基于Fast R-CNN的动态分区多轿厢电梯调度研究

为了在有限的空间内有效提高垂直交通系统的运载效率,在原有的一条井道内安装多个电梯轿厢,即"一井多梯"或称多轿厢电梯应运而生,它是提高运行效率、解决垂直交通拥挤的最佳选择,也是全世界垂直交通运输领域研究的前沿问题。针对多轿厢电梯的调度问题,笔者提出了一种基于Fast R-CNN的动态分区多轿厢电梯调度方法,首先通过FastR-CNN模型检测厅前和轿厢内人数;然后运用检测结果进行合理派梯;最后根据派梯任务划分轿厢的运行区域,实现合理调度。通过实验仿真表明,该方法适用于电梯的各种交通模式,具有较高的运行效率和灵活性。

基于电梯交通流概率仿真模型的空闲交通模式电梯调度方法

首先建立电梯交通流概率仿真模型 ,然后利用该模型进行空闲交通模式下的电梯调度。该电梯调度方法有效地避免了电梯“空驶现象”,并大大降低了方法的复杂性。在仿真实验中 ,通过与其它空闲交通模式电梯调度方法的比较 。

双头磁盘系统电梯调度策略

首先对单头磁盘系统的电梯策略进行简要分析，然后根据双头磁盘系统的特点给出相应的电梯调度算法。在介绍模拟方法后，对先来先服务策略和电梯策略分别进行模拟，根据实验对两者作比较与分析，最后分析了电梯策略性能如何受两磁头之间距离ｄ的影响。

一种基于信息融合的新颖电梯调度算法

针对传统电梯调度过程中调度策略较为复杂,难以准确适应乘梯客流变化的缺点,提出了一种基于信息融合的电梯调度算法。该算法通过对乘梯客流变化形势的分析,对电梯的运动方向实行整体决策和分步调度。算法有效地兼顾了客流乘梯需求和电梯资源供给的相关条件,对传统电梯调度策略进行了改进。实例分析表明,该算法的相关性能指标要优于传统的调度算法,对电梯服务质量进行了有效的改进。

强化学习A3C算法在电梯调度中的建模及应用

为让电梯调度算法在电梯电力能耗、用户乘梯体验和算法适应性方面具备更好表现,在目前主流的电梯调度算法基础之上,提出对调度环境、电梯行为和调度目标3个方面进行统一建模的基于强化学习A3C的电梯智能调度算法。让调度电梯在不断地和环境交互学习过程中逐渐学习得到最优电梯调度策略,与基于具体环境建模的相关电梯调度算法进行对比实验,基于A3C的调度算法具有建模简单规范、适应性强和控制目标多样的优势,对比A3C算法与部分强化学习算法在电梯调度中的优劣,实验结果表明,A3C算法具备较好的调度性能。

基于统计分析的节能优先电梯调度算法

针对电梯满载率低、运行能耗大等问题,提出基于统计分析的节能优先电梯调度算法,利用统计结果分时段控制各电梯控制域、额外等待时间,实现局外电梯调度,并通过实验计算对比调度算法引入前后电梯运行能耗。实验表明,仅2台电梯1 h内节省能源26 474.4 J,优化比率达1.25%。

基于移动互联网的电梯调度系统设计

本课题设计了一种智能楼宇电梯调度平台系统,通过通信网关与智能楼宇电梯群控调度总控系统建立通信连接,智能楼宇电梯群控调度总控系统分析出最佳停靠和运行时间,合理规划乘梯时刻。实践证明,通过分控系统对电梯进行优化调度,减少了能源消耗,提高了电梯运行效率,提升了人民群众乘梯的安全性和体验感。

基于非线性规划的电梯调度方案

针对电梯调度系统建立非线性规划模型,用模拟退火算法求解,获得最优解。基于Matlab用蒙特卡洛模拟法实现对现实电梯调度系统的建模仿真。最后选用时间指标、能量指标建立综合评价模型分别评价两种方案,进一步论证了基于非线性规划的模型的优越性。对现实电梯的调度规划有一定的指导意义。

局内电梯调度问题与竞争算法

经典的优化理论大多是在已知条件不变的基础上给出最优方案 (即最优解 ) ,其最优性在条件发生变化时就会失去。局内问题与竞争算法则是针对特定的优化问题来研究这样的方法 ,它在变化因素的每一个特例中都能给出一个方案 ,使得这一方案所得到的解离最优方案给出的解总在一定的比例之内。本文首先提出了局内电梯调度问题 ,设计了解决该问题的两个不同的竞争算法 ,并证明了这两个竞争算法的竞争比分别为k+2 和n-k +1,其中k为电梯的个数 ,n为楼层数。

物联网与大数据相结合的电梯调度系统优化方案

物联网的发展带动了一大批技术的革新,电梯调度系统也可以利用物联网进行优化。物联网的各类传感器给调度系统的算法增添了实时采集数据的能力,通过大数据的方法将这些数据与历史数据综合分析,把一部分不确定的问题变为了确定的问题,使算法不仅能被动地做出反应,还能主动预测。实验结果表明,引入物联网优化方案的调度系统,具有更好的调度表现。

