專利名稱：電梯的群管理控制方法
技術領域：
本發明涉及電梯，特別是用于電梯的一種改進的群管理控制方法，它可以為乘客選擇并提供一個最佳轎廂，從而減少平均等待時間和等待的發生概率，以及用于電梯群管理系統的一種改進的分配方法，該方法采用了一種遺傳學(genetic)算法，根據現有的門廳呼叫和未來的門廳呼叫來執行分配和控制，這種算法作為具有大量檢索空間的分配算法是非常有效的。
當乘客在一個等待樓層組中產生了一個呼叫(以下稱為門廳呼叫)時，電梯的群管理系統就計算關于每個轎廂的位置，運行速度，方向，轎廂門的開/關狀態以及乘客數量等等各種情況，從而為特定情況的門廳呼叫分配一個最佳的電梯轎廂，并且將分配的轎廂提供給產生門廳呼叫的樓層。
這種群管理系統需要滿足各種目標，例如縮短等待時間，減少由于轎廂滿載而造成電梯轎廂在分配的樓層不能停靠的分配失敗概率，減少轎廂內的擁擠，降低功率消耗等等。為了實現上述目標，群管理系統需要根據已經分配給一個樓層的各個轎廂的當前狀態和門廳呼叫(為這一門廳呼叫提供服務的電梯已經確定)來估算新產生的門廳呼叫，并且為實現上述目標而分配一個處于最佳狀態的電梯轎廂。然而，由于運輸的需求總是在變化的，如果能正確地適應運輸需求的變化，群管理系統就可以實現上述目標。因此，群管理系統應該根據現有的門廳呼叫和未來的門廳呼叫來分配電梯轎廂。
由于傳統的控制方法比較復雜，使這種群管理系統在實現滿意的性能方面受到了限制，為此而采用了一種諸如人工神經網絡理論的模糊理論人工智能算法。
圖1是慣用的電梯群管理系統中的分配裝置的一個示意性框圖。如圖中所示，慣用的電梯群管理系統中的這種分配裝置包括一個門廳按鈕控制器11，用于控制安裝在乘客等待樓層上的門廳按鈕，一個轎廂控制器12，用于控制電梯轎廂的操作，以及一個群管理控制單元13。
群管理控制單元13包括一個信息采集單元13A用于采集來自門廳按鈕控制器11和轎廂控制器12的各種信息；一個統計單元13B用于收集采集到的信息的統計量；一個運輸類型特性識別單元13C用來將當前的運輸狀態與幾種預定的運輸類型圖進行比較，并且選擇對應的一種；一個估算運輸類型發生單元13F用于產生估算的運輸類型；一個統計數據庫13E用于按照時間，數據和運輸類型的等級來存儲與各種運輸類型有關的數據；一個估算數據發生單元13G用于根據存儲在估算運輸類型發生單元13F和統計數據庫13E中的數據而產生各種估算數據；以及一個分配/控制單元13D用于根據上述信息來分配和控制電梯轎廂。
在圖2中表示了電梯的操作狀態，以下要參照圖2說明這種群管理系統的工作方式。
信息采集單元13A利用安裝在各個轎廂內的各種傳感器通過樓層和方向的各個等級獲得諸如上梯/下梯人數等關于乘客的信息，并且從轎廂控制器12接收各個轎廂的狀態(門的開/關，轎廂位置，轎廂的方向等等)。
運輸類型特性識別單元13C將存儲在統計數據庫13E中的預定的運輸類型特性或是運輸類型特性與當前的運輸類型相比較并確定相應于當前的運輸類型。根據確定的運輸類型的特性，分配/控制單元13D就可以控制存儲了適用于各種運輸類型特性的控制算法的電梯轎廂。
統計單元13B按照時間，數據，以及運輸類型的每個特征來采集從信息采集單元13A和運輸類型特性識別單元13C接收到的當前數據，并且連續地更新統計數據庫13E中的數據，這樣就能使群管理系統正確地響應運輸類型的變化。
估算運輸類型發生單元13F根據存儲在統計數據庫13E中的數據和運輸類型特性以及存儲在運輸類型特性識別單元13C中的當前的運輸類型來計算未來的運輸類型信息(各個樓層和方向的上梯/下梯乘客數量)。
估算數據發生單元13G根據未來的運輸類型和電梯轎廂的當前狀態來產生各種估算數據，例如電梯轎廂的估算到達時間，使用運一電梯轎廂的估算乘客數量，估算的轎廂停靠概率，在門廳呼叫服務的中途產生轎廂呼叫的樓層等等。
分配/控制單元13D根據電梯轎廂的當前狀態，當前的運輸類型以及估算的數據來分配一個電梯轎廂，并且執行各種控制操作，例如分散控制，集中服務控制等等。
以下要參照圖2說明這種慣用裝置的工作方式。
圖2表示了一座大樓中的各種情況，在大樓中有19個樓層和四個電梯轎廂。
如圖中所示，在16層上剛剛產生了一個上行方向的門廳呼叫，而各個電梯轎廂正在為先前產生的門廳呼叫提供服務，第一和第二電梯轎廂正在上升，第三和第四電梯轎廂正在下降。為了便于說明，假設將第一和第二轎廂之一分配給16層的門廳呼叫，在圖2中表示了在各個樓層上可能產生的估算的上行方向門廳呼叫產生概率。
