Железная дорога на несколько ходов вперёд: как данные меняют движение поездов

Фото: Shutterstock

До отправления поезда остаётся ещё час. На табло указано прежнее время, пассажиры только собираются на вокзале, но железнодорожники уже понимают, что рейс может задержаться. Локомотив ещё не вернулся с предыдущего маршрута, впереди готовятся закрыть участок на ремонт, а свободный путь на станции вскоре понадобится другому составу… Каждую из этих проблем можно попытаться решить отдельно. Если же они возникают одновременно, поезд не сможет отправиться по первоначальному расписанию.

Поэтому на современной железной дороге мало знать, где поезд находится сейчас. Необходимо заранее увидеть, к чему приведёт его движение через несколько станций, какие ресурсы понадобятся по пути и где локальное отклонение затронет другие составы. Для этого некоторые специалисты соединяют технологические данные, математические расчёты, цифровые модели и искусственный интеллект.

О том, как железнодорожники с помощью цифровых систем оценивают будущую обстановку, чем прогноз движения поездов отличается от точного предсказания и почему алгоритмы не заменяют диспетчера, рассказываем на примере работы Открытого акционерного общества «Российские железные дороги» (ОАО «РЖД») в рамках проекта «Как это работает?», реализуемого при поддержке Министерства науки и высшего образования Российской Федерации.

Почему задержка возникает раньше, чем появляется на табло?

Пассажирское расписание показывает итог: время прибытия и отправления поезда. Рабочий график устроен сложнее: каждому поезду отводится своя «нитка» — линия на схеме, которая показывает, где состав должен находиться в каждый момент. В неё заранее включают остановки, скоростные ограничения и ремонтные «окна» — периоды, когда участок пути временно освобождают для работ. Передвинуть одну такую линию без проверки остальных нельзя: на однопутном участке поездам нужно безопасно разъехаться, на станции — не претендовать на один путь одновременно, а локомотиву и бригаде — прибыть к отправлению.

Именно эта взаимосвязь превращает небольшое отклонение в цепочку задержек. Если поезд дольше положенного занимает перегон — участок линии между соседними станциями или разъездами, — следующий состав подходит к закрытому сигналу и ждёт. Его опоздание меняет очерёдность прибытия на станцию, заставляет перестраивать манёвры с вагонами и может нарушить дальнейшую работу локомотива. Поэтому вторичная задержка иногда длится дольше исходной: первая неисправность уже устранена, а возникшая очередь продолжает влиять на движение.

Чтобы понять масштаб такого каскада, исследователи строят математические модели. В одной из работ о двухпутной линии, например, они заранее задавали место и длительность нарушения, а затем рассчитывали, сколько поездов и станций оно затронет, как будет накапливаться общее время задержки и когда движение вернётся к устойчивому графику. Такой эксперимент показывает механизм распространения сбоя, но не воспроизводит всю неопределённость реальной дороги: диспетчер не всегда знает, когда закончится ремонт и не появится ли новое ограничение. Поэтому рабочий прогноз приходится пересчитывать всякий раз, когда поступают свежие сведения.

Здесь и проходит граница между расчётом и гаданием. Система не обещает, что конкретный поезд непременно опоздает на строго определённое время. Она показывает, при каких сохранённых условиях план столкнётся с занятым путём, конфликтом маршрутов, нехваткой локомотива или другим ограничением. Чем раньше обнаружена такая точка, тем больше решений остаётся у специалиста: изменить очерёдность поездов, подготовить резерв, выбрать другой маршрут или заранее предупредить соседние станции.

Что именно видит цифровая модель железной дороги

Чтобы заглянуть вперёд, в будущее на несколько шагов, цифровой системе сначала требуется точное описание настоящего. В расчёт поступают плановый график, фактическое положение поездов, сведения о путях и станциях, временные ограничения скорости, ремонтные «окна», пометки диспетчеров, данные о локомотивах и бригадах. Для грузового движения добавляют прогноз поездообразования — сведения о том, какие вагоны станции успеют объединить в состав и когда этот поезд будет готов к отправлению. Если один из слоёв устарел, программа может безошибочно решить уже несуществующую задачу, поэтому качество исходных данных становится частью безопасности расчёта.

