一种有效的交通流预测法在城市电梯中的应用

常玲　郭莉莉

摘 要：一种好的电梯群控系统交通流预测方法，能够为电梯群控调度算法的进一步研究提供依据，实现电梯的优化调度。该文针对电梯系统的交通流问题，提出了将小波与基于径向基（RBF）函数的神经网络相结合的小波神经网络（WNN）预测方法，对现有电梯系统交通流进行预测，并通过仿真研究，验证该方法的可行性和有效性，为电梯群控系统的调度奠定了基础。

关键词：电梯群控系统 交通流预测 神经网络预测 小波神经网络

中图分类号：TP311.13 文献标识码：A 文章编号：1674-098X（2015）04（c）-0055-01

电梯群控系统是在建筑物内控制3部或3部以上电梯，并实现优化调度，从而有效地运送乘客、改善服务质量的控制系统。高效的电梯群控系统需要合理地安排与分配梯群对呼梯信号的响应，准确的交通流量预测是决定实时动态交通分配的重要因素，交通流量预测结果的好坏直接关系到交通控制与调度的效果。然而，在同一时间内，交通流状况并不是只符合一种交通模式的特征，几种交通模式共存是电梯群控系统交通流的一大特点。只有对电梯群控系统交通流进行准确的识别，才能更好的为乘客服务。由于电梯群控系统本身存在的具有多目标性、不确定性、非线性、扰动性和信息的不完备性等特点，导致电梯控制系统变得十分庞大，仅仅通过传统的控制方法很难提高电梯群控系统的性能。因此，需要对电梯群控系统交通流进行预测和研究，从而提高设备的运行效率，节约能源。

在电梯交通流预测算法的研究中，主要有神经网络、指数平滑等方法。神经网络与模糊逻辑的结合使用在交通预测上取得了一定的进展，由于神经网络自身结构难以确定、参数训练复杂等特点导致其在预测控制上存在不足，因此，该文针对电梯系统的交通流问题，提出了将小波与基于径向基（RBF）函数的神经网络相结合的小波神经网络（WNN）预测方法，对现有电梯系统交通流进行预测。

1 基于小波神经网络的电梯交通流预测

本文针对某办公楼的工作日（周一到周五）的交通流量的分析，采用时间序列预测方法对电梯交通流进行预测。根据序列{x（t）}的历史观测值x（t-1），x（t-2），……，x（t-m）建立预测模型，对未来t+1时刻的客流值进行预测。采用基于小波框架的函数与神经网络嵌套式结合的方法进行交通流预测。该模型采用3层的小波神经网络，包括输入层、隐含层和输出层。输入层节点为全通节点，其个数设为n；隐含层节点数设为；输出层个数为1。此时网络的输出函数为：

根据小波基函数特点，在该预测模型中选用Mexican Hat（mexh）小波基函数代替传统的径向基函数。此时，小波的伸缩、平移因子的最优设置为，。

本文采用梯度下降法确定小波神经网络权值。利用误差能量函数进行优化。根据结构风险最小化原则，确定输入层节点数为7，利用历史数据中的学习样本对模型进行学习训练，确定隐含层节点数为14，则该网络模型为7—14—1。

经过网络的学习训练之后，即得到图1所示优化后的小波神经网络预测模型。，，表示预测当天时刻、时刻和时刻的交通流数值；，P表示前1天至4天时刻的交通流历史数值，系数49表示每个工作日数据采集的次数（每个工作日能交通流计时间为7：00～19：00，数据采集周期为15min），y表示得到的预测值。

2 仿真分析

模型建立好后对其进行训练，训练后的模型才有可能满足实际应用的需要，设定训练目标为0.01，训练次数为1000次。在经过155次训练之后，模型的目标误差达到要求。

然后对训练好的预测模型进行测试，使用该模型对一天中7：00～19：00时段内的电梯交通流数据进行预测，得出预测误差，如图2所示。可见，模型的预测值和实际值之间的误差比较小，除了在开始阶段，出现了相对较大的误差之外，其余的误差都在0左右，即使是最大的误差也只有0.08，这完全满足应用要求。

考虑到电梯交通流新的变化趋势和历史信息，以15 min作为时间段对记录到的交通流数据进行统计，将历史数据和预测当天的数据同时输入小波神经网络预测模型中。通过比较能发现，一天中总客流量的变化比较大，呈现多峰特性，上班时间的上高峰、午间的上高峰和下高峰以及下班时间的下高峰等交通流状况，小波神经网络预测模型基本上可以跟随实际的变化，预测能力较强，对于交通流转折点的预测基本准确。

3 结语

通过对电梯交通流进行预测，电梯管理系统能够明确了解电梯运行情况，为调度决策提供依据，合理地安排与调度梯群对呼梯信号的响应，尽量减少电梯停靠的次数，实现节约能源的目的。新算法综合了小波分析与传统神经网络算法的优点，能较好地满足电梯交通流预测的要求。

参考文献

[1] 国萍，朱明富.多目标的电梯群控系统算法分析[J].自动化技术与应用，2005，24（3）：6.

[2] 杨祯山，邵诚，马海丰.电梯群控系统交通需求的迭代学习预测方法[J].控制与决策，2008（23）：302-303.

[3] 任俊玲，郭军.基于小波理论的神經网络模型构造[J].电脑开发与应用，2004 （8）：19-21

[4] 王全凤，郑浩.基于径向基函数神经网络的高层建筑结构选型[J].四川建筑科学研究，2010（5）.

[5] 项桂萍.群控电梯交通流预测与调度策略研究[D].南京：南京理工大学，2012.