Transport automation research Transport automation research Автоматика на транспорте 2412-9186 89047 10.20295/2412-9186-2024-10-03-254-268 ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ INTELLIGENT CONTROL SYSTEMS ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ Formation of objective indicators of marshalling yard performance based on data “from the wheel” ФОРМИРОВАНИЕ ОБЪЕКТИВНЫХ ПОКАЗАТЕЛЕЙ РАБОТЫ СОРТИРОВОЧНОЙ СТАНЦИИ НА ОСНОВЕ ДАННЫХ «ОТ КОЛЕСА» Хатламаджиян Агоп Ервандович Hatlamadzhiyan Agop Ervandovich a.hatlamadzhiyan@vniias.ru

кандидат технических наук;

candidate of technical sciences;

 Ольгейзер Иван Александрович Ol'geyzer Ivan Aleksandrovich i.olgezer@vniias.ru

кандидат технических наук;

candidate of technical sciences;

 Суханов Андрей Валерьевич Suhanov Andrey Valer'evich a.suhanov@vniias.ru

кандидат технических наук;

candidate of technical sciences;

 Иерусалимов Владислав Сергеевич Ierusalimov Vladislav Sergeevich v.ierusalimov@vniias.ru Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте АО «НИИАС» Ростов-на-Дону Россия JSC Research and Design Institute of Informatization, Automation and Communication in Railway Transport (JSC NIIAS) Rostov-on-Don Russian Federation Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте АО «НИИАС» Ростов-на-Дону Россия JSC Research and Design Institute of Informatization, Automation and Communication in Railway Transport (JSC NIIAS) Rostov-on-Don Russian Federation Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте АО «НИИАС» Ростов-на-Дону Россия JSC Research and Design Institute of Informatization, Automation and Communication in Railway Transport (JSC NIIAS) Rostov-on-Don Russian Federation Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте АО «НИИАС» Ростов-на-Дону Россия JSC Research and Design Institute of Informatization, Automation and Communication in Railway Transport (JSC NIIAS) Rostov-on-Don Russian Federation 29 09 2024 29 09 2024 10 3 254 268 29 09 2024 https://atjournal.ru/en/nauka/article/89047/view

Представлен новый принцип формирования показателей грузовой сортировочной станции, основанный на использовании данных от различных считывающих устройств и датчиков, расположенных на путях станции (данных «от колеса»). Показана актуальность и объективность использования предлагаемого подхода, реализующего представленные принципы получения реальных показателей грузовой станции. Реализация осуществлена на базе данных, формируемых системой контроля и подготовки информации о перемещениях вагонов и локомотивов на станции в реальном времени. Показано отличие результатов, полученных по итогу реализации предлагаемого подхода, от информации, формируемой в реальных справках и журналах отчетности ОАО «РЖД». Предложены гипотезы-описания отличия информации «от колеса» и информации, полученной при ручном вводе данных о перемещениях вагонов и локомотивов. В заключении описаны дальнейшие перспективы автоматизации расчета и прогнозирования работы станции на основе данных «от колеса».

The paper presents a new principle for forming freight marshalling yard indicators based on the use of data from various reading devices and sensors located on the station tracks (data “from the wheel”). The paper shows the relevance and objectivity of using the proposed approach, implementing the presented principles for obtaining real freight yard indicators. The implementation is presented on the basis of data generated by the system for monitoring and preparing information on the movements of wagons and locomotives at the station in real time. The difference between the results obtained as a result of implementing the proposed approach and the information generated in real certificates and reporting journals of Russian Railways JSC is shown. Hypotheses-descriptions of the difference between information “from the wheel” and information obtained by manual input of data on the movements of cars and locomotives are proposed. The conclusion describes further prospects for automation of calculation and forecasting of station operation based on data “from the wheel”.

