Текущий выпуск

АНАЛИЗ МЕЖДУНАРОДНОЙ ПРАКТИКИ УПРАВЛЕНИЯ НАУЧНО-ТЕХНИЧЕСКИМИ РАЗРАБОТКАМИ В ЖЕЛЕЗНОДОРОЖНОЙ ОТРАСЛИ: МОДЕЛИ, СТРАТЕГИИ И ПЕРСПЕКТИВЫ

Бочков А.В., д.т.н., ученый секретарь, АО «НИИАС»;

Озеров А.В., начальник Международного управления – начальник Центра управления интеллектуальной собственностью, АО «НИИАС»;

Куроптева А.П., главный специалист, АО «НИИАС»;

Аннотация

В статье представлен всесторонний анализ международных подходов к управлению научно-техническими разработками в железнодорожной отрасли. Рассмотрены модели организации НИОКР в США, других странах Европейского Союза, Германии, Южной Корее, Японии, Китае и Индии. Особое внимание уделено анализу российской модели управления, включая наднациональный уровень координации в рамках Совета по железнодорожному транспорту СНГ, корпоративный уровень холдинга «РЖД» и его научно-отраслевого комплекса. Выявлены ключевые тенденции: определяющая роль государства как стратега и источника финансирования, консолидация усилий в рамках государственно-частных партнерств, а также универсальность приоритетных направлений исследований. Представлен расширенный сравнительный анализ моделей управления по множеству критериев. Отдельное внимание уделено методологии реальных опционов как инструменту повышения эффективности управления инновационными проектами в условиях высокой неопределенности. Предложена математическая модель для оценки стоимости гибкости управления проектами НИОКР на основе формулы Блэка–Шоулза. Сделан вывод о том, что выбор модели управления разработками определяется не только экономической эффективностью, но и геополитическими стратегиями.

Ключевые слова

железнодорожный транспорт, управление НИОКР, инновации, государственно-частное партнерство, сравнительный анализ, реальные опционы, модель Блэка–Шоулза, цифровизация, интероперабельность, технологический суверенитет

Список использованной литературы

1. В США профинансируют трехлетнюю программу исследований на железнодорожном транспорте // Железные дороги мира. – 2025. [Электронный ресурс]. – URL: https://zdmira.com/news/v-ssha-profinansiruyut-trekhletnyuyu-programmu-issledovanij-na-zheleznodorozhnom-transporte

2. European commission considers €3 billion allocation for rail technology research under next framework programme // Railmarket. – 2025. [Электронный ресурс]. – URL: https://railmarket.com/news/technology-innovation/32040-siemens-to-digitize-sao-paulo-s-rail-network

3. Управление зарубежной железнодорожной наукой и техникой = 国外铁路科技管理 / под ред. Чжоу Ли. – Пекин: China Railway Publishing House, 2018. – 301 с. – ISBN 978-7-113-24086-8.

4. Research and Development Funding [Электронный ресурс] // Federal Railroad Administration (FRA), U.S. Department of Transportation. – URL: https://railroads.dot.gov/research-development/program-areas/research-and-development-funding/research-and-development

5. About FRA [Электронный ресурс] // Federal Railroad Administration. – URL: https://railroads.dot.gov/about-fra

6. About TRB [Электронный ресурс] // Transportation Research Board (TRB). – URL: https://www.nationalacademies.org/trb/transportation-research-board

7. Partnership Fiche: Europe’s Rail [Электронный ресурс] // European Commission,ERA-LEARN. – URL: https://www.eralearn.eu/documents/europes_rail_bmr2022.pdf

8. Europe’s Rail Joint Undertaking [Электронный ресурс]. – URL: https://rail-research.europa.eu/

9. Германия: рост инвестиций в железнодорожную инфраструктуру // Железные дороги мира. – 2025. [Электронный ресурс]. – URL: https://zdmira.com/news/germaniya-rost-investitsij-v-zheleznodorozhnuyu-infrastrukturu

10. Digitale Schiene Deutschland [Электронный ресурс]. – URL: https://digitale-schiene-deutschland.de/en

11. Statista. Research and development (R&D) expenditure in Germany [Электронный ресурс]. – URL: https://www.statista.com/statistics/ (использованы обобщенные данные)

12. Korea unveils next-gen high-speed train, world’s 2nd-fastest // The Korea Times. – 2025. [Электронный ресурс]. – URL: https://www.koreatimes.co.kr/business/tech-science/20251222/korea-unveils-next-gen-high-speed-train-worlds-2nd-fastest

13. Korea Railroad Research Institute (KRRI) [Электронный ресурс]. – URL: https://www.krri.re.kr/en/main/index.do

14. Railway Technical Research Institute (RTRI), Japan. Master Plan – Creating sustainable railway systems – RESEARCH 2030 (FY2025-FY2029) [Электронный ресурс]. – URL: https://www.rtri.or.jp/assets/edga9q00000003x7-att/RESEARCH2030RTRI_E.pdf

15. China Academy of Railway Sciences (CARS) [Электронный ресурс] // IRCIP profile. – URL: http://www.ircip.cn/web/999722-999725.html?id=26645&newsid=630481

16. CRRC continues intensifying R&D investments // RollingStockWorld. – 2025. [Электронный ресурс]. – URL: https://rollingstockworld.com/economy/crrc-continues-increasing-rd-investments/

17. Тише едешь – второй в мире будешь // Железные дороги мира. – 2025. [Электронный ресурс]. – URL: https://vgudok.com/lenta/tishe-edesh-vtoroy-v-mire-budesh-poka-rzhd-boryutsya-s-vagonami-indiya-perevozit-16-mlrd-tonn

18. «Научный поток» и другие меры поддержки исследований в Индии [Электронный ресурс] // ИСИЭЗ НИУ ВШЭ. – URL: https://issek.hse.ru/news/1095643097.html

19. Боер Ф. Питер. Оценка стоимости технологий: проблемы бизнеса и финансов в мире исследований и разработок / пер. с англ. – М.: Олимп-Бизнес, 2007.

20. F. Black and M. Scholes, «The Pricing of Options and Corporate Liabilities,» J. Polit. Econ., vol. 81, no. 3, pp. 637–654, 1973.

21. G. R. Mitchell and W. Hamilton, «Managing R&D as a Strategic Option,» Res. Technol. Manag., vol. 31, no. 3, pp. 15–22, 1988.

22. T. Copeland, T. Koller, and J. Murrin, Valuation: Measuring and Managing the Value of Companies. New York: Wiley, 1995. (Рус. изд.: Коупленд Т., Коллер Т., Муррин Дж. Стоимость компаний: оценка и управление. М.: Олимп-Бизнес, 2005.)

23. R. A. Brealey and S. C. Myers, Principles of Corporate Finance. New York: McGraw-Hill, 1996. (Рус. изд.: Брейли Р., Майерс С. Корпоративные финансы. М.: Олимп-Бизнес, 2004.)

24. Russian Railways. Sustainability Report 2023: Innovation-driven development and digital transformation [Электронный ресурс]. – 2023. – URL: https://sr2023.rzd.ru/en/managerial-aspect/efficiency-improvement

25. P. M. Gureev, E. O. Koshcheeva, and A. V. Kudryavtseva, «Experience in the implementation of a common knowledge base for consulting and research engineering at JSC «Russian Railways»,» in AIP Conf. Proc., vol. 2526, no. 1, p. 030004, 2023.

26. Положение по организации планирования, финансирования, выполнения и приемки работ, направленных на научно-техническое развитие железнодорожного транспорта (утв. Советом по железнодорожному транспорту государств-участников СНГ, протокол от 4-05.11.2015 № 63, с изм. от 11.06.2025) [Электронный ресурс] // ГАРАНТ. – URL: https://base.garant.ru/412277592/

Скачать / Download

ANALYSIS OF INTERNATIONAL PRACTICES IN MANAGING SCIENTIFIC AND TECHNICAL DEVELOPMENTS IN THE RAILWAY INDUSTRY: MODELS, STRATEGIES, AND PROSPECTS

Bochkov A.V., Doctor of Technical Sciences, Scientific Secretary, JSC NIIAS;

Ozerov A.V., Head of International Department – Head of Intellectual Property Management Centre, JSC NIIAS;

Kuropteva A.P., Chief Specialist, JSC NIIAS;

Abstract

This article presents a comprehensive analysis of international approaches to managing scientific and technological developments in the railway industry. R&D organizational models in the United States, other countries of the European Union, Germany, South Korea, Japan, China, and India are examined. Particular attention is paid to the Russian governance model, including the supranational level of coordination within the CIS Railway Transport Council, the corporate level of the Russian Railways holding company, and its scientific and industrial complex. Key trends are identified: the decisive role of the state as a strategic investor and source of funding, the consolidation of efforts within public-private partnership, and the flexibility of priority research areas. An extensive comparative analysis of governance models is presented based on a variety of criteria. Special attention is paid to the real options methodology as a tool for improving the efficiency of innovative project management under conditions of high uncertainty. A mathematical model for assessing the cost of flexibility in R&D project management based on the Black-Scholes formula is proposed. It is concluded that the choice of a development management model is determined not only by economic efficiency but also by geopolitical strategies.

Keywords

rail transport, R&D management, innovation, public-private partnership, comparative analysis, real options, Black-Scholes model, digitalization, interoperability, technological sovereignty

References

1. В США профинансируют трехлетнюю программу исследований на железнодорожном транспорте // Железные дороги мира. – 2025. [Электронный ресурс]. – URL: https://zdmira.com/news/v-ssha-profinansiruyut-trekhletnyuyu-programmu-issledovanij-na-zheleznodorozhnom-transporte

2. European commission considers €3 billion allocation for rail technology research under next framework programme // Railmarket. – 2025. [Электронный ресурс]. – URL: https://railmarket.com/news/technology-innovation/32040-siemens-to-digitize-sao-paulo-s-rail-network

3. Управление зарубежной железнодорожной наукой и техникой = 国外铁路科技管理 / под ред. Чжоу Ли. – Пекин: China Railway Publishing House, 2018. – 301 с. – ISBN 978-7-113-24086-8.

4. Research and Development Funding [Электронный ресурс] // Federal Railroad Administration (FRA), U.S. Department of Transportation. – URL: https://railroads.dot.gov/research-development/program-areas/research-and-development-funding/research-and-development

5. About FRA [Электронный ресурс] // Federal Railroad Administration. – URL: https://railroads.dot.gov/about-fra

6. About TRB [Электронный ресурс] // Transportation Research Board (TRB). – URL: https://www.nationalacademies.org/trb/transportation-research-board

7. Partnership Fiche: Europe’s Rail [Электронный ресурс] // European Commission,ERA-LEARN. – URL: https://www.eralearn.eu/documents/europes_rail_bmr2022.pdf

8. Europe’s Rail Joint Undertaking [Электронный ресурс]. – URL: https://rail-research.europa.eu/

9. Германия: рост инвестиций в железнодорожную инфраструктуру // Железные дороги мира. – 2025. [Электронный ресурс]. – URL: https://zdmira.com/news/germaniya-rost-investitsij-v-zheleznodorozhnuyu-infrastrukturu

10. Digitale Schiene Deutschland [Электронный ресурс]. – URL: https://digitale-schiene-deutschland.de/en

11. Statista. Research and development (R&D) expenditure in Germany [Электронный ресурс]. – URL: https://www.statista.com/statistics/ (использованы обобщенные данные)

12. Korea unveils next-gen high-speed train, world’s 2nd-fastest // The Korea Times. – 2025. [Электронный ресурс]. – URL: https://www.koreatimes.co.kr/business/tech-science/20251222/korea-unveils-next-gen-high-speed-train-worlds-2nd-fastest

13. Korea Railroad Research Institute (KRRI) [Электронный ресурс]. – URL: https://www.krri.re.kr/en/main/index.do

14. Railway Technical Research Institute (RTRI), Japan. Master Plan – Creating sustainable railway systems – RESEARCH 2030 (FY2025-FY2029) [Электронный ресурс]. – URL: https://www.rtri.or.jp/assets/edga9q00000003x7-att/RESEARCH2030RTRI_E.pdf

15. China Academy of Railway Sciences (CARS) [Электронный ресурс] // IRCIP profile. – URL: http://www.ircip.cn/web/999722-999725.html?id=26645&newsid=630481

16. CRRC continues intensifying R&D investments // RollingStockWorld. – 2025. [Электронный ресурс]. – URL: https://rollingstockworld.com/economy/crrc-continues-increasing-rd-investments/

17. Тише едешь – второй в мире будешь // Железные дороги мира. – 2025. [Электронный ресурс]. – URL: https://vgudok.com/lenta/tishe-edesh-vtoroy-v-mire-budesh-poka-rzhd-boryutsya-s-vagonami-indiya-perevozit-16-mlrd-tonn

18. «Научный поток» и другие меры поддержки исследований в Индии [Электронный ресурс] // ИСИЭЗ НИУ ВШЭ. – URL: https://issek.hse.ru/news/1095643097.html

19. Боер Ф. Питер. Оценка стоимости технологий: проблемы бизнеса и финансов в мире исследований и разработок / пер. с англ. – М.: Олимп-Бизнес, 2007.

