摘要：采用粒子群優化算法進行了雙子電梯群全局控制算法設計，由樓層視頻圖像的人數統計模塊自動計算候梯人數，由系統生成包含乘客候梯、乘梯信息的數據流并結合不同交通模式自主選擇自適應變異粒子群算法或混合粒子群算法；完成了候梯數據、算法選擇及操作、系統總流程設計；通過仿真將數據與梯群多目標優化控制指標進行比對，結果表明兩種改進型粒子群算法對控制目標具有更好的效果，驗證了算法的有效性和可應用性。

關鍵詞：雙子電梯；粒子群算法；控制系統；電梯群

1.引言

隨著經濟的騰飛和城市現代化都市水平的提高，作為經濟實力和科技發達程度象征的城市高層/超高層地標建筑涌現于視野當中，由此對建筑物中垂直交通工具的服務質量提出了更高的要求。據統計[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，極大減少實際可用面積，降低了建筑使用價值。如迪拜塔客流繁重，內部裝有56部超高速電梯，電梯井道造價高達數千萬元/m2。

為打破電梯制約城市向空中發展這一瓶頸，被電梯行業視為“終極夢想”的雙子電梯(TwinElevator)應運而生。ThyssenKrupp集團于2002年制造出世界首部雙子電梯系統，目前已成功應用于德國斯圖加特大學、俄羅斯聯邦大樓、西班牙巴倫西亞海洋中心、首爾Trumpf技術中心、法蘭克福MainTriangel大樓、大連星海假日酒店等項目。因其自身結構特點，比傳統電梯運力更高，運行規則也更為復雜。如何實現雙子電梯系統的高效調度，實現雙子電梯群優化控制，提高高速、超高速電梯乘運質量和運行效率，降低能耗，已成為國內外電梯行業的研究重點和熱點。國內對雙子電梯研究極少（目前能搜索到的國內各類文獻共18篇），本文將粒子群智能控制算法應用于雙子電梯群控系統研究，以減小與國外技術差距，為我國雙子電梯系統工程化調度提供理論基礎，推動我國電梯群控技術發展。

2.粒子群優化算法

美國Kennedy與Eberhart[3]受鳥類捕食行為的啟發，依照離食物距離最短的單鳥飛行軌跡和鳥群協作，首次提出粒子群優化算法（ParticleSwarmOptimization，PSO）。粒子群算法的是將鳥抽象成為搜索空間中只有位置和速度的“粒子”，在可解空間內初始化代表每一個可能解的一群粒子，用位置點（可理解為粒子本身）、決定飛行方向和距離的速度和適應度設計函數值來表達其特征。粒子每一次迭代都要跟蹤當前一代之內飛過的最優位置的個體極值和種群在當前這一代內經歷過的最優位置的全局極值來更新自身的位置和速度，從而逐漸逼近最優位置，找到優化問題的最優解。PSO算法通過位置與速度模型，與傳統群體進化算法相比避免了復雜的遺傳操作，可動態地跟蹤當前的搜索情況并及時調整搜索策略；算法需調整的參數較少，結構簡單，從而能夠更快地搜索到全局最優解。

粒子群優化算法具有結構簡單、收斂速度較快、參數設置少、算法適應性強等優點。目前，粒子群算法已被廣泛應用于信號處理、多目標優化、視頻圖像處理和智能機器人等領域，但目前國內外專家學者很少利用粒子群算法實現電梯群控系統的優化調度。

3.基于粒子群的雙子電梯全局控制算法設計

基于粒子群算法的雙子電梯群控系統主要分為候梯客流數據生成模塊、控制算法模塊、運行控制模塊以及運行結果統計模塊，通過這些子模塊相互協調和實時通信最終完成雙子電梯群控系統的可靠運行和高效控制。

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優化中，每個粒子代表一種派梯方案，每個粒子編碼分為上行和下行兩部分，粒子的維數取決于當前正在處理的呼梯信號數，也可自行設定為固定值。算法首先依據客流實時數據所產生的呼梯信息為每個呼梯任務隨機地分配一部電梯，即隨機產生一定規模的初始種群。在分析群控系統性能評價指標的基礎上，用加權系數法或者專家打分法對各電梯性能指標的評價函數進行線性組合，得到粒子群算法的適應度函數，經計算得到種群中各個粒子即各派梯方案的適應度值（其值的大小代表粒子的優劣），適應度值越大，粒子所對應的派梯方案越好。在選出個體極值與全局極值之后并更新粒子，生成下一代粒子群，經判斷算法計算直至滿足迭代終止條件，最終輸出最優派梯方案；否則，對慣性權重進行重新設置，更新初始粒子群，循環直至粒子群平均適應度值達到設定目標值或者進化代數達到最大值；最終實現對雙子電梯群的全局優化控制。

3.2候梯客流數據生成

采用基于視頻圖像的候梯人數統計模塊確定各樓層候梯人數，并認為乘客到達門廳候梯的規律服從泊松分布，通過乘客達到率、單位時間內呼梯概率等參數設置代入客流生成函數，經由起始密度向量和蒙特卡羅抽樣生成包含乘客到達時間、呼梯信號樓層以及目標樓層的實時候梯客流數據（候梯客流數據生成流程如圖1所示）。

