CC BY
134Большие данные, искусственный интеллект и облачные технологии: цифровизация железных дорог
Акимов Александр Евгеньевич
аспирант, кафедра «Информационные системы цифровой экономики», РУТ (МИИТ), grace.akimov@gmail.com
Цифровизация железных дорог приводит к кардинальным изменениям параметров эффективности транспортной отрасли. Обеспечение развития железнодорожного транспорта обусловлено скоростью и качеством внедрения прорывных инновационных решений. Среди подобных решений можно назвать дата-аналитику, искусственный интеллект, облачные вычисления, мобильные устройства, развитие датчиков и сенсоров Применение больших данных и искусственного интеллекта на железной дороге может осуществляться в нескольких направлениях. Одним из наиболее значимых векторов преобразований выступает оптимизация маршрутов и расписаний поездов. Анализ больших данных может быть применен и для эффекти-визации технического обслуживания подвижных составов и узлов инфраструктуры. Big Data применяются на железной дороге для повышения безопасности перевозки пассажиров и грузов. Крайне распространенный вектор применения AI и Big Data - улучшение качества обслуживания пассажиров. Отмечается, что одной из ключевых причин обращения топ-менеджмента мировых железнодорожных холдингов и корпораций к облачным вычислением является снижение финансовых затрат на поддержание собственной ИТ-инфраструктуры. Ключевые слова: железная дорога, транспорт, цифровиза-ция, большие данные, облачные вычисления, искусственный интеллект, инновации, цифровая железная дорога
fO
CSI
0
CSI
fO
01
s
I-О ш m х
<
m о x
X
Железные дороги - один из ключевых компонентов национальных и глобальных транспортных сетей; они формируют собой существенную долю глобальных цепочек поставок - начиная от перевозки сырья и заканчивая доставкой конечного продукта к месту реализации и(или) потребления. Данный вид транспорта обладает рядом неоспоримых преимуществ: экологичность, экономия времени, кадровых и временных ресурсов, способность перевозить объемные и массивные грузы. На сегодняшний день железными дорогами активно пользуются граждане более 140 стран мира [1, с. 137].
Современный этап функционирования железных дорог как в нашей стране, так и в мире в целом сопряжен с попытками модернизации, переоборудования и автоматизации. Железные дороги постепенно адаптируются к новым концепциям «цифровая экономика» и «цифровое государство». Цифровизация железных дорог, согласно экспертным прогнозам, сможет кардинально изменить параметры эффективности транспортной отрасли. Будут, безусловно, изменяться и глобальные транспортные коридоры - в первую очередь, за счет увеличения пропускной способности и повышения стабильности функционирования. Кроме того, развитие цифровых железных дорог положительно сказывается на обеспечении соответствия глобальной инициативе устойчивого развития; можно даже сказать, что именно за железными дорогами - будущее транспортной сферы.
Обеспечение развития железнодорожного транспорта обусловлено скоростью и качеством внедрения прорывных инновационных решений. Среди подобных решений можно назвать дата-аналитику, искусственный интеллект, облачные вычисления, мобильные устройства, развитие датчиков и сенсоров. Можно предположить, что цифровизация железнодорожной сети позволит сформировать высокоэффективную мультимодаль-ную цифровую транспортно-логистическую среду, сначала в национальном масштабе, а затем - в трансграничном пространстве [4, с. 63].
Следует отметить, что развитие железнодорожной сферы подчиняется общепланетарным трендам, в рамках которых основной ценностью становится не материальный, а интеллектуальный капитал. От развития железной дороги во многом зависит темп социально-экономического развития государства; современную экономику, к примеру, все чаще называют «экономикой высоких скоростей» - т. е. экономикой, требующей моментального перемещения сырья, материалов, продуктов, знаний, данных, компетенций.