20. F. Black and M. Scholes, «The Pricing of Options and Corporate Liabilities,» J. Polit. Econ., vol. 81, no. 3, pp. 637–654, 1973.

21. G. R. Mitchell and W. Hamilton, «Managing R&D as a Strategic Option,» Res. Technol. Manag., vol. 31, no. 3, pp. 15–22, 1988.

22. T. Copeland, T. Koller, and J. Murrin, Valuation: Measuring and Managing the Value of Companies. New York: Wiley, 1995. (Рус. изд.: Коупленд Т., Коллер Т., Муррин Дж. Стоимость компаний: оценка и управление. М.: Олимп-Бизнес, 2005.)

23. R. A. Brealey and S. C. Myers, Principles of Corporate Finance. New York: McGraw-Hill, 1996. (Рус. изд.: Брейли Р., Майерс С. Корпоративные финансы. М.: Олимп-Бизнес, 2004.)

24. Russian Railways. Sustainability Report 2023: Innovation-driven development and digital transformation [Электронный ресурс]. – 2023. – URL: https://sr2023.rzd.ru/en/managerial-aspect/efficiency-improvement

25. P. M. Gureev, E. O. Koshcheeva, and A. V. Kudryavtseva, «Experience in the implementation of a common knowledge base for consulting and research engineering at JSC «Russian Railways»,» in AIP Conf. Proc., vol. 2526, no. 1, p. 030004, 2023.

26. Положение по организации планирования, финансирования, выполнения и приемки работ, направленных на научно-техническое развитие железнодорожного транспорта (утв. Советом по железнодорожному транспорту государств-участников СНГ, протокол от 4-05.11.2015 № 63, с изм. от 11.06.2025) [Электронный ресурс] // ГАРАНТ. – URL: https://base.garant.ru/412277592/

Скачать / Download

ТЕНДЕНЦИИ ИМПОРТОЗАМЕЩЕНИЯ В СФЕРЕ ИНТЕЛЛЕКТУАЛЬНЫХ ТРАНСПОРТНЫХ СИСТЕМ

Ахмадов Г. Д., заместитель начальника отдела технологического развития интеллектуальных транспортных систем, ФАУ «РОСДОРНИИ»;

Давыдов Р. Д., начальник отдела технологического развития интеллектуальных транспортных систем, ФАУ «РОСДОРНИИ»;

Аннотация

В России активно проводится цифровизация дорожной отрасли путем внедрения передовых технологий интеллектуальных транспортных систем (далее – ИТС). Целью настоящей статьи является анализ импортонезависимости Российской Федерации в секторе периферийного оборудования и программного обеспечения ИТС, эксплуатируемого на автомобильных дорогах общего пользования. Для достижения этой цели в статье проведен анализ данных за 2010-2025 гг., полученных ФАУ «РОСДОРНИИ» путем анкетирования владельцев (операторов) ИТС. На основе этих данных в статье исследована динамика импортозамещения в области интеллектуальных систем организации дорожного движения, в том числе в аспекте типов оборудования и стран происхождения. Полученные данные сопоставлены с мировым опытом. На основе проведенного анализа сделана итоговая оценка технологического суверенитета, а также определены проблемы и перспективы развития ИТС на автомобильных дорогах Российской Федерации.

Ключевые слова

интеллектуальная транспортная система; импортозамещение; периферийное оборудование; элементы ИТС; национальная сеть; технологический суверенитет

Список использованной литературы

1. E. Gromova and T. Ivanc, «Regulatory Sandboxes (Experimental Legal Regimes) for Digital Innovations in BRICS,» BRICS Law J., vol. 7, no. 2, pp. 10–36, 2020. DOI: 10.21684/2412-2343-2020-7-2-10-36.

2. Егоров С. В., Шационок П. В., Ерпылева А. И., Жарков Д. И. Мировой, российский опыт применения ИТС // Транспортное дело России. – 2022. – № 2. – С. 130–136.

3. Белов М. Ю., Евстигнеев И. А., Журавлев А. Д., Торопов Н. Ю. Определение термина ИТС: учиться на чужих ошибках // ИТС России. – 2024. – № 30. – С. 34–43.

4. Кружилин П. А. Проблемы импортозамещения в области ИТС в России // Сборник научных трудов V Национальной (российской) научно-практической конференции / под общ. ред. Е. Ф. Щипанова. – СПб.: СПбУТУиЭ, 2023. – С. 224–229.

5. R. Duan, «A comparative study on ITS (intelligent transport system) standardization policies in the U.S. and Europe,» Heliyon, vol. 10, no. 5, p. e21310, 2023. DOI: 10.1016/j.heliyon.2023. e21310.

6. Минниханов Р. Н. Развитие ИТС: единые цифровые платформы для безопасного управления транспортной системой // Безопасность дорожного движения. – 2022. – № 3. – С. 19–22.

7. М. А. Бажина, «Интеллектуальные транспортные системы – основа de lege ferenda транспортной системы Российской Федерации,» J. Digit. Technol. Law, vol. 1, no. 3, pp. 629–649, 2023. DOI: 10.21202/jdtl.2023.27.

8. Свистельников А. А., Малыхина П. В., Григорьева А. М., Кумалов Т. З. Методы испытаний для оценки соответствия подсистемы дорожного видеонаблюдения в составе интеллектуальных транспортных систем // Интеллектуальный транспорт. – 2025. – Вып. 4 (36). – С. 65–75.

9. Белов М. Ю. Цифровизация управления транспортными потоками – партнерство технологий моделирования и реализации // Автомобильные дороги. – 2025. – № 12 (1129). – С. 100–103.

10. Давыдов Р. Д., Ахмадов Г. Д., Белов М. Ю., Панкратов А. И. Методология анализа технических и программных элементов как основы эффективного управления национальной сетью интеллектуальных транспортных систем // Вестник МАДИ. – 2025. – № 4 (83). – С. 67–78.

11. L. Zhihan and S. Wenlong, «Impacts of intelligent transportation systems of energy conservation and emission reduction of transport systems: a comprehensive review,» Green Technol. Sustain., vol. 1, no. 1, p. 100002, 2023. DOI: 10.1016/j.grets.2022.100002.

Скачать / Download

IMPORT SUBSTITUTION TRENDS IN INTELLIGENT TRANSPORTATION SYSTEMS

Gilani D. Akhmadov, deputy head of the department for technological development of intelligent transportation systems, FAI ROSDORNII;

Rostislav D. Davydov, head of the department for technological development of intelligent transportation systems, FAI ROSDORNII;

Abstract

Russia is actively pursuing the digital transformation of its road transport sector through the deployment of advanced Intelligent Transportation Systems (hereinafter referred to as ITS). The purpose of this article is to analyze the Russian Federation’s degree of import dependency – or independence – in the segment of ITS peripheral hardware and software used on public roads. To this end, the article examines data collected by the Federal State Unitary Enterprise «ROSDORNII» from 2010 to 2025 via surveys of ITS owners (operators). Based on this dataset, the study investigates trends in import substitution within intelligent road traffic management systems, with a focus on equipment types and countries of origin. The findings are contextualized against global practices and international experience. On the basis of this analysis, the article offers a comprehensive assessment of Russia’s technological sovereignty in the ITS domain and identifies key challenges and future development prospects for ITS deployment on the country’s public road network.

Keywords

intelligent transport system, import substitution, peripheral equipment, ITS elements, national ITS net-work, technological sovereignty

References

1. E. Gromova and T. Ivanc, «Regulatory Sandboxes (Experimental Legal Regimes) for Digital Innovations in BRICS,» BRICS Law J., vol. 7, no. 2, pp. 10–36, 2020. DOI: 10.21684/2412-2343-2020-7-2-10-36.

2. Егоров С. В., Шационок П. В., Ерпылева А. И., Жарков Д. И. Мировой, российский опыт применения ИТС // Транспортное дело России. – 2022. – № 2. – С. 130–136.

3. Белов М. Ю., Евстигнеев И. А., Журавлев А. Д., Торопов Н. Ю. Определение термина ИТС: учиться на чужих ошибках // ИТС России. – 2024. – № 30. – С. 34–43.

4. Кружилин П. А. Проблемы импортозамещения в области ИТС в России // Сборник научных трудов V Национальной (российской) научно-практической конференции / под общ. ред. Е. Ф. Щипанова. – СПб.: СПбУТУиЭ, 2023. – С. 224–229.

5. R. Duan, «A comparative study on ITS (intelligent transport system) standardization policies in the U.S. and Europe,» Heliyon, vol. 10, no. 5, p. e21310, 2023. DOI: 10.1016/j.heliyon.2023. e21310.

6. Минниханов Р. Н. Развитие ИТС: единые цифровые платформы для безопасного управления транспортной системой // Безопасность дорожного движения. – 2022. – № 3. – С. 19–22.

7. М. А. Бажина, «Интеллектуальные транспортные системы – основа de lege ferenda транспортной системы Российской Федерации,» J. Digit. Technol. Law, vol. 1, no. 3, pp. 629–649, 2023. DOI: 10.21202/jdtl.2023.27.

8. Свистельников А. А., Малыхина П. В., Григорьева А. М., Кумалов Т. З. Методы испытаний для оценки соответствия подсистемы дорожного видеонаблюдения в составе интеллектуальных транспортных систем // Интеллектуальный транспорт. – 2025. – Вып. 4 (36). – С. 65–75.

9. Белов М. Ю. Цифровизация управления транспортными потоками – партнерство технологий моделирования и реализации // Автомобильные дороги. – 2025. – № 12 (1129). – С. 100–103.

10. Давыдов Р. Д., Ахмадов Г. Д., Белов М. Ю., Панкратов А. И. Методология анализа технических и программных элементов как основы эффективного управления национальной сетью интеллектуальных транспортных систем // Вестник МАДИ. – 2025. – № 4 (83). – С. 67–78.

11. L. Zhihan and S. Wenlong, «Impacts of intelligent transportation systems of energy conservation and emission reduction of transport systems: a comprehensive review,» Green Technol. Sustain., vol. 1, no. 1, p. 100002, 2023. DOI: 10.1016/j.grets.2022.100002.

