CC BY
104
УДК 656.09
Устойчивое развитие транспортной отрасли на базе систем искусственного интеллекта
Л. М.Чеченова
Петербургский государственный университет путей сообщения Императора Александра I, Российская Федерация, 190031, Санкт-Петербург, Московский пр., 9
Для цитирования: Чеченова Л. М. Устойчивое развитие транспортной отрасли на базе систем искусственного интеллекта // Бюллетень результатов научных исследований. - 2021. - Вып. 4. -С. 125-138. DOI: 10.20295/2223-9987-2021-4-125-138
Аннотация
Цель: Модификация тенденций развития железнодорожного транспорта при внедрении технологий искусственного интеллекта, оптимальных для прогнозной оценки деятельности транспортной организации. Методы: Используются ключевые методы логического познания - анализ и синтез. Результаты: Проведен анализ научной базы по вопросам цифровизации транспортной отрасли с помощью фундаментальных исследований, данных Росстата и информационного ресурса СПАРК. Обусловлена необходимость внедрения интеллектуальных технологий для оптимизации времени перевозок и снижения расходов. Систематизированы основные направления применения интеллектуальных технологий на железнодорожном транспорте с учетом стратегической целевой направленности отрасли. Практическая значимость: Полученные основные результаты возможно использовать при прогнозировании бизнес-процессов с помощью различных цифровых технологий и инструментов.
Ключевые слова: Цифровая трансформация, железнодорожный транспорт, устойчивое развитие, интеллектуализация.
Введение
Цифровая трансформация транспортной отрасли становится неизбежным процессом адаптации бизнеса к новым реалиям и предпочтениям цифрового мира, поскольку определяющим фактором цифровых преобразований являются динамика изменений предпочтений современного потребителя и формы его потребления товаров и услуг.
Новые ориентиры деятельности ОАО «РЖД» аккумулируют процессы поиска и внедрения инноватики, эволюцию корпоративной культуры, совершенствование бизнес-процессов за счет использования цифровых технологий, трансформацию транспортной услуги на базе инструментов интеллектуализации с учетом изменившихся потребностей рынка.
В настоящее время к основным задачам транспортной организации относятся обеспечение безопасности перевозок, их эффективности, что предопределяется ростом мобильности пассажиров и объемов грузопере-
возок в период постпандемии, а также минимизации отрицательной реакции окружающей среды на работу транспортных систем. По нашему мнению, используя интеллектуальные системы, можно комплексно решить данные проблемы, поскольку они связывают воедино результаты инновационных разработок, новейших методов проектирования, особенности спутниковых геотехнологий и других новаторских достижений. Рассматривая стратегический характер развития железнодорожного транспорта (ЖДТ), в том числе в условиях кризиса, необходимо отметить ключевое положение, которое занимает процесс инфраструктурной интеллектуализации, а также его положительное воздействие на бизнес-процессы, реализуемые в отрасли.
В настоящее время активно изучаются инновационные подходы и вопросы интеллектуализации транспортных инфраструктурных объектов, внедряются высокотехнологичные системы управления, навигации, распознавания, информатизации, которые прежде всего обеспечивают безопасность процесса перевозки грузов и пассажиров, повышают качество предоставления транспортной услуги с учетом рыночной трансформации, создают комфортные условия труда. Сейчас основная часть общественных структур и отношений опосредована цифровыми технологиями. Развитие сфер производства и оказания услуг невозможно без интеграции современного технического оборудования и интеллектуальных систем.
Вопросы интеллектуализации исследовали С. Н. Васильев, М. Г. Гаазе-Рапопорт, А. И. Галушкин, В. М. Глушков, А. Н. Гудой, Д. Ю. Кочин, Н. Н. Лябах, Д. А. Поспелов, С. В. Соколов, А. Тьюринг, С. Андронов, В. Фетисов и пр. Совокупность технологий искусственного интеллекта и нейронных сетей подробно изучали Ф. Розенблатт, В. И. Арнольд, С. М. Ковалев, Р. Хехт-Нильсен, А. Н. Колмогоров, К. Левенберг, Д. Марквардт, Д. Рутковская, С. Хайкин и др. Обеспечение безопасной перевозки рассматривалось в работах И. Вишнивецким, А. В. Христолюбовым, Л. А. Гре-бенюком, А. В. Кириченко, И. В. Мартынюком, В. Н. Андросюком,
A. М. Островским, В. М. Рудановским и др. Разработкам в области информационных систем, управления и связи на ЖДТ посвящены работы
B. Н. Иванченко, А. А. Абрамова, В. В. Доенина, И. Д. Долгого, В. М. Лисенкова, Э. А. Мамаева, Е. Н. Розенберга, А. В. Чернова, М. А. Бу-таковой, И. Н. Розенберга, В. В. Сапожникова, В. Н. Тарана, А. Н. Ша-бельникова и др. Необходимо также отметить сотрудников транспортных высших учебных заведений и научно-исследовательских институтов, которые ведут активную работу по созданию, внедрению и эффективному использованию инновационных технологий искусственного интеллекта на ЖДТ [1-3].
