随着智慧城市和智能化建筑的不断发展,人们对群控电梯的性能提出更高要求,如何实现多台电梯的有效控制,提高群控电梯的服务质量,成为人们研究的热点问题。电梯群控系统(Elevator Group Control System,EGCS)的交通模式识别和调度优化是研究群控电梯的两个要点。本文以办公建筑的群控电梯系统为研究对象,为提高群控电梯的性能,分别从电梯交通模式识别以及群控优化调度两个方面进行研究,主要研究工作如下:(1)分析EGCS的系统特性及客流交通模式,为提高群控电梯的智能化水平,针对EGCS服务时间长、舒适性低及系统能耗高等问题,以减少乘客的候梯、乘梯时间,降低系统能耗为目的,利用加权组合法构造EGCS的多目标评价函数。(2)针对不同交通模式下调度派梯时所考虑子目标权重的侧重点不同,进行交通模式识别研究,以检测候梯人数为目标判断当前交通流模式,为电梯调度提供模式依据。为提高候梯人数检测的准确率,提出基于多特征融合(Multi-feature Fusion,MF)与卷积神经网络(Convolutional Neural Network,CNN)相结合即MF＿CNN模型进行人数检测。首先以头部区域为检测特征,提取头部图像的HOG、LBP和Haar特征进行融合,使用级联Ada Boost算法对融合特征进行分类以获取候梯场景的头部建议区域。其次构建并训练适合于本文的CNN网络模型,依靠卷积神经网络强大的特征学习及分类能力,利用其对已获头部建议区域进行二次检测。最后使用真实监控场景候梯数据集评估该方法检测人数的准确率,实验结果表明所提方法具有较好的召回率、准确率、漏检率和误检率。(3)针对电梯调度优化提出一种基于改进人工蜂群(Artificial Bee Colony,ABC)算法的优化方法,通过改进ABC算法对目标评价函数求解进行调度优化,所提算法通过在基本ABC算法中引入模拟退火(Simulated Annealing,SA)机制使其更容易找到全局最优解。通过电梯智能群控调度系统进行仿真,仿真结果表明改进的ABC-SA混合算法调度的电梯平均候梯时间,平均乘梯时间以及电梯停靠次数三个评价指标的平均值相较于基本ABC算法都有不同程度的减少,验证了所提方法的有效性。