УДК 656.025:004.8
DOI: 10.36871/ek.up.p.r.2025.10.04.015

Авторы

Авер Эрикович Аухадеев,
Лейля Нургалиевна Киснеева,
Иван Вячеславович Черепенькин,
Казанский государственный энергетический университет, Казань, Российская Федерация

Аннотация

Цель статьи — провести системный анализ направлений внедрения технологий искусственного интеллекта (ИИ) в системе городского электрического транспорта (ГЭТ) России и оценить их вклад в цифровизацию и экономическую эффективность отрасли. Эмпирическая база включает стратегические и нормативные документы РФ, федеральные программы развития общественного транспорта и Реестр технологий ИИ в транспортной отрасли Минтранса (13 июня 2024 г.), в котором технологии систематизированы по видам транспорта, процессам и уровню готовности (УГТ). Показано, что государственные инвестиции до 2030 г. (>310 млрд. руб.) направлены на обновление инфраструктуры и подвижного состава ГЭТ, а также на создание единой цифровой платформы управления пассажирскими перевозками (диспетчеризация, контроль и прогноз пассажиропотоков, планирование маршрутов) в соответствии со «Стратегическим направлением цифровой трансформации транспортной отрасли РФ до 2030 года». На основе анализа Реестра ИИ выделены приоритеты для ГЭТ: предиктивное обслуживание, мониторинг в реальном времени, оптимизация расписаний и маршрутизации, интеллектуальные системы помощи водителю, управление энергопотреблением и цифровые двойники. Обоснована экономическая значимость энергосбережения: при доле тяги более 70% в структуре электропотребления ГЭТ и годовом потреблении около 1,5 млрд. кВт·ч даже умеренное снижение удельных расходов даёт существенный экономический эффект. Предложен методический каркас оценки эффективности (TCO/NPV/ IRR, эффекты надёжности и безопасности) и дорожная карта внедрения с KPI. Научная новизна состоит в увязке государственных целей цифровой трансформации, технологической готовности ИИ и специфики производственного процесса ГЭТ, а также в формализации метрик экономической эффективности для приоритетных сценариев. Практическая значимость — набор управленческих и технологических решений, готовых к тиражированию муниципальными операторами.

Ключевые слова

городской электрический транспорт; искусственный интеллект; цифровизация; энергоэффективность; предиктивное обслуживание; цифровая платформа; диспетчеризация; экономическая эффективность; KPI; УГТ