基于貝葉斯網(wǎng)絡(luò)控制算法的智能電梯探討

吳旖珺，胡毅威

(1.湖北機(jī)場集團(tuán)有限公司，湖北 武漢 430302；2.湖北國際物流機(jī)場有限公司，湖北 鄂州 436000 )

1 引言

“碳中和”時(shí)代的到來，自然環(huán)境的惡化和自然資源的消耗迫使人們追求“可持續(xù)”的生活方式。隨著物聯(lián)網(wǎng)、大數(shù)據(jù)時(shí)代、智能電網(wǎng)和智能建筑等智能技術(shù)的應(yīng)用，將會促進(jìn)人類在保護(hù)自然環(huán)境方面的進(jìn)步。聯(lián)合國組織研究表明，到2050年有68%的世界人口將生活在城市地區(qū)。這表明，提高多層建筑的可持續(xù)性可能對環(huán)境問題會產(chǎn)生積極的影響。20世紀(jì)80年代初智能建筑的概念首次提出，目前也在學(xué)術(shù)界和許多其他領(lǐng)域得到了廣泛的普及。關(guān)于智能建筑有很多不同的定義，然而，這些定義中的大多數(shù)都有一個(gè)共同的理念，即智能建筑應(yīng)該通過綜合技術(shù)的利用，為居住者提供可持續(xù)、安全、有效且靈活的環(huán)境系統(tǒng)。如今，典型的智能建筑解決方案能夠?qū)崿F(xiàn)建筑物的供暖、通風(fēng)、空調(diào)、照明、火警、安保監(jiān)控和電梯系統(tǒng)的自動控制。電梯系統(tǒng)的有效運(yùn)行是一項(xiàng)具有挑戰(zhàn)性而又值得研究的任務(wù)，因此電梯系統(tǒng)的有效運(yùn)行引起了學(xué)術(shù)界的廣泛關(guān)注。

自1852年伊萊沙·格雷夫斯·奧的斯發(fā)明電梯以來，電梯技術(shù)經(jīng)歷了巨大的進(jìn)步。與早期的電梯相比，現(xiàn)代電梯更舒適、更安全，速度更快，消耗的能源更少。然而，由于控制系統(tǒng)運(yùn)行不佳，大多數(shù)傳統(tǒng)的客運(yùn)電梯無法充分處理繁忙的人流應(yīng)對不同乘客的需求。IBM公司在美國16個(gè)城市進(jìn)行的一項(xiàng)研究表明，辦公室職員在等待電梯或困在電梯里的時(shí)間相當(dāng)長。很明顯，傳統(tǒng)的電梯控制方法必須被重塑，以應(yīng)對大型城市不斷增長的人口基數(shù)。

在大多數(shù)現(xiàn)代建筑中，很少看到一部電梯轎廂服務(wù)于整棟樓，而是設(shè)計(jì)有多部電梯背靠背工作，以便及時(shí)轉(zhuǎn)運(yùn)連續(xù)的人流。當(dāng)多部電梯被放置在一組時(shí)，將采用電梯群控(EGC)算法控制電梯的運(yùn)行。EGC算法是以最小化某一單元為目標(biāo)控制每臺電梯，最常見的是能源消耗和乘客等待時(shí)間或移動時(shí)間。傳統(tǒng)的EGC算法是基于條件邏輯的，即根據(jù)電梯轎廂位置和乘客呼叫來進(jìn)行電梯調(diào)度。更先進(jìn)的傳統(tǒng)EGC算法能夠根據(jù)不同模式改變電梯調(diào)度策略。例如，在辦公大樓里，工作日早上的客流往往很緊張，因?yàn)榇蠖鄶?shù)辦公室工作人員都在同一時(shí)間上班。在這種情況下，電梯轎廂的調(diào)度可能更注重將人們從大廳移動到他們的辦公室樓層，而不是在樓層間的移動。另一個(gè)智能EGC系統(tǒng)，即所謂的目的地控制(DC)系統(tǒng)，根據(jù)目的地對乘客進(jìn)行分組。乘客在大廳使用專門的電子系統(tǒng)登記目的地樓層，一旦登記樓層，系統(tǒng)將顯示分配給乘客的電梯轎廂號。有研究表明，配備了DC系統(tǒng)的現(xiàn)代商用電梯可平均節(jié)約30%的到達(dá)時(shí)間。

