Прикладные методы идентификации подвижных единиц в автоматизированных системах коммерческого осмотра подвижного состава тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат наук Гвоздев, Денис Сергеевич

• Гвоздев, Денис Сергеевич
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Гвоздев, Денис Сергеевич

Содержание

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ, УСЛОВНЫХ ОБОЗНАЧЕНИЙ

ВВЕДЕНИЕ

1 АНАЛИЗ ТЕКУЩЕГО СОСТОЯНИЯ ВОПРОСА КОММЕРЧЕСКОГО ОСМОТРА ПОДВИЖНЫХ ЕДИНИЦ

НА ЖЕЛЕЗНОДОРОЖНОМ ТРАНСПОРТЕ

1.1 Вводные замечания

1.2 Состояние вопроса

1.3 Задача реализации системы идентификации

и методы ее решения

1.3.1 Основные виды признаков и классов

1.3.2 Основные методы идентификации

1.4 Выводы

2 РАЗРАБОТКА МЕТОДОВ ЭКСПЕРТНОЙ ПОДСИСТЕМЫ ИДЕНТИФИКАЦИИ

2.1 Постановка задачи

2.2 Общая структура подсистемы идентификации

2.3 Математическая формализация задачи идентификации подвижных единиц железнодорожного транспорта

2.4 Разработка метода идентификации бортового номера объекта

2.5 Разработка идентификации кузова объекта

2.6 Разработка метода идентификации бортового номера на основе технологической информации

2.7 Разработка метода и модели экспертной подсистемы идентификации подвижных единиц железнодорожного транспорта

2.7.1 Разработка метода синтеза программно-математического обеспечения экспертной подсистемы идентификации подвижных единиц и обеспечивающего модуля АСОУП

2.7.2 Описание методики идентификации объекта на основе паттерна его контура

2.7.3 Выбор и исследование метода предварительной

обработки исходных данных

2.7.4 Реализация метода выделения паттерна контура объекта

2.7.5 Определение множества признаков идентификации

2.7.6 Определение множества классов идентифицируемых объек-

тов

2.7.7 Способ определения начальных весов синапсов в нейронной сети

2.7.8 Алгоритм классификации подвижных единиц

2.7.9 Разработка метода оценки эффективности резервируемой

системы

2.8 Выводы

3 ЭКСПЕРИМЕНТАЛЬНЫЕ ДАННЫЕ РАБОТЫ УСТРОЙСТВА ИДЕНТИФИКАЦИИ ПОДВИЖНЫХ ЕДИНИЦ

ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА

3.1 Разработка полезной модели устройства идентификации подвижных единиц

3.2 Результаты экспериментальной работы

устройства идентификации

3.3 Выводы

4 ОПРЕДЕЛЕНИЕ АРХИТЕКТУРЫ ПОДСИСТЕМЫ ИДЕНТИФИКАЦИИ ПОДВИЖНЫХ ЕДИНИЦ

ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА

4.1 Определение метода сбора первичной информации

о подвижных единицах

4.2 Определение метода передачи информации

о подвижных единицах

4.3 Описание оборудования подсистем сбора

и передачи информации

4.4 Выводы

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1. АКТЫ ОБ ИСПОЛЬЗОВАНИИ РЕЗУЛЬТАТОВ

РАБОТЫ ДИССЕРТАЦИОННОГО ИССЛЕДОВАНИЯ

ПРИЛОЖЕНИЕ 2. ПАТЕНТ НА ПОЛЕЗНУЮ МОДЕЛЬ

Перечень сокращений, условных обозначений

ГЖО - пункт коммерческого осмотра;

АСКО ПВ - автоматизированная система коммерческого осмотра

поездов и вагонов;

ЭВМ - электронно-вычислительная машина;

ПК - персональный компьютер;

ПО - программное обеспечение;

%

ЖДТ - железнодорожный транспорт;

НЛПС - натурный лист подвижного состава;

АРМ - автоматизированное рабочее место;

ОС - операционная система;

АРМ ПС - автоматизированное рабочее место приемосдатчика; АРМ О ПКО - автоматизированное рабочее место оператора ПКО;

ЛВС - локальная вычислительная сеть;

ЭГВ - электронно-габаритные ворота;

АСОВ - автоматизированная система осмотра вагонов;

ТЧ - локомотивное депо;

ПТО - пункт технического обслуживания вагонов/локомотивов;

ВЧД - вагонное депо;

ЛРЗ - локомотиворемонтный завод;

ВРЗ - вагоноремонтный завод;

АСУТ - АСУ локомотивным хозяйством;

АСУВ - АСУ вагонным хозяйством;

АСУРЗ - АСУ вагоноремонтного завода;

АСУ ПТО - АСУ сетевого вагонного ПТО;

АСОУП - автоматизированная система оперативного управления

перевозками;

СПД - система поддержки данных;

АБД ПС - автоматизированная картотека подвижного состава;

ПСЧ - пункт считывания данных;

СПД - система передачи данных;

ЧК - числовой коэффициент;

ЧХ - числовая характеристика.

Введение диссертации (часть автореферата) на тему «Прикладные методы идентификации подвижных единиц в автоматизированных системах коммерческого осмотра подвижного состава»

Введение

Актуальность темы. В условиях постоянного роста интенсивности железнодорожного движения, увеличения травмоопасных ситуаций на железной дороге, хищений грузов, а также угрозы использования железнодорожных объектов в целях незаконного передвижения грузов особенно актуальна задача повышения уровня безопасности и контроля железнодорожного движения.

Важным элементом перевозочного процесса на сегодняшний день является операция коммерческого осмотра вагонов в пути следования на пунктах коммерческого осмотра поездов и вагонов (ПКО). Задача сокращения продолжительности выполнения этой операции оказывает определенное влияние на сокращение оборота вагона, ускорение продвижения вагонопото-ков, а следовательно, и на обеспечение гарантированной срочности доставки грузов. Наряду с этим, на ПКО в процессе коммерческого осмотра происходит выявление коммерческих неисправностей, связанных с безопасностью движения поездов и сохранностью перевозимых грузов. По результатам осмотра даются оперативные донесения в соответствующие адреса, включая органы внутренних дел, что важно в случаях выявления хищений грузов. На ПКО производится также исправление коммерческих неисправностей. Решение проблем обеспечения сохранности грузов в пути следования, повышения безопасности движения в условиях оптимизации эксплуатационной работы железных дорог осуществляется за счет внедрения комплексов технических средств выявления коммерческих неисправностей на ПКО - Автоматизированных систем коммерческого осмотра поездов и вагонов (АСКО ПВ).

Внедрение подобных систем происходит с 1996 года и осуществляется в рамках Государственной программы по повышению безопасности движения в соответствии с указанием МПС № М-4у от 04.01.96 г.

Подобные системы все еще имеют ряд недостатков. К примеру, одна из таких систем в настоящее время функционирует в Ростовской области на станции «Батайск» Северо-Кавказской железной дороги. Система коммерческого осмотра АСКО ПВ является программно-техническим комплексом

средств автоматизации. Она обеспечивает сбор информации о коммерческом состоянии вагонов и грузов, её обработку, хранение, документирование и передачу этой информации в автоматизированную систему оперативного управления перевозками (АСОУП).

Но на данный момент АСКО ПВ не в состоянии решить задачу идентификации номеров и типов вагонов, входящих в состав поезда, поскольку эта информация вводится вручную и передается системе по сети Intranet. Ведение журнала о проходящем составе поезда по станции позволит четко отслеживать вагоны по всему маршруту следования. Имея в наличии такую

t>

информацию, можно однозначно ответить на вопрос: где в данный момент времени находится конкретный вагон.

