摘要：电梯智能调度优化是指将高层建筑中的多个电梯轿厢作为一个整体进行管理，通过利用先进的算法和技术（如人工智能、机器学习、大数据分析等）将候梯呼叫分配给最合适的电梯轿厢，同时优化一个或多个目标函数，例如平均等待时间、往返时间和电梯能耗等，对电梯的运行和调度进行智能化管理，以提高电梯的运行效率、减少乘客的等待时间、降低能耗，并提升乘客的出行体验。随着城市化进程的加快，高层建筑数量的增加，乘客电梯调度优化已成为提升城市交通效率、节能减排的重要研究领域。

在过去的几十年中，大量研究人员致力于提出新的优化控制策略改进电梯控制技术，包括专家系统、模糊控制和进化策略等。由于电梯系统存在多目标性、随机性和非线性等特点，其最优控制策略尚未解决。并且，电梯调度优化研究大多围绕着最小化乘客等待时间和到达目的地时间，随着全球能源危机不断升级和建设绿色地球力度加大，目前电梯调度优化的核心目标已经从最小化乘客等待时间转换为最小化电梯能耗。因此，研究如何在保证乘客等待时间和到达目的地时间没有明显增加的情况下，尽量减少电梯的平均能耗具有重要意义。随着人工智能和机器学习技术的快速发展，电梯交通模式的辨识和调度优化将越来越依赖于智能化和自动化。这一趋势不仅提高了电梯系统的响应速度，也为解决城市交通拥堵问题提供了新的解决方案。另外，大数据技术的进步使得实时监测和数据分析成为可能。通过对实时数据的分析，可以更准确地预测乘客需求，优化调度策略，从而提升电梯的使用效率。这一研究方向与当前科学研究的发展趋势高度契合，强调了数据驱动决策的重要性。并且，在全球关注可持续发展的背景下，实现电梯系统的能效提升，助力绿色建筑的发展将成为重点。这一研究领域的应用前景广阔，将为提升城市交通效率、推动绿色建筑发展和提升社会服务水平做出重要贡献。

当前国内外研究者在电梯智能调度优化的研究上主要集中在遗传算法、粒子群优化和蚁群算法等智能优化算法的应用，但由于电梯系统存在多目标性、随机性和非线性等特点，其最优控制策略尚未解决。

研究人员开发了许多电梯硬件技术来提高调度性能。2002年，ThyssenKrupp提出并实施了多轿厢电梯系统，将多个轿厢放置在一个电梯井内，以达到更强大的客运能力。2008年，双层电梯系统被提出，其中两个轿厢垂直连接在一个竖井中，以增加处理能力。随着图像处理和分析技术的发展，EGCS中也使用了安全摄像头来辅助调度。东芝在2014年提出了一种电梯节能算法，该算法使用摄像头检测每次候梯呼叫时等待的乘客数量，并分析其对调度性能的影响，以确定不同轿厢服务的乘客数量。类似的，通过检测大厅区域的交通需求，也有一项研究使用专家系统进行决策，该专家系统将贝叶斯网络与模糊规则相结合。Bapin Y等人进一步研究了这项工作，其中使用贝叶斯网络估计乘客和物品的有效数量，然后将其用于最近的轿厢算法。M.Sale等人还讨论了电梯系统的设计，电梯系统有很多因素需要考虑，比如管理时间和金钱。

相较于增加硬件设备，通过改进控制策略及方法对电梯调度更为有效。由于多种原因，实施有效的优化过程十分困难。首先，调度一组电梯是一个组合过程，随着电梯和候梯呼叫数量的增加而变得更加复杂，其次，每一天建筑物的交通模式都会有所不同。最后，乘客的到达及其目的地具有随机性和不确定性。为了解决组合优化问题，经常应用元启发式或自然启发算法。在解决不可预测的复杂问题时，这些算法的表现十分优秀。电梯调度问题是NP完全问题，其计算时间随着问题规模的扩大呈指数级增长。因此，目前常用的优化方法是GA、PSO等经典启发式算法，同时，基于人工智能（AI）的方法也会被使用。Fujino等人实现了第一个基于元启发式的dianti，其中GA用于调整电梯控制系统参数，直到现在，遗传算法仍是EGCS优化问题中应用最广泛的算法。2001年，Tyni等人提出了一种基于GA的轿厢分配方法。后来，该方法在双层电梯中实施。上述两种优化方法都是单一目标，仅优化AWT。因此，T.Tyni等人提出了一种多目标优化方法，以最小化电梯中的能耗。但是，在这种方法中，问题公式的细节以及高峰交通模式被忽略了。Latif等人提出了EDP（Elevator Dispatch Problem）算法，如预计调度时间（ETD）、目的地控制系统（DCS）和Compass Plus目的地系统（CDS）。ETD算法基于目的地调度系统，登记用户目标楼层，从而将其分配给电梯轿厢。DCS算法根据用户登记的目的地对用户进行分组，集成人工智能、交通预测、模糊逻辑和遗传优化，并持续监控交通行为以避免故障。CDS算法引入传统的智能分组概念，目的地相似的乘客被分配到相同的电梯轿厢，电梯被分配到特定楼层，从而减少了停靠次数，从而缩短到达目的地的时间。Janne等人认为EDP是一个双层、动态、随机、多目标优化问题，由于EDP是一个困难的优化问题，因此使用精确算法解决问题的时间相对于问题的大小呈指数增长，目前主要有效的解决方法应基于适用于实时优化的遗传算法。Tartan等人使用了一种遗传算法，该算法吸引了研究人员对等待时间的建议优化进行研究。建议的解决方案最小化了平均乘客等待时间，并采用了更简单的编码方法，从而提高了计算效率，降低了计算成本。

结束语

电梯使用场景的复杂性对电梯调度优化目标提出多种要求。现在高层建筑的电梯使用场景通常可分为办公楼和住宅，通常办公楼电梯组规模远大于住宅电梯，交通流量也明显更多，因此，办公楼中电梯调度优化应该权重于优化能耗和乘客等待时间，而住宅电梯流量较少，能耗优化难以起到作用，因此其优化应权重于优化乘客等待时间和到达目的地时间。此外，工作日和节假日的交通流量分布又存在明显区别，电梯调度策略还需根据是否为工作日进行具体调整。因此，采用适合的调度策略，对提升电梯的运输效率，降低能耗，改善乘客体验，推动绿色建筑发展和提升社会服务水平有重要意义，具有广泛的应用前景。

参考文献

[1] 顾玲丽. 高层住宅电梯群控系统调度研究[D]. 苏州：苏州科技大学， 2021.

[2] 蔡碧贞. 电梯群控节能技术的优化提升[J]. 电子技术与软件工程， 2021（14）：229-230.

[3] 董佳琦， 许洪华. 基于遗传算法优化支持向量机的电梯交通模式识别[J]. 工业控制计算机， 2022， 35（01）：101-103.