Поезд, который не отвлекается: как искусственный интеллект повышает безопасность на рельсах

Фото: Shutterstock

Камера на локомотиве ещё не означает, что поезд научился видеть. Система дистанционного видеонаблюдения передаёт изображение машинисту, а решение по увиденному принимает человек. Машинное зрение добавляет автоматический анализ: разработанная Трансмашхолдингом система обнаружения препятствий непрерывно контролирует окружающую обстановку, определяет объекты на пути, положение стрелочных переводов и показания светофоров. В ТМХ такое решение рассматривают как один из элементов движения с минимальным участием человека.

Однако обнаружить препятствие и избежать столкновения — разные задачи. Железнодорожный состав движется по рельсам и не может объехать возникший впереди объект, а его тормозной путь, по словам управляющего директора ТМХ по развитию интеллектуальных систем управления Андрея Романчикова, измеряется сотнями метров и километрами. При этом системы наблюдения должны получить необходимую информацию до того, как оставшегося расстояния станет недостаточно для остановки. По этой причине машинное зрение развивается не отдельно, а вместе с системами автоведения, безопасности, диагностики и управления движением.

Автоматизация охватывает и состояние самой техники. Бортовые комплексы получают данные с датчиков, анализируют сотни параметров и помогают обнаруживать признаки возможной неисправности. На другом уровне цифровые системы регулируют движение уже нескольких составов и позволяют сокращать интервалы между ними. Как эти решения связаны между собой, почему беспилотные технологии сначала испытывают на закрытых территориях и какую роль при этом сохраняет человек, рассказываем в рамках проекта «Как это работает?», реализуемого при поддержке Министерства науки и высшего образования Российской Федерации.

Что именно видит автоматика

У обычной видеокамеры одна задача — показать человеку пространство, которое он не может наблюдать непосредственно. В 2024 году «ТМХ Интеллектуальные Системы» оснастила 15 локомотивосоставов предприятия «Богатырь Комир» системой дистанционного видеонаблюдения. Мобильный блок на хвостовом вагоне передаёт изображение на монитор в кабине и позволяет машинисту контролировать пространство перед составом при движении вагонами вперёд. По данным компании, оборудование обеспечивает обзор железнодорожных путей на расстоянии более 100 метров.

Машинное зрение использует изображение иначе. Представленная ТМХ в 2025 году система не ограничивается передачей картинки в кабину: она автоматически обнаруживает препятствия, распознаёт положение стрелочных переводов и показания светофоров. Эти данные могут использоваться другими системами подвижного состава при управлении движением.

В интервью 2026 года Романчиков приводил пример неожиданного препятствия на железнодорожном пути. Система машинного зрения способна его обнаружить и передать команду на торможение. При этом после остановки возникают действия, которые автоматика выполнить не может: например, убрать препятствие или установить тормозные башмаки. Аналогичные ограничения эксперт отмечал для городского транспорта — при конфликте в салоне, ухудшении самочувствия пассажира или дорожно-транспортном происшествии требуется вмешательство человека.

Поэтому автоматизация пока меняет прежде всего набор операций, выполняемых человеком. Машинист может передавать часть постоянного контроля системе, но остаётся участником процесса на случай ситуаций, для которых требуется действие за пределами возможностей автоматики.

Почему увидеть препятствие недостаточно

Рельсы заранее определяют траекторию поезда, поэтому системе управления не требуется постоянно выбирать направление движения. Та же особенность ограничивает возможную реакцию на препятствие: состав не может уйти в сторону, поэтому одним из основных способов предотвращения столкновения становится торможение.

Романчиков называет величину тормозного пути одной из главных сложностей автоматизации железнодорожного транспорта. По его словам, у автомобилей речь идёт о десятках и сотнях метров, тогда как железнодорожному составу могут потребоваться сотни метров или километры. Сложность увеличивается в условиях ограниченной видимости, когда получить информацию о препятствии на большой дистанции труднее.

ТМХ проверял возможности систем технического зрения в разных погодных условиях, включая сильный дождь, туман и снегопад. В испытаниях оценивались не только дальность обнаружения, но и количество ложных срабатываний. Эти параметры показывают две стороны одной задачи: система должна заметить препятствие достаточно рано и при этом не реагировать как на опасность на каждое изменение изображения.

Открытая железная дорога добавляет к этому большое число возможных сценариев. На закрытых участках количество внешних факторов можно сократить, поэтому именно такие территории используются для первых этапов высокой автоматизации.

