电梯作为唯一的垂直交通工具,在我国现代化的城市进程中越来越不可或缺。为了缓解垂直交通问题,出现了大量的电梯群。但现有的电梯群控方式性能比较单一、运输效率不高、乘坐质量低下,因此有必要对其进行改进。本文以群控调度优化为研究目的,通过引入新的呼梯方式,确立了基于目的楼层预约的模糊控制和神经网络模糊控制群控算法,通过仿真验证了其有效性。首先,在综合分析电梯群控国内外研究现状的基础上,对电梯群控特性和传统群控调度算法进行了介绍。其次,通过在不同的交通模式下赋予各个评价指标不同的权系数,采用模糊推理方法对电梯交通模式进行了有效识别,可削弱客流变化对群控系统的冲击,使群控系统能适应环境的变化。再次,针对传统群控系统“两步”呼梯方式信息采集慢、操作不便捷、数据完整性不高的不足,引入了目的楼层预约的“一步”呼梯方式。在现有的系统平均候梯时间、平均乘梯时间、长时间候梯率和系统能耗四个评价指标的基础上,增加了轿厢拥挤度评价指标,构造了能反应群控系统特征的综合评价函数,研究了模糊派梯算法,建立了由多个模糊变量构成的群控系统调度模型,通过选取可信度最大的电梯进行派梯,优化了群控调度的性能。为了弥补模糊控制受模糊规则影响较大的缺点,利用神经网络能够自学习的优点,研究了神经网络模糊派梯算法,通过自学习不断调整权值,不断优化输入与输出的对应关系,进一步提升了群控算法的调度性能。最后,运用MATLAB软件对设计的群控仿真系统进行验证,并在GUI界面进行操作和显示,实现了电梯群控的可视化动态仿真运行。通过构建基于泊松分布的客流仿真模块,产生不同交通模式下近似真实的呼梯信息。在相同的仿真环境下,经过运行比较、数据分析和算法对比,验证了本文所研究的调度算法在运行效率、服务质量、节能减排等方面得到的提升,具有较好的实际应用价值。