基于SVM的电梯群控系统交通流模式识别.pdf

《基于SVM的电梯群控系统交通流模式识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、华南理工大学学报（自然科学版）第33卷第6期JournalofSouthChinaUniversityofTechnologyVol.33No.62005年6月（NaturalScienceEdition）June2005文章编号：1000-565X（2005）06-0032-04>基于SVM的电梯群控系统交通流模式识别许玉格罗飞（华南理工大学自动化科学与工程学院，广东广州510640）摘要：针对电梯群控调度中的交通流模式识别问题，提出了一种基于多值分类支持向量机的电梯交通流模式识别方法.文中介绍了电梯交通流模式识别的设计流程，并建立了相应的电梯交通流模

2、式识别器.结果表明，基于支持向量机的交通流模式识别方法能够较准确地辨识出各种交通流模式.通过对比试验，证明了该算法的识别准确率优于人工神经网络算法，体现出较好的泛化能力，具有一定的实用价值.关键词：支持向量机；电梯群控系统；交通流；模式识别中图分类号：TP391文献标识码：A随着高层建筑的发展，电梯需求量和规模越来用于电梯交通流模式识别的算法以及与神经网络算越大，人们对电梯群控系统的服务质量和性能要求法的试验对比结果.也日益提高.建筑物内部的交通流状况是影响电梯1多值分类支持向量机在电梯交通流群控系统性能的一个重要因素.在不同的交通流状模式识别中的应用况

3、下采用不同的电梯群控策略，可以提高电梯的服务质量和各项性能指标.电梯系统的交通流可以用支持向量机算法是基于结构风险最小化准则电梯群服务系统的乘客数、乘客出现的周期以及乘（StructuraIRiskMinimization，SRM）实现的模式分类客的分布情况来描述［1］.在电梯群控系统的交通流［6］方法.学习机器在测试数据上的误差率（即泛化［2~5］分析方面国内外学者进行了一些研究，有学者误差率）以训练误差率和一个依赖于VC维数（Vap-采用人工神经网络或者模糊神经网络来进行电梯交nik-ChervonenkisDimension）项的和为界，因此，尽管

4、通流模式识别，取得了一定成效.但是人工神经网络它不利用问题的领域知识，在模式分类问题上支持存在训练耗时、网络结构的不可确定性以及容易陷向量机仍能提供好的泛化性能.入局部极小化等问题.因此，本文提出了一种基于支支持向量机算法利用在样本空间或者特征空间持向量机的交通流模式识别方法.支持向量机方法构造出最优超平面，使得超平面与不同类样本集之依据结构风险最小化原则，尽量提高分类器的泛化间的距离最大，从而达到分类的能力.原始的支持向能力，即由有限训练样本得到的分类器对独立的测量机是用来解决二类分类情况.假定大小为!的训试集合仍能得到较小的误差.此外，支持向量机是一

5、练样本集｛（!"，""），"=1，2，⋯，!｝，由二类别组成，个凸二次优化问题，能够保证找到的极值解就是全$""E｛-1，1｝表示!"的类别#如果!"E!属于第1局最优解.这些特点使得支持向量机在模式识别中类，则标记为正（""=1），如果属于第2类，则标记成为一种有效的学习算法.文中给出了支持向量机为负（""=-1）#学习的目的是构造一个判别函数，将测试数据尽可能正确地分类#当训练集为非线性时，通过一个非线性函数!（·）将训练集数据!映射收稿日期：2004-06-28到一个高维线性特征空间，在这个维数可能为无穷>基金项目：国家自然科学基金资助项目（696

6、84001）大的线性空间中构造最优分类超平面，并得到分类作者简介：许玉格（1978-），女，博士生，主要从事离散事件动态系统及人工智能控制与应用方面的研究.E-maiI：器的判别函数#xuyuge@163.com在电梯群控系统中，交通流模式识别和分类可第6期许玉格等：基于SVM的电梯群控系统交通流模式识别33以为电梯群控系统的综合控制和交通诱导提供有用高峰期间）、下行高峰模式（一般出现在下班的高峰的信息.它主要是对电梯群所在建筑物内客流信息期间）、层间运行模式（各楼层乘客量比较均衡）以的运动方向、乘客出现时间等交通流规律进行辨识，及空闲模式.电梯交通流模

7、式分类的样本主要根据确定某时刻的交通流主要特征，并进行归类.支持向专家经验来指定.一般选取5min作为交通流信息提量机算法体现出的分类能力和基于结构风险最小化取和模式识别的时间间隔.训练方式的优势让我们考虑将该理论应用在电梯的通过上述交通流信息特征提取，可得到电梯交交通流模式识别中.但是，在实际电梯群控系统中，通流模式的输入特征值和分类样本.然后设计建立交通流模式分类大多属于多类别分类，例如交通模相应算法的分类器，并对电梯交通流数据进行训练.式可分为上行高峰模式、下行高峰模式、层间运行模分类器训练完成后，还需用多组交通流测试数据对式以及空闲模式等.因此，

8、本文采用一对一的多值分分类器进行测试，直到分类器的分类准确率达到所类支持向量机算