基于神经网络的电梯调度重规划

提出一种针对客流量变化进行电梯调度算法实时重规划的方法。建立电梯群控系统仿真模型,运用启发式算法,进行动态实时的局部重规划,实现电梯的动态调度诱导。使电梯检测到乘客流发生变化时,能够尽快调整选择路径。算法对平均等待时间、电梯平均载客时间、电梯能耗和电梯拥挤度进行加权,建立多目标评价函数,以实现节能和乘客体验的均衡统一。

基于机器视觉技术的电梯调度系统研究

针对客流高峰期电梯载客率低、无效启停频繁的问题,通过查阅文献深入研究电梯调度方法,分析了目前调度控制方式的利弊,提出了基于机器视觉技术的电梯调度系统方案。详细阐述了新方案的设计思路、组成部分及工作原理。通过节能理论计算分析得出新方案能够有效缩短乘客候梯时间、乘梯时间、出行时间,提高运载效率,降低系统能耗。与现有电梯调度技术相比,新的调度方案优化了目前调度系统存在的缺陷,在提高运行效率、降低系统能耗方面具有明显的优越性。

基于C语言的电梯调度算法模拟研究

为了解电梯调度过程,采用C语言编程模拟电梯调度,利用数组、结构体等数据结构存储和管理电梯的运行状态和乘客信息。模拟结果符合现实生活中多部电梯调度情况,能有效反映多部电梯同时运行状况,同时为高层建筑中的电梯调度提供理论支持,更好地制订和优化电梯运行方案,提高电梯的运行效率和服务质量。

用JSD方法分析电梯调度算法

许多高楼电梯自动控制系统需要相应的程序系统支持。本文采用JSD(Jackson SystemDevelopment)方法分析和设计高楼电梯的调度算法。JSD方法以活动为中心,把一连串活动的顺序组合构成进程,系统模型则抽象为一组以通信方式互相维系的进程。

对基于遗传算法的电梯调度模式的改进与分析

文章在遗传算法的基础上,从"候梯时间"与"候梯人数"两个角度对目前已有的电梯调度算法进行优化。本研究在保证调度效率的同时提高电梯乘客的使用满意率,从而为电梯调度算法的研究提供一种新的方向。

强化学习A3C算法应用于电梯调度中的价值分析

电梯使用量的增加,让电梯的用户体验、电力能耗及算法适应性的要求更高。在电梯常规调度算法上,提出了基于调度环境、调度目标、电梯行为的强化学习A3C智能调度算法。让电梯在不断地与环境交互学习中获得最优电梯调度策略,使其更具适应性和实现目标多样性。本文就对电梯调度、强化学习进行了概述,分析了强化学习A3C算法在电梯调度中的建模价值,以进一步优化算法。

基于非线性规划的电梯调度研究

针对上下班高峰期电梯分区调度的特点,本文首先利用Newton迭代的方法求出了不同分区下电梯平均运行时间t的具体数值,并用Matlab重新拟合出t的二次函数式,进而建立关于所有分区平均运行时间总和最小的非线性整数规划模型,通过计算机搜索算法求解出最优的电梯分区调度方案。结果表明这种方法容易操作,同时又具有很高的可用性和推广性。

基于遗传算法模糊神经网络的电梯群控调度

提出了一种基于遗传算法的模糊神经网络的电梯群控调度方法,即智能多模式群控调度方法,其特点是能够适合于各种交通流模式.该文详细介绍了这种方法的设计思想、结构及其实现,并进行了仿真试验.仿真结果表明,该方法能够适应各种交通流模式的变化,实现了在各种交通模式下根据各种相应服务要求进行电梯合理调度的目标.

紧急疏散电梯调度算法

当大楼内发生火灾等紧急情况时,利用电梯来疏散乘客可以缩短疏散时间。该文假设在疏散开始时刻所有待疏散乘客都到达楼层电梯口等待疏散,而且疏散层为某一特定楼层。基于常用的计算疏散时间的模型ELVAC,将紧急疏散电梯调度问题描述为一个整数规划问题,并证明该问题的简化问题(仅极小化停梯次数的整数规划问题)是NP难问题。对于该问题,给出一种启发式紧急疏散电梯调度算法,并与两站停靠调度方法和LINGO软件求解结果进行比较,说明了该调度算法的有效性。

电梯群控系统的最优调度仿真

在电梯群控节能优化问题的研究中,电梯群控调度是一个开放、动态、复杂系统的多目标优化问题。但是目前大多数群控系统都采用了乘客最少候梯时间的原则来派梯,并没有从电梯的能源消耗等综合因素来调度电梯,从而降低了电梯群控系统的调度性能。并且传统的调度方法在全局收敛性上不能得到很好的满足。为此提出一种蚁群算法的电梯群控系统来进行最佳电梯调度,利用乘客的候梯时间、电梯耗能和电梯拥挤度作为算法的变量数据,并且建立多目标评价函数的蚁群优化模型的控制器,通过蚁群算法进行仿真,验证了蚁群算法对电梯群控得到良好效果,并解决了电梯群控制器对电梯调度单一和全局快速收敛性的问题,为提高电梯群控调度性能提供了参考。