Информационная платформа для отбора водителей с целью повышения безопасности транспортных работ

Трясцин Антон Павлович; Дубровин Александр Георгиевич; Баранов Юрий Николаевич; Коломейченко Александр Викторович

УДК 62-78

ИНФОРМАЦИОННАЯ ПЛАТФОРМА ДЛЯ ОТБОРА ВОДИТЕЛЕЙ С ЦЕЛЬЮ ПОВЫШЕНИЯ БЕЗОПАСНОСТИ ТРАНСПОРТНЫХ РАБОТ

Целью работы является теоретическое обоснование повышения безопасности транспортных работ в агропромышленном комплексе (АПК) России путем разработки информационной платформы, позволяющей количественно оценить степень соответствия водителя конкретному транспортно-технологическому процессу. Современные подходы к надежности водителя исходят из понимания данного явления как интегральной функции, обеспечивающей безошибочные действия водителя в конкретных ситуациях. Анализ проведенных исследований показал, что на сегодняшний день нет методики, позволяющей количественно оценить степень соответствия надежности водителя конкретному перевозочному процессу. В работе предложена информационная модель формирования профессиональной надежности водителя. Оценка соответствия уровня профессиональной надежности водителя требованиям, соответствующим характеру выполняемой работы, осуществляется на основе данных, которые входят в информационную модель оценки. Процедура оценки протекает в соответствующем блоке информационно-аналитической модели. Для реализации модели требуется провести оценку степени соответствия водителя требованиям к конкретному технологическому процессу в шкалах, имеющих числовые значения. Далее следует определиться с критерием предпочтения, при этом определенным образом представлять оценки характеристик и требований. Для реализации количественной оценки надежности водителя применена теория количественной важности критериев, которая позволяет допустить, что шкала критериев порядковая. Используя такой подход, удалось получить корректную и эффективную методологию решения задачи количественной оценки соответствия водителя по критериям заданного перевозочного процесса. На основе изучения активности поверхностно локализованных биологически активных точек на теле человека разработаны способы определения типов высшей нервной деятельности и определения состояния алкогольного опьянения, что позволяет осуществлять подбор водителей для проведения транспортных работ по психофизиологическим критериям. Разработана матрица предпочтений темперамента в зависимости от вида перевозки и дорожных условий, что позволит существенно повысить надежность водителя. Предложенная методика позволяет дать количественную оценку степени соответствия водителя. Практическая реализация разработанного алгоритма реализована в программном продукте, обеспечивающем автоматизированный подбор водителей под заданные требования.

Ключевые слова: водитель, транспортное средство, программа, база данных, электронный документооборот, безопасность, высшая нервная деятельность.

The aim of the work is the theoretical justification for improving the safety of transport operations in the agro-industrial complex (AIC) of Russia by developing an information platform that allows to quantify the degree of compliance of the driver to a specific transport and technological process. Modern approaches to driver reliability are based on the understanding of this phenomenon as an integral function that provides error-free actions of the driver in specific situations. Analysis of the studies showed that to date there is no methodology to quantify the degree of compliance with the reliability of the driver's specific transportation process. The paper proposes an information model for the formation of professional reliability of the driver. The assessment of compliance of the level of professional reliability of the driver with the requirements corresponding to the nature of the work performed is carried out on the basis of data that are included in the information model of the assessment. The evaluation procedure takes place in the relevant block of the information-analytical model. For the implementation of the model is required to assess the extent of compliance with the driver requirements of the technological process in scales having numerical values. Next, you should determine the preference criterion, wherein a certain way to provide estimates of the characteristics and requirements. To implement a quantitative assessment of the driver's reliability, the theory of quantitative importance of criteria is applied, which allows us to assume that the scale of criteria is ordinal. Using this approach, it was possible to obtain a correct and effective methodology for solving the problem of quantitative assessment of the driver's compliance with the criteria of a given transportation process. Based on the study of the activity of superficially localized biologically active points on the human body, methods for determining the types of higher nervous activity and determining the state of alcoholic intoxication have been developed, which allows the selection of drivers for transport operations according to psychophysiological criteria. A matrix of preferences of temperament depending on the type of transportation and road conditions, which will significantly improve the reliability of the driver. The proposed method allows us to quantify the degree of compliance of the driver. The practical

implementation of the developed algorithm is implemented in a software product that provides automated selection of drivers for the specified requirements.

