Лента новостей

Главная / Логистика / Железные дороги / Предсказать затор, найти вагоны: как ИИ поможет железным дорогам Казахстана

Предсказать затор, найти вагоны: как ИИ поможет железным дорогам Казахстана

Геннадий Глевицкий

В Центральной Азии готовятся к железным дорогам будущего, где о риске затора можно узнать заранее, а потребность в вагонах — оценить до начала перевозок.  Минтранс Казахстана развивает платформу Smart Data Transport: она объединяет данные отраслевых систем, включая КТЖ, и помогает отслеживать движение грузов и загрузку станций.

Сможет ли новая платформа справится с управлением перевозками и где находятся пределы технологии?  Об этом LogiStan поговорил с Геннадием Глевицким, экспертом по цифровой трансформации железнодорожного транспорта и руководителем проектов в международной ИТ-компании IBA Group.

— Smart Data Transport объединяет данные отраслевых систем и использует ИИ для прогнозирования. Это продвинутая аналитика или уже полноценное применение искусственного интеллекта?

— Одно не исключает другого. Объединение данных о грузопотоках, загруженности станций и подвижном составе дает специалистам более полную картину происходящего. Но следующий шаг – не просто видеть текущую ситуацию, а прогнозировать, где может возникнуть затор и сколько вагонов или локомотивов потребуется.

Методы машинного обучения могут выявлять в больших массивах данных неочевидные зависимости, которые незаметны человеку и которые трудно заранее описать набором правил. Например, оценивать, как изменение грузопотока на одном участке повлияет на загрузку станций дальше по маршруту. Но о технической реализации Smart Data Transport пока известно немного, поэтому не могу утверждать, какие именно методы используются в этой платформе. Важнее практический результат: насколько своевременно прогноз помогает специалистам заметить риск и принять решение.

— Насколько типичен такой подход для современных железных дорог в мире? Можно ли сказать, что Казахстан идёт в логике мировых трендов цифровизации транспорта?

— Подход абсолютно правильный и применяется сегодня в разных уголках мира. В сети можно легко найти описание опыта ведущих железнодорожных компаний – Deutsche Bahn (Германия), Network Rail (Великобритания), JR East (Япония) и других. КТЖ является важнейшим элементом логистической инфраструктуры страны, поэтому компания должна смотреть за тенденциями в отрасли, чтобы оставаться конкурентоспособным игроком рынка.

— Вроде бы система позволяет прогнозировать риски заторов и определять потребность в вагонах и локомотивах. Какие проблемы отрасли это может решить в первую очередь?

— Закупка современных вагонов и локомотивов требует значительных вложений. Но даже это – не самая большая проблема. Они зачастую просто не могут проехать через “бутылочные горлышки” – узкие места наземной инфраструктуры. Строительство новых путей в Казахстане, конечно, активно ведется. Но строительство жд-пути со всей сопутствующей инфраструктурой – это расходы уже совершенно иного порядка.

Согласно открытым данным,  один километр пути в равнинной местности обходится примерно в 1 миллиарда тенге за и может доходить до 2 миллиардов при необходимости строительства мостов и туннелей. Но более эффективное использование уже имеющихся мощностей, безусловно, поможет уже сейчас увеличить объем перевозок и оптимизировать издержки.

— Кто, на ваш взгляд, главный бенефициар от внедрения такой платформы: государство, КТЖ, отправители грузов, логистические компании?

— Уверен, что можно говорить о ситуации, в которой выиграют все перечисленные участники рынка по формуле win-win, хотя эффект для каждого будет разным. У КТЖ появится возможность точнее планировать использование инфраструктуры и подвижного состава. А вот грузоотправители и логистические компаний смогут лучше понимать сроки и возможные ограничения перевозок. Выиграть может и отрасль в целом: развитие таких платформ создает спрос на специалистов, которые умеют работать на стыке транспорта и цифровых технологий.

— Исходя из мирового опыта, какой эффект можно ожидать от внедрения подобных систем: сокращение простоев, повышение пропускной способности, что‑то ещё?

— В первую очередь я бы ожидал более точного планирования перевозок. Если специалисты заранее видят риск затора и возможный дефицит вагонов или локомотивов, у них появляется время скорректировать планы. Благодаря этому можно эффективнее использовать подвижной состав и пропускную способность сети.

Есть и другие направления применения ИИ на железной дороге, например, прогнозирование состояния инфраструктуры для планирования ремонта. Такие решения могут снижать число неожиданных отказов и расходы на обслуживание, что важно и для устойчивости графика, и для безопасности движения. Но это отдельная задача.

Наконец, система может снять со специалистов часть рутинной аналитической работы и дать им больше времени на задачи, где нужен профессиональный опыт. Она не заменяет работников, а помогает им быстрее увидеть проблему и выбрать действие.

— В Минтрансе подчеркнули, что ИИ используется как аналитический инструмент, а решения принимают люди. Как вы оцениваете такой подход: насколько он правильный с точки зрения эффективности?

— Такой подход сегодня правильный и эффективный. ИИ может быстро анализировать большие объемы данных, выявлять риски и предлагать варианты действий. Но прогноз сам по себе не учитывает всех обстоятельств, с которыми сталкивается специалист при управлении перевозками. Нужно оценить, что происходит на конкретном участке, какие ресурсы доступны и к каким последствиям приведёт решение для других маршрутов. Поэтому ИИ должен помогать человеку принимать решение, а не принимать его вместо человека.

LogiStan. Все важные тексты в Телеграм. Подписывайся

Новые досье: