摘要：采用粒子群優(yōu)化算法進(jìn)行了雙子電梯群全局控制算法設(shè)計(jì)，由樓層視頻圖像的人數(shù)統(tǒng)計(jì)模塊自動(dòng)計(jì)算候梯人數(shù)，由系統(tǒng)生成包含乘客候梯、乘梯信息的數(shù)據(jù)流并結(jié)合不同交通模式自主選擇自適應(yīng)變異粒子群算法或混合粒子群算法；完成了候梯數(shù)據(jù)、算法選擇及操作、系統(tǒng)總流程設(shè)計(jì)；通過(guò)仿真將數(shù)據(jù)與梯群多目標(biāo)優(yōu)化控制指標(biāo)進(jìn)行比對(duì)，結(jié)果表明兩種改進(jìn)型粒子群算法對(duì)控制目標(biāo)具有更好的效果，驗(yàn)證了算法的有效性和可應(yīng)用性。

關(guān)鍵詞：雙子電梯；粒子群算法；控制系統(tǒng)；電梯群

1.引言

隨著經(jīng)濟(jì)的騰飛和城市現(xiàn)代化都市水平的提高，作為經(jīng)濟(jì)實(shí)力和科技發(fā)達(dá)程度象征的城市高層/超高層地標(biāo)建筑涌現(xiàn)于視野當(dāng)中，由此對(duì)建筑物中垂直交通工具的服務(wù)質(zhì)量提出了更高的要求。據(jù)統(tǒng)計(jì)[1-2]，高層/超高層建筑中電梯耗電量約占建筑總能耗的6%-15%，其能耗問(wèn)題不容忽視；電梯井道面積占其核心總面積的31%以上，極大減少實(shí)際可用面積，降低了建筑使用價(jià)值。如迪拜塔客流繁重，內(nèi)部裝有56部超高速電梯，電梯井道造價(jià)高達(dá)數(shù)千萬(wàn)元/m2。

為打破電梯制約城市向空中發(fā)展這一瓶頸，被電梯行業(yè)視為“終極夢(mèng)想”的雙子電梯(TwinElevator)應(yīng)運(yùn)而生。ThyssenKrupp集團(tuán)于2002年制造出世界首部雙子電梯系統(tǒng)，目前已成功應(yīng)用于德國(guó)斯圖加特大學(xué)、俄羅斯聯(lián)邦大樓、西班牙巴倫西亞海洋中心、首爾Trumpf技術(shù)中心、法蘭克福MainTriangel大樓、大連星海假日酒店等項(xiàng)目。因其自身結(jié)構(gòu)特點(diǎn)，比傳統(tǒng)電梯運(yùn)力更高，運(yùn)行規(guī)則也更為復(fù)雜。如何實(shí)現(xiàn)雙子電梯系統(tǒng)的高效調(diào)度，實(shí)現(xiàn)雙子電梯群優(yōu)化控制，提高高速、超高速電梯乘運(yùn)質(zhì)量和運(yùn)行效率，降低能耗，已成為國(guó)內(nèi)外電梯行業(yè)的研究重點(diǎn)和熱點(diǎn)。國(guó)內(nèi)對(duì)雙子電梯研究極少（目前能搜索到的國(guó)內(nèi)各類文獻(xiàn)共18篇），本文將粒子群智能控制算法應(yīng)用于雙子電梯群控系統(tǒng)研究，以減小與國(guó)外技術(shù)差距，為我國(guó)雙子電梯系統(tǒng)工程化調(diào)度提供理論基礎(chǔ)，推動(dòng)我國(guó)電梯群控技術(shù)發(fā)展。

2.粒子群優(yōu)化算法

美國(guó)Kennedy與Eberhart[3]受鳥(niǎo)類捕食行為的啟發(fā)，依照離食物距離最短的單鳥(niǎo)飛行軌跡和鳥(niǎo)群協(xié)作，首次提出粒子群優(yōu)化算法（ParticleSwarmOptimization，PSO）。粒子群算法的是將鳥(niǎo)抽象成為搜索空間中只有位置和速度的“粒子”，在可解空間內(nèi)初始化代表每一個(gè)可能解的一群粒子，用位置點(diǎn)（可理解為粒子本身）、決定飛行方向和距離的速度和適應(yīng)度設(shè)計(jì)函數(shù)值來(lái)表達(dá)其特征。粒子每一次迭代都要跟蹤當(dāng)前一代之內(nèi)飛過(guò)的最優(yōu)位置的個(gè)體極值和種群在當(dāng)前這一代內(nèi)經(jīng)歷過(guò)的最優(yōu)位置的全局極值來(lái)更新自身的位置和速度，從而逐漸逼近最優(yōu)位置，找到優(yōu)化問(wèn)題的最優(yōu)解。PSO算法通過(guò)位置與速度模型，與傳統(tǒng)群體進(jìn)化算法相比避免了復(fù)雜的遺傳操作，可動(dòng)態(tài)地跟蹤當(dāng)前的搜索情況并及時(shí)調(diào)整搜索策略；算法需調(diào)整的參數(shù)較少，結(jié)構(gòu)簡(jiǎn)單，從而能夠更快地搜索到全局最優(yōu)解。