Цифровая железная дорога - междисциплинарная и сложная область научных теоретических, аналитических и прикладных исследований. В последнее время к традиционным сферам, изучающим функционирование железных дорог - логистики, инженерии, менеджмента и проч. - добавились новые области, которые, собственно, разрабатывают цифровые решения для модернизации дорог и инфраструктуры. Таковыми являются
технологии информационных систем, сигнализации, технологии систем радиосвязи, технологии обработки больших массивов данных и проч. [5, с. 26].
Целями цифровизации железных дорог выступают следующие. Во-первых, повышение уровня безопасности грузовых и пассажирских перевозок, а также безопасности работы на железной дороге. Цифровые технологии могут повысить безопасность, предоставляя в режиме реального времени информацию о текущем статусе поездов и путей, указывать на необходимость профилактического или аварийного обслуживания, улучшать связь между подвижными составами, станциями, диспетчерскими центрами. Во-вторых, цифровые решения внедряются с целью повышения эффективности: автоматизируя и оптимизируя различные аспекты железнодорожных операций, цифровые технологии могут способствовать сокращению задержек, повышению пунктуальности и повышению уровня пропускной способности. В-третьих, имеет место повышение качества обслуживания пассажиров. Цифровые решения способны в режиме реального времени предоставлять пассажирам информацию о расписании поездов, задержках и иную информацию, а также предлагать опции для досуга во время поездки, Wi-Fi и средства оперативной связи с работниками состава или станций. В-четвертых, цифровизация направлена на сокращение затрат. Цифровые технологии оптимизируют алгоритмы проведения различных процедур и манипуляций, сокращают время простоя подвижных составов или ремонтных бригад, тем самым железнодорожные компании, их партнеры и клиенты сокращают временные, трудовые и финансовые расходы. В-пятых, цифровые решения играют важную роль в снижении отрицательного влияния, оказываемого железными дорогами, на окружающую среду - за счет оптимизации использования энергии, диагностики энергопотребления и степени выбросов, их сокращения, и общего повышения эффективности использования ресурсов.
В целом цели цифровизации железных дорог можно свести к повышению уровня безопасности, эффективности, качества обслуживания пассажиров, снижению затрат.
Сегодня концепция цифровизации железной дороги представляет собой не только автоматизацию некоторых процессов оплаты, работы сотрудников станций и центров управления, наряду с электронным документооборотом и внедрением точечных систем датчиков и сканеров. Цифровизация отрасли в современном понимании означает, скорее, делегирование части полномочий и обязанностей сотрудников на долю компьютерных интеллектуальных систем. Особенно значимыми в данной связи нам представляются такие инструменты, как большие данные, искусственный интеллект и облачные вычисления, совокупность который и знаменует сегодня переход железнодорожных систем в новое качество.
Обратимся к рассмотрению специфики имплемента-ции технологий больших данных и искусственного интеллекта на железной дороге, а также к примерам удачного внедрения данных технологий в реальную отраслевую практику. Применение больших данных (Big Data) на железной дороге может осуществляться в нескольких направлениях. Одним из наиболее значимых векторов коренных преобразований выступает оптимизация маршрутов и расписаний поездов. Сбор, хранение и анализ больших данных о передвижении поездов и ис-
пользуемых путях позволяют оптимизировать маршруты, усовершенствовать расписание поездов, сократить задержки и увеличить пропускную способность железнодорожной сети.
В России, к примеру, существует большое количество веб-сайтов по продаже билетов, позволяющих пассажирам запрашивать количество оставшихся билетов на определенные маршруты. С помощью интерфейсов прикладного программирования можно автоматически собирать эти оставшиеся данные по билетам с веб-сайтов, что позволяет объединять информацию для всех маршрутов, тем самым создавая массив больших данных. В российской науке активно ведутся разработки в области сбора информации о билетах с целью выработки моделей характеристик основных логистических и поведенческих паттернов пассажиров [3, с. 109]. Такие данные могут точно измерить остаточный или неиспользованный транзитный потенциал, количество пассажиров в конкретном поезде и заполняемость вагонов [3, с. 101].