在上述情況下，針對一個樓層上尚未分配的門廳呼叫獲得第一和第二轎廂各自的估算到達時間，由此分配一個電梯轎廂，它的估算到達時間比其他轎廂短。估算到達時間f(t)可以從以下的公式中獲得f(t)＝電梯轎廂到達門廳呼叫產生樓層的時間+W*(上行方向的估算的門廳呼叫產生概率*電梯轎廂每次停靠所需的時間)。
其中的W是一個加權系數，用來確定需要使用多少估算的門廳呼叫數據來分配電梯轎廂。此處假設W是0.5。
當電梯在每個樓層之間需要的操作時間是2秒，而電梯轎廂每次停靠的時間是10秒時，就可以從以下公式中分別獲得第一轎廂的估算到達時間f1(t)和第二轎廂的估算到達時間f2(t)。
f1(t)＝14*2+10*W*(0.4+0.2+0.1+0.1+0.2+0.2+0.5+0.4+0.8+0.6+0.7+0.3+0.5)＝28+5*5＝53秒f2(t)＝8*2+10*W*(0.5+0.4+0.6+0.7+0.3+0.5)＝16+5*3.8＝35秒從上述公式中獲得的第一轎廂到達16層的估算到達時間是53秒，而第二轎廂到達16層的估算到達時間是35秒。因此，就將尚未分配的門廳呼叫分配給具有較短的估算到達時間的第二轎廂。當然，在一種綜合的估算函數中，分配并不是僅僅根據估算到達時間來執行的。然而，由于對門廳呼叫進行分配的方法與上述方法是相同的，而估算的門廳呼叫產生概率被預定為一定值，并且統一地用于這種分配方法，這樣就會出現以下幾個問題。
門廳呼叫產生樓層與轎廂之間的距離在分配中占據了最主要的部分。因此，在確定提供服務的轎廂時，即使各個樓層上估算的門廳呼叫產生概率是變化的，這種變化也不會影響到第二轎廂的分配。
再有，當第一段是從8層到16層，而第二段是從2層到7層時，在第一段中對第一和第二轎廂都采用上行方向的估算門廳呼叫產生概率，第一和第二轎廂都會被分配給所有未來的門廳呼叫，這種情況是不符合邏輯的。也就是說，提供給第一轎廂的估算的門廳呼叫產生概率不應該再提供給第二轎廂。
此外，當將第二轎廂分配給第一段中產生的門廳呼叫和16層上產生的門廳呼叫時，為16層的門廳呼叫提供服務的時間就會增加，而同時又能改善第一段中的門廳呼叫的服務性能。
另一方面，當考慮到為未來的門廳呼叫提供服務時，最好是由第三轎廂為第二段中產生的門廳呼叫提供服務，并且用第一轎廂為16層上產生的門廳呼叫提供服務，盡管第一轎廂的估算到達時間不如第二轎廂，因為第二段中估算的門廳呼叫產生概率比第一段中的概率要低。為了照顧上述方面，應該考慮到來來產生門廳呼叫的概率，也就是估算的門廳呼叫產生概率，然而，在慣用的裝置中要解決上述問題是有困難的。
另外，在先前產生的門廳呼叫的分配被確定之后，還應該考慮到對未來的門廳呼叫的分配問題。例如，在確定了將第二轎廂分配給第一段中所有的估算門廳呼叫，并將第三轎廂分配給第二段中的門廳呼叫后，就需要考慮到將哪個轎廂分配給新產生的門廳呼叫。
此外還采用了一種將估算函數()作為算法來分配轎廂的方法，利用估算函數根據各個電梯的各種當前和未來狀態來尋找一種最佳的方案。此處的電梯當前狀態是指電梯目前的位置，電梯的運行方向，電梯的運行速度，乘客數量，以及以前所分配的門廳呼叫和轎廂呼叫等等，而電梯的未來狀態是指估算的乘客數量，轎廂為一個門廳呼叫提供服務時的估算到達時間，轎廂在為產生門廳呼叫的一個樓層提供服務的同時在另一個樓層上停靠的可能性，以及在一個預定時間的位置等等。
k＝α1·X1k+α2·X2k…(1)其中的k是K號轎廂的估算函數，α1是一個加權值，而X1k是在考慮到K號轎廂的位置和停靠可能性時針對各個門廳呼叫的估算到達時間的估算值X2k是在考慮到K號轎廂的擁擠和K號轎廂的長時等待概率時獲得的估算值。
當剛剛登記了一個門廳呼叫時，就根據估算函數()來估算新的門廳呼叫的分配問題，并且將具有最小估算值的轎廂作為估算結果。然而，這種方法不能適用于門廳呼叫的估算，因此就不能相應地適應運輸類型的變化。
因此，為了用慣用的裝置在綜合考慮各種未來狀態的情況下分配一個最佳轎廂，在計算估算的門廳呼叫時還應該考慮到估算的門廳呼叫產生概率，這種概率的變化與上述情況是無關的。
