ИИ повысит безопасность высокоскоростных магистралей

В проекте ВСМ Москва — Санкт-Петербург скорость поездов достигнет 400 км/ч, а заказ промышленности превышает 500 млрд рублей. На магистрали впервые в отечественной практике будут примененны решения с элементами искусственного интеллекта — от цифрового ассистента машиниста до предиктивного мониторинга инфраструктуры. Путь к запуску проекта лежит через киберзащиту микропроцессорных систем и совместимость с нормативами, вступающими в силу с 1 марта 2027 года. Среди разработчиков и участников проекта — НИИАС, «Лаборатория Касперского», Positive Technologies и «ЭЛВИС-НеоТек».

Особенности ВСМ

Высокоскоростные магистрали (ВСМ) весьма существенно отличаются от привычных железных дорог. На скоростях 300-350 км/ч машинист физически не успевает реагировать на путевые сигналы. Так, при скорости 350 км/ч тормозной путь поезда составляет порядка 20 км. Поэтому безопасность строится на непрерывном автоматическом контроле скорости и положения поезда (Automatic Train Protection, ATP), а не на наблюдении за светофорами. Автоведение (Automatic Train Operation, ATO) работает поверх этой защиты и ее не заменяет.

Опыт Китая

Высокоскоростная железнодорожная линия Пекин — Чжанцзякоу, открытая 30 декабря 2019 года, стала знаковым проектом в сфере железнодорожного транспорта. Протяженность магистрали составляет 174 км, а проектная скорость движения поездов достигает 350 км/ч.

Эта линия по праву считается первой в мире интеллектуальной высокоскоростной магистралью (ВСМ) с системой автоведения, функционирующей на столь высокой скорости. При этом присутствие машиниста в кабине сохраняется, его задача сводится к контролю корректности выполнения операций.

Управление движением обеспечивается системой Chinese Train Control System (CTCS‑3): радиоблок‑центры формируют и передают поездам разрешения на движение. Автоматизированная система самостоятельно осуществляет отправление состава, ведет его по перегону, выполняет остановку у платформы и управляет дверями, демонстрируя высокий уровень технологической интеграции.

ВСМ в США и Сингапуре

В США с 2008 года обязательным требованием стало внедрение системы Positive Train Control (PTC) на железнодорожных линиях, задействованных в пассажирских перевозках, а также на участках, где осуществляется транспортировка значительных объемов опасных грузов. PTC — это комплекс регламентированных функций. В частности, она обеспечивает автоматическую остановку состава в случае превышения допустимой скорости либо проезда на запрещающий сигнал.

В Сингапуре сеть высокоскоростных железнодорожных магистралей отсутствует, однако передовые технологии автоматизации успешно применяются в системе метрополитена. Ярким примером служит линия North East Line, запущенная в 2003 году: она признана первой в мире полностью автоматизированной подземной линией метро, функционирующей без участия машиниста. В ее работе задействована система Communications‑Based Train Control (CBTC) Urbalis. С точки зрения развития ВСМ особый интерес представляет накопленный в рамках этого проекта опыт эксплуатации полностью автоматизированных решений в условиях высокой частоты движения поездов.

В России

Разработкой систем управления для магистрали занимается НИИ информатизации, автоматизации и связи на железнодорожном транспорте (НИИАС). В качестве базового решения принят комплекс устройств автоматической локомотивной сигнализации АЛСО. Данная система автоблокировки базируется на тональных рельсовых цепях, предусматривает централизованное размещение аппаратуры и дублирующие каналы передачи данных — при этом от использования проходных светофоров решено отказаться.

Управление стрелочными переводами осуществляется посредством кабельных линий, а регулирование межпоездных интервалов обеспечивается за счет взаимодействия тональных рельсовых цепей и двухчастотной многозначной локомотивной сигнализации. Последняя передает машинисту данные о расстоянии до препятствия либо зоны ограничения скорости, а также о типе соответствующего ограничения.