然而，雖然現(xiàn)有的最先進(jìn)的EGC系統(tǒng)具有顯著提高電梯系統(tǒng)運(yùn)行效率的功能，但它們的主要弱點(diǎn)在于無法處理由不可預(yù)測的客流量造成的不確定性。如今，這些不確定性對電梯系統(tǒng)運(yùn)行效率的負(fù)面影響則可以通過使用人工智能(AI)算法來緩解。

2 電梯人工智能技術(shù)

最早將AI算法引入EGC系統(tǒng)的方法之一是提出一個(gè)由模糊邏輯控制的EGC系統(tǒng)。該算法根據(jù)日常運(yùn)行過程中記錄的統(tǒng)計(jì)信息來判斷流量模式。與傳統(tǒng)的EGC系統(tǒng)算法進(jìn)行比較，結(jié)果表明該算法相比平均等到呼叫電梯的時(shí)間提高了35%～40%。雖然有點(diǎn)類似，但文獻(xiàn)[3]提出了一種基于模糊BP神經(jīng)網(wǎng)絡(luò)和自尋優(yōu)地圖算法的電梯模式交通識別方法。該算法利用模糊BP神經(jīng)網(wǎng)絡(luò)對現(xiàn)有交通流進(jìn)行分析，從而檢測出交通模式。結(jié)果表明，交通模式識別可極大地提高EGC系統(tǒng)策略的有效性。

目前，工程師們將大多數(shù)工作主要集中在電梯群控算法的改進(jìn)方面，如耗電量或乘客滿意度、以及電梯調(diào)度優(yōu)化等。在文獻(xiàn)[4]中，作者提出了基于光學(xué)攝像機(jī)的乘客檢測與跟蹤的EGC系統(tǒng)算法。該算法的主要目標(biāo)是最小化乘客等待時(shí)間和電梯耗電量。該算法采用基于Haar-like類特征的乘客檢測，利用卡爾曼濾波實(shí)現(xiàn)乘客運(yùn)動跟蹤。在文獻(xiàn)[5]中，作者提出了一個(gè)以電梯系統(tǒng)能效為核心的決策模型。該模型利用貝葉斯網(wǎng)絡(luò)實(shí)現(xiàn)電梯的有效調(diào)度。測試結(jié)果表明，該框架與傳統(tǒng)EGC系統(tǒng)相比，能耗明顯降低。在文獻(xiàn)[6]中，作者提出了電梯調(diào)度問題(EDP)的混合整數(shù)線性規(guī)劃(MILP)公式，該公式明確表述了操作規(guī)程。在文獻(xiàn)[7]中，作者將他們的研究擴(kuò)大到在集體控制(CC)規(guī)則下運(yùn)行的目標(biāo)控制(DC)電梯系統(tǒng)。在文獻(xiàn)[8]中，作者提出了一種考慮交通流隨機(jī)性的面向節(jié)能的再生式電梯調(diào)度優(yōu)化策略，該模型實(shí)現(xiàn)了考慮交通流模式的單目標(biāo)優(yōu)化，作者認(rèn)為，每個(gè)樓層等待電梯的乘客數(shù)量是不確定性的主要來源。在文獻(xiàn)[9]中，作者試圖開發(fā)一個(gè)統(tǒng)一即時(shí)呼叫和延遲呼叫分配系統(tǒng)的模型，以改進(jìn)電梯調(diào)度。前者在乘客發(fā)出呼叫后立即分配呼叫，后者在電梯準(zhǔn)備為乘客服務(wù)之前分配呼叫。

隨著智能化可視系統(tǒng)的發(fā)展，在現(xiàn)有的智能電梯解決方案中，可視化輔助系統(tǒng)是最有前景的研究方向之一。在文獻(xiàn)[10]中，作者提出了一種基于攝像頭的電梯節(jié)能EGC算法。在一般信息(電梯轎廂位置、移動方向等)的基礎(chǔ)上，本文提出的EGC算法考慮了各樓層等待電梯的乘客規(guī)模數(shù)量，對電梯轎廂進(jìn)行節(jié)能調(diào)度。研究結(jié)果表明，該算法在低峰流量下可節(jié)約20%的能量。文獻(xiàn)[11]中也提出了一些類似的方法。