Методология исследования
Оценивая влияние реализованных проектов цифровизации на экономический рост государства в целом, руководствуемся соотношением затрат и результатов по итогам внедрения инновационных проектов в отраслевых предприятиях. Цифровизация с каждым годом набирает обороты, что не может не сказываться на возникновении новых бизнес-моделей, изменении рыночного спроса и предложения, трансформации отраслей промышленности и межотраслевой кооперации. В целом можно говорить о трансформации не только отдельных промышленно-производственных структур, а рассматривать преобразование секторов и экономики в общем.
Мониторинг прогнозных расчетов величины вклада основных факторов экономического роста в стоимость производства по секторам экономики в результате цифровизации подтверждает дальнейший рост факторной производительности не только промышленных секторов-производителей, но и организаций, оказывающих услуги, что наглядно демонстрирует табл. 1.
ТАБЛИЦА 1. Прогноз влияния цифровизации на рост добавленной стоимости по секторам российской экономики с 2019 по 2030 г. (дополнительных процентов ежегодно)
Секторы экономики Производственное вложение, % Капитальное вложение, % Трудовое вложение, % Итог, %
Транспортный 1,29 1,20 0,55 3,03
Финансовый 0,92 1,20 0,93 3,04
Строительный 0,98 1,02 0,88 2,88
Образовательный 1,00 1,20 0,57 2,77
Химической промышленности 1,64 1,40 -0,43 2,61
Машиностроительный 1,52 1,48 -0,46 2,54
Прочих услуг 0,93 0,79 0,24 1,95
Здравоохранения 0,81 0,58 0,25 1,65
Легкой промышленности 1,02 0,96 -0,65 1,32
Электроэнергетический 0,32 0,83 0,04 1,19
Торговый 0,60 0,36 0,04 1,00
Агропромышленный 0,78 0,69 -0,56 0,91
Государственного управления 0,58 0,24 -0,40 0,41
Лесопромышленный 0,31 0,14 -0,53 -0,08
Металлургический 0,25 0,10 -0,55 -0,21
Отраслей добывающей промышленности 0,08 0,04 -0,46 -0,35
Усредненные ожидания сводятся к тому, что через 5-7 лет за счет стабилизации показателей экономического роста, существующих конкурентоспособных бизнес-единиц и реализации инновационных проектов рост ВВП на 50 % будет обеспечен цифровой трансформацией секторов экономики. Дополнительный результат возможен за счет расширения информационного сектора, что иллюстрирует рис. 1.
45 40 35 30 25 20 15 10
.....Щ.и
2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030
Год
I Вклад цифровизации секторов экономики ■ Вклад индустрии информации ■ Рост ВВП за счет прочих факторов
5
0
Рис. 1. Предварительный прогноз влияния цифровизации на прирост российского ВВП
Согласно прогнозной оценке влияния цифровизации на прирост российского ВВП, макроэкономическая динамика с применением цифровых технологий составит более 1,5 % в год с 4,09 % роста ВВП, что представлено на рис. 2. При этом учитывается как развитие экономии в пределах нормы, так и развитие экономики ускоренными темпами.
В долгосрочной перспективе цифровизация станет важным источником обеспечения ускорения экономического роста при различных сценариях развития российской экономики.
Для оценки текущего состояния цифровой трансформации ОАО «РЖД» были проанализированы сильные и слабые стороны, возможности и угрозы с целью оценки готовности Компании к прогрессирующему процессу цифровой трансформации, результаты которого представлены в виде матрицы в табл. 2.
