Актуальность статьи обусловлена тем, что в современных условиях четвертая промышленная револю-ция (индустрия 4.0), цифровая экономика и цифровое общество выступают как новая среда для транс-портных систем и новые условия для логистики и цепочек поставок. В статье представлено описание инструментов и методов моделирования транспортных потоков с использованием искусственного ин-теллекта. В качестве примера обсуждаются нейронное моделирование оценки транспортных услуг и многогранный характер этой проблемы. Предложена модель для выбора оптимальных маршрутов. В статье рассмотрены технологии управления транзитным грузопотоком в морском транспорте с исполь-зованием автономных судов на основе нейросетевого моделирования. Отдельное внимание уделено возможности на основании многослойного персептрона Румельхарта проведения оценки экономиче-ского и транспортного эффекта использования группы судов, состоящей из трампового судна, являю-щегося ведущим, и нескольких автономных судов, контроль и отслеживание движения которых осу-ществляется нейронной сетью
логистика, перевозка, автономное судно, нейронная сеть, затраты, эффективность, слежение
1. Душкин Р. В., Андронов М Г 2019 Гибридная схема построения искусственных интеллекту-альных систем Кибернетика и программирова-ние № 4. С.51-58.
2. Ефимов А. Д., Бессарабов Е Н, Караева М Р, Мо-хов В А, Яркин Е К, Романенко В Е 2019Анализ современных трендов цифровой логистики Из-вестия вузов. Северо-Кавказский регион. Серия: Технические науки № 2 (202). С.5-12.
3. Илюхина С. С. 2020 Информационные техноло-гии в логистике транспортного узла Инновации и инвестиции № 2. С.256-258.
4. Касаткина Е. В., Кетова К В 2020 Создание ин-формационно-аналитической среды для управ-ления транспортными потоками StudNet № 12. С.1906-1927.
5. Косоруков А.А. 2019 Технологии искусствен-ного интеллекта в современном государствен-ном управлении Социодинамика № 5. С.43-58.
6. Куренков П. В. 2020 Моделирование топологии взаимодействия субъектов транспортного рынка посредством потоков различных типов Социально-экономический и гуманитарный журнал Красноярского ГАУ № 2 (16). С.79-92.
7. Недяк А.В., Рудзейт О. Ю., Зайнетдинов А. Р. 2019 Классификация методов моделирования транспортных потоков Вестник евразийской науки № 6. С.78.
8. Петрушин В. А., Бугаков П. Ю. 2020Разработка программного обеспечения на основе нейросети для оптимизации и анализа дорожного трафика Интерэкспо Гео-Сибирь № 1. С.93-98.
9. Усачева Л. Н., Кондраненкова П. А. 2020 Циф-ровая оптимизация водного транспорта Символ науки № 6. С.40-42.
10. Гагарский Э. А. 2019 Транзитный потенциал - резерв динамичного и инновационного разви-тия внешнеторговых перевозок России Транс-порт: наука, техника, управление № 9. С. 45-53.
11. Shao, Lili 2021 Design of logistics operation man-agement algorithm based on information technol-ogy on internet // International journal of infor-mation technology and management Volume 20: Number 3; pp 299-315.
12. Create and grow more with Unity URL: https://unity.com/
