基于粒子群ISODATA电梯交通模式识别.pdfVIP

2o15。3 基于粒子群 ISODATA电梯交通模式识别 蔡丽霞 (河南工业职业技术学院网络管理中心，河南南阳，473000) 摘要 ：将粒子群算法与迭代 自组织数据分析算法(ISODATA)结合，提出了一种基于粒子群的ISODATA算法。仿真实验表明，利 用该算法可以对电梯交通模式进行准确、实时的识别。 关键词 ：粒子群 ISODATA算法 ；电梯交通模式识别 ；电梯群控系统 Elevatortraffi cpatternrecognitionbasedonparticleswarm optimizaautioonniitteerraattiivveesseellff--oorrgganizingdataaaannaablyslsaallggoorriitthhmm CaiLiXia (Networkmanagementcenter，HenanPolytechnicInstitute，Nayang，Henan，473000) Abstract：Theparticle swarm 0ptimizationmethod and iterative self—organizing data analysis technics are combined to become anew clusteringalgorithm．The simulation experiment shows that theproposed algorithm can identify elevator traffic patternsaccurately and has an excellent real—time performance． Keywords：Particle swarm optimization ISODATA algorithm；Elevator traffic pattern recognition；Elevator group control system 1 电梯交通流的模式及数据采集、分析 优解，称作个体极值(pBest)；另一个极值是整个种群 目前找到的 最优解，称作全局极值 (gBest)。在每次迭代中找到这两个最优解 电梯交通流有着其 自身的特点，可以用电梯群服务系统的乘 后就可以根据如下的公式来更新自己的速度和位置 ： 客数、乘客出现的周期和分布情况来描述。电梯交通流的特征往 =r-O +clrand()(pBest~t一pmsem~)+c2randO(gBest~t一present~)(1) 往随着高层建筑用途的不同而有所差异，对于典型的办公建筑， 电梯交通流通常具有以下几种主要模式 ：上行高峰模式、下行高 present~~1=present~+ (2) 其中： 表示第 i个粒子在第 d维变量上的速度，co为惯性 峰模式、双路模式、平衡的层间模式以及空闲模式等。在采集电梯 权重，C1和c2是学习参数， 交通流数据时，通常需要统计的交通流特征数据有 ：单位时间内 rand()是定义在0-1间的随机数。 进入门厅的乘客数、离开门厅的乘客数及层间移动的乘客数等。 需要说明的是，惯性权重 体现的是粒子继承先前速度的 通常将测试对象建筑的5min内客流特