Решение задачи идентификации вагонов и контроля над их техническим состоянием позволит повысить уровень безопасности и скорости доставки перевозимых грузов, а также снизить количество травм, получаемых работниками в результате функционирования железной дороги.

Область автоматизации и управления охватывает довольно широкий круг областей применения, начиная с транспорта и заканчивая роботами для исследования планет Солнечной системы. По теме автоматизации и управления на транспорте опубликованы работы таких авторов, как Г.И. Белявский, М.А. Бутакова, В.Н. Вагин, А.П. Еремов, В.В. Киселев, С.М. Ковалев, М.М. Кузнецов, Е.И. Львова, Д.Т. Нгуен, Б.К.П. Хорн, В.В. Храмов и др.

Значительный вклад в теорию и практику внедрения интеллектуальных систем на железнодорожном транспорте внесли А.Н. Гуда, И.Д. Долгий, С.М. Жданов, В.Н. Иванченко, А.Г. Кулькин, H.H. Лябах, В.И. Салыгин, В.Н. Скляров, В.В. Солодовников, А.Е. Федорчук, А.Н. Шабельников.

Цель работы состоит в разработке методов идентификации подвижных единиц железнодорожного транспорта, позволяющих улучшить качество и ускорить процесс автоматизированного коммерческого осмотра.

Объектом исследований являются системы автоматизированного коммерческого осмотра подвижного состава на железнодорожном транспорте.

Методы исследований основаны на применении теории вероятностей, теории надежности систем, методов параметрической идентификации.

Решенные задачи: проведен анализ современных отечественных и зарубежных систем автоматизированной идентификации подвижных единиц железнодорожного транспорта; разработан метод считывания данных с движущегося поезда, основанный на применении фотоинформации о подвижных единицах; разработаны методы идентификации подвижных единиц, основанные на обработке двумерных изображений бортового номера и кузова и привлечении дополнительной технологической информации; разработан метод резервирования источников первичной информации о подвижных единицах с целью повышения вероятности успешной идентификации и обеспечения контроля достоверности технологической информации; осуществлен синтез программного обеспечения модели идентификации, обеспечивающего модуля АСОУП и специализированного математического обеспечения контроля достоверности технологической информации.

Практическое значение. Результаты исследований предоставляют возможность автоматизации, улучшения качества и ускорения процесса коммерческого осмотра подвижных единиц на железнодорожном транспорте, а также снижения требований к используемому вычислительному оборудованию.

Научная новизна диссертации заключается в следующем:

1) разработан метод построения экспертной подсистемы идентификации подвижных единиц, основанный на объединении методов идентификации бортовых номеров, форм кузова, сопроводительной технологической информации о составе поезда и нейросетевой модели классификации, позволяющий повысить качество автоматизированного коммерческого осмотра;

2) разработан метод контроля достоверности технологической документации, основанный на кворумном резервировании источников первичной информации о подвижных единицах, позволяющий повысить качество осмотра;

3) разработан метод синтеза программно-математического обеспечения

экспертной подсистемы идентификации подвижных единиц и обеспечивающего модуля АСОУП, позволяющего организовать взаимодействие экспертной модели идентификации подвижных единиц с АСОУП с целью осуществления контроля достоверности технологической информации и удаленного мониторинга за передвижением подвижных единиц.

Результаты научной работы внедрены в процесс обучения в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Ростовский государственный университет путей сообщения» (ФГБОУ ВПО РГУПС) и в Институте управления, бизнеса и права, а также на станции «Заречная» в процесс осмотра подвижного состава.

Апробация работы. Основные положения диссертации докладывались на Научно-практической конференции «Транспорт-2007» (Ростов-на-Дону, 2007 г.), Всероссийской научно-практической конференции «Транспорт-2007» (Ростов-на-Дону, 2007 г.), Девятом всероссийском симпозиуме по прикладной и промышленной математике (Москва, 2007 г.), Научно-практической конференции «Транспорт-2009» (Ростов-на-Дону, 2009 г.), Третьей всероссийской научной конференции «Нечеткие системы и мягкие вычисления» (Волгоград, 2009 г.), Международном форуме «Инновации. Инвестиции. Технологии (Ростов-на-Дону, 2011 г.).

Публикации. По результатам исследований опубликовано 12 печатных работ [5-15, 116]. Все публикации включают результаты непосредственной работы автора и отражают основные выйоды и положения диссертации. По теме диссертации опубликовано 4 статьи в рецензируемых ВАК изданиях «Вестник РГУПС» [9-11, 16]. Получен патент № 133082 на полезную модель «Устройство идентификации подвижных единиц железнодорожного транспорта».

1 Анализ текущего состояния вопроса коммерческого осмотра подвижных единиц на железнодорожном транспорте

1.1 Вводные замечания

В этой главе рассматривается анализ текущего состояния вопроса ком-

мерческого осмотра подвижных единиц на железнодорожном транспорте, выявляются проблемы и определяются способы их решения; формулируется задача создания системы осмотра; описываются вопросы, связанные с внутренним устройством системы; рассматриваются алгоритмы классификации и существующие методы идентификации; принимается решение выбора структуры системы, используемых методов и алгоритмов.

1.2 Состояние вопроса

Коммерческий осмотр подвижных единиц железнодорожного транспорта производится с целыо обеспечения безопасности движения и сохранности перевозимых грузов. Процесс осмотра осуществляется в пунктах коммерческого осмотра (ПКО), расположенных на территории железнодорожных станций. В ходе работы происходит выявление и устранение коммерческих неисправностей, осуществляется контроль над перемещением подвижной единицы на всем маршруте ее следования. Таким образом, обеспечивается прозрачность процесса доставки и легкость получения необходимой информации о текущем местоположении перевозимого груза. На сегодняшний день проблема автоматизации процесса коммерческого осмотра еще не до конца исследована, разработано и внедрено несколько автоматизированных систем, способных решать необходимый минимум требуемых задач. Одной из решаемых ими задач является идентификация подвижных единиц в составе движущегося поезда. Уже существует большое число методов и алгоритмов, реализующих задачу идентификации.

Текущее положение дел обусловлено постоянным ростом грузооборота

ь

на железнодорожном транспорте. В связи с этим решение вопроса коммерческого осмотра ручным способом (с участием только человека) не представляется возможным. С целыо автоматизации данного процесса были разработаны и частично внедрены автоматизированные системы коммерческого осмотра. Рассмотрим уже действующие системы:

- Система автоматической идентификации «Пальма» (САИ «Пальма»);

- Автоматизированная система коммерческого осмотра (АСКО ПВ);

ь

- Аппаратно-программный комплекс идентификации объектов подвижного состава железнодорожного транспорта ЛЛЗ'С/б';

- Система идентификации номеров железнодорожных вагонов и цистерн

- Система идентификации номеров вагонов «Транзит-Инспектор».

Система автоматической идентификации «Пальма»

Система автоматической идентификации (САИ) «Пальма» разработана для функционирования в российских условиях на ОАО «РЖД». Эта система основана на использовании сверхвысоких радиочастот (СВЧ-система). На протяжении более десятка лет предпринимаются попытки массового внедрения системы, однако на практике это обусловлено большим количеством сложностей, частью из которых являются ограничения используемого метода контроля.

