ОНТОЛОГИЧЕСКИЙ ПОДХОД К РАЗРАБОТКЕ ЕДИНОЙ БАЗЫ ЗНАНИЙ МУЛЬТИМОДАЛЬНЫХ ПЕРЕВОЗОК
Аннотация и ключевые слова
Аннотация (русский):
Цель: В рамках проводимой цифровой трансформации транспортного комплекса в целом и железнодорожного транспорта в частности дать краткую аналитическую характеристику создаваемых цифровых платформ и сервисов. Рассмотреть перспективные технологии, находящиеся либо на стадии запуска, либо на пути к пику завышенных ожиданий согласно циклу технологического хайпа исследовательской компании Gartner. Привести пример единой базы знаний как основы цифровой платформы мультимодальных перевозок. Методы: Применялись методы визуального структурирования информации, в частности ментальные карты (интеллект-карты). Для представления онтологии предметной области использовалась семантическая сеть как метод представления знаний. Результаты: Проведенный анализ разрабатываемых и существующих цифровых платформ и сервисов показал, что в их основе, помимо данных, должны лежать более сложные информационные единицы — активные знания. Для этого необходим метод интеграции данных из разрозненных источников, их интеграции и циркуляции как внутри одной отрасли, так и между различными отраслями с целью генерации и распространения знаний. С учетом специфики работы различных видов транспорта, участвующих в мультимодальных перевозках, для этого должна быть выбрана предметная область, объединяющая все виды транспорта. Обосновано применение предметной области «перевозка груза», в силу чего на железнодорожном транспорте необходимо создание системы управления грузопотоками. Разработан фрагмент онтологии, описывающей домен «перевозка грузов» для железнодорожного транспорта. Практическая значимость: Показана необходимость применения активных знаний для создания автономных интеллектуальных производств на транспорте. Использование баз знаний на основе онтологий позволит повысить уровень взаимодействия различных видов транспорта в «узких» местах при перевалке груза, а также расширить спектр предоставляемых клиентам услуг.

Ключевые слова:
Мультимодальные перевозки, базы знаний, онтологии, управление грузопотоками, цифровая трансформация
Список литературы

1. Программа «Цифровая экономика Российской Федерации», утвержденная распоряжением Правительства Российской Федерации от 28 июля 2017 г. № 1632-р. - URL: http://static.government.ru/media/files/ 9gFM4FHj4PsB79I5v7yLVuPgu4bvR7M0.pdf.

2. Паспорт Стратегии цифровой трансформации транспортной отрасли Российской Федерации. - URL: https://mintrans.gov.ru /activities/297/documents.

3. Бадецкий А. П. Оптимизация распределения контейнеропотоков на направлении Китай - Европейский союз / А. П. Бадецкий, А. Н. Деревянко // Russian Journal of Logistics & Transport Management - 2020. - Т. 5. - № 1. - С. 69-86.

4. Лапидус Б. М. Гладкая бесшовная транспортная система как инструмент повышения конкурентоспособности железнодорожного транспорта / Б. М. Лапидус, Л. В. Лапидус // Экономика железных дорог. - 2016. - № 10. - С. 27-37.

5. Лапидус Б. М. Гладкая бесшовная транспортная система - инновационная модель будущего: природа, сущность, детерминанты качества / Б. М. Лапидус, Л. В. Лапидус // Вестник Московского университета. Серия 6: Экономика. - 2017. - № 2. - С. 45-64.

6. Кобзев С. А. Бережливая киберфизическая производственная система транспортной компании / С. А. Кобзев // Железнодорожный транспорт. - 2020. - № 9. - С. 4-13.

7. Hubauer T. et al. Use Cases of the Industrial Knowledge Graph at Siemens / T. Hubauer et al. // International Semantic Web Conference (P & D/Industry/BlueSky). - 2018.

8. Перспективы использования технологии блокчейн в организации железнодорожных перевозок: информационно-аналитический обзор. - Eurasian Rail Alliance Index (ERAI). - 2018. - 23 c.

9. Сергеев В. И. Применение инновационной технологии «Блокчейн» в логистике и управлении цепями поставок / В. И. Сергеев, Д. И. Кокурин // Креативная экономика. - 2018. - Т. 12. - № 2 - С. 125-140.

10. Муромцев Д. И. Индустриальные графы знаний - интеллектуальное ядро цифровой экономики / Д. И. Муромцев, А. А. Романов, Д. Г. Волчек // Control Engineering Россия. - 2019. - № 5(83). - С. 32-39.