然而，在本文中，主要目標(biāo)是通過利用走廊攝像頭的信息最小化乘客等待時(shí)間。利用基于區(qū)域的神經(jīng)網(wǎng)絡(luò)系統(tǒng)對采集到的數(shù)據(jù)進(jìn)行分析，并將其傳輸?shù)絺鹘y(tǒng)的電梯控制系統(tǒng)中進(jìn)行電梯調(diào)度。

本文是對文獻(xiàn)[12]的擴(kuò)展，專注于基于視覺目標(biāo)識別和貝葉斯網(wǎng)絡(luò)理論的智能電梯控制算法。

3 電梯控制邏輯建模

該控制邏輯算法應(yīng)用于傳統(tǒng)的集中控制策略之上，其中電梯控制算法讓電梯朝一個(gè)方向移動。它只會停下來接同方向的人。當(dāng)該方向的所有請求都被耗盡時(shí)，電梯將向另一個(gè)方向運(yùn)行或停留在空閑狀態(tài)，以防再有電梯呼叫。本文提到的電梯控制算法，是根據(jù)等待電梯的乘客規(guī)模數(shù)量多少向電梯系統(tǒng)發(fā)送指令。這些信息可通過安裝在大廳、走廊和電梯門前的數(shù)碼攝像機(jī)獲取，并通過圖像處理系統(tǒng)進(jìn)行實(shí)時(shí)處理。關(guān)于數(shù)據(jù)采集和圖像處理系統(tǒng)的討論超出了本文提到的范圍；因此，本節(jié)只著重討論用于控制電梯轎廂的貝葉斯分類模型即構(gòu)造BN結(jié)構(gòu)和參數(shù)。

由于貝葉斯推斷是需要根據(jù)新的證據(jù)更新變量的概率分布。在本文中，假設(shè)每30 s進(jìn)行一次分組大小的測量，并將該信息隨機(jī)地發(fā)送到集中控制系統(tǒng)中。該算法以呼叫過程中乘客群體規(guī)模數(shù)量、等待時(shí)間和電梯轎廂位置為變量，優(yōu)化電梯調(diào)度。調(diào)度優(yōu)先級的參數(shù)可以根據(jù)用戶的喜好進(jìn)行調(diào)整；即用戶可以對等待時(shí)間變量賦予更高的優(yōu)先級，從而減少總體乘客等待時(shí)間，但代價(jià)是較高的耗電量。圖1描述了所提算法的向上方向的圖形模型。向下的模型與向上的模型相似，但BN結(jié)構(gòu)有所不同。

圖1 向上方向的圖形模型

乘客群體規(guī)模數(shù)量這一變量決定了等待電梯的人數(shù)。分組大小數(shù)據(jù)的分類必須根據(jù)電梯轎廂的大小來進(jìn)行。例如，對于一般的電梯轎廂的大小可做如下劃分：0名乘客—無(N)，1 - 2名乘—中(M)，3名或更多的乘客—大(H)。這些劃分可以基于用戶偏好和電梯的大小進(jìn)行改變，然而重要的是，過多的分組類別可能會導(dǎo)致計(jì)算時(shí)間增加，而對電梯調(diào)度的整體性能幾乎沒有影響。由于不同乘客的隨機(jī)移動，乘客數(shù)量的多少可能會有所不同(產(chǎn)生不確定性)。在某些情況下，人們可能只是經(jīng)過電梯時(shí)被攝像機(jī)拍到，或者等了幾分鐘后決定走樓梯，同時(shí)有些不確定性可能是由于光線的偏差或路過的行人所導(dǎo)致的。在更新每組大小節(jié)點(diǎn)的邊際概率時(shí)，必須考慮這些實(shí)例。因此，用該節(jié)點(diǎn)處于某些狀態(tài)的概率來表示不同組別的大小節(jié)點(diǎn)是很重要的。

然后，利用模糊規(guī)則計(jì)算各節(jié)點(diǎn)的CPT值。(Fi指建筑物的樓層，i為樓層編號，n為建筑物的總樓層數(shù))向上方向的模糊規(guī)則概述如下：

