利用複雜性理論修改電梯組的行為的製作方法

2023-09-18 04:13:40

專利名稱：利用複雜性理論修改電梯組的行為的製作方法
技術領域：
本發明涉及電梯組的運行，在運行中以趨於增加系統的熵的方式來調整電梯運行參數，由此減少電梯車廂的聚集。
背景技術：
迄今已採用非常複雜的電梯調度系統來以這樣的方式把候梯廳調用請求分配給一組電梯車廂，使得候梯乘客等待服務的時間最小化，同時也使對已上電梯的乘客的影響減至最小。但是，當所有或大多數電梯看來要處於相互靠近的位置、即聚集在建築物的某層附近時，電梯系統有一種稱為「聚集」的特徵。眾所周知，儘管調度程序的能力相當大，但只要發生聚集，載客服務就會受到影響。為克服這一問題，已經有許多嘗試為電梯系統提供特定的算法修改，作為電梯車廂變聚集的趨勢的結果，根據聚集算法提供的附加信息來改變已由所述複雜調度程序做出的車廂分配。但是，據現有資料，普遍認為，還不曾有為減輕聚集而設計的算法改善了電梯服務，而事實上，大多數算法令電梯服務進一步惡化。

發明內容
本發明的目的包括減少成群的電梯車廂聚集又不改變調度程序的調用請求的分配；減少成群的電梯車廂聚集又不造成載客服務變差；以及通過減緩聚集來改善使用複雜調度程序的電梯組的載客服務。
本發明基於這樣的概念對具有高熵(高度複雜的)運行的電梯組的一些運行參數的小改變可導致該電梯組行為的大的差別。本發明還基於這樣的發現當電梯系統運行呈現出高熵時，成群的電梯車廂的聚集就減至最小。本發明還基於這樣的發現適中的載運量是最複雜的，而很小和很大的載運量則表現出較小的複雜性。本發明另外還基於以下發現原始的電梯車廂位置/方向數據不具有任何實際意義上的模式重複，但是對數據的標準表示的化簡(消除僅由電梯車廂的標識造成的模式差異)提供了模式重複，其相似性距離可用已知的算法、如Lyapunov指數算法和熵估計算法來估量。
根據本發明，首先在一段時間內確定作為載運率的函數的電梯組行為的複雜性，以找到具有最大複雜性的臨界載運率，然後在運行期間，將系統運行參數作為載運率的函數進行調整，這具有將有效載運率向最大複雜性的載運率調整的作用，以便確保具有高系統複雜性而必然低聚集的時期頻繁出現。這些調整可包括減少或增加梯門停留時間，減小或增大最大加速度或速度，改變諸如貴賓(VIP)電梯或客/貨合用電梯這種變動車廂承載常規客運量的時間段、或者變動車廂花在某個電梯組上的時間。當載運率低於臨界值時，增加電梯組響應載運所需的時間提供了類似於增加載運率、從而增加電梯組行為的複雜性的結果，這可被認為是有效載運率的增加，反之亦然。
先有技術中處理聚集的嘗試只涉及單個車廂或一對車廂，如通過改變一個候梯廳調用請求的指派來處理聚集。與之不同的是，本發明對整個電梯組施加小的擾動，對於調度計劃、這些擾動基本上看不出來，但是趨於增加複雜性、從而減少聚集。擾動本身增加了複雜性，因為固有的規律是參數中帶有變化的系統的行為要比參數不變的系統的行為更複雜。此外，由於以趨於自然地增加有效複雜性的方式來為擾動定向，所以有保證減少聚集的複雜行為的時期的趨勢。
參照如附圖中所示的本發明的示範性實施例的以下詳細描述，本發明的其他目的、特徵與優點會變得更清楚明白。
圖2為圓周模型的示意圖，該圖表示建築物中的樓層、車廂移動的上下方向、以及表示車廂位置與移動方向的圓周上的各個站的編號。
圖3與圖4為電梯位置與移動的示意圖，圖中每個電梯的位置與

圖1中的不同，但其總體配置(當忽略車廂身份時)與圖1的配置規範上一樣。
