В обзоре представлены ключевые направления научно-технологического развития АО «НИИАС» за первое полугодие 2025 года, включая внедрение интеллектуальных систем управления на железнодорожном транспорте, автоматизацию процессов закрепления подвижного состава, исследования надежности элементов конструкций при циклических нагрузках, интеграцию цифровых технологий (LTE) в систему МАЛС, а также технико-экономические
аспекты роботизации отрасли. Особое внимание уделено риск-ориентированным подходам, междисциплинарному сотрудничеству и разработке методик оценки эффективности инновационных решений

интеллектуальные транспортные системы, цифровизация железнодорожного транспорта, роботизация, надежность подвижного состава, LTE-технологии, риск-ориентированный подход

1. ГОСТ Р 55513-2013 «Локомотивы. Требования к прочности и динамическим качествам». М.: Стандартинформ, 2014. — 72 с.
2. ГОСТ 33211-2014 Вагоны грузовые. Требования к прочности и динамическим качествам. М.: Стандартинформ, 2016. — 53 с.
3. Обеспечение безопасной эксплуатации подвижного состава на основе стратегии управления ресурсом на этапах жизненного цикла /Оганьян Э.С., Коссов В.С., Волохов Г.М., Овечников М.Н., Гасюк А.С.// Железнодорожный транспорт, 2018. № 12. — С. 36 — 40.
4. Проблемы прочности, техногенной безопасности и конструкционного материаловедения /Под ред. Н.А. Махутова, Ю.Г. Матвиенко, А.Н. Романова. М.: ЛЕНАНД, 2018. — 720 с.
5. Безопасность России. Правовые, социально-экономические и научно-технические аспекты. Тематический блок «Безопасность железнодорожного транспорта» Раздел II. Техногенная безопасность железнодорожного транспорта: коллективная монография / Абросимов Н.В., Акимов В.А., Алешин А.В. [и др.]; науч. рук. чл.-корр. РАН Н.А. Махутов, —М.: МГОФ Знание, 2021. —488 с.
6. Когаев В.П. Расчеты на прочность при напряжениях, переменных во времени. /Под ред. А.П. Гусенкова. —М.: Машиностроение, 1993 г. −364 с.
7. ГОСТ Р 57445-2017 Железнодорожные технические средства. Общие требования к методам определения ресурса. М. Стандартинформ, 2017. — 26 с.
8. Алгоритм снижения риска возникновения нештатных ситуаций на железнодорожномтранспорте по условиям безопасности подвижного состава / Коссов В.С., Красюков Н.Ф., Оганьян Э.С., Волохов Г.М., Князев Д.А. Стр. 215 — 221 / Материалы третьей международной научно-технической конференции: «Железнодорожный подвижной состав: проблемы, решения, перспективы.»-. (г. Ташкент, 17 — 20 апреля 2024 г.). — Т.: ТГТУ, 2024. — 488 с.ИНТЕЛЛЕКТУАЛЬНЫЙ ТРАНСПОРТ Выпуск 2 (34) | 2025 — 29 —
9. Риск-ориентированный подход и критерии его использования при оценке безопасности перевозочного процесса на железнодорожном транспорте / Волохов Г.М., Оганьян Э.С., Лунин А.А., Князев Д.А., Красюков Н.Ф. Стр. 89 — 97 / Железнодорожный подвижной состав: проблемы, решения, перспективы: материалы Третьей Международной научнотехнической конференции (Ташкент, 17–20 апреля 2024 г.). — Т.: ТГТУ, 2024. — 488 с.

В статье рассматриваются методы анализа и синтеза интеллектуальных транспортных систем, их архитектуры и алгоритмы восстановления работоспособности. Подробно описываются методы анализа интеллектуальных транспортных систем. Авторы в данном исследовании рассматривают различные подходы к оценке текущего состояния транспортных систем, включая статистический анализ, моделирование и симуляцию. Особое внимание уделяется методам выявления проблемных областей и потенциальных узких мест в работе интеллектуальных транспортных систем, что позволяет своевременно принимать меры по их устранению и улучшению. Рассмотрены вопросы синтеза интеллектуальных транспортных систем, представлены различные архитектурные решения, которые могут быть применены при разработке и внедрении интеллектуальных транспортных систем. Авторы рассматривают как централизованные, так и децентрализованные архитектуры, анализируя их преимущества
и недостатки. Особое внимание уделяется вопросам масштабируемости и адаптивности систем, что позволяет им эффективно функционировать в условиях изменяющихся транспортных потоков и внешних факторов

