本论文主要利用人工智能理论对建筑物内的垂直交通系统——电梯群控制系统进行了较为全面和深入的研究，取得了一定的研究成果，具有现实意义和实用价值。以下列出本论文的主要创新性研究工作，类似工作在国内外尚未见报道： 1．对复杂的、具有时间和空间离散性以及随机性的电梯群控制系统，提出了一种运用细胞自动机理论(Cellular Automata Theory)进行电梯群控制系统数学建模的新方法。制定符合电梯运行规律的细胞局部运动规则，用细胞自动机模拟电梯的运动行为，建立了基于细胞自动机的电梯群控制系统模型。模型结构简单，运行效果良好。仿真程序采用面向对象的编程方法实现，提高了软件的重用性和模型的可扩展性。该方法具有一定通用性，可推广到其他离散事件动态系统的数学建模中。基于细胞自动机的电梯群控制系统模型的建立，为后继章节研究电梯群控制策略搭建起实验仿真平台。 2．正确辨识电梯系统的交通模式，是影响电梯配置及调度方法的关键。将支持向量机理论(Support Vector Machine)引入电梯交通模式识别，提出了一种基于多值分类的支持向量机电梯交通流模式识别方法。实验结果证明该方法具有较高的识别准确率，体现了支持向量机泛化能力强的特性，减小了对训练数据的依赖性。另外，针对电梯交通层间模式中最大客流楼层和次大客流楼层不可变的缺陷，提出一种改进的电梯交通模式识别方法。通过对基本交通数据预处理，在不增加数据采集工作量的基础上，挖掘出尽量多的有用信息，根据实时交通流数据，挑选出当前时段的最大及次大客流楼层，再采用多值分类的支持向量机对交通模式进行分类。该方法实现最大客流层及次大客流层的自适应辨识，扩大了电梯交通模式分类器的使用范围，通用性增强。 3．为了对电梯系统交通流量进行实时预测，提出基于最小二乘支持向量机(Least square Support Vector Machines，简称LS-SVM)的电梯交通流时间序列预测方法，并建立了三个电梯交通流时间序列预测器。采用该方法建立的电梯交通流预测器可以得到满意的预测结果，达到工程要求，也体现了LS-SVM在回归和预测上的能力。 4．面对如何有效利用电梯群控制系统中的大量复杂、冗余或不完备的原始数据以及电梯群控制策略如何适应多种电梯交通模式这两个问题，提出了粗糙集和模糊神经网络相结合的控制策略。针对电梯群控制系统中大量可参考属性信息，采用粗糙集理论(R0ugh Sets)进行属性约简，提炼出系统的重要属性，建立约简的 模糊神经网络(Fuzzy Neural Network) 梯群控制策略。该群控制策略可以实时预测和辨识电梯交通流模式，根据不同交通流模式采用不同的模糊神经网络模型进行派梯调度，派梯效果良好。 5．目的层预约的电梯群控制系统是电梯控制发展的新方向。分析目的层预约模式下电梯系统的主要特点，建立了基于细胞自动机的目的层预约电梯群控制系统数学模型以及实验仿真平台，为目的层预约系统的控制策略的研究建立基础。并且提出了一种基于目的层预约的多目标电梯群控制算法，通过仿真实验，验证了目的层预约电梯群控制系统数学模型的有效性以及控制策略的良好控制效果。 6．将人工智能理论引入目的层预约电梯群控制系统，对系统中的特有属性进行归纳和分析，提出了一种基于目的层预约的多目标模糊神经网络电梯群控制策略。仿真实验证明，该控制策略可以达到较满意的效果，尤其适用于交通流量大的下高峰交通模式。与传统电梯群控策略以及其他目的层预约电梯群控策略进行对比实验，证明该方法在优化电梯候梯时间、乘梯时间、长候梯率以及节约能耗等方面都体现出较好的能力。