本發(fā)明實(shí)施例涉及電梯控制技術(shù)，尤其涉及一種電梯智能預(yù)調(diào)度方法及系統(tǒng)。

背景技術(shù)：

電梯是高層建筑中不可缺少的垂直交通運(yùn)輸工具，隨著科技的發(fā)展，人們對(duì)電梯系統(tǒng)的性能提出了越來越高的要求。近年來，電梯控制技術(shù)得到了快速的發(fā)展，許多先進(jìn)的控制技術(shù)被應(yīng)用于電梯控制系統(tǒng)中。

在目前的電梯調(diào)度系統(tǒng)中，受計(jì)算能力及存儲(chǔ)能力的限制，電梯群控或主控往往只進(jìn)行實(shí)時(shí)調(diào)度，即實(shí)時(shí)根據(jù)召梯情況及電梯分布情況通過某種特定的算法確定調(diào)度方案。

實(shí)際上，在住宅小區(qū)或商業(yè)辦公樓中，用戶使用電梯往往具備某些規(guī)律，而這些規(guī)律隱藏在電梯運(yùn)行歷史數(shù)據(jù)中，提取出這些規(guī)律，就能夠?qū)τ脩粽偬葸M(jìn)行預(yù)測，進(jìn)行電梯預(yù)調(diào)度，從而減少用戶等待時(shí)間，提高電梯友好性，同時(shí)達(dá)到電梯節(jié)能的目的。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供一種電梯智能預(yù)調(diào)度方法及系統(tǒng)，以實(shí)現(xiàn)對(duì)用戶召梯進(jìn)行預(yù)測，進(jìn)行電梯預(yù)調(diào)度。

第一方面，本發(fā)明實(shí)施例提供了一種電梯智能預(yù)調(diào)度方法，該方法包括：

獲取電梯的歷史運(yùn)行狀態(tài)數(shù)據(jù)；

采用機(jī)器學(xué)習(xí)算法對(duì)所述運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行學(xué)習(xí)，形成預(yù)測模型；

按照所述預(yù)測模型進(jìn)行召梯預(yù)測；

根據(jù)預(yù)測結(jié)果進(jìn)行電梯預(yù)調(diào)度操作。

進(jìn)一步地，采用機(jī)器學(xué)習(xí)算法對(duì)所述運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行學(xué)習(xí)，形成預(yù)測模型包括：

預(yù)設(shè)至少兩種預(yù)測召梯模式，作為神經(jīng)網(wǎng)絡(luò)的標(biāo)簽值；

將各類運(yùn)行狀態(tài)數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的神經(jīng)元；

隨機(jī)初始化神經(jīng)網(wǎng)絡(luò)各神經(jīng)元權(quán)值，所述權(quán)值用于表征各類運(yùn)行狀態(tài)數(shù)據(jù)與標(biāo)簽值之間的關(guān)聯(lián)程度；

根據(jù)所述電梯運(yùn)行狀態(tài)歷史數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，以更新各神經(jīng)元權(quán)值；

達(dá)到預(yù)設(shè)停止條件時(shí)確定各所述神經(jīng)元權(quán)值；

按照所述各神經(jīng)元權(quán)值輸出神經(jīng)網(wǎng)絡(luò)模型作為預(yù)測模型。

進(jìn)一步地，采用機(jī)器學(xué)習(xí)算法對(duì)所述運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行學(xué)習(xí)，進(jìn)而形成預(yù)測模型包括：

對(duì)運(yùn)行狀態(tài)數(shù)據(jù)中，單次采集的各類運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行無量綱轉(zhuǎn)換，得到單次采集的無量綱數(shù)據(jù)；

按照各次采集的無量綱數(shù)據(jù)之間的相似度關(guān)系，識(shí)別各次采集時(shí)的召梯模式，并形成模式集作為預(yù)測模型。

進(jìn)一步地，所述運(yùn)行狀態(tài)數(shù)據(jù)包括下述至少一類：天氣狀況、召梯時(shí)刻、召梯樓層、電梯稱重和假期狀態(tài)。

