随着城市现代化建设的高速发展,人们生活水平的逐步提高,城镇中高层建筑和智能楼宇的不断增加,电梯作为垂直交通运输工具已经得到了越来越广泛的应用。在高层的商业或居住建筑的设计中为满足需求一般都安装了多台电梯,在此情况下,如何根据建筑内交通情况的变化、提高多台电梯的协同合作能力、保证大楼内交通的最优输送是非常有必要的。因此,高效率、智能化的电梯群控系统(Elevator Group Control System, EGCS)算法的研究已成为楼宇自动化领域的一个热点。如今国内的多台电梯调度水平还不理想,其中较先进的电梯群控系统大多数是国外电梯公司制造,国内自主研发和自主版权的控制方法和技术在实际中的应用也不多。所以对EGCS进行详细深入的研究对国内电梯产业的发展将会有巨大的促进作用。电梯交通客流数据的偶发性、呼梯信号的随机性、电梯群控目标的多样性等特性构成了电梯群控的难点所在。目前,针对现代EGCS的研究主要集中在以下六大方面：(1)以模糊逻辑运算为研究基础,构成电梯群控的模糊规则；(2)对呼梯信号集合的重组优化,在此基础上对平均候梯时间等指标进行预测建模,进而研究带有自学习的预测控制；(3)将群控作为电梯交通动态特性的重要组成部分进行研究；(4)将人工智能算法引入电梯群控系统；(5)将电梯群控系统作为智能建筑整体功能研究的一个重要分支；(6)研究以计算机网络技术为基础的电梯群控。本文结合实际的应用项目,从电梯群控的关键问题入手,在研究了EGCS的系统功能、系统构成、性能指标的基础上,提出了基于支持向量机算法(Support Vector Machine, SVM)的电梯群控算法。首先阐述了电梯群控算法的国内外研究现状以及发展趋势,对电梯群控的工作原理以及核心技术进行了研究。其次,结合电梯交通系统动态特性的分析,提出EGCS的性能要求以及性能指标评价函数。接下来对电梯交通流数据进行数学建模,采用支持向量机算法对大楼内当前电梯交通模式进行辨识,从而指导电梯群控系统针对不同的模式采取不同的调度策略,以提高系统的整体性能。针对现有算法中存在的缺点和不足,结合模糊推理,将支持向量机算法应用到群控中,克服模糊推理缺乏学历能力的缺点,借助评价指标和各种电梯交通模式,优化EGCS的派梯策略。最后,在Windows操作系统环境下,以面向对象语言Visual C#为工具,开发了EGCS仿真软件,实现了电梯组优化调度的动态可视化仿真运行,并根据电梯服务质量的评价指标验证了算法在调度效率和系统能耗等方面的改善。