Обобщение опыта решения задач предиктивной аналитики на железнодорожном транспорте
EDN: ANLBHL
Аннотация
Целью статьи является синтез иерархии моделей предиктивной аналитики, реализуемых для объектов и субъектов, функционирующих в ОАО «РЖД». Выполнен синтез семантической сети моделей, вершиной которой является метаонтология на основе онтологий предметных областей и прикладных онтологий, применимых к железнодорожному транспорту. Приведены примеры, подтверждающих реализуемость предложенных иерархий.
Об авторах
М. А. Кулагин
Российский университет транспорта (РУТ (МИИТ)); Акционерное общество «Научно-исследовательский институт железнодорожного транспорта» (АО «ВНИИЖТ»)
Россия
Россия
Кулагин Максим Алексеевич, кандидат технических наук, доцент кафедры «Управление и защита информации»; начальник центра искусственного интеллекта
В. Г. Сидоренко
Российский университет транспорта (РУТ (МИИТ))
Россия
Россия
Сидоренко Валентина Геннадьевна, доктор технических наук, профессор, профессор кафедры «Управление и защита информации», Почетный работник сферы образования Российской Федерации, действительный член Российской академии транспорта и Академии электротехнических наук Российской Федерации
Список литературы
1. Опыт и перспективы автоматизации управления перевозочным процессом скоростного транспорта городских агломераций / В. Г. Сидоренко, Е. В. Копылова, А. И. Сафронов, М. А. Туманов. - Текст : непосредственный // Автоматика на транспорте. - 2023. - Т. 9, № 1. - С. 33-48.
2. Kulagin, M. Transport workers activities analysis using an artificial neural network / M. Kulagin, V. Sidorenko // International Conference on Intelligent Information Technologies for Industry. - 2018. - P. 308316.
3. Kulagin, M. A Recommender Subsystem Construction for Calculating the Probability of a Violation by a Locomotive Driver using Machine-learning Algorithms / M. Kulagin, V. Sidorenko // 2020 IEEE East-West Design & Test Symposium (EWDTS). - 2020. - Р. 1-5.
4. Кулагин, М. А. Оценка экономической эффективности профилактических мероприятий по сокращению числа нарушений при управлении подвижным составом / М. А. Кулагин, В. Г. Сидоренко. - Текст : непосредственный // Надежность. - 2022. - Т. 22, № 4. - С. 37-44.
5. Ивашевский М. Р. Системы видеонаблюдения на железнодорожном транспорте/ М. Р. Ивашевский. - Текст : непосредственный // Мир транспорта. - 2019. - Т. 17, № 5. - С. 298-314.
6. Журавлёва, Л. М. Снижение аварийных рисков с помощью систем интеллектуального видеонаблюдения / Л. М. Журавлёва, А. П. Богачёв, Н. В. Яцкивский. - Текст : непосредственный // Мир транспорта. - 2017. - № 3. - С. 206-212.
7. Сенников, А. В. Разработка алгоритма детектирования средств индивидуальной защиты на видеоданных/ А. В. Сенников, А. Ф. Стефаниди. - Текст : непосредственный // Новые информационные технологии и системы (НИТиС-2021). Пенза, 24-26 ноября 2021 года : сборник научных статей по материалам XVIII Международной научно-технической конференции. - Пенза : Пензенский государственный университет. - С. 150-155.
8. Современный метод детектирования средств индивидуальной защиты для лица с использованием технического зрения и глубокого машинного обучения / Ларичев Д. В. [и др.]. - Текст : непосредственный // Состояние и перспективы развития современной науки по направлению «Техническое зрение и распознавание образов» : сборник статей II Всероссийской научно-технической конференции. Том 2. Военный инновационный технополис «ЭРА». Анапа : 22 октября 2020 года. - Анапа : Федеральное государственное автономное учреждение «Военный инновационный технополис «ЭРА»», 2020. - С. 183-189.
9. Kulagin M. A., Sidorenko V. G. Predicting the failure of traction electric motors of electric rolling stock of railways using deep neural networks // Russian Electrical Engineering. 2021. Т. 92, № 9. - С. 515-519.
10. Bodnar B., Ochkasov O., Serdiuk V., Ochkasov M. Signal Analysis of the Armature Rotation Irregularities in the Traction Electric Motor by Unsupervised Anomaly Detection Methods. Transport Means 2022 // Proc. of the 26th Intern. Sci. Conf. (05-07 Oct., 2022, Kaunas, Lithuania). Kaunas, 2022. Pt. II. - P. 761-766.
