Hissimatkustajien automaattinen tunnistaminen

Abstract

Tämän diplomityön tavoitteena on tutkia hissimatkustajien automaattisia havaitsemismenetelmiä ja kehittää parannettu matkustajien laskenta-algoritmi hisseille käyttäen valmiiksi asennettuja antureita. Tarkemman tunnistusjärjestelmän avulla saadaan parempi kuva henkilöliikenteestä vuorokauden eri aikoina, mikä puolestaan parantaa hissien ryhmänohjauksen suorituskykyä.

Uusissa hisseissä on aiempiin hisseihin nähden parempia antureita, joita ei aiemmin ole käytetty matkustajien tunnistuksessa. Kehitetty järjestelmä käyttää tunnistuksessa korivaakaa, kiihtyvyysanturia ja valoverhoa. Parannetun tunnistusjärjestelmän avulla haluttiin selvittää hissikoriin tulevien ja poistuvien matkustajien määrät sekä erottaa isot esineet matkustajista. Tunnistusjärjestelmää testattiin syöttämällä sille anturidataa, jota oli mitattu vuorokauden ajan.

Työssä tutustuttiin yleisesti hissien henkilöliikenteeseen, sekä mitä muita tunnistusjärjestelmiä voitaisiin soveltaa hisseissä. Esitettiin kehitetyn järjestelmän antureita tarkemmin ja tunnistusalgoritmin toimintaa. Käytiin läpi algoritmin tuottamat mittaustulokset ja parhaimmat algoritmiparametrit.

The goal of this master’s thesis is to research automatic detection methods for elevator passengers and to develop an improved passenger counting algorithm for elevators using pre-existing sensors. With a more accurate identification system we get a better image of the passenger movement during the day, which improves the elevator group control performance.

New elevators contain better sensors that haven’t been used before in passenger identification. The new system uses a load weighing device, accelerometer and curtain of light for passenger identification. With the improved identification system we want to find out the number of passengers entering and exiting the elevator, and to filter out non-human objects. The system was tested by feeding it 24h of sensor data that was measured in an elevator.

In this work we explored general aspects of elevator passenger traffic, and other identification systems that could be used in elevators. We presented the sensors used in this work and how the detection algorithm works. Finally, we went through the results generated by the algorithm and the best parameters for the algorithm.