基于循环神经网络的电梯调度决策方法及系统

本发明属于电梯智能调度，本发明涉及一种基于循环神经网络的电梯调度决策方法及系统。

背景技术：

1、如何科学高效地调度电梯成为电梯技术发展中的一个重要问题。当前，虽然已有一些调度方法得到了尝试与应用，但这些方法仍存在智能化程度不高、不能根据环境变化自动调整调度策略等局限性。

2、随着人工智能、信息融合、计算机等技术的发展，电梯的调度方法有了更多的实现策略。电梯交通流的分析预测是电梯智能调度方法的基础，而预测乘客乘梯方向的选择则是分析电梯交通流的重要因素，进而也影响了电梯调度决策的质量。传统的电梯调度方法中，通常单纯将电梯交通流量数据作为时间序列进行分析，达到预测电梯在未来某一时刻客流量的目的，进而完成电梯的调度。但这些方法未考虑电梯的空间属性，即所在建筑物的类型、乘客所在楼层等，因此也决定了它们难以根据电梯工作空间的变化而调整电梯调度策略。但是乘客处在不同的建筑物类型以及不同楼层时可能选择的目标方向是不相同的，仅从时间角度分析预测电梯交通流并不足够达到准确预测电梯交通流的目的，进而所采取的调度策略也是不完善的。

3、申请号2019113051057公开了一种基于交通流和自适应神经模糊推理的电梯群控调度方法，对电梯的忙碌程度进行模式划分，运用自适应神经模糊理论根据电梯的忙碌程度以及规定时间段内进入客流量、离开客流量和电梯层间客流量识别电梯的交通流模式。根据不同的交通流模式确定电梯群控的局部指标以及不同的权重，继而运用模糊控制理论对每个局部指标进行模糊评估。该方法仅仅用于识别交通流模式，并没有对电梯交通流量进行分析和预测，电梯调度策略具有优化空间。

技术实现思路

1、本发明的目的在于提供一种基于循环神经网络的电梯调度决策方法及系统，通过从空间和时间两个维度对乘客的候梯选择进行判断，从而完成对电梯未来一段时间交通流量的预测，进而完成对电梯的优化调度。同时综合考虑效率和节能两方面因素，达到电梯运行效率和节能的平衡。

2、实现本发明目的的技术解决方案为：

3、一种基于循环神经网络的电梯调度决策方法，包括以下步骤：

4、s01：构建预训练的循环神经网络模型；

5、s02：获取当前各楼层的候梯人数，通过构建的预训练的循环神经网络模型预测乘客的目的楼层，从而获得未来各楼层乘梯人数的变化和分布；

6、s03：对电梯运行进行调度。

7、优选的技术方案中，所述步骤s01中构建预训练的循环神经网络模型的方法包括：

8、s11：根据乘梯时间、建筑物类型、所在楼层构造电梯交通流数据集；

9、s12：构建电梯交通流循环神经网络模型；

10、s13：对电梯交通流循环神经网络模型进行训练，得到预训练的循环神经网络模型。

11、优选的技术方案中，所述s12中构建的电梯交通流循环神经网络模型包括输入层、隐藏层和输出层，其中隐藏层为3层循环神经网络，在每个节点中附加了一个权重矩阵，为数据集中数据项的索引；在电梯交通流循环神经网络的隐藏层中，设当前节点的值为，输出为，为节点索引，为隐藏层到输出层之间的权重矩阵，为输入层与隐藏层之间的权重矩阵，隐藏层节点的值不仅取决于当前的输入数据项，也取决于前节点的值，节点的隐藏层值和输出值的计算方式如下所示：

12、

13、

14、其中，为激活函数，为线性计算函数。

15、优选的技术方案中，所述步骤s02中预测乘客的目的楼层的计算公式为：

16、

17、其中，表示当前所在楼层，表示总楼层数，和分别表示当前和下一时刻，是乘客索引，为第层楼当前的候梯人数，表示第层楼的第位乘客的目的楼层，函数为判别函数，为判别条件，当有乘客的目的楼层为即与相等时则为1，否则为0。

18、优选的技术方案中，所述步骤s03中对电梯运行进行调度的方法包括：

19、构造优化目标函数：

20、

21、为电梯数量，为总楼层数，电梯最底层为第1层，在第层楼中，等待电梯的乘客人数为，乘客的目的楼层为，其中为等待电梯乘客的索引，为目的楼层是的乘客的人数，电梯中当前乘客的数量为，电梯能够容纳的总人数为，电梯空载运行的楼层数为；

22、通过最小化，决定电梯的运行动作。

23、优选的技术方案中，所述步骤s03之后还包括：

24、将乘客实际乘梯情况与模型预测结果进行对比，当出现不一致时，利用实时获取的电梯交通流数据对循环神经网络模型进行在线训练，并对模型进行更新。

25、本发明又公开了一种基于循环神经网络的电梯调度决策系统，包括：

26、预测模型构建模块，构建预训练的循环神经网络模型；

27、预测模块，获取当前各楼层的候梯人数，通过构建的预训练的循环神经网络模型预测乘客的目的楼层，从而获得未来各楼层乘梯人数的变化和分布；

28、电梯调度模块，对电梯运行进行调度。

29、优选的技术方案中，所述预测模型构建模块中构建预训练的循环神经网络模型的方法包括：

30、s11：根据乘梯时间、建筑物类型、所在楼层构造电梯交通流数据集；

31、s12：构建电梯交通流循环神经网络模型；

32、s13：对电梯交通流循环神经网络模型进行训练，得到预训练的循环神经网络模型。

33、优选的技术方案中，所述s12中构建的电梯交通流循环神经网络模型包括输入层、隐藏层和输出层，其中隐藏层为3层循环神经网络，在每个节点中附加了一个权重矩阵，为数据集中数据项的索引；在电梯交通流循环神经网络的隐藏层中，设当前节点的值为，输出为，为节点索引，为隐藏层到输出层之间的权重矩阵，为输入层与隐藏层之间的权重矩阵，隐藏层节点的值不仅取决于当前的输入数据项，也取决于前节点的值，节点的隐藏层值和输出值的计算方式如下所示：

34、

35、

36、其中，为激活函数，为线性计算函数。

37、本发明又公开了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述的基于循环神经网络的电梯调度决策方法。

38、本发明与现有技术相比，其显著优点为：

39、本发明从时间和空间两个维度，采用循环神经网络对电梯交通流数据进行分析训练，得到乘客对目的楼层选择的预测模型，从而达到预测在未来某个时间点、某个空间中的候梯人数分布，形成对电梯交通流的分析预测模型，对电梯乘客的候梯选择进行判断，达到对电梯未来交通流量和分布的预测，进而生成电梯调度策略，并通过在模型优化过程中引入电梯空载运行时间因子，达到最优化电梯运行效率和节能环保效能的目的，在达到电梯最优化调度目的的同时，节省能耗，从而降低运行成本，实现低碳绿色运行。本发明对于高层、超高层建筑内置的多个直梯间的联合调控与层间调度均具有很好的参考价值与借鉴意义，能够为密集人群住宅区域、公共场所得电梯提供稳定的调度决策技术支持。