的输出语言变量。
3。2交通流模式识别
应用模糊神经网络进行交通模式识别需要以下几个步骤。

1)交通模式特征的提取。根据对每种交通模式定义的分析，可以确定3个特征
值:本时间段的总客流量(总乘客数)，进门厅乘客数，出门厅乘客数，这些特
征值基本上可以反映一个时间段的交通特征。

2)网络结构的确定。根据总客流量、进门厅人数和出门厅人数三个特征值辨别
出上高峰、下高峰、随机层间和空闲四种交通模式的比例。，，归一化后作为网
络的输入。网络输出为:，分别表示上高峰、下高峰、层间和空闲四种交通模式
所占的比例。
3)通过样本训练网络。①确定样本:交通模式识别网络的样本主要根据专家经验
来制定，专家经验可以比较准确的反映出交通状况和各种模式之间的关系。模
式识别网络的输入取值范围都是[0，1]，每个样本的输出值由专家经验来制
定，即按经验知识来确定各种交通模式的比例。②训练网络:对上一步获得的
训练样本集，采用三步混合训练方法对模式识别网络进行训练。第一步，从样
本中获得隶属函数，应用改进的SOM方法进行学习；第二步，利用上一步获
得的隶属函数，从样本中获得模糊规则；第三步，用改进的误差反向传播方
法优化调整隶属函数。
4)应用网络对交通流进行模式识别。
4智能多模式调度方法
4。1先进智能群控算法基本原理
本文所述的智能电梯多模式调度方法主要涉及三种智能调度算法 :1)遗传算法
的调度，适用于随机层间交通模式。在层间交通模式下，用户对电梯的需求多
样化。遗传算法是一种求解问题的高效并行全局搜索方法，在有多个呼梯的情
况下可搜索到最优派梯方案，而传统的派梯算法在分派呼梯时总是逐个分派、
串行处理，不能满足实现多目标最优调度的要求。
2)基于交通流概率仿真模型的空闲派梯算法，适用于空闲交通模式。这种调度

“

”

方法有效地避免了电梯空驶现象，降低了能耗，并大大减少了方法的复杂
性；
3)基于Markov排队论的电梯调度，适用于高峰期交通模式。这种算法主要是
根据每一时间段的乘客到达率和当前电梯系统中的乘客人数来考虑下一时间
段是采用分区算法还是不分区算法。这里主要介绍Markov排队论电梯调度方
法。用概率论和排队论的方法推导出给定到达率的高峰期交通流的不同派梯方
案的电梯往返运行时间RTT，如式(1):

(1)

∗

−

RTT

)

(

)

(

)

(

−

∑