Скачать / Download

ОСНОВНЫЕ НАПРАВЛЕНИЯ ПОВЫШЕНИЯ БЕЗОПАСНОСТИ ЖЕЛЕЗНОДОРОЖНОГО ДВИЖЕНИЯ НА ОСНОВЕ ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ СОВЕРШЕНСТВОВАНИИ СИСТЕМЫ КОДИРОВАНИЯ ПЕРЕДАВАЕМОЙ ИНФОРМАЦИИ

Кукушкин С. С., доктор технических наук, профессор, заслуженный изобретатель РСФСР, главный научный сотрудник аспирантуры, АО «НИИАС»;

Кукушкин Л. С., аспирант Белгородского государственного университета;

Махов Ф. С., студент Белгородского государственного университета;

Аннотация

Обеспечение безопасности железнодорожного движения представляет собой сложную проблему, разрешение противоречий которой требует привлечения новых разработок в различных областях науки и техники. Среди них, к числу наиболее востребованных, относятся последние достижения, относящиеся к использованию информационных и информационно-измерительных методов и технологий. В качестве объекта исследований в статье выбраны новые системы кодирования информации, необходимость применения которых обусловлена чрезвычайно быстрым увеличением мощности помех, на фоне которых осуществляется обмен данными. Известные методы не в полной мере удовлетворяют предъявляемым требованиям, а необходимость перехода на интервальные технологии организации движения поездов только усиливает зарождающееся недоверие к возможностям повышения уровня обеспечения безопасности железнодорожного движения на основе существующего помехоустойчивого кодирования передаваемой информации. Существующие подходы к разработке искусственного интеллекта (ИИ) также не затрагивают информационную составляющую обеспечения безопасности железнодорожного движения. Она намного сложнее имеющихся представлений и требует внесения кардинальных изменений в существующую теорию и практику. Такое решение, которое связано с переходом в каналах связи от существующего представления данных двоичным кодом к предлагаемому более экономичному сжатому помехоустойчивому троичному кодированию, предлагается в статье.

Ключевые слова

помехоустойчивое кодирование данных и сигналов, методы экономное кодирование двоичное и троичное кодирование, показатели эффективности новых технологий

Список использованной литературы

1. Кукушкин С. С., Розенберг Е. Н., Шабалин Н. Г., Ржевская А. П. Открытия, выполненные в России за последнее десятилетие в области прикладной математики и их использование в информатике для развития искусственного интеллекта // Искусственный интеллект. Теория и практика. – 2025. – № 3 (11). – С. 19–26.

2. Кукушкин С. С., Кукушкин Л. С. Математические методы помехоустойчивого кодирования, адаптированные к нетрадиционному представлению данных и сообщений сжатым троичным помехоустойчивым кодом // Двойные технологии. – 2021. – № 4 (97). – С. 75–79.

3. Кукушкин С. С., Розенберг Е. Н., Озеров А. В. Искусственный интеллект как основа обеспечения комплексной защиты информации в системах обеспечения безопасности железнодорожного движения. Теория и практика его реализации // Искусственный интеллект. Теория и практика. – 2025. – № 1 (9). – С. 79–87.

4. Кукушкин Л. С., Махов Ф. С. Инновационные методы структурно-алгоритмических преобразований данных передаваемой информации и их влияние на процессы развития искусственного интеллекта инфотелекоммуникационных систем // Искусственный интеллект. Теория и практика. – 2024. – № 1 (5). – С. 24–30.

5. Кукушкин С. С., Розенберг Е. Н., Озеров А. В. Совершенствование методов кодирования информации в системах управления // Автоматика, связь, информатика. – 2025. – №7. – С. 25–29.

6. Кукушкин С. С. Теория конечных полей и информатика: в 2 т. – Т. 1: Методы и алгоритмы, классические и нетрадиционные, основанные на использовании конструктивной теоремы об остатках. – М.: МО РФ, 2003. – 284 с.

7. Феер К. Беспроводная связь. Методы модуляции и расширения спектра. – М.: Радио и связь, 2000. – 552 с.

8. Скляр Б. Цифровая связь. Теоретические основы и практическое применение / пер. с англ. – М.: Вильямс, 2003. – 763 с.

9. Осмоловский С. А. Помехоустойчивое кодирование: кризис и пути выхода из него // Вестник РУДН. Серия Прикладная и компьютерная математика. – 2004. – Т. 3, № 1. –

Скачать / Download

THE MAIN DIRECTIONS OF INCREASING SECURITY OF RAILWAY TRAFFIC BASED ON THE IMPROVEMENT OF THE SYSTEM ENCODING OF TRANSMITTED INFORMATION

Sergei S. Kukushkin, Doctor of Technical Sciences, Professor, Honored Inventor of the RSFSR, Chief Researcher of Postgraduate Studies, JSC NIIAS;

Leonid S. Kukushkin, Postgraduate Student at Belgorod State University;

Fedor S. Mahov, Student of Belgorod State University;

Abstract

Ensuring the safety of railway traffic is a complex problem, the resolution of which requires the involvement of new developments in various fields of science and technology. Among them, the latest achievements related to the use of information and information-measuring methods and technologies are among the most in-demand. The article focuses on new information coding systems, the need for which is driven by the rapid increase in the power of interference that affects data exchange. The known methods do not fully meet the requirements, and the need to switch to interval technologies for organizing train traffic only increases the emerging distrust of the ability to improve the level of railway traffic safety based on the existing noise-resistant coding of transmitted information.

Keywords

noise-resistant data and signal coding, economical coding methods, binary and ternary coding, efficiency indicators of new technologies

References

1. Кукушкин С. С., Розенберг Е. Н., Шабалин Н. Г., Ржевская А. П. Открытия, выполненные в России за последнее десятилетие в области прикладной математики и их использование в информатике для развития искусственного интеллекта // Искусственный интеллект. Теория и практика. – 2025. – № 3 (11). – С. 19–26.

2. Кукушкин С. С., Кукушкин Л. С. Математические методы помехоустойчивого кодирования, адаптированные к нетрадиционному представлению данных и сообщений сжатым троичным помехоустойчивым кодом // Двойные технологии. – 2021. – № 4 (97). – С. 75–79.

3. Кукушкин С. С., Розенберг Е. Н., Озеров А. В. Искусственный интеллект как основа обеспечения комплексной защиты информации в системах обеспечения безопасности железнодорожного движения. Теория и практика его реализации // Искусственный интеллект. Теория и практика. – 2025. – № 1 (9). – С. 79–87.

4. Кукушкин Л. С., Махов Ф. С. Инновационные методы структурно-алгоритмических преобразований данных передаваемой информации и их влияние на процессы развития искусственного интеллекта инфотелекоммуникационных систем // Искусственный интеллект. Теория и практика. – 2024. – № 1 (5). – С. 24–30.

5. Кукушкин С. С., Розенберг Е. Н., Озеров А. В. Совершенствование методов кодирования информации в системах управления // Автоматика, связь, информатика. – 2025. – №7. – С. 25–29.

6. Кукушкин С. С. Теория конечных полей и информатика: в 2 т. – Т. 1: Методы и алгоритмы, классические и нетрадиционные, основанные на использовании конструктивной теоремы об остатках. – М.: МО РФ, 2003. – 284 с.

7. Феер К. Беспроводная связь. Методы модуляции и расширения спектра. – М.: Радио и связь, 2000. – 552 с.

8. Скляр Б. Цифровая связь. Теоретические основы и практическое применение / пер. с англ. – М.: Вильямс, 2003. – 763 с.

9. Осмоловский С. А. Помехоустойчивое кодирование: кризис и пути выхода из него // Вестник РУДН. Серия Прикладная и компьютерная математика. – 2004. – Т. 3, № 1. –

Скачать / Download

ИСПОЛЬЗОВАНИЕ БОЛЬШИХ ЯЗЫКОВЫХ МОДЕЛЕЙ КАК ИНСТРУМЕНТА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ТРАНСПОРТНЫХ ПРЕДПРИЯТИЯХ

Душкин Р. В., генеральный директор, ООО «А-Я Эксперт»;

Аннотация

В статье рассматриваются возможности применения больших языковых моделей как инструмента поддержки принятия решений на транспортных предприятиях. Показано, как современные технологии обработки естественного языка могут быть интегрированы в систему управления транспортными процессами для автоматизации подготовки аналитических отчётов, диспетчерского управления и документооборота. На основе практических кейсов продемонстрированы архитектурные принципы интеграции искусственных когнитивных агентов в информационную инфраструктуру транспортного предприятия. Предложены рекомендации по внедрению технологии с учетом специфики транспортной отрасли и требований безопасности

Ключевые слова

большие языковые модели, искусственный когнитивный агент, системы поддержки принятия решений, транспортные предприятия, автоматизация управления

Список использованной литературы

1. Долгий А. По рельсам цифровой трансформации [Электронный ресурс] // Транспорт России. – 2024. – URL: https://transportrussia.ru/razdely/it-tekhnologii/11165-po-relsam-tsifrovoj-transformatsii.html (дата обращения: 23.01.2026).

2. Озеров А. В., Бочков А. В. Текущее состояние и перспективы мировых исследований в области интеллектуального железнодорожного транспорта // Интеллектуальный транспорт. – 2025. – Т. 9, № 2(34). – С. 43–66.

3. Системы поддержки принятия решений: что решает СППР? [Электронный ресурс] // FIS Group. – 2024. – URL: https://fisgroup.ru/blog/fis-dss/ (дата обращения: 23.01.2026).

4. Белозёров О. В. Технологии ИИ реализованы либо внедряются в более чем 30 проектах РЖД [Электронный ресурс] // ТЖЗД. – 2025. – URL: https://techzd.ru/news/tzhd-news/tekhnologii_ii_realizovany_libo_vnedryayutsya_v_bolee_chem_30_proektakh_rzhd/ (дата обращения: 23.01.2026).

5. Юсупов А. Т. Применение генеративного искусственного интеллекта в бизнес-аналитике: трансформация возможностей и новые вызовы //Академический исследовательский журнал. – 2025. – Т. 3, № 5. – С. 108–112. – DOI: 10.25726/m8030-0072-2139-t.

6. Давыдова П. «Белая книга»: Искусственный интеллект в сфере транспорта и логистики [Электронный ресурс] // Министерство транспорта Российской Федерации. – 2025. – URL: https://mintrans.gov.ru/press-center/news/12167 (дата обращения: 23.01.2026).

7. Нейросети в логистике: что с ними происходит на российском рынке [Электронный ресурс] // Campus. – 2024. – URL: https://campus.stt.ru/articles/neyroseti-v-logistike/ (дата обращения: 23.01.2026).

8. Z. Ma, H. Wang, and Y. Hou, «Overall scheme and key technologies for railway freight digitization-intelligent station,» Railway Computer Application, vol. 34, no. 6, pp. 45–51, 2025. DOI: 10.3969/j.issn.1005-8451.2025.06.07.

9. Будущее диспетчерских центров: искусственный интеллект и нейросети [Электронный ресурс] // Dispatch Solutions. – 2022. – URL: https://dispatch-solutions.ru/novosti/130-budushchee-dispetcherskikh-tsentrov-iskusstvennyj-intellekt-i-nejroseti (дата обращения: 23.01.2026).

10. Баканов Д. Э. Эффективные отечественные практики применения технологий искусственного интеллекта в сфере транспорта и логистики. – М.: АНО «Цифровая экономика», 2024. – 56 с.

11. Горохов В. Л., Брусакова И. А., Кожухов С. О. Когнитивные инструменты объяснительного искусственного интеллекта для задач транспортной и образовательной логистики // Компьютерные инструменты в образовании. – 2023. – № 2. – С. 30–40. – DOI: 10.32603/2071-2340-2023-2-30-40.

Скачать / Download

USING LARGE LANGUAGE MODELS AS A TOOL TO SUPPORT DECISION-MAKING IN TRANSPORTATION COMPANIES

Roman V. Dushkin, CEO, A-Ya Expert LLC;

Abstract

The article discusses the possibilities of using large language models as a decision-making support tool in transport companies. It shows how modern natural language processing technologies can be integrated into a transport process management system to automate the preparation of analytical reports, dispatch control, and document flow. Based on practical cases, the architectural principles of integrating artificial cognitive agents into the information infrastructure of a transport enterprise are demonstrated. Recommendations are made for the implementation of the technology, taking into account the specifics of the transport industry and safety requirements.

