基金项目:国家自然科学基金(62072324);国家重点研发计划课题(2020YFC2006602);江苏省重点研发计划项目(BE2020026)收稿日期:2021-04-26修回日期:2021-05-20第40卷第4期计算机仿真2023年4月文章编号:1006-9348(2023)04-0449-06基于LSTM的高层住宅电梯群客流模式识别顾玲丽1,董佳琦2,许洪华2,徐啸2(1.苏州科技大学电子与信息工程学院,江苏苏州215009;2.苏州科技大学江苏省建筑智慧节能实验室,江苏苏州215009)摘要:交通流模式识别是电梯群控系统进行优化调度必不可少的前提,针对高层住宅电梯交通流模式识别问题,经典的模式识别方法如支持向量机、模糊推理方法等应用广泛,但其仍存在长期记忆不足,识别准确度不高等缺点。深度学习中的LSTM适合学习电梯交通流时间序列中的长期依赖关系,因此本文提出一种基于LSTM的高层住宅电梯群交通模式识别方法。方法通过LSTM建立神经网络模型,学习电梯交通流时间序列中的长期依赖关系,用Softmax分类器进行分类,同时通过Adam算法优化网络参数。实验结果表明,上述算法下的交通模式识别较传统的支持向量机(SVM)、多元线性回归等方法识别精度上有明显提高。关键词:电梯群客流;模式识别;长短期记忆网络;均方差标准化中图分类号:TP391.4文献标识码:BPassengerFlowPatternRecognitionofElevatorGroupinHigh-RiseResidentialBuildingsBasedonLSTMGULing-li1,DONGJia-qi2,XUHong-hua2,XUXiao2(1.SchoolofElectronicsandInformationEngineering,SuzhouUniversityofScienceandTechnology,SuzhouJiangsu215009,China;2.JiangsuBuildingSmartEnergy-savingLaboratory,SuzhouUniversityofScienceandTechnology,SuzhouJiangsu215009,China)ABSTRACT:Trafficflowpatternrecognitionisanindispensableprerequisiteforoptimizeddispatchingofelevatorgroupcontrolsystems.Fortheproblemofhigh-riseresidentialelevatortrafficflowpatternrecognition,classicpatternrecognitionmethodssuchassupportvectormachinesandfuzzyinferencemethodsarewidelyused,buttheystillhavetheshortcomingssuchasinsufficientlong-termmemoryandlowrecognitionaccuracy.TheLSTMindeeplearningissuitableforlearningthelong-termdependenciesinthetimeseriesofelevatortrafficflow,thereforthepaperproposesatrafficpatternrecognitionmethodforhigh-riseresidentialelevatorgroupsbasedonLSTM.ThismethodbuildsaneuralnetworkmodelthroughLSTM,learnsthelon...