интеллектуальные транспортные системы, методы анализа ИТС, надежность системы, устойчивость системы, архитектура ИТС, алгоритмы восстановления работоспособности, синтез ИТС, мониторинг состояния ИТС

1. Ван, Ж. Анализ развития интеллектуальных транспортных систем / Ж. Ван // Наука и инновации - современные концепции : Сборник научных статей по итогам работы Международного научного форума, Москва, 28 декабря 2023 года. – Москва: ООО «Инфинити», 2023. – С. 142-146. – DOI 10.34660/INF.2023.26.61.302. – EDN QCFPFC.
2. Федорченко, А. Г. Структура и функции интеллектуальных транспортных систем / А. Г. Федорченко, Г. Д. Юхненко // Научно-технические аспекты развития автотранспортного комплекса : Материалы Х Международной научно-практической конференции, в рамках 10-го Международного научного форума Донецкой Народной Республики, Горловка, 31 мая 2024 года. – Горловка: Донецкий национальный технический университет, 2024. – С. 469-473. – EDN OFCIJU.
3. Маремуха, А. В. Теоретические аспекты интеллектуальных транспортных систем / А. В. Маремуха // Фундаментальные и прикладные исследования молодых учёных : сборник материалов VII Международной научно-практической конференции студентов, аспирантов и молодых учёных, приуроченной к 110-летию со дня рождения Т.В. Алексеевой, Омск, 20–21 апреля 2023 года. – Омск: Сибирский государственный автомобильно-дорожный университет (СибАДИ), 2023. – С. 196-198. – EDN XEQTXX.
4. Зырянов, В. В. Архитектура интеллектуальных транспортных систем / В. В. Зырянов, А. А. Феофилова : Донской государственный технический университет, 2023. – 76 с. – ISBN978-5-7890-2121-7. – EDN MUTYWJ.
5. Савин, Г. В. Транспортно-логистическая система цифрового типа: от интеллектуальной транспортной системы до единой экосистемы / Г. В. Савин, В. В. Савина. – Новосибирск :ООО «СибАК», 2022. – 230 с. – ISBN 978-5-6048579-6-0. – EDN DMWJFY.
6. Тюлютаев, О. А. Автоматизированные системы управления общественным транспортом с использованием технологий интеллектуальных транспортных систем / О. А. Тюлютаев // ФУНДАМЕНТАЛЬНЫЕ и ПРИКЛАДНЫЕ исследования в НАУКЕ и ОБРАЗОВАНИИ : сборник статей Международной научно-практической конференции, Новосибирск, 25 января 2020 года. Том Часть 1. – Новосибирск: Общество с ограниченной ответственностью «Аэтерна», 2020. – С. 50-52. – EDN WUADNA.
7. Интеллектуальная система анализа транспортных потоков в автоматизированных системах управления дорожным движением / А. С. Катасев, Р. М. Хусаинов, Н. Г. Талипов, Д. В. Шалаева // Программные продукты и системы. – 2024. – № 1. – С. 69-76. – DOI 10.15827/0236-235X.145.069-076. – EDN ALVWEA.
8. Санжапов, Р. Р. Интеллектуальные транспортные системы / Р. Р. Санжапов, С. В. Ганзин. – Волгоград : Волгоградский государственный технический университет, 2021. – 96 с. – ISBN 978-5-9948-4178-5. – EDN IMROIU.
9. Донсков, Е. А. Репутационно-доверительные модели для интеллектуальных транспортных систем на основе блокчейна / Е. А. Донсков, И. В. Котенко // Информационная безопасность регионов России (ИБРР-2023) : XIII Санкт-Петербургская межрегиональная конференция. Материалы конференции, Санкт-Петербург, 25–27 октября 2023 года. – Санкт-Петербург: Санкт-Петербургское Общество информатики, вычислительной техники, систем связи и управления, 2023. – С. 77-78. – EDN IWBJYN.
10. Старунский, А. В. Применение интеллектуальных транспортных систем для снижения аварийности / А. В. Старунский, Г. К. Рембалович // Инновации в информационных технологиях, машиностроении и автотранспорте : Сборник материалов VII Международной научнопрактической конференции, Кемерово, 21–23 ноября 2023 года. – Кемерово: Кузбасский государственный технический университет им. Т.Ф. Горбачева, 2023. – С. 277-280.– EDN JNBIXL.
11. Калашник, Г. Н. Интеллектуальные транспортные системы как способ обеспечения транспортной безопасности на дорогах / Г. Н. Калашник, А. В. Селифонов // Вестник государственной экспертизы. – 2020. – № 2(15). – С. 68-69. – EDN USAPVE.
12. Гребешков, А. Ю. Модель отказов интеллектуальных транспортных систем / А. Ю. Гребешков // XXVIII Российская научно-техническая конференция профессорско-преподавательского состава, научных сотрудников и аспирантов университета с приглашением ведущих ученых и специалистов родственных вузов и организаций, Самара, 05–08 апреля 2021 года. – Самара: Поволжский государственный университет телекоммуникаций и информатики, 2021. – С. 30-31. – EDN TQEWAL.
13. Днистренко, Н. С. Развитие интеллектуальных транспортных систем / Н. С. Днистренко, К. Е. Гузнородова, Л. Е. Кущенко // Перспективы развития технологий транспортных процессов : Материалы Всероссийской научно-практической конференции, Воронеж, 01 марта 2022 года / Отв. редактор В.А. Зеликов. – Воронеж: Воронежский государственный лесотехнический университет им. Г.Ф. Морозова, 2022. – С. 43-50. – DOI 10.34220/ PDTPT2022_43-50. – EDN VISHNI.