Система предусматривает обеспечение каждой подвижной единицы в составе поезда бортовым датчиком КБД. Принцип передачи информации с датчика основан на модуляции отраженного СВЧ-сигнала. Каждый датчик хранит информацию об объекте, к которому он непосредственно прикреплен. Для считывания данных с датчиков, в опорных точках на трассе устанавливаются пункты считывания. При прохождении подвижной единицы рядом с пунктом считывания датчик попадает в электромагнитное поле СВЧ-диапазона, которое генерирует облучающая и считывающая аппаратура пункта считывания. Датчик в автоматическом режиме модулирует отраженный СВЧ-сигнал, передавая тем самым информацию о подвижной единице.

Технология использования информации, получаемой из САИ «Пальма», в полной мере может работать при двух условиях: - существование Картотеки подвижного состава (АБД ПС). Картотека ПС содержит посекционный приписной парк ПС РЖД с восьмизначными номерами и является эталоном - это позволяет по номеру, считываемому

Технология использования информации, получаемой из САИ «Пальма», в полной мере может работать при двух условиях:

- существование Картотеки подвижного состава (АБД ПС). Картотека ПС содержит посекционный приписной парк ПС РЖД с восьмизначными номерами и является эталоном - это позволяет по номеру, считываемому ПСЧ САИ «Пальма», устанавливать все характеристики тяговой единицы для дальнейшей работы с ней в локомотивном депо и на полигоне эксплуатации;

- переход на единую систему нумерации ПС.

Концентратор дорожного уровня

1-0

АНАЛИЗ ПОЛНОТЫ И КАЧЕСТВА ИНФОРМАЦИИ (ОБРАТНАЯ СВЯЗЬ)

О!

САИ ПАЛЬМА ■ источит информации

ДИСТПС - вторичный потребитель информации I

АСУТ - первичный потребитель информации

□

Оперативные технологические АРМ АСУТ

Рисунок 1.1 - Технология использования информации САИ «Пальма» в АСУТ

На рисунке 1.1 представлена схема информационного взаимодействия САИ «Пальма» и АСУТ. Информация при считывании на ПСЧ по модему поступает на концентратор САИ «Пальма», представляющий собой персональный компьютер, подключенный к СПД МПС. Программное обеспечение концентратора формирует сообщение «266». Сообщение по сервисным каналам СПД поступает на сервер АСУТ в локомотивном депо. Информация, поступившая в АСУТ, обрабатывается, результаты записываются в базу данных АСУТ.

САИ «Пальма» имеет ряд ограничений, затрудняющих ее эксплуатацию:

- отсутствие человека в контуре контроля делает невозможной корректную обработку ошибок в случае отказа системы при идентификации объекта;

- СВЧ-системы имеют значительную сложность исполнения, что значительно снижает их отказоустойчивость;

- стоимость монтажа и пуско-наладочных работ на текущий момент составляет около 6 млн руб. (прокладка одного кабеля - 1,7 млн руб., установка - 57 тыс. руб.).

Автоматизированная система коммерческого осмотра (АСКО ПВ)

АСКО ПВ является программно-техническим комплексом средств автоматизации и обеспечивает: сбор информации о коммерческом состоянии вагонов и грузов, её обработку; хранение, документирование и передачу этой информации в автоматизированную систему оперативного управления перевозками.

В ходе коммерческого осмотра осуществляется контроль следующих параметров: регистрация состояния подвижных единиц и грузов (крыша, верхние и боковые люки вагонов, пробоины и прорубы в контейнерах, повреждения груза или упаковки груза и др.); состояние очистки подвижных единиц и грузов; качество крепления грузов, равномерность погрузки; габа-ритность грузов на подвижном составе; определение веса каждой подвижной единицы.

Осуществление контроля за габаритностью подвижных единиц производится с помощью лучевых инфракрасных датчиков. Датчики смонтированы на электронных габаритных воротах (ЭГВ) таким образом, что инфракрасные лучи формируют границу зоны габаритности (рис. 1.2).

Рисунок 1.2- Типовые варианты установки габаритных ворот

Существуют три типовых варианта установки габаритных ворот: в первом варианте используются по одному комплекту датчиков, телекамер и прожекторов; во втором и третьем вариантах используются несколько комплектов датчиков, телекамер и прожекторов.

Видеоконтроль производится в реальном масштабе времени при прохождении состава через габаритные ворота (рис. 1.3). С этой целью на несущей конструкции закреплены телекамеры. Камеры, расположенные с трех сторон относительно вагона (справа, слева и сверху), формируют видеосигнал, который посредством оптоволоконной линии связи передается на автоматизированное рабочее место оператора ПКО.

Камеры видео-наблюдения

Электронные габар1гтные ворота (вид сверху)

Вычислительная машина

АРМ оператора

Рисунок 1.3 - Схема передачи информации в АРМ О ПКО

Для обеспечения видеонаблюдения в темное время суток на несущей конструкции закреплены шесть прожекторов, освещающих вагон с трех сторон: слева, справа и сверху.

АРМ О ПКО базируется на основе специализированного программного обеспечения «Видеоинспектор», установленного на персональном компьютере. На компьютерном мониторе выводится информация о контролируемом составе.

Через локальную вычислительную сеть АРМ О ПКО соединено с АРМ ПС ПКО. АРМ О ПКО получает с АРМ ПС ПКО информацию о составе (предварительный натурный лист) и осуществляет индикацию на экране монитора инвентарных, номеров проходящих вагонов. При отсутствии соединения с АРМ О ПКО оператор вводит данные о составе в ручном режиме.

Технические характеристики представлены в таблице 1.

Таблица 1.1 - Технические характеристики

Темп записи видеоизображения, кадров в секунду от 1 до 25

Средний размер сжатого кадра, Кб 25

Формат кадра, пиксел 720 х 288

Количество локомотивов в принимаемом составе от 1 до 4

Количество вагонов в принимаемом составе от 1 до 150

Количество отображаемых зон негабаритностей 11

К достоинствам системы относятся: относительно простая конструкция; возможность включения человека в контур наблюдения; возможность осмотра иностранных вагонов.

Недостатки данной системы: отсутствие возможности автоматического контроля бортовых номеров непосредственно с подвижных единиц, поскольку эта информация передается только в натурном листе поезда; стоимость монтажа и пуско-наладочных работ для одного пункта на текущий момент составляет около 7 млн руб.

Система Automated Rolling-Stocked Cars Identification System

(ARSCIS)

arscis построена на базе оптоэлектронного метода считывания данных и состоит из (рис. 1.4): двух камер видеонаблюдения на каждую из боковых сторон подвижной единицы; двух пар датчиков, фиксирующих положение колесных пар, расположенных на путях в зонах: голова, хвост подвижной единицы; вычислительной подсистемы, предназначенной для обработки входных сигналов; источника освещения, предназначенного для регулирования освещенности зоны осмотра; телекоммуникационного оборудования, предназначенного для передачи сигналов от приемников к вычислительной подсистеме.

Оптический датчик №4

Устройство

»ИЛ »01 ЮЛ а

Оптический датчик №3

Многоканальная плата видеозахвата.

сетевая плата, интерфейс IEEE1394

Источник освещения Оптический датчик NH

Оптический

Видеоданные I ииф роком ф ормате

датчик N$2

Датчик колесных пар №

пэвм

Отравление ИМ

АСУпотребителя

Вычисттель A RSCIS. Алгырлм ню плат форм: IBM-co кместимыи компьютер Программная пмяфо/ша: tMndows 2000или выше. MS FW dot NET

Рисунок 1.4 - Типовая структурная схема АПК «а

Система делится на несколько модулей: АЯБС15-\,АЯБС18-2, АИБС^- 4.

