Russian Federation
Russian Federation
Russian Federation
Russian Federation
Objective: to characterize the features and prospects of using big data tools and technologies in the management of the transportation process on railways. Methods: neural network modeling, system analysis, forecasting, programming, big data, predictive analytics. Results: a datalogical model of entities for storing up-to-date data on cargo flows is proposed, and a structure for building a system for accumulating information is proposed. In addition, the paper examines the applied issues of solving the problems of storing, receiving and processing data using big data methods. Practical significance: Improving the management of railway transportation processes in the context of digital transformation in terms of obtaining more accurate forecasts.
big data, cargo flows, predictive analytics, digitalization, forecast, neural network model
1. Podhalyuzina V. A. Analiz sostoyaniya zheleznodorozhnogo transporta v Rossii // Ekonomika i socium. 2014. № 2–3 (11) [Elektronnyy resurs]. URL: https://cyberleninka.ru/article/n/ analiz-sostoyaniya-zheleznodorozhnogo-transporta-v-rossii (data obrascheniya: 17.01.2024).
2. Rogushina Yu. V. Razrabotka ontologicheskoy modeli informacionnoy potrebnosti pol'zovatelya pri semanticheskom poiske // Ontologiya proektirovaniya. 2014. № 2 (12) [Elektronnyy resurs]. URL: https://cyberleninka.ru/article/n/razrabotka-ontologicheskoy-modeli-informatsionnoypotrebnosti- polzovatelya-pri-semanticheskom-poiske (data obrascheniya: 17.01.2024).
3. Vlasov A. I., Podorin A. A., Malevanyy A. Yu. i dr. Analiz vizual'nyh modeley tehnologii bol'shih dannyh pri monitoringe perevozochnogo processa na osnove hranilischa reysov gruzovyh vagonov // Sovremennye tehnologii. Sistemnyy analiz. Modelirovanie. 2020. № 3 (67) [Elektronnyy resurs]. URL: https://cyberleninka.ru/article/n/analiz-vizualnyh-modeleytehnologii- bolshih-dannyh-pri-monitoringe-perevozochnogo-protsesa-na-osnove-hranilischareysov- gruzovyh (data obrascheniya: 17.01.2024).
4. Kravchenko V. O., Kryukova A. A. Bol'shie dannye — prakticheskie aspekty i osobennosti // Academy. 2016. № 6 (9) [Elektronnyy resurs]. URL: https://cyberleninka.ru/article/n/ bolshie-dannye-prakticheskie-aspekty-i-osobennosti (data obrascheniya: 17.01.2024).
5. Moskat N. A. Metody povysheniya effektivnosti avtomatizirovannoy sistemy operativnogo upravleniya na zheleznodorozhnom transporte // IVD. 2018. № 1 (48) [Elektronnyy resurs]. URL: https://cyberleninka.ru/article/n/metody-povysheniya-effektivnostiavtomatizirovannoy- sistemy-operativnogo-upravleniya-na-zheleznodorozhnom-transporte (data obrascheniya: 15.01.2024).
6. Groshev G. M., Klimova N. V., Sugorovskiy A. V. i dr. Avtomatizaciya informacionnogo obespecheniya nezavisimyh uchastnikov mul'timodal'nyh perevozok konteynerov v morskoy port v transportnom uzle // Avtomatika na transporte. 2018. № 3 [Elektronnyy resurs]. URL: https://cyberleninka.ru/article/n/avtomatizatsiya-informatsionnogo-obespecheniyanezavisimyh uchastnikov-multimodalnyh-perevozok-konteynerov-v-morskoy-port-v (data obrascheniya: 17.01.2024).
7. Arhipova E. S. Rol' obrabotki bol'shih dannyh v upravlenii sovremennym predpriyatiem // Ogarev-Online. 2019. № 7 (128) [Elektronnyy resurs]. URL: https://cyberleninka.ru/ article/n/rol-obrabotki-bolshih-dannyh-v-upravlenii-sovremennym-predpriyatiem (data obrascheniya: 17.01.2024).
8. Maloveckaya E. V., Kozlovskiy A. P. Analiz modeley i principov sistemnogo modelirovaniya pri postroenii prognoznyh modeley pogruzki gruzov // International Journal of Open Information Technologies. 2020. № 12 [Elektronnyy resurs]. URL: https://cyberleninka. ru/article/n/analiz-modeley-i-printsipov-sistemnogo-modelirovaniya-pri-postroenii-prognoznyhmodeley- pogruzki-gruzov (data obrascheniya: 17.01.2024).
9. Nazarenko Yu. L. Obzor tehnologii «bol'shie dannye» (big data) i programmno-apparatnyh sredstv, primenyaemyh dlya ih analiza i obrabotki // European science. 2017. № 9 (31) [Elektronnyy resurs]. URL: https://cyberleninka.ru/article/n/obzor-tehnologii-bolshie-dannye-big-data-i-programmnoapparatnyh- sredstv-primenyaemyh-dlya-ih-analiza-i-obrabotki (data obrascheniya: 17.01.2024).
10. Menschikov A. A., Perfil'ev V. E., Fedosenko M. Yu. i dr. Osnovnye problemy ispol'zovaniya bol'shih dannyh v sovremennyh informacionnyh sistemah // Stolypinskiy vestnik. 2022. № 1 [Elektronnyy resurs]. URL: https://cyberleninka.ru/article/n/osnovnyeproblemy- ispolzovaniya-bolshih-dannyh-v-sovremennyh-informatsionnyh-sistemah (data obrascheniya: 17.01.2024).