然而，在考慮估算的門廳呼叫產生概率時，還需要考慮到各個樓層上估算的門廳呼叫，在每個轎廂的運行方向上的估算的門廳呼叫等等，這樣，由于慣用裝置的計算量會大大增加，在預定時間內不一定能獲得一種解決方案，因此，電梯的服務性能就可能由于計算能力不足而下降。
因此，本發明的目的就是要為電梯提供一種群管理控制方法，它采用一種估算裝置來產生估算的運輸類型，根據估算的運輸類型來計算各個樓層和方向上的未來的門廳呼叫產生概率，并且為基于未來門廳呼叫產生概率值的分配采用一種遺傳學算法，這樣就能為乘客提供最佳的轎廂。
為實現上述目的所提供的電梯群管理控制方法包括以下步驟第一步，將大樓的一個域劃分成適合各種運輸要求的預定的幾段，并且計算出在各個段中將要產生的未來門廳呼叫的數量；第二步，按照第一步中獲得的結果根據估算的乘客數量獲得未來的門廳呼叫產生概率，并且按照預定的規律根據所述概率來設定未來門廳呼叫產生樓層及其方向；第三步，采用從第一步獲得的結果作為基本數據，使用一個綜合估算函數獲得每個轎廂的一個估算值，并且按照預定的規律選擇兩個以上具有高優先權估算值的轎廂；以及第四步，接收從第二步獲得的結果和在第三步中選擇的分配的轎廂，并且采用遺傳學算法選擇一個轎廂作為可以分配的最佳轎廂。
通過以下的詳細說明可以更清楚地看到本發明的其他優點，目的和特征。
以下要結合附圖進一步詳細地說明本發明，附圖的作用僅僅是為了說明，并非對本發明構成限制，在附圖中圖1是慣用的電梯群管理控制系統的分配裝置的示意性框圖；圖2是電梯運行狀態的一個示意圖，用來解釋慣用裝置的操作；圖3是群管理系統的分配裝置的一個示意性框圖，在其中采用了本發明的電梯群管理控制方法；圖4是一個詳細的框圖，表示圖3中的門廳呼叫產生概率發生單元和分配/控制單元；圖5是用于本發明的方法的一種遺傳學算法的信號流程圖；圖6是一個表，用來解釋按照本發明的一種估算函數；圖7是一個表，用來解釋按照本發明的起始轎廂選擇概率；圖8是遺傳學綜合程序的一個示意圖；圖9是變異生產程序的一個示意圖；圖10是采用本發明方法的一個電梯的運行狀態示意圖；圖11是一個表，在其中對按照本發明的一種方案進行遺傳學類型編碼；圖12是一條曲線，表示按照各個樓層之間的時間間隔的估算門廳呼叫的加權；圖13是一個表，表示估算到達時間的預期值；圖14是一個流程圖，表示用于本發明的方法遺傳學算法中對估算值的計算程序；圖15是一個表，表示一個臨時分配樓層的運行狀態；圖16是一個表，用來表示按照本發明的分配適配性；圖17表示分配給新產生的一個門廳呼叫的轎廂；圖18表示按照圖10中所示的情況的一種不完全的遺傳學模型；圖19是一個表，用來表示根據到達時間可能不會受到分配的一個轎廂；圖20表示一個完全的遺傳學模型；以及圖21是圖20中的遺傳學模型的估算值的示意圖。
以下要參照圖4到25來說明按照本發明的電梯群管理控制方法的工作方式及其效果。
本發明的方法中采用的遺傳學算法適用于具有龐大檢索空間的系統，以下是一些粗略的解釋。
遺傳學算法是一種引入了進化論的理論，可以用來解決現有技術所面臨的問題，并且可以在由于問題的復雜性而難以獲得精確的解決方案時作為一種解決問題的方法。按照進化論，主導基因是通過母體基因合成，變異生產，隱性基因的自然選擇等等一系列程序而產生的。
母體基因是從幾個模型(初始值)中選擇的，而問題的實際解決方案是按照預定的方法用遺傳學類型來表示的，而新的后代基因是通過合成選定的母體或是發生變異而產生的，并且通過后代基因和初始基因(群體或是模型)的合成不斷進行新的生產，在經過預定的生產之后選擇具有最大估算值的基因，并且將這種基因的信息作為有關問題的最佳解決方案。
為了用這種遺傳學算法獲得一種解決方案，首先要執行以下兩步操作。
第一，該解決方案應該用以下所示的遺傳學類型來表示。也就是說，該解決方案可以由例1中所示的比特類型或是例2中所示的自然數類型或者是實數類型構成的。
例1基因1(0000111101010000101)例2基因2(1 2 3 4 6 21 16 79 66 33 52 14 6 32 0)第二，需要建立一個用來估算各個基因的估算函數。事實上，基因算法中所需的信息僅僅是用來估算該解決方案是否精確的估算函數。也就是說，遺傳學算法的優點之一就是不需要系統的數學模型。
通過估算函數獲得的具有最佳估算值的一個基因可以增殖一個以上具有低劣估算值的基因。也就是說，可以用這種估算函數對自然現象進行自然選擇。