Keywords

large language models, artificial cognitive agents, decision support systems, transportation companies, management automation

References

1. Долгий А. По рельсам цифровой трансформации [Электронный ресурс] // Транспорт России. – 2024. – URL: https://transportrussia.ru/razdely/it-tekhnologii/11165-po-relsam-tsifrovoj-transformatsii.html (дата обращения: 23.01.2026).

2. Озеров А. В., Бочков А. В. Текущее состояние и перспективы мировых исследований в области интеллектуального железнодорожного транспорта // Интеллектуальный транспорт. – 2025. – Т. 9, № 2(34). – С. 43–66.

3. Системы поддержки принятия решений: что решает СППР? [Электронный ресурс] // FIS Group. – 2024. – URL: https://fisgroup.ru/blog/fis-dss/ (дата обращения: 23.01.2026).

4. Белозёров О. В. Технологии ИИ реализованы либо внедряются в более чем 30 проектах РЖД [Электронный ресурс] // ТЖЗД. – 2025. – URL: https://techzd.ru/news/tzhd-news/tekhnologii_ii_realizovany_libo_vnedryayutsya_v_bolee_chem_30_proektakh_rzhd/ (дата обращения: 23.01.2026).

5. Юсупов А. Т. Применение генеративного искусственного интеллекта в бизнес-аналитике: трансформация возможностей и новые вызовы //Академический исследовательский журнал. – 2025. – Т. 3, № 5. – С. 108–112. – DOI: 10.25726/m8030-0072-2139-t.

6. Давыдова П. «Белая книга»: Искусственный интеллект в сфере транспорта и логистики [Электронный ресурс] // Министерство транспорта Российской Федерации. – 2025. – URL: https://mintrans.gov.ru/press-center/news/12167 (дата обращения: 23.01.2026).

7. Нейросети в логистике: что с ними происходит на российском рынке [Электронный ресурс] // Campus. – 2024. – URL: https://campus.stt.ru/articles/neyroseti-v-logistike/ (дата обращения: 23.01.2026).

8. Z. Ma, H. Wang, and Y. Hou, «Overall scheme and key technologies for railway freight digitization-intelligent station,» Railway Computer Application, vol. 34, no. 6, pp. 45–51, 2025. DOI: 10.3969/j.issn.1005-8451.2025.06.07.

9. Будущее диспетчерских центров: искусственный интеллект и нейросети [Электронный ресурс] // Dispatch Solutions. – 2022. – URL: https://dispatch-solutions.ru/novosti/130-budushchee-dispetcherskikh-tsentrov-iskusstvennyj-intellekt-i-nejroseti (дата обращения: 23.01.2026).

10. Баканов Д. Э. Эффективные отечественные практики применения технологий искусственного интеллекта в сфере транспорта и логистики. – М.: АНО «Цифровая экономика», 2024. – 56 с.

11. Горохов В. Л., Брусакова И. А., Кожухов С. О. Когнитивные инструменты объяснительного искусственного интеллекта для задач транспортной и образовательной логистики // Компьютерные инструменты в образовании. – 2023. – № 2. – С. 30–40. – DOI: 10.32603/2071-2340-2023-2-30-40.

Скачать / Download

ИСПОЛЬЗОВАНИЕ АППАРАТНОГО КОМПЛЕКСА ДЛЯ ОЦЕНКИ ВОВЛЕЧЕННОСТИ ВОДИТЕЛЯ В УПРАВЛЕНИЕ ВЫСОКОАВТОМАТИЗИРОВАННЫМ ТРАНСПОРТНЫМ СРЕДСТВОМ

Воробьев А. И., к.т.н., доцент, доцент кафедры «Организация и безопасность движение, интеллектуальные транспортные системы», МАДИ;

Маркаров А. И., ассистент кафедры «Организация и безопасность движение, интеллектуальные транспортные системы», МАДИ;

Селезнев Д. В., лаборант кафедры «Организация и безопасность движения, интеллектуальные транспортные системы», МАДИ;

Аннотация

Человек является центральным элементом системы «водитель – автомобиль – дорога – среда», безопасность функционирования которой во многом зависит от его действий и решений. Даже в беспилотных транспортных средствах предусмотрено присутствие человека, осуществляющего мониторинг и контроль над процессом. Статья является частью исследования, заключающегося в оценке уровня вовлеченности водителя в управление высокоавтоматизированными транспортными средствами и его способности оперативно восстановить контроль в случае возникновения критической ситуации, а также в определении его способности инициировать соответствующие действия в условиях отвлеченности. В статье описана подготовка к эксперименту, позволяющему оценить вовлеченность человека-водителя в процесс управления при взаимодействии с автоматизированными системами управления транспортом. Основное внимание уделено описанию комплекса, с помощью которого моделируется процесс движения высокоавтоматизированного транспортного средства.

Ключевые слова

интеллектуальные транспортные системы, машинное обучение, компьютерное зрение, высокоавтоматизированные транспортные средства, психофизиология водителей

Список использованной литературы

1. Воеводин Е. С., Фомин Е. В., Пульянова К. В. и др. Определение оптимальных параметров элементов системы «водитель – автомобиль – дорога – среда» // Вестник Иркутского государственного технического университета. – 2018. – Т. 22, № 5(136). – С. 240–250. DOI: 10.21285/1814-3520-2018-5-240-250.

2. Дронсейко В. В., Забудский А. Ю., Короткова Ю. А. Рефлексивное управление в транспортных средствах с различным уровнем автоматизации как инструмент снижения уровня конфликтности // Вестник МАДИ. – 2021. – № 2(65). – С. 101–105.

3. Борисова С. Е. Влияние психологических установок водителей на безопасность дорожного движения // Психология и право. – 2011. – № 4. – С. 88–98.

4. Taxonomy and Definitions for Terms Related to Driving Automation Systems for OnRoad Motor Vehicles (SAE J3016) [Электронный ресурс] // SAE International. – URL: https://www.sae.org/standards/j3016_202104-taxonomy-definitions-terms-related-driving-automation-systems-road-motor-vehicles/ (дата обращения: 01.03.2026).

5. Изонов С. В. Разработка методики проектирования режимов бортового информирования водителя в рамках задач интеллектуальных транспортных систем: автореф. дис. … канд.техн. наук: 05.22.01. – М., 2015. – 22 с.

6. H. Kim et al., «Takeover safety analysis with driver monitoring systems and driver-vehicle interfaces in highly automated vehicles,» Appl. Sci., vol. 11, no. 15, p. 6685, 2021. DOI:10.3390/app11156685.

7. N. Liang et al., «Using eye-tracking to investigate the effects of pre-takeover visual engagement on situation awareness during automated driving,» Transp. Res. Part F, vol. 80, pp. 198–212, 2021. DOI: 10.1016/j.trf.2021.04.007.

8. Короткова Ю. А. Особенности восприятия информации водителем высокоавтоматизированного транспортного средства // Безопасность дорожного движения. – 2022. – № 3. – С. 48–51.

9. Юлин А. С. Влияние информированности пользователей о работе систем электронных помощников водителя на безопасность дорожного движения на примере второго уровня автоматизации // Международный журнал гуманитарных и естественных наук. – 2024. – № 3-2(90). – С. 219–225. DOI: 10.24412/2500-1000-2024-3-2-219-225.

10. Воробьев А. И., Изонов С. В., Шадрин А. В. Обоснование эффективности систем информирования водителей в рамках сценариев определения опасных ситуаций // Вестник МАДИ. – 2014. – № 3(38). – С. 94–97.

11. Жанказиев С. В., Воробьев А. И., Забудский А. Ю. Определение минимального времени передачи управления при движении в высокоавтоматизированном автомобиле // Транспорт Российской Федерации. – 2019. – № 4(83). – С. 33–36.

12. A. Y. Zabudskiy, A. I. Vorobyev, V. V. Dronseiko et al., «Research of the level of driver involvement in the management of a highly automated vehicle,» in 2022 Syst. Signal Gener. Process. Field Board Commun. (SOSG), Moscow, 2022. DOI: 10.1109/IEEECONF53456.2022.9744381.

13. C. Marberger and D. Manstetten, «Driver state monitoring in automated driving,» in Handbook of Assisted and Automated Driving, H. Winner et al., Eds. Wiesbaden: Springer, 2026. DOI: 10.1007/978-3-658-45276-6_51.

Скачать / Download

USING A HARDWARE COMPLEX TO ASSESS DRIVER ENGAGEMENT IN THE OPERATION OF A HIGHLY AUTOMATED VEHICLE

Andrey I. Vorobyev, PhD, Associate Professor, Associate Professor of the Department «Organization and Safety of Traffic, Intelligent Transport Systems», MADI;

Alexander I. Markarov, Assistant Professor of the Department «Organization and Safety of Traffic, Intelligent Transport Systems», MADI;

Denis V. Seleznev, Laboratory assistant of the Department «Organization and Safety of Traffic, Intelligent Transport Systems», MADI;

Abstract

A person is the central element of the driver – car – road – environment system, the safety of which largely depends on his actions and decisions. Even in unmanned vehicles, there is a human presence that monitors and controls the process. The article is part of a study aimed at assessing the driver’s level of involvement in driving highly automated vehicles and his ability to quickly regain control in the event of a critical situation, as well as determining his ability to initiate appropriate actions in conditions of distraction. The article describes the preparation for an experiment that allows to evaluate the involvement of a human driver in the control process when interacting with automated transport control systems. The main attention is paid to the description of the complex, with the help of which the process of movement of a highly automated vehicle is simulated.

Keywords

intelligent transport systems, machine learning, computer vision, highly automated vehicles, psychophysiology of drivers

References

1. Воеводин Е. С., Фомин Е. В., Пульянова К. В. и др. Определение оптимальных параметров элементов системы «водитель – автомобиль – дорога – среда» // Вестник Иркутского государственного технического университета. – 2018. – Т. 22, № 5(136). – С. 240–250. DOI: 10.21285/1814-3520-2018-5-240-250.

2. Дронсейко В. В., Забудский А. Ю., Короткова Ю. А. Рефлексивное управление в транспортных средствах с различным уровнем автоматизации как инструмент снижения уровня конфликтности // Вестник МАДИ. – 2021. – № 2(65). – С. 101–105.

3. Борисова С. Е. Влияние психологических установок водителей на безопасность дорожного движения // Психология и право. – 2011. – № 4. – С. 88–98.

4. Taxonomy and Definitions for Terms Related to Driving Automation Systems for OnRoad Motor Vehicles (SAE J3016) [Электронный ресурс] // SAE International. – URL: https://www.sae.org/standards/j3016_202104-taxonomy-definitions-terms-related-driving-automation-systems-road-motor-vehicles/ (дата обращения: 01.03.2026).

5. Изонов С. В. Разработка методики проектирования режимов бортового информирования водителя в рамках задач интеллектуальных транспортных систем: автореф. дис. … канд.техн. наук: 05.22.01. – М., 2015. – 22 с.

6. H. Kim et al., «Takeover safety analysis with driver monitoring systems and driver-vehicle interfaces in highly automated vehicles,» Appl. Sci., vol. 11, no. 15, p. 6685, 2021. DOI:10.3390/app11156685.

7. N. Liang et al., «Using eye-tracking to investigate the effects of pre-takeover visual engagement on situation awareness during automated driving,» Transp. Res. Part F, vol. 80, pp. 198–212, 2021. DOI: 10.1016/j.trf.2021.04.007.

8. Короткова Ю. А. Особенности восприятия информации водителем высокоавтоматизированного транспортного средства // Безопасность дорожного движения. – 2022. – № 3. – С. 48–51.

9. Юлин А. С. Влияние информированности пользователей о работе систем электронных помощников водителя на безопасность дорожного движения на примере второго уровня автоматизации // Международный журнал гуманитарных и естественных наук. – 2024. – № 3-2(90). – С. 219–225. DOI: 10.24412/2500-1000-2024-3-2-219-225.

