Повышение эффективности работы автоматизированной системы коммерческого осмотра поездов и вагонов (АСКО ПВ) при помощи искусственного интеллекта

Дата изготовления: май 2025 года. 

Учебное заведение: неизвестно.

Проведен анализ данных по перевозке грузов железнодорожным транспортом за 2021-2024 годы.

Целью выполнения данной работы является исследование повышения эффективности работы автоматизированной системы коммерческого осмотра поездов и вагонов (АСКО ПВ) при помощи искусственного интеллекта.

Введение 5

1 Анализ развития железнодорожного транспорта 7

1.1 Современное состояние и перспективы развития железнодорожного транспорта в Российской Федерации 7

1.2 Организация и технологические аспекты коммерческого осмотра подвижного состава 21

2 Анализ технических средств, используемых для проведения коммерческого осмотра 32

2.1 История развития систем коммерческого осмотра 32

2.2 Обзор существующих программно-технических средств коммерческого осмотра 38

2.2.1 АСКО ПВ 38

2.2.2 Описание комплекса ППСС НИИАС 40

2.2.3 Программно-аппаратный комплекс DUOS RIP 51

2.3 Слабые места (Недостатки) системы АСКО ПВ 56

2.4 Перспективы развития и внедрения новых технологий 60

3 Использование искусственного интеллекта для совершенствования работы АСКО ПВ 66

3.1 История возникновения и развития искусственного интеллекта 66

3.2 Применение машинного зрения 68

3.2.1 Обзор методов искусственного интеллекта 68

3.2.2 Машинное зрение 71

3.2.3 Проектировка модели на базе ИИ 75

3.3 Эффективность предложений 90

Заключение 95

Список использованных источников 96

1 Воробьёв Э. В., Павлов В. Е., Соловьёва А. М. Железные дороги в России [Электронный ресурс] // Большая российская энциклопедия. – Опубл. 5 дек. 2023 г. – Режим доступа: https://bigenc.ru/c/zheleznye-dorogi-v-rossii-a5ad50 (дата обращения: 19.05.2025).

2 ОАО «Российские железные дороги». Официальный сайт [Электронный ресурс]. – Режим доступа: https://www.rzd.ru. – Свободный доступ. – (дата обращения: 15.05.2025).

3 Открытие железнодорожных станций в 2024 году [Электронный ресурс] // Федеральное агентство железнодорожного транспорта (Росжелдор). – Режим доступа: https://rlw.gov.ru/news/document/24570 (дата обращения: 15.05.2025).

4 В 2024 году открыто 240 железнодорожных станций для выполнения грузовых и пассажирских операций [Электронный ресурс] // Транспорт России. – Режим доступа: https://transportrussia.ru/razdely/zheleznodorozhnyj-transport/12110-v-2024-godu-otkryto-240-zheleznodorozhnykh-stantsij-dlya-vypolneniya-gruzovykh-i-passazhirskikh-operatsij.html (дата обращения: 13.05.2025).

5 Железнодорожная инфраструктура России [Электронный ресурс] // Федеральное агентство железнодорожного транспорта (Росжелдор). – Режим доступа: https://rlw.gov.ru/zhd_infratructure (дата обращения: 23.05.2025).

6 Транспорт в России. 2024: статистический сборник [Электронный ресурс] / Федеральная служба государственной статистики (Росстат). – Режим доступа: https://rosstat.gov.ru/storage/mediabank/Transport_2024.htm (дата обращения: 17.05.2025).

7 Определение из п.2.14. «Методики технического нормирования, учёта рабочего парка и времени оборота грузового вагона на инфраструктуре общего пользования» (утв. распоряжением ОАО "РЖД" от 18.08.2015 г. № 2075-р),

8 Доклад о работе железнодорожного транспорта в 2023 году [Электронный ресурс]. – М.: Совет по железнодорожному транспорту государств – участников Содружества, 2024. – 103 с. – Режим доступа: https://www.railsovet.ru/upload/iblock/d0c/9b2tx6i2zwcb4u7x8lsvwuojqs6qh1rd.pdf (дата обращения: 13.05.2025).

9 О перспективах развития железнодорожного транспорта: постановление Совета Федерации Федерального Собрания Российской Федерации от 12 апреля 2023 г. № 156-СФ [Электронный ресурс]. – Режим доступа: http://www.council.gov.ru/activity/documents/144219/ (дата обращения: 12.05.2025).

