mirtrМир транспортаWorld of Transport and Transportation1992-3252Russian University of Transport (RUT)10.30932/1992-3252-2022-20-1-9mirtr-2259Research ArticleПРОБЛЕМЫ УПРАВЛЕНИЯADMINISTRATION, MANAGEMENT AND CONTROLПрименение искусственного интеллекта для транспортного строительства: инженерные и образовательные аспектыApplication of Artificial Intelligence in Transport Construction: Engineering and Educational AspectsЛёвинБ. А.LyovinB. A.

Лёвин Борис Алексеевич – доктор технических наук, профессор, президент

Москва

Loyvin, Boris A., D.Sc. (Eng), Professor, President

Moscow

Lyevin@miit.ruПискуновА. А.PiskunovA. A.

Пискунов Александр Алексеевич – доктор технических наук, профессор

Москва

Piskunov, Alexander A., D.Sc. (Eng), Professor

Moscow

ПоляковВ. Ю.PoliakovV. Yu.

Поляков Владимир Юрьевич – доктор технических наук, доцент

Москва

Poliakov, Vladimir Yu., D.Sc. (Eng), Associate Professor

Moscow

pvy55@mail.ruСавинА. В.SavinA. V.

Савин Александр Владимирович – доктор технических наук, профессор

Москва

Savin, Alexander V., D.Sc. (Eng), Professor

Moscow

a.v.savin@miit.ruРоссийский университет транспортаРоссияRussian University of TransportRussian Federation2022171220222017479Copyright © Лёвин Б.А., Пискунов А.А., Поляков В.Ю., Савин А.В., 20222022Лёвин Б.А., Пискунов А.А., Поляков В.Ю., Савин А.В.Lyovin B.A., Piskunov A.A., Poliakov V.Y., Savin A.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://mirtr.elpub.ru/jour/article/view/2259

В статье, обобщающей исследования авторов, результаты которых как опубликованы, так и подготовлены для печати, рассматривается текущая ситуация с развитием представлений об искусственном интеллекте, анализируются возможности применения существующего на данном этапе искусственного интеллекта в проектировании объектов транспортной инфраструктуры и инженерном образовании.

Дано описание общей методологии и алгоритма применения искусственного интеллекта при проектировании объектов транспортной инфраструктуры с учётом синтеза конструкции с заданными параметрами поведения.

Показана взаимосвязь решаемых пользователями инженерных задач и внедрения компетенций в области искусственного интеллекта в образовательный процесс при подготовке специалистов транспортного комплекса, приведены примеры выполнения студентами практически ориентированных заданий.

Продемонстрированы возможности междисциплинарного подхода в обучении, который позволяет наглядно показать обучаемым необходимость комплексного рассмотрения задач проектирования.

Экспериментальное обучение показало реальность и результативность применения искусственного интеллекта студентами при решении обучающих и практических задач.

The article generalises the results of the authors’ research, both published and prepared for publication, referring to discussion on the current situation in terms of development of artificial intelligence perception and apprehension, and analyses a possibility of application of currently existing AI in design of transport infrastructure facilities and engineering education.

General methodology and algorithm of application of artificial intelligence intended for design of transport infrastructure facilities are described considering synthesis of structures with pre-set behavioural parameters.

Introduction of AI-related competences and skills into educational process intended for training future transport employees is shown in relationship with engineering tasks solved by the users followed by examples of problems solved by the students with the help of artificial intelligence technology.

The possibilities of an interdisciplinary approach to training are shown to demonstrate how the students are taught to apprehend the need for a comprehensive consideration of design problems.

Experimental learning has shown the feasibility and effectiveness of the use of AI by students when solving educational and practical problems.