В статье представлен обзор ключевых проектов, представленных на международной выставке транспортных технологий InnoTrans, прошедшей в Берлине с 24 по 27 сентября 2024 года. На форуме были показаны передовые разработки в железнодорожной отрасли, включая электрификацию, цифровизацию, устойчивое развитие и искусственный интеллект (ИИ). ИИ подтвердил свой статус ключевого драйвера цифровой трансформации железнодорожной отрасли. Ведущие игроки рынка представили комплексные ИИ-решения, направленныена повышение безопасности, эффективности и экологичности транспортных систем. Особый акцент был сделан на предиктивной аналитике. Значительный прогресс наблюдается в области автоматизированного контроля инфраструктуры. Особое внимание уделено вопросам стандартизации данных и совместимости решений. Робототехнические системы начинают играть важную роль в обеспечении устойчивости железнодорожного транспорта. Обсуждаются ключевые направления развития железнодорожной отрасли в области автоматизации, роботизации и технического зрения в ближайшей и среднесрочной перспективе

искусственный интеллект (ИИ), цифровизация, беспроводные технологии, техническое зрение, роботизация, стандартизация, устойчивое развитие, автономные системы

1. Watanabe, T. (2003). Some Aspects of Rolling Stock Technologies in the Future. Quarterly Report of Rtri, 44(1), 4–7. https://doi.org/10.2219/RTRIQR.44.4.
2. Ronanki, D. (2022). Overview of Rolling Stock. 249–281. https://doi.org/10.1002/ 9781119812357.ch11.
3. Ronanki, D., Singh, S. A., & Williamson, S. S. (2017). Comprehensive Topological Overview of Rolling Stock Architectures and Recent Trends in Electric Railway Traction Systems. 3(3), 724–738. https://doi. org/10.1109/TTE.2017.2703583.
4. Kallee, S. W., & Davenport, J. (2007). Trends in design and fabrication of rolling stock. European Railway Review, 1. https://trid.trb.org/view/839051.
5. Gomes, V. M. G., & De Jesus, A. M. P. (n.d.). Additive Manufacturing in the Railway Rolling Stock: Current and Future Perspective. Procedia Structural Integrity. https://doi.org/ 10.1016/j.prostr.2024.01.035. 6. Rumsey, A. F. (2006). Developments in Train Control Worldwide. 223–232. https://doi.org/10.1049/ IC.2006.0689.
7. Baturin, A. P., & Osipov, A. P. (2023). Modern Systems of Train Traffic Interval Control on World Railways. Мир Транспорта. https://doi.org/10.30932/1992-3252-2023-21-2.
8. Rozenberg, E., & Ozerov, A. (2022). Evolution of Rail Operations Control Centres. Journal of Information Technology and Applications, 24(2). https://doi.org/10.7251/jit2202166r.
9. Vantuono, W. C. (2002). New-tech train control takes off. Railway Age, 203(5). https://trid.trb.org/ view/720206.
10. Охотников, А. Л. Интегрирование систем технического зрения и высокоточного позиционирования для интервального регулирования движения поездов / А. Л. Охотников // Интеллектуальные транспортные системы: Материалы III Международной научно-практической конференции, Москва, 30 мая 2024 года. – Москва: Российский университет транспорта (МИИТ), 2024. – С. 710-719. – DOI 10.30932/9785002446094-2024-710-719. – EDN GVNXDE.