- АКЯС18-1 автоматизирует процессы ввода и записи на жесткий диск ПК телевизионного сигнала в реальном режиме времени, просмотра и упорядочивания записанных видеофрагментов. Модуль интегрирован с программным обеспечением по сопровождению натурного листа подвижного состава АРМ ТК;

аябс18-2 обеспечивает: автоматическую диагностику появления и прохождения состава в зоне контроля; автоматическое определение направ-

ления движения состава; оповещение оператора при появлении движущихся объектов в зоне контроля;

- модуль АЯ5С1Б-3 позволяет организовать просмотр записанного видеофрагмента путем выполнения предварительного автоматического подсчета количества объектов в составе поезда с присвоением каждому объекту локального порядкового номера и автоматической локализации границ этих объектов;

- основной задачей модуля АК8С18-4 является автоматическое выявление и идентификация номеров на вагонах, цистернах и платформах.

По заходу подвижной единицы в зону осмотра срабатывают датчики положения колесной пары. Формируются сигналы наличия объекта осмотра и включения видеокамер. Далее в работу включаются четыре видеокамеры и формируют видеосигналы, которые передаются посредством блока передачи информации в вычислительную машину.

Для анализа и идентификации полученного видеоизображения в работу включается модуль АЯЗС15-4. По итогам его работы формируется отчетная документация о проходящем составе.

Подводя итоги, необходимо отметить, что система имеет относительно простую конструкцию, сравнительно низкую стоимость. Также система до-

ь

пускает возможности включения человека в контур наблюдения, осмотра иностранных подвижных единиц и идентификации бортовых номеров непосредственно с объектов осмотра.

К недостаткам системы следует отнести то, что система все же работает с видеоданными, которые перед идентификацией требуют раскадровки и выделения нужного кадра. Данный процесс требует больших временных затрат и больших системных требований к оборудованию по сравнению с обработкой цифровых фотоизображений. Вероятность успешной идентификации бортовых номеров подвижных единиц по заявлению производителя составляет 93 %.

Система ЯаИюауВкр

Система идентификации номеров железнодорожных вагонов и цистерн 11аИ\\>ау018р - это цифровая система видеонаблюдения, обеспечивающая автоматическую видеорегистрацию и идентификацию номеров вагонов и цистерн, проходящих через точку контроля, формирование видеоархива и базы данных.

Система разработана компанией 1пйаЬ (г. Ярославль) и предназначена как для учёта и оптимизации транспортных потоков предприятий за счёт получения оперативной информации о местонахождении единиц подвижного состава, так и для использования в целях обеспечения безопасности. Яайм;ау018р реализована на основе оптоэлектронного метода. Основными ее компонентами являются: набор видеокамер от одной до четырех штук на один железнодорожный путь; инфракрасные датчики, индуктивные датчики счета осей, фоновый щит с нанесенным шахматным рисунком; плата видеозахвата, предназначенная для обработки видеосигналов от видеокамер; вычислительная подсистема для обработки входных сигналов; источник освещения, предназначенный для освещения подвижной единицы в темное время суток; подсистема коммуникаций для передачи сигналов от приемников сигналов к вычислительной подсистеме.

При заходе подвижной единицы в зону осмотра срабатывает разделитель подвижных единиц, формируя сигнал наличия объекта осмотра. Далее в работу включаются видеокамеры. Посредством подсистемы коммуникаций полученные кадры передаются в вычислительную машину. Разработанное программное обеспечение позволяет осуществлять вывод видеоизображения на экран дисплея оператора, подсчет количества подвижных единиц в составе поезда, идентификацию бортовых номеров.

Характеристики системы 11аПшауВ15р сведены в таблицу 1.2.

Таблица 1.2 - Технические характеристики

Вероятность идентификации бортовых номеров 90%

Угол отклонения камеры от горизонтали макс 20°

Угол отклонения камеры по вертикали макс 20°

Высота установки камеры 3-3,5 метра для считывания бортовых номеров, 1,5 метра для считывания номеров на шасси

Максимальная скорость движения состава До 60 км/ч

Расстояние от камеры до вагона от 1 до 15 метров

Ширина зоны контроля 5-8 метров

К достоинствам системы ЯтЬчау^Бр можно отнести: довольно простую конструкцию; сравнительно низкую стоимость; наличие возможности включения человека в контур наблюдения; наличие возможности осмотра иностранных подвижных единиц и возможности идентификации бортовых номеров непосредственно с объектов осмотра.

К недостаткам системы следует отнести: наличие необходимости предварительной обработки (раскадровки) видеоданных перед идентификацией; повышенные требования к оборудованию для обработки видеоинформации; заявленную производителем вероятность идентификации бортовых номеров приблизительно равную 90 %.

Система «Транзит-Инспектор»

«Транзит-Инспектор» - система идентификации номеров вагонов.

Основные функции системы: автоматизация процесса учета прибывающих или проходящих через железнодорожную станцию составов; идентификация номеров вагонов; запись в базу данных идентифицированных номеров и другой информации о проходящих составах; поддержание базы данных; формирование отчетности.

В состав системы входит следующий набор оборудования: от одной до четырех цифровых или аналоговых видеокамер, предназначенных для считывания данных непосредственно с подвижного состава; световой барьер,

предназначенный для отделения подвижных единиц друг от друга. Источником излучения является пара красных светодиодов; плата видеоввода, предназначенная для обработки видеосигналов от видеокамер; инфракрасный прожектор короткой дальности (до 10 м) со встроенным фотодатчиком, предназначенный для освещения подвижных единиц в темное время суток; вычислительная машина.

По заходу подвижной единицы в зону осмотра реагирует световой барьер, формируя сигнал наличия объекта осмотра, включаются видеокамеры и начинают передачу видеосигнала на плату видеоввода. Далее посредством ¿^/гегие^-оборудования и линий коммуникаций полученные кадры передаются в вычислительную машину. Обработанное видеоизображение отображается на экране автоматизированного рабочего места оператора ПКО.

К достоинствам системы необходимо отнести: довольно простую конструкцию; наличие возможности включения человека в контур наблюдения, возможности осмотра иностранных подвижных единиц и возможности идентификации бортовых номеров непосредственно с осматриваемых объектов.

Отличительной особенностью данной системы по отношению к ее аналогам является определение типа подвижной единицы на основе считанного бортового номера, синтаксический контроль номеров и сверка с контрольной суммой вагонов.

К недостаткам «Транзит-Инспектор» следует отнести: необходимость раскадровки видеоданных перед идентификацией; повышенные требования к оборудованию для обработки видеоинформации; указанную среднюю вероятность идентификации бортовых номеров около 92,5 %.

Список литературы диссертационного исследования кандидат наук Гвоздев, Денис Сергеевич, 2013 год

Список литературы

1 Анисимов, Б.В. Идентификация и цифровая обработка изображений : учеб. пособие для студентов вузов / Б.В. Анисимов, В.Д. Курганов, В.К. Злобин.

- М. : Высш. шк, 1983. - С. 43-49.

2 Parker, D.B. Learning logic / D.B. Parker // Invention Report S81-64, File 1, Office of Technology Licensing, Stanford University, Stanford, CA, 1982/

3 Rumelhart, D. E. Learning internal reprentations by error propagation / D. E. Rumelhart, G. E. Hinton, R. J. Williams // In Parallel distributed processing, vol. 1, pp. 318-62. Cambridge, MA: MIT Press, 1986/

4 Werbos, P. J. Beyond regression: New tools for prediction and analysis in the behavioral sciences / P.J. Werbos // Masters thesis, Harward University, 1974.

