На главную
О журнале Редакция Подписка Архив Авторам Контактная информация
Журнал «Менеджмент и бизнес-администрирование»
№2 / 2025

Применение цифровых технологий при эксплуатации автотранспорта

Лапин А.В.

кандидат юридических наук, старший научный сотрудник, ЦЭМИ РАН, Москва, Россия

Аннотация. Современное автомобилестроение претерпевает цифровую трансформацию, обусловленную внедрением искусственного интеллекта (ИИ), машинного обучения и предиктивной аналитики. В статье рассматриваются ключевые технологии, такие как автономное вождение (с классификацией уровней автоматизации по стандарту SAE J3016), интеллектуальные системы прогнозирования поломок и оптимизации эксплуатации транспортных средств. Особое внимание уделено методам обработки данных телеметрии, алгоритмам машинного обучения и цифровым двойникам, позволяющим повысить эффективность, безопасность и долговечность автомобилей. Целями статьи являются: анализ современных цифровых технологий, трансформирующих автомобилестроение; оценка влияния ИИ и машинного обучения на развитие автономного вождения и предиктивной аналитики; определение перспектив дальнейшей автоматизации транспортных средств. Исследование демонстрирует, что цифровизация автомобильной отрасли ведет к повышению безопасности, экономичности и надежности транспортных средств, а также открывает новые перспективы для полностью автономного транспорта будущего.

Ключевые слова: искусственный интеллект, цифровые технологии, автомобильная отрасль, автономное вождение, предиктивная аналитика, технологическая политика.

The use of digital technologies in the operation of vehicles

Lapin A.V.

Candidate of Law, Senior Researcher, CEMI RAS, Moscow, Russia

Abstract. The modern automotive industry is undergoing a digital transformation due to the introduction of artificial intelligence (AI), machine learning and predictive analytics. The article discusses key technologies such as autonomous driving (with a classification of automation levels according to the SAE J3016 standard) and intelligent systems for predicting breakdowns and optimizing vehicle operation. Special attention is paid to telemetry data processing methods, machine learning algorithms, and digital twins, which improve the efficiency, safety, and durability of vehicles. The objectives of the article are: to analyze modern digital technologies transforming the automotive industry; to assess the impact of AI and machine learning on the development of autonomous driving and predictive analytics; to determine the prospects for further vehicle automation. The study demonstrates that the digitalization of the automotive industry leads to increased safety, efficiency and reliability of vehicles, as well as opens up new prospects for fully autonomous transport of the future.

Keywords: artificial intelligence, digital technologies, automotive industry, autonomous driving, predictive analytics, technology policy.

DOI: 10.33983/2075-1826-2025-2-159-167

Библиографический список

  1. Федеральный закон от 28.12.2024 № 523-ФЗ «О технологической политике в Российской Федерации и о внесении изменений в отдельные законодательные акты Российской Федерации» // Официальный интернет-портал правовой информации [Электронный ресурс]. — URL: http://publication.pravo.gov.ru/document/0001202412280025?ysclid=mbewjp3d92220884616.
  2. Указ Президента РФ от 07.05.2024 № 309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года» // Официальный интернет-портал правовой информации [Электронный ресурс]. — URL: http://publication.pravo.gov.ru/document/0001202405070015?ysclid=mbewmeatzv17003091.
  3. Андриков Д.А., Гривачев А.В., Титенко Е.А., Халин Ю.А. Информационно-кинематический подход к управлению транспортным средством // Информационно-измерительные и управляющие системы. — 2017. — Т. 15. — № 5. — С. 13–16.
  4. Ахмедов Б.Т. Кибербезопасность транспортных систем, скрытые уязвимости и их угрозы // Фундаментальные и прикладные исследования: концепты, методики, новации: материалы VI Всеросс. науч.-практ. конф. — Ростов-на-Дону, 2022. — С. 38–40.
  5. Байдалин А.Д. Продвинутые алгоритмы машинного обучения для решения задач математического моделирования // Системы автоматизации (в образовании, науке и производстве) AS’2022: труды Всеросс. науч.-практ. конф. (с междунар. участием). — Новокузнецк, 2022. — С. 247–251.
  6. Брынцев А.Н. Перспективы развития промышленности в условиях цифровой экономики // РИСК: Ресурсы, Информация, Снабжение, Конкуренция. — 2025. — № 1. — С. 89–93.
  7. Вьюгин В.В. Математические методы для создания и анализа адаптивных алгоритмов машинного обучения. НИР: грант № 16-01-00576. Российский фонд фундаментальных исследований, 2016.
  8. Грушников В.А. Зарубежные реализации автономного автомобильного транспорта // Вестник транспорта. — 2023. — № 5. — С. 32–37.
  9. Жуков А.О., Карцан И.Н., Аверьянов В.С. Информационная безопасность для проекта «Умный город» // Информационные и телекоммуникационные технологии. — 2021. — № 51. — С. 39–45.
  10. Иванов В.Н., Салихов Р.Ф., Груснев М.Г. Математическое описание влияния периодичности технических обслуживаний и ремонтов на продолжительность использования машин, работающих на объекте // Оптимальное планирование функционирования систем производственной, технической эксплуатации и развития парков дорожно-строительных машин. — Омск: Сибирский государственный автомобильно-дорожный университет (СибАДИ), 2013. — С. 31–34.
  11. Лапина М.А., Гуринович А.Г., Лапин А.В. Концептуальные и финансово-правовые аспекты публичного управления национальными проектами // Право и политика. — 2020. — № 9. — С. 206–221.
  12. Малиновский М.П. Парадигмы управления автотранспортным средством с высоким уровнем автоматизации // Труды НАМИ. — 2018. — № 1 (272). — С. 51–60.
  13. Постолит А.В. Перспективы применения искусственного интеллекта и компьютерного зрения в транспортных системах и подключенных автомобилях // Мир транспорта. — 2021. — Т. 19. — № 1 (92). — С. 74–90.
  14. Савченко В., Поддубко С. Высокоавтоматизированные и беспилотные автомобили: основные тренды. Часть 1 // Наука и инновации. — 2022. — № 12 (238). — С. 26–32.
  15. Темченко Г.А. Анализ искусственного интеллекта в автомобилях // Чтения академика В.Н. Болтинского: семинар, посвященный 300-летию Российской академии наук (Москва, 17–18 января 2024 года): сборник статей. — М.: Сам Полиграфист, 2024. — С. 154–160.
  16. Цзя Шаосюе. Автономное вождение в цифровую эпоху и правовая охрана: китайский опыт и пути развития // Право. Журнал Высшей школы экономики. — 2023. — Т. 16. — № 4. — С. 357–379.
  17. Gurinovich A.G., Lapina M.A., Kazantsev D.A., Lapin A.V. Problems of legal regulation of the risks of using robotic and infocommunication technologies from the point of view of information security // Revista Juridica. — 2023. — Т. 1. — № 73. — С. 805–830.
  18. SAE J3016™: Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles // SAE International [Электронный ресурс]. — URL: https://www.sae.org/standards/content/j3016_202104 (дата обращения: 23.05.2025).
© 2008-2026 Акционерное общество «Издательский дом «Экономическая газета» (Joint Stock Company "Economic Newspaper" Publishing House)
Журнал «Конъюнктура товарных рынков», журнал «РИСК: Ресурсы, Информация, Снабжение, Конкуренция»