Интеграция данных при управлении транспортом

Автоматика, связь, информатика. 2025. № 11. С. 30–32

Automation, communications, informatics. 2025. № 11. Р. 30–32

ЦИФРОВЫЕ ТЕХНОЛОГИИ

Научная статья

УДК 656.001.57:333.24.65.0

DOI: 10.62994/AT.2025.11.11.007

Интеграция данных при управлении транспортом

Розенберг Игорь Наумович¹, Цветков Виктор Яковлевич²

¹Российский университет транспорта РУТ (МИИТ), научный руководитель, профессор, д-р техн. наук, член-корреспондент РАН, Москва, Россия, i.rozenberg@geosc.ru

²Российский университет транспорта РУТ (МИИТ), заместитель директора юридического института по научной работе, профессор, д-р техн. наук, Москва, Россия, cvj7@mail.ru

Аннотация. В статье рассматриваются методы обработки разнородных данных, получаемых из разных источников. Показана объективная причина появления разнородных данных и необходимость калибровки сенсоров в процессе движения транспортного средства. Изложены причины внутренних и внешних конфликтов при формировании управленческих решений. Отмечена необходимость включения технологии визуального отслеживания при управлении железнодорожным транспортом. Раскрыто содержание четырех механизмов интеграции данных и условия их использования. Описано применение теории Демпстера-Шейфера для инкрементного комбинирования шагов слияния данных, которые получены из неточных и ненадежных источников. Рассмотрены особенности образной интеграции при управлении транспортными средствами.

Ключевые слова: интеграция моделей, ненадежные данные, неточные данные, консолидация данных, разнородные источники информации, информационные потоки, теория Демпстера-Шейфера, образная интеграция, управление транспортом

Для цитирования: Розенберг И.Н., Цветков В.Я. Интеграция данных при управлении транспортом // Автоматика, связь, информатика. 2025. № 11. С. 30–32. DOI: 10.62994/AT.2025.11.11.007

DIGITAL TECHNOLOGIES

Original article

Integration of models from different sources in transport management

Igor N. ROSENBERG¹, Viktor Y. TSVETKOV²

¹Russian University of Transport (RUT MIIT), Corresponding Member of the Russian Academy of Sciences, Scientific Director, D.Sc. (Eng.), prof., Moscow, Russia, i.rozenberg@geosc.ru

² Russian University of Transport (RUT MIIT), Deputy Director of the Law Institute for Research, D.Sc. (Eng.), prof., Moscow, Russia, cvj7@mail.ru

Abstract. The article explores methods for processing heterogeneous data obtained from different sources. The main idea is based on data integration and four approaches to information implementation. The objective reason for the emergence of heterogeneous data and the need to calibrate sensors during the movement of the vehicle are shown. The causes of internal and external conflicts in the formation of management decisions are described. The need to use visual tracking technology in the management of rail transport is noted. The content of four data integration mechanisms is revealed and the conditions for their application are described. The application of the Dempster-Shafer theory for incremental combination of data fusion steps is described, some of which are obtained from inaccurate sources, others from unreliable ones. The features of image integration in vehicle management are revealed.

Keywords: model integration, unreliable data, imprecise data, data consolidation, heterogeneous information sources, information flows. Dempster-Shafer theory, image integration. transport management

For citation: Rosenberg I.N., Tsvetkov V.Y., Integration of models from different sources in transport management // Automation, communications, informatics. 2025. № 11. Р. 30–32. DOI: 10.62994/AT.2025.11.11.007

Список источников

1. Охотников А. Л., Цветков В. Я. Информационная система технического зрения // Автоматика, связь, информатика. 2025. № 1. С. 23–26. DOI: 10.62994/AT.2025.1.1.005. EDN: VBIPOH.

2. Охотников А.Л., Цветков В.Я. Управление автоматическими транспортными объектами в стохастической ситуации // Автоматика, связь, информатика. 2021. № 2. С. 37–41. DOI: 10.34649/AT.2021.2.2.002. EDN: MKVKTK.

3. Klein J., Lecomte C., Miché P. Hierarchical and conditional combination of belief functions induced by visual tracking // International Journal of Approximate Reasoning. 2010. Vol. 51, №. 4. P. 410–428. DOI: 10.1016/j.ijar.2009.12.001.

4. Helali L., Omri M.N. A survey of data center consolidation in cloud computing systems // Computer Science Review. 2021. Vol. 39 (2). Art. №. 100366. DOI: 10.1016/j.cosrev.2021.100366.

5. Deep learning in visual tracking : a review / Jiao L., Wang D., Bai J., Pahua Ch., Fanf L. // IEEE transactions on neural networks and learning systems. 2021. Vol. 34, №. 9. P. 5497–5516. DOI: 10.1109/TNNLS.2021.3136907.

6. Safsouf Y., Mansouri K., Poirier F. TaBAT: design and experimentation of a learning analysis dashboard for teachers and learners // Journal of Information Technology Education. 2021. Vol. 20. P. 331–350. DOI: 10.28945/4820.

7. Ogunsola K. O., Balogun E. D., Ogunmokun A. S. Developing an automated ETL pipeline model for enhanced data quality and governance in analytics // International Journal of Multidisciplinary Research and Growth Evaluation. – 2022. Vol. 3, №. 1. P. 791–796. DOI: https://doi.org/10.54660/ IJMRGE.2022.3.1.791-796.

8. Dolgy A.I., Rozenberg I.N., Tsvetkov V.Ya. Spatial logic in process of unmanned vehicle operation // AIP Conference Proceedings. Melville, NY, 2021. Vol. 2402 (1). Art. № 50059. DOI:10.1063/5.0074851.

9. Лёвин Б.А., Цветков В.Я. Цифровая железная дорога: принципы и технологии // Мир транспорта. 2018. Т. 16, № 3 (76). C. 50–61. EDN: XVYKXJ.

10. Steele H., Roberts C. Towards a sustainable digital railway //Sustainable Railway Engineering and Operations. Emerald, 2022. P. 239–263. DOI: https://doi.org/10.1108/S2044-994120220000014014. (Transport and Sustainability; Vol. 14).

© Москва «Автоматика, связь, информатика» 2025