искусственный интеллектинженерное образованиетранспорттранспортное образованиемеждисциплинарный подходметоды поддержки принятия решенийartificial intelligenceengineering educationtransporttransport educationinterdisciplinary approachdecision support methodsReferencesPoliakov, V The artificial intelligence and design of multibody systems with predicted dynamic behavior International Journal of Circuits, Systems and Signal Processing, 2020, Vol 14 DOI: 10.46300/9106 2020 14 124Poliakov, V The artificial intelligence and design of multibody systems with predicted dynamic behavior International Journal of Circuits, Systems and Signal Processing, 2020, Vol 14 DOI: 10.46300/9106.2020.14.124Бруссард М Искусственный интеллект: Пределы возможного / Пер с англ Е Арье – М : Альпина нон-фикшн, 2019 – 362 с ISBN 978-5-00139-080-0Broussard, M Artificial intelligence: The limits of the possible Trans from English by E Arie Moscow, Alpina non-fiction, 2019, 362 p ISBN 978-5-00139-080-0Bostrom, N Superintelligence: Paths, Dangers, Strategies Oxford University Press, 2014, 328 pBostrom, N Superintelligence: Paths, Dangers, Strategies Oxford University Press, 2014 328 pDreyfus, H What.computers Still Can’t Do: A Critique of Artificial Reason MIT Press, 1992, 408 p DOI: 10.2307/1575958Dreyfus, H What.computers Still Can’t Do: A Critique of Artificial Reason MIT Press, 1992, 408 p DOI: 10.2307/1575958Jajal, T D Distinguishing between Narrow AI, General AI and Super AI May 21, 2018 [Электронный ресурс]: https://medium.com/mapping-out-2050/distinguishing-between-narrow-ai-general-ai-and-super-aia4bc44172e22 Доступ 23 01 2022Jajal, T D Distinguishing between Narrow AI, General AI and Super AI May 21, 2018 [Electronic resource]: https://medium.com/mapping-out-2050/distinguishing-between-narrow-ai-general-ai-and-super-aia4bc44172e22 Last accessed 23 01 2022Oremus, W Terrifyingly Convenient Slate, April 3, 2016 [Электронный ресурс]: http://www.slate.com/articles/technology/cover_story/2016/04/alexa_cortana_and_siri_aren_t_novelties_anymore_they_re_our_terrifyingly.html?via=gdpr-consent Доступ 23 01 2022Oremus, W Terrifyingly Convenient Slate, April 3, 2016 [Electronic resource]: http://www.slate.com/articles/Duan, Xinhua Application of Deep Learning in Power Load Analysis International Journal of Circuits, Systems and Signal Processing, 2020, Vol 14, pp 726–735 DOI:10.46300/9106 2020 14 92technology/cover_story/2016/04/alexa_cortana_and_siri_aren_t_novelties_anymore_they_re_our_terrifyingly.html?via=gdpr-consent Last accessed 23 01 2022Huang, Wei Power system Frequency Prediction after Disturbance Based on Deep Learning International Journal of Circuits, Systems and Signal Processing, 2020, Vol 14, pp 716–725 DOI: 10.46300/9106 2020 14 91Duan, Xinhua Application of Deep Learning in Power Load Analysis International Journal of Circuits, Systems and Signal Processing, 2020, Vol 14, pp 726–735 DOI:10.46300/9106 2020 14 92Zhu, Xiaoyong; Zhang, Hua A Lean Green Implementation Evaluation Method Based on Fuzzy Analytic.net Process and Fuzzy.complex Proportional Assessment International Journal of Circuits, Systems and Signal Processing, 2020, Vol 14 pp 646–655 DOI: 10.46300/9106 2020 14 83Huang, Wei Power system Frequency Prediction after Disturbance Based on Deep Learning International Journal of Circuits, Systems and Signal Processing, 2020, Vol 14, pp 716–725 DOI: 10.46300/9106 2020 14 91Ye, Tingting Research on the Risk Crisis Prediction of Enterprise Finance by Genetic Algorithm International Journal of Circuits, Systems and Signal Processing, 2018, Vol 12, pp 319–324 [Электронный ресурс]: https://www.naun org/main/NAUN/circuitssystemssignal/2018/a922005-aes.pdf Доступ 23 01 2022Zhu, Xiaoyong; Zhang, Hua A Lean Green Implementation Evaluation Method Based on Fuzzy Analytic.net Process and Fuzzy.complex Proportional Assessment International Journal of Circuits, Systems and Signal Processing, 2020, Vol 14 pp 646–655 DOI: 10.46300/9106 2020 14 83Poliakov, V Y , Saurin, V V Optimization of a.composite beam for high-speed railroads