[发明专利]一种利用机器学习量化评估电梯乘坐舒适性的系统及方法

说明书

本发明公开了一种利用机器学习量化评估电梯乘坐舒适性的系统及方法，其中，系统包括：基础数据模块，用于建立完整的电梯基础信息及履历信息；数据采集模块，用于采集实时的电梯运行数据、故障数据、体感数据、人机交互数据、装潢数据；样本模块，用于根据实时的电梯运行数据、故障数据、体感数据、人机交互数据、装潢数据，形成样本数据；量化评估模块，用于通过样本数据进行机器学习，并建立量化评估模型，以对电梯舒适性进行量化、评估打分。本发明利用机器学习量化评估电梯乘坐舒适性的系统利用机器学习建立数学模型，能更客观实时的反映电梯乘坐的舒适性。

技术领域

本发明涉及电梯舒适性评估技术领域，特别是涉及一种利用机器学习量化评估电梯乘坐舒适性的系统及方法。

背景技术

随着我国城市化进程的推进，电梯是人们联系最紧密的一种公共交通工具，乘梯舒适性是人们对电梯的更高层次的需求，也是衡量电梯厂家生产的电梯是否达到“精品电梯”称号的依据。

电梯相对来说属于一个比较安全的交通工具。在满足了人们出行安全的前提下，电梯生产厂家更应该朝乘坐舒适性方面不断提高产品质量，才能满足人们日益增长的对美好生活追求的需要。

然而，目前还没有对乘梯舒适性的自动化量化、评估系统。

因此本领域技术人员致力于开发一种利用机器学习量化评估电梯乘坐舒适性的系统及方法。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种利用机器学习量化评估电梯乘坐舒适性的系统及方法。

为实现上述目的，本发明提供了一种利用机器学习量化评估电梯乘坐舒适性的系统，包括：

基础数据模块，用于建立完整的电梯基础信息及履历信息；

数据采集模块，用于采集实时的电梯运行数据、故障数据、体感数据、人机交互数据、装潢数据；

样本模块，用于根据实时的电梯运行数据、故障数据、体感数据、人机交互数据、装潢数据，形成样本数据；

量化评估模块，用于通过样本数据进行机器学习，并建立量化评估模型，以对电梯舒适性进行量化、评估打分。

较佳的，所述量化评估模型的算法如下：

其中，为电梯乘坐舒适性评分，θ₀为电梯乘坐舒适性偏置量，θ₁～θ_n为特征参数的权重，为影响电梯乘坐舒适性的特征向量。

较佳的，通过历史样本数据并利用多元线性回归分析理论获得特征参数的权重θ₁～θ_n，使损失函数最小，损失函数为：

其中，y_i为历史样本数据中电梯舒适性量化评分，m为样本数量。

较佳的，所述电梯乘坐舒适性的特征向量包括速度、加速度、振动、噪声、温度、湿度、气压、轿厢内照明、拥挤度、色彩装饰、故障率、停梯时长。

较佳的，将所述特征向量与对应的电梯舒适性量化关联，形成样本数据。

较佳的，所述数据采集模块包括：

基层传感器单元，用于校准运行数据；

加速度传感器单元，用于获取电梯在x、y、z三轴的加速度数值；

平层传感器单元，用于判断电梯是否平层停车、电梯运行状态和方向；

人体传感器单元，用于检测电梯轿厢内是否有人滞留；