В начале 2023 г. технологии машинного обучения и системы искусственного интеллекта были внедрены и холдингом «Российские железные дороги». Новая система призвана автоматически генерировать оптимальный график движения поездов, а фундаментом ее интеллектуальной платформы является автоматизированный комплекс «Эльбрус-М», разработанный специалистами Всероссийского научно-исследовательского института железнодорожного транспорта. Цифровые модели производят оценку параметров продвижения по-ездопотоков, выявляют участки железнодорожной сети с максимальной загрузкой и на основе анализа влияния инфраструктурных и технологических изменений на перемещение составов формируют оптимальный график движения железнодорожного транспорта. На сегодняшний день более 6 тыс составов одновременно передвигаются по российским железным дорогам; точность их прибытия и отбытия составляет 98%, что обеспечивается качественной выработкой графика и его своевременным корректированием. Ранее это представляло одну из наиболее трудоемких задач, но на сегодняшний день данные полномочия делегированы компьютерам -это позволяет сохранить высокий уровень пунктуальности составов, сэкономить материальные и кадровые ресурсы, исключить человеческий фактор [6].
Анализ больших данных может быть применен и для эффективизации технического обслуживания подвижных составов и узлов инфраструктуры. Вместо проведения ремонтных работ гораздо более эффективным является профилактическое (предиктивное) обслуживание оборудования и транспортных средств. Анализ больших данных о состоянии и эксплуатации оборудования и инфраструктуры железнодорожной сети позволяет прогнозировать потенциальные проблемы и предотвращать отказы оборудования путем регулярного технического обслуживания. Подобная система успешно используется в Индии, где на железных дорогах была внедрена система профилактического обслуживания на основе самообучающегося искусственного интеллекта. Система работает за счет датчиков для сбора данных о состоянии компонентов поезда и использует алгоритмы искусственного интеллекта для прогнозирования необходимости технического обслуживания, что сокращает время простоя ремонтируемых составов и повышает надежность их работы [10]. В Великобритании железнодорожная компания Network Rail
X X
о го А с.
X
го m
о
2 О
м
CJ
fO CS
о
CS
ci
о ш m
X
3
<
m О X X
внедрила систему мониторинга железнодорожной инфраструктуры на базе искусственного интеллекта, которая также использует датчики для сбора данных о состоянии путей, мостов и других объектов инфраструктуры, а также использует алгоритмы искусственного интеллекта для прогнозирования необходимости технического обслуживания, сокращения времени простоя и повышения безопасности [11].
Помимо прочего, Big Data применяются на железной дороге для повышения безопасности перевозки пассажиров и грузов. Сбор и анализ данных о передвижении поездов и состоянии инфраструктуры железнодорожной сети способствует идентификации потенциальных рисков, а системы искусственного интеллекта могут представить рекомендации по их устранению.
К примеру, специалисты японской железнодорожной компании JR East разработали систему на основе искусственного интеллекта для автоматизации движения поездов. Система использует алгоритмы искусственного интеллекта для управления скоростью и торможением состава, повышая скорость перевозок и эффективность расхода энергии [12].
Улучшение качества обслуживания пассажиров -крайне распространенный вектор применения AI и Big Data. Анализ больших данных о пассажирских потоках и предпочтениях пассажиров позволяет улучшить качество обслуживания, оптимизировать расписание поездов и оказывать новые услуги для пассажиров [5, с. 25].
Железнодорожный оператор ProRail (Нидерланды) внедрил систему искусственного интеллекта для планирования расписания поездов. Система учитывает такие факторы, как наличие путей, погодные условия и пассажиропоток, чтобы оптимизировать расписание поездов и сократить задержки [9].
