inttransИнтеллектуальный транспортIntelligent transport3033-6007АО «НИИАС»inttrans-28Research ArticleИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И МАШИННОЕ ОБУЧЕНИЕПостроение карты распределения аномалий исполнения логистических проектов в условиях неопределённостиBuilding a distribution map of anomalies in the execution of logistics projects under conditions of uncertaintyБеляковС. Л.BelyakovS. L.

Беляков Станислав Леонидович, д.т.н., профессор

Таганрог

Stanislav L. Belyakov, Doctor of Technical Sciences, Professor

Taganrog

sbelyakov@sfedu.ruИзраилевЛ. А.IzrailevL. A.

Израилев Лев Алексеевич, аспирант

Таганрог

Lev A. Izrailev, PhD student

Taganrog

izrailev@sfedu.ruЮжный федеральный университет (ЮФУ)РоссияSouthern Federal University (SFU)Russian Federation20251109202604(36)4255Copyright © Беляков С.Л., Израилев Л.А., 20262026Беляков С.Л., Израилев Л.А.Belyakov S.L., Izrailev L.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.intelligent-transport.ru/jour/article/view/28

Для успешной реализации логистической операции необходимо прогнозировать возможность возникновения непредвиденных ситуаций. Они способны вызвать нежелательные издержки. Требуется принятие решений, способствующих преодолению ситуаций. Однако такие решения нередко приходится принимать в условиях неполноты и неопределённости доступной информации. Изменчивость окружающей среды требует постоянной актуализации информации о факторах, влияющих на реализацию логистических операций. Получить полное представление обо всех этих факторах практически невозможно, поэтому при принятии решений важную роль играют опыт и знания. Впрочем, применимость знаний о решении отдельно взятой ситуации ограничивается факторами, которые были наблюдаемы в момент реализации. С целью преодоления данного недостатка в статье предлагается разработка модели переноса полезного знания из прецедентов в новую ситуацию на примере задачи определения зон влияния аномалий логистического проекта. Для реализации модели используется метод рассуждений на основе прецедентов (Case-Based Reasoning). Он позволяет решить новую задачу, применяя или адаптируя ранее используемое решение. Логистические проекты описываются геоинформационными моделями.

For the successful implementation of a logistics operation, it is necessary to predict the possibility of unforeseen situations. They can cause undesirable costs. It requires making decisions that help to overcome situations. However, such decisions often have to be made in conditions of incompleteness and uncertainty of the available information. The variability of the environment requires constant updating of information about the factors affecting the implementation of logistics operations. It is almost impossible to get a complete picture of all these factors, so experience and knowledge play an important role in making decisions. However, the applicability of knowledge about solving a particular situation is limited by the factors that were observed at the time of implementation. In order to overcome this disadvantage, the article proposes the development of a model for transferring useful knowledge from precedents to a new situation using the example of the problem of determining the zones of influence of anomalies in a logistics project. The use-Case-Based Reasoning method is used to implement the model. It allows you to solve a new problem by applying or adapting a previously used solution. Logistics projects are described by geoinformation models.