11. Долгий, А. И. Применение методов визуальной аналитики в системах интеллектуаль-ного мониторинга динамических процессов / А. И. Долгий, С. М. Ковалев // Интегрированные модели и мягкие вычисления в искусственном интеллекте (ИММВ-2024): Сборник научных трудов XII Международной научно-практической конфе-ренции. В 2-х томах, Коломна, 14–17 мая 2024 года. – Смоленск: Универсум, 2024. – С. 129-139. – EDN KEIXPU.
12. Павловский, А. А. К концепции внедрения информационного моделирования в железно¬дорожном транспортном комплексе / А. А. Павловский, А. В. Озеров, А. П. Куроптева // Наука и технологии железных дорог. – 2022. – Т. 6, № 3(23). – С. 20-31. – EDN XCVJSI.
13. Павловский, А. А. Проверка возможности применения беспилотных авиационных систем при решении задач железнодорожного транспорта / А. А. Павловский, А. И. Карелов, М. А. Щеглов // Вестник Института проблем естественных монополий: Техника железных дорог. – 2023. – № 4(64). – С. 14-28. – EDN BVEKNT.
14. Мониторинг объектов строительства железнодорожной инфраструктуры с применением данных с беспилотных авиационных систем / М. А. Щеглов, А. И. Карелов, А. А. Майоров, А. А. Павловский // Известия высших учебных заведений. Геодезия и аэрофотосъемка. – 2023. – Т. 67, № 5. – С.153-164. – DOI 10.30533/GiA-2023-069. – EDN JZMDAD.
15. Махутов Н., Розенберг И., Шепитько Т., Балановский В. Писарев Ю., Чирков А. Зязнов Г. Единый безопасный технологический цифровой контур в сфере транспорта. Сиcтемы безопасности, № 1, 2023. URL: https://www.secuteck.ru/articles/edinyj-bezopasnyj-tekhnologicheskij-cifrovoj-kontur-vsfere-transporta. Дата доступа: 01.04.2025.
16. Долгий, А. И. Технические аспекты и перспективы развития системы автоматического управления движением электропоездов / А. И. Долгий // Железнодорожный транспорт. – 2024. – № 5. – С. 15-18. – EDN DAXYGB.
17. Popov, P.A. Prospects of autonomous railway transport development / P.A. Popov, A.V. Ozerov, A.S. Marshova // BRICS Transport. – 2024. – Vol. 3, No. 3. – DOI 10.46684/2024.3.4. – EDN HPYXEZ.
18. Cogan, B., & Milius, B. (2023). Remote control concept for automated trains as a fallback system: needs and preferences of future operators. https://doi.org/10.1108/srt-11-2022-0018
19. Vantuono, W. C. (2002). New-tech train control takes off. Railway Age, 203(5). https://trid.trb.org/ view/720206.
20. Chérif, W., Vitry, C., & Durieux, L. (2023). Adaptable Communications System for train remote driving. 1–5. https://doi.org/10.1109/vtc2023-spring57618.2023.10200708

В работе рассматриваются данные результатов управления пропуском поездов на учебно-лабораторном комплексе «Виртуальная железная дорога». Приведен анализ нескольких деловых игр, найдены статистические характеристики задержек поездов, выполнена оценка плотности распределения вероятностей. Отмечается, что даже в случае отбора «хороших» результатов управления для формирования обучающей выборки требуется дополнительная обработка данных