Рост ВВП за счет прочих факторов Вклад индустрии информации Вклад цифровизации секторов экономики
Итого
0 12345678
Прирост ВВП,%
■ Развитие экономики в пределах нормы ■ Ускоренное развитие экономики Рис. 2. Прогнозный сценарий вклада цифровизации в прирост ВВП
ТАБЛИЦА 2. SWOT-анализ текущего состояния уровня цифровизации ОАО «РЖД»
Сильные стороны Слабые стороны
Заинтересованность высшего руководства. Возможность использования цифровых технологий. Наличие «агентов изменений», технологических компетенций и экспертизы. Опыт успешной реализации цифровых решений в рамках ОАО «РЖД». Значительный опыт в области нормативного регулирования. Наличие собственной развитой инфраструктуры. Значительные массивы данных для аналитики и принятия стратегических решений. Наличие собственного научно-отраслевого комплекса Потребность цифровизации корпоративной культуры. Недостаток специфической, узкоотраслевой программной продукции либо адаптация существующей. Неудовлетворительная степень автоматизирования, необходимость значительных инвестиций под масштабы ОАО «РЖД». Значительный объем первичных данных, получаемых вручную. Ограничения при использовании клиентских данных (GDPR и пр.). Необходимость развития корпоративных процедур для реализации «быстрых» проектов на принципах «Agile». Необходимость развития экспертизы по работе с «большими данными» и их монетизация
Возможности Угрозы
Потребность клиентов в цифровых и безбумажных технологиях. Ключевое положение ЖДТ в транспортной системе страны, в том числе как центрального элемента международных транспортных коридоров. Наличие нормативных условий для совместной реализации проектов с внешними партнерами. Наличие госпрограммы импортозамеще-ния как основы для развития отечественных цифровых решений. Поддержка цифровой трансформации на высшем уровне руководства РФ Значительное конкурентное давление. Зависимость от технологий и решений поставщиков. Нехватка квалифицированных специалистов по цифровизации. Увеличение потенциальной стоимости проектов для защиты от киберугроз. Пробелы в нормативном регулировании в области цифровизации
Необходимость активного развития цифровых и интеллектуальных технологий на ЖДТ подтверждается инициативными предложениями, разработкой эскизных проектов и макетных образцов подразделениями ОАО «РЖД», а также изменениями технологических процессов управления перевозками, мониторинга состояния дорожной инфраструктуры, информатизации бизнес-процессов и сервисов. Таким образом, внедрение системы искусственного интеллекта в ОАО «РЖД» позволяет соотносить в режиме реального времени спрос на перевозку с количеством транспортных средств, оптимизировать время в пути, сократить транспортные эксплуатационные расходы и расходы складских помещений [4].
Следует отметить также создание региональных инновационных площадок (рис. 3), в которых, начиная с 2018 г., ведутся работы по поиску,
отбору и проведению испытательных мероприятий в отношении инновационных старт-ап проектов на базе системы экспертиз в рамках более чем шестисот экспертов внутреннего и внешнего для ОАО «РЖД» контура.
Интеграция интеллектуальных и транспортных систем предусматривает развитие в первую очередь перевозочного процесса. Так, в рамках развития мультимодальных грузоперевозок ведется работа по созданию и эффективному функционированию таких цифровых платформ как «Мультимодальные грузоперевозки», «Транс-портно-логистические узлы», «Логистический оператор электронной коммерции», что позволит активно внедрять систему смарт-контрактов, взаимодействовать напрямую с клиентами посредством CRM-технологий (Customer Relationship Management или Управление отношениями с клиентами) и способствовать плодотворной работе ЭТП «Грузовые перевозки». При этом ожидания сводятся к оказанию комплексной транспортной услуги, в том числе с использованием дистанционного формата заявки, индивидуализации работы с клиентом, учитывая историю отношений и основные предпочтения по формату приобретаемых услуг, а также рост показателей грузооборота и доходов от инновационных сервисов.
Управление перевозочным процессом на базе одноименной цифровой платформы реализуется по двум направлениям: в рамках внедрения систем
Рис. 3. Инновационные площадки ОАО «РЖД»
искусственного интеллекта и использования «цифры» в работе станций и служб, что в перспективе приведет к пересчету себестоимости транспортной услуги и минимизации воздействия человеческого фактора.
Анализ текущего состояния железнодорожной отрасли в контексте развития цифровых технологий позволил систематизировать направления применения интеллектуальных технологий на ЖДТ (рис. 4).
