Интеллектуальный мониторинг транспортной инфраструктуры на основе данных БПЛА

                                        том 22 № 3 (72), 2026, ст. 23

Устойчивость транспортно-логистической инфраструктуры все сильнее зависит от качества и скорости получения информации о состоянии объектов. Автомобильные и железные дороги, мостовые сооружения, терминалы, складские комплексы и узловые участки транспортной сети работают под воздействием интенсивных нагрузок, погодных факторов и технического износа. Особую актуальность приобретает применение беспилотных летательных аппаратов, позволяющих оперативно получать детальные пространственные данные и регулярно обследовать труднодоступные участки инфраструктуры.

Современный мониторинг постепенно переходит от простого визуального наблюдения к интеллектуальной обработке информации. Снимки, видеоматериалы, тепловизионные данные и результаты дистанционного зондирования могут объединяться с алгоритмами машинного зрения, геоинформационными технологиями и средствами автоматизированного анализа. Такая связка позволяет оценивать динамику их развития, выявлять потенциально опасные зоны и формировать основу для предупреждающего управления транспортнологистическими объектами.

Цель статьи заключается в разработке концептуальной модели интеллектуального мониторинга устойчивости транспортно-логистической инфраструктуры на основе данных беспилотных летательных аппаратов.

Для достижения поставленной цели решаются три задачи:

• 1.    Раскрытие современных подходов к мониторингу устойчивости транспортнологистической инфраструктуры и определением роли БПЛА в информационном обеспечении.

• 2.    Рассмотрение возможностей использования данных беспилотных летательных аппаратов для оценки состояния и устойчивости транспортно-логистических объектов.

• 3.    Формирование концептуальной модели интеллектуального мониторинга, объединяющей сбор, обработку, анализ и интерпретацию данных БПЛА.

Современные подходы к мониторингу устойчивости транспортно-логистической инфраструктуры и роль БПЛА в информационном обеспечении

Мониторинг устойчивости транспортно-логистической инфраструктуры в российских условиях целесообразно рассматривать как непрерывный процесс получения и интерпретации данных о способности объектов сохранять работоспособность при износе, перегрузках и воздействии природных факторов. Значение имеет скорость его развития, пространственное положение, вероятность дальнейшей деформации и возможное влияние на движение транспорта. Российская практика постепенно движется к созданию единого цифрового контура такого контроля. В 2025 году Минтрансом России была разработана система сбора результатов технического мониторинга и контроля объектов транспортной инфраструктуры, предназначенной для объединения, обработки и анализа информации в режиме, близком к реальному времени [1].

В системе контроля можно выделить три взаимосвязанных подхода. Первый сохраняет традиционный формат визуального и инструментального обследования специалистами. Второй связан со стационарным техническим мониторингом, при котором на сооружениях устанавливаются датчики деформации, вибрации, температуры и других параметров. Третий подход основан на дистанционном получении пространственных данных, где особое место занимают БПЛА. Наиболее перспективной представляется объединение данных подходов, где каждый из них закрывает отдельную часть информационной задачи.

Таблица 1. Взаимосвязанные подходы к мониторингу транспортно-логистической инфраструктуры

Подход	Основной источник данных	Сильная сторона	Ограничение	Роль в интеллектуальном мониторинге
Визуальный и инструментальный контроль	Осмотр специалиста, ручные измерения, диагностическое оборудование	Возможность детально проверить конкретный дефект непосредственно на объекте	Высокие трудозатраты и сложность регулярного обследования протяженных и труднодоступных участков	Подтверждение и уточнение дефектов, выявленных другими средствами
Стационарный технический мониторинг	Датчики деформации, вибрации, температуры, перемещения конструкций	Непрерывность получения данных и возможность отслеживать динамику параметров	Необходимость предварительного оснащения объекта и ограниченная зона контроля	Формирование постоянного временного ряда состояния критически важных элементов
Дистанционный мониторинг с применением БПЛА	Фото, видео, тепловизионная съемка, фотограмметрия, LiDAR	Быстрый охват больших площадей и обследование труднодоступных территорий	Зависимость от погоды, качества сенсоров, условий полета и обработки данных	Пространственное выявление отклонений, построение цифровых моделей и выбор зон для углубленной диагностики

Практическая ценность БПЛА определяется составом полезной нагрузки и способом обработки результатов. Камеры высокого разрешения подходят для фиксации трещин, разрушения покрытия, коррозии и изменения геометрии объектов. Тепловизионная съемка позволяет выявлять температурные аномалии. Фотограмметрия и лазерное сканирование дают возможность формировать цифровые модели территории и облака точек. БПЛА рассматривается как инструмент исполнительной съемки железнодорожной инфраструктуры. На основе получаемых цифровых моделей можно определять положение путей, междупутные расстояния, габариты приближения сооружений, а также строить продольные и поперечные профили.

