Формирование сценариев организации работы малоинтенсивных железнодорожных линий по набору параметров

Специализация железнодорожных линий в современных условиях имеет сложную структуру, учитывающую различные показатели. В статье предложена система управления параметрами железнодорожных линий с использованием групп исходных, технологических, инфраструктурных и экономических показателей, на основе которых реализуется моделирование сценариев для функционирования малоинтенсивных железнодорожных линий. Система управления параметрами железнодорожных линий основана на использовании нечеткой логики по набору правил взаимного влияния различных показателей друг на друга.

Предлагаемая система параметров железнодорожной линии позволяет определять нечеткие веса показателей для формирование комплексного интегрального индекса, который дает возможность наиболее полно характеризовать работу железнодорожных линий различной специализации.

Разработаны сценарии функционирования малоинтенсивных железнодорожных линий для дальнейшего формирования управляющих воздействий, направленных на повышение эффективности работы железнодорожной транспортной сети.

Результаты исследования могут быть применены при разработке сценариев развития железнодорожной транспортной сети, а также при формировании комплексных программ развития транспортной системы с учетом особенностей рассматриваемых групп показателей.

1. Транспортно-логистические системы в условиях системных изменений в экономике / Э. А. Мамаев, А. Н. Гуда, В. А. Финоченко, К. А. Годованый // Вестник Ростовского государственного университета путей сообщения. – 2022. – № 2 (86). – С. 145–154. – DOI 10.46973/0201-727X_2022_2_145.

2. Долгий, А. И. Интеллектуальный мониторинг перевозочных процессов на основе динамического метода главных компонент / А. И. Долгий, С. М. Ковалев, А. Н. Гуда // Вестник Ростовского государственного университета путей сообщения. – 2023. – № 2 (90). – С. 240–251. – DOI 10.46973/0201-727X_2023_2_240.

3. Оценка возможности перераспределения грузопотока между видами транспорта на генеральных направлениях МТК «Север – Юг» / Д. В. Сорокин, А. И. Хашев, С. М. Наурузбаев [и др.] // Вестник Ростовского государственного университета путей сообщения. – 2025. – № 2. – С. 243– 253. – DOI 10.46973/0201727X_2025_2_243.

4. Development and management of a radon assessment strategy suitable for underground railway tunnelling projects / C. J. Purnell, G. Frommer, K. Chan, A. A. Auch // Radiation Protection Dosimetry. – 2004. – Vol. 108, No. 4. – P. 353. – DOI 10.1093/rpd/nch035.

5. Ballis, A. Issues on railway wagon asset management using advanced information systems / A. Ballis, L. Dimitriou // Transportation Research Part C : Emerging Technologies. – 2010. – Vol. 18, No. 5. – P. 807–820.

6. Никитин, А. Б. Возможность внедрения цифровой радиосвязи и организации передачи данных между станциями на малодеятельных линиях / А. Б. Никитин, И. В. Кушпиль // Автоматика на транспорте. – 2019. – Т. 5, № 1. – С. 45–61. – DOI 10.20295/2412-9186-2019-1-45-61.

7. Interaction of Intensive and Low-Density Lines : Management Approach and Models. In : A. Manakov, A. Edigarian [et al.]. International Scientific Siberian Transport Forum TransSiberia-2021 / K. E. Kovalev, A. V. Novichikhin // TransSiberia-2021. 8 Lecture Notes in Networks and Systems. Vol. 402. – Springer, Cham. – DOI 10.1007/978-3-030-96380-4_76.

8. Нутович, В. Е. Алгоритмическое обеспечение и концептуальные модели логистического навигатора в части определения условий перевозок грузов различными видами транспорта / В. Е. Нутович, Т. В. Тулина // Вестник Ростов- ского государственного университета путей сообщения. – 2025. – № 1 (97). – С. 86–93. – DOI 10.46973/0201–727X_2025_1_86.

9. Вакуленко, С. П. Малодеятельные линии: состояние и варианты оптимизации / С. П. Вакуленко, А. В. Колин, Н. Ю. Евреенова // Мир транспорта. – 2017. – Т. 15, № 3 (70). – С. 174– 180. – DOI 10.30932/1992-3252-2017-15-3-16.

10. Механизм диагностики эксплуатации малоинтенсивных железнодорожных линий на основе нечеткого когнитивного моделирования / К. Е. Ковалев, А. В. Новичихин, И. Л. Сакович, В. А. Болотин // Автоматика на транспорте. – 2023. – Т. 9, № 1. – С. 72–86. – DOI 10.20295/2412-9186-2023-9-01-72-86.

11. Ковалев, К. Е. Процедура планирования работы малоинтенсивных железнодорожных линий: логистические аспекты и нейросетевые модели / К. Е. Ковалев, А. В. Новичихин // Известия Петербургского университета путей сообщения. – 2023. – Т. 20, № 2. – С. 325–335. – DOI 10.20295/1815-588X-2023-2-325-335.

12. Sobol, I. M. Numerical Monte Carlo Methods / I. M. Sobol ; Main editorial board of physical and mathematical literature. – Moscow : Nauka, 1973. – 313 p.

13. Михайлов, Г. А. Рандомизированные алгоритмы метода Монте-Карло для задач со случайными параметрами (метод «двойной рандомизации») / Г. А. Михайлов // Сибирский журнал вычислительной математики. – 2019. – Т. 22, № 2. – С. 187–200. – DOI 10.15372/SJNM20190205.

14. Ермаков, С. М. Метод Монте-Карло для решения систем ОДУ / С. М. Ермаков, Т. М. Товстик // Вестник Санкт-Петербургского университета. Математика. Механика. Астрономия. – 2019. – Т. 6, № 3. – С. 411–421. – DOI 10.21638/11701/spbu01.2019.306.

15. Юнусова, Л. Д. Анализ методов ценообразования опционов : модель Блэка – Шоулза и метод Монте-Карло // Международный научный журнал. – 2020. – № 4. – С. 64–67. – DOI 10.34286/1995-4638-2020-73-4-64-67.