Для построения прогнозных графиков в РЖД используют аппаратно-программный комплекс «ЭЛЬБРУС», разработанный Акционерным обществом «Научно-исследовательский институт железнодорожного транспорта» (АО «ВНИИЖТ») и внедрённый на всей сети в 2020 году. Аппаратно-программный комплекс — это объединённые в одну систему программы, базы данных и вычислительное оборудование. «ЭЛЬБРУС» сопоставляет плановое, фактическое и ожидаемое движение, а затем передаёт рассчитанные графики в диспетчерские и отчётные системы. На той же информационной основе в 2021 году создали «ЭЛЬБРУС-М» — модель для более крупного масштаба, которая помогает сравнивать сценарии, находить перегруженные участки и оценивать последствия изменения потоков.

Масштаб объясняет, почему такую задачу нельзя свести к одной электронной таблице. В модели представлены тысячи станций, разъездов и других точек, разделяющих линию на участки, а также вся протяжённая сеть связей между ними. Специалист может изменить объём или направление движения, параметры инфраструктуры либо условия пропуска поездов и увидеть, где появится участок, ограничивающий всю систему. Модель не строит новую железную дорогу, но позволяет заранее проверить решение, прежде чем оно превратится в дорогое строительство или изменение технологии движения.

Первый заместитель генерального директора АО «ВНИИЖТ» Михаил Мехедов неоднократно отмечал, что цифровое описание должно точно воспроизводить действующие участки железной дороги. Поэтому данные модели обновляют, а рассчитанный график сопоставляют с тем, как поезда прошли в действительности. В этом случае цифровая модель становится не трёхмерной картинкой, а испытательной средой: изменение одного условия отражается на связанных участках и составах. Переход к искусственному интеллекту начинается только после того, как такая основа достаточно полно описывает реальный процесс.

Где железной дороге нужен ИИ, а где достаточно математики

Искусственным интеллектом нередко называют любую сложную программу, но для управления движением её использования недостаточно. Часть задач решают обычные математические алгоритмы: они проверяют, не пересекаются ли маршруты, перебирают допустимые варианты, рассчитывают ресурсы и выбирают лучшую очерёдность по заданным правилам. Цифровая имитационная модель воспроизводит процесс, как виртуальный испытательный стенд. Машинное обучение используют там, где закономерность нужно найти в большом массиве примеров: распознать объект на изображении, оценить риск отказа или научить виртуального участника выбирать действие после множества пробных сценариев.

К октябрю 2025 года технологии искусственного интеллекта применялись в 33 информационных системах РЖД. Речь шла не только об управлении поездами, но и о компьютерном зрении, распознавании речи, работе с документами и поддержке решений сотрудников. Поэтому это число нельзя понимать как количество нейросетей, самостоятельно ведущих составы. Для транспортной системы важнее другое: какую производственную задачу решает технология, насколько понятна её ошибка и кто проверяет результат.

Заведующий лабораторией искусственного интеллекта филиала № 11 Отраслевого центра разработки и внедрения информационных систем (ОЦРВ) Александр Любченко называл три трудности таких проектов. Данные нужно не только собрать, но и разметить, то есть объяснить программе, что означает каждый пример, а затем без потерь сопоставить сведения из разных систем. Кроме того, разработка остаётся исследованием: выбранный способ подготовки данных или устройство модели может не подтвердить исходную гипотезу. Наконец, требование абсолютной безошибочности способно сделать проект неоправданно долгим и дорогим.

— Мы часто слышим, что точность должна быть 100% и ошибок ноль. Это приводит либо к неоправданным ожиданиям, либо к увеличению сроков и стоимости проекта, — объяснил Александр Любченко.

Один из экспериментов лаборатории был посвящён планированию грузовых поездов. Исследователи построили виртуальный участок со станциями и перегонами, а затем многократно проигрывали на нём перевозки. Интеллектуальный агент — программа, выбирающая действие, — получал оценку за результат и постепенно учился снижать риск нарушения срока доставки; такой подход называют обучением с подкреплением. Разработка оставалась прототипом, проверенным на ограниченном участке с заданными авторами допущениями, поэтому её нельзя описывать как готовую систему управления всей сетью.

Почему высокая точность ещё не делает прогноз полезным

У прогноза есть разные пользователи, и каждому нужна своя полезная форма результата. Диспетчеру важно увидеть, где возникнет конфликт, насколько срочно вмешиваться и какой ресурс можно задействовать. Пассажиру необходимо достаточно устойчивое время прибытия, чтобы решить, успеет ли он на пересадку. Модель может показывать небольшую среднюю ошибку, но оставаться неудобной, если её оценка постоянно меняется и не объясняет причины пересчёта.

