vrgupВестник Ростовского государственного университета путей сообщенияVestnik Rostovskogo Gosudarstvennogo Universiteta Putej Soobshcheniya0201-727XРостовский государственный университет путей сообщения10.46973/0201-727X_2026_1_59vrgup-173Research ArticleУПРАВЛЕНИЕ И ЛОГИСТИКА НА ТРАНСПОРТЕOPERATION AND LOGISTICS ON TRANSPORTПрогнозирование успешности реализации проектов присоединения железнодорожных путей необщего пользования с использованием ансамблевых методов машинного обученияPredicting the viability of non-public railway track connection projects using ensemble machine learning methodsФонсекаМ. О.FonsecaM. O.

Фонсека Марина Олеговна, кафедра «Цифровые технологии управления транспортными процессами», аспирант; начальник отдела автоматизации и внедрения информационных систем

Fonseca Marina Olegovna, Chair "Digital Technologies for Transport Process Management", Postgraduate Student; Head of the Department for Automation and Implementation of Information Systems

MarinaFonseka@yandex.ruРоссийский университет транспорта (РУТ МИИТ); Центр фирменного транспортного обслуживания – ОАО «РЖД»Russian University of Transport (RUT MIIT); orporate Transport Service Center – JSC "Russian Railways"202630032026015965Copyright © Фонсека М.О., 20262026Фонсека М.О.Fonseca M.O.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.rgups.ru/jour/article/view/173

В работе решается научно-практическая задача повышения объективности отбора проектов присоединения железнодорожных путей необщего пользования к инфраструктуре общего пользования. Предложен метод прогнозирования успешности реализации проектов на основе ансамблевых методов машинного обучения. Научная новизна заключается в разработке и экспериментальном обосновании моделей прогнозирования, использующих многокритериальные показатели проектов в качестве признакового пространства, а также в применении SHAP-анализа для интерпретации результатов. Практическая значимость работы состоит в создании алгоритмического обеспечения, позволяющего снизить долю неэффективных инвестиций за счёт предварительной оценки рисков нереализации заявленных объёмов перевозок.

The paper addresses the scientific and practical problem of increasing the objectivity of selecting projects for connecting non-public railway tracks to public infrastructure. A method for predicting the viability of project implementation based on ensemble machine learning methods is proposed. The scientific novelty lies in the development and experimental validation of predictive models using multi-criteria project indicators as feature space, as well as in the application of SHAP analysis for result interpretation. The practical significance of the work is the creation of algorithmic support that reduces the share of inefficient investments through preliminary assessment of risks of failing to achieve declared traffic volumes.

