Современное состояние систем интеллектуализации, цифровизации и роботизации отечественного железнодорожного транспорта

В работе систематизированы результаты научно-практической конференции «PRO//Движение. Транспортные системы управления» (18-20 августа 2026 г., г. Нижний Новгород), посвященной цифровизации перевозочного процесса, искусственному интеллекту и роботизации железнодорожного транспорта. В конференции приняли участие представители руководства холдинга «Российские железные дороги», научного отраслевого комплекса, а также производственных предприятий – руководители, ученые и инженеры. Рассмотрены целевая модель управления грузопотоками, проект «Цифровая железнодорожная станция», технологии виртуальной сцепки, технического зрения, прогнозной диагностики и физического искусственного интеллекта. Особое внимание уделено роли научной деятельности АО «НИИАС» в формировании единой архитектуры данных, моделей и исполнительных систем, а также вопросам функциональной безопасности, экономической эффективности и тиражирования разработок. Обсуждены перспективы развития искусственного интеллекта в железнодорожной отрасли.

1. Quaglietta, E. The ON-TIME real-time railway traffic management framework: a proof-of-concept using a scalable standardised data communication architecture / E. Quaglietta [et al.] // Transportation Research Part C. – 2016. – Vol. 63. – P. 23–50. – DOI 10.1016/j.trc.2015.11.014.

2. Tang, R. A literature review of Artificial Intelligence applications in railway systems / R. Tang [et al.] // Transportation Research Part C. – 2022. – Vol. 140. – Art. 103679. – DOI 10.1016/j.trc.2022.103679.

3. Beˇsinovi´c, N. Artificial Intelligence in Railway Transport: Taxonomy, Regulations, and Applications / N. Beˇsinovi´c [et al.] // IEEE Transactions on Intelligent Transportation Systems. – 2022. – Vol. 23, No. 9. – P. 14011–14024. – DOI 10.1109/TITS.2021.3131637.

4. Шубинский, И. Б. Общие положения обоснования функциональной безопасности интеллектуальных систем на железнодорожном транспорте / И. Б. Шубинский, Е. Н. Розенберг // Надежность. – 2023. – Т. 23, № 3. – С. 38–45. – DOI 10.21683/1729-2646-2023-23-3-38-45. – EDN HGNXNT.

5. Шубинский, И. Б. Надёжность, риски, безопасность систем управления на железнодорожном транспорте / И. Б. Шубинский, Е. Н. Розенберг, А. В. Бочков. – Вологда; Москва: ООО «Инфра-Инженерия», 2024. – 414 с. – ISBN 978-5-9729-1992-5. – EDN FMONUU.

6. Бочков, К. А. Обзор архитектуры, особенностей и методов обеспечения безопасности в автоматизированных системах управления ответственными технологическими процессами железнодорожного транспорта / К. А. Бочков, С. Н. Харлап, Е. П. Литвинов // Проблемы безопасности на транспорте: Материалы XIV Международной научно-практической конференции, посвященной пятилетке качества. В 2-х частях, Гомель, 20–21 ноября 2025 года. – Гомель: Белорусский государственный университет транспорта, 2025. – С. 140–143. – EDN WJIMLJ.

7. Розенберг, Е. Н. Общие подходы к доказательству безопасности автономных систем / Е. Н. Розенберг, П. А. Попов, Д. В. Талалаев, А. М. Ольшанский, Н. А. Бояринова // Автоматика, связь, информатика. – 2022. – № 1. – С. 2–9.

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

9. Felez, J. Virtual Coupling in Railways: A Comprehensive Review / J. Felez, M. A. Vaquero-Serrano // Machines. – 2023. – Vol. 11, No. 5. – Art. 521. – DOI 10.3390/machines11050521.

10. Долгий, А. И. Нечетко-логический подход к автоматическому анализу показателей грузовой станции на основе данных «от колеса» / А. И. Долгий, А. В. Суханов // Интеллектуальные транспортные системы: материалы V Международной научно-практической конференции (Москва, 21 мая 2026 г.).

11. Долгий, А. И. Классификация режимов работы железнодорожной станции на основе реальных данных «от колеса» / А. И. Долгий, А. Е. Хатламаджиян, И. А. Ольгейзер, А. В. Суханов // Вестник Ростовского государственного университета путей сообщения. – 2025. – № 1(97). – С. 58–68. – DOI 10.46973/0201-727X_2025_1_58.

