电梯群控系统的交通模式识别

介绍了应用两个模糊神经网络分两步进行电梯群控系统交通模式识别 ,提出了利用专家知识获取样本和训练网络的步骤。实际数据测试结果表明 ,该方法能准确地辨识出各种交通模式所占的比例 ,对群控器的派梯可起到很好的指导作用 ,从而提高电梯群控系统的服务性能。

基于模糊神经网络的电梯系统交通模式识别

介绍采用模糊神经网络进行电梯群控系统交通模式识别的方法 .用 3步混合训练方法对用于模式识别的两个模糊神经网络进行训练 .测试结果表明此方法可以准确地辨识出各种交通模式所占的比例 ,可以指导群控器优化派梯策略 ,提高电梯群控系统的服务性能 .

基于BP神经网络与支持向量机的高速公路交通模式识别

回顾了几种传统的交通事件检测算法,提出一种新的交通模式识别方法:即从多层前向人工神经网络角度建立模型,运用BP算法予以实现,获取交通流参数的残差。再应用支持向量机良好的分类性能将残差所预示的交通模式予以分类,并与传统BP算法进行比较之后,发现此方法具有检测率高、误报率低、检测时间短的优点。

基于多尺度特征提取的交通模式识别算法

针对普适交通模式的场景感知功耗高、场景复杂的问题,提出一种融合残差网络(Res Net)和带孔卷积的交通模式识别算法。首先,使用快速傅里叶变换(FFT)将一维传感器数据转换为二维频谱图像;然后,使用主成分分析(PCA)算法对频谱图像降采样;最后,使用Res Net挖掘交通模式的局部特征,使用带孔卷积挖掘交通模式的全局特征,从而实现对八种交通模式进行识别。与决策树、随机森林、Alex Net等八种算法在实验中的对比评估结果显示,融合Res Net和带孔卷积的交通模式识别算法在静止、走路、跑步等八类交通模式上均有最高准确率。该算法具有良好识别精度和鲁棒性。

基于残差时域注意力神经网络的交通模式识别算法

交通模式识别是用户行为识别中的一个重要分支,其目的是对用户所处的交通模式进行准确判断。针对现代智慧城市交通系统对在移动设备环境下精准感知用户交通模式的需求,提出了一种基于残差时域注意力神经网络的交通模式识别算法。首先,通过具有较强局部特征提取能力的残差网络提取传感器时序中的局部特征;然后,采用基于通道的注意力机制对不同传感器特征进行重校准,并针对不同传感器的数据异构性进行注意力重校准;最后,利用具有更广感受野的时域卷积网络(TCN)提取传感器时序中的全局特征。采用数据丰富度较高的宏达通讯(HTC)交通模式识别数据集来对已有的交通模式识别算法和所提出的残差时域注意力模型进行评估,实验结果表明,所提出的残差时域注意力模型在对现代移动嵌入式设备的计算开销友好的前提下具有高达96.07%的准确率,且对单一类别均具有高于90%的召回率与精确率,验证了该模型的准确性与鲁棒性。所提模型可以作为一种支持移动智能终端运算的交通模式识别应用于智能交通出行、智慧城市等领域。

基于粒子群ISODATA电梯交通模式识别

将粒子群算法与迭代自组织数据分析算法(ISODATA)结合,提出了一种基于粒子群的ISODATA算法。仿真实验表明,利用该算法可以对电梯交通模式进行准确、实时的识别。

基于模糊推理的电梯交通模式识别

简要分析了电梯客流的交通特点,以准确描述客流特征的交通构成和交通强度为模糊推理输入变量,构建了新交通模式识别的模糊推理算法,总结出辨识12种交通模式的27条规则。

基于特征自学习的交通模式识别研究

针对目前交通模式识别以人工设计特征为主,特征设计主观性强、区分度不高的问题,本文依据深度学习理论,建立了基于卷积神经网络的特征自动学习模型。该模型利用卷积神经网络自动学习深度特征,然后与人工特征共同用于交通模式识别。模型基于微软Geo Life数据,针对不同特征组合与分类方法设计实验,实验结果表明模型能学习到高区分度深度特征、有效提高交通模式识别准确率。

基于遗传算法优化支持向量机的电梯交通模式识别

电梯交通模式识别问题是电梯群控系统优化调度的基础。在电梯交通模式识别研究中,支持向量机应用较为广泛且识别效果较好,但仍存在模型参数难以确定的问题。为此,提出一种结合遗传算法和支持向量机的电梯交通流模式识别方法:利用遗传算法对支持向量机的关键参数对——惩罚因子C和核函数参数σ自动全局寻优,将最佳参数组合(C,σ)代入原始SVM模型,建立遗传算法优化支持向量机(GA-SVM)模型,并在Python平台下进行仿真验证。实验结果表明:该GA-SVM模型相比基本SVM模型具有更高的识别精度,且泛化性良好,更适用于电梯交通模式识别问题。

基于改进LightGBM的交通模式识别算法

针对交通模式识别中非步行交通模式识别精度低的问题,提出一种改进后的Light GBM算法结合移动端的交通模式分类方法。该方法首先对数据集进行了滤波处理,选取了三轴加速度计、陀螺仪和磁力计这3种传感器数据的时域和频域特征作为模式识别特征量,然后通过采用Filter相关性度量CFS算法对特征进行打分排序,选择最优特征集,最后识别过程采用分层识别算法和基于居民出行规则与一阶隐马尔科夫链改进的K-lightGBM识别算法对交通模式进行识别,同时采用部分传统算法进行对比实验。实验结果表明,该方法不仅能识别多种交通模式,而且对居民的交通模式识别的平均准确率较高,达到了94%。

