Разработка AI-системы управления автопарком Fleet Management AI
Управление автопарком в 50–500 единиц техники — постоянный баланс: минимизировать простои, снизить расход топлива, не допустить технических отказов в рейсе. AI автоматизирует диспетчерские решения и переводит техническое обслуживание с планово-предупредительного на предиктивное.
Предиктивное обслуживание флота
Телематика как основа предиктивного ТО
Современный CAN-шина грузовика генерирует тысячи параметров: обороты двигателя, температура масла, давление турбины, вибрации, пробег. Через OBD-II + телематический блок (Wialon, OMNICOMM, Mapon) данные поступают в реальном времени.
import pandas as pd
import numpy as np
from sklearn.ensemble import IsolationForest
from sklearn.preprocessing import StandardScaler
class FleetPredictiveMaintenance:
def __init__(self):
self.anomaly_detectors = {} # один детектор на тип агрегата
self.rul_models = {} # Remaining Useful Life models
def detect_engine_anomaly(self, vehicle_id, telemetry_window):
"""
telemetry_window: DataFrame с 24-часовым окном телематики
Признаки: rpm, oil_temp, coolant_temp, fuel_consumption_l100,
turbo_pressure, vibration_rms
"""
features = ['rpm_mean', 'rpm_std', 'oil_temp_max', 'coolant_temp_mean',
'fuel_per_100km', 'turbo_pressure_mean', 'vibration_rms']
X = telemetry_window[features].mean().values.reshape(1, -1)
X_scaled = self.scaler.transform(X)
anomaly_score = self.anomaly_detectors['engine'].decision_function(X_scaled)[0]
is_anomaly = anomaly_score < -0.2 # порог
return {
'vehicle_id': vehicle_id,
'anomaly_score': float(anomaly_score),
'alert': is_anomaly,
'recommended_action': self._get_recommendation(anomaly_score, telemetry_window)
}
def predict_rul(self, vehicle_id, component='engine_oil'):
"""Remaining Useful Life в км до следующего ТО"""
history = self._load_component_history(vehicle_id, component)
X = self._extract_degradation_features(history)
rul_km = self.rul_models[component].predict(X)[0]
return max(0, rul_km)
Компоненты под мониторингом:
- Двигатель: масло, охлаждение, топливная система
- Трансмиссия: температура КПП, вибрации
- Тормозная система: эффективность торможения, износ колодок
- Шины: давление, температура, пробег
- Аккумулятор / электросистема (особенно для EV-флота)
Оптимизация расхода топлива
Eco-driving scoring
Анализ стиля вождения каждого водителя:
- Резкие ускорения (>3 м/с²) = +8–15% расхода
- Прогревы с высокими оборотами
- Нейтральная передача на спусках вместо engine brake
- Превышение оптимальной скорости (90–95 км/ч для большинства TIR)
Score 0–100 по каждому водителю → геймификация: рейтинг + премии за топ-10% эко-водителей.
Оптимизация маршрутов с учётом расхода:
LSTM-модель расхода топлива: признаки = рельеф маршрута, скорость, загрузка, температура. Для двух равных маршрутов по расстоянию — выбрать экономичный (разница 5–12%).
Диспетчеризация и планирование
Назначение задач водителям:
Constraint Optimization:
- Часы работы (Положение о рабочем времени водителей, ЕС TACHOGRAPH директива)
- Квалификация (допуск к конкретному типу груза, ADR для опасных)
- Местоположение в момент назначения
- Предстоящее ТО (машина завтра на сервисе → не ставить длинный рейс)
Прогноз потребности в технике:
На основе исторических данных и заявок: сколько машин нужно через 3–7 дней по каждому направлению → планирование сменности водителей.
Страхование и безопасность
Теледематика для страхования (UBI — Usage-Based Insurance):
Передача данных о стиле вождения страховщику → скидки до 30% для аккуратных водителей. Интеграция через API СберАвто, РЕСО, Согласие.
Безопасность:
- Детекция усталости водителя: видеокамера DMS (Driver Monitoring System) → ML-анализ морганий, наклона головы
- Отвлечение внимания: телефон за рулём → CV детекция → alert в диспетчерскую
- Геозоны: отклонение маршрута → уведомление
Метрики
| KPI | Benchmark | После AI |
|---|---|---|
| Расход топлива | 100% | 85–92% |
| Внеплановые поломки | 100% | 55–70% |
| Простой техники | 100% | 65–80% |
| Нарушения режима труда | 8–15% рейсов | <3% |
| TCO (стоимость владения/год) | 100% | 88–94% |
Срок разработки: 5–8 месяцев для полной платформы с предиктивным ТО, eco-driving и диспетчеризацией. Интеграция с телематическими системами (Wialon API, OMNICOMM SDK) — 1–2 месяца из этого срока.