1、現(xiàn)代生活快節(jié)奏的特點(diǎn)和現(xiàn)代商務(wù)活動(dòng)的高效率要求，及建筑物使用功能的多樣化，使電梯垂直交通發(fā)生著深刻變化。經(jīng)典的電梯交通系統(tǒng)的配置、交通分析、交通需求預(yù)測與電梯群的調(diào)度技術(shù)都面臨著新的挑戰(zhàn)。因此，對電梯垂直交通系統(tǒng)的配置與優(yōu)化調(diào)度問題的研究有重要的理論意義和重大的潛在經(jīng)濟(jì)效益。本文以高層建筑電梯垂直交通系統(tǒng)為背景，分別對與此相關(guān)的電梯垂直交通系統(tǒng)的配置、電梯交通需求預(yù)測與模式識(shí)別、電梯群的優(yōu)化調(diào)度問題進(jìn)行了較為深入和系統(tǒng)的研究，論文完成了

2、如下主要工作： 1.針對上行高峰交通條件，分析了電梯交通系統(tǒng)的性能指標(biāo)，建立了高層建筑電梯群組分區(qū)運(yùn)行方式的多目標(biāo)雙層規(guī)劃模型；提出了采用遺傳算法求解一類多目標(biāo)問題的方法，通過決策變量的整體優(yōu)化，獲取目標(biāo)函數(shù)的最優(yōu)值，克服了傳統(tǒng)方法依據(jù)偏好確定權(quán)值的缺點(diǎn)；通過對最優(yōu)解進(jìn)行成本消耗分析，給出了與建筑物特性相關(guān)的電梯群優(yōu)化運(yùn)行的配置方案，為電梯群系統(tǒng)優(yōu)化調(diào)度目標(biāo)的實(shí)現(xiàn)提供基本條件。 2.針對電梯交通需求的時(shí)變性、不確定性的特

3、點(diǎn)，建立了基于LS-SVM(Least Squares Support Vector Machine)的迭代學(xué)習(xí)預(yù)測模型。該模型不依賴于交通需求的分布，能夠動(dòng)態(tài)跟蹤交通需求變化規(guī)律，通過利用支持向量機(jī)技術(shù)獲得連續(xù)的交通需求預(yù)測函數(shù)；經(jīng)檢驗(yàn)該模型具有良好的預(yù)測效果，為建立有效的模式識(shí)別方案奠定了基礎(chǔ)。 3.在對交通需求可靠預(yù)測的基礎(chǔ)上，提出了采用交通模式臨界點(diǎn)和交通模式臨界區(qū)間的概念建立電梯交通需求的模式識(shí)別方案的方法。分別給出了

4、基于濾波函數(shù)的模式識(shí)別方案和基于支持向量機(jī)技術(shù)的模式識(shí)別方案，不僅具有理論上的參考價(jià)值，而且將交通模式臨界點(diǎn)的概念推廣為交通模式臨界區(qū)間，可根據(jù)電梯群調(diào)度策略切換的動(dòng)態(tài)特性給出確定臨界區(qū)間的具體方法，具有較好的工程意義。 4.為了有效地實(shí)施電梯群的優(yōu)化調(diào)度，需要確知在不同模式下不同時(shí)段的交通需求的O-D(Origin and Destination)分布，并依此來為電梯群控系統(tǒng)提供驅(qū)動(dòng)數(shù)據(jù)。本文提出一種層間客流O-D矩陣的預(yù)測方

5、法，將預(yù)測得到的O-D分布信息作為先驗(yàn)交通需求，用于電梯群的優(yōu)化調(diào)度。該預(yù)測方法融合灰色預(yù)測和神經(jīng)網(wǎng)絡(luò)方法各自的優(yōu)點(diǎn)，將灰色預(yù)測的方法與RBF神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合，構(gòu)造灰色神經(jīng)網(wǎng)絡(luò)預(yù)測模型。利用灰色預(yù)測技術(shù)的累加生成運(yùn)算(AGO，Accumulated Generating Operation)對原始觀測數(shù)據(jù)進(jìn)行變換，得到規(guī)律性較強(qiáng)的累加數(shù)據(jù)，作為神經(jīng)網(wǎng)絡(luò)的建模和訓(xùn)練樣本；同時(shí)，提出了對不良交通需求數(shù)據(jù)的修正方法，以降低觀測數(shù)據(jù)的隨機(jī)性，既

6、避免了灰色預(yù)測方法存在的理論誤差，又提高了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度和預(yù)測精度。所得到的數(shù)據(jù)包含了建筑物真實(shí)的客流信息，為一類建筑物的電梯群控系統(tǒng)的優(yōu)化調(diào)度提供了重要客流數(shù)據(jù)。 5.為了實(shí)現(xiàn)電梯群控系統(tǒng)的優(yōu)化調(diào)度，本文提出了考慮多個(gè)評價(jià)指標(biāo)，包括：平均候梯時(shí)間、平均行程時(shí)間、平均服務(wù)時(shí)間、超過約定時(shí)間的長候梯率及停站次數(shù)等，并基于這些評價(jià)指標(biāo)構(gòu)造多目標(biāo)函數(shù)的方案。為求解電梯群的多目標(biāo)優(yōu)化調(diào)度問題，提出了一種改進(jìn)的微粒群算法(IPSO，I