ИИ-модуль «Оптурана» меняет логику работы общественного транспорта
Автобусы приходят точно по расписанию, водители не сталкиваются с изматывающими сменами, а автопарк используется максимально эффективно. Сегодня такой сценарий становится реальностью благодаря новому ИИ-модулю российской платформы «Оптуран».
Суть прорыва, о котором заявляют Минтранс и его подведомственное ФГУП «ЗащитаИнфоТранс», – в том, что впервые в мировой практике (по оценке самих создателей) все три критически взаимосвязанные задачи планирования наземного общественного транспорта объединены в единый промышленный расчёт: расписание движения, распределение машин по рейсам и формирование смен водителей. Речь идёт не о генеративном ИИ, а о продуманном сочетании машинного обучения и методов дискретной математической оптимизации: система одновременно генерирует и сопоставляет миллионы допустимых вариантов, удерживая в расчёте десятки параметров – от вместимости транспорта и интервалов движения до режима труда и отдыха водителей и внутренних правил предприятия.
Испытания на площадке «Андропова» ГУП «Мосгортранс» при участии ГКУ «Организатор перевозок» подтвердили работоспособность подхода. На девяти маршрутах транспорт двигался по рассчитанному расписанию без потери рейсов, межрейсовые простои сократились на 34%, а расчётная экономия фонда оплаты труда составила 5,2 % (или 13,4 млн рублей в год) – плюс высвобождение двух автобусов для усиления других направлений.
Потенциал для России и экспортные горизонты
Для российских перевозчиков технология становится инструментом устойчивости: она позволяет добиваться большей регулярности движения даже при ограниченных бюджетах, дефиците водителей и невозможности быстро нарастить парк. Учитывая, что в 2025 году общественный транспорт страны перевёз около 14 млрд пассажиров, а парк насчитывал свыше 132 тыс. транспортных средств, эффект от масштабирования может быть существенным. Платформа уже вышла за рамки эксперимента: «Оптуран» применяется в Москве, Московской области и Калининграде, ежедневно планируя работу более 15 тыс. водителей и 8 тыс. транспортных средств; за 2025 год система помогла сформировать свыше 12 млн смен.
Перспективно и расширение сферы применения: разработчики отмечают возможность работы не только с автобусами, но и с трамваями, троллейбусами, метро и пригородными перевозками. Для экспорта ключевым преимуществом служит то, что решение построено на отечественном программном стеке и включено в реестр российского ПО – это ценно для стран, ориентированных на технологическую независимость.
От отдельных шагов к сквозной оптимизации
В 2024 году в «Мосгортрансе» стартовали первые внедрения ИИ для назначения водителей на маршруты с учётом рабочего времени и времени отдыха – это был ранний этап будущей платформы. К маю 2025 года система охватила все 25 автобусных и электробусных площадок предприятия и более 13 тыс. водителей, сократив время формирования распределения с двух часов до пяти минут. В том же году ИТМО представил инструмент ConnectPT, который с помощью графовых нейросетей и эволюционных алгоритмов анализирует транспортный спрос и предлагает изменения маршрутной сети – это решение ориентировано на стратегическое проектирование, в отличие от оперативного планирования «Оптурана».
К 2026 году «Оптуран» сделал следующий шаг: если раньше использовались отдельные модули для формирования смен и закрепления водителей, то теперь в единый расчёт включили и само расписание движения. На мировом фоне применение ИИ в планировании транспорта не уникально, но заявленное одновременное решение трёх взаимосвязанных задач в промышленном масштабе – именно та деталь, которая выделяет российский кейс.
Шаг вперёд
Речь идёт о переходе от автоматизации отдельных действий диспетчера к сквозной математической оптимизации существенной части производственного процесса перевозчика. Если московские эффекты удастся воспроизвести в других регионах, «Оптуран» может стать отраслевым стандартом управления ресурсами перевозчика – не просто автоматизацией диспетчерской работы, а полноценной платформой ресурсного планирования. Дальнейшее развитие логично связать с интеграцией в более широкие цифровые контуры: прогнозирование пассажиропотоков, цифровые модели городов и системы оптимизации маршрутных сетей.