Steel and.composite Structures, 2020, Vol 37, Iss 4, pp 493–501 DOI: 10.12989/scs 2020 37 4 493Ye, Tingting Research on the Risk Crisis Prediction of Enterprise Finance by Genetic Algorithm International Journal of Circuits, Systems and Signal Processing, 2018, Vol 12, pp 319–324 [Electronic resource]: https://www.naun.org/main/NAUN/circuitssystemssignal/2018/a922005-aes.pdf Last accessed 23 01 2022Поляков В Ю Численное моделирование взаи- модействия подвижного состава с мостовыми конструкциями при высокоскоростном движении // Строительная механика и расчёт сооружений – 2016 – № 2 – С 54–60 [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=26700903 Доступ 23 01 2022Poliakov, V Y , Saurin, V V Optimization of a.composite beam for high-speed railroads Steel and.composite Structures, 2020, Vol 37, Iss 4, pp 493–501. DOI: 10.12989/scs.2020.37.4.493Поляков В Ю Синтез оптимальных пролётных строений для высокоскоростной магистрали // Строительная механика и расчёт сооружений – 2016 – № 3 – С 35–42 [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=26135687 Доступ 23 01 2022Poliakov, V Yu Numerical modelling of interaction of rolling stock with bridge structures during high-speed traffic [Chislennoe modelirovanie vzaimodeistviya podvizhnogo sostava s mostovymi konstruktsiyami pri vysokoskorostnom dvizhenii] Stroitelnaya mekhanika i raschet sooruzheniy, 2016, Iss 2, pp 54–60 [Electronic resource]: https://www.elibrary.ru/item.asp?id=26700903 Last accessed 23 01 2022Poliakov, V Optimization Facilities for Bridges and Track on High Speed Railways Ingegneria Ferroviaria, 2018, Vol 73, No 3, pp 191–205 [Electronic resource (полный текст по запросу)]: URL: https://www.researchgate.net/publication/324924888_Optimization_facilities_for_bridges_and_track_on_high_speed_railwaysPoliakov, V Yu Synthesis of optimal span structures for a high-speed railway [Sintez optimalnykh proletnykh stroenii dlya vysokoskorostnoi magistrali] Stroitelnaya mekhanika i raschet sooruzheniy, 2016, Iss 3, pp 35–42 [Electronic resource]: https://www.elibrary.ru/item.asp?id=26135687 Last accessed 23 01 2022Поляков В Ю Парето-оптимальные пролётные строения для высокоскоростных магистралей // Транспортное строительство – 2016 – № 6 – C 21–24 [Электронный ресурс]: https://elibrary.ru/item.asp?id=27451007 Доступ 23 01 2022Poliakov, V Optimization Facilities for Bridges and Track on High Speed Railways Ingegneria Ferroviaria, 2018, Vol 73, No 3, pp 191–205 [Electronic resource (full text on demand)]: https://www.researchgate.net/publication/324924888_Optimization_facilities_for_bridges_and_track_on_high_speed_railwaysПоляков В Ю Оптимизация переходных зон мостов на ВСМ // Мир транспорта – 2017 – № 5 – С 54–67 [Электронный ресурс]: https://mirtr.elpub.ru/jour/article/view/1301 Доступ 23 01 2022Poliakov, V Yu Pareto-optimal span structures for high-speed railways [Pareto-optimalnie proletnie stroeniya dlya vysokoskorostnykh magistralei] Transportnoe stroitelstvo, 2016, Iss 6, pp 21–24 [Electronic resource]: https://www.researchgate.net/profile/Vladimir-Poliakov/publication/320980367_Pareto-optimalnye_proletnye_stroenia_dla_vysokoskorostnyh_magistralej/links/5a2eda7d4585155b6179f881/Pareto-optimalnye-proletnyestroenia-dla-vysokoskorostnyh-magistralej Last accessed 27 05 2021Лёвин Б А , Пискунов А А , Поляков В Ю , Савин А В Искусственный интеллект в инженерном образовании // Высшее образование в России [готовится к выходу].Poliakov, V Yu Optimization of bridge transition zones on high-speed railways World of Transport and Transportation, 2017, Vol 15, Iss 5, pp 54–67 [Electronic resource]: https://mirtr.elpub.ru/jour/article/view/1301 Last accessed 27 05 2021Lyovin, B A , Piskunov, A A , Poliakov, V Yu , Savin, A V Artificial intelligence in engineering education Higher Education in Russia [manuscript in preparation]Lyovin, B A , Piskunov, A A , Poliakov, V Yu , Savin, A V Artificial intelligence in engineering education Higher Education in Russia [manuscript in preparation]

The authors declare that there are no conflicts of interest present.