Эту проблему разбирали авторы систематического обзора, которые после отбора изучили 67 научных работ о прогнозировании железнодорожных задержек. Они предложили проверять не только среднюю точность, но и разброс ошибок, устойчивость к неполным или шумным данным, способность работать на новых участках, понятность результата и пригодность для реальной работы. Такой обзор не испытывает одну новую программу: он сравнивает способы, которыми другие исследователи оценивали свои модели, и показывает общие слабые места. Один из главных выводов состоит в том, что хороший результат на знакомых данных ещё не доказывает надёжность при другом расписании, сезоне или характере движения.

Отдельное исследование показало, как модели можно передать взаимозависимость поездов. Учёные представили расписание в виде сети: события прибытия и отправления стали её точками, а движение по участку, стоянки и интервалы между составами — связями. Графовая нейронная сеть, то есть программа, обученная работать с такими взаимосвязанными объектами, оценивала время хода и остановок, замечала возможные обгоны и предлагала перестроить расписание. В заданных авторами сценариях на высокоскоростной линии Ухань — Гуанчжоу она превзошла три набора стандартных правил, но этот результат нельзя автоматически переносить на любую железную дорогу: проверка проводилась на конкретной линии.

Потребность в объяснении прогноза связана не с любопытством разработчиков, а с ответственностью за решение. Диспетчеру недостаточно получить красный индикатор риска — необходимо понимать, какие данные сильнее всего повлияли на предупреждение. Только тогда предложение программы можно проверить, сопоставить с текущей обстановкой и разобрать после события. Чем выше цена ошибки, тем опаснее уверенный ответ, происхождение которого специалист не способен восстановить.

Есть и другая граница применимости: модели лучше распознают закономерности, которые уже встречались в данных. Редкое сочетание аварии, изменения приоритетов и нехватки локомотивов по определению не даёт большого числа примеров для обучения. Кроме того, сведения от разных подразделений могут обновляться не одновременно, а срок восстановления инфраструктуры — меняться по ходу работ. Поэтому прогноз не гарантирует отсутствие задержки, а даёт специалистам дополнительное время на проверку вариантов и подготовку решения.

Кто принимает решение, если план перестал выполняться?

Когда расчёт показывает будущий конфликт, информация проходит через несколько уровней управления. На станции организуют приём, осмотр, расформирование и отправление поездов. Региональные диспетчерские центры связывают соседние участки и распределяют локомотивы и бригады, а уровень, объединяющий несколько железных дорог, согласует движение на большой территории. Центральное управление работает с потоками всей сети, в том числе при отказах техники и чрезвычайных ситуациях, когда часть составов приходится направлять другими маршрутами.

Чтобы решения этих уровней не расходились, в 2025 году РЖД внедрили модуль сменно-суточного планирования. Он помогает составить единый план на смену и ближайшие сутки, учитывая готовность грузовых поездов, линии планового графика и доступные ресурсы. В 2026 году система ещё проходила адаптацию, поэтому корректнее говорить об автоматизации расчётов, а не о полном переходе управления к программе. Заместитель начальника Центральной дирекции управления движением ОАО «РЖД» по оперативной работе Сергей Крохин подчёркивал, что цифровые инструменты дают общую картину, но выбор решения требует профессионального анализа.

— Диспетчерский аппарат получает инструменты для оценки ситуации и выбора решений, однако ключевую роль по-прежнему играет профессиональный анализ, — пояснял он.

Разделение ролей видно на простом примере. Алгоритм может предложить первым пропустить поезд, который потеряет больше времени при ожидании. Диспетчер при этом знает, что другому составу вскоре понадобится смена локомотивной бригады, а свободные сотрудники прибудут нескоро. Если не учесть это обстоятельство, небольшой выигрыш для одного поезда создаст гораздо более долгую остановку другого, поэтому формальный расчёт приходится дополнять контекстом.

Как сетевой расчёт превращается в работу конкретной станции

После выбора решения сетевой план нужно превратить в работу конкретной станции. Здесь состав принимают на свободный путь, осматривают, при необходимости разделяют, заново объединяют вагоны, подают локомотив и готовят отправление. У каждой операции есть исполнитель, оборудование, норматив времени и условия начала. Если станция не успевает переработать поступающий поток, задержка возникает уже внутри неё, хотя на магистральном графике конфликта могло не быть.