為了實際應用由此獲得的這種解決方案，需要將用遺傳學類型表示的解決方案譯碼成當前狀態的信息。
圖5是這種遺傳學算法的一個流程圖。首先在可能的解決方案中產生一個臨時解決方案作為2n個單位的模型(SA1)。用估算函數分別對這2n個模型進行估算，并且產生一個n單位的母體(SA2，SA3)。由此產生的母體與該解決方案的每個估算值成正比。具體地說就是增加使具有優良答案的解決方案變成母體的概率，并且減少使具有低劣答案的解決方案變成母體的概率，這樣的母體基因與平均的模型基因相比更可能具有高的概率及優良的估算值。
產生母體的方法是多種多樣的，但其中最常用的是以下的方法。
假設按照每五個解決方案的估算值是如圖6中所示獲得的，當問題的解決方案(No.1-No.5)是用此特類型來表示的，并且用估算函數分別估算這些解決方案時。
在這種情況下，每個個體被選作母體的概率如圖7所示。根據這種概率來選擇五個母體。按照選擇的n單位母體基因，利用圖8所示的遺傳學合成方式或是圖9所示的變異生產方式產生一個新的解決方案(后代)(SA11，SA12)。
遺傳學合成是通過用另一部分代替具有固定概率的一部分變異生產的遺傳學結構，或是將兩個獨立基因的元素進行交換產生的。
例如圖8中所示，后代1‘010111’就是將圖6中的解決方案1‘010010’的每個基因與解決方案2‘111111’的每個基因進行交換后產生的。
如圖9所示，變異生產程序產生一個沒有母體的基因的臨時元素‘000’并且產生一個新的基因，也就是后代‘010111’。
用估算函數對由此產生的后代進行估算(SA13)，并且按照估算值的次序來選擇n單位的估算值，將后代的估算值和一種解決方案群體的估算值按次序排列，根據選定的n單位元素來選擇一個n單位的母體，從而產生原始模型和一個后代。
將上述程序重復預定的次數，從而獲得一個基因，將所有保留到最后的基因中具有最佳估算值的那個基因作為解決方案。
為了在分配算法中采用這種遺傳學算法，應該滿足以下所述的條件。
首先，應該將符合分配操作的一種解決方案用遺傳學類型進行編碼。
其次，需要一個用來估算這種解決方案的估算函數。
第三，當采用一個合適的原始模型時，由于能在很短時間內獲得精確的解決方案，所以需要有一種能夠正確選擇原始答案群體的算法。
第四，在用估算函數估算的解決方案的基礎上還應該提供一種用來選擇一個母體的方法，這樣才能用母體產生一個后代。
第五，需要有一種與分配算法相對應的算法對母體基因進行正確的合成，并且產生一種變異。
以下要參照圖10的情況來說明滿足這五個條件的一種方法。
如圖13所示，假設樓層的數量是12，并且在大樓中設有四個電梯轎廂。
如圖10所示，各個樓層和方向上的估算的門廳呼叫產生概率是預先確定的，并且預先將9層的上行門廳呼叫和5層的下行門廳呼叫分別分配給2號轎廂和4號轎廂。1號轎廂正在朝著產生了一個轎廂呼叫(有一個乘客按下了裝在轎廂內的指定樓層按鈕)的11層上升，而3號轎廂是在完成了所有服務之后已經停止運動。在上述情況下，在1層上產生了一個上行門廳呼叫。
將解法方案編制成遺傳學類型圖11是一個表，在其中對按照分配操作的一種方案進行遺傳學類型編碼。表中有三個個體a，b和c，與每個個體寫在同一條線上的數字表示一個轎廂號。
矩形的粗實線表示先前分配的樓層和分配給該樓層的轎廂號。此處將9層的上行門廳呼叫分配給2號轎廂，因此在表中用數字‘2’表示，并且將5層的下行門廳呼叫分配給4號轎廂，用數字‘4’表示。另外，不存在對12層的上行門廳呼叫和對1層的下行門廳呼叫分配，因此用數字‘0’表示。
如圖11中所示，用“1431234222400233-42313443”表示的個體‘a’的遺傳學信息時可以被解釋為將1號轎廂分配給尚未分配的1層的上行門廳呼叫，將4層轎廂分配給2層的上行估算門廳呼叫，并且將1號轎廂分配給3層的上行估算門廳呼叫。
按照本發明，當將個體‘b’選作最終的解決方案，4號轎廂就會被分配給1層的上行門廳呼叫。也就是說，4號轎廂是實際的解決方案，而將未來的門廳呼叫分配給其他的樓層和方向，也就是將對應顯示號的轎廂分配給一個預期的門廳呼叫。
另一方面，按照慣用的綜合估算函數，當象上例那樣有4個轎廂，類型的最大的數就是4，也就是將1層的上行門廳呼叫分配給第一，第二，第三或是第四轎廂。