 сортировочная станция модель станции «от колеса» планирование грузовых перевозок показатели работы станции marshalling yard wheel-based yard model freight transportation planning yard performance indicators

Захаров Д. В. Цифровизация экономики: проблемы и перспективы // Развитие науки, национальной инновационной системы и технологий: сборник научных трудов по материалам Международной научно-практической конференции (13 мая 2020 г.). Белгород: АПНИ, 2020. С. 102. Zaharov D. V. Cifrovizaciya ekonomiki: problemy i perspektivy // Razvitie nauki, nacionalnoj innovacionnoj sistemy i tehnologij: sbornik nauchnyh trudov po materialam Mezhdunarodnoj nauchno-prakticheskoj konferencii (13 maya 2020 g.). Belgorod: APNI, 2020. S. 102. (In Russian). Nadkarni S., Prügl R. Digital transformation: a review, synthesis and opportunities for future research // Management Review Quarterly. 2021. Т. 71. P. 233–341. Nadkarni S., Prügl R. Digital transformation: a review, synthesis and opportunities for future research // Management Review Quarterly. 2021. T. 71. P. 233–341. Развитие комплекса системообразующих технических решений цифровой станции / А. Е. Хатламаджиян [и др.] // Труды АО «НИИАС»: сборник статей. 2021. Т. 2. Вып. 11. С. 26–37. Razvitie kompleksa sistemoobrazuyushhih tehnicheskih reshenij cifrovoj stancii / A. E. Hatlamadzhiyan [i dr.] // Trudy AO “NIIAS”: sbornik statej. 2021. T. 2. Vyp. 11. S. 26–37. (In Russian). Khabarov V. I., Volegzhanina I. S. Digital Railway as a precondition for industry, science and education interaction by knowledge management // IOP Conference Series: Materials Science and Engineering. 2020. Т. 918. № 1. P. 012189. Khabarov V. I., Volegzhanina I. S. Digital Railway as a precondition for industry, science and education interaction by knowledge management // IOP Conference Series: Materials Science and Engineering. 2020. T. 918. № 1. P. 012189. Shubinsky I. B., Rozenberg E. N., Schäbe H. Methods for ensuring and proving functional safety of automatic train operation systems // Reliability: Theory & Applications. 2024. Т. 19. № 1 (77). С. 360–375. Shubinsky I. B., Rozenberg E. N., Schäbe H. Methods for ensuring and proving functional safety of automatic train operation systems // Reliability: Theory & Applications. 2024. T. 19. № 1 (77). S. 360–375. Цифровая железнодорожная станция — от концепции к реальному внедрению / В. Е. Андреев Рис. 4. Иллюстрация примера различия простоев без переработки по СКПИ ПВЛ РВ и АСУ СТ (Ч — четная система, Н — нечетная система) Cifrovaya zheleznodorozhnaya stanciya — ot koncepcii k real'nomu vnedreniyu / V. E. Andreev [i dr.] // Avtomatika, svyaz', informatika. 2023. № 9. S. 2–6. (In Russian). Выполнение проекта «Цифровая сортировочная станция» в рамках реализации программы «Цифровая экономика Российской Федерации» / Е. А. Заболотская [и др.] // Modern Science. 2020. № 12–4. С. 82–87. EDN JCTTJB. Vypolnenie proekta “Cifrovaya sortirovochnaya stanciya” v ramkah realizacii programmy “Cifrovaya ekonomika Rossijskoj Federacii” / E. A. Zabolotskaya [i dr.] // Modern Science. 2020. № 12–4. S. 82–87. EDN JCTTJB. (In Russian). Шабельников А. Н., Смородин А. Н. Комплексная автоматизация узловой сортировочной станции // Автоматика, связь и информатика. 2018. № 4. С. 12–14. Shabel'nikov A. N., Smorodin A. N. Kompleksnaya avtomatizaciya uzlovoj sortirovochnoj stancii // Avtomatika, svyaz' i informatika. 2018. № 4. S. 12–14. (In Russian). A survey on machine learning for data fusion / T. Meng [et al.] // Information Fusion. 2020. Т. 57. P. 115–129. A survey on machine learning for data fusion / T. Meng [et al.] // Information Fusion. 