На станции Челябинск-Главный эти операции объединяют в проекте «Цифровая железнодорожная станция». Программные модули поддерживают постоянно обновляемую модель объекта, составляют план работы вплоть до действий с конкретным вагоном или локомотивом и пересчитывают его при отклонениях. Фактическую обстановку собирают разные средства контроля: камеры распознают вагоны и детали, лазерный сканер измеряет форму объектов, тепловая диагностика ищет необычный нагрев, а радиометки автоматически передают идентификатор оборудования. Датчики становятся полезны только тогда, когда их показания связаны с планом и позволяют понять, какая операция выполнена, задержана или требует вмешательства.

— Внедрённые инфраструктурные компоненты ЦЖС автоматически фиксируют расположение подвижных единиц на станции «с колеса». Это даёт нам масштабный массив достоверных данных о событиях, — рассказал начальник Научно-технического комплекса интеллектуальных систем контроля и управления Акционерного общества «Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте» (АО «НИИАС») Александр Вуколов.

Собранные данные нужны не только для анализа уже выполненной работы, но и для автоматизации следующих действий. В августе 2026 года РЖД сообщили, что первый этап испытаний Центра автоматизации манёвровой работы на станции Челябинск-Главный подходит к завершению. Комплекс получает от системы управления стрелками и светофорами сведения о свободных маршрутах, учитывает ограничения инфраструктуры и передаёт команды двум манёвровым тепловозам с системой «Автомашинист». Во время испытаний человек остаётся в кабине и наблюдает за техникой; в дальнейшем предусмотрен дистанционный контроль машиниста-оператора, поэтому говорить о полностью безлюдной станции пока рано.

Этот этап показывает разницу между автоматическим локомотивом и автоматизированной технологией станции. Тепловоз может выполнить команду, распознать препятствие и остановиться, но сам по себе не определяет, какой состав нужно подготовить первым и как решение повлияет на отправления через несколько часов. Для этого должны обмениваться данными сетевой график, модель станции, диагностика, устройства управления стрелками и сигналами, а также план манёвров. Цифровая железная дорога возникает не в одном «умном» устройстве, а в согласованной работе всех уровней.

Какие же специалисты создают цифровую железную дорогу?

Такую систему создают специалисты с разной подготовкой. Инженер по организации перевозок понимает технологию станций, график, использование локомотивов и работу бригад. Математик переводит эти связи в систему ограничений, аналитик находит пропуски и противоречия в данных, специалист по машинному обучению проверяет прогноз, а разработчик соединяет модель с действующими программами. Инженеры по автоматике и связи отвечают за взаимодействие цифрового плана со светофорами, стрелками, бортовым оборудованием и каналами передачи данных.

Начать путь в управление перевозками можно,например, с обучения по программе «Эксплуатация железных дорог». В Российском университете транспорта действует профиль «Цифровые технологии управления транспортными процессами», где соединяют устройство железной дороги, диспетчерское управление, моделирование потоков и анализ данных. В отрасль также приходят выпускники программ по прикладной математике, программированию, автоматизации и информационным системам. Однако им всё равно приходится осваивать сам перевозочный процесс: хорошая модель требует понимания того, какое действие стоит за каждым показателем.

Теорию полезно дополнять практикой на реальных задачах. ОЦРВ «Сириус» сотрудничает с Университетом «Сириус» и привлекает студентов к анализу данных, компьютерному зрению и машинному обучению. Участники проходят путь от оценки исходных знаний и подготовки информации до прототипа, который могут показать руководителям подразделений РЖД. Так будущий специалист видит не только работу алгоритма, но и ограничения производства, для которого этот алгоритм создаётся.

— Уровень подготовки стажёров позволяет по итогу программы получать полезные для исследований результаты, а иногда и конечные продукты в виде прототипов, — рассказал руководитель группы анализа структурированных данных лаборатории искусственного интеллекта и нейронных сетей ОЦРВ «Сириус» Сергей Ерошенко.

Траектории специалистов при этом различаются. Поездному диспетчеру требуется профильная подготовка и практический опыт в организации перевозок, потому что его решения непосредственно связаны с безопасностью движения. У разработчиков и аналитиков путь гибче: они могут прийти из информационных технологий, математики, промышленной автоматизации или логистики, а транспортные знания получить во время обучения и проектов. Возраст здесь не определяет пригодность к профессии, но специалисту придётся разобраться в предметной области, где ошибка программы способна повлиять на физическое движение поездов.