Одна из ключевых задач развития беспилотных трамваев — определение своего положения и скорости при движении, даже при потере сигнала спутников (GNSS) в условиях плотной городской застройки («городские каньоны») и отказе других навигационных систем.

Разработайте адаптивную нелинейную математическую модель (аппроксиматор) и программное обеспечение (пакет ROS2), которые обеспечат резервное вычисление скорости и положения трамвая с учетом большого числа нелинейностей, неявных зависимостей и стохастической природы возмущений и параметров модели с учетом жестких требований к быстродействию систем беспилотного транспорта. В вашем распоряжении будут только внутренние данные: положение ручки контроллера водителя и одометрия (скорость вращения колес). Сложность задачи — в физике проскальзывания колес в плохую погоду, отказах одометрических датчиков и меняющихся параметрах объекта управления. Вам предстоит математически компенсировать эти ошибки, оценивать возмущения и обеспечить безопасность автономного транспорта.

Ключевые функции будущего решения:

• Математическое моделирование: построение модели движения трамвая на основе сигнала управления для оценки текущей скорости.
• Бесспутниковая навигация: использование оценок, полученных при помощи модели для вычисления скорости и положения трамвая без использования GNSS-приемников и инерциальных систем
• Интеграция с робототехникой: разработка нод (nodes) в экосистеме ROS 2 Humble на C++ или Python.
• Real-time процессинг: публикация непрерывного потока координат и оцененной скорости в топики ROS2.

Участвуй в этом треке, особенно если ты:

• Инженер-робототехник и программист ROS2 (Humble).
• Разработчик алгоритмов навигации и локализации (SLAM, одометрия).
• Системный инженер и программист на C++ / Python.
• Специалист по математическому моделированию (кинематика, динамика ТС).

Рекомендации по распределению ролей в команде:

• 1 Инженер-робототехник/разработчик САУ/специалист по математическому моделированию (построение математической модели).
• 1 Специалист по навигации/алгоритмист (разработка алгоритма навигации).
• 1-2 Ros2- разработчика (реализация нод, интеграция C++/Python, работа с топиками ).

Принять участие

В настоящее время в Едином диспетчерском центре (ЕДЦ) ГУП «Московский метрополитен» ведётся работа по созданию набора моделей краткосрочного и долгосрочного прогнозирования пассажиропотока на наземном транспорте. В настоящее время прогнозы строятся на основе простейших регрессионных моделей, имеющих ограниченную точность.

Разработайте математическую модель для прогнозирования пассажиропотока на трамвайных маршрутах на базе технологий ИИ, включая ML. Вам предстоит проанализировать массивы больших данных телематики и валидаций (оплаты проезда) за несколько лет, чтобы создать интерактивный веб-сервис. Сервис должен уметь строить краткосрочные, среднесрочные и долгосрочные прогнозы загруженности транспорта с привязкой к геопозиции и времени, позволяя диспетчерам эффективно распределять подвижной состав.

Ключевые функции будущего решения:

• Анализ больших данных: обработка миллионов строк исторических данных по валидациям за несколько лет.
• Гибкое прогнозирование: построение предиктивных моделей на три горизонта планирования — 1 день, 1 месяц, 1 год.
• Детализированная агрегация: фильтрация и агрегация прогноза по конкретным маршрутам, отдельным остановкам и выбранным временным интервалам.
• Интерактивный дашборд: полноценный веб-сервис с визуализацией динамики загрузки на карте Москвы в реальном времени

Участвуй в этом треке, особенно если ты:

• ML Engineer / Data Scientist (прогнозирование временных рядов, анализ данных).
• Backend-разработчик (Java 17+, Spring Boot, реактивный стек Netty).
• Frontend-разработчик (React, визуализация данных на картах).
• Data Engineer (настройка пайплайнов для обработки массивов телематики).
• Продуктовый или системный аналитик.

Рекомендации по распределению ролей в команде:

• 1-2 ML Engineer / Data Scientist (разработка и тюнинг прогностической модели).
• 1 Backend-разработчик (интеграция модели, создание стабильного API).
• 1 Frontend-разработчик (разработка визуального интерфейса и UI с картами).
• 1 Системный/Бизнес-аналитик (или Product Manager).

Принять участие

Точное соблюдение графика движения — главная метрика качества наземного пассажирского транспорта.

Разработайте ИИ-систему для раннего прогнозирования изменений в движении транспорта (за 10-15 минут до ее фактического наступления задержки). Система должна непрерывно анализировать потоковые телематические данные (формат NDTP), сопоставлять их с эталонным расписанием, выявлять паттерны сбоев и визуализировать проблемные участки на дашборде диспетчера. Это позволит операторам переходить от реактивного управления (когда транспорт уже опоздал) к проактивному — принимать упреждающие меры.

Ключевые функции будущего решения:

• Анализ потоковых данных: обработка исторических и real-time телематических данных и сопоставление их с расписанием.
• Раннее детектирование: выявление транспортных средств с высокой вероятностью задержки в ближайшие 10-15 минут.
• Диспетчерский BI-дашборд: информативный интерфейс с визуализацией уровня риска на маршрутах.

Участвуй в этом треке, особенно если ты:

• ML Engineer (классическое машинное обучение, нейросети, работа с CatBoost/PyTorch).
• Backend-разработчик (Python, интеграция моделей, высоконагруженные системы).
• Frontend/BI-специалист (создание дашбордов реального времени).
• Инженер по работе с данными (потоковая телематика NDTP).

Рекомендации по распределению ролей в команде:

• 2 ML Engineer (построение и обучение предиктора на исторических данных телематики).
• 1 Backend-разработчик (Python, оборачивание предикта в web-сервис).
• 1 BI-аналитик или Frontend-разработчик (создание дашборда для диспетчера).
• 1 Аналитик данных / DBA.

Принять участие

Высокоскоростная магистраль — это премиальный уровень сервиса и скорость до 400 км/ч. В таких условиях проводники должны принимать решения за секунды, безупречно справляясь с любыми нештатными ситуациями: от конфликта пассажиров до медицинских инцидентов. Классические тесты и лекции не способны подготовить сотрудников к реальному стрессу и не развивают гибкие навыки.

Разработайте интерактивное геймифицированное обучающее приложение для проводников ВСМ. Ваша цель — создать виртуальную среду, где сотрудники смогут проходить сложные рабочие сценарии, принимать решения с учетом таймера и видеть последствия своих действий, зарабатывая очки компетенций.

Ключевые функции будущего решения:

• Движок сценариев: нелинейные диалоги и игровые ситуации с несколькими вариантами развития событий. Игровая механика: таймеры на принятие критических решений, шкала «лояльности пассажира» и «рейтинга безопасности». Геймификация обучения: профиль сотрудника, система достижений (ачивок), таблица лидеров среди проводников

Участвуй в этом треке, особенно если ты:

• Product-менеджер или маркетолог (геймификация, CustDev).
• UX/UI-дизайнер (проектирование вовлекающих интерфейсов, бейджей, квестов).
• Frontend-разработчик (Web / Mobile).
• Backend-разработчик (создание архитектуры, работа с БД).
• Игропрактик / Геймдизайнер.

Рекомендации по распределению ролей в команде:

• 1 Product Manager / Геймдизайнер (проработка игровых механик, квестов, системы мотивации).
• 1 UX/UI-дизайнер (дизайн интерфейсов, ачивок).
• 1 Frontend-разработчик (реализация личного кабинета).
• 1 Backend-разработчик (настройка логики начисления баллов, API).

Принять участие