управление, пропуск поездов, участок, диспетчер, статистические характеристики, плотность распределения вероятности, диаграмма размаха, виртуальная железная дорога

1. Верескун В.Д., Романова Д.В., Притыкин Д.Е., Мусиенко Н.Н. Особенности построения методики деловых игр на виртуальной железной дороге, при взаимодействии персонала дирекции управления движением и тяги. Вестник РГУПС. 2021. № 4 (84). С. 83–90.
2. Верескун В.Д., Притыкин Д.Е., Даглдиян Б.Д., Романова Д.В. Принципы имитационного моделирования реального участка железной дороги с точки зрения разработки его топологической структуры и ее связи с цифровыми моделями объектов инфраструктуры. Вестник РГУПС. 2022. №4(88). С. 177–183.
3. Верескун В.Д., Притыкин Д.Е., Даглдиян Б.Д., Решетов А.В., Мищенко А.В. Разработка подсистемы имитации движения поездов в режиме исполнения нормативного графика движения в рамках учебно-лабораторного комплекса «Виртуальная железная дорога». Вестник РГУПС. 2023. №2(90). С. 231–239.
4. An overview of agent-based traffic simulators / J. Nguyen [и др.] // Transportation Research Interdisciplinary Perspectives. – 2021. – Т. 12. – С. 100486.
5. TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors / S. Suo [и др.] // 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). – 2021. – С. 10395-10404.
6. Boockmeyer A. Using SUMO for Test Automation and Demonstration of Digitalized Railway Concepts: Integrating SUMO with the» Train Dispatcher in the Cloud» / A. Boockmeyer, D. Friedenberger, L. Pirl // SUMO Conference Proceedings. – 2024. – Т. 5. – С. 195-207.
7. Boockmeyer A. Using SUMO for Test Automation and Demonstration of Digitalized Railway Concepts: Integrating SUMO with the» Train Dispatcher in the Cloud» / A. Boockmeyer, D. Friedenberger, L. Pirl // SUMO Conference Proceedings. – 2024. – Т. 5. – С. 195-207.
8. Neural Network Control of the Transportation Process in Railway Transport: Problems and Future Tasks / E. Mamaev [и др.] // Proceedings of the Eighth International Scientific Conference “Intelligent Information Technologies for Industry” (IITI’24), Volume 1 / ред. S. Kovalev [и др.]. – Cham: Springer Nature Switzerland, 2024. – С. 91-107.
9. A systematic survey on big data and artificial intelligence algorithms for intelligent transportation system / S. Abirami [и др.] // Case Studies on Transport Policy. – 2024. – Т. 17. – С. 101247.
10. Булавин Ю.П., Игнатьева О.В. Обучение искусственных нейронных сетей с подкреплением // Автоматика, связь, информатика. 2024. № 11. С. 18–21. DOI 10.62994/AT.2024.11.11.003. EDN ORZJCD.
11. Булавин, Ю. П. Модели нейронных сетей для управления пропуском поездов / Ю. П. Булавин, О. В. Игнатьева // Автоматика, связь, информатика. – 2025. – № 2. – С. 24-26. – DOI 10.62994/AT.2025.2.2.005. – EDN WKOQGT.
12. Offline Reinforcement Learning: Tutorial, Review, and Perspectives on Open Problems / S. Levine [и др.]. – 2020.
13. Rubinstein R.Y. The cross-entropy method: a unified approach to combinatorial optimization, Monte-Carlo Simulation and machine learning : Information science and statistics. The cross-entropy method / R.Y. Rubinstein, D.P. Kroese. – New York [Heidelberg]: Springer, 2004. – 300 p.
14. Figueiredo Prudencio R. A Survey on Offline Reinforcement Learning: Taxonomy, Review, and Open Problems / R. Figueiredo Prudencio, M.R.O.A. Maximo, E.L. Colombini // IEEE Transactions on Neural Networks and Learning Systems. – 2024. – Т. 35. – № 8. – С. 10237- 10257.

