Общество

ОАО «РЖД» разрабатывает прототип цифрового помощника для управления сортировочной станцией

По итогам эксперимента прототип предиктивной модели продемонстрировал хорошую предсказательную силу
Последующее обучение искусственного интеллекта на основании большего количества данных позволит улучшить качество этой модели

Последующее обучение искусственного интеллекта на основании большего количества данных позволит улучшить качество этой модели

Фото: Алексей БУЛАТОВ

ОАО «РЖД» испытало прототип цифрового помощника для маневрового диспетчера на базе технологии искусственного интеллекта. Об этом рассказал директор по информационным технологиям ОАО «РЖД» Евгений Чаркин, выступая на онлайн-конференции BIG DATA&AI CONFERENCE.

– В прошлом году мы утвердили масштабную стратегию цифровой трансформации «РЖД», разрабатываем и внедряем восемь цифровых платформ по всем направлениям деятельности: клиентские сервисы, производственный процесс и другие. В их основу положены несколько «сквозных» технологий, в том числе и искусственный интеллект, – рассказал Евгений Чаркин.

В частности, с использованием технологий искусственного интеллекта ведется разработка проектов «технического зрения» для управления беспилотным транспортом, комплексных систем диагностики состояния объектов инфраструктуры, а также сервисов по интеллектуальной поддержке принятия решений в управлении перевозками.

– В этом году мы рассчитываем увидеть конкретный практический эффект от внедрения проектов на базе искусственного интеллекта, – отметил Евгений Чаркин.

По его словам, в ходе пилотного проекта была опробована возможность применения искусственных нейронных сетей для планирования работы железнодорожной сортировочной станции. В качестве площадки для проведения исследования была выбрана сортировочная станция Челябинск-Главный, а в экспертную группу проекта вошли сотрудники станции, технологи, инженеры и ИТ-специалисты.

Была построена модель данных, учитывающая временные затраты на проведение технологических мероприятий на станции, инфраструктурные ограничения, очередность подвода поездов и распределения подвижного состава по путям станции. На основании этих данных модель давала рекомендации о порядке роспуска составов с сортировочной горки с учетом сокращения времени простоя вагонов и увеличения количества расформированных составов, выступая в качестве прототипа интеллектуального сервиса принятия решений маневровым диспетчером.

По итогам эксперимента прототип предиктивной модели продемонстрировал хорошую предсказательную силу, обеспечивая такой порядок роспуска составов, при котором время простоя вагона в среднем снижалось более чем на 20%. Последующее обучение искусственного интеллекта на основании большего количества данных позволит улучшить качество этой модели и использовать ее в дальнейшем для повышения эффективности работы станций.

– Мы ставили задачу на текущем этапе создать прототип и проверить ряд гипотез. Если посмотреть чуть дальше – можно сделать ряд интересных предположений на перспективу. Фактически у «Российских железных дорог» появится альтернатива – при увеличении объемов перевозок по сети можно будет инвестировать средства не в соответствующее развитие производственных мощностей, а в разработку и внедрение подобных рекомендательных сервисов, позволяющих существующим активам работать намного продуктивнее. В этом плане мы можем получить серьезный позитивный эффект, – подчеркнул Евгений Чаркин.