Россия
Россия
Россия
Россия
Цель: охарактеризовать особенности и перспективы использования инструментария и технологий больших данных в управлении перевозочным процессом на железных дорогах. Методы: нейросетевое моделирование, системный анализ, прогнозирование, программирование, большие данные, предиктивная аналитика. Результаты: предложена даталогическая модель сущностей для хранения актуальных данных по грузопотокам, предложена структура построения системы для накопления информации. Кроме того, в работе изучаются прикладные вопросы решения проблем хранения, получения и обработки данных при использовании методов big data. Практическая значимость: улучшение процесса управления процессами перевозок на железнодорожном транспорте в условиях цифровой трансформации в части получения более точных прогнозов.
big data, грузопотоки, предиктивная аналитика, цифровизация, прогноз, нейросетевая модель
1. Подхалюзина В. А. Анализ состояния железнодорожного транспорта в России // Экономика и социум. 2014. № 2–3 (11) [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/ analiz-sostoyaniya-zheleznodorozhnogo-transporta-v-rossii (дата обращения: 17.01.2024).
2. Рогушина Ю. В. Разработка онтологической модели информационной потребности пользователя при семантическом поиске // Онтология проектирования. 2014. № 2 (12) [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/razrabotka-ontologicheskoy-modeli-informatsionnoypotrebnosti- polzovatelya-pri-semanticheskom-poiske (дата обращения: 17.01.2024).
3. Власов А. И., Подорин А. А., Малеваный А. Ю. и др. Анализ визуальных моделей технологии больших данных при мониторинге перевозочного процесса на основе хранилища рейсов грузовых вагонов // Современные технологии. Системный анализ. Моделирование. 2020. № 3 (67) [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/analiz-vizualnyh-modeleytehnologii- bolshih-dannyh-pri-monitoringe-perevozochnogo-protsesa-na-osnove-hranilischareysov- gruzovyh (дата обращения: 17.01.2024).
4. Кравченко В. О., Крюкова А. А. Большие данные — практические аспекты и особенности // Academy. 2016. № 6 (9) [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/ bolshie-dannye-prakticheskie-aspekty-i-osobennosti (дата обращения: 17.01.2024).
5. Москат Н. А. Методы повышения эффективности автоматизированной системы оперативного управления на железнодорожном транспорте // ИВД. 2018. № 1 (48) [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/metody-povysheniya-effektivnostiavtomatizirovannoy- sistemy-operativnogo-upravleniya-na-zheleznodorozhnom-transporte (дата обращения: 15.01.2024).
6. Грошев Г. М., Климова Н. В., Сугоровский А. В. и др. Автоматизация информационного обеспечения независимых участников мультимодальных перевозок контейнеров в морской порт в транспортном узле // Автоматика на транспорте. 2018. № 3 [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/avtomatizatsiya-informatsionnogo-obespecheniyanezavisimyh uchastnikov-multimodalnyh-perevozok-konteynerov-v-morskoy-port-v (дата обращения: 17.01.2024).
7. Архипова Е. С. Роль обработки больших данных в управлении современным предприятием // Огарёв-Online. 2019. № 7 (128) [Электронный ресурс]. URL: https://cyberleninka.ru/ article/n/rol-obrabotki-bolshih-dannyh-v-upravlenii-sovremennym-predpriyatiem (дата обращения: 17.01.2024).
8. Маловецкая Е. В., Козловский А. П. Анализ моделей и принципов системного моделирования при построении прогнозных моделей погрузки грузов // International Journal of Open Information Technologies. 2020. № 12 [Электронный ресурс]. URL: https://cyberleninka. ru/article/n/analiz-modeley-i-printsipov-sistemnogo-modelirovaniya-pri-postroenii-prognoznyhmodeley- pogruzki-gruzov (дата обращения: 17.01.2024).
9. Назаренко Ю. Л. Обзор технологии «большие данные» (big data) и программно-аппаратных средств, применяемых для их анализа и обработки // European science. 2017. № 9 (31) [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/obzor-tehnologii-bolshie-dannye-big-data-i-programmnoapparatnyh- sredstv-primenyaemyh-dlya-ih-analiza-i-obrabotki (дата обращения: 17.01.2024).