В статье описаны подходы к решению задач выбора, оптимизации, хранения и обработки данных по годовому, месячному и оперативному планированию ремонтных работ в «окнах», согласованию «окон», а также анализу их фактического исполнения. Последовательно описываются выбранные для реализации программного продукта методы, их преимущества и практическая реализация. Объясняется, как конкретные цели, функции отчетной подсистемы и требования к организации данных, влияют на их архитектуру, структуру, управление и анализ

железнодорожный транспорт, цифровая трансформация, планирование «окон», аналитика, конструктор, многомерные данные

1. КСУД: секреты управления данными [электронный ресурс] / РЖД цифровой [электронный ресурс]: – URL: https://rzddigital.ru/projects/ksud/ (дата обращения 16.04.2025).
2. Свидетельство о государственной регистрации программы для ЭВМ «АС АПВО-2. Подсистема автоматизации формирования отчетных и аналитических форм» (АС АПВО-2 АП)
[электронный ресурс] / Научная электронная библиотека elibrary.ru [электронный ресурс]: – URL: https://www.elibrary.ru/item.asp?id=68596310 (дата обращения 13.03.2025.) 3. Автоматизированная система «Планирование, учет и анализ проведения «окон» и выполнения хозяйственной работы» [электронный ресурс] / Каталог систем для подведомственных организаций АС АПВО-2 [электронный ресурс]: – URL: https://software.rzd.ru/catalog/21 (дата обращения 13.03.2025).
4. DAMA-DMBOK : Свод знаний по управлению данными. Второе издание / Dama International [пер. с англ. Г. Агафонова]. — Москва : Олимп–Бизнес, 2020. — 828 с.: ил.
5. Фирсова, А. А. Специфика применения инструментов бизнес-аналитики в системах поддержки принятия управленческих решений / А. А. Фирсова // Инновационная деятельность. – 2024. – № 4(71). – С. 88-96. – EDN PDAVJW.
6. Унифицированный глоссарий управления цифровой трансформацией ОАО «РЖД». Версия 1.4, утвержденный распоряжением ОАО «РЖД» от 13 июня 2023 г. № 1407/р.
7. Жижина Л.А., Планирование локомотивов в хозяйственном движении с использованием АС АПВО-2 [электронный ресурс] / Научная электронная библиотека elibrary.ru [электронный ресурс]: – URL: https://www.elibrary.ru/item.asp?id=49865693 (дата обращения 13.03.2025)

В статье рассмотрены измеряемые параметры и условия, которые влияют на валидность измерений системы управления подвижным составом, в которую входят средства технического зрения и высокоточного позиционирования. Эти высокотехнологичные технические средства заменяют когнитивные способности машиниста и служат для решения задач повышения уровня безопасности движения поездов, в частности, беспилотного подвижного состава. Рассмотрены параметры, влияющие на движение автономного транспортного объекта и его управление в различных информационных ситуациях, с учетом условий применения на железнодорожном транспорте. Выделены внутренние и внешние параметры. Предложено использовать метеорологическую оптическую видимость (MOR) для различных сценариев применения системы технического зрения. В зависимости от оптической видимости предложен расчет дальности обнаружения объектов-препятствий на железнодорожных путях. Для выполнения поставленной цели по определению местоположения подвижного объекта, перемещающегося по заданному участку пути, разработан метод, основанный на данных картографии, послуживший основой для изобретения

информационная ситуация, система технического зрения, метеорологическая оптическая видимость, прозрачность воздуха, высокоточная система позиционирования, ортодромия