然而，由于這種遺傳學算法要在各種可能的交換方法中間檢索最佳的交換方法，還要考慮到對不遠的將來所產生的門廳呼叫的服務性能，并且所分配的轎廂應該是可能的解決方案中間最佳的一個。
用于估算每種解決方案的一個基因的估算函數以及這種估算的方法為了在估算函數中適當地包括估算的門廳呼叫產生概率，需要在綜合估算函數的基礎上考慮以下三個問題。
第一，在對每個轎廂采用估算的門廳呼叫產生概率時，提供給每個不同的轎廂的概率是各不相同的。估算的門廳呼叫產生概率通常是在1分鐘之內產生一個門廳呼叫的概率。如圖10所示，由于第一和第二轎廂每次行駛到6層的時間是不同的，如圖10所示，第一和第二轎廂不應該按照6層上行方向的0.4的估算門廳呼叫產生概率獲得相同的估算值。也就是說，由于第二轎廂在短時間內通過6層，由第一轎廂為6層的上行方向估算門廳呼叫提供服務的概率要大于由第二轎廂提供服務的概率。
因此，根據估算到達時間(t)的加權是相對于估算的門廳呼叫對每個轎廂進行計算的。圖12表示估算到達時間與估算門廳呼叫產生概率的一個函數。此處的加權是每個轎廂，樓層以及方向的一個值，該值的范圍從0到1。值‘0’表示不考慮估算的門廳呼叫產生概率，而值‘1’表示在估算函數中包括估算門廳呼叫的一個值。
第二，計算估算到達時間的方法是所有估算的基礎。由于門廳呼叫產生概率代表了門廳呼叫的產生概率，實際上，當根據這種產生概率來計算估算的到達時間時，估算的門廳呼叫可能產生，也可能并不會產生。因此，在計算估算到達時間時應該考慮到各種情況。
按照本發明，為估算的到達時間引入了一個估算等待時間的概念，并且在分配方法中采用估算的門廳呼叫產生概率。
以下要參照附圖來說明如何獲得預期的估算等待時間。為了便于計算，將門廳呼叫產生概率的加權固定為1。
按照圖11的解決方案‘b’，由4號轎廂提供服務的樓層是畫圈的2，3，5和7層(在此處考慮下行的方向)，而各個樓層的下行停靠概率分別是0.4，0.3，1.0和0.6。
圖13表示在考慮到實際中可能出現的所有情況時所預期的估算到達時間。如圖中所示，T(真)表示實際產生了估算的門廳呼叫的情況，而F(假)代表實際上沒有產生估算的門廳呼叫的情況。對于相應的樓層和方向來說，‘F’的產生概率是“1-門廳呼叫產生概率”。
如圖13所示，每種情況的產生概率就是每個樓層上是否產生門廳呼叫的概率。由于5層的下行門廳呼叫是預先分配給4號轎廂的門廳呼叫，在預期的計算中僅僅出現T，這表示每個樓層上總是有呼叫。
現在要說明各種情況下的估算到達時間。
在每個樓層上產生門廳呼叫時，轎廂的停靠次數是四。因此，對應每次停靠的延遲時間是40秒，在每個樓層之間運行所需的時間是2秒，而樓層數是7，因此總共所需要的時間是14秒。這樣，情況1的預期值就是0.072*(14+40)＝3.888。因此，預期值就是38秒(預期的估算到達時間)，并且在將4號轎廂分配給發生在2，3，4和7層的所有下行門廳呼叫時將運一預期值作為預期的估算到達時間。根據由此獲得的估算到達時間，對總的群管理控制對象進行其他的估算，例如減少長時等待概率，平均等待時間，以及服務差錯等等。
第三，這是一種估算值計算方法。以下要參照圖14說明這種方法的原理。
如圖所示，在第一步(SB1)中對一個基因進行譯碼，從而確定將哪個轎廂分配給哪個樓層和方向。以下要參照圖11中的一例遺傳學個體‘b’來說明這種程序。
按照個體基因‘b’，臨時分配給1號轎廂的樓層是上行方向的2層和5層，以及下行方向的6層，8層和12層。在圖15的表中表示了臨時分配給每個樓層的每個轎廂的操作狀態。表中的‘0’代表分配給每個轎廂的樓層。
為了根據每個估算的門廳呼叫和先前分配的門廳呼叫來獲得估算到達時間，需要確定每個轎廂相對于一個分配樓層的服務優先權(SB4)。例如，1號轎廂的分配優先權是上行的2層→上行的5層→下行的12層→下行的6層。
在步驟7(SB7)中獲得每個樓層的預期的估算到達時間。如上所述，預期的估算到達時間是在每個樓層上獲得的。例如，為了在圖10的操作狀態中獲得1號轎廂上行到5層的預期的估算到達時間，就需要獲得可能出現的所有可能性。此處有兩種可能的情況，那就是是否會產生2層的上行門廳呼叫。因為在上行方向臨時分配給1號轎廂的樓層是2層和5層。
