AI漫谈：电梯调度运行逻辑
早上被窝内外的温差导致你比平常晚起了20分钟，你飞快洗脸刷牙，穿鞋的同时叫了一辆网约车。
路上堵了半天，一下车你就飞奔进入大楼，因为还有5分钟就要迟到，迟到扣工资100元。
还好有2部电梯正在从-2层上升，你舒了口气，心想3分钟后就能到你的楼层打卡。
你看着电梯按钮旁显示的数字：-2，-1，2，3 ，4… …电梯在-1层已经满了…
旱的旱死，涝的涝死，哪个**设计的电梯……
这样的场景不止一次出现过，也许电梯间有10个电梯在运行，但你就是等了10分钟也没等到。电梯无数次从你在的那一层经过，就是不停，仿佛加了黑名单。
你不禁陷入沉思，是人性的扭曲，还是电梯设计的sb。电梯到底是如何调度，来满足不同楼层的请求？
同样惨痛的经历和沉思，最终变成这篇文章：电梯是如何调度的？
电梯调度有4种最基本的逻辑，目前大多采用第四种。单电梯运行想实现效率最优，还需考虑诸多因素；而多电梯运行，则更会增加逻辑的丰富和复杂度。
下文将介绍：
- 电梯运行的4种逻辑；
- 一部电梯如何运行效率最高；
- 多部电梯如何运行效率最高。
电梯运行的4种逻辑
1. 先到先得
根据乘客请求的先后顺序进行调度，即，谁先按电梯先服务谁。
优点：公平公正公开，且每个乘客的请求都能被依次处理，不会有某一乘客的请求长期得不到满足。
缺点：效率极低，遇到高峰期，全部排队，一起骂设计师。
是否可用：否。
2. 最短优先
按照最短距离服务，即，电梯离谁最近先服务谁。
优点：离谁近给谁服务，对比方案1减少了空跑。
缺点：楼层比较偏的同学，比如顶楼的小伙伴下楼吃午饭，等电梯等了1个小时，也没等到。
是否可用：否。
3. 顶层底层之间往返循环
在底层和顶层之间往返运行，响应方向相同的请求。即，上下循环往返，有顺路的就带上，走到顶层或底层再掉头。就像一辆公交车。(1->20，20->1，如此循环，顺路的都带上)
优点：一个方向的，一趟带走。
缺点：电梯必须到头才折返，和公交一样，空车也必须走到底站。
是否可用：是。
4. 顶层底层之间往返循环（按请求的顶层和底层）
是顶底折返的改进，在用户请求的最高和最低楼层之间往返。即，上下循环往返，到了用户请求的最高层，就可以掉头。（跟3相似，只是如果没有人去20层，比如这部电梯里去往楼层最高的人要到19层，没人往更高走了，那到19层就可以掉头往下了。）
优点：在顶底折返的基础上，考虑实际情况，不必须走到顶层/底层。
缺点：每次必须把一个顺序的请求走完，还是有点死板。
是否可用：是，目前电梯大多是这种逻辑。
以上是最基础的电梯运行逻辑，其实讲到这里大家已经了解了目前电梯运行的普遍逻辑，也就是上面的方案4。
但这里我们继续探讨优化点，比如以下2个场景：
- 只有1部电梯，电梯上升至4层，乘客走出去，电梯变空，这时3层和20层用户同时按“上”，电梯应该返回带上3层用户，还是继续向上走？
- 有两台电梯，一个从20层开始下降，一个从1层出发去2层。有用户在2层按“下”，应该把任务派给哪台电梯？
一部电梯如何运行效率最高
1. 什么方案效率最高？
首先定义“效率最高”：所有用户总耗时时长最短 & 没有人遇到极端恶劣体验，而所有用户总耗时时长=sum（每个用户的等待时长+乘坐时长）。
即，效率最高的方案是让算法选择总耗时最短的方案：choose the plan with min(sum(等待时长+乘坐时长））。只需要给乘坐电梯的每个小步骤加上对应时间，算法能够快速预估有哪些方案、各方案耗时、最优方案。
2. 目前普遍使用的方案4是效率最高吗？
前文讲到，目前电梯普遍应用的运行方案是方案4，电梯上下往返循环，每次顺路的都带上。我们来检测下方案4的效率并不是最高。
以前面说到的情况为例：