Keywords: driver, vehicle, program, database, electronic document management, security, higher nervous activity.

Введение. Агропромышленный комплекс (АПК) является ключевой отраслью экономики России. Политическая и экономическая ситуация, сложившаяся за последние три года в нашей стране, требует постепенного перехода на импортозамещение, что было одним из основных направлений «Государственной программы развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2013-2020 годы». Согласно данным Министерства сельского хозяйства Российской Федерации, поставленные цели программы по многим критериям, можно считать, выполнены, достигнув 90% обеспеченности по таким показателям, как мясо птицы и свинины, производство зерновых культур выросло на треть, как и производство тепличных овощей, площадь виноградников и садов увеличилась на 40-60%, однако по ряду направлений имеются существенные проблемы, которые требуют незамедлительных решений [1]. Такая ситуация требует ускоренными темпами развивать отдельные направления деятельности предприятий АПК, ив частности транспортную составляющую отрасли. Развитие сельскохозяйственного производства, комплексная механизация отрасли связаны с ростом объемов транспортных работ, основная доля составляет важнейшую часть технологических процессов возделывания и уборки сельскохозяйственных культур. В структуре работ в АПК на транспортные работы приходится до 30-35% общих затрат труда, 35-40% себестоимости механизированных работ и до 50% энергетических затрат. Объем перевозки сельскохозяйственных грузов составляет от 20 до 60 ткм на 1 га пашни [2]. При этом следует отметить, что транспортные работы остаются одними из наиболее опасных в отрасли и управление их безопасностью является значимой научной и практической задачей.

Одним из направлений повышения безопасности транспортных работ является внедрение в практику предприятий инновационных методов управления безопасностью за счет разработки и внедрения новых технологий и методов планирования, управления и контроля [3-4]. В этих условиях человеческий фактор приобретает приоритетное значение. Направлением повышения надежности водителей является их отбор на основе анализа их профессиональных качеств, применительно к конкретным типам маршрутов, дорожным и климатическим условиям, с учетом существующих ограничений и рекомендаций. Такой отбор предполагает анализ определенных информационных источников, характеризующих как самих водителей, так и установленные ограничения и приоритеты [5-6]. Реализация этого направления должна базироваться на цифровых информационных технологиях.

Государственная политика в сфере цифровых информационных технологий сформулирована в Программе «Цифровая экономика Российской Федерации» (утверждена распоряжением правительства РФ от 28.06.2017 г. № 1632-р). Документ устанавливает правовые нормы, направленные на формирование цифровой

экономики и механизмы ее регулирования. Одним из ключевых положений программы является широкое использование цифровых технологий для обеспечения безопасности граждан. Развитие цифровой экономики предполагает широкое применение электронного документооборота на основе сформированных баз данных.

Методика исследований. Перспективными направлениями повышения надежности водителей являются современные методики профотбора, дифференцированный подход к закреплению водителей за маршрутами с учетом специфики аграрного производства. Современные подходы к надежности водителя исходят из понимания данного явления как интегральной функции, обеспечивающей безошибочные действия водителя в конкретных ситуациях (рисунок 1).

Анализ проведенных исследований показал, что на сегодняшний день нет методики, позволяющей количественно оценить степень соответствия надежности водителя конкретному перевозочному процессу [1, 7].

