УДК 004.942 Исследование поведения объекта на основе его математической модели
Представлен обзор развития интеллектуальных транспортных систем в железнодорожной сфере, центральным элементом которых стала технология цифровых двойников инфраструктуры и подвижного состава. Актуальность темы обусловлена глобальной цифровой трансформацией железнодорожной отрасли, направленной на повышение безопасности, надежности и эффективности перевозочного процесса. Цель: провести сравнительный анализ ключевых проектов, технологических решений и подходов к внедрению цифровых двойников в Европейском союзе, Китае и России, а также определить их роль в повышении эксплуатационных показателей. Методы: рассмотрены инициативы Европейского союза (Shift2Rail, Europe’s Rail) с акцентом на стандартизацию и предиктивное обслуживание, масштабные государственные программы Китая (Digital Railway Plan до 2035 г.), отличающиеся высокой скоростью и комплексной интеграцией технологий (BIM, 5G-R), а также российский прагматичный подход ОАО «РЖД» (АСУ BIM, «Умный локомотив», цифровой двойник сортировочной станции), направленный на постепенное интеллектуальное управление активами к 2030 году. Сделан вывод, что все регионы используют единый технологический базис (BIM-платформы, IoT/5G-сети, AI/ML-аналитика и симуляционные модели). Результаты: подтверждают, что цифровые двойники обеспечивают раннее обнаружение дефектов и прогнозно-превентивное обслуживание, что ведет к снижению аварийности, повышению надежности, сокращению неплановых простоев до 30 % и экономической эффективности, снижению расходов на обслуживание до 30 % и оптимизации операций.
интеллектуальные транспортные системы, цифровой двойник, железнодорожная инфраструктура, BIM-моделирование, предиктивное обслуживание, искусственный интеллект, надежность, эффективность
1. ГОСТ Р 56829—2015. Интеллектуальные транспортные системы. Термины и определения = Intelligent transport systems. Terms and definitions: национальный стандарт Российской Федерации: введен в действие приказом Федерального агентства по техническому регулированию и метрологии от 10 декабря 2015 г. № 2150-ст: дата введения: 2016-06-01. М.: Стандартинформ, 2016. 13 с.
2. Glaessgen E. H., Stargel D. S. The Digital Twin Paradigm for Future NASA and U.S. Air Force Vehicles // Proceedings of the 53rd AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference (Honolulu, HI, USA, 23–26 April 2012). American Institute of Aeronautics and Astronautics, 2012. 14 p. DOI:https://doi.org/10.2514/6.2012-1818.
3. Spanevello T. Digital Twins: Accelerating the Digital Transformation in the Rail Sector // Global Railway Review. 2021. 01 July. URL: http://www.globalrailwayreview.com/article/120887/digital-twins-rail (дата обращения: 28.09.2025).
4. Rail Strategic Research and Innovation Agenda — December 2020 // European Rail Research Advisory Council. 2020. 01 December. URL: http://errac.org/publications/rail-strategic-research-and-innovation-agenda-december-2020 (дата обращения: 28.09.2025).
5. Digital Modelling Workshop. 30 June 2021. Webinar Slidepack // International Union of Railways. URL: http://uic.org/ events/digital-modelling-workshop (дата обращения: 28.09.2025).
6. The Case for a Federated Digital Model of the Rail System / A. Magnien, B. Janssen, G. Dessagne, P. Tane // Global Railway Review. 2022. 20 October. URL: http://www.globalrailwayreview.com/article/ 138386/the-case-for-a-federated-digital-model-of-the-rail-system (дата обращения: 28.09.2025).
7. Crisan O. Italferr’s AI-Powered Digital Twin for Serravalle Tunnel // Bentley’s Blog. 2025. 23 October. URL: http://blog.bentley.com/software/yii-winner-bridges-and-tunnels-category-italferr-s-p-a (дата обращения: 25.10.2025).
8. Wang T. The Intelligent Beijing–Zhangjiakou High-Speed Railway // Engineering. 2021. Vol. 7, Iss. 12. Pp. 1665–1672. DOI:https://doi.org/10.1016/j.eng.2021.10.006.
9. China Mobile and ZTE Achieve Industry’s First Digital Twin-Based Precise Network Planning for High-Speed Rail // ZTE Official Website. 2023. 10 November. URL: http://www.zte.com.cn/global/about/news/china-mobile-and-zteachieveindustrys-first-digital-twin-based-precise-network-planning-for-high-speed-rail (дата обращения: 28.09.2025).
10. Кадик Л. Цифровые двойники на железной дороге. К 2030 году искусственный интеллект будет управлять транспортной инфраструктурой // Гудок.RU. 2021. 21 октября. URL: http://gudok.ru/content/analitika/infrastructure/ 1583619/ (дата обращения: 28.09.2025).
11. Ольгейзер И. А. Цифровой двойник сортировочной горки // Автоматика, связь, информатика. 2020. № 1. С. 20–22. DOI:https://doi.org/10.34649/AT.2020.1.1.003.
12. «Умный локомотив» увеличит производительность депо на 22 % // РЖД Цифровой. 2022. 08 июля. URL: http://rzddigital.ru/projects/umnyy-lokomotiv-uvelichit-proizvoditelnost-depo-na-22/ (дата обращения: 28.09.2025).
13. Об установлении случаев, при которых застройщиком, техническим заказчиком, лицом, обеспечивающим или осуществляющим подготовку обоснования инвестиций, и (или) лицом, ответственным за эксплуатацию объекта капитального строительства, обеспечиваются формирование и ведение информационной модели объекта капитального строительства: постановление Правительства Российской Федерации от 05 марта 2021 года № 331 (ред. от 20 декабря 2022 года № 2357).
