Intellectual Technologies on Transport Intellectual Technologies on Transport Интеллектуальные технологии на транспорте 2413-2527 94830 10.20295/2413-2527-2025-141-14-19 vlhqfh ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ТРАНСПОРТНЫЕ СИСТЕМЫ ARTIFICIAL INTELLIGENCE AND TRANSPORT SYSTEMS ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ТРАНСПОРТНЫЕ СИСТЕМЫ Artificial Intelligence Integrated into Functional Testing of Critical Information Infrastructure of Railway Transport Интегрирование искусственного интеллекта в функциональное тестирование критической информационной инфраструктуры железнодорожного транспорта Лецкий Эдуард Константинович Letsky Eduard Konstantinovich letzky@mail.ru

доктор технических наук;

doctor of technical sciences;

 Гуров Антон Иванович Gurov Anton Ivanovich gur.16@mail.ru Российский университет транспорта (МИИТ) Москва Россия Russian University of Transport (MIIT) Moscow Russian Federation Российский университет транспорта (МИИТ) Москва Россия Russian University of Transport (MIIT) Moscow Russian Federation 24 03 2025 24 03 2025 1 14 19 09 02 2025 26 02 2025 https://itt-pgups.ru/en/nauka/article/94830/view

Рассмотрены основные направления использования искусственного интеллекта в функциональном тестировании критической информационной инфраструктуры системы бронирования и продажи билетов на железнодорожном транспорте с целью повышения эффективности, надежности и скорости тестирования, а также сокращения затрат и рисков, связанных с потенциальными сбоями и отказами системы. Метод исследования: анализ возможностей методов искусственного интеллекта для совершенствования технологий функционального тестирования. Результаты исследования: предложено использовать методы искусственного интеллекта при построении оптимальных тестов, выборе стратегий тестирования, а также при прогнозировании сбоев и отказов автоматизированной системы управления бронированием и продажей билетов. Практическая значимость заключается в возможности повышения эффективности функционального тестирования систем критической информационной инфраструктуры железнодорожного транспорта.

Purpose: AI-driven functional testing of the critical information infrastructure such as a railway ticket booking and sales system is considered in order to increase the efficiency, reliability and speed of testing, as well as to reduce costs and risks associated with potential system failures. Methods: analyzing the potential of artificial intelligence methods for improving functional test technologies. Results: it is proposed to use artificial intelligence methods in constructing optimal tests and selecting test strategies, as well as in failure prediction in the automated ticket booking and sales system. Practical significance: increased functional test efficiency of critical information infrastructure systems of railway transport.

 функциональное тестирование искусственный интеллект железнодорожный транспорт критические информационные инфраструктуры цифровые технологии functional testing artificial intelligence railway transport critical information infrastructures digital technologies