2020. T. 57. P. 115–129. Макарова А. А. Автоматизированная система оперативного управления перевозками // Экосистема цифровой экономики: проблемы, реалии и перспективы. Орел: ОрелГУЭТ, 2018. С.114–118. Makarova A. A. Avtomatizirovannaya sistema operativnogo upravleniya perevozkami // Ekosistema cifrovoj ekonomiki: problemy, realii i perspektivy. Orel: OrelGUET, 2018. S.114–118. (In Russian). Никандров В. А. От организационного единства к плодотворному сотрудничеству // Автоматика, связь, информатика. 2011. № 7. С. 11. Nikandrov V. A. Ot organizacionnogo edinstva k plodotvornomu sotrudnichestvu // Avtomatika, svyaz, informatika. 2011. № 7. S. 11. (In Russian). Ольгейзер И. А. Безопасность роспуска составов на сортировочных горках. Граничные условия функционирования при эксплуатации горочных систем автоматизации // Безопасность движения поездов: труды XIX Всероссийской научно-практической конференции. М., 2019. Ч. 1. С. 65–67. Ol'gejzer I. A. Bezopasnost' rospuska sostavov na sortirovochnyh gorkah. Granichnye usloviya funkcionirovaniya pri ekspluatacii gorochnyh sistem avtomatizacii // Bezopasnost' dvizheniya poezdov: trudy XIX Vserossijskoj nauchno-prakticheskoj konferencii. M., 2019. Ch. 1. S. 65–67. (In Russian). Хатламаджиян А. Е., Лебедев А. И. Интегрированный пост автоматизированного приема и диагностики подвижного состава на сортировочных станциях // Вагоны и вагонное хозяйство. 2019. № 2. С. 9–13. Hatlamadzhiyan A. E., Lebedev A. I. Integrirovannyj post avtomatizirovannogo priema i diagnostiki podvizhnogo sostava na sortirovochnyh stanciyah // Vagony i vagonnoe xozyajstvo. 2019. № 2. S. 9–13. (In Russian). Замышляев А. М., Калинин А. В., Долганюк С. И. Система МАЛС: задачи и перспективы // Автоматика, связь, информатика. 2016. № 10. С. 30–33. Zamyshlyaev A. M., Kalinin A. V., Dolganyuk S. I. Sistema MALS: zadachi i perspektivy // Avtomatika, svyaz', informatika. 2016. № 10. S. 30–33. (In Russian). UAV-YOLOv8: A small-object detection model based on improved YOLOv8 for UAV aerial photography scenarios / G. Wang [et al.] // Sensors. 2023. Т. 23. № 16. P. 7190. UAV-YOLOv8: A small-object detection model based on improved YOLOv8 for UAV aerial photography scenarios / G. Wang [et al.] // Sensors. 2023. T. 23. № 16. P. 7190. Image segmentation based on improved unet / X. Li [et al.] // Journal of Physics: Conference Series. 2021. Т. 1815. № 1. P. 012018. Image segmentation based on improved unet / X. Li [et al.] // Journal of Physics: Conference Series. 2021. T. 1815. № 1. P. 012018. Шабельников А. Н., Ольгейзер И. А., Суханов А. В. Концепция цифровой платформы на сортировочных станциях // Мир транспорта. 2021. Т. 19. № 1. C. 60–73. DOI: 10.30932/1992-3252-2021-19- 1-60-73. Shabel'nikov A. N., Ol'gejzer I. A., Suxanov A. V. Koncepciya cifrovoj platformy na sortirovochnyh stanciyah // Mir transporta. 2021. T. 19. № 1. C. 60–73. DOI: 10.30932/1992-3252-2021-19-1-60-73. (In Russian). Laroca R., Boslooper A. C., Menotti D. Automatic Counting and Identification of Train Wagons Based on Computer Vision and Deep Learning. URL: https://arxiv.org/abs/2010.16307. Laroca R., Boslooper A. C., Menotti D. Automatic Counting and Identification of Train Wagons Based on Computer Vision and Deep Learning. URL: https:// arxiv.org/abs/2010.16307. Trends and future perspective challenges in big data / M. Naeem [et al.] // Advances in Intelligent Data Analysis and Applications: Proceeding of the Sixth Euro-China Conference on Intelligent Data Analysis and Applications (15–18 October 2019, Arad, Romania). Springer Singapore, 2022. P. 309–325. Trends and future perspective challenges in big data / M. Naeem [et al.] // Advances in Intelligent Data Analysis and Applications: Proceeding of the Sixth Euro-China Conference on Intelligent Data Analysis and Applications (15–18 October 2019, Arad, Romania). Springer Singapore, 2022. P. 309–325.