В качестве показательного примера применения больших данных в работу железной дороги выступает совместный проект японской корпорации Fujitsu и американской компании SRI International (2016 г.) по внедрению функции прогнозирования времени задержки поезда, основанной на анализе данных и машинном обучении. Продукт производства Fujitsu «извлекает уроки из предыдущих задержек, объединяет их с прошлыми эксплуатационными данными, а затем делает точные прогнозы задержек на основе машинного обучения» [7, с. 76]. Затем программное обеспечение через веб-сайт или мобильное приложение направляет уведомление пассажиру о возможных задержках и об альтернативных маршрутах. Впоследствии схожие проекты были внедрены в Великобритании Нидерландах, Дании и Норвегии на базисе европейской системы сигнализации и управления ERTMS [7, с. 76].
Французская железнодорожная компания SNCF внедрила систему на базе искусственного интеллекта для информирования пассажиров в режиме реального времени. Система предоставляет пассажирам актуальную информацию о расписании поездов, задержках и другую информацию о поездках через мобильные приложения и цифровые дисплеи [13].
Несмотря на перечень преимуществ и широкий спектр целей применения, внедрение Big Data и искусственного интеллекта в работу железной дороги сопряжено с определенной долей риска - впрочем, как и внедрение любой другой инновации. Абсолютное большинство систем искусственного интеллекта и анализа больших данных «напоминают модель «черного ящика», в
которых отсутствует интерпретация внутренней динамики» [8, с. 61], поэтому диагностировать возникновение ошибки и, тем более, предугадать такую возможность практически не представляется возможным. Кроме того, внедрение новых приборов и устройств на основе искусственного интеллекта для железнодорожных сетей является дорогостоящим и требует материальных затрат на обучение персонала. Тем не менее, развитие искусственного интеллекта в отрасли представляется нам необратимой тенденцией, и отказ от данного вектора модернизации железных дорог в нашей стране является, как минимум, нерациональным.
Еще одной технологией, которая, возможно, в скором времени коренным образом трансформирует железнодорожную отрасль, считаются облачные вычисления. Проникновение облачных технологий в самые различные области человеческой деятельности столь глубинно, что современный человек, по сущности, совершает «миграцию в облака» [2, с. 121].
Облачные решения позволяют оптимизировать операции и процессы, протекающие на железной дороге; к примеру, облачное программное обеспечение можно использовать для автоматизации таких задач, как покупка билетов и составление расписания поездов. Облачные технологии применяются также в целях мониторинга железнодорожной инфраструктуры в режиме реального времени, что позволяет своевременно обнаруживать потенциальные проблемы, связанные с критическим снижением уровня безопасности. Отмеченные выше Индийские железные дороги, к примеру, внедрили облачную платформу под названием RailCloud, которая обеспечивает общую платформу для всех связанных с железными дорогами ИТ-операций, включая продажу билетов, расписание поездов и управление рабочими бригадами.
Одной из ключевых причин обращения топ-менеджмента мировых железнодорожных холдингов и корпораций к облачным вычислениям является снижение финансовых затрат. Используя облачные решения, железные дороги могут сократить расходы и накладные расходы на поддержание собственной ИТ-инфраструктуры. Это связано с тем, что облачные технологии позволяют более эффективно использовать сторонние ресурсы и не требуют оборудования и обслуживания. Облачные вычисления используют, помимо прочих, Deutsche Bahn (немецкий железнодорожный оператор), Amtrak (США), Японские железные дороги, Eurostar (оператор высокоскоростных поездов, связывающих Великобританию с континентальной Европой) и др.
Таким образом, искусственный интеллект, большие данные и облачные вычисления могут произвести революцию в железнодорожной отрасли, предоставив инновационные решения для оптимизации операций, повышения безопасности и улучшения обслуживания. Можно предположить, что в дальнейшем данные технологии будут успешно применены в области автономного (беспилотного) транспорта, в области виртуальных помощников пассажиров и грузоотправителей/грузополучателей. По мере развития технологий становится очевидно, что возможности ИИ на железных дорогах практически безграничны. Однако, существуют также опасения по поводу влияния инноваций на занятость населения, на необходимость пересмотра законодательства, по поводу объективности данных систем и возможности их взлома сторонними лицами. Все эти вопросы должны быть решены в ближайшем будущем.