10. Воробьев А. И., Изонов С. В., Шадрин А. В. Обоснование эффективности систем информирования водителей в рамках сценариев определения опасных ситуаций // Вестник МАДИ. – 2014. – № 3(38). – С. 94–97.

11. Жанказиев С. В., Воробьев А. И., Забудский А. Ю. Определение минимального времени передачи управления при движении в высокоавтоматизированном автомобиле // Транспорт Российской Федерации. – 2019. – № 4(83). – С. 33–36.

12. A. Y. Zabudskiy, A. I. Vorobyev, V. V. Dronseiko et al., «Research of the level of driver involvement in the management of a highly automated vehicle,» in 2022 Syst. Signal Gener. Process. Field Board Commun. (SOSG), Moscow, 2022. DOI: 10.1109/IEEECONF53456.2022.9744381.

13. C. Marberger and D. Manstetten, «Driver state monitoring in automated driving,» in Handbook of Assisted and Automated Driving, H. Winner et al., Eds. Wiesbaden: Springer, 2026. DOI: 10.1007/978-3-658-45276-6_51.

Скачать / Download

ВИЗУАЛИЗАЦИЯ ДАННЫХ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ ДИАГНОСТИКИ МАСЛА ЛОКОМТИВА

Овтин В. И., Заместитель руководителя управления планирования, Общество с ограниченной ответственностью «ЛокоТех-Промсервис» (ООО ЛТПС);

Аннотация

Внедрение интеллектуальных систем предиктивной диагностики в техническое обслуживание подвижного состава требует не только надёжной архитектуры сбора и анализа данных, но и эффективного взаимодействия с пользователем. Одним из ключевых элементов таких систем становится визуализация, позволяющая операторам, инженерам и техникам быстро и точно интерпретировать техническую информацию. Цель статьи – обосновать необходимость удобных и интуитивно понятных интерфейсов в системах диагностики, исследовать влияние визуализации на когнитивную нагрузку персонала, а также предложить подходы и примеры графических решений. В работе анализируются основные типы графиков и их применимость в контексте эксплуатации локомотива, рассматриваются аспекты пользовательского опыта и проектирования интерфейсов с учётом специфики железнодорожной отрасли. Сделан акцент на повышении эффективности принятия решений на основе визуальных данных.

Ключевые слова

Интеллектуальная система, диагностика, визуализация, информация, интерфейс, система диагностики

Список использованной литературы

1. Буйносов А. П., Худояров Д. Л., Тюшев И. А. Предиктивная диагностика тяговых электродвигателей локомотивов 2ЭС6 «Синара» // Наука и образование транспорту. – 2021. – № 1. – С. 18–20.

2. Овтин В. И. К вопросу о необходимости разработки интеллектуальной системы диагностики масла локомотива на основе СВЧ анализа как метода предиктивной диагностики оборудования в эксплуатации // Транспортное дело России. – 2023. – № 4. – С. 210–214. DOI: 10.52375/20728689_2023_4_210.

3. Синельников И. А. Бортовой комплекс предиктивной диагностики локомотивов АО «Трансмашхолдинг» // Вестник Института проблем естественных монополий: Техника железных дорог. – 2024. – № 1(65). – С. 22–27.

4. Петров А. Е. Внедрение технологий промышленного интернета вещей в машиностроении // Международные научные студенческие чтения – 2025: сб. ст. II Междунар. науч.-практ. конф., Петрозаводск, 24 апр. 2025 г. – Петрозаводск: Новая Наука, 2025. – С. 152–161.

5. M. V. Fedotov and V. V. Grachev, «Predictive analytics of the technical condition of diesel locomotive systems using neural network predictive models,» Bull. Sci. Res. Results, vol. 7, no. 3, pp. 45–52, 2021.

6. Бердышева Ю. А., Жаркова Е. А. Информационные технологии как фактор развития цифровой трансформации железнодорожного транспорта // Вестник СГУПС: гуманитарные исследования. – 2023. – № 4 (19). – С. 55–60.

7. Федотов М. В., Грачев В. В. Предиктивная аналитика технического состояния систем тепловозов с использованием нейросетевых прогнозных моделей // Бюллетень научных исследований и инноваций (БРНИ). – 2021. – № 3. – С. 102–114.

8. Малышева Т. В., Лысенков А. И. Развитие системы управления качеством на основе предиктивной аналитики предупреждения рисков несоответствия продукции // Известия Самарского научного центра РАН. – 2024. – № 2 (118). – С. 39–47.

9. Михеев В. А., Томилова О. С., Бородин А. В. Предиктивный ремонт тягового подвижного состава на базе бортовых микропроцессорных систем управления // Известия Транссиба. – 2019. – № 2 (38). – С. 8–16.

10. Ададуров А. С., Федорова В. И., Бойко А. М. Общие принципы построения предиктивной системы диагностики нового электропоезда ЭС2Г «Ласточка» и первые экспериментальные данные // Наука и управление (НАУ). – 2022. – № 75-2. – С. 14–22.

11. Романов Р. А., Белоусов А. А. Экспресс анализ масел – будущее диагностических служб // Экспозиция Нефть Газ. – 2013. – № 7 (32). – С. 26–28.

12. Романов Р. А., Зубкова С. Ю. Анализ масла в своевременной диагностике машинного оборудования // Экспозиция Нефть Газ. – 2013. – № 5 (30). – С. 122–123.

13. Глотов А. В., Черемисинов С., Щербаков М. В. Цифровая система предиктивного анализа работы генерирующего оборудования // Электронная промышленность (ЭП). – 2020. – №9 (151). – С. 52–59.

14. G. Sandag, P. Jamyan-Osor, and N. Natsag, «Definition of diagnostic parameters for locomotive diesel engines,» Izv. Transsiba, no. 1 (53), pp. 2–9, 2023.

15. J. C. Rodrigues, I. Cost, J. Torres Farinha, and M. Mendes, «Predicting motor oil condition using artificial neural networks and principal component analysis,» Eksploat. Niezawodn. – Maint. Reliab., vol. 22, no. 3, pp. 440–448, 2020.

16. T. Omiya, K. Hanyuda, and E. Nagatomi, «Predicting engine oil degradation across diverse vehicles and identifying key factors,» Mech. Syst. Signal Process., vol. 229, p. 112345, 2025.

17. G. Sandag, N. Erdenesuren, A. Samdantsoodol, and P. Jamyan-Osor, «Determining the diagnostic parameters for locomotive diesel engines,» in Proc. East. Asia Soc. Transp. Stud. (EASTS), vol.14, 2023.

Скачать / Download

DATA VISUALIZATION IN INTELLIGENT LOCOMOTIVE DIAGNOSTIC SYSTEMS – INTERFACES, UX, AND COGNITIVE LOAD

Ovtin Valery Ivanovich, Deputy Head of the Planning Department, Loko-Tech-Promservice Limited Liability Company (LTPS LLC);

Abstract

The implementation of predictive intelligent diagnostic systems in the maintenance of rolling stock requires not only a reliable data collection and analysis architecture, but also effective user interaction. One of the key elements is data visualization, which allows operators, engineers, and technicians to quickly and accurately interpret technical information. The purpose of the article is to substantiate the need for user-friendly and intuitive interfaces in diagnostic systems, to investigate the impact of visualization on the cognitive load of staff, and to propose approaches and examples of graphical solutions. The paper analyzes the main types of graphs and their applicability in the context of locomotive operation, examines aspects of user experience and interface design, taking into account the specifics of the railway industry. The emphasis is placed on improving the efficiency of decision-making based on visual data.

Keywords

Intelligent system, diagnostics, visualization, information, interface, diagnostic system

References

1. Буйносов А. П., Худояров Д. Л., Тюшев И. А. Предиктивная диагностика тяговых электродвигателей локомотивов 2ЭС6 «Синара» // Наука и образование транспорту. – 2021. – № 1. – С. 18–20.

2. Овтин В. И. К вопросу о необходимости разработки интеллектуальной системы диагностики масла локомотива на основе СВЧ анализа как метода предиктивной диагностики оборудования в эксплуатации // Транспортное дело России. – 2023. – № 4. – С. 210–214. DOI: 10.52375/20728689_2023_4_210.

3. Синельников И. А. Бортовой комплекс предиктивной диагностики локомотивов АО «Трансмашхолдинг» // Вестник Института проблем естественных монополий: Техника железных дорог. – 2024. – № 1(65). – С. 22–27.

4. Петров А. Е. Внедрение технологий промышленного интернета вещей в машиностроении // Международные научные студенческие чтения – 2025: сб. ст. II Междунар. науч.-практ. конф., Петрозаводск, 24 апр. 2025 г. – Петрозаводск: Новая Наука, 2025. – С. 152–161.

5. M. V. Fedotov and V. V. Grachev, «Predictive analytics of the technical condition of diesel locomotive systems using neural network predictive models,» Bull. Sci. Res. Results, vol. 7, no. 3, pp. 45–52, 2021.

6. Бердышева Ю. А., Жаркова Е. А. Информационные технологии как фактор развития цифровой трансформации железнодорожного транспорта // Вестник СГУПС: гуманитарные исследования. – 2023. – № 4 (19). – С. 55–60.

7. Федотов М. В., Грачев В. В. Предиктивная аналитика технического состояния систем тепловозов с использованием нейросетевых прогнозных моделей // Бюллетень научных исследований и инноваций (БРНИ). – 2021. – № 3. – С. 102–114.

8. Малышева Т. В., Лысенков А. И. Развитие системы управления качеством на основе предиктивной аналитики предупреждения рисков несоответствия продукции // Известия Самарского научного центра РАН. – 2024. – № 2 (118). – С. 39–47.

9. Михеев В. А., Томилова О. С., Бородин А. В. Предиктивный ремонт тягового подвижного состава на базе бортовых микропроцессорных систем управления // Известия Транссиба. – 2019. – № 2 (38). – С. 8–16.

10. Ададуров А. С., Федорова В. И., Бойко А. М. Общие принципы построения предиктивной системы диагностики нового электропоезда ЭС2Г «Ласточка» и первые экспериментальные данные // Наука и управление (НАУ). – 2022. – № 75-2. – С. 14–22.

11. Романов Р. А., Белоусов А. А. Экспресс анализ масел – будущее диагностических служб // Экспозиция Нефть Газ. – 2013. – № 7 (32). – С. 26–28.

12. Романов Р. А., Зубкова С. Ю. Анализ масла в своевременной диагностике машинного оборудования // Экспозиция Нефть Газ. – 2013. – № 5 (30). – С. 122–123.

13. Глотов А. В., Черемисинов С., Щербаков М. В. Цифровая система предиктивного анализа работы генерирующего оборудования // Электронная промышленность (ЭП). – 2020. – №9 (151). – С. 52–59.

14. G. Sandag, P. Jamyan-Osor, and N. Natsag, «Definition of diagnostic parameters for locomotive diesel engines,» Izv. Transsiba, no. 1 (53), pp. 2–9, 2023.

15. J. C. Rodrigues, I. Cost, J. Torres Farinha, and M. Mendes, «Predicting motor oil condition using artificial neural networks and principal component analysis,» Eksploat. Niezawodn. – Maint. Reliab., vol. 22, no. 3, pp. 440–448, 2020.

16. T. Omiya, K. Hanyuda, and E. Nagatomi, «Predicting engine oil degradation across diverse vehicles and identifying key factors,» Mech. Syst. Signal Process., vol. 229, p. 112345, 2025.

17. G. Sandag, N. Erdenesuren, A. Samdantsoodol, and P. Jamyan-Osor, «Determining the diagnostic parameters for locomotive diesel engines,» in Proc. East. Asia Soc. Transp. Stud. (EASTS), vol.14, 2023.