圖5是作為電梯載運率的函數的熵的曲線圖。
圖6-8為圖1與圖3的位置與方向的規範歸約的一種形式的示意圖。
圖9為附加的電梯位置與移動的示意圖。
圖10-12為圖1與圖9的規範歸約的示意圖。
具體實施例方式
在一段時間內完成系統複雜性(熵)與載運率之間關係的確定，這種確定可只進行一次，也可在電梯的使用期限內定期進行(如每月一次左右)。在以如下所述的脫機方式確定臨界載運率後，電梯系統控制器(如群控制器或其他控制器)將在正常運行期間以有規律地重複的方式、如大約每200毫秒一次、確定當前載運率，將它跟已建立的臨界值(如以下在圖5的示例中描述的3.5或4.5)比較，並通過如下方式調整系統運行或者增加或者去掉變動車廂，增大或減小最大車廂加速度，增大或減小車廂額定速度，增加或減少梯門停留時間，以及其他可影響有效載運率、即載運量與系統的載運處理能力之比的運行調整。在電梯組正常運行的某個時期(或一系列的非鄰接時段)中，可能在一至三個月之間或更長些，按照需要，記錄用車廂的站編號(位置/方向信息)表示的電梯系統配置連同時間標記和載運率。所記錄的載運率為每五分鐘期間佔用電梯系統的乘客人數，通常以建築物總人數的百分比表示。
為了給出電梯系統的行為複雜性，採用複雜性估計子(即一種熵估計子)。一般，要將複雜性估計子應用於數據流，必須有「相似性距離」度量，即表明任何兩個數據元(配置)如何相似的函數。根據定義，任何兩個相同的數據元對於該度量具有為零的相似性距離。一個包含經編碼的給定時刻的電梯數據(位置與方向)的矢量稱為建築物配置矢量，該矢量的每個分量對應建築物內的一部電梯。在此項應用中，配置相似性距離度量必須估量任何兩個這樣的建築物配置矢量之間的距離。
本領域的技術人員已知的矢量間距離的典型測量一般要涉及諸如分量求差、接著把某個函數用於差值集這樣的計算。一個這樣的方法是取差值的平方和的平方根(L2模方)。所有計量矢量間距離的眾所周知的方法均缺少電梯行為中的兩個要點。
分量求差函數必須捕獲電梯系統的物理與行為特性。概念上，兩個車廂位置間的距離必須圍繞圓周計算，在該圓周上所有移動只在一個方向、如順時針方向上發生。
圖1為電梯車廂在某建築物中移動的簡化示意圖。每個車廂均以其中的字母標識，並且每個車廂移動的方向用其上(向上)或其下(向下)的箭頭指示。參照圖2，建築物的樓層被表示在一個圓周上，在該圓周上車廂以順時針方向移動。上行與下行方向由樓層數後面的字母「U」與「D」表示。根據本發明，在該圓周的內側標明代表車廂的位置與方向的每一站。
例如，從位於大廳的車廂至位於「1層向上」的車廂的距離應當小，但是從位於「1層向上」的車廂至位於大廳的車廂的距離就應當大，因為這受到電梯系統中特有的行為約束。這種函數稱為「位置距離」。為此應用而選擇的位置距離將車廂位置與移動方向編碼為圍繞建築物的環路上的單一數字(大廳＝0、1層向上＝1、2層向上＝2、...、倒數第二層向上＝N-2、頂層＝N-1、倒數第二層向下＝N、...、1層向下＝2N-3)。採用這種表示位置距離的函數還必須考慮「1層向下」與大廳之間的「編號不連續」。從X到Y的位置距離計算可表達為「如果X＞Y，則(2N-2)-(X-Y)；否則Y-X」。一般，若需要，也可採用其他的位置距離函數來定義系統的物理或行為屬性。
其次，矢量分量的置換(即重排)應該對矢量之間的距離沒有影響。
