Модели нейронных сетей для управления пропуском поездов

Главная
/
Архив номеров
/
2025
/
№2, 2025
/
Neural Network Models for train traffic control on railway sections

Автоматика, связь, информатика. 2025. № 2. С. 24–26

Automation, communications, informatics. 2025. № 2. Р. 24–26

ЦИФРОВЫЕ ТЕХНОЛОГИИ

Научная статья

УДК 656.21 : 004.032.26 + 06

DOI: 10.62994/AT.2025.2.2.005

Модели нейронных сетей для управления пропуском поездов

Булавин Юрий Павлович1, Игнатьева Олеся Владимировна2

1Ростовский государственный университет путей сообщения, доцент, канд. техн. наук, г. Ростов-на-Дону, Россия, i@ibulavin.ru

2Ростовский государственный университет путей сообщения, заведующий кафедрой, доцент, канд. техн. наук, г. Ростов-на-Дону, Россия, lesjaignateva@rambler.ru

Аннотация. Исследовательская работа РГУПС посвящена вопросам использования искусственных нейронных сетей (ИНС) на железнодорожном транспорте для управления пропуском поездов по участку. Приведено формальное описание задачи, выполнена балансировка обучающей выборки, осуществлен отбор признаков и предложены варианты моделей ИНС. Показано, что лучшие результаты достигаются моделью ИНС со сверточным слоем.

Ключевые слова: нейронная сеть, сверточный слой, пропуск поездов, виртуальная железная дорога, управление движением, бинарная классификация, многоклассовая классификация, ROC-кривая, F1-мера, модель

Для цитирования: Булавин Ю.П., Игнатьева О.В. Модели нейронных сетей для управления пропуском поездов // Автоматика, связь, информатика. 2025. № 2. С. 24–26. DOI: 10.62994/AT.2025.2.2.005

 

DIGITAL TECHNOLOGIES

Original article

Neural Network Models for train traffic control on railway sections

Yuri P. Bulavin1, Olesya V. Ignatyeva2

1Rostov State Transport University (RSTU), associate professor, PhD in Engineering sciences, Rostov-on-Don, Russia, i@ibulavin.ru, SPIN-код: 5233-0901

2Rostov State Transport University (RSTU), head of department, associate professor, PhD in Engineering sciences, Rostov-on-Don, Russia, lesjaignateva@rambler.ru, SPIN-код 9321-1520

Abstract. This paper explores the application of artificial neural networks (ANNs) in railway transportation for train passage control on a specific section. A formal problem description is provided. The study involves balancing the training dataset, feature selection, and the proposal of various ANN models. Results demonstrate that the best performance is achieved using an ANN model with a convolutional layer.

Keywords: neural network, convolutional layer, train, section, passing trains, virtual railway, stations, control, binary classification, multiclass classification, team, ROC curve, F1-measure, model

For citation: Bulavin Y.P., Ignatyeva O.V., Neural Network Models for train traffic control on railway sections // Automation, communications, informatics. 2025. № 2. С. 24–26. DOI: 10.62994/AT.2025.2.2.005

Список источников

1. Булавин Ю.П., Игнатьева О.В. Обучение искусственных нейронных сетей с подкреплением // Автоматика, связь, информатика. 2024. № 11. С. 18–21. DOI: 10.62994/AT.2024.11.11.003. EDN: ORZJCD.

2. Rubinstein R.Y., Kroese D.P.The cross-entropy method: a unified approach to combinatorial optimization, Monte-Carlo simulation and machine learning : information science and statistics. New York etc: Springer, 2004. 321 p.

3. ADASYN : Adaptive synthetic sampling approach for imbalanced learning / H. He, Y. Bai, E.A. Garcia, Sh. Li [et al.] // 2008 IEEE International Joint Conference on Neural Networks (IEEE World Congress on Computational Intelligence). 2008. P. 1322–1328. DOI: 10.1109/IJCNN.2008.4633969.

4. Lemaître G., Nogueira F., Aridas C.K. Imbalanced-learn: A Python toolbox to tackle the curse of imbalanced datasets in machine learning  // Journal of Machine Learning Research. 2017. Vol. 18, № 17. P. 1–5.

5. Chollet F. Keras // GitHub. 2015. URL: https://github.com/keras-team/keras.

6. Hendrycks D. Gimpel K. Gaussian Error Linear Units (GELUs) / D. Hendrycks, 2023. Jun 23. DOI: https://doi.org/10.48550/arXiv.1606.08415.

© Москва «Автоматика, связь, информатика» 2025

398703_1357
издается с 1923 г.
Актуально.
Достоверно. Доступно.
Главное меню
Наши контакты
129272, Москва,
Рижская площадь, д.3
Свяжитесь с нами любым удобным способом
Звоните по номеру
Мы  находимся по адресу:
129272, Москва,
Рижская площадь, д.3
Электронная почта:
Скрытое поле:
Оставить заявку
это поле обязательно для заполнения
Ваше имя*
это поле обязательно для заполнения
Ваша почта*
это поле обязательно для заполнения
Ваш телефон:*
это поле обязательно для заполнения
Область ввода:*
это поле обязательно для заполнения
Политика*
Спасибо! Форма отправлена