11. Pugachev S. V., Homonenko A. D., Yarmolinskiy F. A. O razrabotke informacionnoy sistemy gruzoperevozok OAO «RZhD» na osnove bezopasnoy integracii prilozheniy // Intellektual'nye tehnologii na transporte. 2023. № 1 (33) [Elektronnyy resurs]. URL: https://cyberleninka.ru/article/n/o-razrabotke-informatsionnoy-sistemy-gruzoperevozok-oao-rzhdna- osnove-bezopasnoy-integratsii-prilozheniy (data obrascheniya: 17.01.2024).
12. Kravchenko M. V., Nikitin A. S., Spiridonov S. I. Ob unifikacii obmena dannymi mezhdu raznorodnymi sredstvami i sistemami v edinom informacionnom prostranstve // I-methods. 2020. № 2 [Elektronnyy resurs]. URL: https://cyberleninka.ru/article/n/ob-unifikatsiiobmena dannymi-mezhdu-raznorodnymi-sredstvami-i-sistemami-v-edinom-informatsionnomprostranstve (data obrascheniya: 17.01.2024).
13. Plyasova S. V., Kalinin A. R., Zelenkina E. V. Big data kak ob'ekt ocenki // Imuschestvennye otnosheniya v RF. 2022. № 1 (244) [Elektronnyy resurs]. URL: https://cyberleninka.ru/ article/n/bigdata-kak-obekt-otsenki (data obrascheniya: 17.01.2024).
14. Akimov A. E. Bol'shie dannye, iskusstvennyy intellekt i oblachnye tehnologii: cifrovizaciya zheleznyh dorog // Innovacii i investicii. 2023. № 3. [Elektronnyy resurs]. URL: https://cyberleninka.ru/article/n/bolshie-dannye-iskusstvennyy-intellekt-i-oblachnyetehnologii- tsifrovizatsiya-zheleznyh-dorog (data obrascheniya: 17.01.2024).
15. Interaktivnyy avtoinformator dlya klientov zheleznodorozhnogo transporta [Rukois'] : vyp. kvalif. rab. ... step. mgs. / F. A. Yarmolinskiy ; nauchnyy rukovoditel' S. V. Puga- chev ; rec. A. N. Gorkunov ; FGBOU VO PGUPS, kafedra IVS. 2023. 147 s. 23 s.
16. Kurenkov P. V., Kotlyarenko A. F. Vneshnetorgovye perevozki v smeshannom soobschenii: ekonomika, logistika, upravlenie. Samara: SamGAPS, 2003. 636 s.
17. Kurenkov P. V. Material'nye potoki v makrologisticheskih sistemah: sistematizaciya i klassifikaciya // Transport: nauka, tehnika, upravlenie. 2019. № 7. S. 21–26.
18. Kurenkov P. V., Davydov S. V., Bolgova Yu. S. Camarskiy centr konsolidacii gruzopotokov v sisteme mezhdunarodnyh transportnyh koridorov // Logistika segodnya. 2007. № 5. S. 312–322.
19. Kurenkov P. V., Bagimov A. V. Vzaimodeystvie otpraviteley i poluchateley kamennogo uglya pri eksportnyh perevozkah v smeshannom soobschenii // Materialy mezhdunarodnogo nauchno-obrazovatel'nogo foruma. Burgas: 2014. № 1 (5). S. 258–265.
20. Kurenkov P. V., Solov'eva L. V. Izderzhki vzaimodeystviya kompaniy-operatorov i OAO «RZhD» // Materialy mezhdunarodnogo nauchno-obrazovatel'nogo foruma. Burgas: 2014. № 1 (5). S. 266–275.
21. Kurenkov P. V., Solov'eva L. V. Logisticheskie izderzhki vzaimodeystviya kompaniy operatorov i OAO «RZhD» // Logistika. 2014. № 4 (89). S. 24–27.
22. Kurenkov P. V., Solop I. A., Chebotareva E. A. i dr. Ocenka vypolneniya srokov dostavki gruzov na yuge Rossii // Ekonomika zheleznyh dorog. 2023. № 7. S. 13–25.
23. Solop I. A., Chebotareva E. A. Prichinno-sledstvennyy analiz vypolneniya nadezhnosti dostavki gruzov zheleznodorozhnym transportom v adres potrebiteley Yuzhnogo regiona i portov Azovo-Chernomorskogo basseyna // IVD. 2018. № 3 (50) [Elektronnyy resurs]. URL: https://cyberleninka.ru/article/n/prichinno-sledstvennyy-analiz-vypolneniya-nadezhnostidostavkigruzov-zheleznodorozhnym-transportom-v-adres-potrebiteley-yuzhnogo (data obrascheniya: 17.01.2024).
24. Sistema upravleniya oknami [Elektronnyy resurs]. URL: https://niias.ru/products-andservices/ products/asu/avtomatizirovannaya-sistema-planirovanie-uchet-i-analiz-provedeniya-okoni- vypolneniya-khozyaystvenn/?ysclid=lrj4m2iauo361494077 (data obrascheniya: 17.01.2024).