Интеллектуальная система лифтов, управляемая агентами: алгоритм и оптимизация эффективности
Ключевые слова:
интеллектуальное управление агентом, оптимизация системы лифта, время ожидания пассажираАннотация
В исследовании представлена инновационная интеллектуальная система лифтов, управляемая агентами, специально разработанная для сокращения времени ожидания пассажиров и повышения эффективности высотных зданий. Используя классическую модель планирования с одним агентом, мы разработали уникальную стратегию обработки вызовов из коридоров и автомобилей, и в сочетании с этой стратегией мы значительно улучшили общую производительность лифтовой системы. Наши интеллектуальные методы управления подробно сравниваются с традиционными системами лифтов, при этом оцениваются три важных показателя эффективности: время отклика, способность системы одновременно обрабатывать несколько активных кабин лифта и среднее время ожидания пассажира. Результаты полного моделирования показывают, что интеллектуальная модель на основе агентов неизменно превосходит обычные системы лифтов по всем измеряемым критериям. Интеллектуальные системы управления значительно сократили время отклика и улучшили одновременное управление лифтами и время ожидания пассажиров, особенно во время большой загруженности. Эти усовершенствования не только повысили эффективность потока трафика, но и в значительной степени способствовали удовлетворенности пассажиров и обеспечили более плавное и надежное перемещение внутри здания. Кроме того, повышенная эффективность наших систем соответствует целям управления энергопотреблением зданий, поскольку она сводит к минимуму ненужные движения и время простоя. Результаты демонстрируют способность системы соответствовать требованиям динамичной среды с высокой загруженностью и знаменуют собой значительный шаг вперед в интеллектуальном управлении инфраструктурой.
Литература
2. Hsu C.Y., Qiao Y., Wang C., Chen S.T. Machine learning modeling for failure detection of elevator doors by three-dimensional video monitoring. IEEE Access, 2020. vol. 8. pp. 211595–211609.
3. Arrieta A., Ayerdi J., Illarramendi M., Agirre A., Sagardui G., Arratibel M. Using machine learning to build test oracles: an industrial case study on elevators dispatching algorithms. IEEE/ACM International Conference on Automation of Software Test (AST). 2021. pp. 30–39.
4. Syed F.I., Alshamsi M., Dahaghi A.K., Neghabhan S. Artificial lift system optimization using machine learning applications. Petroleum. 2022. vol. 8(2). pp. 219–226.
5. Gichane M.M., Byiringiro J.B., Chesang A.K., Nyaga P.M., Langat R.K., Smajic H., Kiiru C.W. Digital triplet approach for real-time monitoring and control of an elevator security system. Designs. 2020. vol. 4(2). DOI: 10.3390/designs4020009.
6. Zubair M.U., Zhang X. Explicit data-driven prediction model of annual energy consumed by elevators in residential buildings. Journal of Building Engineering. 2020. vol. 31. DOI: 10.1016/j.jobe.2020.101278.
7. Yao W., Jagota V., Kumar R., Ather D., Jain V., Quraishi S.J., Osei-Owusu J. Study and application of an elevator failure monitoring system based on the internet of things technology. Scientific Programming, 2022. DOI: 10.1155/2022/2517077.
8. Mao J., Chen L., Cheng H., Wang C. Elevator fault diagnosis and maintenance method based on Internet of Things. In International Conference on Mechatronics and Intelligent Control (ICMIC 2023). SPIE. 2023. vol. 12793. pp. 18–23.
9. Sharma A., Chatterjee A., Thakur P.K., Jha S., Sriharipriya K. IoT Based Automated Elevator Emergency Alert System Using Android Mobile Application. IEEE International Conference on Data Science and Information System (ICDSIS). 2022. pp. 1–6.
10. Wu Y., Yang J. Directional optimization of elevator scheduling algorithms in complex traffic patterns. Applied Soft Computing. 2024. vol. 158. DOI: 10.1016/j.asoc.2024.111567.
11. Wang H., Zhang M., Zhang R., Liu L. Research on predictive sliding mode control strategy for horizontal vibration of ultra-high-speed elevator car system based on adaptive fuzzy. Measurement and Control. 2021. vol. 54(3-4). pp. 360–373.
12. Le S., Lei Q., Wei X., Zhong J., Wang Y., Zhou J., Wang W. Smart Elevator Control System Based on Human Hand Gesture Recognition. IEEE 6th International Conference on Computer and Communications (ICCC). 2020. pp. 1378–1385.
13. Lu L., Jiang C., Hu G., Liu J., Yang B. Flexible noncontact sensing for human–machine interaction. Advanced Materials. 2021. vol. 33(16). DOI: 10.1002/adma.202100218.
14. Huang J., Wang H., Li J.A., Zhang S., Li H., Ma Z., Xin M., Yan K., Cheng W., He D., Wang X., Shi Y., Pan L. High-performance flexible capacitive proximity and pressure sensors with spiral electrodes for continuous human–machine interaction. ACS Materials Letters. 2022. vol. 4(11). pp. 2261–2272. DOI: 10.1021/acsmaterialslett.2c00860.
15. Koehler J., Schuster K. Elevator Control as a Planning Problem. In AIPS. 2000. pp. 331–338.
16. Nivasanon C., Srikun I., Aungkulanon P. Aggregate production planning: A case study of installation elevator company. Proceedings of the International Conference on Industrial Engineering and Operations Management. 2021. pp. 5357–5365.
17. Bagenda D.N., Basjaruddin N.C., Darwati E., Rakhman E. Development of an elevator simulator to support problem-based electric motor control practicum for vocational high school student. INVOTEK: Jurnal Inovasi Vokasional dan Teknologi. 2021. vol. 21(2). pp. 139–148.
18. Cortes P., Munuzuri J., Vazquez-Ledesma A., Onieva L. Double deck elevator group control systems using evolutionary algorithms: Interfloor and lunchpeak traffic analysis. Computers & Industrial Engineering. 2021. vol. 155. DOI: 10.1016/j.cie.2021.107190.
19. Tartan E.O., Ciflikli C. Esra (elevator simulation, research & analysis): an open-source software tool for elevator traffic simulation, research, and analysis. Journal of Simulation. 2024. pp. 1–18.
20. Gharbi A., Exploring Heuristic and Optimization Approaches for Elevator Group Control Systems. Applied Sciences. 2024. vol. 14(3). DOI: 10.3390/app14030995.
Опубликован
Как цитировать
Раздел
Copyright (c) Atef Gharbi, Unknown, Unknown
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).