Попов П. А. Применение технологий искусственного интеллекта для железнодорожного транспорта // Вестник института проблем естественных монополий: Техника железных дорог. 2024. № 1 (65). С. 38–41. Popov P. A. Primenenie tekhnologiy iskusstvennogo intellekta dlya zheleznodorozhnogo transporta [Application of AI Technologies in Railway Transport], Vestnik instituta problem estestvennykh monopoliy: Tekhnika zheleznykh dorog [Railway Equipment], 2024, No. 1 (65), Pp. 38–41. (In Russian) Якимова С. АСУ «Экспресс-3»: как управлять пассажирским комплексом // РЖД Цифровой. 2024. 18 июля. URL: http://rzddigital.ru/projects/asu-eksperess-3-kak-upravlyat-passazhirskim-kompleksom/ (дата обращения: 29.01.2025). Yakimova S. ASU “Ekspress-3”: kak upravlyat passazhirskim kompleksom [ACS “Express-3”: How to Manage a Passenger Complex], RZhD Tsifrovoy [RZD.Digital]. Published online July 18, 2024. Available at: http://rzddigital.ru/projects/asu-eksperess-3-kak-upravlyat-passazhirskim-kompleksom/ (accessed: 29.01.2025). (In Russian) Перечень типовых отраслевых объектов критической информационной инфраструктуры, функционирующих в сфере транспорта. Опубликовано 16.08.2024. 22 с. URL: http://www.mintrans.gov.ru/documents/8/13678 (дата обращения: 29.01.2025). Perechen tipovykh otraslevykh obektov kriticheskoy informatsionnoy infrastruktury, funktsioniruyushchikh v sfere transporta [List of typical industry objects of critical information infrastructure operating in the field of transport]. Published online August 16, 2024. Available at: http://www.mintrans.gov.ru/documents/8/13678 (accessed: 29.01.2025). (In Russian) О развитии искусственного интеллекта в Российской Федерации: Указ Президента Российской Федерации от 10 октября 2019 г. № 490: ред. от 15 февраля 2024 г. № 124. O razvitii iskusstvennogo intellekta v Rossiyskoy Federatsii [On the Development of Artificial Intelligence in the Russian Federation]: Decree of the President of the Russian Federation of October 10, 2019 No. 490 (as amended on February 15, 2024 No. 124). (In Russian) IEEE/ISO/IEC 24765:2017. ISO/IEC/IEEE International Standard — Systems and Software Engineering — Vocabulary. Published 28 August 2017. New York (NY): The Institute of Electrical and Electronics Engineers, 2017. 541 p. DOI: 10.1109/IEEESTD.2017.8016712. IEEE/ISO/IEC 24765:2017. ISO/IEC/IEEE International Standard — Systems and Software Engineering — Vocabulary. Published August 28, 2017. New York (NY), The Institute of Electrical and Electronics Engineers, 2017, 541 p. DOI: 10.1109/IEEESTD.2017.8016712. A Literature Review of Artificial Intelligence Applications in Railway Systems / R. Tang, L. De Donato, N. Bes̆inović, et al. // Transportation Research Part C: Emerging Technologies. 2022. Vol. 140, Art. No. 103679. 25 p. DOI: 10.1016/j.trc.2022.103679. Tang R., De Donato L., Bes̆inović N., et al. A Literature Review of Artificial Intelligence Applications in Railway Systems, Transportation Research Part C: Emerging Technologies, 2022, Vol. 140, Art. No. 103679, 25 p. DOI: 10.1016/j. trc.2022.103679. Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond / W. Chen, Y. Liang, Y. Zhu, et al. // arXiv. 2024. Vol. 2403.14151. 25 p. DOI: 10.48550/arXiv.2403.14151. Chen W., Liang Y., Zhu Y., et al. Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond, ArXiv, 2024, Vol. 2403.14151, 25 p. DOI: 10.48550/arXiv.2403.14151. Feroz Khan A. B., Perl I. Integrating Machine Learning and Deep Learning in Smart Cities for Enhanced Traffic Congestion Management: An Empirical Review // Journal of Urban Development and Management. 2023. Vol. 2, Iss. 4. Pp. 211–221. DOI: 10.56578/judm020404. Feroz Khan A. B., Perl I. Integrating Machine Learning and Deep Learning in Smart Cities for Enhanced Traffic Congestion Management: An Empirical Review, Journal of Urban Development and Management, 2023, Vol. 2, Iss. 4, Pp. 211–221. DOI: 10.56578/judm020404. A Systematic Survey on Big Data and Artificial Intelligence Algorithms for Intelligent Transportation System / S. Abirami, M. Pethuraj, M. Uthayakumar, P. Chitra // Case Studies on Transport Policy. 2024. Vol. 17, Art. No. 101247. 18 p. DOI: 10.1016/j.cstp.2024.101247. Abirami S., Pethuraj M., Uthayakumar M., Chitra P. A Systematic Survey on Big Data and Artificial Intelligence Algorithms for Intelligent Transportation System, Case Studies on Transport Policy, 2024, Vol. 17, Art. No. 101247, 18 p. DOI: 10.1016/j.cstp.2024.101247. Boukerche A., Tao Y., Sun P. Artificial Intelligence-Based Vehicular Traffic Flow Prediction Methods for Supporting Intelligent Transportation Systems // Computer Networks. 2020. Vol. 182, Art. No. 107484. 21 p. DOI: 10.1016/ j.comnet.2020.107484. Boukerche A., Tao Y., Sun P. Artificial Intelligence-Based Vehicular Traffic Flow Prediction Methods for Supporting Intelligent Transportation Systems, Computer Networks, 2020, Vol. 182, Art. No. 107484, 21 p. DOI: 10.1016/j.comnet.2020.107484.