1、第 卷 第期佳 木 斯 大 学 学 报（自 然 科 学 版）年 月 （）文章编号：（）基于改进 算法的电梯群控调控系统在智能化建筑中的应用卞其翀（福州外语外贸学院 经管学院，福建 福州 ）摘要：针对智能建筑中电梯调度的能源浪费问题和服务体验差的问题，研究改进 群体智能算法应用于电梯群控系统中。通过构建电梯群控的能耗函数和时间函数最为优化调度的指标，研究划分了电梯的交通模型，并采集数据构建了仿真数据集。通过仿真实验证明，改进 电梯调度方法下，乘客的平均等待时间和评价乘坐时间分别比 算法少 和；下行模式的能耗和层间模式能耗分别比 算法减少了 和 。实验表明，改进的 电梯群控算法可以有效减少乘客的电
2、梯交通时耗与能耗，该方法下，建筑运行更符合绿色低碳经济发展的要求。关键词：改进人工蜂群算法；电梯调度；交通模式；目标函数中图分类号：文献标识码：为了满足市民经济生活的各方需求，在城市设施中，高层建筑楼层占据比例越来越大，同时市民群体对于智能建筑的服务质量和运行能耗的要求越发凸显。针对高层建筑电梯运输能力差的问题，国内学者姚志勇提出了树干树枝电梯交通配置方案。而在电梯交通模式识别中，学者董佳琦，许洪华提出了遗传算法优化支持向量机的智能识别方法。研究基于国内前沿成果，利用改进的人工蜂群算法进行电梯群控调度。在电梯的高峰空闲以及上下行线性不可分问题中采用支持向量机进行分类，根据电梯的运作模式构建算法
3、的目标函数。研究的目的在于为高层建筑的电梯调度提高一种高效稳定的群控方法，提高智能建筑的服务质量的同时，降低公共建筑服务运行的能源消耗。智能化建筑中的改进 算法电梯调度研究电梯群控的目标函数构建相较于传统的建筑控制框架，新型的智能化建筑旨在提高建筑服务质量的同时，减少建筑运作中的能源消耗。就建筑的电梯群控调度系统来说，智能化的标准转化为了减少乘客等候电梯的时间以及电梯空载产生的能源浪费。基于此，研究提出的人工蜂群智能算法（，）应用于智能建筑的电梯调度时，其算法模型的性能优化指标包括了平均时间函数以及电梯的能源函数。设置建筑内的电梯数量为，乘客编号为，则建筑内乘客的平均等候电梯时间表示为式（）。
4、（）（）式（）中，表示平均等候电梯时间函数，（）表示乘客的等候时间。建筑内的电梯乘客等候电梯的情况通常分为电梯直接到达乘客楼层、电梯先到达最高层或最底层再到达乘客呼叫楼层。因此，两种情况下乘客的电梯等候时间计算公式表示如（）所示。（）（）（）（）（）（）式（）中，电梯直接到达乘客楼层情况下，电梯收稿日期：基金项目：福建省科技厅自然科学基金项目（）；福建省一流本科专业建设土木工程（）；福建省一流本科课程结构力学（）；武夷学院专业建设项目（）。作者简介：卞其翀（），男，福建福州人，实验师，硕士，研究方向：信息计算与智能系统。佳 木 斯 大 学 学 报（自 然 科 学 版）年的移动楼层数量为起始楼层
5、减去呼叫楼层；而电梯先到达最高层或最底层再到达乘客呼叫楼层的情况下，电梯的移动距离为两倍最高层数减去和。式（）中，（）表示乘客的呼叫信号，表示电梯通过一层所用时间，表示电梯每次的停靠时间，表示乘客进出电梯所用时间，表示电梯停靠楼层数量，为发出电梯呼叫信号的乘客数量。平均等候电梯的时间以及平均乘坐电梯的时间共同组成了的模型优化指标的时间函数。故，建筑内乘客的平均乘坐电梯时间表示为式（）。（）（）式（）中，表示平均乘坐电梯时间函数，（）表示乘客的乘坐时间。基于电梯的等候时间情况分析，同理可将乘客的电梯乘坐时间表述如式（）。（）（）（）（）（）（）式（）中，为目的楼层，为呼叫楼层。在电梯的能耗计算中
6、，电梯的启动能耗、运行能耗以及停止能耗的总和表示为建筑的电梯群控系统总体能耗。其中，电梯的启动能耗表示为（）（）（，），表示乘客呼叫信号的次数，（，）则表示乘客的在次信号呼叫下，电梯响应乘客信号所耗能源，其计算公式表示为以下式（）。（，）（）（）（）式（）中，分别表示电梯本体质量、载人质量以及停启抵消质量。表示电梯运行加速度，则表示重力加速度，表示电梯启动时间。此外，电梯的运行能耗表示为式（）。（）（）（，）（，）（，）（）式（）中，（）表示电梯运行能耗，表示电梯运行的质量差，表示为（），表示电梯移动距离。因此，计算得出电梯能耗函数以及时间函数之后，将 算法电梯群控方法的目标函数表述如下式（）
