「電梯怎麼還不來？」關於電梯派車演算法與控制系統的研究經驗與心得感想

✎【國立臺灣大學資訊管理學系】孔令傑 教授  |   2026-01-10

■ 電梯派車與目的地導向控制

       如大家所知，多電梯的電梯組，運作背後一直都存在一套調度演算法，簡稱「派車演算法」，精神很類似工工領域大家都熟知的 dispatching（派工）。每當有乘客在等電梯的空間按上「上」或「下」，演算法就決定派哪輛電梯過去載這位乘客。傳統系統根據「內部呼叫（inner call）」與「外部呼叫（outer call）」進行派車，最常見的策略是依序考慮「同站停靠（same stop）」、「順路搭載（free ride）」、「閒置等待（idle）」及「最近派遣（nearest away）」的規則式演算法（rule-based algorithm），翻成白話文就是「若這一層剛好有電梯停在那，就它；若沒有，看有沒有電梯正要順向路過這一層，有就它；若沒有，看有沒有停著的，有就它；都沒有，從所有電梯中挑一台過去最快的」。實務上有一些變形，但大多如此。

       以上方法雖然簡單合理，但常常只能找到局部最佳解，在高需求時自然容易效率不彰。除了演算法本身的問題之外，傳統電梯系統難以被最佳化的主要原因，其實是資訊不足：調度系統只知道有乘客在某個樓層要往上或往下，但既不知道目的地是哪個樓層，也不知道有多少人，這都會造成調度上的困難。有鑑於此，近年來逐漸興起了目的地導向控制系統（Destination Control System, DCS），允許且要求乘客在外部面板或手機輸入目的樓層後，再根據目的地和人數資訊分配電梯，如世界第二大的電梯公司 KONE、前述提到的翱翔智慧公司等，均已推出相關解決方案並佈署到大樓。

       直觀上來看，DCS 應該有顯而易見的好處，但撇開實務上的額外導入成本，在學理上也有一個缺點：DCS 必須告知乘客要等哪一部電梯，乘客進入電梯後通常也不被允許再選目的地（不然雖然有精巧的安排，但乘客不照著指示搭電梯的話，安排最終也是枉然），因此完成指派後就無法更改，缺乏「重新指派（re-assignment）」的彈性。相較之下，傳統控制系統中，乘客並不知道哪部電梯會來接自己，即使系統已經指派電梯 A 去接乘客 1，若下一秒忽然有乘客 2 在另一個樓層出現，系統其實可以立刻重新規劃，也不無可能馬上改派電梯 B 去接乘客 1。DCS 多獲得了目的地和人數資訊，但少了重新規劃和指派的彈性，「資訊」與「彈性」孰輕孰重、DCS 究竟是好是壞、何時 DCS 才會更有效率，就是個有趣的研究議題了。

       事實上，在跟公司討論後，我們猜測也許傳統模式和 DCS 都不好，混合式派車架構（Hybrid System）最好。具體來說，我們可以在部份樓層採 DCS 模式，在其它樓層則採用傳統模式，例如從一樓出發的電梯採 DCS 模式，而由其它樓層出發的電梯則維持傳統派車邏輯。這麼做的理由蠻直觀的：要從一樓出發的乘客要去哪裡，通常不易猜測，此時資訊可能比彈性有價值，但從高樓層要往下的乘客則有很高機率要去一樓，此時彈性就可能比資訊重要了。

       我們文獻回顧後發現，談論 DCS 的論文只有個位數篇，且目前幾乎沒有關於混合式控制系統的研究；既有的文獻在派車演算法上，則多以基因演算法（Genetic Algorithm, GA）為主要工具。延續著文獻的方向，我們將一個連續時間的動態派車（dynamic dispatching）問題建模為一系列的靜態派車（static dispatching）情境，每個靜態問題中既考慮新呼叫，也考慮既有呼叫的重新指派（如果來自傳統控制樓層），並設計編碼（encoding）機制，以使用基因演算法做派車。結合翱翔智慧提供的真實資料，我們可以模擬各種模式（全面傳統、全面 DCS、混合）的效率。由於近年來 ESG 重要性與日俱增，在乘客等待時間外，能源節省也是智慧建築的重要議題，因此我們也在實驗中關注能源消耗。

       用來自真實場域（某飯店、16 層樓、4 部電梯；尖峰、平時、離峰分別平均每小時有 553、314、73 人搭乘）的資料建構的模型系統中，我們比較了「所有樓層都使用傳統模式」、「所有樓層都使用 DCS」以及「一樓使用 DCS、其它樓層使用傳統模式」的效果。和做為比較基準的「所有樓層都使用傳統模式」相比，全面 DCS 會讓乘客平均等待時間減少 15.2%，但能源消耗增加 8.1%；混合模式的這兩個數字則分別為減少 3.2% 和增加2.5%（當然，若是調整兩個目標的權重，也能調整增加和減少的程度）。這些結果展示了 DCS 的潛力，也讓我們看到混合模式調節「資訊」與「彈性」的效果。

       我們目前可以做到讓等待時間的減幅高於能源消耗的增幅，雖然不錯，但目前還無法做到讓等待時間和能源消耗同時減少。這是我們能力不足，也是未來可以繼續努力的方向。

■ 研究心得與感想

       我自己做了三、四次各種電梯派車研究後，再次體會到當年老師們常說的「簡單的方法常常是最好的方法」。電梯派車在絕大部分場域都是用最陽春的傳統貪婪演算法，這的確是有道理的，即使撇開導入成本、安全性等議題不談，簡單的演算法畢竟通常都比較 robust（穩健），在充滿不確定資訊的電梯世界中的確有其價值。雖然有人提出 DCS 這樣的方式，來幫助控制系統得到更多資訊，但電梯是服務一般民眾的，總有若干比例的民眾不會乖乖照著安排搭電梯，系統依然面對不確定性。實務上要提升電梯派車系統與演算法的效率，的確是一個非常有挑戰的問題。即使如此，研究者、工程師們依然持續努力推出新的演算法和控制系統，都令人敬佩。

       本文有提到兩個可能的作法：用基因演算法取代貪婪演算法，用目的地導向控制（或混合）取代傳統控制。相比之下，個人覺得後者的意義還是稍微大一點，畢竟在充滿不確定性的世界裡，精巧的演算法難以發揮其效益。但若考慮所有我曾經做過的電梯研究，我自己覺得（或從實驗數據看到的）最能提升整體效率的，不是派車演算法，也不是收集目的地資訊，而是「讓滿載的電梯在通過有人等待的樓層時，不要停下來做無效開關門」，而且只要搭配重量偵測（每部電梯都有）和影像辨識（在某些場域有其必要，以醫院為例，因電梯常運送體積較大的病床，光以重量感測判斷是否滿載會失真），不需要修改既有的派車演算法和系統架構就能施行，可能真的是值得推廣的作法。有趣的是，如果真的要施行「電梯若滿載就不要停下來載人」，最好是不要在等電梯的地方顯示每部電梯現在在幾樓，不然乘客看到電梯跳過自己多半會生氣，即使整體效率提升了。

       為了所有人好，到底要收集以及揭露多少資訊，也是個有趣的議題。真實世界的機制設計，總是得在效率與人性間尋求平衡呢！