В представлены ключевые направления научно-технологического развития АО «НИИАС» за первое полугодие 2025 года, включая внедрение интеллектуальных систем управления на железнодорожном транспорте, автоматизацию процессов закрепления подвижного состава, исследования надежности элементов конструкций при циклических нагрузках, интеграцию цифровых технологий (LTE) в систему МАЛС, а также технико-экономические аспекты роботизации отрасли. Особое внимание уделено риск-ориентированным подходам, междисциплинарному сотрудничеству и разработке методик оценки эффективности инновационных решений.

В статье рассматриваются методы анализа и синтеза интеллектуальных транспортных систем, их архитектуры и алгоритмы восстановления работоспособности. Подробно описываются методы анализа интеллектуальных транспортных систем. Авторы в данном исследовании рассматривают различные подходы к оценке текущего состояния транспортных систем, включая статистический анализ, моделирование и симуляцию. Особое внимание уделяется методам выявления проблемных областей и потенциальных узких мест в работе интеллектуальных транспортных систем, что позволяет своевременно принимать меры по их устранению и улучшению. Рассмотрены вопросы синтеза интеллектуальных транспортных систем, представлены различные архитектурные решения, которые могут быть применены при разработке и внедрении интеллектуальных транспортных систем. Авторы рассматривают как централизованные, так и децентрализованные архитектуры, анализируя их преимущества и недостатки. Особое внимание уделяется вопросам масштабируемости и адаптивности систем, что позволяет им эффективно функционировать в условиях изменяющихся транспортных потоков и внешних факторов.

В статье представлен обзор ключевых проектов, представленных на международной выставке транспортных технологий InnoTrans[1] , прошедшей в Берлине с 24 по 27 сентября 2024 года. На форуме были показаны передовые разработки в железнодорожной отрасли, включая электрификацию, цифровизацию, устойчивое развитие и искусственный интеллект (ИИ). ИИ подтвердил свой статус ключевого драйвера цифровой трансформации железнодорожной отрасли. Ведущие игроки рынка представили комплексные ИИ-решения, направленные на повышение безопасности, эффективности и экологичности транспортных систем. Особый акцент был сделан на предиктивной аналитике. Значительный прогресс наблюдается в области автоматизированного контроля инфраструктуры. Особое внимание уделено вопросам стандартизации данных и совместимости решений. Робототехнические системы начинают играть важную роль в обеспечении устойчивости железнодорожного транспорта. Обсуждаются ключевые направления развития железнодорожной отрасли в области автоматизации, роботизации и технического зрения в ближайшей и среднесрочной перспективе.

В работе рассматриваются данные результатов управления пропуском поездов на учебно-лабораторном комплексе «Виртуальная железная дорога». Приведен анализ нескольких деловых игр, найдены статистические характеристики задержек поездов, выполнена оценка плотности распределения вероятностей. Отмечается, что даже в случае отбора «хороших» результатов управления для формирования обучающей выборки требуется дополнительная обработка данных.

В статье описаны подходы к решению задач выбора, оптимизации, хранения и обработки данных по годовому, месячному и оперативному планированию ремонтных работ в «окнах», согласованию «окон», а также анализу их фактического исполнения. Последовательно описываются выбранные для реализации программного продукта методы, их преимущества и практическая реализация. Объясняется, как конкретные цели, функции отчетной подсистемы и требования к организации данных, влияют на их архитектуру, структуру, управление и анализ.

В статье рассмотрены измеряемые параметры и условия, которые влияют на валидность измерений системы управления подвижным составом, в которую входят средства технического зрения и высокоточного позиционирования. Эти высокотехнологичные технические средства заменяют когнитивные способности машиниста и служат для решения задач повышения уровня безопасности движения поездов, в частности, беспилотного подвижного состава. Рассмотрены параметры, влияющие на движение автономного транспортного объекта и его управление в различных информационных ситуациях, с учетом условий применения на железнодорожном транспорте. Выделены внутренние и внешние параметры. Предложено использовать метеорологическую оптическую видимость (MOR) для различных сценариев применения системы технического зрения. В зависимости от оптической видимости предложен расчет дальности обнаружения объектов-препятствий на железнодорожных путях. Для выполнения поставленной цели по определению местоположения подвижного объекта, перемещающегося по заданному участку пути, разработан метод, основанный на данных картографии, послуживший основой для изобретения.

В настоящее время подсистемы метеомониторинга изучаются и исследуются как в РФ, так и в зарубежных странах. Активно идёт изучение возможностей взаимодействия подсистемами метеомониторинга не только с обычными автомобилями, но и с высокоавтоматизированными и беспилотными транспортными средствами. Решаются задачи повышения эффективности работы подсистем метеомониторинга как в составе ИТС, так и в целях содержания автомобильных дорог. В статье приведены обоснования требований, предъявляемых к подсистемам метеомониторинга в составе ИТС.