Оценка соответствия уровня профессиональной надежности водителя требованиям, соответствующим характеру выполняемой работы, осуществляется на основе данных, которые входят в информационную модель оценки. Процедура оценки протекает в соответствующем блоке информационно-аналитической модели. Для конечной реализации модели требуется провести оценку соответствия М, которая может быть представлена упорядоченной парой:

М =<БУ,К >, где вектор соответствия уровня надежности водителя требованиям квалификации для соответствующего вида перевозок; К- критерий соответствия.

В данном выражении вектор представлен набором пар чисел, полученных в результате определения некоторых характеристик водителя Э и требований к уровню квалификации для соответствующего вида перевозок V.

Критерий К описывает предпочтения (согласно установленным требованиям) и обеспечивает получение числовой оценки соответствия надежности водителя Э заявленной квалификации V.

Пары чисел в векторе определяются результатами количественной оценки характеристик водителя и требований к ним для определенного вида перевозок в шкалах, имеющих числовые значения. К таким требованиям и характеристикам предлагаем отнести:

- возраст;

- стаж работы (общий);

- стаж работы по определенным категориям;

- стаж работы на типичных маршрутах;

- стаж работы на соответствующих видах подвижного состава;

- продолжительность перерывов в водительской деятельности;

- количество нарушений ПДД;

- количество участий в ДТП и др.

Рисунок 1 - Структурная схема информационной модели формирования профессиональной надежности водителя

Далее следует определиться с тем, что возрастание значения является критерием предпочтения, при этом нужно определенным образом представлять оценки характеристик и требований. Так, если стаж работы водителя по определенной категории 2 года, а скажем перевозка опасных грузов требует не менее 3 лет стажа, то в модели получится пара (2, 3). Другой пример, если водителю 65 лет, а требование по возрасту - не более 60 лет, то в модели будет пара (- 60, - 65).

Достаточно много характеристик водителя и требований к ним в информационной модели задается по средствам упорядоченных по предпочтению градаций. Для них соответствующие цифровые характеристики можно получить только качественно с использованием порядковой шкалы. Для таких характеристик можно задать номер в порядке возрастания предпочтений всех имеющихся градаций и числовыми оценками водителя. Например, навыки по устранению неисправностей на автомобиле можно оценить по степени владения (не имеет, может устранять мелкие неисправности, имеет квалификацию слесаря по ремонту автомобиля и может устранять серьезные неисправности) [8]. Для таких характеристик можно занумеровать

в порядке возрастания предпочтений имеющиеся градации и требования к ним (0 - полное отсутствие навыков ремонта). В таком случае, если водитель может устранять серьезные неисправности, а для работы на маршрутах без отрыва от базы требуется устранять только мелкие неисправности, в модели будет пара 51/. На порядковых шкалах числа сравниваются только по величине, но сказать, что водитель лучше при умении устранять серьезные неисправности, если таковое не требуется, нельзя.

Среди рассматриваемых характеристик и требований встречаются также бинарные, т.е. имеющие лишь две упорядоченные по предпочтению градации, т.е. наличие качеств, присутствие которых заведомо предпочтительнее, чем отсутствие таковых, если критерием предпочтения является возрастание (например, дисциплинированность водителя). Границы обозначения таких характеристик и требований попадают в интервал от 1 - наличие свойства и 0 - его отсутствие.

Среди характеристик и требований, имеющих качественный характер, также встречаются номинальные характеристики, где градации заранее не могут быть упорядочены. Числа, которые используются для

нумерации соответствующих градации таких данных, можно использовать только для подтверждения факта совпадения или несовпадения значений соответствующих характеристик водителя и требований, предъ-

являемых к нему (например номер специальности по диплому), при этом неравные значения будут критерием несоответствия.

Таким образом, вектор будет иметь вид:

< (XjS.XjV), ..., (XjS.XiV), ..., (xms,xmv),

где т - число пар «характеристика-требование», т.е. размерность вектора БУ; х/5, хм - значения характеристики водителя и требования к его квалификации соответственно в /-ой паре «характеристика - требование».