11. Berners-Lee T. The Semantic Web / T. Berners-Lee, J. Hendler, O. Lassila // Scientific American. - May 17, 2001.

12. Studer R., Benjamins R., Fensel D. Knowledge Engineering: Principles and Methods / R. Studer, R. Benjamins, D. Fensel // Data and Knowledge Engineering. - 1998. - Iss. 25(1-2). - Pp. 161-197.

13. Клепов А. В. Отраслевые модели онтологии ИСУЖТ / А. В. Клепов // Интеллектуальные системы управления на железнодорожном транспорте. Компьютерное и математическое моделирование (ИСУЖТ-2017): труды восьмой научно-технической конференции. - М.: НИИАС, 2017. - С. 43-45.

14. Клепов А. В. Онтология ИСУЖТ / А. В. Клепов, В. А. Броневицкий, Н. И. Капустин // Интеллектуальные системы управления на железнодорожном транспорте. Компьютерное и математическое моделирование (ИСУЖТ-2018): труды восьмой научно-технической конференции. - М.: НИИАС, 2018. - С. 16-20.

15. Матюхин В. Г. О текущем состоянии проекта ИСУЖТ и реализации технологии интервального регулирования на его платформе / В. Г. Матюхин, В. И. Уманский, А. Б. Шабунин // Интеллектуальные системы управления на железнодорожном транспорте. Компьютерное и математическое моделирование (ИСУЖТ-2019): труды восьмой научно-технической конференции. - М.: НИИАС, 2019. - С. 3-7.

16. Лазуткина В. С. Онтологии больших данных, машинного обучения, и искусственного интеллекта на цифровой железной дороге / В. С. Лазуткина, А. А. Климов, В. П. Куприяновский и др. // International Journal of Open Information Technologies. - 2019. - Т. 7. - Вып. 5. - С. 75-88.

17. Климов А. А. BIM и инженерные формализованные онтологии на цифровой железной дороге Европы в объединении EULYNX - экономика данных / А. А. Климов, В. П. Куприяновский, А. В. Степаненко и др. // International Journal of Open Information Technologies. - 2018. - Т. 6. - Вып. 8. - С. 38-65.

18. Бадецкий А. П. Оптимизация скорости доставки грузов на основе управления адаптивным планом формирования поездов / А. П. Бадецкий // Железнодорожный транспорт. - 2017. - № 3. - С. 51-53.

19. Badetskii A. P. Improving the Stability of the Train Formation Plan to Uneven Operational Work / A. P. Badetskii, O. A. Medved // Transportation Research Procedia, Novosibirsk, 25-29 May, 2020. - Novosibirsk, 2021. - Pp. 559-567. - DOI:https://doi.org/10.1016/j.trpro.2021.02.108.

20. Бадецкий А. П. Перспективные технологии адаптивного управления грузопотоками / А. П. Бадецкий // Логистика: современные тенденции развития: материалы XIX Международной научно-технической конференции. - СПб., 2020. - С. 39-44.

21. Осьминин А. Т. Научное решение проблем перевозочного процесса / А. Т. Осьминин // Железнодорожный транспорт. - 2018. - № 12. - С. 12-17.

22. Осьминин А. Т. Увеличение пропускных и провозных способностей за счет повышения эффективности перевозочного процесса и транспортного обслуживания / А. Т. Осьминин // Бюллетень Объединенного ученого совета ОАО «РЖД». - 2018. - № 2. - С. 14-31.

23. Осьминин А. Т. Реинжиниринг модели управления перевозками / А. Т. Осьминин // РЖД-Партнер. - 2020. - № 1-2. - С. 46-49.

24. Бадецкий А. П. Применение методов искусственного интеллекта для управления грузопотоками в мультимодальном сообщении / А. П. Бадецкий // Бюллетень Объединенного ученого совета ОАО «РЖД». - 2021. - № 1. - С. 38-46.

25. Бадецкий А. П. Управление в политранспортных системах на основе методов искусственного интеллекта / А. П. Бадецкий // Развитие инфраструктуры и логистических технологий в транспортных системах (РИЛТТРАНС-2021): труды четвертой Международной научно-практической конференции. - СПб.: ПГУПС, 2022. - Ч. 1. - С. 3-12.

Войти или Создать
* Забыли пароль?