粒子群優(yōu)化算法具有結(jié)構(gòu)簡(jiǎn)單、收斂速度較快、參數(shù)設(shè)置少、算法適應(yīng)性強(qiáng)等優(yōu)點(diǎn)。目前，粒子群算法已被廣泛應(yīng)用于信號(hào)處理、多目標(biāo)優(yōu)化、視頻圖像處理和智能機(jī)器人等領(lǐng)域，但目前國(guó)內(nèi)外專家學(xué)者很少利用粒子群算法實(shí)現(xiàn)電梯群控系統(tǒng)的優(yōu)化調(diào)度。

3.基于粒子群的雙子電梯全局控制算法設(shè)計(jì)

基于粒子群算法的雙子電梯群控系統(tǒng)主要分為候梯客流數(shù)據(jù)生成模塊、控制算法模塊、運(yùn)行控制模塊以及運(yùn)行結(jié)果統(tǒng)計(jì)模塊，通過(guò)這些子模塊相互協(xié)調(diào)和實(shí)時(shí)通信最終完成雙子電梯群控系統(tǒng)的可靠運(yùn)行和高效控制。

3.1粒子群控制算法操作流程

在粒子群算法電梯群控系統(tǒng)優(yōu)化中，每個(gè)粒子代表一種派梯方案，每個(gè)粒子編碼分為上行和下行兩部分，粒子的維數(shù)取決于當(dāng)前正在處理的呼梯信號(hào)數(shù)，也可自行設(shè)定為固定值。算法首先依據(jù)客流實(shí)時(shí)數(shù)據(jù)所產(chǎn)生的呼梯信息為每個(gè)呼梯任務(wù)隨機(jī)地分配一部電梯，即隨機(jī)產(chǎn)生一定規(guī)模的初始種群。在分析群控系統(tǒng)性能評(píng)價(jià)指標(biāo)的基礎(chǔ)上，用加權(quán)系數(shù)法或者專家打分法對(duì)各電梯性能指標(biāo)的評(píng)價(jià)函數(shù)進(jìn)行線性組合，得到粒子群算法的適應(yīng)度函數(shù)，經(jīng)計(jì)算得到種群中各個(gè)粒子即各派梯方案的適應(yīng)度值（其值的大小代表粒子的優(yōu)劣），適應(yīng)度值越大，粒子所對(duì)應(yīng)的派梯方案越好。在選出個(gè)體極值與全局極值之后并更新粒子，生成下一代粒子群，經(jīng)判斷算法計(jì)算直至滿足迭代終止條件，最終輸出最優(yōu)派梯方案；否則，對(duì)慣性權(quán)重進(jìn)行重新設(shè)置，更新初始粒子群，循環(huán)直至粒子群平均適應(yīng)度值達(dá)到設(shè)定目標(biāo)值或者進(jìn)化代數(shù)達(dá)到最大值；最終實(shí)現(xiàn)對(duì)雙子電梯群的全局優(yōu)化控制。

3.2候梯客流數(shù)據(jù)生成

采用基于視頻圖像的候梯人數(shù)統(tǒng)計(jì)模塊確定各樓層候梯人數(shù)，并認(rèn)為乘客到達(dá)門廳候梯的規(guī)律服從泊松分布，通過(guò)乘客達(dá)到率、單位時(shí)間內(nèi)呼梯概率等參數(shù)設(shè)置代入客流生成函數(shù)，經(jīng)由起始密度向量和蒙特卡羅抽樣生成包含乘客到達(dá)時(shí)間、呼梯信號(hào)樓層以及目標(biāo)樓層的實(shí)時(shí)候梯客流數(shù)據(jù)（候梯客流數(shù)據(jù)生成流程如圖1所示）。