интеллектуальные геоинформационные системыгеоинформационные системыпрецедентный анализпринятие решений в условиях неопределенностиintelligent geoinformation systemsgeoinformation systemsprecedent analysisdecision-making in conditions of uncertaintyReferencesМусайбеков А. Г., Хабибулин Р. Ш., Ухатов В. С. Анализ результатов поиска и сходимости прецедентов в системе поддержки управления ликвидации пожаров и чрезвычайных ситуаций // Современные проблемы гражданской защиты. – 2020. – № 1(34). – С. 4–15.Мусайбеков А. Г., Хабибулин Р. Ш., Ухатов В. С. Анализ результатов поиска и сходимости прецедентов в системе поддержки управления ликвидации пожаров и чрезвычайных ситуаций // Современные проблемы гражданской защиты. – 2020. – № 1(34). – С. 4–15.Дли М. И., Соколов А. М., Воротилова М. Ю. Построение локальных нечетких моделей для ситуационного управления сложными объектами на основе прецедентов // Программные продукты и системы. – 2025. – № 3.Дли М. И., Соколов А. М., Воротилова М. Ю. Построение локальных нечетких моделей для ситуационного управления сложными объектами на основе прецедентов // Программные продукты и системы. – 2025. – № 3.Рашевский Н. М., Руденко И. Е., Соколов Д. А., Феклистов В. А., Якунин О. А. Разработка системы поддержки принятия решений на основе рассуждения по прецедентам по оценке безопасности участка транспортной системы города // Информатика, вычислительная техника и управление (ИВД). – 2022. – № 7 (91).Рашевский Н. М., Руденко И. Е., Соколов Д. А., Феклистов В. А., Якунин О. А. Разработка системы поддержки принятия решений на основе рассуждения по прецедентам по оценке безопасности участка транспортной системы города // Информатика, вычислительная техника и управление (ИВД). – 2022. – № 7 (91).Рожко А. И., Ханова А. А. Концептуальная структура системы управления транспортно-логистическим проектом на основе имитационного моделирования // Вестник АГТУ. Серия: Управление, вычислительная техника и информатика. – 2022. – № 1.Рожко А. И., Ханова А. А. Концептуальная структура системы управления транспортно-логистическим проектом на основе имитационного моделирования // Вестник АГТУ. Серия: Управление, вычислительная техника и информатика. – 2022. – № 1.L. Marzantowicz, “The Impact of Uncertainty Factors on the Decision-Making Process of Logistics Management,” Processes, vol. 8, no. 5, p. 512, 2020. DOI: 10.3390/pr8050512L. Marzantowicz, “The Impact of Uncertainty Factors on the Decision-Making Process of Logistics Management,” Processes, vol. 8, no. 5, p. 512, 2020. DOI: 10.3390/pr8050512Беляков С. Л., Боженюк А. В., Белякова М. Л. Прецедентный анализ геоинформационных моделей проектов логистики // Наука и технологии железных дорог. – 2019. – № 2.Беляков С. Л., Боженюк А. В., Белякова М. Л. Прецедентный анализ геоинформационных моделей проектов логистики // Наука и технологии железных дорог. – 2019. – № 2.K. Guo, “Design of Human-Machine Collaborative Decision Support System in Emergency Logistics Scenarios,” Int. J. Glob. Econ. Manag., vol. 7, no. 3, pp. 98–106, 2025. DOI: 10.62051/ijgem.v7n3.10.K. Guo, “Design of Human-Machine Collaborative Decision Support System in Emergency Logistics Scenarios,” Int. J. Glob. Econ. Manag., vol. 7, no. 3, pp. 98–106, 2025. DOI: 10.62051/ijgem.v7n3.10.I. Jażdżewska and K. Żerek, “A spatial analysis of one of the regional logistics clusters in central Poland using GIS,” Environ. Socio-Econ. Stud., vol. 12, no. 2, pp. 48–61, 2024. DOI: 10.2478/environ-2024-0012.I. Jażdżewska and K. Żerek, “A spatial analysis of one of the regional logistics clusters in central Poland using