В современном городе метрополитен является основным пассажирским транспортом. На сегодняшний день доля Московского метрополитена в перевозке пассажиров среди предприятий городского пассажирского транспорта столицы составляет 49,6%. Ежесуточно Московским метро пользуются 7,78 миллиона пассажиров. По итогам 2024 года годовой пассажиропоток составил 2,4 миллиарда поездок.

В последние годы, с ускорением урбанизации, ресурсы городского дорожного движения не могут удовлетворить растущий спрос на трафик, поэтому на свет появилась интеллектуальная транспортная система (ITS)]. Важной частью ITS стала система автоматического управления поездами (АТО), которая во многих местах заменяет ручное вождение с низкой стоимостью и автоматизацией.

Несмотря на то, что за последние десятилетия системы ATO все чаще используются многими системами метрополитена из-за их низкой стоимости и практичности, очевидно, что они не справляются с некоторыми критически важными задачами. Во-первых, интеллект этих систем ограничен: они часто полагаются на заранее определенные оперативные стратегии и не обладают динамической адаптивностью для эффективного реагирования на сложные и непредвиденные обстоятельства. Во-вторых, отсутствие способностей к самообучению ограничивает их потенциал по повышению эффективности и безопасности с течением времени за счет накопления и анализа эксплуатационных данных. Наконец, обобщение этих систем ограничено: как правило, они адаптированы к конкретным линиям и с трудом адаптируются к различным условиям линий, таким как различные ограничения скорости, уклоны и транспортные потоки, что ограничивает их более широкое применение. Эти ограничения подчеркивают потребность в более совершенных, интеллектуальных и адаптируемых системах управления поездами, которые могут повысить эффективность работы, безопасность и комфорт пассажиров.

Управление скоростью движения поездов метро можно представить в виде многокритериальной оптимизационной задачи с ограничениями. Чтобы удовлетворить эти ограничения и оптимизировать поставленные задачи, поезд должен принимать решения о движении на основе информации в режиме реального времени. В нормальных условиях АТО отвечает за все команды управления тягой и торможением поезда, чтобы поезд двигался по расписанию, регулировал его скорость и останавливался точно в пункте назначения. АТО традиционно делится на два подмодуля. Первый из них посвящен расчету скоростного профиля движения будущего поезда. В рамках этого модуля используются алгоритмы офлайн-оптимизации для расчета оптимального профиля скорости с точки зрения производительности и энергопотребления. Второй подмодуль работает в основном для того, чтобы поезд точно следовал заданному скоростному профилю.

Система автоматизации движения поездов различаются по уровню автоматизации, информация об этом в приведенной ниже таблице

В настоящее время в столичном метро идёт подготовка к запуску беспилотного поезда на Большой кольцевой линии. Для начала - в ночное время и без пассажиров. Как отметил мэр Москвы Собянин С.С. «Искусственный интеллект обеспечит разгон, торможение, а также открытие и закрытие дверей. Во время испытаний в кабине будет находиться машинист для контроля работы системы и обеспечения безопасности». К концу 2026 года планируется подготовить рабочий образец поезда, "способного курсировать в беспилотном режиме с учётом интервалов московского метро - 90 секунд в наиболее актуальные часы на основных линиях. Состав также будет ходить под контролем машиниста»

Единый центр управления является «мозговым центром " всего метрополитена. Здесь в режиме реального времени стекается информация со всех систем: местоположение поездов, состояние энергоснабжения, эскалаторов, лифтов, видеонаблюдения, пассажиропоток. В результате, диспетчеры видят единую картину, и могут оперативно реагировать на сбои, перенаправлять поезда, чтобы минимизировать задержки. Помимо этого, камеры с аналитикой (подсчет людей, обнаружение оставленных предметов, задымления), динамики и табло, которые автоматически меняют информацию в зависимости от ситуации.

Будущее метрополитена – это создание "цифрового двойника" метрополитена и его глубокая интеграция в общую транспортную экосистему города.

Искусственный интеллект будет в реальном времени оптимизировать интервалы движения поездов не по жесткому расписанию, а исходя из текущего и прогнозируемого пассажиропотока (например, данные с камер и сотовых сетей). Если система видит скопление людей на одной станции, она автоматически направит туда дополнительный поезд.

Создание виртуальной, полностью идентичной цифровой копии (цифрового двойника) всего метрополитена: тоннелей, станций, поездов, энергосистем. На этой модели можно будет проводить эксперименты, тестировать новые расписания, отрабатывать действия при ЧС без риска для реальной системы.

В настоящее время профессор кафедры «Безопасность жизнедеятельности» Финансового университета при Правительстве РФ Шахраманьян М.А. разрабатывает сценарии использования интеллектуальных систем в случае возникновения чрезвычайных ситуаций в метрополитене.

Исходя из вышеизложенного. можно сделать вывод о том, что эволюция интеллектуальных систем управления метрополитеном движется от автоматизации отдельных процессов к созданию единой, самообучающейся, адаптивной транспортной экосистемы.