10 Тенденции в сфере железнодорожных грузоперевозок на 2025 год [Электронный ресурс] // RailContinent.ru. – 2023. – URL: https://www.railcontinent.ru/articles/tendentsii-v-sfere-zheleznodorozhnykh-gruzoperevozok-na-2025-god/ (дата обращения: 08.05.2025).

11 Распоряжение ОАО "РЖД" от 31.12.2019 N 3116/р (ред. от 28.12.2023) "Об утверждении Единого типового технологического процесса коммерческого осмотра вагонов и поездов на железнодорожных станциях"

12 По рельсам цифровой трансформации [Электронный ресурс] // TransportRussia.ru: официальный сайт. – 2024. – URL: https://transportrussia.ru/razdely/it-tekhnologii/11165-po-relsam-tsifrovoj-transformatsii.html (дата обращения: 05.05.2025).

13 Савчук В. Перевозки на сети РЖД в 2024 году: тенденции временные VS постоянные? Прогноз на 2025-й / В. Савчук // XXII Междунар. конф. «Рынок транспортных услуг: взаимодействие и партнёрство». – М.: ИПЕМ, 2024. – 26 с. – Дата выступления: 12.12.2024.

14 Елетина В. Сценарии развития ж/д перевозок на фоне геополитики. Инфографика // РБК. – 2024. – 19 февр. – URL: https://www.rbc.ru/business/19/02/2024/65cf52119a79477fb39a5985 (дата обращения: 30.04.2025).

15 Обзор работы грузового железнодорожного транспорта за 12 месяцев 2024 года // Совет по железнодорожному транспорту государств-участников СНГ. – М.: ИП ООО «ЦИПС», 2025. – 86 с. – Режим доступа: https://www.railsovet.ru/upload/iblock/96d/s12g1snqlot94ejxaq7aqay27x2wm7hy.pdf (дата обращения: 18.05.2025).

16 Миндигулова А. А. Феномен искусственного интеллекта: история возникновения и развития // Социология. – 2023. – № 5. – С. 235–244. – URL: https://cyberleninka.ru/article/n/fenomen-iskusstvennogo-intellekta-istoriya-vozniknoveniya-i-razvitiya/viewer (дата обращения: 13.05.2025).

17 Миндигулова А. А. Этика и искусственный интеллект: проблемы и противоречия // Медицина. Социология. Философия. Прикладные исследования. – 2022. – № 3. – С. 146–150.

18 Есенин Р. А. Психологические вызовы цифровой реальности: искусственный интеллект сегодня и в перспективе // Профессиональное образование и рынок труда. – 2023. – Т. 11, № 2 (53). – С. 121–128. – DOI: 10.52944/PORT.2023.53.2.009.

19 Ultralytics Inc. Лицензионное соглашение на корпоративное программное обеспечение [Электронный ресурс]. – URL: https://www.ultralytics.com/ru/legal/enterprise-software-license (дата обращения: 01.05.2025).

20 Белова Л. Методы искусственного интеллекта: особенности каждого подхода // Информатика. – 2023. – 17 ноября. – URL: https://mitm.institute/journal--informatika--metody-iskusstvennogo-intellekta-osobennosti-kazhdogo-podhoda (дата обращения:11.05.2025).

21 Чаусов М. Что такое машинное зрение и как его можно использовать? [Электронный ресурс] // Блог компании «Пром-Макт». – 2024. – 31 декабря. – URL: https://prom-mact.ru/blog/o-nashikh-tovarakh/chto-takoe-mashinnoe-zrenie-i-kak-ego-mozhno-ispolzovat-mch-PAoo-1/ (дата обращения: 23.05.2025).

22 Зачем нужны системы машинного зрения? [Электронный ресурс] // VisionMachines. – URL: https://visionmachines.ru/articles/s_chego_nachat/zachem_nuzhny_sistemy_mashinnogo_zreniya/ (дата обращения: 11.05.2025).

23 Boesch G. YOLOv7: A Powerful Object Detection Algorithm [Электронный ресурс] // Viso.ai. – 2023. – 21 ноября. – URL: https://viso.ai/deep-learning/yolov7-guide/ (дата обращения: 30.04.2025).

24 Гинсбург И. Распознавание объектов с помощью YOLO v3 на TensorFlow 2.0 [Электронный ресурс] // Proglib.io. – 2020. – 8 ноября. – URL: https://proglib.io/p/raspoznavanie-obektov-s-pomoshchyu-yolo-v3-na-tensorflow-2-0-2020-11-08 (дата обращения: 14.05.2025).