11. Доманов, К. И. Оценка технического состояния тяговых электрических двигателей электровозов серии 2ЭС6 / К. И. Доманов. - Текст : непосредственный // Инновационные проекты и технологии в образовании, промышленности и на транспорте : материалы научной конференции, посвященной Дню российской науки. Омск, 08 февраля 2018 года. - Омск: Омский государственный университет путей сообщения. - С. 338-343.
12. Обухов, А. Д. Организация предиктивного технического обслуживания локомотивов / А. Д. Обухов. - Текст : непосредственный // Труды Ростовского государственного университета путей сообщения. - 2020. - № 4. - С. 86-88.
13. Хромов, И. Ю. Обоснование влияния нарушений режимов эксплуатации на ухудшение технического состояния локомотивов / И. Ю. Хромов. - Текст : непосредственный // Современные технологии. Системный анализ. Моделирование. - 2020. - № 2. - С. 62-68.
14. Диагностика тяговых электродвигателей электроподвижного состава с использованием искусственных нейронных сетей / А. С. Космодамианский, Ю. М. Иньков, И. А. Менщиков, С. И. Баташов. - Текст : непосредственный // Электротехника. - 2022, № 9. - С. 26-34.
15. Sidorenko V. G., Kulagin M. A., Mikhailov S. V. Approach to Predicting Failures of Traction Electric Motors // Russian Electrical Engineering. - 2022. - Т. 93, № 9. - С. 592-595.
16. Анализ состояния существующего технологического процесса ремонта тяговых электродвигателей грузовых электровозов постоянного тока с помощью теории сетевого планирования и управления / В. В. Бублик, О. В. Гателюк, Н. В. Есин [и др.]. - Текст : непосредственный // Транспорт Урала. - 2020. - № 2 (65). - С. 70-74.
17. Проневич, О. Б. Интеллектуальные методы повышения точности прогнозирования редких опасных событий на железнодорожном транспорте / О. Б. Проневич, М. В. Зайцев. - Текст : непосредственный // Надежность. - 2021. - Т. 21. - № 3. - С. 54-64.
18. Гречишников, В. А. Использование квалификационной способности нейронных сетей для определения аварийных режимов в тяговой сети / В. А. Гречишников, Н. Д. Куров, Д. А. Куров. - Текст : непосредственный // Электротехника. - 2020. - № 9. - С. 20-25.
19. Применение методов машинного обучения для прогнозирования опасных отказов объектов железнодорожного пути / И. Б. Шубинский [и др.]. -Текст : непосредственный // Надежность. - 2020. - Т. 20, № 2. - С. 43-53.
20. Альтман, Е. А. Применение алгоритмов компьютерного зрения для детектирования объектов на железнодорожном переезде / Е. А. Альтман, Н. Г. Ананьева, Н. А. Тихонова. - Текст : непосредственный // Известия Транссиба. - 2016. - № 1 (25). - С. 70-76.
21. Вережинская Е. А. Исследование и разработка оптико-электронной системы предотвращения аварийных ситуаций на железнодорожных переездах / Е. А. Вережинская. - Текст : непосредственный // Сборник трудов IV Всероссийского конгресса молодых ученых. Санкт-Петербург, 07-10 апреля 2015 года. - СанктПетербург : Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики, 2015. - С. 72-76.
22. Подходы к оценке качества планирования и управления движением пассажирских поездов метрополитена / Т. А. Искаков, А. И. Сафронов, В. Г. Сидоренко, М. А. Чжо. - Текст : непосредственный // Автоматика на транспорте. - 2020. - Т. 6, № 1. - С. 38-63.
23. Baranov L. A., Balakina E. P., Safronov A. I., Sidorenko V. G. Minimization of energy consumption for urban rapid-transit traction // Russian Electrical Engineering. - 2021. - Т. 92, № 9. - С. 492-498. - DOI: 10.3103/S1068371221090030.
24. Харин О. В., Хомяков С. В., Кулагин М. А., Идиатулин Р. Ф., Зайнуллин С. Ф. Автоматизированная система «Сервис мониторинга смарт-контрактов грузовых перевозок на платформе Распределенный реестр данных». Очередь 2020 г.» (РРД ГП. Очередь 2020) Свидетельство о регистрации программы для ЭВМ 2022614877, 28.03.2022. Заявка № 2022614021 от 21.03.2022.
Рецензия
Для цитирования:
Кулагин М.А., Сидоренко В.Г. Обобщение опыта решения задач предиктивной аналитики на железнодорожном транспорте. Наука и техника транспорта. 2024;(4):55-62. EDN: ANLBHL
For citation:
Kulagin M.A., Sidorenko V.G. Generalisation of Experience in Solving Problems of Predictive Analytics in Railway Transport. Science and Technology in Transport. 2024;(4):55-62. (In Russ.) EDN: ANLBHL
Просмотров:
8
Послать статью по эл. почте 