第 22 卷 第 10 期

V ol. 22 No . 10

控

制

与

决

策

Cont rol

and

D eci si on

2007 年 10 月

Oct. 2007

收稿日期: 2006 05 25; 修回日期: 2006 09 13.
基金项目: 国家自然科学基金项目( 69975013) .
作者 简介: 杨 广 全 ( 1977

) , 男, 陕 西 渭 南 人, 博 士 生, 从 事 电 梯 交 通 分 析、电 梯 智 能 控 制 的 研 究; 朱 昌 明

( 1952

) , 男, 上海人, 教授, 博士生导师, 从事机电 系统测控技术等研究.

文章编号: 1001 0920( 2007) 10 1139 04

基于粒子群 K 均值聚类算法的电梯交通模式识别

杨广全, 朱昌明, 王向红, 涂治国

( 上海交通大学 机械与动力工程学院, 上海 200030)

摘

要: 针对传统方法存在的缺点, 提出一种基于粒子群 K 均 值聚类算法的电梯 交通模式 识别方法. 该方法 通过对

此前一周的原始客流数据 进行聚类分析, 得 到相应 交通 模式的 聚类 中心坐 标. 针对 实时 变化的 交通 流数据, 采 集 5

min 时段客流数据 , 根据最近邻原则划分其归属的聚类中 心, 从 而识别 出当前 的交通 模式. 仿真实 验表明, 该方 法能

对电梯交通模式进行有效 识别, 实时性较好.
关键词: 电梯交通模式; 粒子群 K 均值聚类算法; 电梯群控系统
中图分类号: T P18

文献标识码: A

Elevator traffic pattern recognition based on particle swarm
optimization K means clustering algorithm

YA N G Guang quan, ZH U Chang ming , WA N G X i ang hong , T U Zhi guo

( Schoo l of M echanical Engineer ing , Shang hai Jiaoto ng U niv ersit y, Shang hai 200030, China. Cor respondent: ZH U

Chang ming, E mail: zhuchang ming@ sjtu. edu. cn)

Abstract: T o over co me the dr awbacks of tradit ional methods, a method o f elevato r traffic pat tern r ecognit ion based on

part icle swar m optimization K means cluster ing algo rithm is pro po sed. T he traffic f low data dur ing latest 7 da ys as a

sample is applied to clustering analy sis, and the clustering centers of the cor respo nding tr affic patter ns are obtained by

using this method. F ive m inutes tr affic flo w data ar e real time co llected and its cor respo nding clustering center is

part itio ned accor ding to the closest neig hbor pr inciple, and then the curr ent tr affic pattern is r eco gnized. Simulation

show s that the pro po sed method can identify elevato r tr affic pat terns effectiv ely with g oo d r eal time per formance.

Key words: Elevato r tr affic patt ern; Pa rticle sw arm o pt imization K means cluster ing algo rithm; Elevato r g ro up

contr ol sy stem

1 引

言

电梯群控系统成为现代高层建筑中必不可少的

垂直运输工具. 设计良好的电梯群控系统, 不仅能为
乘客提供优质的服务, 而且增加了建筑物的使用价
值. 电梯群控系统的核心是电梯群控调度算法, 交通
流是影响电梯群控调度算法性能的一个重要因素.
对建筑物内的交通流状况进行准确分类, 在不同的
交通流状况下选用合适的电梯群控调度算法, 可有
效提高电梯系统的服务质量和各项性能指标.

为了 准 确 地 识 别 交 通 流 模 式, 模 糊 推 理 方

法

[ 1, 2]

、模糊神经网络

[ 3, 4]

以及支持向量机

[ 5]

已被用

于电梯交通模式识别, 并取得了一定的效果. 但这些
方法存在以下缺点: 1) 模糊推理方法需要完备的专

家知识确定推理规则, 且缺乏学习能力, 对交通流变
化适应能力差; 2) 神经网络算法本身训练耗时较大,
网络结构具有不可确定性, 易陷入局部极小化, 且对
训练数据的依赖性较大; 3) 支持向量机泛化能力强,
克服了对训练数据的依赖性, 但存在计算时间长的
缺点, 影响了交通流的在线分类.

李中华等

[ 6]

提出一种基于人工免疫算法的电梯

交通流分析方法, 对一天 的交通流进行离 线分析.

T ang 等

[ 7]

对该方法进行扩展, 提出了免疫规划 K

均值聚类算法对交通流模式进行识别, 其优点在于
不需要任何先验知识就能达到良好的分类目的.

本文提出一种基于粒子群聚类算法的交通流模

式识别方法. 粒子群聚类算法基于群体智能, 采用简