5 Гвоздев, Д.С. Разработка программного модуля автоматического контроля вагонов / Д.С. Гвоздев, В.В. Храмов // Труды Всероссийской научно-практической конференции «Транспорт-2007». Ч. 2. - Ростов н/Д : РГУПС, 2007.

- С. 311-313.

6 Гвоздев, Д.С. Методика идентификации объектов транспорта и ее программная реализация / Д.С. Гвоздев, В.В. Храмов // Обозрение прикладной и промышленной математики. Т. 15. Вып. 6. - М. : ОПиПМ, 2008. - С. 1139-1141.

7 Гвоздев, Д.С. Подготовка графического изображения к процессу его идентификации / Д.С. Гвоздев // Труды Третьей всероссийской научной конференции «Нечеткие системы и мягкие вычисления (НСМВ) - 2009». - Волгоград : ВолгГТУ, 2009. - С. 143-147.

8 Гвоздев, Д.С. Статистика по результатам идентификации фотографий номеров железнодорожных вагонов методом ортогонального разложения и ее анализ / Д.С. Гвоздев // Труды Третьей всероссийской научной конференции «Нечеткие системы и мягкие вычисления (НСМВ) - 2009». - Волгоград : ВолгГТУ, 2009 -С. 147-153.

9 Гвоздев, Д.С. Оценка вероятности распознавания подвижных единиц железнодорожного транспорта / Д.С. Гвоздев, В.В. Храмов // Вестник РГУПС. -2010.- №4.-С. 61-66.

10 Гвоздев, Д.С. Алгоритм классификации подвижных единиц железнодорожного транспорта с использованием нейросетевых технологий / Д.С. Гвоздев // Вестник РГУПС. - 2012. - № 4. _ с. 54-64.

11 Гвоздев, Д.С. Алгоритм выделения контуров цифр в бортовом номере подвижных единиц железнодорожного транспорта / Д.С. Гвоздев // Вестник РГУПС. - 2011. - № 2. - С. 53-58.

12 Гвоздев, Д.С. Интеллектуальный анализ данных коммерческого осмотра объектов железнодорожного транспорта / Д.С. Гвоздев, В.В. Храмов, A.C. Жигунов // Сборник научных трудов «Инновации. Инвестиции. Технологии -2011».- Ростов н/Д : Институт управления, бизнеса и права, 2011. - С. 287-290.

13 Гвоздев, Д.С. Анализ текущего состояния вопроса коммерческого осмотра подвижных единиц на железнодорожном транспорте / Д.С. Гвоздев, В.В. Храмов // Сборник научных трудов «Инновации. Инвестиции. Технологии -2011». - Ростов н/Д : Институт управления, бизнеса и права, 2011. - С. 284-287.

14 Жигунова-Гальцова, И.А. Интеллектуальный анализ данных в задачах прогнозирования на железнодорожном транспорте / И.А. Жигунова-Гальцова, Д.С. Гвоздев // Труды Всероссийской научно-практической конференции «Транспорт-2011». Ч. 2. - Ростов н/Д : РГУПС, 2011. - С. 26-28.

15 Гвоздев, Д.С. Алгоритм выбора информативных признаков в условиях работы системы коммерческого осмотра подвижных единиц железнодорожного транспорта / Д.С. Гвоздев // Труды Всероссийской научно-практической конференции «Транспорт-2011». Ч. 2. - Ростов н/Д : РГУПС, 2011, - С. 29-31.

16 Гибридная модель идентификации подвижных единиц железнодорожного транспорта Ч. 1 / Д.С. Гвоздев, М.Д. Линденбаум, В.В. Храмов, С.М. Ковалев // Вестник РГУПС. - 2013 - № 2. - С. 92-98.

17 Храмов, B.B. Информационный подход к исследованию эргатиче-ских систем : монография / В.В. Храмов. - Ростов н/Д, 2002. - 252 с.

18 Загоруйко, Н.Г. Прикладные методы анализа данных и знаний / Н.Г. Загоруйко. - Р1овосибирск : Изд-во Ин-та математики, 1999.

19 Загоруйко, Н.Г. Методы идентификации, основанные на алгоритме AdDel / Н.Г. Загоруйко, O.A. Кутненко // Сибирский журнал индустриальной математики - Январь-март, 2004. - Том VII. - № 1(17).

20 Интернет-сайт: http://knowledge.allbest.ru.

21 Интернет-сайт: http://www.ci.ru/inform09_04/p_24.htm.

22 Интернет-сайт: http://cyber.kg/viewtopic.php?f=9&t=2336.

23 Интернет-сайт: http://lan-net.chat.ru/100Base.htm.

24 Интернет-сайт: http://book.itep.rU/4/41/feth4112.htm.

25 Интернет-сайт: http://lan-net.chat.ru/100Base.htm;

26 Интернет-сайт: http://www.lansystems.ru/sec.php?s_uid=l 17.

27 Интернет-сайт: http://itc.ua/articles/standart_l00base-sx_poslednij_ kirpichik_fast_ethernet_l 769/.

28 Интернет-сайт: http://utex-telecom.ru/analytics/standarts/.

29 Интернет-сайт: http://icsgroup.ru/library/glossary/7wiki_name = 10GBASE-T.

30 Интернет-сайт: http://www.electro-mpo.ru/catalog-cgroupel 15.html.

31 Интернет-сайт: http://www.lanset.ru/category/optika-elix.

32 Интернет-сайт: http://anlan.ru/kabel-optovolokonnyj.

33 Интернет-сайт: http://www.lainstar.ru/go.php?page=Prais.

34 Интернет-сайт: http://www.ug-electro.ru/catalog/electro/opdasdiv/.

35 Интернет-сайт: http://drmarket.ru/group/149_Networking/brand/ 0/го ws/25/page/1.

36 Интернет-сайт: http://computers.wikimart.ru/network/router/model/ 3 80090 l/kommutator_switch_dell_powerconnect_8024f/.

37 Ольховик, O.B. Проектирование реляционных баз данных : методические указания по лабораторным работам по курсу «Банки и базы данных» / О.В. Ольховик. - Ростов н/Д, 2005. - 25 с.

38 Смагин, В.А. Техническая синергетика. Вероятностные модели элементов сложных систем : монография. Вып. 1 / В.А. Смагин. - СПб., 2003. - 62 с.

39 Рассел, С. Искусственный интеллект : современный подход (Artificial Intelligence : A Modern Approach) / С. Рассел, П. Норвиг. - 2-е изд. - М. : Вильяме, 2006.-1424 с.

40 Хайкин, С. Нейронные сети: полный курс / С. Хайкин. - 2-е изд. -М. : Вильяме, 2005.- 1 104 с.

41 Шамис, АЛ. Поведение, восприятие, мышление : проблемы создания искусственного интеллекта / A.JT. Шамис. - М., 2005. - 224 с. (Серия «Науки об искусственном»).

42 Тархов, Д.А. Нейронные сети. Модели и алгоритмы / Д.А. Тархов. -М. : Радиотехника, 2005. - 256 с.

43 Рутковская, Д. Нейронные сети, генетические алгоритмы и нечёткие системы / Д. Рутковская. - М. : Горячая линия-Телеком, 2004. - 452 с.

44 Усков, A.A. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика / A.A. Усков, A.B. Кузьмин. - М. : Горячая линия-Телеком, 2004. - 143 с.

