001 Цифровая платформа управления рисками при обеспечении безопасности движения

УДК 656:681                                             DOI: 10.34649/AT.2021.2.2.001

Цифровая платформа управления рисками при обеспечении безопасности движения

Шубинский И.Б., АО «Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте», заместитель руководителя НТК, профессор, д-р техн. наук, Россия, Москва

Замышляев А.М., АО «Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте», заместитель генерального директора, д-р техн. наук, Россия, Москва

Ключевые слова: надежность, безопасность, технические активы, цифровая платформа, большие данные, интеллектуальный анализ данных, искусственный интеллект, прогнозирование, опасные события, порог вероятности, точность и достоверность прогноза

Аннотация. В статье описывается практический опыт применения методов и алгоритмов искусственного интеллекта для прогнозирования опасных событий в хозяйствах инфраструктуры Куйбышевской, Северной и Горьковской железных дорог. Для всех использованных алгоритмов оптимизированы значения индикаторов раннего предупреждения. Лучшие результаты прогнозирования для путевого комплекса показал метод градиентного бустинга на основе решающих деревьев (85 % сходимости прогноза опасного отказа и факта его наличия), для хозяйства автоматики и телемеханики и Трансэнерго – бинарное дерево решений (89,9 % и 87 % соответственно сходимости прогноза опасного отказа и факта его наличия). Материалы этих исследований будут использованы как для повышения точности прогнозирования, так и для развития цифровой платформы управления безопасностью движения на железнодорожном транспорте.

Digital platform for traffic safety risk management

Shubinsky Igor, Deputy Head of the NTC of JSC “NIIAS”, professor, Dr.Sci. (Tech.), Moscow, Russia, igor-shubinsky@ yandex.ru

Zamyshlyaev Alexey, Deputy General Director of JSC “NIIAS”, Dr.Sci. (Tech.), Moscow, Russia, zam0279@gmail.com

Keywords: reliability, safety, technical assets. digital platform, Big Data, Data Mining, Data Science, artificial intelligence, forecasting, dangerous events, probability threshold, accuracy and trustworthiness of the forecast

Summary: The article describes the practical experience of using artificial intelligence methods and algorithms to predict dangerous events in the infrastructure farms of the Kuibyshevskaya, Severnaya and Gorkovskaya railways. The values of early warning indicators are optimized for all the algorithms used. Best predictions for the track complex showed the gradient boosting method based on decision trees (85 % of convergence of the prediction threat of failure and the fact of its existence), for the economy of automatics and telemechanics and Transenergo – binary decision tree (of 89.9 % and 87 %, respectively, of convergence of the prediction threat of failure and the fact of its existence). The materials of these studies will be used both to improve the accuracy of forecasting and to develop a digital platform for managing railway traffic safety.