12. Хатламаджиян, А. Е. Формирование объективных показателей работы сортировочной станции на основе данных «от колеса» / А. Е. Хатламаджиян, И. А. Ольгейзер, А. В. Суханов, В. С. Иерусалимов // Автоматика на транспорте. – 2024. – Т. 10, № 3. – С. 254–268. – DOI 10.20295/2412-9186-2024-10-03-254-268.

13. Goverde, R. M. P. Railway timetable stability analysis using max-plus system theory / R. M. P. Goverde // Transportation Research Part B. – 2007. – Vol. 41, No. 2. – P. 179–201. – DOI 10.1016/j.trb.2006.02.003.

14. D’Ariano, A. Reordering and local rerouting strategies to manage train traffic in real time / A. D’Ariano, F. Corman, D. Pacciarelli, M. Pranzo // Transportation Science. – 2008. – Vol. 42, No. 4. – P. 405–419. – DOI 10.1287/trsc.1080.0247.

15. Lusby, R. M. Railway track allocation: models and methods / R. M. Lusby, J. Larsen, M. Ehrgott, D. Ryan // OR Spectrum. – 2011. – Vol. 33, No. 4. – P. 843–883. – DOI 10.1007/s00291-009-0189-0.

16. Corman, F. Bi-objective conflict detection and resolution in railway traffic management / F. Corman, A. D’Ariano, D. Pacciarelli, M. Pranzo // Transportation Research Part C. – 2012. – Vol. 20, No. 1. – P. 79–94. – DOI 10.1016/j.trc.2010.09.009.

17. Андреев, В. Е. Цифровая железнодорожная станция – от концепции к реальному внедрению / В. Е. Андреев, А. И. Долгий, В. В. Кудюкин, А. Е. Хатламаджиян, С. Ю. Гришаев, И. А. Ольгейзер // Автоматика, связь, информатика. – 2023. – № 9. – С. 2–6. – DOI 10.34649/AT.2023.9.9.001.

18. Kaewunruen, S. Digital Twins for Managing Railway Bridge Maintenance, Resilience, and Climate Change Adaptation / S. Kaewunruen, J. Sresakoolchai, Y.-H. Lin // Sensors. – 2023. – Vol. 23, No. 1. – Art. 252. – DOI 10.3390/s23010252.

19. van Dinter, R. Predictive maintenance using digital twins: A systematic literature review / R. van Dinter, B. Tekinerdogan, C. Catal // Information and Software Technology. – 2022. – Vol. 151. – Art. 107008. – DOI 10.1016/j.infsof.2022.107008.

20. Padovano, A. Improving safety management in railway stations through a simulation-based digital twin approach / A. Padovano, F. Longo, L. Manca, R. Grugni // Computers & Industrial Engineering. – 2024. – Vol. 187. – Art. 109839. – DOI 10.1016/j.cie.2023.109839.

21. Zhang, J. Artificial Intelligence Applied on Traffic Planning and Management for Rail Transport: A Review and Perspective / J. Zhang, J. Zhang // Discrete Dynamics in Nature and Society. – 2023. – Art. 1832501. – DOI 10.1155/2023/1832501.

22. Труды АО «НИИАС». Вып. 11, т. 3 / ред. совет: И. Н. Розенберг (пред.) [и др.]. – М.: Т8 Издательские Технологии, 2021. – С. 7–68.

23. Chen, M. Evaluating Large Language Models Trained on Code / M. Chen [et al.] // arXiv. – 2021. – arXiv:2107.03374. – DOI 10.48550/arXiv.2107.03374.

24. Greshake, K. Not What You’ve Signed Up For: Compromising Real-World LLM-Integrated Applications with Indirect Prompt Injection / K. Greshake, S. Abdelnabi, S. Mishra, C. Endres, T. Holz, M. Fritz // Proceedings of the 16th ACM Workshop on Artificial Intelligence and Security (AISec ’23). – New York: ACM, 2023. – P. 79–90. – DOI 10.1145/3605764.3623985.

25. Моисеев, В. В. Обеспечение кибербезопасности систем микропроцессорных и релейно-процессорных централизаций на сети ОАО «РЖД»: перспективы и практическое применение средств защиты / В. В. Моисеев // Автоматика на транспорте. – 2022. – Т. 8, № 3. – С. 266–275. – DOI 10.20295/2412-9186-2022-8-03-266-275.

26. Лецкий, Э. К. Интегрирование искусственного интеллекта в функциональное тестирование критической информационной инфраструктуры железнодорожного транспорта / Э. К. Лецкий, А. И. Гуров // Интеллектуальные технологии на транспорте. – 2025. – № 1. – С. 14–19. – DOI 10.20295/2413-2527-2025-141-14-19.