7、。（）（）（）式（）中，表示电梯停止能耗，电梯的启动次数决定了电梯的停止次数，因此电梯的停止能耗计算公式同样表示为（）（）（，）。基于改进 算法的电梯群控方法目标函数的构建可以检测蜂群智能算法的优化性能，然而智能建筑内部的电梯交通调度系统的能耗和时间需要通过层次分析法进行阶段分析，通过方法中的目标函数构建，分析了电梯的上行情况和下行情况。同时，研究将通过支持向量分类机（，）对建筑内的交通模式进行分类识别，对于电梯群控的上行和下行方向问题以及呼叫信号高峰、空闲时间段的线性不可分问题，采用支持向量机模型将低维空间上的样本数据映射到高纬度空间中进行分类。传统的人工蜂群智能优化算法模拟蜜蜂群体生物智能
8、的采蜜行为，算法的原理是将蜜蜂的采蜜随机搜索转化为电梯的群控问题最优解，算法包括了蜜源、侦查蜂、雇佣蜂以及跟随蜂要素。假设电梯的群控调度问题的解空间为 维，则算法的应用则表示为在解空间内寻找目标函数的最优解。则将雇佣蜂的新蜜源搜索表示为 （），其中，表示蜜源的维度值为。表示与蜜源相邻的蜜源的维度数为，为，区间内的随机数。雇佣蜂搜索到蜜源之后，跟随蜂通过信息素进行蜜源选择，选择行为通过轮盘赌方式进行。当蜜源的开采次数超过最大后蜜源仍未更新，则放弃该蜜源重新探索新蜜源，其表述公式如式（）所示。，（）（）式（）中，与 分别表示维度参数的最大值和最小值。研究将 算法应用到智能化建筑的电梯群控调度中，调
9、度方案即可视为蜜源。假设建筑层数为，电梯数量为，根据蜜源搜索式，将电梯的调度响应表示为如下式（）。，（）（）式（）中，表示第台电梯响应第个乘客呼叫信号为调度方案，表示群控调度的电梯数量最小值，则表示群控调度的电梯数量的最大值。为了优化 电梯群控方法的方案计算时间，研究引入智能节点（，）的空间拓扑网络信息交互解决目标函数的引入问题。假设每个 节点控制对应的电梯，算法迭代结束之后，通过目标函数计算 节点的适应度值，则建筑内的每个 种群的适应度值的平均计算公式如式（）所示。（）第期卞其翀：基于改进 算法的电梯群控调控系统在智能化建筑中的应用式（）中，表示种群数量，表示 节点编号，则为 节点的适应度值
10、。计算建筑内每个 节点的平均适应度值，完成迭代之后，拥有最大的适应度值的 节点对应的电梯则为最优调度方案。改进 算法的优化流程如图所示。图改进 算法的优化流程从图可以得出，针对电梯的上下行和高峰空闲期等线性不可分类问题，研究采用 模型得出智能建筑内的电梯交通模式，根据交通数据集得出交通模式和 算法初始参数，形成初始蜜源。雇佣蜂搜索蜜源之后，跟随蜂通过轮盘赌的方式选择蜜源，利用蜜源的开采次数限制优化更新蜜源选择。在带入目标函数时引入智能建筑的 空间拓扑结构，计算出节点的最大平均适应度，最后完成迭代计算，输出最优电梯群控方案。算法的智能建筑电梯群控调度方案仿真研究为了验证研究中的 改进算法在智能建
11、筑电梯交通调度中的应用性能，实验收集了某公共建筑的电梯交通数据，形成每天 份交通数据样本，观察收集时间为，数据样本共计 份，其中 份划分为训练样本，其余 份为测试样本。该建筑交通数据集的参数如表所示。表实验建筑数据集的参数参数楼层（层）电梯数量（台）电梯最大载重（）楼层高度（）电梯加速度（）电梯停留时间（）编号 值 实验通过 方法对交通数据先行划分，交通数据包括了上行高峰电梯交通、下行高峰交通模式以及层间交通模式，并通过层次分析法，确定三种交通模式下的目标函数权重取值。实验的仿真训练通过 平台进行，最大迭代次数为 次，蜂群族群数量设置为 个。对比研究提出的改进 算法以及传统的粒子群算法（，）的