1. РД 52.21.680-2006 Руководство по определению дальности видимости ВПП (RVR) (с Поправкой № 1), РД от 30 июня 2006 года № 52.21.680-2006.
2. ПНСТ Автомобильные транспортные средства. Системы оптического распознавания объектов. Общие технические требования и методы испытаний.
3. Охотников, А. Л. Синтез систем технического зрения локомотива на основе сценарного подхода / А. Л. Охотников, Л. А. Баранов // Вестник Ростовского государственного университета путей сообщения. – 2021. – № 1(81). – С. 53-61. – DOI 10.46973/0201- 727X_2021_1_53.
4. Шаронов, В.В. Наблюдение и видимость // URL: \ http://vrazvedka.ru/main/learning/vopros-ob/sharonov_03.html (Дата обращения 10.01.2021).
5. Болдырев, Н.Г. Руководство по определению дальности видимости реальных объектов в светлое время суток [Текст] / Н. Г. Болдырев и О. Д. Бартенева; Под ред. П. В. Стороженко; Гл. упр. гидрометеорол. службы при Совете министров СССР. Гл. геофиз. обсерватория им. А. И. Воейкова. - Ленинград: изд-во и 2-я типолитогр. Гидрометеоиздата, 1950. – 22 с.
6. Вейнберг, В.Б. Оптика световодов [Текст] / В.Б. Вейнберг, Д.К. Саттаров. - 2-е изд., перераб. и доп. - Ленинград: Машиностроение. Ленингр. отд-ние, 1977. - 319 с.
7. Дзюба, Ю. В. Мобильное управление подвижными объектами / Ю. В. Дзюба, А. Л. Охотников // Наука и технологии железных дорог. – 2018. – Т. 2, № 1(5). – С. 16-25.
8. Патент № 2689840 C1 Российская Федерация, МПК G01C 21/26. Устройство позиционирования транспортных средств: № 2018135641: заявл. 10.10.2018: опубл. 29.05.2019 / Ю. В.Дзюба, А. Л. Охотников, И. Н. Розенберг [и др.]; заявитель АО «НИИАС».
9. ГЛОНАСС. Принципы построения и функционирования / Под ред. А. И. Перова, В. Н. Харисова. М: Радиотехника, 2010. 800 с.
10. Сайт Штурман URL:/ http://shturman-tof.ru/Bibl/Bibl_1/Astronavigation_yxta/.html (Дата обращения 10.03.2025).
11. Охотников, А. Л. Высокоточное позиционирование транспортных средств на железнодорожном транспорте / А. Л. Охотников, С. В. Соколов // Труды АО «НИИАС»: Сборник статей. Том 2. Выпуск 11. – Москва: Типография АО «Т 8 Издательские Технологии», 2021. – С. 174-178.
12. Соколов, С.В. Аналитические модели пространственных траекторий для решения задач навигации // Прикладная математика и механика. Т.79. вып.1. 2015. С. 24-30.
13. Градштейн, И.С., Рыжик И.М. / Таблицы интегралов, сумм, рядов и произведений. // М.: Физматгиз, 1963. 1100 с.
14. Потехин, Д. С. Метод цифровой обработки сигнала доплеровского сдвига частоты лазерного измерителя скорости / Д. С. Потехин, А. В. Станюш // Системы управления и информационные технологии. – 2010. – № 2(40). – С. 64-67.
15. Титов, В. А. Исследование корреляционного метода определения скорости объекта / В. А. Титов // Science Time. – 2017. – № 5(41). – С. 255-261.
16. Патент № 2837685 C1 Российская Федерация, МПК G01P 3/36. Устройство доплеровского измерителя скорости движущейся поверхности на основе интерферометра с волоконным вводом излучения: заявл. 05.08.2024: опубл. 03.04.2025 / А. Е. Сафронов, Е. А. Чудаков, А. М. Тарасов; заявитель ФГУП «РФЯЦ – ВНИИЭФ».
17. Погрешности измерения расстояния до препятствия средствами технического зрения и прогноза пути торможения в беспилотных системах управления движением поездов / Л. А. Баранов, П. Ф. Бестемьянов, Е. П. Балакина, А. Л. Охотников // Мир транспорта. – 2021. – Т. 19, № 6(97). – С. 6-12. – DOI 10.30932/1992-3252-2021-19-6-1.
18. Соколов, С. В. Измеритель модуля скорости для подвижных транспортных объектов / С. В. Соколов, А. Л. Охотников // Автоматика, связь, информатика. – 2024. – № 4. – С. 16-18. – DOI 10.34649/AT.2024.4.4.005

В настоящее время подсистемы метеомониторинга изучаются и исследуются как в РФ, так и в зарубежных странах. Активно идёт изучение возможностей взаимодействия подсистемами метеомониторинга не только с обычными автомобилями, но и с высокоавтоматизированными и беспилотными транспортными средствами. Решаются задачи повышения эффективности работы подсистем метеомониторинга как в составе ИТС, так и в целях содержания автомобильных дорог. В статье приведены обоснования требований, предъявляемых к подсистемам метеомониторинга в составе ИТС

