[论文解读] Marginalizing Out Future Passengers in Group Elevator Control

Daniel Nikovski, Matthew Brand|arXiv (Cornell University)|Oct 19, 2012

Elevator Systems and Control参考文献 8被引用 15

一句话总结

本文提出了一种基于概率的群组电梯控制方法，通过对外部未来乘客到达情况进行边缘化处理，以减少平均等待时间。通过建立随机到达过程模型，并根据预期的未来需求动态调整电梯调度，该方法在上行高峰交通中显著提升了性能，优于忽略未来乘客的传统方法。

ABSTRACT

Group elevator scheduling is an NP-hard sequential decision-making problem with unbounded state spaces and substantial uncertainty. Decision-theoretic reasoning plays a surprisingly limited role in fielded systems. A new opportunity for probabilistic methods has opened with the recent discovery of a tractable solution for the expected waiting times of all passengers in the building, marginalized over all possible passenger itineraries. Though commercially competitive, this solution does not contemplate future passengers. Yet in up-peak traffic, the effects of future passengers arriving at the lobby and entering elevator cars can dominate all waiting times. We develop a probabilistic model of how these arrivals affect the behavior of elevator cars at the lobby, and demonstrate how this model can be used to very significantly reduce the average waiting time of all passengers.

研究动机与目标

• 解决现有群组电梯控制系统忽略未来乘客到达的局限性，特别是在上行高峰场景下。
• 开发一种可行的概率模型，以捕捉未来乘客对电梯在大厅行为的影响。
• 通过将未来需求预期整合到实时调度决策中，减少平均乘客等待时间。
• 证明对未来的行程路径进行边缘化处理可带来可测量的性能提升。

提出的方法

• 作者将建筑大厅未来乘客的到达过程建模为随机过程，利用概率推理估算其对电梯调度的影响。
• 推导出对所有可能未来乘客行程路径进行边缘化后的期望等待时间的闭式解，从而实现高效计算。
• 将未来乘客的期望值整合到电梯调度决策过程中，特别是在底层。
• 采用动态规划框架计算最小化期望等待时间的最优调度动作，条件是基于未来到达分布。
• 利用贝叶斯推断，根据实时观测和历史模式更新对未来乘客载荷的信念。
• 通过模拟框架评估系统，该框架捕捉了真实的上行高峰交通状况，并与基线方法进行性能对比。

实验结果

研究问题

• RQ1 在群组电梯系统中，包含未来乘客到达如何影响期望等待时间？
• RQ2 能否构建一种可行的概率模型，以对电梯调度中所有可能的未来乘客行程路径进行边缘化处理？
• RQ3 在上行高峰交通场景中，对需求进行建模在多大程度上能改善平均等待时间？
• RQ4 所提出的方法与忽略未来乘客的传统电梯控制策略相比表现如何？

主要发现

• 所提出的方法通过考虑未来乘客到达，在上行高峰条件下显著减少了平均等待时间。
• 与不考虑未来需求的传统控制策略相比，该模型实现了可测量的性能提升。
• 该方法在问题状态空间无界的情况下仍具备计算可行性，支持实时决策。
• 该解决方案表明，对未来的行程路径进行边缘化处理可实现更高效的电梯调度和更高的乘客吞吐量。