按照本發明，已發現，電梯站(如圖1與圖2中的15、17、4和0)一般來講在任何一段合理的時間段(數周或數月)內不會重複。測量類似電梯矢量(如圖1與圖3)之間的相似性距離的常用數學度量總會產生非零的相似性距離。如果不作規範歸約，一個具有樓層與電梯車廂的系統出現重複模式的機會等於CF。在圖示的實例中，這就是420、一個非常大的數。但是，經規範歸約後，這個機會是CF/C！；此例中4！＝24，所以所述機會是經過規範歸約後出現模式重複的機會的24倍。已發現，位於特定站點的特定車廂是不相關的。因此，當電梯佔有圖3所示的站(例如0、15、17、4)時，其系統狀態可看作跟圖1的相同。在圖3中，似乎各電梯所處的位置只是被推延了一部電梯即電梯A佔了電梯D的位置，電梯B佔了電梯A的位置，等等。但是，就聚集信息而言，不僅僅是偏斜一個電梯的站可能是規範上一樣的。按照本發明，已發現，在通過簡化數據的標準表示、消除對稱性後，如圖1、3和4所示，所述數據就具有重複模式，並且數據流的數據元之間的相似性距離具有充分的信息來估計運行中電梯行為的熵。因此，在本發明中，圖4中所示的站15、0、4和17與圖1或圖3的站具有同樣的意義。在一非常簡單的實施例中，處理所述數據的第一個步驟是，通過簡單地將各個站從最高到最低(或者如果需要，也可從最低至最高)排列得到標準表示的簡化。從而，對於圖1、3與4的所有配置，如果將各個站從上至下排序，那麼它們中的每一個均具有站次序為17、15、4與0。在本發明中，作為圖1與圖3中所示的兩個建築物配置的配置距離度量的單數據項(datum)為映射對的位置距離的總和即圖1的車廂A到圖3的車廂B的位置距離＝0；圖1的車廂B至圖3的車廂C的位置距離＝0；圖1的車廂C至圖3的車廂D的位置距離＝0；以及圖1的車廂D至圖3的車廂A的位置距離＝0。配置距離度量為四個位置距離的總和；因此對於該數據項(圖1/圖3)的度量為零。數據流包括以原始數據表示的每個系統配置相對於以原始數據表示的每個其他系統配置的配置距離度量。
標準熵計算或估值算法可被用於配置距離度量的時間序列，以便提供作為時間的函數的熵的曲線圖，該熵也可轉換成作為載運率的函數的熵。此類應用之一是Wyner的滑動窗口熵估算技術，它基於Shannon和McMillan的漸近等分性定理。有關內容可見1994年6月27日-7月1日在挪威Trendheim召開的1994 IEEE資訊理論國際大會論文集中，Wyner，A.D.的「典型序列以及熵、模式匹配與數據壓縮」。Wyner算法用配置距離度量的序列{Xk}作為一個輸入，用相似性距離函數fc作為另一輸入，產生描述對於每個時間點、以電梯組中每個車廂為一維的數據序列的信息複雜性的單一數字H。該熵估算技術的結果為一系列作為時間的函數的熵值。
按照相應的、與時間相關的載運率整理這些值，便可獲得如圖5中所示的熵與載運率之間的關係。對於特定的電梯系統，如前面所描述的、對電梯車廂的位置/方向信息的處理辨識了所述系統的複雜性(熵)如何隨著載運率而改變(圖5)。從圖5所示的關於特定電梯系統的數據可知，最大複雜性的點、如1.44可識別相應的約為3.5％的載運率，用作進行系統響應上的調整的臨界值。也就是說，每當測得該系統的載運率低於約3.5％時，將採取一些步驟使系統作出似乎有較高的載運率的響應，即通過降低系統容量或以如下更詳細描述的某種方式減緩系統運行。另一方面，每當測出載運率高於約3.5％時，將對系統進行調整，諸如增加容量系統、或以如下所述的任何適當方式增加系統的響應速度，這種調整具有讓系統作出似乎有更低的載運率的反應的效果。
如果需要，可以選取如1.40左右的平均最大熵，並且可看到該熵值存在於大約3％與大約6％的載運率之間，而這些載運率的平均值4.5％可作為確定上述系統調整的臨界值。