25 AbellAI. Как работает Object Tracking на YOLO и DeepSort [Электронный ресурс] // Habr. – 2020. – 9 августа. – URL: https://habr.com/ru/articles/514450/ (дата обращения: 21.05.2025).

26 DataSecrets. История YOLO – самой известной архитектуры компьютерного зрения [Электронный ресурс] // Habr. – 2024. – 11 декабря. – URL: https://habr.com/ru/articles/865834/ (дата обращения: 11.05.2025).

27 Лукашевич М. М. Цифровая обработка изображений и распознавание образов : пособие / М. М. Лукашевич. – Минск : БГУИР, 2023. – 72 с.

28 Бурень М. Н. Обзор возможностей YOLO v8 в рамках решения задачи распознавания изображений // 60-я юбилейная научная конференция аспирантов, магистрантов и студентов БГУИР. – Минск : БГУИР, 2023. – С. 28–29. – URL: https://libeldoc.bsuir.by/bitstream/123456789/56968/1/Buren_Obzor_vozmozhnostej.pdf (дата обращения: 05.05.2025).

29 Хусаинов Р. М., Талипов Н. Г., Катасёв А. С., Шалаева Д. В. Интеллектуальная система анализа транспортных потоков в автоматизированных системах управления дорожным движением // Программные продукты и системы. – 2024. – № 1. – С. 69–76. – DOI: 10.15827/0236-235X.145.069-076. – URL: https://cyberleninka.ru/article/n/intellektualnaya-sistema-analiza-transportnyh-potokov-v-avtomatizirovannyh-sistemah-upravleniya-dorozhnym-dvizheniem/viewer (дата обращения: 12.05.2025).

30 Интеллектуальная система анализа транспортных потоков в автоматизированных системах управления дорожным движением [Электронный ресурс] // Официальный сайт Усть-Таркского района Новосибирской области. – URL: https://ust-tarka.nso.ru/news/9096 (дата обращения: 11.05.2025).

31 McKinsey Global Institute. The state of AI in 2021 [Электронный ресурс] // McKinsey & Company. – 2021. – URL: https://www.mckinsey.com/capabilities/quantumblack/our-insights/global-survey-the-state-of-ai-in-2021 (дата обращения: 15.05.2025).

32 Балицкая И. ChatGPT: перспективы искусственного интеллекта в логистике [Электронный ресурс] // Trans.INFO. – 2023. – 29 сентября. – URL: https://trans.info/ru/chatgpt-perspektivyi-iskusstvennogo-intellekta-v-logistike-366040 (дата обращения: 29.04.2025)

33 Единый типовой технологический процесс коммерческого осмотра вагонов и поездов на железнодорожных станциях : утв. распоряжением ОАО «РЖД» от 31 декабря 2019 г. № 3116/р ; в ред. распоряжений ОАО «РЖД» от 08.12.2021 № 2762/р, от 09.03.2023 № 521/р.

34 Cognitive Pilot. Cognitive Tram Pilot – система автоматического вождения трамвая [Электронный ресурс] // Cognitive Pilot. – URL: https://cognitivepilot.com/products/cognitive-tram-pilot/ (дата обращения: 11.05.2025).

35 Группа компаний «ВИС». Проекты. – URL: https://vis-group.ru/projects/ (дата обращения: 21.05.2025)

36 Элтекс Солюшенс. Системы управления Eltex [Электронный ресурс] // Eltexsl.ru. – URL: https://eltexsl.ru/products/sistemy-upravleniya/ (дата обращения: 30.04.2025)

37 Ultralytics. YOLOv8 Documentation [Электронный ресурс]. — URL: https://docs.ultralytics.com (дата обращения: 11.05.2025).

38 Yandex.Cloud. Что такое компьютерное зрение и как оно работает [Электронный ресурс]. — URL: https://yandex.cloud/ru/blog/posts/2022/05/computer-vision (дата обращения: 12.05.2025)

39 Bochkovskiy A., Wang C.-Y., Liao H.-Y. M. YOLOv4: Optimal Speed and Accuracy of Object Detection [Электронный ресурс] // arXiv. – 2020. – arXiv:2004.10934. – URL: https://arxiv.org/abs/2004.10934 (дата обращения: 02.05.2025).

40 Shah, A., Kumar, P., & Kim, J. Benchmarking YOLOv8 for Optimal Crack Detection in Civil Infrastructure [Электронный ресурс] // arXiv preprint arXiv:2501.06922. – Режим доступа: https://arxiv.org/abs/2501.06922, свободный. (дата обращения: 07.05.2025).