電梯垂直交通系統(tǒng)的配置與優(yōu)化調度問題研究.pdf

1、現代生活快節(jié)奏的特點和現代商務活動的高效率要求，及建筑物使用功能的多樣化，使電梯垂直交通發(fā)生著深刻變化。經典的電梯交通系統(tǒng)的配置、交通分析、交通需求預測與電梯群的調度技術都面臨著新的挑戰(zhàn)。因此，對電梯垂直交通系統(tǒng)的配置與優(yōu)化調度問題的研究有重要的理論意義和重大的潛在經濟效益。本文以高層建筑電梯垂直交通系統(tǒng)為背景，分別對與此相關的電梯垂直交通系統(tǒng)的配置、電梯交通需求預測與模式識別、電梯群的優(yōu)化調度問題進行了較為深入和系統(tǒng)的研究，論文完成了

2、如下主要工作： 1.針對上行高峰交通條件，分析了電梯交通系統(tǒng)的性能指標，建立了高層建筑電梯群組分區(qū)運行方式的多目標雙層規(guī)劃模型；提出了采用遺傳算法求解一類多目標問題的方法，通過決策變量的整體優(yōu)化，獲取目標函數的最優(yōu)值，克服了傳統(tǒng)方法依據偏好確定權值的缺點；通過對最優(yōu)解進行成本消耗分析，給出了與建筑物特性相關的電梯群優(yōu)化運行的配置方案，為電梯群系統(tǒng)優(yōu)化調度目標的實現提供基本條件。 2.針對電梯交通需求的時變性、不確定性的特

3、點，建立了基于LS-SVM(Least Squares Support Vector Machine)的迭代學習預測模型。該模型不依賴于交通需求的分布，能夠動態(tài)跟蹤交通需求變化規(guī)律，通過利用支持向量機技術獲得連續(xù)的交通需求預測函數；經檢驗該模型具有良好的預測效果，為建立有效的模式識別方案奠定了基礎。 3.在對交通需求可靠預測的基礎上，提出了采用交通模式臨界點和交通模式臨界區(qū)間的概念建立電梯交通需求的模式識別方案的方法。分別給出了

4、基于濾波函數的模式識別方案和基于支持向量機技術的模式識別方案，不僅具有理論上的參考價值，而且將交通模式臨界點的概念推廣為交通模式臨界區(qū)間，可根據電梯群調度策略切換的動態(tài)特性給出確定臨界區(qū)間的具體方法，具有較好的工程意義。 4.為了有效地實施電梯群的優(yōu)化調度，需要確知在不同模式下不同時段的交通需求的O-D(Origin and Destination)分布，并依此來為電梯群控系統(tǒng)提供驅動數據。本文提出一種層間客流O-D矩陣的預測方

5、法，將預測得到的O-D分布信息作為先驗交通需求，用于電梯群的優(yōu)化調度。該預測方法融合灰色預測和神經網絡方法各自的優(yōu)點，將灰色預測的方法與RBF神經網絡有機結合，構造灰色神經網絡預測模型。利用灰色預測技術的累加生成運算(AGO，Accumulated Generating Operation)對原始觀測數據進行變換，得到規(guī)律性較強的累加數據，作為神經網絡的建模和訓練樣本；同時，提出了對不良交通需求數據的修正方法，以降低觀測數據的隨機性，既

6、避免了灰色預測方法存在的理論誤差，又提高了神經網絡的訓練速度和預測精度。所得到的數據包含了建筑物真實的客流信息，為一類建筑物的電梯群控系統(tǒng)的優(yōu)化調度提供了重要客流數據。 5.為了實現電梯群控系統(tǒng)的優(yōu)化調度，本文提出了考慮多個評價指標，包括：平均候梯時間、平均行程時間、平均服務時間、超過約定時間的長候梯率及停站次數等，并基于這些評價指標構造多目標函數的方案。為求解電梯群的多目標優(yōu)化調度問題，提出了一種改進的微粒群算法(IPSO，I