Разговорный искусственный
интеллект, автоматизация ручной обработки типовых заявок,
обращений
Инфраструктура и подвижной состав
Тяговый подвижной состав
Автоматизация рутинных операций
Прием голосовых обращений. Синтез речи. Роботизация обработки заявок в техническую поддержку
Предиктивная диагностика. Техническое обслуживание и ремонт
Управление локомотивом по безлюдным технологиям
Техническая поддержка.
Формирование отчетности.
Ведение нормативно-справочной информации
Рис. 4. Основные направления искусственного интеллекта на ЖДТ
Инновационные проекты по внедрению интеллектуальных систем на ЖДТ можно условно разделить на реализованные, например, «Умный локомотив» и «Умный поезд», а также перспективные технологии со сроком реализации до 2025 г.: «Технология "машинного зрения"», «Автомашинист на грузовых и пассажирских поездах», «Технология распознавания речи», «Cognitive Rail Pilot».
Необходимо отметить уникальность «Cognitive Rail Pilot»-технологии, которая не имеет мировых аналогов. Совместная разработка ПАО «Сбербанк» и российского разработчика программного обеспечения и прикладных решений «Cognitive Technologies» предполагает создание «помощника-машиниста» на базе системы искусственного интеллекта, что приведет к устранению ошибок при управлении и поможет избежать аварийной ситуации. «Cognitive Rail Pilot»-технология определяет наличие пешеходов, составов, положение стрелок, знаки семафоров, нужный путь и пр., авто-
матически выявляет и передает диспетчеру географическую локацию локомотива с точностью до 30 см. В настоящее время поэтапное внедрение технологии предполагает установку системы на 10 локомотивах и контрольные мероприятия по эксплуатации на полигонах ОАО «РЖД» с последующими процедурами сертификации и интеграции на пассажирский транспорт.
Результаты исследования
При рассмотрении цифровизации, как наиболее перспективного инструмента достижения определенного уровня роста ЖДТ на макро- и микроуровнях, необходимо обозначить принципы, учитывающие тренды устойчивого развития транспортной отрасли на базе систем искусственного интеллекта (рис. 5). Основные бизнес-процессы в исследуемой сфере условно предлагается рассматривать с учетом следующих направлений развития:
- абсолютно новые виды интеллектуальных транспортных услуг, например наличие сервисов, обеспечивающих координацию, планирование, информирование потребителей транспортной услуги;
- трансформация существующих видов деятельности, связанная с переходом к цифровизации: так, можно отметить «умные» вокзалы и поезда, системы непрерывного мониторинга и контроля и т. д.;
- автоматизация видов деятельности, вытесняющая деятельность человека, предполагает наличие роботизированных систем управления, интеллектуальных технологий машинного зрения, распознавания речи и т. п.
В основе синтеза направлений инновационного развития транспортных систем лежит анализ разработанных и внедренных в ОАО «РЖД» проектов развития на базе технологий искусственного интеллекта, таких как:
- технологии управления на базе ситуативных математических моделей;
- системы мониторинга и последующего прогнозирования процесса перевозки;
- системы автоматизированного управления эксплуатационными резервами пропускной и провозной способностей;
- информационные системы управления инфраструктурными объектами и подвижным составом;
- технологии и инструменты, обеспечивающие безопасность, эколо-гичность и надежность перевозки.
Таким образом, под интеллектуализацией транспортной деятельности компании нами понимается согласование процессов по созданию, исполь-
зованию и распространению цифровых интеллектуальных технологий (технологий обработки, передачи, поиска, сбора, хранения и предоставления информационных данных в электронном виде), а также транспортных услуг, связанных с ними.
Повышение
конкурентоспособности:
использование |_
телематических сервисов, оптимизация аналитических операций, расширение единой цифровой платформы транспортного комплекса
Повышение пропускной способности и безопасности:
Принципы цифровой трансформации ЖДТ на базе технологий искусственного интеллекта
цифровая инфраструктура, цифровой вагон, цифровой локомотив
Повышение клиентоориентированности: |"
перевод услуг и сервисов в онлайн режим, поддержка омниканального взаимодействия, запуск сервиса по безбумажному оформлению перевозок (КРГО-система)
I Экологичность:
запуск углеродно-нейтральных поездов с водородным двигателем
~| Сокращение затрат:
модернизация на базе импортонезависимых решений (гибридный локомотив)
ТРЕНДЫ РАЗВИТИЯ:
> абсолютно новые виды цифровых транспортных услуг;
> трансформация существующих видов деятельности, связанная с переходом
> к цифровизации ЖДТ;
> автоматизация видов деятельности, вытесняющая деятельность человека
Рис. 5. Модификация направлений, обеспечивающих выход ЖДТ на траекторию устойчивого развития за счет внедрения технологий искусственного интеллекта
Обсуждение результатов
В рамках работы проведен анализ вопросов интеллектуализации транспортной отрасли. Эффективность интеллектуализации транспортных процессов подтверждается рядом исследований, поскольку именно такие бизнес-процессы оптимизируют стоимость и время перевозочного процесса.