27. De Donato, L. A Survey on Audio-Video Based Defect Detection Through Deep Learning in Railway Maintenance / L. De Donato [et al.] // IEEE Access. – 2022. – Vol. 10. – P. 65376–65400. – DOI 10.1109/ACCESS.2022.3183102.

28. Alif, M. A. R. Advances in computer vision for comprehensive railway engineering: from track inspection to rolling stock and safety monitoring / M. A. R. Alif, G. Tucker, M. Hussain // Railway Engineering Science. – 2026. – DOI 10.1007/s40534-026-00434-7.

29. Olivier, B. A Review of Computer Vision for Railways / B. Olivier [et al.] // IEEE Transactions on Intelligent Transportation Systems. – 2025. – Vol. 26, No. 7. – P. 11034–11065. – DOI 10.1109/TITS.2025.3552011.

30. Kumar, A. A systematic literature review of defect detection in railways using machine visionbased inspection methods / A. Kumar, S. P. Harsha // International Journal of Transportation Science and Technology. – 2025. – Vol. 18. – P. 207–226. – DOI 10.1016/j.ijtst.2024.06.006.

31. Долгий, А. И. Инновационные алгоритмы машинного зрения для диагностики продольного профиля сортировочных путей / А. И. Долгий, А. Е. Хатламаджиян, И. А. Ольгейзер, А. В. Суханов, К. И. Корниенко // Автоматика, связь, информатика. – 2022. – № 8. – С. 7–9. – DOI 10.34649/AT.2022.8.8.002.

32. Ольгейзер, И. А. Компьютерное зрение как способ интеллектуализации систем горочной автоматизации / И. А. Ольгейзер, А. В. Суханов, А. М. Лященко, Д. В. Глазунов // Проблемы машиностроения и автоматизации. – 2022. – № 1. – С. 46–53. – DOI 10.52261/02346206_2022_1_46.

33. Васильева, С. А. Автоматизация прогноза бокового износа рельсов в кривых как элемент предиктивного анализа состояния пути / С. А. Васильева, А. В. Лохач // Путь и путевое хозяйство. – 2023. – № 11. – С. 5–7.

34. Risti´c-Durrant, D. A Review of Vision-Based On-Board Obstacle Detection and Distance Estimation in Railways / D. Risti´c-Durrant, M. Franke, K. Michels // Sensors. – 2021. – Vol. 21, No. 10. – Art. 3452. – DOI 10.3390/s21103452.

35. Pappaterra, M. J. A Systematic Review of Artificial Intelligence Public Datasets for Railway Applications / M. J. Pappaterra, F. Flammini, V. Vittorini, N. Beˇsinovi´c // Infrastructures. – 2021. – Vol. 6, No. 10. – Art. 136. – DOI 10.3390/infrastructures6100136.

36. Gan, J. A Hierarchical Extractor-Based Visual Rail Surface Inspection System / J. Gan, Q. Li, J. Wang, H. Yu // IEEE Sensors Journal. – 2017. – Vol. 17, No. 23. – P. 7935–7944. – DOI 10.1109/JSEN.2017.2761858.

37. Ярмолинский, Ф. А. Особенности использования Big Data при исследовании грузопотоков на железнодорожном транспорте / Ф. А. Ярмолинский, О. Д. Покровская, Е. Д. Пасечник, Е. В. Пакулина, А. А. Трапезников // Бюллетень результатов научных исследований. – 2024. – № 1. – С. 107–122. – DOI 10.20295/2223-9987-2024-01-107-122.

38. Пат. 2524505 C1 Российская Федерация. Способ управления движением поездов с использованием вариантных графиков / И. Р. Гургенидзе, Б. Н. Куранин, М. Г. Лысиков, С. И. Ляшенко, А. В. Степанов, С. В. Торорошенко; патентообладатель ОАО «НИИАС». – Опубл. 2014.

39. Zhang, Q. A heuristic approach to integrate train timetabling, platforming, and railway network maintenance scheduling decisions / Q. Zhang, R. M. Lusby, P. Shang, X. Zhu // Transportation Research Part B. – 2022. – Vol. 158. – P. 210–238. – DOI 10.1016/j.trb.2022.02.002.