Почему беспилотные технологии сначала испытывают в закрытом контуре

На изолированной территории можно заранее определить маршрут, ограничить доступ посторонних и проводить испытания при контролируемых условиях. Романчиков отмечает, что первые беспилотные поезда появились именно на закрытых линиях — в метрополитене и между терминалами аэропортов. Для промышленного транспорта и трамвайных депо действует тот же принцип: ограниченная территория уменьшает число ситуаций, которые одновременно должна учитывать автоматика.

Такой подход используется в проекте в Верхней Пышме. В начале 2024 года «ТМХ-Интеллектуальные Системы» автоматизировала движение в местном трамвайном депо. В 2025 году ТМХ сообщил о подготовке испытаний беспилотного трамвая: на начальном этапе его эксплуатацию планируется ограничить территорией депо, чтобы провести проверки в контролируемых условиях. Сам проект на момент публикации официальной информации находился в стадии детальной проработки.

Отдельное направление развивается в Санкт-Петербурге. В интервью 2026 года Романчиков рассказывал об автоматизации движения в трамвайных депо города: после заезда вагона на территорию водитель сможет покинуть его, а дальнейшие манёвры выполнит автоматика. В петербургском метро машинист при автоматизации движения также сохраняется в кабине в роли специалиста, который следит за работой систем. Этот проект не относится к депо Верхней Пышмы и представляет собой отдельный кейс.

Передача автоматике операций движения повышает требования и к контролю состояния самого подвижного состава. Если система должна продолжать работу без постоянного ручного управления, ей необходимы данные не только о пространстве впереди, но и о техническом состоянии оборудования.

Как локомотив следит за собственным состоянием

Для диагностики оборудования изображения с камеры недостаточно. В бортовом комплексе предиктивной диагностики ТМХ используются высокоточные датчики, прежде всего датчики вибрации и электрического тока. Отдельный высокопроизводительный вычислитель должен в реальном времени оценивать состояние локомотива и предоставлять информацию для решения о возможности дальнейшего движения.

Необходимость отдельного вычислителя связана с объёмом собираемой информации. Передавать весь поток измерений с движущегося локомотива в реальном времени невозможно, поэтому часть обработки выполняется непосредственно на борту.

— Бортовой компьютер осуществляет предварительную обработку многочисленных данных измерений, отправляя по радиоканалу только сообщения о статусе локомотивных систем, — рассказал Андрей Романчиков.

Испытания комплекса проходили совместно с РЖД. Специалисты намеренно вводили неисправности в локомотив и во время опытных поездок проверяли возможность их распознавания. Среди примеров Романчиков называл ползуны на поверхности катания колёс. Для разных типов подвижного состава аналитической обработке предполагалось подвергать от 400 до 700 параметров.

Такой объём данных нужен не только для фиксации уже произошедшего отказа. Разработчики ставят задачу обнаруживать возможный переход оборудования в предотказное состояние и использовать эту информацию при планировании ремонта.

Что означает прогнозирование неисправности

ТМХ создавал бортовой комплекс предиктивной диагностики как открытую платформу, объединяющую датчики, вычислитель, высокоскоростные каналы на борту и передачу информации во внешний центр. Для аналитической обработки собранных данных компания планировала привлекать разработчиков алгоритмов, способных выявлять признаки возможного перехода локомотивных систем в предотказное состояние. Целью такой работы названо своевременное целевое планирование ремонтных мероприятий.

В 2026 году ТМХ продолжил развитие этого направления уже в составе «Единого комплекса предиктивной диагностики». Компания описывает его как корпоративную платформу сбора, хранения и обработки телеметрии, которая объединяет несколько диагностических систем. Для анализа данных используются инженерные и статистические методы, машинное обучение и элементы искусственного интеллекта. Ожидаемый результат — более раннее обнаружение потенциальных отказов и оптимизация сервисного обслуживания локомотивов.

В этой схеме искусственный интеллект работает с измерениями, а не с изображением перед поездом. Машинное зрение, диагностика и автоведение относятся к разным группам систем, хотя на подвижном составе они могут входить в общий цифровой комплекс.

Следующий уровень автоматизации появляется, когда требуется согласовать движение уже не одного локомотива, а нескольких составов на одном участке.