Скачать / Download

ГОД ЦИФРОВОЙ ТРАНСФОРМАЦИИ ЖЕЛЕЗНЫХ ДОРОГ: ИТОГИ РАБОТЫ НТС АО «НИИАС» В 2025 ГОДУ

Бочков А.В., д.т.н., ученый секретарь, АО «НИИАС»;

Аннотация

Статья содержит подробный обзор работы Научно-технического совета АО «НИИАС» в 2025 году: от стратегического планирования и обсуждения фундаментальных основ роботизации до решения прикладных инженерных задач. Особое внимание в 2025 году было уделено внедрению беспилотного управления, систем искусственного интеллекта и технологий кибербезопасности в железнодорожную инфраструктуру. Обзор фиксирует ключевые достижения в области мониторинга активов, цифровизации станций и проектирования высокоскоростных магистралей. Выводы настоящей статьи подчеркивают значимость научной экспертизы и защиты диссертационных работ для формирования методологической базы будущих инноваций. В обзоре представлен комплексный анализ процесса трансформации железных дорог в высокотехнологичную цифровую среду. Приведены ссылки на публикации АО «НИИАС» за 2025 год, раскрывающие вопросы, упомянутые в обзоре.

Ключевые слова

цифровая трансформация железнодорожного транспорта, Научно-технический совет (НТС), роботизация, беспилотное управление, искусственный интеллект (ИИ), функциональная безопасность, кибербезопасность, большие данные (Big Data), предиктивная аналитика, NB-IoT, виртуальная сцепка (ВСЦ), высокоскоростные магистрали (ВСМ), мониторинг железнодорожной инфраструктуры, стандартизация, научная экспертиза

Список использованной литературы

1. Долгий А. И. Цифровая железнодорожная станция как ключевой элемент повышения эффективности перевозочного процесса // Железнодорожный транспорт. – 2025. – № 9. – С. 7–11.

2. Долгий А. И., Хатламаджиян А. Е., Озеров А. В., Бочков А. В. Роботизация на железнодорожном транспорте // Интеллектуальный транспорт. – 2025. – Т. 9, № 3 (35). – С. 4–32.

3. Хатламаджиян А. Е., Ольгейзер И. А., Суханов А. В., Боровлев П. В. Выправка сортировочных путей на основе данных компьютерного зрения // Интеллектуальный транспорт. – 2025. – Т. 9, № 1 (33). – С. 19–26.

4. Махутов Н. А., Коссов В. С., Оганьян Э. С. и др. Долговечность элементов подвижного состава при циклическом нагружении // Надежность. – 2025. – Т. 25, № 3. – С. 3–9. DOI: 10.21683/1729-2646-2025-25-3-3-9.

5. I. F. Antipov, S. K. Dulin, and A. B. Ryabtsev, «Formation of groups of identical objects,» J. Comput. Syst. Sci. Int., vol. 64, no. 3, pp. 474–481, 2025. DOI: 10.1134/S1064230725700443.

6. Кисельгоф Г. К., Кудряшов И. О., Куприенко О. Ю., Низовский А. В., Чернов С. С. Программа синхронизации времени с системой высокоточного позиционирования // Свид. о регистрации программы для ЭВМ RU 2025686530; заявл. 02.10.2025; опубл. 02.10.2025.

7. Кисельгоф Г. К., Кудряшов И. О., Низовский А. В., Чернов С. С. Программа взаимодействия с системой ЗАСЛОН // Свид. о регистрации программы для ЭВМ RU 2025690534; заявл. 10.11.2025; опубл. 10.11.2025.

8. Охотников А. Л., Соколов С. В., Костюков А. В. Концепция построения интегрированных систем управления беспилотным железнодорожным транспортом // XXI век: итоги прошлого и проблемы настоящего плюс. – 2025. – Т. 14, № 2 (70). – С. 149–154.

9. Беляцкий С. Н., Фуярчук К. Г. Модуль визуализации обнаруженных препятствий для пользователя // Свид. о регистрации программы для ЭВМ RU 2025696087; заявл. 16.12.2025; опубл. 16.12.2025.

10. Пронкин А. В., Кузема А. П., Бояринова Н. А., Кисельгоф Г. К. Развитие технологии виртуальной сцепки // Автоматика, связь, информатика. – 2025. – № 7. – С. 2–4. DOI: 10.62994/AT.2025.7.7.001.

11. Никонюк А. А., Дежков М. А., Суслов А. А. Информационное обеспечение при вождении поездов с применением технологии «Виртуальная сцепка»: ключевые направления развития // Транспорт Российской Федерации. – 2025. – № 1 (116). – С. 18–22.

12. Щеглов М. А., Карелов А. И., Павловский А. А. Методика сбора и анализа разнородной геоинформации для решения задач строительного контроля на объектах строительства железных дорог // Изв. вузов. Геодезия и аэрофотосъемка. – 2025. – Т. 69, № 2. – С. 23–34. DOI: 10.30533/GiA-2025-011.

13. Щеглов М. А., Павловский А. А., Карелов А. И., Мильштейн С. И. Выявление ряда опасных процессов, угрожающих железнодорожной инфраструктуре на Байкало-Амурской магистрали, на основании данных беспилотных авиационных систем // Изв. вузов. Геодезия и аэрофотосъемка. – 2025. – Т. 69, № 4. – С. 59–69. DOI: 10.30533/GiA-2025-042.

14. Дежков М. А., Никонюк А. А., Филипченко С. А., Куренков П. В., Герасимова Е. А., Александрова В. С. Реализация логистических решений по повышению эффективности железных дорог Российской Федерации // Логистика. – 2025. – № 1 (218). – С. 10–14.

15. Куренков П. В., Никонюк А. А., Ежова Н. Н., Мизиев М. М., Филипченко Н. С. Логистика Восточного полигона: стратегия развития и оптимизация транспортных потоков. Предложения // Логистика. – 2025. – № 2 (219). – С. 10–14.

16. Гинзбург Р. В., Громов К. С., Гургенидзе И. Р., Кузин В. В., Розенберг Е. Н., Садыков В. А., Самбурский И. М., Телепин А. В. Программа для программно-технического комплекса верхнего уровня для ВСМ Москва – Санкт-Петербург. Программа АРМ ДНЦ // Свид. о регистрации программы для ЭВМ RU 2025696092; заявл. 16.12.2025; опубл. 16.12.2025.

17. Гинзбург Р. В., Громов К. С., Гургенидзе И. Р., Кузин В. В., Розенберг Е. Н., Садыков В. А., Самбурский И. М., Телепин А. В. Программа для программно-технического комплекса верхнего уровня для ВСМ Москва – Санкт-Петербург. Программа резервного комплекса // Свид. о регистрации программы для ЭВМ RU 2025696090; заявл. 16.12.2025; опубл. 16.12.2025.

18. Воронин В. А. Выбор параметров рельсовых цепей для ВСЖМ-1 // Железнодорожный транспорт. – 2025. – № 5. – С. 30–33.

19. Попов П. А., Розенберг Е. Н., Сабанов А. Г., Шубинский И. Б. Концепции обеспечения комплексной безопасности АСУ ТП верхнего уровня управления для объектов КИИ железнодорожного транспорта // Надежность. – 2025. – Т. 25, № 3. – С. 42–49. DOI: 10.21683/1729-2646-2025-25-3-42-49.

20. Бояринова Н. А., Пенькова Н. Г., Шубинский И. Б., Иньков Ю. М. Надежность и безопасность человеко-машинных систем в ответственных технологических процессах // Электротехника. – 2025. – № 3. – С. 72–79. DOI: 10.53891/00135860-2025-3-72-79.

21. Золотарев Ю. Ф., Корниенко К. И., Ольгейзер И. А., Рыжов Д. А., Соколов В. Н., Суханов А. В., Тищенко А. М., Хатламаджиян А. Е., Юндин А. Л. Система автоматического закрепления подвижного состава // Пат. RU 2836918 C1; заявл. 17.09.2024; опубл. 24.03.2025.

22. Капитонов К. С. Анализ существующих методов заправки букс моторно-осевых подшипников электровозов и их недостатков // Техническое обслуживание и ремонт подвижного состава (ТОиР): тр. II Всерос. с междунар. участием науч.-практ. конф. – Красноярск, 2025. – С. 152–156.

23. Система электрообогрева стрелочных переводов / В. В. Терехов, П. П. Гулак, Н. В. Пантелеев, А. Н. Скоробогатов // Пат. 195719 U1 Рос. Федерация; заявл. 13.11.2019; опубл. 05.02.2020, Бюл. № 4.

24. Кудюкин В. В., Вуколов А. В., Кузьмин В. С. Имитационное моделирование работы робототехнических комплексов, предназначенных для расформирования составов на сортировочных горках // Автоматика на транспорте. – 2025. – Т. 11, № 1. – С. 16–29. DOI: 10.20295/2412-9186-2025-11-01-16-29.

25. Долгий А. И., Кудюкин В. В., Хатламаджиян А. Е., Шаповалов В. В. Контроль и диагностика подвижного состава – от одиночных устройств до роботизированных диагностических комплексов // Интеллектуальный транспорт. – 2025. – Т. 9, № 4 (36). – С. 76–101.

26. Корниенко К. И. Применение искусственного интеллекта на железнодорожном транспорте // Проблемы безопасности на транспорте: материалы XIV Междунар. науч.-практ. конф., посвящ. пятилетке качества, Гомель, 20–21 нояб. 2025 г.: в 2 ч. – Гомель: БелГУТ, 2025. – С. 173–175.

27. Охотников А. Л., Зажигалкин А. В. Обзор ключевых технологий робототехники // Проблемы искусственного интеллекта. – 2025. – № 1 (36). – С. 141–155. DOI: 10.24412/2413-7383-141-155.

28. Максимова С. Е. К вопросу о формировании культуры обеспечения безопасности полетов в процессе обучения пилотированию беспилотных воздушных судов гражданской авиации с максимальной взлетной массой менее 30 кг // Современные векторы в образовании: теория и практика: ст. и материалы VI Всерос. науч.-практ. конф. (с междунар. участием), посвящ. Году Семьи и 85-летию со дня образования ГСГУ. – Коломна, 2025. – С. 106–109.

29. Капитонов К. С. О формировании единого поля компетенций в сфере актуальных инноваций на железнодорожном транспорте // Техническое обслуживание и ремонт подвижного состава (ТОиР): тр. II Всерос. с междунар. участием науч.-практ. конф. – Красноярск, 2025. – С. 157–163.

30. Гришаев С. Ю., Кудюкин В. В., Хатламаджиян А. Е., Ольгейзер И. А. Кадры для Цифровой железнодорожной станции // Автоматика, связь, информатика. – 2024. – № 5. – С. 29–32. DOI: 10.62994/AT.2024.5.5.003.

31. Система дистанционного управления строительной машиной / А. Ф. Пермяков, Е. А. Дудоров, И. М. Кутлубаев и др. // Пат. 2817073 C1 Рос. Федерация; заявл. 09.11.2023; опубл. 09.04.2024.

32. Долгий А. И., Корниенко К. И., Морозов В. В., Ольгейзер И. А., Соколов В. Н., Хатламаджиян А. Е. Система автоматизации роспуска вагонов для перевозки опасных грузов // Пат. RU 2841792 C1; заявл. 17.12.2024; опубл. 17.06.2025.

33. Ольгейзер И. А., Суханов А. В., Корниенко К. И., Боровлев П. В. Устройство счета и контроля расцепа вагонов // Автоматика, связь, информатика. – 2024. – № 5. – С. 9–11. DOI: 10.62994/AT.2024.5.5.001.

34. Стационарный комплекс контроля свободности пути / В. В. Батраков, Е. Н. Розенберг, Е. Е. Шухина // Пат. 210466 U1 Рос. Федерация; заявл. 06.12.2021; опубл. 18.04.2022, Бюл. № 11.

35. Долгий А. И., Катаенко А. А., Корниенко К. И., Удалов А. М., Хатламаджиян А. Е., Шапекин А. Е., Ярнов П. Е. Система речевого информирования машиниста // Пат. RU 2849038 C1; заявл. 21.04.2025; опубл. 22.10.2025.