40. Сидоренко, В. Г. Влияние цифровизации городских рельсовых транспортных систем на процессы планирования и управления движением поездов / В. Г. Сидоренко, М. А. Кулагин, А. Е. Родина // Автоматика на транспорте. – 2025. – Т. 11, № 1. – С. 30–43. – DOI 10.20295/2412-9186-2025-11-01-30-43.

41. Алексеев, В. М. Построение архитектуры интеллектуальной системы управления городской рельсовой транспортной системой / В. М. Алексеев, Л. А. Баранов, М. А. Кулагин, В. Г. Сидоренко // Мир транспорта. – 2021. – Т. 19, № 1. – С. 18–46. – DOI 10.30932/1992-3252-2021-19-1-18-46.

42. Сидоренко, В. Г. Разработка информационного обеспечения интеллектуальной системы управления городскими рельсовыми транспортными системами / В. Г. Сидоренко, Л. Н. Логинова, А. И. Сафронов // Автоматика на транспорте. – 2023. – Т. 9, № 2. – С. 178–192. – DOI 10.20295/2412-9186-2023-9-02-178-192.

43. Сидоренко, В. Г. Опыт и перспективы автоматизации управления перевозочным процессом скоростного транспорта городских агломераций / В. Г. Сидоренко, Е. В. Копылова, А. И. Сафронов, М. А. Туманов // Автоматика на транспорте. – 2023. – Т. 9, № 1. – С. 33–48. – DOI 10.20295/2412-9186-2023-9-01-33-48.

44. Тарасов, К. А. АСУ «КАМА». Энергооптимальное ведение пакета поездов / К. А. Тарасов, М. Ю. Шеин, Н. А. Бояринова // Железнодорожный транспорт. – 2026. – № 5. – С. 18–19.

45. Кононов, А. Ф. Проекты в сфере роботизации / А. Ф. Кононов, В. Д. Макогон, А. Е. Хатламаджиян, А. Е. Шапекин // Автоматика, связь, информатика. – 2026. – № 3. – С. 15–17. – DOI 10.62994/AT.2026.3.3.003.

46. Куприяновский, В. П. Формализованные онтологии и сервисы для высокоскоростных магистралей и цифровой железной дороги / В. П. Куприяновский, О. Н. Покусаев, Ю. И. Волокитин, Д. Е. Намиот, И. П. Петрунина, А. В. Зажигалкин // International Journal of Open Information Technologies. – 2018. – Vol. 6, No. 3. – P. 69–86.

47. Kasch, J. Design and Operational Assessment of a Railroad Track Robot for Railcar Undercarriage Condition Inspection / J. Kasch, M. Ahmadian // Designs. – 2024. – Vol. 8, No. 4. – Art. 70. – DOI 10.3390/designs8040070.

48. Liu, H. An autonomous rail-road amphibious robotic system for railway maintenance using sensor fusion and mobile manipulator / H. Liu [et al.] // Computers & Electrical Engineering. – 2023. – Art. 108874. – DOI 10.1016/j.compeleceng.2023.108874.

49. Daniyan, I. A. Design of a robot for inspection and diagnostic operations of rail track facilities / I. A. Daniyan, K. Mpofu, S. O. Nwankwo // International Journal of Quality & Reliability Management. – 2023. – Vol. 40, No. 3. – P. 653–673. – DOI 10.1108/IJQRM-03-2020-0083.

50. Brohan, A. RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control / A. Brohan [et al.] // arXiv. – 2023. – arXiv:2307.15818. – DOI 10.48550/arXiv.2307.15818.

51. O’Neill, A. Open X-Embodiment: Robotic Learning Datasets and RT-X Models / A. O’Neill [et al.] // Proceedings of the IEEE International Conference on Robotics and Automation (ICRA). – 2024. – DOI 10.1109/ICRA57147.2024.10611477.

52. Kim, M. J. OpenVLA: An Open-Source Vision-Language-Action Model / M. J. Kim [et al.] // arXiv. – 2024. – arXiv:2406.09246. – DOI 10.48550/arXiv.2406.09246.

53. Попов, П. А. Применение передовых технологий для работы в автоматическом режиме на МЦК / П. А. Попов // Железнодорожный транспорт. – 2020. – № 11. – С. 17–21.

54. Zhao, Y. VLA-RAIL: A Real-Time Asynchronous Inference Linker for VLA Models and Robots / Y. Zhao, L. Zhao, B. Cheng, G. Yao, X. Wen, H. Gao // arXiv. – 2025. – arXiv:2512.24673. – URL: https://arxiv.org/abs/2512.24673.

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