圖1候梯客流數據生成

3.3兩種改進型粒子群算法

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

其中[4-5]，自適應變異特性粒子群算法在每次子粒子更新后，會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。混合粒子群算法是將遺傳智能算法與粒子群智能算法相結合，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一兩兩配對，之后隨機產生兩個交叉位，把處于兩個配好對的粒子的交叉位置上的元素進行互換以得到兩個新粒子。為保留優秀子個體粒子，僅當交叉產生的新（子）粒子的適應度值大于原來的源（父）粒子，才進行粒子更新，否則仍保留源（父）粒子。變異操作則采用兩位交互變異方法，首先在任意一個粒子上隨機地選擇兩個變異位置，隨后將這兩個變異位置的對應元素對換即完成變異操作。與交叉操作相同，只保留變異后適應度值大的新（子）粒子進行更新（如圖2所示）。為提高智能算法的系統全局搜索能力，變異概率取值不宜過小。

圖2兩種改進粒子算法判定流程圖

3.4雙子電梯群控系統全局設計

運行控制模塊負責模擬電梯的運行，其中包括曳引機和門機的加減速、開關門、勻速運行、停靠等功能，并可實時監控轎廂的位置以及運行狀態。運行結果統計模塊負責在轎廂每次停靠門廳的過程中記錄乘客的進梯和離梯時刻、進出乘客數等，并可以計算得到乘客的候梯時間和乘梯時間，并且電梯每停靠一次則計算一次停靠次數，為系統化評價雙子電梯群控系統性能提供數據依據。雙子電梯群控系統全局總流程圖如圖3所示。

圖3雙子電梯群控系統全局設計流程圖

4.基于視頻圖像的候梯人數自動統計裝置設計

群控系統根據候梯客流數據提供服務，但目前無法自動生成候梯人群數據，依靠人工統計方式工作量大，可行性低。本文提出一種基于視頻圖像分析的候梯人數自動檢測裝置，根據采集的視頻圖像進行解析完成對目標人體的提取與識別，完成人員計數。該裝置彌補了紅外線等傳感器人員計數的缺陷，提高了數據準確率，進一步優化了主動、節能、高效的控制策略，研究的實際意義和社會意義明顯。

該裝置主要由視頻圖像采集、圖像處理和數據結果輸出三大模塊組成[6]。視頻圖像處理模塊為該檢測統計裝置的核心模塊，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。候梯門廳的背景、裝飾、燈光、顏色復雜多樣等因建筑風格不同而迥異，事物動靜交錯，因此要運用合適處理算法去除背景、及時完成背景更新、前景邊緣分割完成目標提取等問題。將候梯區分區，采用覆蓋范圍較大的配置CCD鏡頭的半球型廣角云臺一體化攝像機，當人員候梯密度大于設定闕值時自動調整攝像機鏡頭對敏感區保持一定的冗余重合度，以提高視頻圖像采集率，減小誤差。選擇具有抗死機性能，支持DC12V/AC24V輸出自動匹配控制協議等功能的智能解碼器；通過其輸出端傳輸到實現多種特殊交互與逐幀檢索功能的視頻服務器中進行編碼壓縮并發送；由上位機通過天線接收采集的視頻數據并通過軟件來支持。基于動態序列視頻圖像幀間信息的圖像處理過程均以運動檢測作為基礎，這也是系統核心圖像處理模塊首要步驟。選擇基于背景減法的運動檢測處理，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題和處理過程中的擾動誤差，以達到完全去除背景信息，將當前幀中的運動目標信息完整提取的目的。在組合復雜算法的處理下提取背景和人肢體模型并判斷人數，自動計數并存貯，主動響發送候梯人數數據；傳輸控制信息選用HTTP/TCP協議、傳輸實時數據選用RTP/UDP協議。檢測裝置工作流程如圖4所示。

圖4.候梯人數檢測裝置工作流程圖

5.結語

在Matlab環境下將傳統粒子群算法、自適應變異粒子群算法、混合粒子群算法與沿用傳統的最小候梯時間算法分別設置不同客流數據在上行模式、下行模式以及層間模式三種典型交通模式下進行雙子電梯群控系統仿真，根據仿真得到的乘客平均候梯時間、長候梯時間發生率以及停車次數，結果表明，兩種改進型粒子群算法對控制目標具有更好的控制效果，驗證了算法的有效性和可應用性，并使得雙子電梯群控系統可根據不同的交通模式運用不同的控制算法，從而改善了電梯的服務質量與運行效率。由于世界范圍內對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，在工程實踐中應用有待驗證。

參考文獻

[1]張進．基于粒子群算法的雙子電梯群控制系統研究[D].哈爾濱工業大學，2014.

[2]王蘇華．新型電梯曳引機驅動與控制系統設計與實現[D].南京理工大學，2013.

[3]李慶超．基于遺傳算法的雙子電梯群復合控制系統研究[D].哈爾濱工業大學，2013.

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

[5]劉蓉．自適應粒子群算法研究及其在多目標優化中應用[D].華南理工大學，2011.

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

作者簡介：張金楊（1976-），女，碩士，高級工程師。