Было установлено, что ускоренное экономическое движение к более интеллектуальной модели развития и быстрое распространение знаний способствуют появлению новых современных логистических технологий и подходов к управлению глобальными цепочками поставок. Доминирующей чертой устойчивого развития транспортных услуг является инвариантная концепция управления, в основе которой лежат социально-экологическая и экономическая модели управления и интеллектуализация логистической цепочки поставок с применением нейросетевого прогнозирования и сезонного параметра транспортировки, что полностью соответствует логике нашего исследования [5].
Также использовался метод организации и регулирования бизнес-процессов, ориентированных на взаимоотношения с клиентами, создание и развитие облачной инфраструктуры бизнеса с применением интеллектуальных систем при проведении SWOT-анализа ОАО «РЖД», разрабо-
танного в [6]. За основу приняты высокая технологическая эффективность отрасли и внедрение интеллектуальных систем, чтобы, ориентируясь на потребительский спрос, достичь практических результатов, например, активно использовать управление взаимоотношениями с клиентами и удерживать их, повышая лояльность. Но есть проблемы с активацией таких систем из-за их неоднородности и несистемного подхода к их применению. Необходим системный анализ, что и является основной целью настоящей статьи.
Используемые методы обработки информации могут быть расширены с учетом результатов исследования [7]. В рамках создания интеллектуальной транспортно-логистической системы внутренних водных путей России авторами [7] рассматривалась проблема моделирования движения, которая решается на основе принципов управления движением в линейных транспортных сообщениях с учетом технико-метрических показателей маршрутов и технологических процессов системы пропуска. Предложенная модель системы поддержки диспетчерских решений позволяет формировать предварительный график движения, уточнить возможности согласованного распределения транспортных объектов, учитывать профилактические работы на пути следования транспортных средств в режиме реального времени.
Подтверждение гипотезы о существенном влиянии систем искусственного интеллекта на безопасность транспортных систем находим в предлагаемой в [8] технологии В1оск^ат для повышения кибербезопасно-сти за счет создания безопасной и надежной системы отправки параметров текущего состояния каждого транспортного средства с использованием сигналов соседних транспортных средств.
Надежность и безопасность - именно по этим признакам ЖДТ является лидером среди прочих видов транспорта. Тем не менее ведется непрерывная работа по поддержанию и развитию заданных параметров на определенном уровне, что подтверждается статистическими данными: отмечено снижение за последние 4 года на 5,6 тыс. происшествий по России.
Вопросы безопасности дорожного движения исследуются в работе [9], в которой представлена концепция программного обеспечения для анализа статистики безопасности дорожного движения и поддержки процесса принятия решений. Конечно же, данный вопрос требует постоянной и кропотливой работы, поскольку аварийные ситуации на ЖДТ влекут за собой не только финансовые потери, связанные с парализацией дорожного движения, ремонтными работами инфраструктуры, подвижного состава и тяги, но и человеческие жертвы.
Важность поиска оптимальных решений по использованию интеллектуальных систем в целях повышения клиентоориентированности ОАО
«РЖД» и ее развития на рынке транспортных услуг отмечают авторы [10]. Они расширяют наше представление о результатах применения технологии, поскольку ими разработана уникальная концепция интеллектуального каталога мультимодальных транспортных услуг, учитывающая взаимосвязь услуг, технологии взаимодействия с клиентом, адаптацию системы корпоративного управления к потребностям рынка.
Заключение
Ключевым элементом инновационного развития ЖДТ является инфраструктура, которая воздействует не только на результативные отраслевые показатели, но и оказывает влияние на социально-экономические возможности и перспективы в целом. Рассматривая инновационные проекты развития на основе внедрения интеллектуальных систем, необходимо отметить комплексность интеграционных процессов, прежде всего реализацию транспортных услуг на базе мультимодальности, их соответствие новым потребностям в части доступной географии, качества, безопасности транспортных систем, оптимизации основных логистических принципов управления грузо- и пассажироперевозками.