GIS,” Environ. Socio-Econ. Stud., vol. 12, no. 2, pp. 48–61, 2024. DOI: 10.2478/environ-2024-0012.K. R. Mudunuru, R. Remala, and S. K. Nagarajan, “Leveraging IoT and Data Analytics in Logistics: Optimized Routing, Safety, and Resource Planning,” Int. J. Comput. Trends Technol., vol. 72, no. 7, pp. 101–107, 2024. DOI: 10.14445/22312803/IJCTT-V72I7P113.K. R. Mudunuru, R. Remala, and S. K. Nagarajan, “Leveraging IoT and Data Analytics in Logistics: Optimized Routing, Safety, and Resource Planning,” Int. J. Comput. Trends Technol., vol. 72, no. 7, pp. 101–107, 2024. DOI: 10.14445/22312803/IJCTT-V72I7P113.A. Robinson, “Geovisual Analytics,” in The Geographic Information Science & Technology Body of Knowledge, J. P. Wilson, Ed., 3rd Quart. 2017. [Online]. Available: https://doi.org/10.22224/gistbok/2017.3.6.A. Robinson, “Geovisual Analytics,” in The Geographic Information Science & Technology Body of Knowledge, J. P. Wilson, Ed., 3rd Quart. 2017. [Online]. Available: https://doi.org/10.22224/gistbok/2017.3.6.C. Y. Krishna, “AI-Powered Supply Chain Optimization: Enhancing Demand Forecasting and Logistics,” J. Comput. Sci. Technol. Stud., vol. 7, no. 4, pp. 792–801, 2025.C. Y. Krishna, “AI-Powered Supply Chain Optimization: Enhancing Demand Forecasting and Logistics,” J. Comput. Sci. Technol. Stud., vol. 7, no. 4, pp. 792–801, 2025.J. Mašek, L. Duricova, and J. Čamaj, “Analysing factors influencing railway accidents: A predictive approach using multinomial logistic regression and data mining,” PLoS One, vol. 20, no. 10, p. e0256789, 2025.J. Mašek, L. Duricova, and J. Čamaj, “Analysing factors influencing railway accidents: A predictive approach using multinomial logistic regression and data mining,” PLoS One, vol. 20, no. 10, p. e0256789, 2025.J. Li et al., “ChatSync: Large Language Model Enabled Spatial-Temporal Knowledge Reasoning for Production Logistics Synchronization,” IEEE Internet Things J., vol. 12, no. 22, pp. 47499–47518, 2025. DOI: 10.1109/JIOT.2025.3603073.J. Li et al., “ChatSync: Large Language Model Enabled Spatial-Temporal Knowledge Reasoning for Production Logistics Synchronization,” IEEE Internet Things J., vol. 12, no. 22, pp. 47499–47518, 2025. DOI: 10.1109/JIOT.2025.3603073.U. Olmez et al., “Evaluation of logistics risk factors with BWM method; Sivas province example,” Pesqui. Oper., vol. 44, p. e26745, 2024. DOI: 10.1590/0101-7438.2023.043.00286745.U. Olmez et al., “Evaluation of logistics risk factors with BWM method; Sivas province example,” Pesqui. Oper., vol. 44, p. e26745, 2024. DOI: 10.1590/0101-7438.2023.043.00286745.J. Jiao, Y. Liu, and C. Xie, “The Optimization Model of E-Commerce Logistics Distribution Path Based on GIS Technology,” Adv. Multimedia, vol. 2022, p. 1234567, 2022. [Online]. Available: https://doi.org/10.1155/2022/1234567.J. Jiao, Y. Liu, and C. Xie, “The Optimization Model of E-Commerce Logistics Distribution Path Based on GIS Technology,” Adv. Multimedia, vol. 2022, p. 1234567, 2022. [Online]. Available: https://doi.org/10.1155/2022/1234567.M. K. Pasupuleti, “Predictive Relief Logistics Models for Earthquakes and Floods Based on Traffic, Weather, and Supply Chain Data,” Int. J. Acad. Ind. Res. Innov., vol. 5, no. 4, pp. 142–150, 2025.M. K. Pasupuleti, “Predictive Relief Logistics Models for Earthquakes and Floods Based on Traffic, Weather, and Supply Chain Data,” Int. J. Acad. Ind. Res. Innov., vol. 5, no. 4, pp. 142–150, 2025.Зорькин Д. Ю., Самофалова Л. В., Асанова Н. В. Муравьиный алгоритм на Python // Известия ЮФУ. Технические науки. – 2025. – № 1 (243).