進(jìn)一步地，所述預(yù)測召梯模式包括：召梯時(shí)刻、召梯樓層及外召類型。

進(jìn)一步地，采用機(jī)器學(xué)習(xí)算法對(duì)所述運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行學(xué)習(xí)，形成預(yù)測模型之前，還包括：根據(jù)預(yù)設(shè)機(jī)器學(xué)習(xí)時(shí)鐘，周期性觸發(fā)啟動(dòng)機(jī)器學(xué)習(xí)過程。

第二方面，本發(fā)明實(shí)施例還提供了一種電梯智能預(yù)調(diào)度系統(tǒng)，該系統(tǒng)包括：

數(shù)據(jù)獲取模塊，用于獲取電梯的歷史運(yùn)行狀態(tài)數(shù)據(jù)；

機(jī)器學(xué)習(xí)模塊，用于采用機(jī)器學(xué)習(xí)算法對(duì)所述預(yù)處理后數(shù)據(jù)進(jìn)行學(xué)習(xí)，形成預(yù)測模型；

召梯預(yù)測模塊，用于按照所述預(yù)測模型進(jìn)行召梯預(yù)測；

電梯預(yù)調(diào)度模塊，用于根據(jù)預(yù)測結(jié)果進(jìn)行電梯預(yù)調(diào)度操作。

進(jìn)一步地，機(jī)器學(xué)習(xí)模塊包括：

召梯模式預(yù)設(shè)單元，用于預(yù)設(shè)至少兩種預(yù)測召梯模式，作為神經(jīng)網(wǎng)絡(luò)的標(biāo)簽值；

神經(jīng)元設(shè)定單元，用于將各類運(yùn)行狀態(tài)數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的神經(jīng)元；

權(quán)值初始化單元，用于隨機(jī)初始化神經(jīng)網(wǎng)絡(luò)各神經(jīng)元權(quán)值，所述權(quán)值用于表征各類運(yùn)行狀態(tài)數(shù)據(jù)與標(biāo)簽值之間的關(guān)聯(lián)程度；

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)單元，用于根據(jù)所述電梯運(yùn)行狀態(tài)歷史數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，以更新各神經(jīng)元權(quán)值；

神經(jīng)元確定單元，用于達(dá)到預(yù)設(shè)停止條件時(shí)確定各所述神經(jīng)元權(quán)值；

模型輸出單元，用于按照所述各神經(jīng)元權(quán)值輸出神經(jīng)網(wǎng)絡(luò)模型作為預(yù)測模型。

進(jìn)一步地，機(jī)器學(xué)習(xí)模塊包括：

無量綱轉(zhuǎn)換單元，用于對(duì)運(yùn)行狀態(tài)數(shù)據(jù)中，單次采集的各類運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行無量綱轉(zhuǎn)換，得到單次采集的無量綱數(shù)據(jù)；

召梯模式識(shí)別單元，用于按照各次采集的無量綱數(shù)據(jù)之間的相似度關(guān)系，識(shí)別各次采集時(shí)的召梯模式，并形成模式集作為預(yù)測模型。

進(jìn)一步地，所述運(yùn)行狀態(tài)數(shù)據(jù)包括下述至少一類：天氣狀況、召梯時(shí)刻、召梯樓層、電梯稱重和假期狀態(tài)。

進(jìn)一步地，所述預(yù)測召梯模式包括：召梯時(shí)刻、召梯樓層及外召類型。

進(jìn)一步地，包括機(jī)器學(xué)習(xí)時(shí)鐘預(yù)設(shè)模塊，用于在機(jī)器學(xué)習(xí)模塊之前，根據(jù)預(yù)設(shè)機(jī)器學(xué)習(xí)時(shí)鐘，周期性觸發(fā)啟動(dòng)機(jī)器學(xué)習(xí)過程。