Как цифровые системы влияют на пропускную способность

Увеличение числа поездов на существующей инфраструктуре связано прежде всего с сокращением допустимых интервалов между составами. Для этой задачи ТМХ совместно с НИИАС развивает технологию «Виртуальная сцепка». Она позволяет по радиоканалу управлять несколькими грузовыми поездами в автоматизированном режиме. По данным ТМХ, сокращение минимального расстояния между составами позволяет повысить пропускную способность сети на 10–15%.

Машинное зрение в этом проекте выполняет другую функцию. Оно получает информацию об окружающей обстановке непосредственно возле подвижного состава, тогда как сокращение межпоездных интервалов связано с системами управления и обмена данными. В официальном материале ТМХ «Виртуальная сцепка» и система обнаружения препятствий также представлены как два самостоятельных цифровых решения.

Михаил Рожков связывает дальнейшее развитие таких технологий с задачей повышения пропускной способности без строительства новой инфраструктуры. Основным направлением он называет сокращение межпоездных интервалов, а машинное зрение, автоведение, сбор и обработку данных — связанными с этим проектами.

— С развитием этой технологии тесно связаны проекты установки на подвижной состав систем машинного зрения, автоведения, сбора и обработки данных, — отметил Михаил Рожков.

Состав таких систем показывает и набор компетенций, необходимых для их разработки. Машинное зрение требует работы с изображениями и алгоритмами, диагностика — с телеметрией и физическими параметрами оборудования, а управление движением — с железнодорожной автоматикой, связью и инфраструктурой.

Кто создаёт системы машинного зрения и автоматического управления

Разработки для автоматизированного транспорта находятся на стыке программирования и инженерных специальностей. Для машинного зрения нужны специалисты по обработке изображений и искусственному интеллекту; бортовые вычислители требуют компетенций во встраиваемых системах и электронике; взаимодействие с тормозами, тягой и инфраструктурой относится к автоматике и управлению движением. Отдельные специалисты занимаются испытаниями и проверяют, как оборудование работает в предусмотренных режимах эксплуатации.

Начать подготовку в этом направлении можно уже после школы. В Российском университете транспорта в 2026 году действует образовательная программа «Технологии искусственного интеллекта в транспортных системах» по направлению 09.03.02 «Информационные системы и технологии». Действующий учебный план утверждён 1 июня 2026 года, начало обучения указано с 1 сентября, программа рассчитана на четыре курса.

Отдельная подготовка связана с высокоскоростным железнодорожным транспортом. В РУТ преподаётся дисциплина «Техническое зрение на ВСМ»: учебный план предусматривает 16 часов лекций, 32 часа практических занятий и экзамен. Таким образом, системы технического зрения входят уже не только в отраслевые разработки, но и в подготовку специалистов для железнодорожного транспорта.

Ещё одна траектория — железнодорожная автоматика. Передовая инженерная школа «ИСКРА» Петербургского государственного университета путей сообщения в 2026 году ведёт специалитет «Автоматика и телемеханика на железнодорожном транспорте», а также магистерские программы «Автоматизированные системы диспетчерского управления» и «Информационно-управляющие системы железнодорожной автоматики и телемеханики». Среди направлений подготовки указаны системы технического зрения и цифровая инженерия систем управления движением. Партнёрами стажировок выступают ТМХ, НИИАС, РЖД, НИИП имени В. В. Тихомирова и Петербургский метрополитен.

Совместно с НИИАС, РЖД и ТМХ в ПИШ также развивается лабораторная база для изучения машинного зрения на железной дороге и технологии виртуальной сцепки. Это позволяет связывать программную подготовку с задачами железнодорожной автоматики и управления движением.

Для человека с уже полученным высшим образованием доступны магистерские и программы дополнительного профессионального образования. На страницах перечисленных образовательных программ отдельная верхняя возрастная граница не указана: маршрут определяется уровнем предыдущего образования и выбранной программой подготовки.

Машинное зрение при этом остаётся лишь одним из элементов автоматизации. Система обнаруживает объекты и изменения обстановки, диагностические комплексы контролируют состояние техники, автоведение управляет режимом движения, а системы связи и железнодорожной автоматики обеспечивают взаимодействие подвижного состава с инфраструктурой. Человек сохраняется в системе там, где требуется контроль работы автоматики и действия в ситуациях, которые не сводятся к выполнению заранее предусмотренной операции.

— Да, беспилотность на современном этапе не равна «бесчеловечности», — пояснил Андрей Романчиков.