Таким образом заданную пару «характеристика - требование» можно определить как признак. При этом признаки рационально сгруппировать по шкалам:

- /н - номера признаков с номинальными шкалами;

- /п - номера признаков с порядковыми шкалами,

- /к - номера признаков с количественными шкалами (абсолютной, отношений и интервалов).

При оценке соответствия водителя поставленным задачам в самом простом варианте имеется всего два состояния - «соответствует» и «не соответствует». В этом случае первое состояние возникает тогда, когда все значения, характеризующие водителя, соответствуют требованиям к заданному перевозочному процессу, в противном случае возникает вторая оценка. Таким образом, если носитель шкалы Ха при соответствии критерию К записать в виде Ха = {0, 1}, то получим выражение

1 при выполнении условий Xa = \ х? = xf, i е iH х? > ХУ, i е /п и 1К 0 при невыполнении условий

Следует учесть, что в определенных случаях неполное соответствие одних требований может быть компенсировано «перевыполнением» других. Таким образом, может быть решена задача многокритериального выбора возможности компенсировать потери по одним критериям выигрышем по другим. Однако следует учитывать, что не все требования будут одинаково значимыми.

Для практической реализации количественной оценки надежности водителя представляется целесообразным применение теории количественной важности критериев, которая позволяет допустить, что шкала критериев порядковая. Используя такой подход, можно получить корректную и эффективную методологию решения задачи количественной оценки соответствия

> 0, 1 = 1, ...

водителя по критериям заданного перевозочного процесса.

Методика предполагает введение порядковой шкалы степени соответствия Ха = {0, 1,...,/)}, при этом каждой градации приписывается определенная содержательная характеристика. Если выбрать пятибалльную систему (Ь = 5), градации предлагаем разграничить следующим образом:

- не соответствует;

- соответствует частично;

- почти соответствует;

- полностью соответствует;

- более чем соответствует.

Важность требований подтверждается коэффициентом важности, в сумме равным некоторому положительному числу а:

■ т; 1 = а ,

Важность можно оценить по шкале, где а = 1, в некоторых случаях целесообразно принять а = 100 и определять важность в процентном выражении. Значением оценки соответствия уровня надежности водителя в требованиям к соответствующему перевозоч-

К(з, I') = к при Ьк < шах 2 ¡в/с.*1 д") а( < Ьк+1

ному процессу ч соответствует градация к шкалы Ха, если наибольшая сумма коэффициентов важности требований справедлива непосредственно или после учета необходимой компенсации, не менее какого-то порога Ь*, но не достигает следующего порога Ьы:

Для характеристик /, } с порядковыми шкалами компенсационные неравенства могут быть представ-

ЛеНЫ: 5 , » * , V

х? - 1 > х", X? - 1 > XУ.

Для характеристики / - с порядковой шкалой, характеристики / - количественной, компенсационные неравенства будут иметь вид:

Ж(* - 1 > х\, х/ + 60 > х/.

Если же характеристика / имеет количественную шкалу, а характеристика /-напротив порядковую, то:

х[ -5Ш> х[, х/ + 1 > */.

Таким образом, исходя из значений и направленности вектора Э!/, используя описанный метод вычисления значения критерия К, можно провести оценку соответствия уровня надежности водителя заявленному виду (технологии) перевозок и определить по шкале Ха искомое значение оценки соответствия.

Результаты исследований и их обсуждение. Практическая реализация разработанного алгоритма была реализована в программном продукте, обеспечивающем автоматизированный контроль за процессом отбора кандидатов [9], представляющая собой базу данных, которая может существенно облегчить проце-

дуру подбора водителя под заданные требования работодателя, учитывающие специфику перевозочного процесса.

Блок-схема алгоритма подбора водителей, поясняющая принцип функционирования, представлена на рисунке 2. После запуска программы пользователю будут доступны функции поиска и редактирования.

Редактирование данных о водителе в программе систематизировано по более чем 15 показателям и по-

С

Начало

зволяет учесть большинство аспектов его трудовой деятельности (рисунок 2).