圖1候梯客流數(shù)據(jù)生成

3.3兩種改進(jìn)型粒子群算法

傳統(tǒng)粒子群算法隨系統(tǒng)迭代次數(shù)的不斷依次增加，在粒子種群趨于收斂集中的同時(shí)，各粒子的位置向量也越來(lái)越相近，由此可能會(huì)陷于局部最優(yōu)解附近無(wú)法跳出。因此，為保持多樣性，并得到優(yōu)化的適用于雙子電梯運(yùn)行規(guī)則的最佳派梯方案，提高雙子電梯群控系統(tǒng)的控制效果，可使用兩種改進(jìn)型粒子群優(yōu)化算法：自適應(yīng)變異粒子群算法與混合粒子群算法。當(dāng)為上下行交通模式或者為乘梯客流密度超過(guò)較大設(shè)定值得的層間模式時(shí)，采用混合粒子群算法；當(dāng)為層間模式客流較小時(shí)不超過(guò)專家設(shè)定值時(shí)，采用自適應(yīng)變異粒子群算法。

其中[4-5]，自適應(yīng)變異特性粒子群算法在每次子粒子更新后，會(huì)以一定概率重新初始化粒子群中的某些粒子，這樣可以增大粒子的可解搜索空間?；旌狭Ｗ尤核惴ㄊ菍⑦z傳智能算法與粒子群智能算法相結(jié)合，引入遺傳算法的交叉算子和變異算子概念。其中，交叉操作首先將粒子一對(duì)一兩兩配對(duì)，之后隨機(jī)產(chǎn)生兩個(gè)交叉位，把處于兩個(gè)配好對(duì)的粒子的交叉位置上的元素進(jìn)行互換以得到兩個(gè)新粒子。為保留優(yōu)秀子個(gè)體粒子，僅當(dāng)交叉產(chǎn)生的新（子）粒子的適應(yīng)度值大于原來(lái)的源（父）粒子，才進(jìn)行粒子更新，否則仍保留源（父）粒子。變異操作則采用兩位交互變異方法，首先在任意一個(gè)粒子上隨機(jī)地選擇兩個(gè)變異位置，隨后將這兩個(gè)變異位置的對(duì)應(yīng)元素對(duì)換即完成變異操作。與交叉操作相同，只保留變異后適應(yīng)度值大的新（子）粒子進(jìn)行更新（如圖2所示）。為提高智能算法的系統(tǒng)全局搜索能力，變異概率取值不宜過(guò)小。

圖2兩種改進(jìn)粒子算法判定流程圖

3.4雙子電梯群控系統(tǒng)全局設(shè)計(jì)

運(yùn)行控制模塊負(fù)責(zé)模擬電梯的運(yùn)行，其中包括曳引機(jī)和門機(jī)的加減速、開(kāi)關(guān)門、勻速運(yùn)行、?？康裙δ埽⒖蓪?shí)時(shí)監(jiān)控轎廂的位置以及運(yùn)行狀態(tài)。運(yùn)行結(jié)果統(tǒng)計(jì)模塊負(fù)責(zé)在轎廂每次?？块T廳的過(guò)程中記錄乘客的進(jìn)梯和離梯時(shí)刻、進(jìn)出乘客數(shù)等，并可以計(jì)算得到乘客的候梯時(shí)間和乘梯時(shí)間，并且電梯每?？恳淮蝿t計(jì)算一次停靠次數(shù)，為系統(tǒng)化評(píng)價(jià)雙子電梯群控系統(tǒng)性能提供數(shù)據(jù)依據(jù)。雙子電梯群控系統(tǒng)全局總流程圖如圖3所示。

圖3雙子電梯群控系統(tǒng)全局設(shè)計(jì)流程圖

4.基于視頻圖像的候梯人數(shù)自動(dòng)統(tǒng)計(jì)裝置設(shè)計(jì)

群控系統(tǒng)根據(jù)候梯客流數(shù)據(jù)提供服務(wù)，但目前無(wú)法自動(dòng)生成候梯人群數(shù)據(jù)，依靠人工統(tǒng)計(jì)方式工作量大，可行性低。本文提出一種基于視頻圖像分析的候梯人數(shù)自動(dòng)檢測(cè)裝置，根據(jù)采集的視頻圖像進(jìn)行解析完成對(duì)目標(biāo)人體的提取與識(shí)別，完成人員計(jì)數(shù)。該裝置彌補(bǔ)了紅外線等傳感器人員計(jì)數(shù)的缺陷，提高了數(shù)據(jù)準(zhǔn)確率，進(jìn)一步優(yōu)化了主動(dòng)、節(jié)能、高效的控制策略，研究的實(shí)際意義和社會(huì)意義明顯。