Информационный обмен между соседними диспетчерскими постами выстроен по трехуровневой схеме: первый уровень отвечает за индикацию и управление, второй — за техническую межстанционную связь, третий — за передачу диагностических данных. Повышенная надежность коммуникационной инфраструктуры достигнута благодаря кольцевой топологии сети: все пункты объединены в замкнутый контур, а в случае разрыва автоматически задействуется резервная линия связи.

Компании на рынке ВСМ

Российские компании активно участвуют в создании оборудования и программного обеспечения для ВСМ. Значимый вклад в формирование защищенной инфраструктуры вносят и другие отраслевые лидеры. Так, «Лаборатория Касперского» реализует совместные проекты с РЖД в рамках заключенного соглашения о сотрудничестве. Компания Positive Technologies в партнерстве с НИИАС ведет разработку решений, направленных на повышение киберзащищенности микропроцессорных систем управления движением. «ЭЛВИС‑НеоТек» создает системы безопасности с применением технологий компьютерного зрения.

Отдельного внимания заслуживает собственная разработка НИИАС — система обеспечения безопасности СОБ‑400А. За счет получения данных о местоположении состава непосредственно от инфраструктуры система позволяет более точно регулировать межпоездные интервалы при движении на высоких скоростях. Тестировать СОБ‑400А начали в марте 2026 года на перегоне «Смоленск — Красный бор».

ИИ на железных дорогах

Технологии ИИ уже интегрированы в инфраструктуру РЖД. Так, еще в 2018 году для электродвигателей ВЛ‑80 был создан цифровой двойник, позволяющий диагностировать уязвимые узлы, выявлять дефекты литья и увеличивать ресурс агрегатов. В настоящее время ведется разработка имитационной макромодели движения поездов для всей сети: она прогнозирует загрузку путей и станций на разные временные горизонты.

Внедрение искусственного интеллекта в железнодорожную отрасль открывает значительные возможности, но одновременно сопряжено с рядом серьезных технологических и регуляторных вызовов.

Первая сложность касается сертификации. Европейские железнодорожные стандарты (EN 50129, EN 50657/50716) базируются на принципе детерминизма — при идентичном входном сигнале система обязана демонстрировать предсказуемую, неизменную реакцию. Это вступает в противоречие с особенностями ИИ: ожидания от его работы нередко расходятся с нормативами функциональной безопасности, а сертифицировать модули машинного обучения в традиционном формате затруднительно — их поведение способно эволюционировать после валидации.

Вторая проблема — галлюцинации языковых моделей: они генерируют убедительные, но фактически ошибочные ответы, что считается одним из главных барьеров для широкого внедрения технологии. К этому комплексу трудностей добавляются вопросы достоверности исходных данных, недетерминированный характер выводов и снижение надежности при обработке протяженных контекстов.

Третья группа рисков связана с кибербезопасностью. В приложениях на базе языковых моделей наиболее уязвимыми считаются сценарии внедрения инструкций — в том числе косвенные, когда модель анализирует внешний источник и по-своему его интерпретирует. Не менее опасна «чрезмерная самостоятельность» системы: предоставление ИИ избыточных функций и прав, не обусловленных конкретной задачей.

Тем не менее эти вызовы последовательно купируются. Ключевой аспект безопасности можно нивелировать, изолируя ИИ от критичного контура и на начальных этапах задействуя его в сферах с уже подтвержденной надежностью — например, в тестировании и ремонте. Для борьбы с галлюцинациями применяют подход retrieval‑augmented validation: ответы формируют на основе авторитетной базы знаний с дополнительной проверкой логики, а в ряде случаев верифицируют по нескольким независимым источникам с последующим сопоставлением результатов. Оптимальной стратегией остается ограничение автономности ИИ по принципу наименьших привилегий с обязательным подтверждением человеком необратимых операций.

Читайте также на сайте журнала RUБЕЖ «Безопасность маломерного судоходства: почему права на управление судном недостаточно»