Например:

- возраст водителя классифицируется по шести категориям: до 20 лет, от 21 до 30, от 31 до 40, от 41 до 50, от 51 до 60 и старше 60 лет;

- тип инструктажей: предрейсовый, вводный, первичный, вторичный, внеплановый и целевой;

- психологический тип человека: сангвиник, флегматик, меланхолик и холерик.

Ввод исходных данных

Г^-у-

Запуск программы

Внести изменения в базу данных

Сохранить изменения

г-Ш-

Выполнить поиск водителя по заданным параметрам

Конец

Рисунок 2 - Блок-схема алгоритма подбора водителей

Кроме того, в базе данных программы отражаются сведения о прохождении обучения, участии в ДТП с констатацией статуса ДТП и наступивших по-

следствиях: количество пострадавших, степень тяжести причинённого ущерба и т.д. (рисунок 3).

ФИО:

М Водительского удостоверения:

Возраст: до 20 лет

Пол: М

Прохождение медосмотров: Предрейсовый " Физиологический статус:

Прохождение инструктажей: Предрейсовый

Обучение по 20ч программе ежегодно: 02 02.2018 О

Участие в ДТП: Нет - Степень тяжести: мат ущербом

Нарушение внут. труд-го распорядка: До " Количество: 1

Психологический статус: Сангвиник

Лишение водительского удостов.: Нет

Отстранение от работы по результатам прохождения осмотра на состояние алкогольного опьянения:

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Щ " Количество: 1

Добавить

Рисунок 3 - Скрин-шот окна редактирования данных о водителе

В мировой практике известно множество методов и способов определения типов ВНД у человека. К ним относятся: метод определения силы нервных процессов у человека; способ изменения реакций при разной интенсивности раздражителя и изменения ре-

акций при длительном раздражении, на основе которых и определяется тип ВНД; метод условных рефлексов; наиболее часто используется в практике метод психологических тестов; способ определения генетической основы общих типов ВНД (данный способ наи-

более трудозатратный и требует дорогостоящего оборудования); метод наблюдений, еще известен как метод И.П. Павлова. У перечисленных способов имеется 3 основных недостатка - это необходимость использования дорогостоящего оборудования, большая трудоемкость и длительность наблюдений.

Основной задачей изобретения являлось повы шение объективности заключений в количественно

, „л

Особенностью измерений является то, что они проводятся однократно, в редких случаях их проводят дважды [10]. Затем находят среднюю их величину и при значении 25,0+1,36 мкА определяют слабый тип ВНД (меланхолик), при 35,0+2,03 мкА - сильный уравновешенный подвижный тип ВНД (сангвиник), при 42,0+1,13 мкА - сильный уравновешенный инертный тип ВНД (флегматик), при 54,0+1,3 мкА - сильный неуравновешенный тип ВНД (холерик). Для измерения биоэлектрического потенциала ППБАТ может использоваться любой прибор, позволяющий установить биопотенциалы БАТ. Опыты проводились над водителями

Реализация предложенного дифференцированного подхода к подбору и отбору водителя на основе знаний о типе его ВНД позволяет учитывать «человеческий фактор» и повысить уровень безопасности при организации перевозочного процесса в условиях сельскохозяйственного производства.

При изучении психофизиологических особенностей также был разработан способ определения состояния алкогольного опьянения, который тоже основан на активности ПЛБАЦ, но имеет возможность при использовании данного способа определять «похмельный синдром» [12]. Использование описанных способов существенно расширяет информацию о водителе, которая заносится в программу.

сравнимых величинах биопотенциала водителя для определения типов ВНД.

В разработанном способе измерения биопотенциала водителя проводят на меридиане желудка в 10 ППБАТ V21, Е8, Е11, Е15, Е16, Е21, Е40, Е41, Е42, Е45 (рисунок 4) один раз в день, при прохождении предрейсового медицинского осмотра.

