梯停用，则操作模式变为校正，电梯进行自我校正，判定电梯没有发生异常停梯，若不是紧急停止，则继续执行步骤s13；

12、s13、判断操作模式是否为停用，若不是，则判定电梯没有发生异常停梯，否则，判定电梯发生异常停梯。

13、在本发明的一较佳实施方式中，步骤s2中，根据对应电梯停梯的故障代码库，抓取故障代码字段，故障代码字段包含于故障代码库。

14、在本发明的一较佳实施方式中，步骤s3中，若五方通话状态为通话中，或者电梯轿内呼灯处于灯亮状态，且电梯轿门处于关闭状态，则判断电梯轿内有人。

15、在本发明的一较佳实施方式中，若电梯轿内没有安装有红外监测装置和摄像头，则不给电梯轿内有人概率p2另外赋值。

16、第二方面，本发明提供了一种电梯困人停梯事件的预测方法，包括：

17、设定概率阈值bthresh；

18、云端将(st:t-δt,f)输入训练好的神经网络模型

19、p(b|st:t-δt,f)，

20、输出得到的概率若大于概率阈值bthresh，则认为未来即将发生困人事故，触发报警机制，通知电梯管理人员对电梯进行维护；

21、其中，神经网络模型p(b|st:t-δt,f)由一个多层神经网络表达，并以权利要求1～5任一项所述电梯困人停梯事件的检测方法中的输入数据和输出数据作为训练数据训练而成，st:t-δt代表从当前时间t到过去一段时间δt内的原始数据，原始数据指的是权利要求1～5任一项所述电梯困人停梯事件的检测方法中的电梯状态数据和电梯困人停梯检测结果数据，f＝g(st:t-δt)代表从这些原始数据st:t-δt中提取到的相关特征，g代表从原始数据中提取特征所用的非参数化函数，不需要模型拟合。

22、与现有技术相比，本发明的有益效果是：

23、云端可远程实时采集电梯运行状态数据(如操作模式，故障代码，内呼状态，轿内五方通话状态)，并根据电梯运行状态数据得到电梯困人停梯检测结果，并及时发送至电梯管理人员，由于电梯困人停梯检测结果是由检测算法判断分析确认，因此能避免大量垃圾数据误导管理，确保电梯管理人员第一时间判断是否发生电梯困人事件，若发生，则能及时营救；

24、云端以收集的状态和事故数据为基础，搭建困人事故的风险预测模型，预测将来一段时间内电梯是否有较高概率发生困人事故，防患于未然；

25、云端获取到收电梯运行状态信息，能够比视觉数据更可靠地判断困人事故，减少误报以及对安全人员判断的干扰；

26、相比于现有的困人事故预测技术，发明提出的预测算法，由检测算法自动生成训练数据，无需专业人员人工干预标注，在节省成本的同时，降低由人工误判导致的对风险预测模型的误导，并能够随着此技术方案的普及获取更多数据，进一步提高风险预测模型的准确性。

27、为使本发明的上述目的、特征和优点能更明显易懂，下文特举本发明实施例，并配合所附附图，作详细说明如下。