在社会经济高速发展和高层建筑持续攀高的当今,建筑物的使用功能和客流状况发生着新的变化,电梯配置技术面临着新的挑战和使命。垂直交通客流分析和电梯群控制是电梯配置领域中的两个有着内在联系的课题,因为其问题的普遍性、复杂性及其复杂性带来的挑战性,和电梯群的优化控制带来的可观的经济效益和社会效益,引起了众多电梯公司和研究机构的兴趣。本论文的全部工作在于尝试运用人工智能领域的新理论和新方法,对电梯交通客流分析和电梯群控制优化算法进行了分析和探讨。以下列出的是本论文具有创新性的主要工作,类似工作在国内外尚未见报道: 1. 将聚类思想引入到电梯交通流分析中,并提出了一种新型的两级结构聚类方法。首先采用新兴的人工免疫系统理论及其抗体的免疫激励、免疫抑制和免疫记忆机制,对电梯交通的客流数据实施特征提取,获取电梯交通流人工免疫记忆数据集,又称特征客流数据。然后分别用层次聚类(hierarchical clustering)和支持向量机聚类(support vector clustering)对特征客流数据进行聚类分析。最后对聚类结果进行了分析和解释。2. 客流预测是电梯交通流模式判别的重要环节,亦是高峰客流模式下提高电梯动态分区性能的关键所在。针对这个问题,提出了长期预测和短期预测相结合的办法来预测层站的客流需求,既反映电梯交通的规律性,又体现其随机性和动态性。运用支持向量机回归方法(support vector regression)进行客流的长期预测,运用线性指数平滑进行短期预测,并为长期预测值和短期预测值赋予一定的权值,得到最终的客流预测值。新的客流预测方法提高了客流预测的准确性和自适应性。3. 针对电梯高峰客流模式下的电梯群控制,讨论了两种不同类型的电梯交通动态分区模型,并利用人工免疫优化算法来求解电梯交通的最优分区组合。针对不同的动态分区模型,提出了具体的抗体编码方式、免疫克隆、免疫变异、免疫选择方法,设计了具体的人工免疫优化算法。并在不同的客流状况下进行了仿真研究。4. 通过分析用梯过程中乘客的生理需求和心理需求,首次明确地提出了冲击数的概念,使得人们对电梯系统性能的评价更为直观、人性化。选择最长候梯时间和最大冲击数作为模糊输入变量,运用模糊逻辑推理,简化了决策过程,乘客的乘梯时间和经受的冲击数有明显降低,这符合轻交通时期乘客的主流追求。5. 针对复杂而繁忙的午饭交通电梯群控制问题,引入了人工免疫算法,提出了基于人工免疫系统和THV 算法的动态优化策略。在该策略下,层站召唤分配