Особенно значим интеллектуальный мониторинг для северных регионов России. Здесь транспортные сооружения работают под воздействием многолетнемерзлых грунтов, сезонного протаивания, морозного пучения, паводков и резких температурных колебаний. Отмечаются повторяющиеся деформации дорожных сооружений в Западной Сибири, на Таймыре, в Якутии и Забайкалье. Проблемой остается недостаточная развитость комплексного инженерно-геокриологического мониторинга автомобильных дорог на территориях распространения мерзлых пород.

Федеральные трассы А-360 Лена, А-331 Вилюй и Р-504 Колыма проходят через территории со сложными климатическими и геокриологическими условиями. На дороге А-331 часть транспортного сообщения все еще связана с ледовыми переправами и автозимниками, а сама инфраструктура охватывает огромные расстояния между населенными пунктами [6]. В 2026 году в регионе продолжается модернизация участков этих федеральных трасс, относительно которых Минтранс подчеркивает влияние крайне низких температур, ледохода, паводков и сложной логистики при реализации Ленского мостового перехода.

Российская Арктика постепенно приобретает более высокое транспортнологистическое значение. В 2026 году Министерство Транспорта России сообщило о развитии Трансарктического транспортного коридора, мультимодальных логистических центров в Якутии, Красноярском крае и Ямало-Ненецком автономном округе, а также о комплексе мероприятий по развитию автомобильных дорог и аэродромной инфраструктуры Арктической зоны [2]. Расширение такой сети одновременно увеличивает объем объектов, состояние которых требуется контролировать на больших и часто труднодоступных территориях. Интеллектуальный компонент мониторинга возникает на этапе объединения информации. Алгоритмы компьютерного зрения могут использоваться для предварительного поиска повреждений, а геоинформационная система позволяет отображать их пространственное распределение и выделять зоны повышенного риска.

Для российской транспортно-логистической инфраструктуры наиболее рациональной выглядит комбинированная модель, где БПЛА обеспечивают мобильный пространственный контроль, стационарные датчики непрерывно отслеживают параметры наиболее ответственных сооружений, а непосредственное обследование специалистами используется для подтверждения и детальной оценки выявленных отклонений [5]. Данные БПЛА могут рассматриваться как один из ключевых информационных слоев будущей системы интеллектуального мониторинга устойчивости транспортно-логистической инфраструктуры.

Использование данных беспилотных летательных аппаратов для оценки состояния и устойчивости транспортно-логистических объектов

Для транспортно-логистической инфраструктуры важны геометрические деформации, разрушение покрытия, изменения земляного полотна, состояние мостовых элементов и участки подтопления. Данные БПЛА целесообразно преобразовывать в систему показателей, пригодных для сравнения во времени и ранжирования объектов по уровню риска.

Основу такого анализа формируют несколько типов данных. Фотосъемка высокого разрешения позволяет выявлять трещины, выбоины, повреждения ограждений и локальные разрушения конструкций. Фотограмметрическая обработка серии снимков дает ортофотопланы, цифровые модели поверхности и облака точек. Для железнодорожной инфраструктуры российские специалисты показывали возможность определять по цифровым моделям положение путей, междупутные расстояния, габариты приближения сооружений, продольные и поперечные профили. В работах СГУПС данные БПЛА применялись при исполнительной съемке железнодорожных перегонов, что позволяло сокращать объем полевых операций [4].

Для оценки устойчивости важно связать тип исходных данных с конкретным диагностическим результатом. Такая логика представлена в таблице 2.

Таблица 2. Использование данных БПЛА для оценки состояния транспортно-логистических объектов

Данные БПЛА	Что определяется	Применение	Значение для устойчивости
Фото высокого разрешения	Трещины, выбоины, коррозия	Дороги, мосты, терминалы	Выявление локальных дефектов
Ортофотоплан	Положение объектов и границы повреждений	Линейные объекты	Сопоставление участков в единой системе координат
Облако точек и цифровая модель	Геометрия, просадки, уклоны	Насыпи, железные дороги	Контроль пространственных деформаций
Тепловизионные данные	Температурные аномалии	Покрытия и конструкции	Поиск зон нетипичного теплового поведения
Повторная съемка	Динамика изменений	Любые объекты	Выявление ухудшающихся и критических зон

Наиболее ценный результат возникает при повторных облетах, так как серия съемок позволяет оценивать скорость развития дефекта. При геопривязке можно установить, увеличивается ли площадь разрушения покрытия, развивается ли просадка насыпи, смещается ли откос или меняется геометрия участка. Временной ряд отделяет стабильные изменения от процессов, требующих оперативного контроля.

Масштаб задачи усиливает значение дистанционного контроля. Федеральная дорожная сеть России превышает 66 тыс. км, а в 2026 году Росавтодор планирует отремонтировать около

• 5,5 тыс. км федеральных трасс [2]. При таких расстояниях ручной контроль всех участков затруднен, поэтому БПЛА могут использоваться как инструмент предварительного отбора зон, где требуется выезд специалиста или инструментальная диагностика.