п.

транспортных средств мужского пола в возрасте 30-45 лет [11].

Различия в технологических процессах перевозки грузов сельскохозяйственного назначения и пассажиров, протекающих в разных дорожных условиях, при различной плотности транспортных потоков, создают предпосылки для разработки дифференцированного подхода к выбору водителя на основе знаний о типе его темперамента. На основе вышесказанного разработана матрица предпочтений темперамента в зависимости от вида перевозки и дорожных условий, которая была заложена в программу (таблица).

После формирования базы данных водителей в программе появляется возможность контекстного поиска по нужным параметрам, который может быть осуществлен по имени водителя, его стажу работы, возрасту или другим параметрам. При этом становятся доступными и остальные сведения о нем, имеющиеся в базе.

Выводы. Разработанная программа обладает интуитивно понятным и удобным интерфейсом, не требующим от пользователя глубоких знаний и навыков и позволяющим освоить ее в короткий срок. Достоинством разработанной программы является возможность установки ее на любой ПЭВМ или ноутбук с операционной системой Windows ХР и выше, с минимальными требованиями к производительности процессора и объему оперативной памяти. Программа может быть

ми"'

Рисунок 4 - Локализация биологически активных точек на теле человека

Матрица предпочтений темперамента в зависимости от вида перевозки и дорожных условий

Вид перевозки Внутрихозяйственные Пригородные Междугородние

Грузовые перевозки С, X, Ф, М С, X, Ф, М Ф

Перевозка пассажиров С,Ф С,Ф Ф

Перевозка опасных грузов С,Ф С,Ф Ф

Перевозка тяжеловесных и крупногабаритных грузов С,Ф С,Ф Ф

Перевозка детей Ф Ф Ф

скорректирована и дополнена путем внесения в ее состав дополнительных сведений, учитывающих специфику транспортного предприятия, что позволяет значительно снизить время на принятие решений по подбору водителей на транспортные работы и тем самым повысить их безопасность.

Литература

1. Профессиональный консалтинг в сфере охраны труда для водителей транспортных средств / Ю.Н. Баранов, А.П. Трясцин, С.В. Баранова, Р.В. Шкрабак, Ю.Н. Брагинец// К 80-летию выдающегося ученого и учителя Владимира Степановича Шкрабака/ под ред. Ю.Н. Баранова. - СПб., 2017. -328 с.

2. Москвичев, Д.А. Развитие модульного транспорта в сельском хозяйстве / Д.А. Москвичев, О. В. Виноградов II Управление рисками в АПК. - 2016. - № 1. - С. 28-34.

3. Urciuoli, L. The risk of standards proliferation - an analysis of differences between private and public transport standards / L. Urciuoli II Transportation Research Part A: Policy and Practice. -2018. - Vol. 116. - P. 591-602.

4. A dynamic lane-changing trajectory planning model for automated vehicles / Yang D., Zheng S., Wen C., Jin P.J. & Ran В. II Transportation Research Part C: Emerging Technologies. -2018 -Vol. 95. - P. 228-247.

5. A stochastic process based reliability prediction method for LED driver / Sun В., Fan X., van Driel W, Cui C. & Zhang G. II Reliability Engineering and System Safety. - 2018. -Vol. 178.-P. 140-146.

6. The different effects of personality on prosocial and aggressive driving behaviour in a Chinese sample / Shen В., Ge Y., Qu W., Sun X. & Zhang К. II Transportation Research Part F: Traffic Psychology and Behaviour. - 2018. - Vol. 56. -P. 268-279.

7. Mtynczak, M. Risk assessment of the road transportation concerning dangerous goods / M. Mtynczak II Safety, Reliability and Risk Analysis: Beyond the Horizon: Proceedings of the European Safety and Reliability Conference, ESREL 2013, P. 2275.

8. Thermal efficiency of plasma-jet deposition of powder materials / Kravchenko I.N., Kolomeychenko A.V., Pupav-tsev I.E., Solovev R.Y. & Baranov Y.N. II Welding International. -2018-Vol. 32.-№1.-P. 54-61.