根據這種估算函數對由此獲得的估算到達時間進行計算。這種估算函數與公式(1)中的綜合估算函數具有相同的邏輯結構。由估算函數估算出的值不是累加的，而是與每個門廳呼叫的產生概率相乘之后累加，從而變成與門廳呼叫產生概率成正比的估算值。
累加的估算值＝估算值+門廳呼叫產生概率*(每個轎廂，方向，以及樓層的的估算函數值)……(2)這種估算是針對所有的門廳呼叫和轎廂進行的，并且將估算值的累加值作為相應基因的估算值。
選擇一種解決方案作為原始模型群體為了在分配算法中應用遺傳學算法，需要滿足的第三種要求是確定將哪個解決方案選作各種解決方案中的原始模型群體。由于選擇模型的方法會受到估算函數值是否準確的那一時間點的影響，需要精心地選擇原始模型。
按照本發明，上述問題是采用普通的綜合估算函數的估算值來解決的。總而言之，需要綜合每個轎廂的狀態，新的門廳呼叫的樓層和方向，以及未來的門廳呼叫等等因素對每個轎廂進行估算，并且將具有最小估算值的轎廂分配給相應的門廳呼叫。
事實上，無論將群管理估算函數確定為那種類型，具有高優先權的估算值的轎廂的值大致都是相同的。
然而，要想在轎廂中間確定哪個轎廂具有優先權高的估算值，還要取決于每種算法的控制效率。
因此，按照本發明，在獲得原始模型的方法中還要考慮到上述事實。
也就是說，采用慣用的綜合估算函數計算每個轎廂的估算值，由遺傳學算法根據這種估算值獲得一個概率，概率的選擇與圖7的方法相同。可能分配給對應一個門廳呼叫的樓層和方向的一個n單位的轎廂是通過由此獲得的概率來選擇的。
以下要用圖10所示的一例電梯運行情況來說明獲得原始模型的方法。
1層的上行門廳呼叫是一個首先要解決的問題。問題在于將哪個轎廂分配給1層的上行門廳呼叫。首先，按照慣用的分配方法，要使用綜合估算函數來判斷相對于1層上行門廳呼叫的分配適配性，從而對每個轎廂進行估算。由于適合分配的轎廂是具有最小估算值的轎廂，這種估算值應該被編碼成分配適配性，在圖16中表示了這種適配性的值。這種適配性的值是與估算值成反比的。
如果從四個轎廂中選出了除1號轎廂之外的三個分配候選轎廂，就在圖4的分配候選轎廂選擇單元55中執行運算。獲得對應著三個分配候選轎廂各自的值的概率，利用各個概率產生一個模型。如果一個新的門廳呼叫是1層的上行門廳呼叫，就按照這種概率對分配給新的門廳呼叫的轎廂進行10次選擇，如圖17所示。
此時需要注意到，1號轎廂沒有被分配給1層的上行門廳呼叫。由于處在1層上行方向的轎廂的號就是被分配轎廂的實際的號，根據由遺傳學算法構成的概率就能很快地獲得精確的解決方案，從而按照綜合估算函數獲得轎廂的號。
由于其他轎廂不會被分配給預先已經分配的各個門廳，已經分配給各個門廳呼叫的轎廂號被記錄在先前產生的門廳呼叫的樓層和方向空間中。另外，假設將一個具有轎廂呼叫的轎廂分配給在同一方向產生在各個轎廂呼叫產生樓層上的估算的門廳呼叫。
按照圖10所示的情況，由于1號轎廂有一個11層的轎廂呼叫，并且正在按上行方向去往相應的樓層，就假定將1號轎廂分配給11層的上行估算門廳呼叫。另外，由于2號轎廂已經分配給了9層的上行門廳呼叫，并且在9層的上行盒中記錄了對應2號轎廂的‘2’，就假定將3號轎廂分配給12層的下行估算門廳呼叫。同樣，由于4號轎廂已經分配給了5層的下行門廳呼叫，就應該在5層的下行盒中記錄對應4號轎廂的‘4’。按照圖10所示的情況，一個不完整的遺傳學模型如圖18所示。
現在需要使10個不完整的基因適當地完善，有一種方法是在轎廂的號之內(1號-4號)產生一個隨機的號，并且記錄適當的號，或是在該方法中包括設計者的意圖。
在按照本發明的方法中，建議包括一種設計者的意圖，以便獲得快速和精確的解決方案。
第一種建議是，即使轎廂是在按實際可能的最高速度運行，在一個50秒內不可能提供服務的區段中，或是在一個很難提供服務的區段(樓層和方向)中不對一個對應的轎廂進行臨時分配，也就是不應該將對應的轎廂號記錄成空白。這樣，在使用遺傳學算法時就能很快地獲得一種精確的解決方案。
以圖10中所示的情況為例，假設各個轎廂在每個樓層之間運行的時間是2秒，在每個停靠樓層上所需的時間是10秒，在計算每個轎廂的到達時間時(根據目前的情況來計算最短到達時間)，就在時間大于50秒的格中畫圈，如圖19所示。在產生隨機的數字時應該考慮到與畫圈的樓層和方向相對應的估算門廳呼叫，不能將對應的轎廂臨時分配給這種呼叫。
