Generalisation of Experience in Solving Problems of Predictive Analytics in Railway Transport
EDN: ANLBHL
Abstract
The purpose of the article is to synthesize the hierarchy of predictive analytics models implemented for objects and entities operating in Russian Railways. The synthesis of a semantic network of models, the apex of which is a meta-ontology based on ontologies of subject areas and applied ontologies applicable to railway transport, has been performed. Examples are given confirming the feasibility of the proposed hierarchy.
About the Authors
M. A. Kulagin
Российский университет транспорта (РУТ (МИИТ)); Акционерное общество «Научно-исследовательский институт железнодорожного транспорта» (АО «ВНИИЖТ»)
Russian Federation
Russian Federation
V. G. Sidorenko
Российский университет транспорта (РУТ (МИИТ))
Russian Federation
Russian Federation
References
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.
Review
For citations:
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
Views:
7
Email this article 