“只有1部电梯，电梯上升至4层，乘客走出去，电梯变空，这时3层和20层用户同时按“上”，电梯应该返回带上3层用户，还是继续向上走？”
- 方案4优先处理同方向请求，先处理上方20层用户请求，那3层用户的等待时长非常长。
- 但总耗时最短的方法，应该是先回头把3带上，然后往上走。这样20层用户增加了一点点等待时间，3层用户缩短了大量等待时间，总耗时大大缩短。
可见方案4并不是最高，最高的方案是总耗时最短的方案：choose the plan with min（sum(等待时长+乘坐时长））
3. 为什么没有使用最高效率方案呢？
因为这个方案，电梯会经常回头接人，而电梯回头会导致乘坐人的体验很怪异。比如我从1楼乘坐电梯去30楼，电梯到10楼时收到9楼有人请求上行，电梯回到9楼接了个人继续上升。我的体验是1->10->9->30，是不是很怪异？
而且电梯频繁换方向，会使乘坐人难以预估电梯行为，对于电梯秩序和安全都有干扰。
因此目前电梯普遍应用的并不是效率最优，而是效率和体验整体最优的方案：电梯每次运行一个方向，顺路的都带上，到达用户请求的最高层之后，才可以掉头。
多部电梯如何运行效率最高
首先，逻辑基础相似，电梯每次运行一个方向，顺路的带上，到达用户请求的最高层之后，可以掉头。不同的是，顺路的不一定都要自己带上，因为是多部电梯一起工作，有些事情不一定需要自己动手，可以交给兄弟们团结合作。
多部电梯调控，业内称之为“群控电梯调度”。群控电梯调度，受更丰富的因素影响，因此也有更复杂的逻辑。
接下来的内容，本文做更基础的科普简介，大家如有兴趣可以自行深入查询相关资料。
1. 群控电梯调度的主要目标
减小乘客平均候梯时间、减少乘客平均乘梯时间、降低系统运行能耗。
2. 常见人流量模式概念
- 上行高峰交通模式：主要人流方向是上行，比如早高峰的公司电梯。
- 下行高峰交通模式：主要人流方向是下行，比如晚高峰的公司电梯。
- 二路交通模式：主要人流方向是去某一层/从某一层离开，比如：全体大会会议室在4层，开会时人流涌入4层，散会时4层人流流向各层。
- 四路交通模式：主要人流方向是去某2层/从某2层离开，例如：午饭时，人流流向一层和二层的餐厅。
- 平衡的层间交通模式：上行和下行乘客数量相当，各层之间的交通相当。
- 空闲交通模式：大量电梯处于空虚，比如节假日、深夜等。
3. 常见调度算法
（1）基于专家系统的电梯群控调度
用专家的经验知识建立规则，利用规则比较各种可能的调度途径，从中选出最佳路线。即，听专家的。
- 优点：合理利用基于经验的、尚未形成科学体系的知识。
- 缺点：依赖专家。
（2）模糊逻辑电梯群控调度
把模糊不清的边界对象和问题总结成一系列以“IF（条件）THEN（作用）”产生式形式表示的控制规则。即，听专家的，但这个是专家也感觉模糊的规则。
- 优点：帮助计算机模仿人脑的推理能力，简化复杂问题。
- 缺点：不具有学习功能，依赖专家。
（3）基于神经网络的群控调度
引入人工神经网络，使系统具有自学习能力。利用非线性和学习方法建立 适合的模型，进行高速推理，对电梯交通可进行短、长期预测。即，算法可以根据实际情况学习进化。
优点：学习能力，能更好适合实际情况。
缺点：有些逻辑模糊学不到。
（4）模糊神经网络的调度
模糊神经网络把神经网络与模糊逻辑相结合，克服了人工神经网络结构难以确定，以及模糊逻辑无自学习功能的缺点。即，有些自动学习难以结构化的，使用模糊逻辑规则学习。
优点：学习模糊规则各规则的相对重要度，来实现规则的优化。
本文介绍了单电梯调度的基本逻辑和多电梯调度的常见概念和算法，只讲到了科普皮毛，感兴趣的朋友可以继续探索～
作者：图灵的猫，公众号：图灵的猫
本文作者 @图灵的猫
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