如前面關於圖1-4所描述的，當獲取確定複雜性與載運率之間關系所必需的數據時，一種簡化標準表示的方法是簡單地將每種情況下的站信息從高站至低站(或由低到高)列表，而不考慮哪個車廂在哪個站。在這種情況下，圖1的車廂A映射為圖3的車廂B；車廂B映射為車廂C；車廂C映射為車廂D；車廂D映射為車廂A。每對映射車廂之間的位置距離(X至Y)為零，因此圖1/圖3的配置距離度量為零，對此數據項的複雜性估計算法的輸入也為零。
但是，此簡單方法不能識別幾乎相同的模式，而且在最高站(圖5中的28)與最低站(圖5中的0)間的連續上也存在困難。圖6-12中說明另一種可獲得規範歸約、以提供對任何配置的位置距離的量度的方法。參見圖6，圖1中電梯車廂的位置與方向的站表示在行中，圖3的配置的電梯車廂的位置與方向的站則如列中所給出的，在行列的交點處給出圖1的每一車廂與圖3的每一車廂之間的位置距離。於是，圖1的車廂A與圖3的車廂A之間的位置距離為13。圖1的車廂C與圖3的車廂B之間的位置距離為11，等等。本例中的算法用某列中的最大數減去該列中的每個數，但是用從某行的最大數減去該行中每個數的算法也可取得同樣的效果。在圖6的右邊，表示從每列中的最大數減去該列中每個數的結果。於是，在圖3的車廂A下面的列中24-13＝11，24-11＝13，24-24＝0以及24-0＝24。然後，選取得數最大的列與行，將一個配置(圖1)中的一個車廂映射到另一配置(圖3)中的一個車廂。在圖6中，最大數24出現了兩次，可以任選其中一個而不致改變該算法的結果。此例中，通過選取最左的列和該列中最高的行將關係打破。因此，在圖6中，圖1的車廂D映射到圖3的車廂A。在該算法的下一步驟中，從位置距離矩陣中消去所選最大數的行與列(圖3的A列與圖1的D行)，如圖7中所示，在剩餘矩陣各列中作減法計算。從而，在B列中24-0＝24，24-24＝0，24-11＝13，等等。在這個實例中，24為最大數，因此圖1的車廂A映射到圖3的車廂B。然後，如圖8所示，從矩陣中消去A行和B列，並且對剩餘的矩陣作減法運算。在C列中13-0＝13，13-13＝0，等等。因此，圖1的車廂C映射到圖3的車廂D。由於現在只剩兩個車廂，它們互相映射，因此車廂B自然映射到車廂C。這就完成了所述算法的規範歸約部分。為了確定圖1的配置與圖3的配置之間的配置距離度量，將每一映射車廂對的位置距離跟剩餘的映射車廂對的位置距離相加，結果如下車廂D與車廂A間的距離為零；車廂A與車廂B間的距離為零；車廂C與車廂D間的距離為零；車廂B與車廂C間的距離為零；這些距離的總和為零，從而這對配置的配置距離度量(數據流中的所述數據項)為零。這一結果是必然的，因為圖1與圖3的配置在規範上是同一的。
就圖1的配置與跟圖1明顯不同的圖9的配置的情況說明所述算法的另一示例。圖10中的每行跟圖1中車廂的站有關(類似於圖6)，而各列與圖9配置中的車廂的站有關。按照前面提供的公式給出圖1的車廂與圖9的車廂之間的位置差異。然後，從某列中的最大值減去該列中的每個值，得到圖10右邊的矩陣。這樣，在B列下27-1＝26，27-27＝0，27-12＝15以及27-16＝11，其他的列依此類推。在這一實例中，26為最大數，因此，圖1的車廂A映射到圖9的車廂B。在圖11中消去A行與B列，然後對剩餘的9元矩陣作列的減法運算。在圖11的右方，例如20-3＝17，20-16＝4，20-20＝0，其他列的計算依此類推。