本發(fā)明實(shí)施例通過采用機(jī)器學(xué)習(xí)提取出隱藏在電梯歷史運(yùn)行狀態(tài)數(shù)據(jù)中的規(guī)律，對(duì)用戶召梯進(jìn)行預(yù)測，進(jìn)行電梯預(yù)調(diào)度，從而減少用戶等待時(shí)間，提高電梯友好性，同時(shí)達(dá)到電梯節(jié)能的目的。

附圖說明

圖1是本發(fā)明實(shí)施例一提供的一種電梯智能預(yù)調(diào)度方法的流程圖；

圖2是本發(fā)明實(shí)施例二提供的一種電梯智能預(yù)調(diào)度方法的流程圖；

圖3是本發(fā)明實(shí)施例三提供的一種電梯智能預(yù)調(diào)度方法的流程圖；

圖4是本發(fā)明實(shí)施例四提供的一種電梯智能預(yù)調(diào)度系統(tǒng)的示意圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明?？梢岳斫獾氖牵颂幩枋龅木唧w實(shí)施例僅僅用于解釋本發(fā)明，而非對(duì)本發(fā)明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發(fā)明相關(guān)的部分而非全部結(jié)構(gòu)。

實(shí)施例一

圖1是本發(fā)明實(shí)施例一提供的一種電梯智能預(yù)調(diào)度方法的流程圖，本發(fā)明實(shí)施例可適用于對(duì)電梯進(jìn)行預(yù)調(diào)度的情況，該方法可以由電梯智能預(yù)調(diào)度系統(tǒng)來執(zhí)行，該系統(tǒng)可采用軟件和/或硬件的方式來實(shí)現(xiàn)，一般部署在云端服務(wù)器中。該方法具體包括：

S110、獲取電梯的歷史運(yùn)行狀態(tài)數(shù)據(jù)。

其中，系統(tǒng)啟動(dòng)時(shí)啟動(dòng)服務(wù)接口，服務(wù)接口用于接收電梯運(yùn)行狀態(tài)數(shù)據(jù)，每部電梯的運(yùn)行狀態(tài)數(shù)據(jù)通過通信控制單元發(fā)送到云端服務(wù)器，云端服務(wù)器對(duì)運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行解析并存儲(chǔ)到存儲(chǔ)服務(wù)器中。從存儲(chǔ)服務(wù)器中獲取電梯的歷史運(yùn)行狀態(tài)數(shù)據(jù)，并對(duì)獲取的數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，對(duì)數(shù)據(jù)進(jìn)行篩選及變換等，目的是將數(shù)據(jù)處理成機(jī)器學(xué)習(xí)算法需要的格式。

S120、采用機(jī)器學(xué)習(xí)算法對(duì)所述運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行學(xué)習(xí)，形成預(yù)測模型。

其中，機(jī)器學(xué)習(xí)模塊支持多種學(xué)習(xí)算法，提供統(tǒng)一的算法接口模型方便算法擴(kuò)展，可在不改變整體架構(gòu)的情況下增加算法類型。采用機(jī)器學(xué)習(xí)算法對(duì)運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行學(xué)習(xí)，能夠獲得電梯調(diào)度情況的規(guī)律和運(yùn)行狀態(tài)數(shù)據(jù)之間的關(guān)系，從而形成預(yù)測模型。將機(jī)器學(xué)習(xí)部署在云端，避免了學(xué)習(xí)過程中占用電梯系統(tǒng)的運(yùn)算能力及存儲(chǔ)空間的問題，機(jī)器學(xué)習(xí)過程不影響電梯系統(tǒng)的正常運(yùn)行。其具備強(qiáng)大的運(yùn)算能力及存儲(chǔ)能力，同時(shí)具有極強(qiáng)的擴(kuò)展性，彌補(bǔ)了電梯系統(tǒng)運(yùn)算及存儲(chǔ)能力不足的問題，能夠運(yùn)行復(fù)雜的機(jī)器學(xué)習(xí)算法對(duì)大量的數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，為電梯系統(tǒng)提供了強(qiáng)大的機(jī)器學(xué)習(xí)能力，使電梯智能預(yù)調(diào)度更加準(zhǔn)確有效。將機(jī)器學(xué)習(xí)算法部署在云端有利于機(jī)器學(xué)習(xí)算法的更新升級(jí)及算法參數(shù)調(diào)整。