該裝置主要由視頻圖像采集、圖像處理和數(shù)據(jù)結(jié)果輸出三大模塊組成[6]。視頻圖像處理模塊為該檢測(cè)統(tǒng)計(jì)裝置的核心模塊，其性能決定了裝置整體處理速度和精度等主要工作性能指標(biāo)。候梯門廳的背景、裝飾、燈光、顏色復(fù)雜多樣等因建筑風(fēng)格不同而迥異，事物動(dòng)靜交錯(cuò)，因此要運(yùn)用合適處理算法去除背景、及時(shí)完成背景更新、前景邊緣分割完成目標(biāo)提取等問(wèn)題。將候梯區(qū)分區(qū)，采用覆蓋范圍較大的配置CCD鏡頭的半球型廣角云臺(tái)一體化攝像機(jī)，當(dāng)人員候梯密度大于設(shè)定闕值時(shí)自動(dòng)調(diào)整攝像機(jī)鏡頭對(duì)敏感區(qū)保持一定的冗余重合度，以提高視頻圖像采集率，減小誤差。選擇具有抗死機(jī)性能，支持DC12V/AC24V輸出自動(dòng)匹配控制協(xié)議等功能的智能解碼器；通過(guò)其輸出端傳輸?shù)綄?shí)現(xiàn)多種特殊交互與逐幀檢索功能的視頻服務(wù)器中進(jìn)行編碼壓縮并發(fā)送；由上位機(jī)通過(guò)天線接收采集的視頻數(shù)據(jù)并通過(guò)軟件來(lái)支持?；趧?dòng)態(tài)序列視頻圖像幀間信息的圖像處理過(guò)程均以運(yùn)動(dòng)檢測(cè)作為基礎(chǔ)，這也是系統(tǒng)核心圖像處理模塊首要步驟。選擇基于背景減法的運(yùn)動(dòng)檢測(cè)處理，將圖像前景信息與背景信息完全分離，選擇閾值背景前景分割法解決陰影問(wèn)題和處理過(guò)程中的擾動(dòng)誤差，以達(dá)到完全去除背景信息，將當(dāng)前幀中的運(yùn)動(dòng)目標(biāo)信息完整提取的目的。在組合復(fù)雜算法的處理下提取背景和人肢體模型并判斷人數(shù)，自動(dòng)計(jì)數(shù)并存貯，主動(dòng)響發(fā)送候梯人數(shù)數(shù)據(jù)；傳輸控制信息選用HTTP/TCP協(xié)議、傳輸實(shí)時(shí)數(shù)據(jù)選用RTP/UDP協(xié)議。檢測(cè)裝置工作流程如圖4所示。

圖4.候梯人數(shù)檢測(cè)裝置工作流程圖

5.結(jié)語(yǔ)

在Matlab環(huán)境下將傳統(tǒng)粒子群算法、自適應(yīng)變異粒子群算法、混合粒子群算法與沿用傳統(tǒng)的最小候梯時(shí)間算法分別設(shè)置不同客流數(shù)據(jù)在上行模式、下行模式以及層間模式三種典型交通模式下進(jìn)行雙子電梯群控系統(tǒng)仿真，根據(jù)仿真得到的乘客平均候梯時(shí)間、長(zhǎng)候梯時(shí)間發(fā)生率以及停車次數(shù)，結(jié)果表明，兩種改進(jìn)型粒子群算法對(duì)控制目標(biāo)具有更好的控制效果，驗(yàn)證了算法的有效性和可應(yīng)用性，并使得雙子電梯群控系統(tǒng)可根據(jù)不同的交通模式運(yùn)用不同的控制算法，從而改善了電梯的服務(wù)質(zhì)量與運(yùn)行效率。由于世界范圍內(nèi)對(duì)雙子電梯的研究尚處于起步階段，本文的研究主要還處于理論層面，在工程實(shí)踐中應(yīng)用有待驗(yàn)證。

參考文獻(xiàn)

[1]張進(jìn)．基于粒子群算法的雙子電梯群控制系統(tǒng)研究[D].哈爾濱工業(yè)大學(xué)，2014.

[2]王蘇華．新型電梯曳引機(jī)驅(qū)動(dòng)與控制系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].南京理工大學(xué)，2013.

[3]李慶超．基于遺傳算法的雙子電梯群復(fù)合控制系統(tǒng)研究[D].哈爾濱工業(yè)大學(xué)，2013.

[4]黃招彬．永磁同步電梯曳引系統(tǒng)的性能優(yōu)化方法研究[D].華南理工大學(xué)，2014.

[5]劉蓉．自適應(yīng)粒子群算法研究及其在多目標(biāo)優(yōu)化中應(yīng)用[D].華南理工大學(xué)，2011.

[6]林沁．視頻中的大規(guī)模人群密度與異常行為分析[D].廈門大學(xué)，2014.

作者簡(jiǎn)介：張金楊（1976-），女，碩士，高級(jí)工程師。