12、迭代过程中的适应度，具体如图所示。从图可以看出，仿真实验中，改进的 算法的上行高峰交通模式和下行高峰交通模式中，迭代次数在次之后适应度已经趋于平稳，同时，上行高峰交通模式的适应度稳定在，下行高峰交通模式的适应度稳定在，而层间交通模式的训练过程中，训练次数超过 次之后，电梯群控算法的适应度平稳，其值为。在 算法的迭代过程中，上行高峰交通模式迭代次数在次之后适应度已经趋于平稳，适应度值保持为，与改进 算法相同。然而其下行高峰交通模式迭代次数在次之后适应度趋于平稳，最终适应度值为。而层间交通模式的训练过程中，训练次数超过次之后，电梯群控算法的适应度平稳，其值为。从 分类特征出发，层间交通阶段的乘客上
13、下行规律不明显，同时时间段不稳定，因此迭代过程较慢，适应度高于上下行高峰交通模式。同时，通过图形数据可以看出，研究提出的改进 算法模型收在上下行高峰等交通特征明显的模式下，敛速度比 算法更快，而在交通特征规律随机的层间交通模式下，算法的收敛更快。但是从算法的适应度出发，改进 算法的三种交通模式迭代适应度均低于 算法，表明 算法在智能建筑电梯交通调度上更具可靠性。图改进 算分以及 算法迭代过程中的适应度训练仿真实验完成之后，在训练数值集中随机选择 份样本，对比改进 算法和 算法在电梯群控调度下乘客的等待时间和乘坐时间，具体结果如图所示。从图中可以看出，在两种算法的电梯调度下，乘客的等待时间明显
14、算法低于 算法。份测试数据样本中，算法的佳 木 斯 大 学 学 报（自 然 科 学 版）年乘客等待时间最低为 ，最高为 ；而 算法的等待时间最低为 ，最大为 。从二十组数据样本的评价等待时间上作比，电梯群控的等待时间为 ，群控的等待时间为 ，电梯群控比 算法快。两种算法的调度下，电梯的乘坐时间差距不大。算法的最大乘坐时间为 ，最小为 ，平均时间为 ；算法的最大乘坐时间为 ，最小为 ，平均时间为 。乘坐时间上，电梯群控比 算法快。最后，对比两种算法调度下，电梯调度的能耗如图所示。图两种算法调度下电梯交通的时耗对比图两种算法调度下电梯交通的能耗对比由图可以看出，两种算法下电梯调度的能耗差距较小，算
15、法的下行高峰交通模式下，最高能耗为 ，最低能耗为 ，测试样本的平均能耗为 。而 算法的层间模式中，最高能耗为 ，最低能耗为 ，测试样本的平均能耗为 。对比 算法调度的电梯的下行高峰交通模式最高能耗为 ，最 低 能 耗 为 ，平 均 能 耗 为 ；层间交通的最低能耗为 ，最高能耗为 ；平均能耗 。从以上实验数据可以看出，与粒子群算法作比，算法电梯群控调度下，下行高峰交通模式能耗可以减少 ，层间交通模式能耗可以减少 。实验表明，智能建筑电梯交通调度中，改进 算法在节省乘客等待电梯的时间上作用明显，在减少电梯层间交通模式的能耗方面具备有效性。结语电梯响应乘客呼叫信号的速度和电梯交通的舒适度决定了建筑
16、内的交通服务质量，研究将改进的人工蜂群算法应用于电梯调度中，并构建建筑交通仿真数据集，进行了算法的仿真训练和样本测试。仿真实验迭代过程中，改进 算法模型在上下行高峰等交通特征明显的模式下，收敛速度比 算法更快；同时，改进 算法的三种交通模式迭代适应度均低于 算法，表明 算法在智能建筑电梯交通调度上更具可靠性。在样本测试中，电 梯 群 控的平均电 梯等候时间比 算法快，而平均乘坐时间减少了。此外，在电梯的能源消耗中，算法电梯群控调度下，下行高峰交通模式能耗可以减少 ，层间交通模式能耗可以减少 。数据表明，算法电梯群控调度下，电梯交通的时间和能源消耗均有减少，证明了改进 算法在电梯群控方法中的有效性。实验的不足之处在于建筑交通数据来源单一，代表性不足。参考文献：姚志勇 基于“树干树枝”理论的高层建筑电梯交通配置方案中国电梯，（）：董佳琦，许洪华基于遗传算法优化支持向量机的电梯交通模式识别工业控制计算机，（）：吴锐，郭顺生，李益兵，等改进人工蜂群算法求解分布式柔性作业车间调度问题控制与决策，（）：，基于改进人工蜂群算法的配电网多点故障应急抢修优化调度电力系统保护与控制，（）：吕阳，钱斌，胡蓉