作為第二種建議，分配給某一樓層的門廳呼叫的轎廂同時被分配給與上述樓層相鄰的一個樓層的門廳呼叫。也就是說，如圖18中所示，如果將2號轎廂分配給9層的上行門廳呼叫，2號轎廂就被同時分配給8層的門廳呼叫和9層的門廳呼叫。
總之，如果將預先已確定為一個目標樓層服務的轎廂分配給與該目標樓層相鄰的樓層的門廳呼叫，這一轎廂就要負責相鄰樓層的門廳呼叫，這樣可以節省能量并且能均勻地分布用于服務的轎廂。
與此相應，在與預先分配的門廳呼叫相鄰的估算門廳呼叫中登記一個對應的轎廂號。
然而，如果為相鄰樓層的門廳呼叫過多地登記了一個對應的轎廂號，這個轎廂就會出現超載，這樣就會使群管理系統的主要性能例如長時等待概率出現惡化。因此，需要根據運輸情況適當地選擇樓層范圍。
此外，臨時分配是在一個轎廂為相鄰樓層持續提供服務的條件下執行的(在產生隨機號時，一個號在相鄰樓層上具有相同號的概率很高)。
圖20表示了將圖18中沒有完成的遺傳學采樣完善后的情況。如圖中所示，在圖19中具有畫圈的號的一個轎廂沒有被臨時分配給對應樓層和方向的估算門廳呼叫，而與預先分配的樓層相鄰的一個樓層的轎廂號是用與預先分配樓層的轎廂號相同的號來登記的。(因為沒有門廳呼叫或轎廂呼叫需要服務的3號轎廂目前已停運，它可以在50秒之內為任何一個樓層和方向提供服務，在計算中就將其排除了)。
因此，在產生采樣時反映了設計者的傾向，從而獲得盡量多的具有主導基因的采樣。
在產生的采樣中選擇母體基因關于在產生的采樣中選擇母體基因的方法，按照本發明的方法，按照圖14所示的方法用估算函數估算這些采樣，從中產生母體基因。如果基因采樣(a-j)的估算值如圖21圖中所示，就通過一個與估算值成反比的概率來選擇母體基因。在圖21中的例子中，‘a’被選作母體基因的概率是‘b’的三倍。
在采樣中選擇母體基因的方法與選擇采樣的方法是大致相同的。然而，在選擇采樣時，每個采樣值是與綜合估算函數的值成正比的。此外，母體基因是根據一個估算值來選擇的，而在計算這一估算值時包括了估算的轎廂呼叫，預先分配的門廳呼叫，以及尚未分配的門廳呼叫，它們是上述的在各個樓層和方向產生的。
生產后代利用綜合母體基因生產下一代后代并產生變異的方法沿用了由遺傳學算法執行的通用方法，然而，必須要注意到以下幾個事實。
預先分配的樓層和方向不應該被插入一個對應的轎廂號之外的其他轎廂號。換句話說，預先分配的樓層和方向的初始值是一直保存的。此外，與預先分配的轎廂號數相鄰并且被分配給和預先分配的轎廂的運行方向具有相同方向的一個門廳呼叫的那個轎廂是不應該改變的，運一點反映了設計者的傾向。
一個尚未分配但是卻已在前期按照估算函數的一個估算值產生的一個門廳呼叫值是不應該改變的。例如圖20所示，如果改變了分配給1層上行門廳呼叫的轎廂號的值，一種解決方案的估算值的收斂時間就會變得很慢，這樣就會降低系統的穩定性。維持一個值意味著考慮到了相對于一種分配的估算函數的區別。這樣就能避免遺傳學算法的運算錯誤。
最后，在遺傳學合成和變異生產的過程中，在按照各個轎廂計算的禁止分配區內的樓層和方向上不記錄轎廂的號。
在按照上述方法完成了預定次數的生產之后，需要對最終的產物和成為這一最終產物的基礎的一個采樣進行估算，從中選擇具有最佳估算值的一個基因。這樣，將對應著尚未分配的一個門廳呼叫的樓層和方向的一個轎廂分配給這一門廳呼叫。在考慮到目前和未來的情況時，所分配的這一轎廂被確定為最佳的轎廂，它最適合于被分配給這一尚未分配的門廳呼叫。
此外，如上所述，在分配中采用遺傳學算法時需要進行大量的計算。另外，如果有許多需要計算的樓層和轎廂，計算量可能過大。因此，本發明建議采用這樣一種方法，也就是將大樓的每個方向劃分成幾段，對代表每個段的估算門廳呼叫進行分配，其運算方式如下。
第一步按照位置和方向將大樓劃分成幾段，計算出各段中產生門廳呼叫的概率，也就是門廳呼叫產生概率。這一計算結果可以提供在各個樓層和方向上發生的門廳呼叫產生概率的平均值。
第二步對按照各個段計算出的門廳呼叫產生概率進行分配，從中提供以下可能的假設。也就是說，假設在某一段中產生的門廳呼叫僅僅是在相應段中的預定樓層上產生的。例如，在這一段的樓層當中具有最大估算客流量的樓層被確定為這一段中具有代表性的樓層，并且在具有代表性的這一樓層上僅僅產生一個門廳呼叫，這樣就能減少基因的總數，并且減少分配過程中的計算量。