Зорькин Д. Ю., Самофалова Л. В., Асанова Н. В. Муравьиный алгоритм на Python // Известия ЮФУ. Технические науки. – 2025. – № 1 (243).Кошуняева Н. В., Тутыгин А. Г. Сравнительный анализ эффективности использования метаэвристических методов моделирования для решения задачи коммивояжёра // Моделирование и анализ данных. – 2025. – Т. 15, № 3. – С. 76–93.Кошуняева Н. В., Тутыгин А. Г. Сравнительный анализ эффективности использования метаэвристических методов моделирования для решения задачи коммивояжёра // Моделирование и анализ данных. – 2025. – Т. 15, № 3. – С. 76–93.Конев К. А. Машинное обучение для поддержки принятия решений в сфере качества на промышленном предприятии // Экономика. Информатика. – 2023. – № 3.Конев К. А. Машинное обучение для поддержки принятия решений в сфере качества на промышленном предприятии // Экономика. Информатика. – 2023. – № 3.G. Andrienko, N. Andrienko, G. Fuchs, and J. M. Cordero Garcia, “Clustering Trajectories by Relevant Parts for Air Traffic Analysis,” IEEE Trans. Vis. Comput. Graphics, vol. 24, no. 1, pp. 34–44, 2018. DOI: 10.1109/TVCG.2017.2744322.G. Andrienko, N. Andrienko, G. Fuchs, and J. M. Cordero Garcia, “Clustering Trajectories by Relevant Parts for Air Traffic Analysis,” IEEE Trans. Vis. Comput. Graphics, vol. 24, no. 1, pp. 34–44, 2018. DOI: 10.1109/TVCG.2017.2744322.T. Li et al., “HGeoKG: A Hierarchical Geographic Knowledge Graph for Geographic Knowledge Reasoning,” ISPRS Int. J. Geo-Inf., vol. 14, no. 1, p. 18, 2025.T. Li et al., “HGeoKG: A Hierarchical Geographic Knowledge Graph for Geographic Knowledge Reasoning,” ISPRS Int. J. Geo-Inf., vol. 14, no. 1, p. 18, 2025.R. Pierdicca, N. Muralikrishna, F. Tonetto, and A. Ghianda, “On the Use of LLMs for GIS-Based Spatial Analysis,” ISPRS Int. J. Geo-Inf., vol. 14, no. 10, p. 401, 2025.R. Pierdicca, N. Muralikrishna, F. Tonetto, and A. Ghianda, “On the Use of LLMs for GIS-Based Spatial Analysis,” ISPRS Int. J. Geo-Inf., vol. 14, no. 10, p. 401, 2025.Иванова Н. В., Белов В. С., Самаркин А. И. и др. Картографический анализ экстренных вызовов на дорожно-транспортные происшествия для оптимизации работы службы скорой медицинской помощи // Вестник Псковского государственного университета. Серия: Естественные и физико-математические науки. – 2023. – Т. 16, № 2. – С. 114–129.Иванова Н. В., Белов В. С., Самаркин А. И. и др. Картографический анализ экстренных вызовов на дорожно-транспортные происшествия для оптимизации работы службы скорой медицинской помощи // Вестник Псковского государственного университета. Серия: Естественные и физико-математические науки. – 2023. – Т. 16, № 2. – С. 114–129.Беляков С. Л., Израилев Л. А. Геоинформационные модели аварийных ситуаций с пространственными обобщениями // Известия ЮФУ. Технические науки. – 2025. – № 1 (243). – С. 153–164. DOI: 10.18522/2311-3103-2025-1-153-164.Беляков С. Л., Израилев Л. А. Геоинформационные модели аварийных ситуаций с пространственными обобщениями // Известия ЮФУ. Технические науки. – 2025. – № 1 (243). – С. 153–164. DOI: 10.18522/2311-3103-2025-1-153-164.N. Y. Uzun and A. Deran, “The importance of logistics costs in e-commerce businesses,” Mersin Univ. J. Marit. Fac., vol. 7, no. 1, pp. 9–25, 2025. DOI: 10.47512/meujmaf.1699397.N. Y. Uzun and A. Deran, “The importance of logistics costs in e-commerce businesses,” Mersin Univ. J. Marit. Fac., vol. 7, no. 1, pp. 9–25, 2025. DOI: 10.47512/meujmaf.1699397.Маколова Л. В. Управление проектами в логистике: учеб. пособие. – Ростов-на-Дону: РГУПС, 2017.Маколова Л. В. Управление проектами в логистике: учеб. пособие. – Ростов-на-Дону: РГУПС, 2017.

The authors declare that there are no conflicts of interest present.