可選地，采用機(jī)器學(xué)習(xí)算法對(duì)所述運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行學(xué)習(xí)，形成預(yù)測模型之前，還包括：根據(jù)預(yù)設(shè)機(jī)器學(xué)習(xí)時(shí)鐘，周期性觸發(fā)啟動(dòng)機(jī)器學(xué)習(xí)過程。

其中，預(yù)設(shè)機(jī)器學(xué)習(xí)時(shí)鐘用于檢測是否到達(dá)某個(gè)學(xué)習(xí)任務(wù)的啟動(dòng)時(shí)間，能夠配置周期性定時(shí)啟動(dòng)學(xué)習(xí)，從而及時(shí)地對(duì)新樣本進(jìn)行學(xué)習(xí)，在不斷地學(xué)習(xí)中持續(xù)對(duì)預(yù)測模型進(jìn)行修正，一般學(xué)習(xí)的啟動(dòng)的時(shí)間會(huì)設(shè)置在電梯的使用率較低的時(shí)間點(diǎn)，例如深夜十二點(diǎn)以后等，避免在電梯使用率較高時(shí)處理的數(shù)據(jù)量過大而給設(shè)備帶來壓力。

S130、按照所述預(yù)測模型進(jìn)行召梯預(yù)測。

其中，按照預(yù)測數(shù)據(jù)和預(yù)測模型得到召梯預(yù)測結(jié)果，召梯預(yù)測結(jié)果包括電梯運(yùn)行狀態(tài)，可以是召梯樓層和召梯時(shí)刻等。示例性地，召梯預(yù)測結(jié)果可以是周五上午八點(diǎn)鐘八樓有用戶召梯。召梯預(yù)測支持兩種模式，分別是批量預(yù)測及即時(shí)預(yù)測。批量預(yù)測是指機(jī)器學(xué)習(xí)完成后一次性預(yù)測后續(xù)一段時(shí)間的預(yù)測結(jié)果并存入數(shù)據(jù)庫以供其它應(yīng)用查詢；即時(shí)預(yù)測是指向預(yù)測模塊輸入數(shù)據(jù)后預(yù)測模塊立即輸出該輸入數(shù)據(jù)對(duì)應(yīng)的預(yù)測結(jié)果。可以理解成批量預(yù)測是主動(dòng)預(yù)測，預(yù)測結(jié)果已存入數(shù)據(jù)庫中，使用時(shí)調(diào)用即可。而即時(shí)預(yù)測是被動(dòng)預(yù)測，需要觸發(fā)才會(huì)開始預(yù)測。示例性地，想要知道下午三點(diǎn)到四點(diǎn)的預(yù)測結(jié)果，而數(shù)據(jù)庫中沒有這個(gè)時(shí)間段的預(yù)測結(jié)果，則輸入數(shù)據(jù)后便可得到所需結(jié)果。采用這種方法使得召梯預(yù)測過程更好地滿足實(shí)際需求。