人工智能方法在电梯交通模式识别中的应用

电梯交通模式识别是一项重要的工作,其准确性直接影响到电梯群控系统的整体性能。文章论述了近年来人工神经网络、模糊逻辑、支持向量机、粒子群算法等人工智能方法在电梯交通模式识别中的应用,并指出了未来的发展方向。

一类电梯群控系统的交通流模式识别

电梯群控系统是一个不确定性的复杂系统,要作到优化调度,实现其高效、经济、舒适的运行,必须识别并分析交通流模式,才有可能寻找到与其相匹配的优化调度策略.文章提出了一种基于模糊推理的交通流模式识别方法,文中对有关细节作了比较深入的讨论.

适于双子电梯群控系统的交通模式预测方法

为了避免传统电梯交通模式识别存在模式滞后的缺陷,适应新型的双子电梯群控系统性能要求,提出了基于预测交通流的电梯交通模式预测方法.采用支持向量机(Support vector machine,SVM)进行电梯交通流预测;采用BP神经网络进行电梯交通流模式识别,并用遗传算法(Genetic algorithm,GA)对BP神经网络进行优化;将电梯交通流预测与交通模式识别相结合,再次利用神经网络对所预测的交通流进行模式识别,实现交通模式预测.研究结果表明,预测交通流的交通模式与实际交通流的交通模式一致,验证了交通模式预测的准确性.交通模式预测方法可避免模式滞后的缺陷,为双子电梯群控系统工程应用提供理论依据.

电梯群控系统交通需求的迭代学习预测方法

提出对时变垂直交通需求的智能化迭代学习预测方法.该方法采用最小二乘支持向量机技术,动态预测未来的交通需求及其变化规律.在此基础上,提出以电梯交通需求净增量及其变化率强度为依据的交通模式划分的新规则.通过构造滤波函数的方法获取交通需求变化的主要信息,对交通模式量化识别,得到主要交通模式区间的临界点.仿真实验表明了该方法的有效性.

智能多模式电梯群控调度方法的研究与实现

电梯群控系统的任务是有效地运送乘客 ,提高电梯运行效率 ,改善服务质量。根据大楼不同交通流状况识别不同的交通流模式 ,并采用最合适的调度方法分派电梯是提高电梯群控性能的关键。实现了一种基于模式识别的智能多模式电梯群控调度方法 ,该方法可以在一天中根据不同的交通流状况 ,提供不同的群控策略 ,从而使电梯服务更优。仿真实验表明了这种电梯调度方法是有效的。

智能多模式电梯群控调度方法的研究与实现

电梯群控系统的任务是有效地运送乘客,提高电梯运行效率、改善服务质量.根据大楼不同交通流状况识别不同的交通流模式,并采用最合适的调度方法分派电梯是提高电梯群控性能的关键.本文实现了一种基于模式识别的智能多模式电梯群控调度方法,该方法可以在一天中根据不同的交通流状况,提供不同的群控策略,从而使电梯服务更优.仿真实验表明了这种电梯调度方法是有效的.

基于模糊控制的智能小区电梯群控系统算法研究

研究并设计了一种基于模糊控制的多目标优化群控算法。首先对智能小区的四种交通模式进行了有效识别,然后对厅呼信号控制进行了重点研究。考虑到交通模式对三个评价指标(平均候梯时间、平均乘梯时间和能源消耗)权重的影响,本文采用综合量化评价的方法设计控制算法。通过控制相应的三个程度函数,达到乘客满意、系统节能的目的。

基于模糊控制技术的电梯群控系统研究

基于模糊控制技术的电梯群控系统构建了新的电梯调度目标的综合评价函数，将平均候梯时间少、平均乘梯时间少、能耗少、长时间候梯率低四个重要目标的加权平均值作为评价函数，并根据不同的交通模式调整加权系数，实现不同交通模式下电梯群的优化控制。仿真结果证明，基于模糊控制技术的电梯群控系统的平均乘梯时间、平均候梯时间、长时间候梯率以及电梯能耗都有了明显的降低，充分说明了基于模糊控制技术的群控算法的有效性和可行性。

模糊逻辑在电梯系统中的应用

作为人工智能领域的重要分支,模糊逻辑具有处理强不确定性的能力。从控制、交通模式识别、故障诊断、安全评价四个方面论述了近年来模糊逻辑在电梯系统中的应用,并指出了现阶段存在的不足与未来的发展方向。

高层商务楼电梯群控调度算法研究

文章通过统计分析高层商务楼交通流的客流数据,根据客流特征值确定模糊神经网络的输入输出变量,确定网络结构,通过采集的样本数据进行网络训练学习,从而辨识出当前交通模式。根据辨识出的交通模式所对应的权系数计算出各电梯对于召唤信号的可信度,最终确定综合评价函数的可信度,选定可信度最大的电梯服务召唤信号,从而实现群控电梯的优化派梯。文章利用MATLAB软件进行仿真,通过3个仿真实例将文章模糊神经网络算法与遗传算法、最小等待时间算法和最短距离算法在实现系统性能方面进行了仿真比较。验证了在楼层数,电梯层数,客流模式都变化的状况下综合性能优于另外几个算法,提高了系统的服务效率和质量,降低了能耗,普适性和可扩展能力强。