9. Баранов Ю.Н., Дубровин А.Г., Трясцин А.П. Программа для регистрации автомобилей II Свидетельство о государственной регистрации программ для ЭВМ № 2018615496 от 08.05.2018. - Заявка № 2018611199 от 07.02.2018.

10. Дагис-Войнаровская, Т.И. Акупунктурная система биологически активных точек - ведущая система живого / Т.И. Дагис-Войнаровская II Естественные и технические науки. - 2011. - № 3 (53). - С. 97-109.

11. Пат. 2597808 РФ, МПК А61В 5/05. Способ определения типов высшей нервной деятельности / Баранов Ю.Н., Катунин А.А., Трясцин А.П., Бодров А.С., Кондратов С.В.; заявитель и патентообладатель ФГБОУ ВПО «Госуниверситет УНПК». - № 2015111742/14; заявл. 31.03.2015; опубл. 20.09.2016, Бюл. №26.

12. Пат. 2648345 РФ, МПК А61В 5/04. Способ определения состояния алкогольного опьянения / Баранов Ю.Н., Баранова С.В., Дубровин А.Г., Катунин А.А., Трясцин А.П., Бодров А.С., Кондрашов С.В., Новиков А.Н., Новиков И.А., Кулева Н.С.; заявитель и патентообладатель ФГБОУ ВО

«Орловский госуниверситет им. И.С. Тургенева». -№2016150793; заявл. 22.12.2016; опубл. 23.03.2018, Бюл. №9.

References

1. Baranov Yu.N., Tryascin A.P., Baranova S.V., Shkra-bak R.V., Braginec Yu.N. Professional'nyj konsalting v sfere ohrany truda dlya voditelej transportnyh sredstv [Professional consulting in the field of labor protection for drivers of vehicles], К 80-letiyu vydayushchegosya uchenogo i uchitelya Vladimira Stepanovicha Shkrabaka, pod red. Yu.N. Baranova, SPb., 2017, 328 p. (In Russian)

2. Moskvichev D.A., Vinogradov O.V. Razvitie modul'no-go transporta v sel'skom hozyajstve [The modular development of transport in agriculture], Upravlenie riskami v APK, 2016, No 1, pp. 28-34. (In Russian)

3. Urciuoli, L. The risk of standards proliferation - an analysis of differences between private and public transport standards, Transportation Research Part A: Policy and Practice, 2018, Vol. 116, pp. 591-602.

4. Yang D, Zheng S, Wen C, Jin P.J. & Ran B. A dynamic lane-changing trajectory planning model for automated vehicles, Transportation Research Part C: Emerging Technologies, 2018, Vol. 95, pp. 228-247.

5. Sun В., Fan X., van Driel W, Cui C. & Zhang G. A stochastic process based reliability prediction method for LED driver, Reliability Engineering and System Safety, 2018, Vol. 178, pp. 140-146.

6. Shen В., Ge Y, Qu W, Sun X. & Zhang K. The differ-rent effects of personality on prosocial and aggressive driving behaviour in a Chinese sample, Transportation Research Part F: Traffic Psychology and Behaviour, 2018, Vol. 56, pp. 268-279.

7. Mtynczak, M. Risk assessment of the road transportation concerning dangerous goods, Safety, Reliability and Risk Analysis: Beyond the Horizon - Proceedings of the European Safety and Reliability Conference, ESREL, 2013, pp. 2275.

8. Kravchenko I.N., Kolomeychenko A.V., Pupav-tsev I.E., Solovev R.Y. & Baranov Y.N. Thermal efficiency of plasma-jet deposition of powder materials, Welding International, 2018, Vol.32, No 1, pp. 54-61.