S140、根據(jù)預(yù)測結(jié)果進(jìn)行電梯預(yù)調(diào)度操作。

其中，將召梯預(yù)測結(jié)果通過通信服務(wù)器發(fā)送到相應(yīng)的電梯群控或主控，電梯或主控可根據(jù)召梯預(yù)測結(jié)果結(jié)合自身運(yùn)行狀態(tài)進(jìn)行預(yù)調(diào)度。示例性地，預(yù)測結(jié)果為周五上午八點(diǎn)鐘八樓有用戶召梯，則在周五上午七點(diǎn)五十八分調(diào)度電梯提前到八樓等客，減少用戶的等待時(shí)間。預(yù)調(diào)度過程是充分利用電梯的空閑時(shí)間，提高設(shè)備的利用率，因此在優(yōu)先級(jí)方面，實(shí)際召梯優(yōu)先于預(yù)調(diào)度，預(yù)調(diào)度不影響電梯系統(tǒng)的實(shí)時(shí)調(diào)度過程。

本發(fā)明實(shí)施例的技術(shù)方案，通過采用機(jī)器學(xué)習(xí)提取出隱藏在電梯歷史運(yùn)行狀態(tài)數(shù)據(jù)中的規(guī)律，對(duì)用戶召梯進(jìn)行預(yù)測，進(jìn)行電梯預(yù)調(diào)度，從而減少用戶等待時(shí)間，提高電梯友好性，同時(shí)達(dá)到電梯節(jié)能的目的。

實(shí)施例二

圖2是本發(fā)明實(shí)施例二提供的一種電梯智能預(yù)調(diào)度方法的流程圖，本發(fā)明實(shí)施例以前述實(shí)施例為基礎(chǔ)，對(duì)其中的“采用機(jī)器學(xué)習(xí)算法對(duì)所述運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行學(xué)習(xí)，形成預(yù)測模型”進(jìn)行了進(jìn)一步細(xì)化，相應(yīng)的，本實(shí)施例的方法具體包括：

S210、獲取電梯的歷史運(yùn)行狀態(tài)數(shù)據(jù)。

其中，運(yùn)行狀態(tài)數(shù)據(jù)可以是電梯運(yùn)行中的相關(guān)因素中的一類或多類。

優(yōu)選地，所述運(yùn)行狀態(tài)數(shù)據(jù)包括下述至少一類：天氣狀況、召梯時(shí)刻、召梯樓層、載重量和假期狀態(tài)。

其中，天氣狀況可通過讀取互聯(lián)網(wǎng)的天氣預(yù)報(bào)獲得，假期狀態(tài)包括工作日或公休日。

S220、預(yù)設(shè)至少兩種預(yù)測召梯模式，作為神經(jīng)網(wǎng)絡(luò)的標(biāo)簽值。

其中，我們認(rèn)為用戶召梯規(guī)律符合某種函數(shù)規(guī)律的，該函數(shù)對(duì)于我們是未知的，通過對(duì)歷史運(yùn)行狀態(tài)數(shù)據(jù)的學(xué)習(xí)去盡可能逼近該函數(shù)。神經(jīng)網(wǎng)絡(luò)具有逼近任何函數(shù)的能力，因此，可以采用神經(jīng)網(wǎng)絡(luò)進(jìn)行規(guī)律提取。首先預(yù)設(shè)至少兩種預(yù)測召梯模式，召梯模式是電梯運(yùn)行狀態(tài)的一種體現(xiàn)，在數(shù)據(jù)預(yù)處理時(shí)根據(jù)樣本情況生成該樣本數(shù)據(jù)對(duì)應(yīng)的召梯模式，將其作為標(biāo)簽值，標(biāo)簽值相當(dāng)于一種索引形式，每個(gè)標(biāo)簽值對(duì)應(yīng)著一個(gè)電梯運(yùn)行狀態(tài)。示例性地，標(biāo)簽值可以是上午八點(diǎn)鐘在八樓有用戶召梯。

優(yōu)選地，所述預(yù)測召梯模式包括：召梯時(shí)刻、召梯樓層及外召類型。

其中外召類型包括上行或下行。

S230、將各類運(yùn)行狀態(tài)數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的神經(jīng)元。