автоматизация управленияжелезнодорожные пути необщего пользованияпрогнозированиемашинное обучениеXGBoostSHAP-анализprocess automationnon-public railway trackspredictionmachine learningXGBoostSHAP analysisReferencesФонсека, М. О. Проблемы взаимодействия с владельцами путей необщего пользования после ввода в эксплуатацию вновь построенных или реконструированных путей / М. О. Фонсека, В. Е. Нутович // Цифровая трансформация транспорта : проблемы и перспективы : материалы IV Международной научно-практической конференции (Москва, 25 сентября 2024 г.). – Москва : Российский университет транспорта (МИИТ), 2024. – С. 127–130.Fonseca, M. O. Problems of interaction with owners of non-public railway tracks after commissioning of newly built or reconstructed tracks / M. O. Fonseca, V. E. Nutovich // Digital transformation of transport : challenges and prospects : proceedings of the IV International scientific and practical conference (Moscow, September 25, 2024). – Moscow : Russian University of Transport (MIIT), 2024. – P. 127–130.ВЦИОМ. Оценка качества услуг грузовых железнодорожных перевозок : отчет по результатам опроса пользователей. – Москва, ноябрь 2023. – 89 с.VCIOM. Assessment of the quality of freight railway transport services : report on the results of a user survey. – Moscow, November 2023. – 89 p.Об утверждении Правил рассмотрения обращений юридических лиц или индивидуальных предпринимателей, владеющих на праве собственности или на ином праве железнодорожными путями необщего пользования, о примыкании строящихся,On approval of the Rules for consideration of applications of legal entities or individual entrepreneurs owning on the right of ownership or other right of non-public railway tracks, on the connection of non-public railway tracks under construction, reconstruction, or restoration to реконструируемых, восстановленных железнодорожных путей необщего пользования к инфраструктуре ОАО «РЖД» или о развитии существующих примыканий : распоряжение ОАО «РЖД» от 03.10.2022 № 2542/р. – Москва, 2022. – 88 с. the infrastructure of JSC «Russian Railways» or on the development of existing connections : Order of JSC «Russian Railways» No. 2542/rdated 03.10.2022. – Moscow, 2022. – 88 p.О внесении изменений в распоряжение ОАО «РЖД» от 3 октября 2022 г. № 2542/р : распоряжение ОАО «РЖД» от 01.08.2023 № 1929/р. – Москва, 2023.On introducing amendments to Order of JSC «Russian Railways» No. 2542/r dated October 3, 2022 : Order of JSC «Russian Railways» No. 1929/r dated 01.08.2023. – Moscow, 2023.Об утверждении Правил недискриминационного доступа перевозчиков к инфраструктуре железнодорожного транспорта общего пользования, грузоотправителей к услуге по перевозке грузов железнодорожным транспортом общего пользования : постановление Правительства РФ от 25.11.2003 № 710 (ред. от 27.05.2024). – Москва, 2003. – Доступ из справочно-правовой системы «КонсультантПлюс».On approval of the Rules for non-discriminatory access of carriers to the infrastructure of public railway transport, consignors to the service of freight transportation by public railway transport : Decree of the Government of the Russian Federation No. 710 dated 25.11.2003 (as amended on 27.05.2024). – Moscow, 2003. – Access from the legal reference system «ConsultantPlus».Ларченко, Д. В. Интеллектуальные системы поддержки принятия решений в управлении транспортными процессами / Д. В. Ларченко, Л. А. Федоров. – Москва : ИНФРА-М, 2019. – 198 с.Larchenko, D. V. Intelligent decision support systems in transport process management / D. V. Larchenko, L. A. Fedorov. – Moscow : INFRA-M, 2019. – 198 p.Фонсека, М. О. Автоматизация согласования условий примыкания новых железнодорожных путей необщего пользования к железнодорожным путям общего пользования / М. О. Фонсека, В. Е. Нутович // Цифровая трансформация транспорта : проблемы и перспективы : материалы III Международной научно-практической конференции (Москва, 2023 г.). – Москва : Российский университет транспорта (МИИТ), 2023. – С. 10–13.Fonseca, M. O. Automation of coordination of conditions for connection of new non-public railway tracks to public railway tracks / M. O. Fonseca, V. E. Nutovich // Digital transformation of transport : challenges and prospects : proceedings of the III International scientific and practical conference (Moscow, 2023). – Moscow : Russian University of Transport (MIIT), 2023. – P. 10–13.Рассел, С. Искусственный интеллект : современный подход / С. Рассел, П. Норвиг ; пер. с англ. – 4-е изд. – Москва : Вильямс, 2021. – 1416 с. (Глава 19 : «Обучение на основе ансамблей»).Russell, S. Artificial Intelligence : a modern approach / S. Russell, P. Norvig ; trans. from English. – 4th ed. – Moscow : Williams, 2021. – 1416 p. (Chapter 19: “Ensemble-Based Learning”).Молнар, К. Интерпретируемое машинное обучение : руководство по созданию объяснимых моделей / К. Молнар ; пер. с англ. – Москва : ДМК Пресс, 2022. – 382 с. (Глава о SHAP).Molnar, K. Interpretable machine learning : a guide for making black box explainable models / K. Molnar ; trans. from English. – Moscow : DMK Press, 2022. – 382 p. (Chapter on SHAP).ГОСТ Р 59276-2020. Системы искусственного интеллекта. Способы обеспечения доверия. Общие положения. – Москва : Стандартинформ, 2021. – 16 с.GOST R 59276-2020. Artificial intelligence systems. Methods for ensuring trust. General provisions. – Moscow : Standartinform, 2021. – 16 p.Описание функциональных возможностей Автоматизированной системы единого технологического процесса нового поколения. Модуль технические условия (АС ЕТП НП.ТУ) : внутренний регламентирующий документ ОАО «РЖД». – Москва, 2023.Description of the functional capabilities of the Automated System of the new generation unified technological process. Technical conditions module (AS ETP NP.TU) : internal regulatory document of JSC “Russian Railways”. – Moscow, 2023.Система комплексного моделирования работы станций и участков / А. М. Замышляев, С. В. Калинин, Д. Ю. Халевин [и др.] // Труды Акционерного общества «Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте». – 2021. – Вып. 11, Т. 1. – С. 90–98.System for integrated modeling of station and section operation / A. M. Zamyshlyaev, S. V. Kalinin, D. Yu. Khalevin [et al.] // Proceedings of JSC «Research and Design Institute for Information Technology, Automation and Communication in Railway Transport». – 2021. – Issue 11, Vol. 1. – P. 90–98.

The authors declare that there are no conflicts of interest present.