Литература
1. Анохов, И. В. Влияние цифровизации железных дорог на развитие национальной экономики / И. В. Анохов, О. Н. Римская, А. В. Хомов // Транспортные системы и технологии. - 2022. - №2. - С. 135-148.
2. Демин, И. С. Облачные технологии: угрозы и риски / И. С. Демин // ТДР. - 2015. - №5. - С. 121-122.
3. Каменков, А. Л. Применение больших данных для анализа пассажиропотока на скоростных магистралях Российской Федерации / А. Л. Каменков // Транспортные системы и технологии. - 2020. - №2. - С. 106-115.
4. Ковальчук, А. С. Стратегические направления цифровизации железнодорожного транспорта / А. С. Ко-вальчук, С. И. Коваль // Экономика и бизнес: теория и практика. - 2022. - №5-2. - С. 63-66.
5. Комаров, К. Л. Цифровизация как ключевой механизм современных технологий в организационных структурах транспортного производства / К. Л. Комаров // Вестник Сибирского государственного университета путей сообщения. - 2018. - №2 (45). - С. 24-29.
6. Крупин, А. РЖД доверила управление расписанием поездов искусственному интеллекту / А. Крупин // Электронное периодическое издание "3ДНьюс". - 2017. [Электронный ресурс]. - Режим доступа: https://3dnews.ru/1080514/rgd-doverila-upravlenie-marshrutami-poezdov-iskusstvennomu-intellektu. - Дата доступа: 22.03.2023.
7. Лазуткина, В. С. Онтологии больших данных, машинного обучения и искусственного интеллекта на цифровой железной дороге / В. С. Лазуткина, А. А. Климов, В. П. Куприяновский, Д. Е. Намиот, О. Н. Покусаев // International Journal of Open Information Technologies. -2019. - №5. - С. 75-88.
8. Помозова, Ю. А. Искусственный интеллект в высокоскоростных железных дорогах / Ю. А. Помозова, А. E. Мастилин // Научные междисциплинарные исследования. - 2021. - №2- С. 57-62.
9. Helping ProRail optimize its operations with predictive models // Xomnia. - 2023. [Электронный ресурс]. - Режим доступа: https://www.xomnia.com/predictive-models-for-rail-defects-for-prorail/. - Дата доступа: 22.03.2023.
10. Indian Railways trials AI for predictive maintenance // GovInsider. - 2017. [Электронный ресурс]. - Режим доступа: https://govinsider.asia/intl-en/article/indian-railways-trials-ai-predictive-maintenance. - Дата доступа: 22.03.2023.
11. Intelligent Infrastructure is a digital transformation programme focused on improving asset management and helping maintenance become proactive rather than reactive // Network Trail. - 2023. [Электронный ресурс]. - Режим доступа: https://www.networkrail.co.uk/running-the-railway/intelligent-infrastructure/. - Дата доступа: 22.03.2023.
12. Koji, Asano. JR East High-speed Rolling Stock Development - 2017. [Электронный ресурс]. - Режим доступа:
https://www.jreast.co.jp/e/development/tech/pdf_36/tec-36-01-06eng.pdf. - Дата доступа: 22.03.2023.
13. Powering the Futur with Artificial Intelligence // SNCF. - 2023. [Электронный ресурс]. - Режим доступа: https://www.sncf.com/en/innovation-
development/innovation-research/technologies-of-future/artificial-intelligence. - Дата доступа: 22.03.2023.
