1、傳統(tǒng)的電梯客流信息管理模式容易造成梯群的“擁擠現象”和“超載現象”，同時會對電梯資源產生極大地干擾和浪費，在客流高峰時段這些現象尤其嚴重。本文針對此問題，在傳統(tǒng)的樓宇電梯群調度系統(tǒng)模式基礎上，引入目的層引導機制并對此新型電梯群控系統(tǒng)的優(yōu)化調度方法進行研究。本課題研究屬于樓宇自動化智能控制領域的一個研究熱點。 研究針對電梯群調度系統(tǒng)存在呼梯信息不確定性和派梯控制低效性等問題，在傳統(tǒng)的樓宇電梯群調度系統(tǒng)模式基礎上，引入了目的層引導系

2、統(tǒng)這種改進呼梯方式的新型解決方案。將傳統(tǒng)的呼梯和選層兩種相分離的輸入方式改進為只進行選層呼梯的單輸入方式，使獲得的呼梯信息集合具有確定性和完整性。通過這種系統(tǒng)的引導功能可以有效的防止了所有的乘客都擠向同一個轎廂，對高峰客流的疏散、轎廂擁擠度等指標都起到了明顯的改善作用。為優(yōu)化控制，引入分區(qū)的概念，也就是使一部電梯只服務于某些集中在一個區(qū)域的樓層，并且服務于高層的電梯還提供分配區(qū)域最低層與門廳之間的高速往返服務，利用動態(tài)規(guī)劃算法解決電梯系

3、統(tǒng)的動態(tài)分區(qū)問題。根據目的層引導系統(tǒng)實時采集的呼梯信號，對呼梯信息集合進行優(yōu)化重組，并在此基礎上對呼梯信號的平均候梯時間、平均乘梯時間、長時間候梯率、能源消耗等評價指標進行了預測建模，不僅能夠實現對新加入的呼梯信號進行預測同時還能夠準確的預測由于響應此新加入的呼梯信號而其它已被分配呼梯信號受到延遲的時間影響。將人工神經網絡技術應用到電梯群控中，用評價指標作為神經網絡的輸入神經元構建網絡模型，根據上高峰交通模式的特點進行樣本學習和訓練以調