45 Галушкин, А.И. Нейрокомпьютеры и их применение на рубеже тысячелетий в Китае. В 2 т. Т. 1 / А.И. Галушкин. - М., 2004. - 367 с.

46 Галушкин, А.И. Нейрокомпьютеры и их применение на рубеже тысячелетий в Китае. В 2 т. Т. 2 / А.И. Галушкин. - М., 2004. - 464 с.

47 Минаев, Ю.Н. Методы и алгоритмы решения задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе / Ю.Н. Минаев, О.Ю. Филимонова, JI. Бенамеур. - М. : Горячая линия-Телеком, 2003.-205 с.

48 Осовский, С. Нейронные сети для обработки информации / С. Осов-ский. - М. : Финансы и статистика 2002. - 344 с.

49 Каллан, Р. Основные концепции нейронных сетей / Р. Каллан. - М. : Вильяме, 2002.-287 с.

50 Долгий, И.Д. К вопросу об идентификации личности в системе «диспетчерской централизации» / И.Д. Долгий, С.М. Ковалев, С.А. Кулькин ; Рост, гос. ун-т путей сообщения. - Ростов н/Д, 2003.

51 Прэтт, У. Цифровая обработка изображений. Т. 1 / У. Прэтт. - М. : Мир, 1982.-312 с.

52 Дуда, Р. Распознавание образов и анализ сцен / Р. Дуда, П. Харт. -М. : Мир, 1976.-511 с.

53 Бутаков, А. Обработка изображений на ЭВМ / А. Бутаков, В.И. Островский, И.Л. Фадеев. - М. : Радио и связь, 1987.

54 Гренандер, У. Лекции по теории образов. Т. 1-3/ У. Гренадер. - М. : Мир, 1979.

55 Павлидис, Т. Алгоритмы машинной графики и обработки изображений / Т. Павлидис. - М. : Радио и связь, 1986.

56 Ту, Дж. Принципы распознавания образов / Дж. Ту, Р. Гонсалес. - М. : Мир, 1976г.;

57 Файн, B.C. Опознавание изображений / B.C. Файн. - М. : Наука, 1970.

58 Розенфельд, А. Распознавание и обработка изображений с помощью ЭВМ / А. Розенфельд. - М. : Мир, 1972.

59 Шибаева, И.В. Математические и программные средства распознавания графических изображений для передачи по цифровым каналам связи / И.В. Шибаева, А.И. Мурынов, И.В. Пивоваров // Информационные технологии в науке, образовании, телекоммуникациях и бизнесе : матер. 31-го Междунар. конф. -Украина, Крым, Ялта - Гурзуф; Успехи современного естествознания. - 2004. № 5.- Прил. 1.-114 с.

60 ГОСТ 19.701-90 ЕСГТД. Схемы алгоритмов и программ. Правила выполнения. -М. : Изд-во стандартов, 1991.

61 Дэвид, Дж.С. Безотказность, ремонтопригодность и риск. Практические методы для инженеров, включая вопросы оптимизации надежности и систем, связанных с безопасностью / Дж.С. Дэвид. - М. : Группа ИДТ, 2007. - 432 с.

62 Половко, A.M. Основы теории надежности. Практикум / A.M. По-ловко, C.B. Гуров. - М. : БХВ-Петербург, 2006. - 560 е.;

63 Половко, A.M. Основы теории надежности. Практикум / A.M. Половко, C.B. Гуров. - М. : БХВ-Петербург, 2006. - 704 с.

64 Каштанов, В.А. Теория надежности сложных систем / В.А. Каштанов, А.И. Медведев. - М. : ФИЗМАТЛИТ, 2010. - 608 с.

65 Тарасов, В.В. Инфракрасные системы «смотрящего» типа / В.В. Тарасов, ЮТ. Якушенков. - М. : ЛОГОС, 2004. - 443 с.

66 Форсайт, Д. Компьютерное зрение. Современный подход / Д. Форсайт, Д. Понс. - М. : Вильяме, 2004. - 928 с.

67 Фурман, Я.А. Введение в контурный анализ и его приложения к обработке изображений и сигналов / Я.А. Фурман [и др.]. - М. : ФИЗМАТЛИТ, 2002.-592 с.

68 Фу, К. Структурные методы в распознавании образов / К.Фу. - М. : Мир, 1977.-320 с.

69 Потапов, A.C. Распознавание образов и машинное восприятие: общий подход на основе принципа минимальной длины описания / A.C. Потапов. -СПб. : Политехника. 2007. - 548 с.

70 Марр, Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов / Д. Марр. - М. : Радио и связь, 1987. - 400 с.

71 Павлидис, Т. Иерархические методы в структурном распознавании образов / Т. Павлидис // ТИИЭР. - 1979. - Т. 67. - № 5. - С. 39-90.

72 Ерош, И.Л. Адаптивные робототехнические системы / И.Л. Ерош, М.Б. Игнатьев, Э.С. Москалев. -Л. : ЛИАП, 1985. - 144 с.

73 Самойлин, Е.А. Алгоритмы оценивания импульсного шума в задачах цифровой фильтрации оптических изображений / Е.А. Самойлин // Оптический журнал. - 2006. - № 12. - С. 42-46.

74 Трифонов, М.И. Автоматическое улучшение контраста изображений. / М.И Трифонов, В.Б. Макулов // Оптический журнал. - 2006. - № 10. - С. 34—40.

75 Абду, И.Э. Количественный расчет детекторов контуров, основанных на подчеркивании перепадов яркости с последующим пороговым ограничением / И.Э. Абду, У.К. Прэтт // ТИИЭР. - 1979. - Т. 67. - № 5. - С. 59-70.

76 Минский, М. Фреймы для представления знаний : пер. с англ. /М. Минский. - М. : Энергия. 1979. - 151 с.

77 Разин, И.В. Математическая модель для экспресс-оценки степени сходства изображений / И.В. Разин, В.В. Тетерин // Оптический журнал. - 2001. -№ 11.-С. 33-37.

78 Ковалевский, В.А. Локальные и глобальные решения в распознавании изображений /В.А. Ковалевский // ТИИЭР. - 1979. - Т. 67. - № 5. - С. 50-58.

79 Анисимов, В.А. Исследование и разработка методов идентификации объектов на изображениях на основе пирамидально-рекурсивных структур: Тезисы диссертации / В.А. Анисимов ; СПИИАРАР1. - СПб., 1992.

80 Нестерук, В.Ф. Информационная оценка процесса зрительного восприятия / В.Ф. Нестерук, H.H. Порфирьева // Оптика и спектроскопия. - 1978. -Т. 44. Вып. 4.-С. 801-803.

81 Колмогоров, А.Н. Комбинаторные основания теории информации и исчисления вероятностей / А.Н. Колмогоров // УМН. -1983. - Т. 38. Вып. 4. -С. 27-36.

82 Перегудов, Ф.И. Введение в системный анализ / Ф.И. Перегудов, В.П. Тарасенко. - М. : Высшая школа, 1989. - 367 с.

83 Левин, JI.A. Универсальные задачи перебора / Л.А.Левин // Проблемы передачи информации. - 1973г. - Т. 9. -№ 3. - С. 115-116.

84 Ту, Дж. Принципы распознавания образов / Дж. Ту, Р. Гонсалес. - М. : Мир, 1978.-412 с.

85 Вапник, В.Н. Теория распознавания образов / В.Н. Вапник, А.Я. Чер-воненкис. - М. : Наука. 1974. - 415 с.

