[发明专利]基于乘员乘梯行为习惯的自学习电梯楼层选择方法及系统

说明书

本发明公开了基于乘员乘梯行为习惯的自学习电梯楼层选择方法及系统，方法包括：识别乘员，获取所述乘员的乘梯行为习惯特征；通过所述乘员的乘梯行为习惯特征，构建特征矩阵；利用所述特征矩阵预测所述乘员的目的楼层，获取预测结果；基于所述特征矩阵和所述预测结果，训练楼层预测模型，获取更新后的所述楼层预测模型；基于更新后的所述楼层预测模型预测所述乘员的目的楼层。本发明能够根据乘员的乘梯行为习惯，自动预测出乘员目的楼层，避免电梯内的直接接触，提高了乘梯效率，具有无接触、高效率、无感的特点。

技术领域

本发明属于电梯智能调度技术领域，尤其涉及基于乘员乘梯行为习惯的自学习电梯楼层选择方法及系统。

背景技术

电梯作为一种重要的垂直交通工具，已经广泛的应用于生活中的各种场合。目前，人们更加注意个人卫生，避免生活中与潜在细菌病毒的直接接触，如避免接触乘坐电梯时的电梯按钮。根据每个乘员的乘梯行为习惯，比如一个小区内住户都住在固定楼层，每天基本都是在一楼与居住楼层往返，根据此习惯可以预测出其目的楼层，避免了乘员每次进入电梯时接触楼层选择按钮，选择楼层等操作，从而避免了各个乘员之间的间接接触，降低感染风险，同时也可以改善乘员手拿重物、抱小孩腾不出手等情况下的乘梯体验，做到无接触、高效率、无感的乘梯。

现有技术主要考虑了乘梯方向这一行为习惯特征，且依靠乘员近段时间内选择某一目的楼层的次数来完成自学习的功能，如乘员在近段时间内从1楼到3楼的次数为2次，到5楼的次数为5次，到8楼的次数为3次，由此预测出乘员下次在1楼乘梯时的目的楼层为5楼。该自学习方法思路较为简单，依赖特征维度单一，只适用于较简单的目的楼层预测任务。如一乘员每天7点乘梯到-1楼开车送小孩上学，10点乘梯到2楼商场购买食材，19点乘梯到1楼散步，此时其从居住楼层到-1楼、2楼与1楼的次数几近相同，其方法无法准确预测出乘员目的楼层。

发明内容

为解决上述技术问题，本发明旨在提出基于乘员乘梯行为习惯的自学习电梯楼层选择方法及系统,改善用户的乘梯体验。可以通过模型训练学习乘员的乘梯行为习惯，并根据此预测乘员的目的楼层。

一方面为实现上述目的，本发明提供了基于乘员乘梯行为习惯的自学习电梯楼层选择方法，包括：

识别乘员，获取所述乘员的乘梯行为习惯特征；

通过所述乘员的乘梯行为习惯特征，构建特征矩阵；

利用所述特征矩阵预测所述乘员的目的楼层，获取预测结果；

基于所述特征矩阵和所述预测结果，训练楼层预测模型，获取更新后的所述楼层预测模型；

基于更新后的所述楼层预测模型预测所述乘员的目的楼层。

可选的，识别乘员，获取所述乘员的乘梯行为习惯特征包括：

对所述乘员的人脸进行识别并与系统数据库进行匹配，确定所述乘员身份，获取所述乘员的乘梯行为习惯特征。

可选的，识别乘员还包括：获取所述乘员的人脸检测框和人体检测框，将所述人脸检测框和所述人体检测框进行匹配，确定每位乘员位置并跟踪。

可选的，所述乘员的乘梯行为习惯特征包括：所述乘员的身份标识号、居住楼层、当前乘梯时间、乘梯方向、当前楼层和乘梯信息。

可选的，将所述特征矩阵输入楼层预测模型，获取预测结果之后还包括：

对所述预测结果进行判断，若所述预测结果错误，将所述乘员到达的目的楼层加入所述乘员的乘梯行为习惯特征；若所述预测结果正确，将所述预测的目的楼层加入所述乘员的乘梯行为习惯特征。

可选的，基于所述特征矩阵和所述预测结果，训练所述楼层预测模型，获取更新后的所述楼层预测模型包括：

获取新特征矩阵，对所述新特征矩阵进行过滤，获取更新后的所述特征矩阵；