在此例中最大數為17，於是選擇最左邊的列，使得車廂B映射到車廂A。圖12中，消去A列與B行，留下一個四元矩陣，對其作列的減法運算。於是，在圖12右邊24-20＝4與24-24＝0；6-2＝4與6-6＝0。選取最左的列中的4，於是車廂C映射到車廂C；當然，圖1的車廂D映射到圖9的車廂D。車廂A與車廂B之間的位置距離為1；車廂B與車廂A之間的位置距離為3；車廂C與車廂C之間的位置距離為20；車廂D與車廂D之間的位置距離為6。位置距離的總和為30，成為這一數據項(這對配置)的配置距離度量。
如果原始數據流中的每個配置已經有了一個為其關於原始數據流中每個其他配置設置的配置距離度量時，上述的熵估計算法可以這樣進行以配置距離度量作為元素{Xk}，以相似性距離函數fc產生複雜性值，或者{Xk)熵H作為數據流{Xk}中每一數據項的函數。
將美國專利No.5447212經引用結合於此。
至此，雖然已就示範性實施例對本發明作了說明和描述，但是本領域的技術人員應該明白只要不背離本發明的精神與範圍，可以對其作出上述的或各種其他變化、省略與添加。
權利要求
1.一種運行電梯組的方法，其特徵在於預先，在一段時期內，(a)確定電梯組臨界載運率，在該載運率上所述電梯組具有複雜性的最大值；此後，在正常運行期間定期地，(b)確定所述電梯組的當前載運率；(c)將所述當前載運率與所述臨界載運率比較，並且(a)如果所述當前載運率高於所述臨界載運率，以趨於增加所述電梯組的載運處理能力的方式改變所述電梯組的參數，從而降低所述電梯組的有效載運率，但是(b)如果所述當前載運率低於所述臨界載運率，則以趨於降低所述電梯組的所述載運處理能力的方式改變所述電梯組的參數，從而提高所述電梯組的所述有效載運率。
2.權利要求1的方法，其特徵在於所述步驟(a)包括作為時間的函數分別記錄在一段時期內建築物中每部電梯車廂的位置和方向以及所述建築物的載運率，以提供與載運率和時間相關的位置與方向的數據流；化簡所述數據流中的所述位置與方向的標準表示；使用熵估計算法以提供熵對時間的曲線圖；以及將熵對時間的所述曲線圖轉換成熵對載運率的曲線圖。
3.權利要求1的方法，其特徵在於以趨於增加所述電梯組的載運處理能力的方式改變所述電梯組的參數是從以下方式中選擇的減少梯門停留時間，提高最大加速度，提高最大速度，以及增加所述電梯組中變動車廂承載常規客運量的時間段。
4.權利要求1的方法，其特徵在於所述以趨於降低所述電梯組的載運處理能力的方式改變所述電梯組的參數是從以下方式中選擇的增加梯門停留時間，減小最大加速度，減小最大速度，以及減少變動車廂服務於所述電梯組的時間段。
全文摘要
記錄車廂組中的每個電梯車廂(A－D)的位置與方向(0－27,圖2)連同時間與電梯組的載運率以提供數據流。化簡該位置與方向數據的標準表示,以消除由除了哪個車廂在哪個位置和方向的區別之外、車廂的相對位置與方向相同所導致的對稱(圖1、3與4)。用熵估計算法來提供作為時間的函數的熵的曲線圖,然後從數據流中其他數據將其轉換成作為載運率的函數的熵(圖5)。選擇最大載運率,此後,在正常運行中,如果當前載運率高於最大載運率,改變電梯組的參數以增加電梯組的載運處理能力,但是如果當前載運率低於最大載運率,則以降低電梯組的載運處理能力的方式改變電梯參數。
文檔編號B66B1/20GK1363507SQ0113584
公開日2002年8月14日 申請日期2001年10月22日 優先權日2000年10月23日
發明者小D·J·斯拉格, G·S·科佩蘭德 申請人:奧蒂斯電梯公司