86 Люгер, Д.Ф. Искусственный интеллект : стратегии и методы решения сложных проблем : пер. с англ. / Д.Ф. Люгер. - 4-е изд. - М. : Изд. дом «Вильяме», 2003.-865 с.

87 Джексон, П. Введение в экспертные системы : учеб. пособие : пер. с англ. / П. Джексон. - М. : Изд. дом «Вильяме», 2001. - 624 с.

88 Прибрам, К. Языки мозга / К. Прибрам. - М. : Прогресс, 1975. - 464 с.

89 Потапов, A.C. Новые методы автоматического анализа изображений в задачах экологического мониторинга / A.C. Потапов // Труды Междунар. науч. конф. «Измерительные и информационные технологии в охране здоровья "Мет-ромед-2007"», - М., 2007. - С. 155-162.

90 Потапов, A.C. Иерархические структурные методы автоматического анализа аэрокосмических изображений : тезисы диссертации / A.C. Потапов ; ФГУП «ГОИ им. С.И. Вавилова». - СПб., 2005. - 158 с.

91 Потапов, A.C. Совмещение аэрокосмических изображений с субпиксельной точностью методом локальной корреляции / A.C. Потапов, И.А. Малышев, В.Р. Луцив // Оптический журнал. - 2004. - Т. 71. - № 5. - С. 31-36.

92 Потапов, A.C. Выбор модели пространственного преобразования изображений по критерию минимальной длины описания / A.C. Потапов // Оптический журнал. - 2007. - Т. 74. - № 5. - С. 48-53.

93 ГОСТ 19675-74. Автоматизированные системы управления. Термины и определения.

94 ГОСТ 34.003-90. Информационная технология. Комплекс стандартов на автоматизированные системы. Термины и определения. Комитет стандартизации и метрологии СССР. - М., 1991.

95 Беллман, Р. Прикладные задачи динамического программирования : пер. с англ. / Р. Беллман, С. Дрейфус. - М. : Наука, 1965. - 458 с.

96 Понтрягин, JI.C. Математическая теория оптимальных процессов / Л.С. Понтрягин. - М. : Наука, 1976. - 392 с.

97 Айзерман, М.А. Теория автоматического регулирования / М.А. Ай-зерман. - М.: Наука, 1966.-452 с.

98 Фан-Лянь-Цень. Дискретный принцип максимума. Оптимизация многоступенчатых процессов / Фан-Лянь-Цень, Вань-Чу-сен ; пер. с англ. под ред. А.И. Пропоя. - М. : Мир, 1967. - 180 с.

99 Корбут, A.A. Дискретное программирование / A.A. Корбут, Ю.Ю. Финкелшнтейн. - М. : Наука, 1969. - 368 с.

100 Меламед, И.И. Теория и алгоритмы решения многокритериальных задач комбинаторной оптимизации / И.И. Меламед, И.Х. Сигал. - М. : ВЦ РАН, 1996.-51 с.

101 Петров, А.П. АСУ на транспорте / А.П. Петров. - М. : Знание, 1973.

-64 с.

102 Буянов, В.А. Технологические принципы системы «Станционный автодиспетчер» / В.А. Буянов // Диспетчерское регулирование движения поездов с применением управляющих вычислительных машин. Вып. 350. - М. : ЦНИИ МПС, 1967. - С. 66-84.

103 Шаров, В.А. Экономическая концепция организации перевозок грузов / В.А. Шаров // Технология перевозок грузов в условиях рыночной экономики : сб. научных трудов ВНИИЖТ. - М. : Транспорт, 1993. - С. 5-27.

104 Кудрявцев, В.А. Нужно менять систему / В.А. Кудрявцев // Гудок. -2003.- 19 февр.

105 Тишкин, Е.М. Информационно-управляющие технологии эксплуатации вагонного парка / Е.М. Тишкин // Труды ВНИИАС. - 2005. - 188 с.

106 Информационные технологии на железнодорожном транспорте / под ред. Э.К. Лецкого, Э.С. Поддавашкина, В.В. Яковлева ; МПС РФ. - М., 2001. -678 с.

107 Слободянюк, Н.Ф. Информационно-управляющая система «Сириус». / Н.Ф. Слободянюк, Ю.С. Сухарьков, С.Э. Гуков // Автоматика, связь, информатика. - 2004. - № 9. - С. 36-39.

108 Гершвальд, A.C. Оперативное управление грузовыми перевозками /

A.C. Гершвальт // Наука и техника транспорта. - 2004. - № 3. - С. 22-31.

109 Информатизация на железнодорожном транспорте. История и современность / B.C. Наговицын, Э.С. Поддавашкин, И.В. Харланович, Ю.С. Хандка-ров. - М. : Вече, 2005. -720 с.

110 Перспективы развития систем автоматического управления перевозочным процессом железных дорог в ФРГ и Европе // Железнодорожный транспорт за рубежом. Серия III. - M., 2003. - С. 3-15.

111 Ткаченко, В.Ф. Современные средства автоматического управления движением поездов и перевозками на зарубежных железных дорогах /

B.Ф. Ткаченко // Железнодорожный транспорт за рубежом. Серия III. - M., 2003.-С. 24-30.

112 Кини, P.JI. Принятие решений при многих критериях: предпочтения и замещения : пер. с англ. / Р.Л. Кини, X. Райфа. - М. : Радио и связь, 1981. -560 с.

113 Бусленко, Н.П. Моделирование сложных систем / Н.П. Бусленко. -М. : Наука, 1968.

114 Ивницкий, В.А. Математические модели функционирования в АСУЖТ / В.А. Ивницкий, Д.И. Ефремов // Вестник ВНИИЖТ. - 1983. - С. 7-10.

115 Линденбаум, М.Д. Надежность информационных систем : учебник для вузов ж.-д. транспорта / М.Д. Линденбаум, Е.М. Ульяницкий. - М., 2007. -318 с.

116 Храмов, В.В. Интеллектуальные информационные системы : интеллектуальный анализ данных : учеб. пособие / В.В. Храмов, Д.С. Гвоздев. - Ростов н/Д, 2012.-97 с.

ПРИЛОЖЕНИЕ 1. АКТЫ ОБ ИСПОЛЬЗОВАНИИ РЕЗУЛЬТАТОВ РАБОТЫ ДИССЕРТАЦИОННОГО ИССЛЕДОВАНИЯ

об использовании результатов диссертационного исследования Гвоздева Дениса Сергеевича на тему: «Модели н методы идентификации подвпжпых единиц в автоматизированных системах коммерческого осмотра подвижного состава» на соискание ученой степени кандидата технических наук по специальности: 05.13.06 —Автоматизация к управление технологическими процессами и производствами (на транспорте).

Комиссия в составе: председатель - и.о. директора научно-исследовательской части, К.Т.Н., доц. И.А. Яицков; «йены комиссии: и.о. декана факультета «Автоматика, телемеханика и связь на железнодорожном транспорте», ИЛ. Бурнашев;

начальник отдела докторантуры и аспирантуры, к.т.н., доц. А.В. Костюков

составили настоящий акт о том, что результаты диссертации на соискание ученой степени кандидата наук ДС.Гвоздева используются в учебном процессе при подготовке специалистов в Ростовском государственном университете путей сообщения, а также при разработке учебного пособия по специальности 230400 "Информационные системы и технологии" для проведения лекционных, практических занятий, а также для самостоятельной работы студентов и курсового проектирования.