其中，由于召梯模式與各類運(yùn)行狀態(tài)數(shù)據(jù)相關(guān)，將這些數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的神經(jīng)元，進(jìn)行機(jī)器學(xué)習(xí)。

S240、隨機(jī)初始化神經(jīng)網(wǎng)絡(luò)各神經(jīng)元權(quán)值，所述權(quán)值用于表征各類運(yùn)行狀態(tài)數(shù)據(jù)與標(biāo)簽值之間的關(guān)聯(lián)程度。

S250、根據(jù)所述電梯運(yùn)行狀態(tài)歷史數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，以更新各神經(jīng)元權(quán)值。

其中，每類運(yùn)行狀態(tài)數(shù)據(jù)與標(biāo)簽值之間的關(guān)聯(lián)程度不同，因此各神經(jīng)元的權(quán)值也不同，利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，實(shí)現(xiàn)對(duì)權(quán)值的不斷更新，以獲得與真實(shí)情況最接近的權(quán)值。

S260、達(dá)到預(yù)設(shè)停止條件時(shí)確定各所述神經(jīng)元權(quán)值。

其中，預(yù)設(shè)停止條件包括誤差閾值和迭代次數(shù)閾值，誤差是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)精度的一種體現(xiàn)，誤差閾值一般選取一個(gè)較小的值，例如可以是10^-5，當(dāng)誤差等于或小于誤差閾值時(shí)，停止迭代。迭代次數(shù)閾值的設(shè)定是為了避免神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)陷入死循環(huán)，此時(shí)無法獲得準(zhǔn)確結(jié)果，應(yīng)及時(shí)地跳出迭代過程，當(dāng)?shù)螖?shù)等于或大于迭代次數(shù)閾值時(shí)，結(jié)束迭代過程。一般選取一個(gè)較大的值作為迭代次數(shù)閾值，既能保證神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的正常進(jìn)行，也能及時(shí)避免無休止地迭代狀況出現(xiàn)，例如可以是10萬次。

S270、按照所述各神經(jīng)元權(quán)值輸出神經(jīng)網(wǎng)絡(luò)模型作為預(yù)測模型。

S280、按照所述預(yù)測模型進(jìn)行召梯預(yù)測。

其中，預(yù)測模型為神經(jīng)網(wǎng)絡(luò)模型，體現(xiàn)各神經(jīng)元與神經(jīng)網(wǎng)絡(luò)標(biāo)簽值之間的關(guān)聯(lián)關(guān)系，根據(jù)輸入各神經(jīng)元獲得神經(jīng)網(wǎng)絡(luò)標(biāo)簽值，按照標(biāo)簽值進(jìn)行召梯預(yù)測。

S290、根據(jù)預(yù)測結(jié)果進(jìn)行電梯預(yù)調(diào)度操作。

本發(fā)明實(shí)施例的技術(shù)方案，通過采用神經(jīng)網(wǎng)絡(luò)作為機(jī)器學(xué)習(xí)算法，利用神經(jīng)網(wǎng)絡(luò)具有逼近任何函數(shù)的能力等優(yōu)點(diǎn)，采用神經(jīng)網(wǎng)絡(luò)逼近規(guī)律函數(shù)，使得機(jī)器學(xué)習(xí)過程更加準(zhǔn)確。對(duì)用戶召梯進(jìn)行預(yù)測，進(jìn)行電梯預(yù)調(diào)度，從而減少用戶等待時(shí)間，提高電梯友好性，同時(shí)達(dá)到電梯節(jié)能的目的。

實(shí)施例三

圖3是本發(fā)明實(shí)施例三提供的一種電梯智能預(yù)調(diào)度方法的流程圖，本發(fā)明實(shí)施例以前述實(shí)施例為基礎(chǔ)，對(duì)其中的“采用機(jī)器學(xué)習(xí)算法對(duì)所述運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行學(xué)習(xí)，形成預(yù)測模型”進(jìn)行了進(jìn)一步細(xì)化，相應(yīng)的，本實(shí)施例的方法具體包括：