Проведенное исследование подтверждает рост мировых цифровых технологий в значительных масштабах и в период пандемического кризиса. Анализ текущего состояния уровня цифровизации железнодорожной отрасли и синтез основных направлений устойчивого развития ЖДТ с возможностью применения технологий искусственного интеллекта позволяет в дальнейшем прогнозировать движение бизнес-процессов с учетом интеграции цифровых технологий и инструментов. Следует отметить, что ЖДТ-системы активно продвигаются к созданию «умной железной дороги», что дает возможность формирования новой бизнес-модели при наличии интеллектуальных технологий, высокой нормы прибыли, экономии времени и возможности широкого использования таких технологий.
Библиографический список
1. Гулый И. М. Методологические аспекты оценки цифровой трансформации транспортно-логистических систем / И. М. Гулый, А. П. Бадецкий, К. Е. Ковалев // Russian Journal of Logistics & Transport Management. - 2019. - N 2. - P. 48-56.
2. Гулый И. М. Подходы к определению эффектов цифровизации на транспорте / И. М. Гулый, Н. А. Журавлева // Концептуальные проблемы экономики и управления на транспорте: взгляд в будущее: Труды Нац. науч.-практич. конференции. - СПб.: ПГУПС, 2019. - С. 152-156.
3. Гулый И. М. Подход к оценке экономических эффектов инвестирования в цифровые технологии / И. М. Гулый // Финансы и кредит. - 2019. - № 12 (792) . - С. 28782888.
4. Тильк И. Г. Интеллектуальные системы как элемент цифровой железной дороги / И. Г. Тильк // Автоматика, связь, информатика. - 2019. - № 1. - С. 2-3.
5. Gurnak V. Intellectualization of logistic supply chains on the basis of forecasting volumes of cargo transportation / V. Gurnak, L. Volynets, I. Khalatska // Materials of the 2nd International Scientific and Practical Conference on Energy-Optimal Technologies, Logistic and Safety on Transport (EOT). Lviv, Ukraine. September 19-20, 2019. - N 294 (04013). -https://doi.org/10.1051/matecconf/201929404013
6. Trung T. T. Intelligent CRM systems of transport companies / T. T. Trung // Amazonia investiga. - 2020. - N 9(26). - Р. 409-414.
7. Lukomskaya O. Y. On the problems of modeling intelligent decision support system for dispatching control of ship traffic transportation within inland waterways / O. Y. Lukomskaya, Y. A. Lukomskij // Marine intellectual technologies. - 2020. - N 3(1). - Р. 180-186. -https://doi.org/10.37220/MIT.2020.49.3.024
8. Narbayeva S. Blockchain technology on the way of autonomous vehicles / S. Nar-bayeva, T. Bakibayev, K. Abeshev, I. Makarova, K. Shubenkova, A. Pashkevich // Transportation Research Procedia. LOGI-Horizons of Autonomous Mobility in Europe. - 2020. -N 44. - Р. 168-175. - https://doi.org/10.10167j.trpro.2020.02.024
9. Makarova I. The concept of the software to analyze road safety statistics and support decision making process / I. Makarova, К. Shubenkova, Т. Bakibayev, А. Pashkevich // Materials of the International Conference on Vision Zero for Sustainable Road Safety in Baltic Sea Region. Vilnius, Lithuania. December 05-06, 2018. - P. 47-58. - https://doi.org/10.1007/978-3-030-22375-5_6
10. Malygin I. G. The concept of an intelligent catalog of multimodal transport services / I. G. Malygin, S. A. Savushkin, A. V. Lemiashkova // Marine intellectual technologies. -2020. - N 1(1). - Р. 155-165. - https://doi.org/10.37220/MIT.2020.47.L018
Дата поступления: 31.05.2021 Решение о публикации: 16.11.2021
Контактная информация:
ЧЕЧЕНОВА Лиана Мухамедовна - канд. экон. наук, доц.; liana1981-149@mail.ru
Sustainable development of the transport industry based on artificial intelligence systems
L. M. Chechenova
Emperor Alexander I Petersburg State Transport University, 9, Moskovsky pr., Saint Petersburg, 190031, Russian Federation
For citation: Chechenova L. M. Sustainable development of the transport industry based on artificial intelligence systems. Bulletin of scientific research results, 2021, iss. 4, pp. 125-138. (In Russian) DOI: 10.20295/2223-9987-2021-4-125-138
Summary
Objective: Modification of trends in the development of railway transport with the introduction of artificial intelligence technologies that are optimal for predictive assessment of the activities of a transport organization. Methods: The key logical methods of cognition - analysis and synthesis - are used. Results: The scientific background related to the digitalization of the transport industry has been studied with the help of fundamental research, data from the Federal State Statistics Service, and the SPARK information resource. The necessity of introducing intelligent technologies to optimize transportation time and reduce costs has been determined. The main directions of application of intelligent technologies in railway transport are systematized, taking into account the strategic target direction of the industry. Practical importance: The main findings can be used in forecasting business processes using various digital technologies and tools.