В результате исследований, посвященных построению моделей идентификации объектов железнодорожного транспорта, предложено:

- модель экспертной подсистемы идентификации подвижных единиц, основанная на объединении моделей идентификации бортовых номеров, форм кузова, сопроводительной технологической информации о составе поезда и нейросетевой модели классификации;

- инструменты для исследования информативности пр!ГЗнаков идентификации;

- метод кворумиого резервирования источников информации в процессе идентификации сложноорганнзованных изображений подвижных единиц железнодорожного транспорта.

Результаты диссертационного исследования отражены в следующих опубликованных работах:

УТВЕРЖДАЮ

доктор по учебной работе-начальннк

1. Гвоздев Д.С. Разработка программного модуля автоматического контроля вагонов [Текст] / Д.С. Гвоздев, В.В. Храмов // Труды всероссийской научно-практической конференции «Транспорт-2007» - Ростов-на-Дону: Изд-во РГУПС, 2007 - Ч. 2 - с 3;

2. Гвоздев Д.С. Методика идентификации объектов транспорта к ее программная реализация [Текст] / Д.С. Гвоздев, В.В. Храмов // Обозрение прикладной и промышленной математики:- Москва: Изд-во ОПнПМ, 2008 — Т. 15, вып.6 —с.1139-1141;

3. Гвоздев Д.С. Подготовка графического изображения к процессу его распознавший! [Текст] / Д.С. Гвоздев // Труды Третьей Всероссийской научной конференция "Нечеткие системы и мягкие вычисления "НСМВ-2009:-Волгоград: Изд-во ВолгГТУ, 2009-е. 143-147;

4. Гвоздев Д.С. Статистика по результатам распознавания фотографин номеров железнодорожных вагонов методом ортогонального разложения к ее анализ (Текст] / Д.С. Гвоздев И Труды Третьей Всероссийской научной конференция "Нечеткие системы н мягкие вычисления "НСМВ-2009:- Волгоград: Изд-во ВолгГТУ, 2009-е. 147-153;

5. Гвоздев Д.С. Методика преподавания программирования [Текст] / Д.С. Гвоздев // Труды всероссийской научно-практической конференции «Транспорт-2009» - Ростов-на-Дону: Изд-во РГУПС, 2009 -Ч. 1;

6. Гвоздев Д.С- Оценка вероятности распознавания подвижных единиц железнодорожного транспорта [Текст] / Д.С. Гвоздев, В.В. Храмов // Вестник РГУПС 2010 - Ростов-на-Дону: Изд-во РГУПС, 2010 -Т.4 -с. 61-66;

7. Гвоздев Д.С. Алгоритм выделения контуров цифр в бортовом номере подвижных единиц железнодорожного транспорта [Текст] / Д.С. Гвоздев // Вестник РГУПС 2011 - Ростов-на-Дону: Изд-во РГУПС, 2011 - Т.2 - с. 53-58;

8. Гвоздев Д.С. Интеллектуальный анализ данных коммерческого осмотра объектов железнодорожного транспорта [Текст] / Д.С. Гвоздев, В.В. Храмов, Жнгуиов А.С. // Сборник научных трудов «Инновации. Инвестиции. Технологии — 2011» - Ростов-на-Дону: Изд-во Институт управления, бизнеса и права, 2011 - с. 287-290;

9. Гвоздев ДС. Анализ текущего состояния вопроса коммерческого осмотра подвижных единиц на железнодорожном транспорте [Текст] / Д.С. Гвоздев, В.В. Храмов // Сборник научных трудов «Инновации. Инвестиции. Технологии - 2011» - Ростов-на-Дону: Изд-во Институт управления, бизнеса и права, 2011 - с. 284-287;

10. Гвоздев Д.С. Алгоритм выбора информативных признаков в условиях работы системы коммерческого осмотра подвижных единиц железнодорожного транспорта [Текст] / Д.С. Гвоздев // Труды всероссийской научно-практической конференции «Транспорт-2011» - Ростов-на-Дону: Изд-во РГУПС, 2011 - Ч. 2 - с. 29-31;

11. Гвоздев, Д.С. Гибридная модель идентификации подвижных единиц железнодорожного транспорта часть №1 / Д-С. Гвоздев, М.Д. Линденбаум, В.В. Храмов, С.М. Ковалев // Вестник РГУПС. - Ростов н/Д, 2013. № 2 - 9298;

12. Храмов, В.В. Интеллектуальные информационные системы: интеллектуальный анализ данных / В.В. Храмов, Д.С. Гвоздев // Учебное пособие -Ростов н/Д, 2012. 97с.

Председатель комиссии: И.о. директора НИЧ

Члены комиссии: Декан факультета АТС

Начальник отдела докторантуры и аспирантуры, к.т.н., доц.

УТВЕРЖДАЮ Начальник ДС Заречная Дегтярев ВВ . « » ' 2012 г.

АКТ

о внедрении результатов кандидатской диссертации Гвоздева Дениса Сергеевича

Настоящий акт составлен о том, что результаты работы диссертации на соискание ученой степени кандидата наук Д.С.Гвоздева были внедрены в процесс осмотра подвижного состава на станции Заречная, с целью сбора статистических данных о подвижных единицах и проведения натурных испытаний. Результаты испытаний показали что, реализованные модели, методы и алгоритмы позволяют упростить и ускорить процесс осмотра и могут быть применены в реальных условиях работы систем коммерческого осмотра.

ЗАРЕЧНАЯ СНЖД 510702

АКТ

о внедрении результатов кандидатской диссертации Гвоздева Дениса Сергеевича

В настоящее время, с учетом постоянного роста грузооборота, во всех транспортных организациях возникает необходимость более тщательного рассмотрения вопросов, связанных с контролем и управлением транспортными потоками. В контексте данной задачи решаются вопросы осмотра и идентификации подвижных единиц транспорта. С этой цслыо разрабатываются и внедряются специальные пакеты алгоритмического обеспечения систем анализа, оптимизации, управления, принятия решений и обработки информации. Только постоянная оптимизация и совершенствование данных алгоритмов позволит обеспечить прозрачность процесса доставки фузов и четкое отслеживание груза по всему маршруту следования.

В связи с этим, аспирантом Гвоздевым Деннсом Сергеевичем были проведены исследования и предложена гибридная модель системы идентификации объектов транспорта, позволяющая ускор!Гть процесс осмотра н принятия решения по идентификации объекта за счет методов оптимизации подсистем сбора и обработки исходных данных.

Результаты работы Д.С. Гвоздева учтены и использованы Институтом управления, бизнеса и права в процессе разработки новых алгоритмов обработки данных и внедрены в процесс обучения.

Руководитель центра образовательных технологий и организации учебного процесса НОУ ВПО ИУБиИ

д.ф.-м. н., профессор

Дашко Ю.В.

ПРИЛОЖЕНИЕ 2. ПАТЕНТ НА ПОЛЕЗНУЮ МОДЕЛЬ

ртеетйвАж еддармрш

НА ПОЛЕЗНУЮ МОДЕЛЬ

№ 133082

УСТРОЙСТВО ИДЕНТИФИКАЦИИ подвижных ЕДИНИЦ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА

Патентообладатель(лн). Гвоздев Денис Сергеевич (1111)

Автор(ы): Гвоздев Денис Сергеевич (ЯП), Храмов Владимир Викторович (Яи)

Заявка 2013115740

Приоритет полезной модели 08 апреля 2013 г.

Зарегистрировано в Государственном реестре полезных моделей Российской Федерации 10 октября 2013 г. Срок действия патента истекает 08 апре.ш 2023 г.

Руководитель Федеральной службы по инте ляектуальпой собственности

¿У) /у Б.И. Симонов