36. Бояринова Н. А., Воронин В. А., Куваев С. И., Марков А. В., Озеров А. В., Розенберг Е. Н. Устройство передачи управляющих команд автоматической локомотивной сигнализации в рельсовые цепи централизованной системы автоблокировки // Пат. RU 2834089 C1; заявл. 23.07.2024; опубл. 03.02.2025.

37. Батраев В. В., Бояринова Н. А., Ипатов С. В., Куприенко О. Ю., Репин Д. Р., Шухина Е. Е. Устройство определения местоположения и маршрута следования поезда // Пат. RU 2836929 C1; заявл. 24.09.2024; опубл. 24.03.2025.

38. Бояринова Н. А., Дежков М. А., Марков А. В., Озеров А. В., Розенберг Е. Н. Система поддержания интервала разграничения между последовательно движущимися поездами // Пат. RU 2839168 C1; заявл. 26.08.2024; опубл. 28.04.2025.

39. Козловский А. П., Халевин Д. Ю., Приходько А. А., Бутым М. Н. Имитационное моделирование развития инфраструктуры ЖАТ // Автоматика, связь, информатика. – 2025. – № 12. – С. 6–10. DOI: 10.62994/AT.2025.12.12.001.

40. Тимонин А. Н. Обзор инструмента имитационного моделирования AnyLogic // Информационные технологии в образовании. – 2021. – № 4. – С. 231–237.

41. Долгий А. И. Технологии интенсивного развития ОАО «РЖД» – эффективный ответ на современные вызовы // Железнодорожный транспорт. – 2025. – № 7. – С. 6–15.

42. Розенберг Е. Н., Дежков М. А., Новиков В. Г. Применение технологии виртуальной сцепки на Восточном полигоне // Автоматика, связь, информатика. – 2025. – № 8. – С. 7–11. DOI: 10.62994/AT.2025.8.8.002.

43. Батраев В. В., Вуцан Д. Г., Долгий А. И., Розенберг Е. Н., Сафронов Р. А., Сорокина Н. В., Шухина Е. Е. Система автоматизированного управления движением поездов // Пат. RU 2850929 C1; заявл. 03.06.2025; опубл. 17.11.2025.

44. Куприенко О. Ю., Батраев В. В., Маршов С. В., Ипатов С. В. Определение местоположения поезда в условиях работы систем РЭБ // Железнодорожный транспорт. – 2025. – № 7. – С. 36–39.

45. Безродный Б. Ф., Иванин И. И. Особенности обеспечения безопасности информации в системах ЖАТ // Автоматика, связь, информатика. – 2025. – № 5. – С. 17–19. DOI: 10.62994/AT.2025.5.5.004.

46. Кукушкин С. С., Розенберг Е. Н., Озеров А. В. Искусственный интеллект как основа обеспечения комплексной защиты информации в системах обеспечения безопасности железнодорожного движения. Теория и практика его реализации // Искусственный интеллект. Теория и практика. – 2025. – № 1 (9). – С. 79–87.

47. Алиев В. А., Озеров А. В., Бочков А. В. Научный обзор: технологии высоких скоростей в железнодорожном транспорте // Интеллектуальный транспорт. – 2025. – Т. 9, № 3 (35). – С. 54–66.

48. Озеров А. В., Баранов А. Г. Автоматизированная система диспетчерского управления для высокоскоростного движения // Интеллектуальные транспортные системы: материалы IV Междунар. науч.-практ. конф. – М., 2025. – С. 361–364.

49. Ковалев С. М., Котенко И. В., Родзин С. И. и др. Аналитический обзор трудов конференции IITI›25 // Вестник Рост. гос. ун-та путей сообщения. – 2025. – № 4 (100). – С. 108–150. DOI: 10.46973/0201-727X_2025_4_108.

50. Павелина Ю. А., Попов И. Ю. Метод коллективного анализа внешней среды автономными агентами в условиях неполноты данных на основе алгоритма жуков-усачей // Науч.-техн. вестн. информ. технологий, механики и оптики. – 2025. – Т. 25, № 6. – С. 1160–1167. DOI:10.17586/2226-1494-2025-25-6-1160-1167.

51. Медведев А. А. Синтетическая аугментация данных как способ повышения точности голосового управления беспилотными локомотивами // Исследование и развитие рельсового и автомобильного транспорта: материалы Междунар. науч.-практ. конф. – Екатеринбург, 2025. – С. 63–66.

52. Долгий А. И., Ковалев С. М. Структурно-чувствительный подход к организации интеллектуального мониторинга на основе нечетких эволюционирующих моделей //XXII национальная конференция по искусственному интеллекту с международным участием (КИИ-2025): тр. конф. – СПб., 2025. – С. 33–42. DOI: 10.15622/rcai.2025.034.

53. Вуколов А. В., Кудюкин В. В., Кузьмин В. С., Семенов А. Н., Хакиев З. Б., Хатламаджиян А. Е. Способ ультразвукового дефектоскопического контроля колес железнодорожного подвижного состава // Пат. RU 2843501 C1; заявл. 24.02.2025; опубл. 14.07.2025.

54. Розенберг Е. Н., Новиков В. Г. Децентрализованная архитектура систем управления движением поездов, использующих цифровой радиоканал передачи данных // Образование и наука в развитии технологий, экономики, общества: материалы докл. 58-й Междунар. науч.-техн. конф. преподавателей и студентов, посвящ. 60-летию УО «ВГТУ»: в 2 т. – Витебск, 2025. – С. 378–381.

55. Павловский А. А., Величко Р. А., Белкин Д. В., Михайлов А. А. Концептуальные вопросы формирования и использования среды общих данных для применения технологий информационного моделирования в ОАО «РЖД» // Экономика железных дорог. – 2025. – № 12. – С. 85–99.

56. Павловский А. А., Величко Р. А., Шеронова Т. Н., Белкин Д. В., Михайлов А. А. Концептуальные положения разработки, внедрения и применения корпоративной системы классификации для технологии информационного моделирования объектов инфраструктуры железнодорожного транспорта // Экономика железных дорог. – 2025. – № 2. – С. 26–40.

Скачать / Download

YEAR OF DIGITAL TRANSFORMATION OF RAILWAYS: RESULTS OF THE WORK OF THE SCIENTIFIC AND TECHNICAL COUNCIL OF JSC «NIIAS» IN 2025

Bochkov A.V., Doctor of Technical Sciences, Scientific Secretary, JSC «NIIAS »;

Abstract

The article provides a detailed review of the work of the Scientific and Technical Council of JSC «NIIAS» in 2025: from strategic planning and discussion of the fundamental foundations of robotics to solving applied engineering problems. Special attention in 2025 was paid to the implementation of unmanned control, artificial intelligence systems and cybersecurity technologies in railway infrastructure. The review records key achievements in the field of asset monitoring, station digitalization and high-speed rail design. The conclusions of this article emphasize the importance of scientific expertise and the defense of dissertations for forming the methodological basis of future innovations. The review presents a comprehensive analysis of the process of transforming railways into a high-tech digital environment. References are provided to publications of JSC «NIIAS» for 2025, which elaborate on the issues mentioned in the review.

Keywords

digital transformation of railway transport, Scientific and Technical Council (STC), robotics, unmanned control, artificial intelligence (AI), functional safety, cybersecurity, big data, predictive analytics, NB-IoT, virtual coupling (VCU), high-speed rail (HSR), railway infrastructure monitoring, standardization, scientific expertise

References

1. Долгий А. И. Цифровая железнодорожная станция как ключевой элемент повышения эффективности перевозочного процесса // Железнодорожный транспорт. – 2025. – № 9. – С. 7–11.

2. Долгий А. И., Хатламаджиян А. Е., Озеров А. В., Бочков А. В. Роботизация на железнодорожном транспорте // Интеллектуальный транспорт. – 2025. – Т. 9, № 3 (35). – С. 4–32.

3. Хатламаджиян А. Е., Ольгейзер И. А., Суханов А. В., Боровлев П. В. Выправка сортировочных путей на основе данных компьютерного зрения // Интеллектуальный транспорт. – 2025. – Т. 9, № 1 (33). – С. 19–26.

4. Махутов Н. А., Коссов В. С., Оганьян Э. С. и др. Долговечность элементов подвижного состава при циклическом нагружении // Надежность. – 2025. – Т. 25, № 3. – С. 3–9. DOI: 10.21683/1729-2646-2025-25-3-3-9.

5. I. F. Antipov, S. K. Dulin, and A. B. Ryabtsev, «Formation of groups of identical objects,» J. Comput. Syst. Sci. Int., vol. 64, no. 3, pp. 474–481, 2025. DOI: 10.1134/S1064230725700443.

6. Кисельгоф Г. К., Кудряшов И. О., Куприенко О. Ю., Низовский А. В., Чернов С. С. Программа синхронизации времени с системой высокоточного позиционирования // Свид. о регистрации программы для ЭВМ RU 2025686530; заявл. 02.10.2025; опубл. 02.10.2025.

7. Кисельгоф Г. К., Кудряшов И. О., Низовский А. В., Чернов С. С. Программа взаимодействия с системой ЗАСЛОН // Свид. о регистрации программы для ЭВМ RU 2025690534; заявл. 10.11.2025; опубл. 10.11.2025.

8. Охотников А. Л., Соколов С. В., Костюков А. В. Концепция построения интегрированных систем управления беспилотным железнодорожным транспортом // XXI век: итоги прошлого и проблемы настоящего плюс. – 2025. – Т. 14, № 2 (70). – С. 149–154.

9. Беляцкий С. Н., Фуярчук К. Г. Модуль визуализации обнаруженных препятствий для пользователя // Свид. о регистрации программы для ЭВМ RU 2025696087; заявл. 16.12.2025; опубл. 16.12.2025.

10. Пронкин А. В., Кузема А. П., Бояринова Н. А., Кисельгоф Г. К. Развитие технологии виртуальной сцепки // Автоматика, связь, информатика. – 2025. – № 7. – С. 2–4. DOI: 10.62994/AT.2025.7.7.001.

11. Никонюк А. А., Дежков М. А., Суслов А. А. Информационное обеспечение при вождении поездов с применением технологии «Виртуальная сцепка»: ключевые направления развития // Транспорт Российской Федерации. – 2025. – № 1 (116). – С. 18–22.

12. Щеглов М. А., Карелов А. И., Павловский А. А. Методика сбора и анализа разнородной геоинформации для решения задач строительного контроля на объектах строительства железных дорог // Изв. вузов. Геодезия и аэрофотосъемка. – 2025. – Т. 69, № 2. – С. 23–34. DOI: 10.30533/GiA-2025-011.

13. Щеглов М. А., Павловский А. А., Карелов А. И., Мильштейн С. И. Выявление ряда опасных процессов, угрожающих железнодорожной инфраструктуре на Байкало-Амурской магистрали, на основании данных беспилотных авиационных систем // Изв. вузов. Геодезия и аэрофотосъемка. – 2025. – Т. 69, № 4. – С. 59–69. DOI: 10.30533/GiA-2025-042.

14. Дежков М. А., Никонюк А. А., Филипченко С. А., Куренков П. В., Герасимова Е. А., Александрова В. С. Реализация логистических решений по повышению эффективности железных дорог Российской Федерации // Логистика. – 2025. – № 1 (218). – С. 10–14.

15. Куренков П. В., Никонюк А. А., Ежова Н. Н., Мизиев М. М., Филипченко Н. С. Логистика Восточного полигона: стратегия развития и оптимизация транспортных потоков. Предложения // Логистика. – 2025. – № 2 (219). – С. 10–14.

16. Гинзбург Р. В., Громов К. С., Гургенидзе И. Р., Кузин В. В., Розенберг Е. Н., Садыков В. А., Самбурский И. М., Телепин А. В. Программа для программно-технического комплекса верхнего уровня для ВСМ Москва – Санкт-Петербург. Программа АРМ ДНЦ // Свид. о регистрации программы для ЭВМ RU 2025696092; заявл. 16.12.2025; опубл. 16.12.2025.

