Прогнозирование успешности реализации проектов присоединения железнодорожных путей необщего пользования с использованием ансамблевых методов машинного обучения
https://doi.org/10.46973/0201-727X_2026_1_59
Аннотация
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.
Об авторе
М. О. Фонсека
Российский университет транспорта (РУТ МИИТ); Центр фирменного транспортного обслуживания – ОАО «РЖД»
Россия
Россия
Фонсека Марина Олеговна, кафедра «Цифровые технологии управления транспортными процессами», аспирант; начальник отдела автоматизации и внедрения информационных систем
Список литературы
1. Фонсека, 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.
2. ВЦИОМ. Оценка качества услуг грузовых железнодорожных перевозок : отчет по результатам опроса пользователей. – Москва, ноябрь 2023. – 89 с.
3. 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,
4. 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.
5. 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».
6. Ларченко, Д. В. Интеллектуальные системы поддержки принятия решений в управлении транспортными процессами / Д. В. Ларченко, Л. А. Федоров. – Москва : ИНФРА-М, 2019. – 198 с.
7. 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.
8. 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»).
9. Молнар, К. Интерпретируемое машинное обучение : руководство по созданию объяснимых моделей / К. Молнар ; пер. с англ. – Москва : ДМК Пресс, 2022. – 382 с. (Глава о SHAP).
10. ГОСТ Р 59276-2020. Системы искусственного интеллекта. Способы обеспечения доверия. Общие положения. – Москва : Стандартинформ, 2021. – 16 с.
11. Описание функциональных возможностей Автоматизированной системы единого технологического процесса нового поколения. Модуль технические условия (АС ЕТП НП.ТУ) : внутренний регламентирующий документ ОАО «РЖД». – Москва, 2023.
12. 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.
Рецензия
Для цитирования:
Фонсека М.О. Прогнозирование успешности реализации проектов присоединения железнодорожных путей необщего пользования с использованием ансамблевых методов машинного обучения. Вестник Ростовского государственного университета путей сообщения. 2026;(1):59-65. https://doi.org/10.46973/0201-727X_2026_1_59
For citation:
Fonseca M.O. Predicting the viability of non-public railway track connection projects using ensemble machine learning methods. Vestnik Rostovskogo Gosudarstvennogo Universiteta Putej Soobshcheniya. 2026;(1):59-65. (In Russ.) https://doi.org/10.46973/0201-727X_2026_1_59
Просмотров:
30
JATS XML
Послать статью по эл. почте 