9. Baranov Yu.N., Dubrovin A.G., Tryascin A.P. Pro-gramma dlya registracii avtomobilej [Car registration program], Svideteistvo о gosudarstvennoj registracii programm dlya EHVM No 2018615496 ot 08.05.2018, zayavka No 2018611199 ot 07.02.2018. (In Russian)

10. Dagis-Vojnarovskaya T.I. Akupunkturnaya sistema biologicheski aktivnyh tochek - vedushchaya sistema zhivogo [Acupuncture system of biologically active points - the leading system of the living], Estestvennye i tekhnicheskie nauki, 2011, No 3 (53), pp. 97-109. (In Russian)

11. Baranov Yu.N., Katunin A.A., Tryascin A.P., Bodrov A.S., Kondratov S.V. Sposob opredeleniya tipov vysshej nervnoj deyatel'nosti [Method for determining the types of higher nervous activity], pat. 2597808 RF, MPK A61B 5/05, zayavitel' i patentoobladatei FGBOU VPO «Gosuniversitet UNPK», No 2015111742/14, zayavl. 31.03.2015, opubl. 20.09.2016, Byul. No 26. (In Russian)

12. Baranov Yu.N., Baranova S.V., Dubrovin A.G., Katunin A.A., Tryascin A.P., Bodrov A.S., Kondrashov S.V., Novi-kov A.N., Novikov I.A., Kuleva N.S. Sposob opredeleniya sos-toyaniya alkogol'nogo op'yaneniya [Method for determining the state of alcoholic intoxication], pat. 2648345 RF, MPK A61B 5/04, zayavitel' i patentoobladatei' FGBOU VO «Orlovskij gosuniversitet» No 2016150793, zayavl. 22.12.2016, opubl. 23.03.2018, Byul. No 9. (In Russian)

Сведения об авторах

Трясцин Антон Павлович - кандидат технических наук, доцент кафедры «Сервис и ремонт машин», ФГБОУ ВО «Орловский государственный университет имени И.С. Тургенева» (Российская Федерация). E-mail: antondochent1968@maii.ru; srmostu@maii.ru.

Дубровин Александр Георгиевич - кандидат технических наук, сотрудник Академии ФСО России (г. Орел, Российская Федерация). E-mail: dubrovin1973@mail.ru; srmostu@mail.ru.

Баранов Юрий Николаевич - доктор технических наук, профессор кафедры «Сервис и ремонт машин» ФГБОУ ВО «Орловский государственный университет имени И.С. Тургенева» (Российская Федерация). E-mail: bar20062@yandex.ru; srmostu@mail.ru.

Коломейченко Александр Викторович - доктор технических наук, зав. кафедрой «Надежность и ремонт машин», ФГБОУ ВО «Орловский государственный аграрный университет имени Н.В. Парахина» (Российская Федерация). E-mail: kolom_sasha@inbox.rusrmostu@mail.ru.

Information about the authors

Tryatsin Anton Pavlovich - Candidate of Technical Sciences, associate professor of the Service and repair of machines department, FSBEI HE «Orel State University named after I.S. Turgenev» (Russian Federation). E-mail: antondochent1968@mail.ru, srmostu@mail.ru.

Dubrovin Alexander Georgievich - Candidate of Technical Sciences, employee of Academy of FPS (Orel region, Russian Federation). E-mail: dubrovin1973@mail.ru, srmostu@mail.ru.

Baranov Yuriy Nikolaevich - Doctor of Technical Sciences, professor of the Service and repair of machines department, FSBEI HE «Orel State University named after I.S. Turgenev» (Russian Federation). E-mail: bar20062@yandex.ru, srmostu@mail.ru.

Kolomeichenko Alexander Viktorovich - Doctor of Technical Sciences, head of Readability and repair of machines department, FSBEI HE «Orel State Agrarian University named after N.V. Parahin» (Russian Federation). E-mail: kolom_sasha@inbox.ru, srmostu@mail.ru.

Текст научной работы на тему «Информационная платформа для отбора водителей с целью повышения безопасности транспортных работ»