17. Гинзбург Р. В., Громов К. С., Гургенидзе И. Р., Кузин В. В., Розенберг Е. Н., Садыков В. А., Самбурский И. М., Телепин А. В. Программа для программно-технического комплекса верхнего уровня для ВСМ Москва – Санкт-Петербург. Программа резервного комплекса // Свид. о регистрации программы для ЭВМ RU 2025696090; заявл. 16.12.2025; опубл. 16.12.2025.

18. Воронин В. А. Выбор параметров рельсовых цепей для ВСЖМ-1 // Железнодорожный транспорт. – 2025. – № 5. – С. 30–33.

19. Попов П. А., Розенберг Е. Н., Сабанов А. Г., Шубинский И. Б. Концепции обеспечения комплексной безопасности АСУ ТП верхнего уровня управления для объектов КИИ железнодорожного транспорта // Надежность. – 2025. – Т. 25, № 3. – С. 42–49. DOI: 10.21683/1729-2646-2025-25-3-42-49.

20. Бояринова Н. А., Пенькова Н. Г., Шубинский И. Б., Иньков Ю. М. Надежность и безопасность человеко-машинных систем в ответственных технологических процессах // Электротехника. – 2025. – № 3. – С. 72–79. DOI: 10.53891/00135860-2025-3-72-79.

21. Золотарев Ю. Ф., Корниенко К. И., Ольгейзер И. А., Рыжов Д. А., Соколов В. Н., Суханов А. В., Тищенко А. М., Хатламаджиян А. Е., Юндин А. Л. Система автоматического закрепления подвижного состава // Пат. RU 2836918 C1; заявл. 17.09.2024; опубл. 24.03.2025.

22. Капитонов К. С. Анализ существующих методов заправки букс моторно-осевых подшипников электровозов и их недостатков // Техническое обслуживание и ремонт подвижного состава (ТОиР): тр. II Всерос. с междунар. участием науч.-практ. конф. – Красноярск, 2025. – С. 152–156.

23. Система электрообогрева стрелочных переводов / В. В. Терехов, П. П. Гулак, Н. В. Пантелеев, А. Н. Скоробогатов // Пат. 195719 U1 Рос. Федерация; заявл. 13.11.2019; опубл. 05.02.2020, Бюл. № 4.

24. Кудюкин В. В., Вуколов А. В., Кузьмин В. С. Имитационное моделирование работы робототехнических комплексов, предназначенных для расформирования составов на сортировочных горках // Автоматика на транспорте. – 2025. – Т. 11, № 1. – С. 16–29. DOI: 10.20295/2412-9186-2025-11-01-16-29.

25. Долгий А. И., Кудюкин В. В., Хатламаджиян А. Е., Шаповалов В. В. Контроль и диагностика подвижного состава – от одиночных устройств до роботизированных диагностических комплексов // Интеллектуальный транспорт. – 2025. – Т. 9, № 4 (36). – С. 76–101.

26. Корниенко К. И. Применение искусственного интеллекта на железнодорожном транспорте // Проблемы безопасности на транспорте: материалы XIV Междунар. науч.-практ. конф., посвящ. пятилетке качества, Гомель, 20–21 нояб. 2025 г.: в 2 ч. – Гомель: БелГУТ, 2025. – С. 173–175.

27. Охотников А. Л., Зажигалкин А. В. Обзор ключевых технологий робототехники // Проблемы искусственного интеллекта. – 2025. – № 1 (36). – С. 141–155. DOI: 10.24412/2413-7383-141-155.

28. Максимова С. Е. К вопросу о формировании культуры обеспечения безопасности полетов в процессе обучения пилотированию беспилотных воздушных судов гражданской авиации с максимальной взлетной массой менее 30 кг // Современные векторы в образовании: теория и практика: ст. и материалы VI Всерос. науч.-практ. конф. (с междунар. участием), посвящ. Году Семьи и 85-летию со дня образования ГСГУ. – Коломна, 2025. – С. 106–109.

29. Капитонов К. С. О формировании единого поля компетенций в сфере актуальных инноваций на железнодорожном транспорте // Техническое обслуживание и ремонт подвижного состава (ТОиР): тр. II Всерос. с междунар. участием науч.-практ. конф. – Красноярск, 2025. – С. 157–163.

30. Гришаев С. Ю., Кудюкин В. В., Хатламаджиян А. Е., Ольгейзер И. А. Кадры для Цифровой железнодорожной станции // Автоматика, связь, информатика. – 2024. – № 5. – С. 29–32. DOI: 10.62994/AT.2024.5.5.003.

31. Система дистанционного управления строительной машиной / А. Ф. Пермяков, Е. А. Дудоров, И. М. Кутлубаев и др. // Пат. 2817073 C1 Рос. Федерация; заявл. 09.11.2023; опубл. 09.04.2024.

32. Долгий А. И., Корниенко К. И., Морозов В. В., Ольгейзер И. А., Соколов В. Н., Хатламаджиян А. Е. Система автоматизации роспуска вагонов для перевозки опасных грузов // Пат. RU 2841792 C1; заявл. 17.12.2024; опубл. 17.06.2025.

33. Ольгейзер И. А., Суханов А. В., Корниенко К. И., Боровлев П. В. Устройство счета и контроля расцепа вагонов // Автоматика, связь, информатика. – 2024. – № 5. – С. 9–11. DOI: 10.62994/AT.2024.5.5.001.

34. Стационарный комплекс контроля свободности пути / В. В. Батраков, Е. Н. Розенберг, Е. Е. Шухина // Пат. 210466 U1 Рос. Федерация; заявл. 06.12.2021; опубл. 18.04.2022, Бюл. № 11.

35. Долгий А. И., Катаенко А. А., Корниенко К. И., Удалов А. М., Хатламаджиян А. Е., Шапекин А. Е., Ярнов П. Е. Система речевого информирования машиниста // Пат. RU 2849038 C1; заявл. 21.04.2025; опубл. 22.10.2025.

36. Бояринова Н. А., Воронин В. А., Куваев С. И., Марков А. В., Озеров А. В., Розенберг Е. Н. Устройство передачи управляющих команд автоматической локомотивной сигнализации в рельсовые цепи централизованной системы автоблокировки // Пат. RU 2834089 C1; заявл. 23.07.2024; опубл. 03.02.2025.

37. Батраев В. В., Бояринова Н. А., Ипатов С. В., Куприенко О. Ю., Репин Д. Р., Шухина Е. Е. Устройство определения местоположения и маршрута следования поезда // Пат. RU 2836929 C1; заявл. 24.09.2024; опубл. 24.03.2025.

38. Бояринова Н. А., Дежков М. А., Марков А. В., Озеров А. В., Розенберг Е. Н. Система поддержания интервала разграничения между последовательно движущимися поездами // Пат. RU 2839168 C1; заявл. 26.08.2024; опубл. 28.04.2025.

39. Козловский А. П., Халевин Д. Ю., Приходько А. А., Бутым М. Н. Имитационное моделирование развития инфраструктуры ЖАТ // Автоматика, связь, информатика. – 2025. – № 12. – С. 6–10. DOI: 10.62994/AT.2025.12.12.001.

40. Тимонин А. Н. Обзор инструмента имитационного моделирования AnyLogic // Информационные технологии в образовании. – 2021. – № 4. – С. 231–237.

41. Долгий А. И. Технологии интенсивного развития ОАО «РЖД» – эффективный ответ на современные вызовы // Железнодорожный транспорт. – 2025. – № 7. – С. 6–15.

42. Розенберг Е. Н., Дежков М. А., Новиков В. Г. Применение технологии виртуальной сцепки на Восточном полигоне // Автоматика, связь, информатика. – 2025. – № 8. – С. 7–11. DOI: 10.62994/AT.2025.8.8.002.

43. Батраев В. В., Вуцан Д. Г., Долгий А. И., Розенберг Е. Н., Сафронов Р. А., Сорокина Н. В., Шухина Е. Е. Система автоматизированного управления движением поездов // Пат. RU 2850929 C1; заявл. 03.06.2025; опубл. 17.11.2025.

44. Куприенко О. Ю., Батраев В. В., Маршов С. В., Ипатов С. В. Определение местоположения поезда в условиях работы систем РЭБ // Железнодорожный транспорт. – 2025. – № 7. – С. 36–39.

45. Безродный Б. Ф., Иванин И. И. Особенности обеспечения безопасности информации в системах ЖАТ // Автоматика, связь, информатика. – 2025. – № 5. – С. 17–19. DOI: 10.62994/AT.2025.5.5.004.

46. Кукушкин С. С., Розенберг Е. Н., Озеров А. В. Искусственный интеллект как основа обеспечения комплексной защиты информации в системах обеспечения безопасности железнодорожного движения. Теория и практика его реализации // Искусственный интеллект. Теория и практика. – 2025. – № 1 (9). – С. 79–87.

47. Алиев В. А., Озеров А. В., Бочков А. В. Научный обзор: технологии высоких скоростей в железнодорожном транспорте // Интеллектуальный транспорт. – 2025. – Т. 9, № 3 (35). – С. 54–66.

48. Озеров А. В., Баранов А. Г. Автоматизированная система диспетчерского управления для высокоскоростного движения // Интеллектуальные транспортные системы: материалы IV Междунар. науч.-практ. конф. – М., 2025. – С. 361–364.

49. Ковалев С. М., Котенко И. В., Родзин С. И. и др. Аналитический обзор трудов конференции IITI›25 // Вестник Рост. гос. ун-та путей сообщения. – 2025. – № 4 (100). – С. 108–150. DOI: 10.46973/0201-727X_2025_4_108.

50. Павелина Ю. А., Попов И. Ю. Метод коллективного анализа внешней среды автономными агентами в условиях неполноты данных на основе алгоритма жуков-усачей // Науч.-техн. вестн. информ. технологий, механики и оптики. – 2025. – Т. 25, № 6. – С. 1160–1167. DOI:10.17586/2226-1494-2025-25-6-1160-1167.

51. Медведев А. А. Синтетическая аугментация данных как способ повышения точности голосового управления беспилотными локомотивами // Исследование и развитие рельсового и автомобильного транспорта: материалы Междунар. науч.-практ. конф. – Екатеринбург, 2025. – С. 63–66.

52. Долгий А. И., Ковалев С. М. Структурно-чувствительный подход к организации интеллектуального мониторинга на основе нечетких эволюционирующих моделей //XXII национальная конференция по искусственному интеллекту с международным участием (КИИ-2025): тр. конф. – СПб., 2025. – С. 33–42. DOI: 10.15622/rcai.2025.034.

53. Вуколов А. В., Кудюкин В. В., Кузьмин В. С., Семенов А. Н., Хакиев З. Б., Хатламаджиян А. Е. Способ ультразвукового дефектоскопического контроля колес железнодорожного подвижного состава // Пат. RU 2843501 C1; заявл. 24.02.2025; опубл. 14.07.2025.

54. Розенберг Е. Н., Новиков В. Г. Децентрализованная архитектура систем управления движением поездов, использующих цифровой радиоканал передачи данных // Образование и наука в развитии технологий, экономики, общества: материалы докл. 58-й Междунар. науч.-техн. конф. преподавателей и студентов, посвящ. 60-летию УО «ВГТУ»: в 2 т. – Витебск, 2025. – С. 378–381.

55. Павловский А. А., Величко Р. А., Белкин Д. В., Михайлов А. А. Концептуальные вопросы формирования и использования среды общих данных для применения технологий информационного моделирования в ОАО «РЖД» // Экономика железных дорог. – 2025. – № 12. – С. 85–99.

56. Павловский А. А., Величко Р. А., Шеронова Т. Н., Белкин Д. В., Михайлов А. А. Концептуальные положения разработки, внедрения и применения корпоративной системы классификации для технологии информационного моделирования объектов инфраструктуры железнодорожного транспорта // Экономика железных дорог. – 2025. – № 2. – С. 26–40.

Скачать / Download