Big Data, artificial intelligence and cloud technologies: digitalization of
railways Akimov A.E. RUT
JEL classification: C10, C50, C60, C61, C80, C87, C90_
The digitalization of railways leads to dramatic changes in the efficiency parameters of the transport industry. Ensuring the development of railway transport is due to the speed and quality of the introduction of breakthrough innovative solutions. Such solutions include data analytics, artificial intelligence, cloud computing, mobile devices, the development of sensors and sensors The use of Big Data and artificial intelligence on the railway can be carried out in several directions. One of the most significant vectors of fundamental changes is the optimization of train routes and schedules. Big Data analysis can also be used to improve the maintenance of rolling stock and infrastructure units. Big Data is used on the railway to improve the safety of passenger and cargo transportation. An extremely common vector for the application of AI and Big Data is improving the quality of passenger service. It is noted that one of the key reasons for the top management of the world's railway holdings and corporations to turn to cloud computing is to reduce the financial costs of maintaining their own IT infrastructure. Keywords: railway, transport, digitalization, big data, cloud computing,
artificial intelligence, innovation, digital railway References
1. Anokhov, I. V. Influence of digitalization of railways on the development of
the national economy / I. V. Anokhov, O. N. Rimskaya, A. V. Khomov // Transport systems and technologies. - 2022. - No. 2. - S. 135-148.
2. Demin, I. S. Cloud technologies: threats and risks / I. S. Demin // TDR. -
2015. - No. 5. - S. 121-122.
3. Kamenkov, A. L. The use of big data for the analysis of passenger traffic
on high-speed highways of the Russian Federation / A. L. Kamenkov // Transport systems and technologies. - 2020. - No. 2. - S. 106-115.
4. Kovalchuk, A. S. Strategic directions of digitalization of railway transport /
A. S. Kovalchuk, S. I. Koval // Economics and business: theory and practice. - 2022. - No. 5-2. - S. 63-66.
5. Komarov, K. L. Digitalization as a key mechanism of modern technologies
in the organizational structures of transport production / K. L. Komarov // Bulletin of the Siberian State University of Communications. - 2018. - No. 2 (45). - S. 24-29.
6. Krupin, A. Russian Railways entrusted train schedule management to
artificial intelligence / A. Krupin // Electronic periodical "3DNews". - 2017. [Electronic resource]. - Access mode: https://3dnews.ru/1080514/rgd-doverila-upravlenie-marshrutami-poezdov-iskusstvennomu-intellektu. -Access date: 03/22/2023.
7. Lazutkina, V. S. Ontologies of big data, machine learning and artificial
intelligence on the digital railway / V. S. Lazutkina, A. A. Klimov, V. P. Kupriyanovsky, D. E. Namiot, O. N. Pokusaev // International Journal of Open Information Technologies. - 2019. - No. 5. - S. 75-88.
8. Pomozova, Yu. A. Artificial intelligence in high-speed railways / Yu. A.
Pomozova, A. E. Mastilin // Scientific interdisciplinary research. - 2021. -No. 2 - P. 57-62.
9. Helping ProRail optimize its operations with predictive models // Xomnia. -
2023. [Electronic resource]. - Access mode: https://www.xomnia.com/predictive-models-for-rail-defects-for-prorail/. -Access date: 03/22/2023.
10. Indian Railways trials AI for predictive maintenance // GovInsider. - 2017.
[Electronic resource]. - Access Mode: https://govinsider.asia/intl-en/article/indian-railways-trials-ai-predictive-maintenance. - Access date: 03/22/2023.
11. Intelligent Infrastructure is a digital transformation program focused on improving asset management and helping maintenance become proactive rather than reactive // Network Trail. - 2023. [Electronic resource]. - Access mode: https://www.networkrail.co.uk/running-the-railway/intelligent-infrastructure/. - Access date: 03/22/2023.
12. Koji, Asano. JR East High-speed Rolling Stock Development - 2017. [Electronic resource]. - Access mode: https://www.jreast.co.jp/e/development/tech/pdf_36/tec-36-01-06eng.pdf. - Access date: 03/22/2023.
13. Powering the Futur with Artificial Intelligence // SNCF. - 2023. [Electronic resource]. - Access mode: https://www.sncf.com/en/innovation-development/innovation-research/technologies-of-future/artificial-intelligence. - Access date: 03/22/2023.
X X
о
го А
с.
X
го m
о
m
2 О
to
M
