Россия
Россия
УДК 656.078.12 Координация перевозок между различными видами транспорта
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.
Мультимодальные перевозки, базы знаний, онтологии, управление грузопотоками, цифровая трансформация
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.