интеллектуальные транспортные системы, подсистема метеомониторинга, архитектура ИТС, сервисы ИТС, дорожные датчики

1. S. V. Zhankaziev, A. I. Vorobyev, M. V. Gavrilyuk, T. V. Vorobyeva and D. Y. Morozov, "Creation of a Certification System for Ensuring the Safety of Information Transfer Between Vehicles and Intelligent Road Infrastructure in the Russian Federation," 2021 Systems of Signals Generating and Processing in the Field of on Board Communications, Moscow, Russia, 2021, pp. 1-5, doi: 10.1109/IEEECONF51389.2021.9416127.
2. Самодурова, Т. В. Учет микроклиматичеких особенностей участка автомобильной дороги при зимнем содержании / Т. В. Самодурова, М. С. Давидчук, С. С. Салиев // Научный журнал строительства и архитектуры. – 2025. – № 1(77). – С. 123-136. – DOI 10.36622/2541-7592.2025.77.1.012. – EDN ODFOES.
3. Развитие архитектуры интеллектуальных транспортных систем / Е. О. Андреев, С. В. Жанказиев, В. В. Зырянов, А. С. Павлов // T-Comm: Телекоммуникации и транспорт. – 2024. – Т.18, № 1. – С. 38-43. – DOI 10.36724/2072-8735-2024-18-1-38-43. – EDN HNTJMK.
4. Солодкий, А. И. Цифровая трансформация транспортной отрасли Российской Федерации. Перспективы развития / А. И. Солодкий, С. С. Евтюков, Н. В. Черных // Вестник Московского автомобильно-дорожного государственного технического университета (МАДИ). –2024. – № 1(76). – С. 91-99. – EDN DXSECG.
5. Салиев, С. С. Подсистема метеорологического контроля в автоматизированных системах управления дорожным движением / С. С. Салиев, Т. В. Самодурова // Научная опора Воронежской области : сборник трудов победителей конкурса научно-исследовательских работ студентов и аспирантов ВГТУ по приоритетным направлениям развития науки и технологий, Воронеж, 03–28 апреля 2023 года. – Воронеж: Воронежский государственный технический университет, 2023. – С. 178-180. – EDN MTHYUG.
6. Коденцева Ю.В. Оценка эффективности стратегий зимнего содержания дорог с использованием метеорологических параметров / Ю.В. Коденцева Ю.Д. Божескул // Архитектурно-строительный и дорожно-транспортный комплексы: проблемы, перспективы, инновации. – 2019. – С. 504-511.
7. Stawowy, M.; Olchowik, W.; Rosiński, A.; Dąbrowski, T. The Analysis and Modelling of the Quality of Information Acquired from Weather Station Sensors. Remote Sens. 2021, 13, 693. https://doi.org/10.3390/rs13040693 Turing A.M. Computing machinery and intelligence. Parsing the Turing Test, Springer (2009), pp. 23-65
8. Дронсейко, В. В. Социально-психологические факторы в предикативной аналитике уровня конфликтности в транспортном потоке на примере г. Москвы / В. В. Дронсейко, А. М. Меркович, Д. А. Саданова // Автомобиль. Дорога. Инфраструктура. – 2024. – № 2(40). – EDN DSLQSQ.
9. Classification of Integration Platforms of Intelligent Transport Systems / A. I. Vorobyev, A. A. Koveshnikov, M. V. Gavrilyuk [et al.] // Systems of Signals Generating and Processing in the Field of on Board Communications. – 2023. – Vol. 6, No. 1. – P. 525-529. – DOI 10.1109/ IEEECONF56737.2023.10092164. – EDN CTAAZL.
10. Оценка безопасности движения в зимний период на различных этапах жизненного цикла дороги / Т. В. Самодурова, А. В. Соврасова, Н. Ю. Алимова, О. В. Гладышева // Научный журнал строительства и архитектуры. – 2023. – № 4(72). – С. 107-120. – DOI 10.36622/VSTU.2023.72.4.009. – EDN MDGGAP