基于乘客电梯交通模式辨识的智能调度优化方法

摘要

传统电梯调度策略采用经验驱动的固定控制逻辑，难以适配高层建筑乘客交通流的动态演变特性，普遍存在调度响应滞后、资源配置失衡及能耗冗余等痛点。为破解这一难题，立足数据驱动范式，开展电梯交通模式精准辨识与多目标智能调度协同优化研究，把“密度峰值初始化”引入电梯领域并给出工业级实测；提出“日运行曲线→4类模式(高峰、平峰、午间、低峰)→三段权重(候梯时间、乘梯时间、能耗)”一键映射的工程化模板。首先，构建涵盖乘客流量强度、乘梯高峰时域特征、楼层呼叫分布熵、轿厢满载率及呼叫间隔周期的多维度交通特征指标体系，实现对垂直交通流的全面表征；其次，提出改进K-means与随机森林耦合的双层辨识模型，先通过主成分分析(principal component analysis, PCA)完成高维特征降维，再采用密度峰值法优化K-means聚类中心初始化策略，结合随机森林算法筛选核心特征并验证分类结果，有效解决传统聚类算法易陷入局部最优的瓶颈；最后，引入帕累托最优前沿理论，设计动态加权多目标调度优化算法，以平均候梯时长、乘梯时长及电梯运行能耗为优化维度，依据辨识的交通模式自适应调整目标权重，实现调度效率与节能效益的协同提升。实验结果表明，所提辨识模型的分类准确率稳定在94.2%以上，相较于传统调度方法，高峰时段平均候梯时间缩短18.5%,电梯综合能耗降低12.3%,且在住宅、写字楼、商业综合体等不同建筑场景下均表现出良好的适配性。该研究为电梯智能调度系统的升级迭代提供了理论依据与技术支撑，对推动垂直交通领域的智能化、绿色化发展具有重要意义。

关键词

电梯 / 交通模式辨识 / 智能调度 / K-means算法 / 多目标优化 / 双层辨识模型

基金资助

湖南省自然科学基金项目(2025JJ80249); 湖南省示范性科技成果转化项目(2024CK1014); 2024年邵阳市自然科学研究项目(2024PT4046)