Keywords: Digital transformation, railway transport, sustainable development, intellectualization.
References
1. Gulyy I. M., Badetskiy A. P. & Kovalev K. E. Metodologicheskiye aspekty otsenki tsifrovoy transformatsii transportno-logisticheskikh sistem [Methodological aspects of assessing the digital transformation of transport and logistics systems]. Russian Journal of Logistics & Transport Management, 2019, no. 2, pp. 48-56. (In Russian)
2. Gulyy I. M. & Zhuravleva N. A. Podkhody k opredeleniyu effektov tsifrovizatsii na transporte [Approaches to determining the effects of digitalization in transport]. Kontseptual'-nyye problemy ekonomiki i upravleniya na transporte: vzglyad v budushcheye. Trudy Natsio-nal'noy nauchno-prakticheskoy konferentsii [Conceptual problems of economics and transport management: a look into the future. Proceedings of the National Scientific and Practical Conference]. Saint Petersburg, PGUPS Publ., 2019, pp. 152-156. (In Russian)
3. Gulyy I. M. Podkhod k otsenke ekonomicheskikh effektov investirovaniya v tsif-rovyye tekhnologii [Approach to assessing the economic effects of investing in digital technologies]. Finansy i kredit [Finance and Credit], 2019, no. 12(792), pp. 2878-2888. (In Russian)
4. Til'k I. G. Intellektual'nyye sistemy kak element tsifrovoy zheleznoy dorogi [Intelligent systems as an element of a digital railway]. Avtomatika, svyaz', informatika [Automation, communication, computer science], 2019, no. 1, pp. 2-3. (In Russian)
5. Gurnak V., Volynets L. & Khalatska I. Intellectualization of logistic supply chains on the basis of forecasting volumes of cargo transportation. Materials of the 2nd International Scientific and Practical Conference on Energy-Optimal Technologies, Logistic and Safety on Transport (EOT). Lviv, Ukraine. September 19-20, 2019, no. 294 (04013). https://doi.org/ 10.1051/matecconf/201929404013
6. Trung T. T. Intelligent CRM systems of transport companies. Amazonia investiga, 2020, no. 9(26), pp. 409-414.
7. Lukomskaya O. Y. & Lukomskij Y. A. On the problems of modeling intelligent decision support system for dispatching control of ship traffic transportation within inland waterways. Marine intellectual technologies, 2020, no. 3(1), pp. 180-186. https://doi.org/10.37220/ MIT.2020.49.3.024
8. Narbayeva S., Bakibayev T., Abeshev K., Makarova I., Shubenkova K. & Pashke-vich A. Blockchain technology on the way of autonomous vehicles. Transportation Research
Procedia. LOGI-Horizons of Autonomous Mobility in Europe, 2020, no. 44, pp. 168-175. https://doi.Org/10.1016/j.trpro.2020.02.024
9. Makarova I., Shubenkova K., Bakibayev T. & Pashkevich A. The concept of the software to analyze road safety statistics and support decision making process. Materials of the International Conference on Vision Zero for Sustainable Road Safety in Baltic Sea Region. Vilnius, Lithuania, December 05-06, 2018, pp. 47-58. https://doi.org/10.1007/978-3-030-22375-5_6
10. Malygin I. G., Savushkin S. A. & Lemiashkova A. V. The concept of an intelligent catalog of multimodal transport services. Marine intellectual technologies, 2020, no. 1(1), pp. 155-165. https://doi.org/10.37220/Mrr.2020.47.L018
Received: May 31, 2021 Accepted: November 16, 2021
Author's information:
Liana M. CHECHENOVA - PhD in Economics, Associate Professor; liana1981-149@mail.ru
