Интеллектуальная система прогнозирования задержек и оптимизации маршрутов для РЖД

Целью внедрения системы является комплексное повышение эффективности работы железнодорожного транспорта в условиях сети РЖД, охватывающей 11 часовых поясов и разнообразные климатические зоны. Система направлена на снижение простоев подвижного состава за счёт предиктивного анализа данных с более чем 2 млн IoT-датчиков, установленных на локомотивах, вагонах и инфраструктуре. Это включает мониторинг состояния путей (например, деформации рельсов на участках с экстремальными перепадами температур в Сибири), прогнозирование износа колёсных пар и автоматическое планирование техобслуживания в депо.

Для повышения точности соблюдения графика движения используются гибридные модели машинного обучения, обученные на исторических данных РЖД за 15 лет, включая специфические факторы:

- сезонные грузопотоки (например, пик перевозок угля из Кузбасса зимой)

- ограничения пропускной способности ключевых узлов (таких как станция Сортировочная в Екатеринбурге)

- влияние погодных условий на скорость движения (гололёд на Урале, песчаные бури в Астраханской области).

Система интегрирована с АСУДД (Автоматизированной системой управления движением поездов) РЖД, что позволяет в режиме реального времени корректировать маршруты 15 тыс. грузовых составов ежедневно, минимизируя задержки из-за аварий или ремонтных работ.

Пример: при прогнозировании снежных заносов на Транссибирской магистрали (участок Новосибирск—Иркутск) система автоматически перенаправляет часть составов через резервные пути БАМа, сокращая среднее время задержки с 6 до 1,5 часов. Для пассажирских перевозок (например, поездов «Сапсан» и «Ласточка») алгоритмы оптимизации учитывают расписание стыковок с пригородными электричками, снижая риск опозданий на узловых станциях вроде Москвы-Курской или Санкт-Петербурга-Главного.

Экономический эффект достигается за счёт снижения штрафов за просрочки (до 25% для контейнерных перевозок по маршруту Китай—Европа) и оптимизации топливных расходов (на 18% для дизельных локомотивов в Арктической зоне). Для реализации системы используется российское ПО (на базе платформ «Сбер AI» или Yandex DataSphere) и отечественные IoT-решения (например, датчики «Ростеха»), что обеспечивает соответствие требованиям импортозамещения. Внедрение планируется поэтапно: пилотные проекты на полигонах Свердловской и Московской железных дорог, с последующим масштабированием на всю сеть РЖД к 2027 году.

На страницу проекта