内的交通流的具体信息，采用模糊神经网络进行电梯群控系统的模式识别。用两个模糊神经

网络可以很准确地辨识出各种交通模式所占的比例，确定此时间段中的交通模式。交通模式

识别的准确性将直接影响整个系统的性能。对电梯群控系统根据不同的交通状况采用相应的

派梯策略起到很好的指导作用，全面提高了电梯群控系统的服务性能。 

3.4  算法模块    系统利用Matlab设计了的几种典型的群控算法，如基于动态规划分区的高

峰期电梯群控

【

3

】

，适合于高峰交通模式；基于遗传算法的电梯群控

【

4

】

，适合于随机层间交

通模式；基于交通流概率仿真模型的电梯群控

【

5

】

，适合于空闲模式。仿真系统在仿真过程

中可以调用这些算法。 

3.5  仿真模块    它是利用可视化编程语言Delphi的多线程技术来实现的。仿真系统设计的

基本思想如图2所示，在此定义了六个类，电梯（Televator）、乘客（Tperson）、楼层（Tfloor）、
系统状态（TsystemState）、系统监控（TsystemMonitor）、电梯运行线程（TrunThread）。仿
真模块以电梯为主要对象，系统以每秒的事件触发每个线程对象的动作。根据不同的交通模

式和当前电梯的运行情况，调用Matlab设计的群控算法对乘客新的呼梯信号进行最优派梯。
系统监控对象动态地监控大楼内每位乘客的乘梯情况，每部电梯的运行情况，各楼层乘客的

停留情况。能够动态显示电梯运行状态、乘客状态统计、楼层统计、电梯承载统计。   

 

图2  仿真系统设计框架图 

3.6  派梯结果分析显示模块    在仿真过程中，仿真模块根据记录的各种数据计算出乘客的

平均候梯时间、平均乘梯时间、电梯停靠次数、运载能力等电梯的性能指标，利用这些性能

指标来分析不同的群控算法的优缺点。 

4  电梯群控系统仿真实现 

现利用该仿真平台对基于模糊理论的电梯群控算法

【

6

】

进行测试，并与基于动态规划分区

的高峰期电梯群控算法在相同的仿真条件下进行比较。仿真参数设置为：大楼高 16 层；楼
层高度 2.5 米；电梯 4 部；电梯速度 2 米/秒；加/减速度 2 米/秒

2

；额定载客量 13 人；开、

关门时间 0.8 秒；乘客上、下电梯时间 0.8 秒；仿真人数 100 人。交通流设置为：7：40~8：

00 之间的上行高峰模式，乘客全部从门厅上行。图 3 为群控系统电梯动态仿真图，1 号电梯
在第 5 层，向上运行。仿真完毕后，得到两种算法的主要性能指标，如表 1 所示。从表中的
数据可以看出，在下行高峰交通模式下，基于动态规划分区的高峰期电梯群控算法和基于模

糊理论的电梯群控算法相比，前者计算出来的乘客的平均候梯时间和乘梯时间小于后者，停

靠次数也少于后者的停靠次数，同时前者的运载能力更大。由此可知，动态规划分区算法更

适合于上行高峰交通模式。