S310、獲取電梯的歷史運(yùn)行狀態(tài)數(shù)據(jù)。

其中，運(yùn)行狀態(tài)數(shù)據(jù)可以是電梯運(yùn)行中的相關(guān)因素中的一類或多類。

優(yōu)選地，所述運(yùn)行狀態(tài)數(shù)據(jù)包括下述至少一類：天氣狀況、召梯時(shí)刻、召梯樓層、電梯稱重和假期狀態(tài)。

其中，天氣狀況可通過讀取互聯(lián)網(wǎng)的天氣預(yù)報(bào)獲得，假期狀態(tài)包括工作日或公休日。

S320、對(duì)運(yùn)行狀態(tài)數(shù)據(jù)中，單次采集的各類運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行無量綱轉(zhuǎn)換，得到單次采集的無量綱數(shù)據(jù)。

其中，由于各類運(yùn)行狀態(tài)數(shù)據(jù)的范圍以及單位等均不相同，為了使各運(yùn)行狀態(tài)數(shù)據(jù)以同一尺度來進(jìn)行衡量，將各運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行無量綱轉(zhuǎn)換，得到單次采集的無量綱數(shù)據(jù)。

S330、按照各次采集的無量綱數(shù)據(jù)之間的相似度關(guān)系，識(shí)別各次采集時(shí)的召梯模式，并形成模式集作為預(yù)測模型。

其中，按照各次采集的無量綱數(shù)據(jù)之間的關(guān)系，例如可以是無量綱數(shù)據(jù)呈現(xiàn)出的不同遠(yuǎn)近的位置關(guān)系，確定各次采集的無量綱數(shù)據(jù)之間的相似度關(guān)系，從而確定各次采集時(shí)的召梯模式，示例性地，例如召梯模式可以是上午八點(diǎn)鐘在八層有用戶召梯。多個(gè)召梯模式就構(gòu)成了模式集。

S340、按照所述預(yù)測模型進(jìn)行召梯預(yù)測。

其中，在召梯預(yù)測時(shí)，根據(jù)輸入數(shù)據(jù)對(duì)應(yīng)的無量綱數(shù)據(jù)與已有的無量綱數(shù)據(jù)之間的相似度關(guān)系，判斷其屬于模式集中的哪個(gè)模式，選取相似度關(guān)系最大的作為預(yù)測召梯模式，進(jìn)而得出預(yù)測結(jié)果。

S350、根據(jù)預(yù)測結(jié)果進(jìn)行電梯預(yù)調(diào)度操作。

本發(fā)明實(shí)施例的技術(shù)方案，通過采用模式識(shí)別作為機(jī)器學(xué)習(xí)算法，利用模式識(shí)別學(xué)習(xí)規(guī)則簡單等優(yōu)點(diǎn)，采用模式識(shí)別方法將召梯模式分為多個(gè)模式，形成模式集以供系統(tǒng)對(duì)輸入數(shù)據(jù)進(jìn)行模式匹配，使機(jī)器學(xué)習(xí)過程更簡單便捷。對(duì)用戶召梯進(jìn)行預(yù)測，進(jìn)行電梯預(yù)調(diào)度，從而減少用戶等待時(shí)間，提高電梯友好性，同時(shí)達(dá)到電梯節(jié)能的目的。

實(shí)施例四

圖4為本發(fā)明實(shí)施例四提供的一種電梯預(yù)調(diào)度系統(tǒng)的示意圖，該系統(tǒng)包括：

數(shù)據(jù)獲取模塊410，用于獲取電梯的歷史運(yùn)行狀態(tài)數(shù)據(jù)；

機(jī)器學(xué)習(xí)模塊420，用于采用機(jī)器學(xué)習(xí)算法對(duì)所述預(yù)處理后數(shù)據(jù)進(jìn)行學(xué)習(xí)，形成預(yù)測模型；

