Искусственный интеллект организует движение на железной дороге

Международная консалтинговая компания McKinsey ожидает, что уже в 2030 году искусственный интеллект возьмет на себя большинство рутинных операций. Транспорт, в частности железная дорога, не станет исключением. Искусственный интеллект уже меняет отрасль: следит за безопасностью, консультирует пользователей, прогнозирует сроки износа оборудования, оценивает работу персонала. О возможностях применения данных технологий для РЖД рассказал начальник Центра искусственного интеллекта ВНИИЖТ Максим Кулагин.

Внедрение искусственного интеллекта в бизнес-процессы – уже не тренд, а необходимость. В 2023 году во ВНИИЖТ открылся Центр искусственного интеллекта. Подразделение включает в себя четыре ключевых направления: предиктивная аналитика, языковые модели, компьютерное зрение и машинное обучение.

«Там, где идет работа с большими данными, в первую очередь будет применяться искусственный интеллект и алгоритмы машинного обучения. И этот процесс уже идет. Множество компаний уже сейчас активно внедряют искусственный интеллект для оптимизации бизнес-процессов и повышения эффективности», – отметил Максим Кулагин.

На данный момент в большинстве случаев технологии искусственного интеллекта основываются на методах машинного обучения, которые используют данные для подбора параметров модели. Роль человека остается в постановке задачи, получении и обработке данных, а также контроле за процессом обучения машины.

Разработки специалистов Центра в области предиктивной аналитики внедрены в системы РЖД. Примером такой системы является АС «Доверенная среда локомотивного комплекса». Специалисты ВНИИЖТ разработали алгоритмы и модели прогнозирования отказов оборудования локомотивов на основе обработки бортовой телеметрии и исторических данных. Система выявляет аномалии в работе оборудования электровозов и тепловозов, а затем оценивает остаточный ресурс. Данные модели позволят уменьшить количество неплановых ремонтов.

Кроме этого, с использованием модели и алгоритмов, разработанных ВНИИЖТ, и данных о работе локомотивных бригад, а также анализа различных информационных систем есть возможность прогнозировать грубые нарушения машинистов и определять группы надежности. На основе полученных прогнозов и сформированных групп работники получают профилактические рекомендации для повышения уровня безопасности перевозочного процесса.

Предиктивная аналитика предполагает достаточно унифицированный подход: результаты исследований можно использовать как на железной дороге, так и на любом производстве. Решения ВНИИЖТ нашли применение при прогнозировании простоев промышленного оборудования.

Large Language Models (LLM), или большие языковые модели, лежат в основе популярного ChatGPT. LLM-модель использует методы глубокого обучения, анализирует огромные массивы текстовых данных на разных языках и содержит больше миллиарда параметров. С использованием генеративных нейронных сетей специалисты Центра ведут разработку интеллектуального ассистента железнодорожника. В качестве исследования было взято несколько десятков документов о тяжеловесном движении в РЖД.

«Мы активно работаем с РЖД над созданием умного помощника, который будет отвечать на специфические вопросы о железной дороге. Причем это универсальное решение для разных областей. Например, модель также применима в индустрии путешествий. Интеллектуальный чат-бот сможет консультировать пассажиров и выполнять некоторые маркетинговые функции. После анализа вопросов и ответов платформа сформирует клиентские портреты и вернется к пользователю с целевым предложением», – отметил Максим Кулагин.

Проекты с применением компьютерного зрения очень востребованы в РЖД. ВНИИЖТ разработало модуль управления путевыми машинами, который обеспечивает перемещение техники в автоматическом режиме при выполнении работ в «окно». На железной дороге «окно» – это перерыв в движении поездов для организации ремонтных работ. На этом этапе искусственный интеллект выявляет посторонние предметы на пути следования машины и корректирует скорость движения путевой машины.

Еще один проект ВНИИЖТ тоже связан с ремонтом пути. Система видеоаналитики контролирует соблюдение требований охраны труда. Она определяет тех, кто не надел средства индивидуальной защиты или оказался в неположенном месте. Внедрение этого проекта запланировано в ближайшем будущем.

Построение задания на выправочную технику – это проект, требующий особой точности. Для обучения нейросети по определению количества радиусов решалась задача многоклассовой классификации. Система научилась распределять данные путеизмерителя на прямые и кривые участки пути. В результате был создан алгоритм генерации данных геометрии пути.

В дальнейшем планируется применение разработанной нейросети на данных о величинах натурных стрел, а также интеграция данного решения в основной процесс автоматизации выправки железнодорожного пути в РЖД.