如上所述，本發明的方法可以獲得門廳呼叫產生概率，對門廳呼叫叫產生概率進行處理，并且將結果提供給一種遺傳學算法，這種算法對具有大量檢索空間的系統是非常有效的，這樣就能減少平均等待時間和發生等待的概率，為乘客提供高質量的服務。
盡管在本文中為了說明的目的而提供了本發明的最佳實施例，本領域的技術人員在不脫離權利要求書所限定的本發明的精神和范圍的條件下顯然還可以實現各種修改和增刪。
權利要求
1.一種電梯的群管理控制方法包括以下步驟第一步，將大樓的一個域劃分成適合各種運輸要求的預定的幾段，并且計算出在各個段中將要產生的未來門廳呼叫的數量；第二步，按照第一步中獲得的結果根據估算的乘客數量獲得未來的門廳呼叫產生概率，并且按照預定的規律根據所述概率來確定門廳呼叫產生樓層及其方向；第三步，采用從第一步獲得的結果作為基本數據，使用一個綜合估算函數獲得每個轎廂的一個估算值，并且按照預定的規律選擇兩個以上具有高估算值的轎廂；以及第四步，對第三步中選擇的候選分配轎廂和第二步中獲得的結果采用遺傳學算法，從中選擇一個轎廂作為可以分配的最佳轎廂。
2.按照權利要求1的方法，其中第四步包括一個將分配類型編碼成遺傳學類型的子步，預先分配的門廳呼叫由已經分配給上述門廳呼叫的轎廂負責，并且按照預定的規律將受到群管理控制的轎廂中間的一個轎廂臨時分配給一個樓層和一個方向上產生的一個門廳呼叫和一個估算的門廳呼叫。
3.按照權利要求1的方法，其中第四步包括一個用于產生原始遺傳學模型的子步，使用綜合估算函數來選擇分配候選轎廂，并且與各個分配候選轎廂的分配適配度成正比地對應著沒有分配的門廳呼叫來安排一個臨時分配的轎廂。
4.按照權利要求3的方法，其中所述子步還包括一個用于產生基因的步驟，從而可以將在先分配給某一樓層的門廳呼叫的一個轎廂臨時分配給與這一樓層相鄰的一個樓層上的估算的門廳呼叫。
5.按照權利要求4的方法，其中所述步驟還包括一個子步，用于將已經分配給某一樓層的門廳呼叫的同一個轎廂臨時分配給與運一樓層相鄰的樓層上的估算的門廳呼叫，并且根據運輸狀態來改變受到控制的樓層數量，從而減少基因的數量。
6.按照權利要求1的方法，其中第四步還包括一個子步，用于在產生基因時計算估算的到達時間，并且從遺傳學代碼中排除掉估算到達時間超過預定時間的那個轎廂。
7.按照權利要求1的方法，其中第四步還包括一個子步，用于采用預期的估算到達時間和一個估算函數估算出一個基因。
8.按照權利要求1的方法，其中第四步還包括一個子步，用于根據一個與一個基因的選擇適配度成正比的概率來選擇一個母體轎廂。
9.按照權利要求1的方法，其中第四步還包括一個子步，用于對具有最高估算值的基因進行譯碼，從而將一個沒有分配的轎廂分配給一個相應的門廳呼叫。
10.按照權利要求1的方法，其中第四步還包括一個子步，用于獲得各個段的估算門廳呼叫，并且計算上述遺傳學算法，從而使遺傳學形式得到簡化。
11.按照權利要求1的方法，其中第四步還包括一個子步，用于改變遺傳學次序或是在母體轎廂的基因中插入一個新的結構，從而產生一個新的基因。
12.按照權利要求1的方法，其中第四步還包括一個子步，用于分配一個具有最高估算值的基因，用來將分配類型編碼成遺傳學類型，使用編碼的遺傳學類型產生一個新的基因，通過選擇具有最佳估算值的基因而再次選擇一個母體轎廂，并且反復執行預定的次數。
13.按照權利要求1的方法，其中第四步還包括一個子步，用來相對于未來的門廳呼叫根據用于估算所述基因的估算到達時間以及所有的可能性獲得一個預期的估算到達時間。
14.按照權利要求1的方法，其中第四步還包括一個子步，用于根據每個轎廂的當前位置和每個樓層及每個方向上的估算的門廳呼叫產生概率來獲得估算的門廳呼叫產生概率的各個加權，并且將這一加權加在估算的門廳呼叫上。
全文摘要
本發明涉及到在控制著安裝在一個大樓中的多個電梯的群管理系統中為一個門廳呼叫提供一個轎廂。按照本發明的電梯群管理控制方法是在使用綜合估算函數對每個轎廂進行估算之后選擇出兩個以上具有高估算值的轎廂,并且使用一種遺傳學算法來分配一個轎廂作為提供最佳服務的轎廂,這種算法在具有巨大檢索空間的系統中是非常有效的,從而可以減少平均等待時間和等待發生概率。
文檔編號B66B1/20GK1188067SQ9712971
公開日1998年7月22日 申請日期1997年12月30日 優先權日1996年12月30日
發明者高應烈, 金正午, 韓培勛 申請人:Lg產電株式會社