召梯預(yù)測模塊430，用于按照所述預(yù)測模型進(jìn)行召梯預(yù)測；

電梯預(yù)調(diào)度模塊440，用于根據(jù)預(yù)測結(jié)果進(jìn)行電梯預(yù)調(diào)度操作。

可選地，機(jī)器學(xué)習(xí)模塊420包括：

召梯模式預(yù)設(shè)單元，用于預(yù)設(shè)至少兩種預(yù)測電梯工作模式，作為神經(jīng)網(wǎng)絡(luò)的標(biāo)簽值；

神經(jīng)元設(shè)定單元，用于將各類運(yùn)行狀態(tài)數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的神經(jīng)元；

權(quán)值初始化單元，用于隨機(jī)初始化神經(jīng)網(wǎng)絡(luò)各神經(jīng)元權(quán)值，所述權(quán)值用于表征各類運(yùn)行狀態(tài)數(shù)據(jù)與標(biāo)簽值之間的關(guān)聯(lián)程度；

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)單元，用于根據(jù)所述電梯運(yùn)行狀態(tài)歷史數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，以更新各神經(jīng)元權(quán)值；

神經(jīng)元確定單元，用于達(dá)到預(yù)設(shè)停止條件時(shí)確定各所述神經(jīng)元權(quán)值；

模型輸出單元，用于按照所述各神經(jīng)元權(quán)值輸出神經(jīng)網(wǎng)絡(luò)模型作為預(yù)測模型。

進(jìn)一步具體地，所述預(yù)測召梯模式包括：召梯時(shí)刻、召梯樓層及外召類型。

可選地，機(jī)器學(xué)習(xí)模塊420包括：

無量綱轉(zhuǎn)換單元，用于對(duì)運(yùn)行狀態(tài)數(shù)據(jù)中，單次采集的各類運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行無量綱轉(zhuǎn)換，得到單次采集的無量綱數(shù)據(jù)；

召梯模式識(shí)別單元，用于按照各次采集的無量綱數(shù)據(jù)之間的相似度關(guān)系，識(shí)別各次采集時(shí)的召梯模式，并形成模式集作為預(yù)測模型。

進(jìn)一步具體地，所述運(yùn)行狀態(tài)數(shù)據(jù)包括下述至少一類：天氣狀況、召梯時(shí)刻、召梯樓層、電梯稱重和假期狀態(tài)。

具體地，包括機(jī)器學(xué)習(xí)時(shí)鐘預(yù)設(shè)模塊，用于在機(jī)器學(xué)習(xí)模塊420之前，根據(jù)預(yù)設(shè)機(jī)器學(xué)習(xí)時(shí)鐘，周期性觸發(fā)啟動(dòng)機(jī)器學(xué)習(xí)過程。

上述電梯預(yù)調(diào)度系統(tǒng)可執(zhí)行本發(fā)明任意實(shí)施例所提供電梯預(yù)調(diào)度的方法，具備執(zhí)行方法相應(yīng)的功能模塊和有益效果。

注意，上述僅為本發(fā)明的較佳實(shí)施例及所運(yùn)用技術(shù)原理。本領(lǐng)域技術(shù)人員會(huì)理解，本發(fā)明不限于這里所述的特定實(shí)施例，對(duì)本領(lǐng)域技術(shù)人員來說能夠進(jìn)行各種明顯的變化、重新調(diào)整和替代而不會(huì)脫離本發(fā)明的保護(hù)范圍。因此，雖然通過以上實(shí)施例對(duì)本發(fā)明進(jìn)行了較為詳細(xì)的說明，但是本發(fā)明不僅僅限于以上實(shí)施例，在不脫離本發(fā)明構(gòu)思的情況下，還可以包括更多其他等效實(shí)施例，而本發(fā)明的范圍由所附的權(quán)利要求范圍決定。