Концептуальная модель интеллектуального мониторинга устойчивости транспортно-логистической инфраструктуры на основе данных БПЛА

Концептуальная модель интеллектуального мониторинга должна связывать получение данных с конкретным решением о состоянии транспортно-логистического объекта. Простого накопления аэрофотоснимков для такой системы недостаточно. Ценность появляется тогда, когда каждый новый облет позволяет определить изменение параметров объекта, сопоставить их с предыдущими наблюдениями, оценить риск и установить приоритет дальнейших действий. Поэтому предлагаемая модель строится как замкнутый цикл, внутри которого результаты мониторинга постоянно дополняют цифровую историю инфраструктуры [7].

Первый этап связан со сбором исходной информации. БПЛА выполняет плановый либо внеплановый облет участка и получает фотографии высокого разрешения, видеоматериалы, тепловизионные изображения, координатные данные или облака точек. Одновременно в систему могут поступать результаты наземной диагностики, сведения стационарных датчиков и метеорологические показатели. Для северных территорий особое значение имеют температура воздуха и грунта, состояние снежного покрова, сезонное протаивание, паводковые процессы и признаки изменения мерзлотных условий. Такое объединение позволяет оценивать не только само повреждение, но и возможные причины его появления [3].

Дальнейшая работа модели может быть представлена в виде последовательной схемы (рисунок 1).

Рис. 1. Этапы интеллектуального мониторинга транспортно-логистической инфраструктуры Пространственные модели дают дополнительную возможность оценивать изменения геометрии. Каждому выявленному дефекту присваиваются координаты, характеристики размера и сведения о динамике. В результате система работает уже не с набором фотографий, а с конкретными цифровыми объектами наблюдения.

Интегральный показатель риска для i-го участка определяется по формуле

P = a D i + eV_t + Y E i + S L                              (1)

Весовые коэффициенты удовлетворяют условию a + в + у + S = 1                                     (2)

где P i - интегральный показатель риска i-го участка, D i - уровень выраженности технического дефекта, V i - интенсивность изменения дефекта во времени, Е ^ - степень воздействия природно-климатических факторов, Ь ^ - логистическая критичность участка. Параметры а, Р, у и 5 являются весовыми коэффициентами соответствующих факторов.

Для сопоставимости значения D ^ , V } , E } и L t нормируются в диапазоне от 0 до 1. Чем ближе полученный результат к единице, тем выше совокупный уровень риска рассматриваемого участка.

После осмотра, ремонта или нового облета сведения возвращаются в цифровую систему и дополняют историю объекта. При следующем цикле алгоритм сравнивает уже обновленные данные, где архитектура превращает применение БПЛА из отдельной процедуры аэросъемки в постоянно действующий механизм наблюдения, оценки и реагирования.

Выводы

Сформирован подход, в котором беспилотные летательные аппараты рассматриваются как мобильный источник пространственных данных, интегрированный с наземной диагностикой, стационарными датчиками и цифровой историей объекта. Наибольшую практическую ценность представляет регулярное получение сопоставимых данных. Фотоматериалы высокого разрешения, ортофотопланы, облака точек и тепловизионная информация позволяют выявлять дефекты, фиксировать изменение геометрии объектов, отслеживать развитие просадок, трещин, размывов и других нарушений. Повторные облеты создают основу для оценки динамики состояния инфраструктуры и перехода от фиксации повреждений к прогнозированию их развития.

Разработанная модель включает последовательный цикл сбора данных, геопривязки, автоматического выявления отклонений, оценки риска, ранжирования участков и обновления цифровой истории объекта. Для определения приоритетности контроля предложен интегральный показатель, учитывающий выраженность технического дефекта, скорость его изменения, природно-климатическое воздействие и логистическую критичность участка. Такой подход позволяет выделять объекты, требующие первоочередной диагностики или повторного обследования.

Наиболее значимым применение модели представляется для северных и арктических регионов России. Большие расстояния, сложная транспортная доступность, многолетнемерзлые грунты и высокая стоимость выездного контроля усиливают потребность в дистанционном мониторинге. Использование БПЛА в сочетании с интеллектуальной обработкой данных позволяет повысить оперативность выявления проблемных участков и сделать контроль транспортно-логистической инфраструктуры более адресным и непрерывным.

Статья подготовлена по результатам исследований, выполненных за счет средств федерального бюджета по государственному заданию «Научные, методологические и практические основы разработки и применения цифровых и интеллектуальных технологий в целях обеспечения устойчивого развития регионов Российской Федерации, включая удаленные и труднодоступные территории Сибири, Дальнего Востока и Арктической зоны»; код научной темы, присвоенной учредителем, - FZNW-2025-0021