(1)如果F1處于H狀態(tài)，忽略其他樓層，去F1。

(2)如果F1處于狀態(tài)M和狀態(tài)H，除了F(n-1)外．如果有幾層樓處于狀態(tài)H，則為每一層樓分配相同的優(yōu)先級。

(3)如果F1處于狀態(tài)N然后需要去的樓層處于狀態(tài)M或者H。如果有幾個(gè)樓層處于狀態(tài)M或狀態(tài)H，則為每一個(gè)樓層分配相同的優(yōu)先級。

(4)如果所有樓層都處于狀態(tài)N到F1。

(5)如果Fi處于狀態(tài)H且忽略其他樓層數(shù)量而去Fi，除非如果F1處于狀態(tài)H，則為每一個(gè)樓層分配相同的優(yōu)先級。

由于本文只研究向上的方向，故Fn沒有規(guī)則。向下的方向也有類似的規(guī)則。

除了樓層狀態(tài)，該算法還考慮了其他因素，如電梯轎廂與呼叫者的距離以及呼叫者等待電梯的時(shí)間。電梯轎廂首先送達(dá)到哪里，最終結(jié)果很大程度上取決于這些變量。安裝在大廳、走廊和電梯門前的攝像頭每30 s向圖像處理算法發(fā)送圖像。圖像處理算法確定人數(shù)和他們的等待時(shí)間，并將這一信息報(bào)告給控制單元。與群體規(guī)模變量類似，等待時(shí)間變量是根據(jù)概率設(shè)置的，以解釋人們在電梯門前的隨機(jī)移動(等待時(shí)間與呼叫優(yōu)先級在本文中不再贅述)。

4 結(jié)論與討論

電梯控制策略的成功實(shí)施，如本文描述的算法，將需要考慮現(xiàn)有的電梯控制的實(shí)際狀態(tài)，兩者是密不可分的。為了正確地調(diào)整電梯控制算法，各個(gè)信息的整合也是至關(guān)重要的。根據(jù)圖像采集和處理系統(tǒng)提供的模糊規(guī)則和數(shù)據(jù)，對控制系統(tǒng)進(jìn)行調(diào)整，使其產(chǎn)生控制動作。

為了實(shí)現(xiàn)該算法，首先利用貝葉斯定理構(gòu)建了BN模型。隨機(jī)選取第2節(jié)中35+個(gè)場景進(jìn)行分析，以便用證據(jù)數(shù)據(jù)更新網(wǎng)絡(luò)。其次，評估算法所做出的決策，并調(diào)整BN變量的概率分布，以獲得更好的決策。經(jīng)過對數(shù)調(diào)整后，算法與黃金決策的相似度可達(dá)94%。

(1)算法的優(yōu)點(diǎn)是：①清晰簡單的圖形數(shù)據(jù)處理模型；②具有不確定性的信息也可以被包括進(jìn)來并被充分調(diào)查；③決策策略可以根據(jù)用戶的喜好進(jìn)行調(diào)整；④決策規(guī)則沒有硬編碼到算法中，因此可以調(diào)整或修改；⑤實(shí)施新的電梯控制規(guī)則只需要重新分配各種變量的條件概率或改變模型的拓?fù)洹?/p>

(2)算法的缺點(diǎn)是：①為了確定對最終決策有很大影響的變量，必須進(jìn)行敏感性分析；②算法的實(shí)施者要對電梯控制和調(diào)度及一般的BN和概率推理有全面的了解。

(3)與所提算法的實(shí)現(xiàn)有關(guān)的重要方面有：①模糊規(guī)則的推導(dǎo)是與現(xiàn)場專家協(xié)調(diào)進(jìn)行的；②利用變量去模糊化和三階段算法調(diào)整，將模糊規(guī)則轉(zhuǎn)換為數(shù)值；③影響實(shí)用節(jié)點(diǎn)的節(jié)點(diǎn)數(shù)量保持在非常低的水平。

綜上所述，未來算法工程師更多的工作是將專注于擴(kuò)展該算法，開發(fā)基于BN的EGC算法，來用于有多個(gè)電梯的大型辦公樓，以實(shí)現(xiàn)搭乘智能電梯效率的提升和樓宇智能化。