10. Менщиков А. А., Перфильев В. Э., Федосенко М. Ю. и др. Основные проблемы использования больших данных в современных информационных системах // Столыпинский вестник. 2022. № 1 [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/osnovnyeproblemy- ispolzovaniya-bolshih-dannyh-v-sovremennyh-informatsionnyh-sistemah (дата обращения: 17.01.2024).
11. Пугачев С. В., Хомоненко А. Д., Ярмолинский Ф. А. О разработке информационной системы грузоперевозок ОАО «РЖД» на основе безопасной интеграции приложений // Интеллектуальные технологии на транспорте. 2023. № 1 (33) [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/o-razrabotke-informatsionnoy-sistemy-gruzoperevozok-oao-rzhdna- osnove-bezopasnoy-integratsii-prilozheniy (дата обращения: 17.01.2024).
12. Кравченко М. В., Никитин А. С., Спиридонов С. И. Об унификации обмена данными между разнородными средствами и системами в едином информационном пространстве // I-methods. 2020. № 2 [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/ob-unifikatsiiobmena dannymi-mezhdu-raznorodnymi-sredstvami-i-sistemami-v-edinom-informatsionnomprostranstve (дата обращения: 17.01.2024).
13. Плясова С. В., Калинин А. Р., Зеленкина Е. В. Big data как объект оценки // Имущественные отношения в РФ. 2022. № 1 (244) [Электронный ресурс]. URL: https://cyberleninka.ru/ article/n/bigdata-kak-obekt-otsenki (дата обращения: 17.01.2024).
14. Акимов А. Е. Большие данные, искусственный интеллект и облачные технологии: цифровизация железных дорог // Инновации и инвестиции. 2023. № 3. [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/bolshie-dannye-iskusstvennyy-intellekt-i-oblachnyetehnologii- tsifrovizatsiya-zheleznyh-dorog (дата обращения: 17.01.2024).
15. Интерактивный автоинформатор для клиентов железнодорожного транспорта [Рукоись] : вып. квалиф. раб. ... степ. мгс. / Ф. А. Ярмолинский ; научный руководитель С. В. Пуга- чев ; рец. А. Н. Горкунов ; ФГБОУ ВО ПГУПС, кафедра ИВС. 2023. 147 с. 23 с.
16. Куренков П. В., Котляренко А. Ф. Внешнеторговые перевозки в смешанном сообщении: экономика, логистика, управление. Самара: СамГАПС, 2003. 636 с.
17. Куренков П. В. Материальные потоки в макрологистических системах: систематизация и классификация // Транспорт: наука, техника, управление. 2019. № 7. С. 21–26.
18. Куренков П. В., Давыдов С. В., Болгова Ю. С. Cамарский центр консолидации грузопотоков в системе международных транспортных коридоров // Логистика сегодня. 2007. № 5. С. 312–322.
19. Куренков П. В., Багимов А. В. Взаимодействие отправителей и получателей каменного угля при экспортных перевозках в смешанном сообщении // Материалы международного научно-образовательного форума. Бургас: 2014. № 1 (5). С. 258–265.
20. Куренков П. В., Соловьева Л. В. Издержки взаимодействия компаний-операторов и ОАО «РЖД» // Материалы международного научно-образовательного форума. Бургас: 2014. № 1 (5). С. 266–275.
21. Куренков П. В., Соловьева Л. В. Логистические издержки взаимодействия компаний операторов и ОАО «РЖД» // Логистика. 2014. № 4 (89). С. 24–27.
22. Куренков П. В., Солоп И. А., Чеботарева Е. А. и др. Оценка выполнения сроков доставки грузов на юге России // Экономика железных дорог. 2023. № 7. С. 13–25.
23. Солоп И. А., Чеботарева Е. А. Причинно-следственный анализ выполнения надежности доставки грузов железнодорожным транспортом в адрес потребителей Южного региона и портов Азово-Черноморского бассейна // ИВД. 2018. № 3 (50) [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/prichinno-sledstvennyy-analiz-vypolneniya-nadezhnostidostavkigruzov-zheleznodorozhnym-transportom-v-adres-potrebiteley-yuzhnogo (дата обращения: 17.01.2024).
24. Система управления окнами [Электронный ресурс]. URL: https://niias.ru/products-andservices/ products/asu/avtomatizirovannaya-sistema-planirovanie-uchet-i-analiz-provedeniya-okoni- vypolneniya-khozyaystvenn/?ysclid=lrj4m2iauo361494077 (дата обращения: 17.01.2024).
