The object of research, development or design (in Russian) : Объектом исследования являются процессы управления доходностью и ёмкостью в железнодорожных пассажирских перевозках, включающие динамическое ценообразование, прогнозирование спроса и оптимизацию распределения мест в поездах с использованием методов машинного обучения и анализа данных.

The object of research, development or design (in Kazakh) : Зерттеу нысаны - теміржол жолаушылар тасымалында табыстылық пен сыйымдылықты басқару үдерістері. Оған динамикалық баға белгілеу, сұранысты болжау және пойыздардағы орындарды машиналық оқыту мен деректерді талдау әдістерін пайдалана отырып оңтайлы бөлу кіреді.

Aim of work (in Russian) : Цель проекта заключается в создании сервисов на основе методов машинного обучения для прогнозирования спроса, динамического распределения емкости по тарифным ячейкам с учетом факторов, влияющих на спрос, и мониторинга эффективности прогнозирования пассажирского спроса, что позволит эффективно управлять доходностью в железнодорожных пассажирских перевозках.

Aim of work (in Kazakh) : Жобаның мақсаты теміржол жолаушылар тасымалының табыстылығын тиімді басқаруға мүмкіндік беретін, сұранысты болжау үшін машиналық оқыту әдістеріне негізделген қызметтерді құру, сұранысқа әсер ететін факторларды ескере отырып тарифтік ұяшықтар бойынша сыйымдылықты динамикалық бөлу және жолаушылар сұранысын болжау тиімділігін бақылау болып табылады.

Методы исследования (на русском) : В рамках проекта применён комплекс методов анализа данных и инструментов машинного обучения, направленных на исследование структуры спроса и факторов, влияющих на динамику продаж железнодорожных билетов. На этапе подготовки данных проведена очистка, обработка пропусков, устранение дубликатов и предварительное структурирование информации для последующей аналитики. Разведочный анализ данных (EDA) позволил выявить распределения ключевых показателей, закономерности и особенности поведения пассажиров. Корреляционный анализ с использованием коэффициента Пирсона применён для определения статистически значимых взаимосвязей между параметрами спроса, маршрутов, времени покупки и характеристиками перевозок. Анализ временных рядов использован для выявления сезонности и цикличности. Для оценки влияния признаков на показатели спроса проведён регрессионный анализ и определение важности факторов с применением методов машинного обучения. Все этапы анализа выполнены с использованием программных инструментов языка Python, обеспечивших возможность масштабируемой и автоматизированной обработки данных.

Методы исследования (на казахском) : оба сұраныс үлгілерін және теміржол билеттерін сату динамикасына әсер ететін факторларды зерттеу үшін деректерді талдау әдістері мен машиналық оқыту құралдарының үйлесімін пайдаланды. Деректерді дайындау кезеңінде тазалау, бос мәндерді өңдеу, қайталанатын жазбаларды жою және кейінгі талдау үшін ақпаратты алдын ала құрылымдау жүргізілді. Зерттеу деректерін талдау (EDA) негізгі көрсеткіштердің таралуын, заңдылықтарын және жолаушылар мінез-құлқының ерекшеліктерін анықтауға мүмкіндік берді. Пирсон коэффициентін қолданған корреляциялық талдау сұраныс параметрлері, маршруттар, сатып алу уақыты және тасымалдау сипаттамалары арасындағы статистикалық маңызы бар өзара байланыстарды анықтау үшін пайдаланылды. Маусымдық пен циклдікті анықтау үшін уақыт қатарларын талдау қолданылды. Сұраныс көрсеткіштеріне сипаттамалардың әсерін бағалау үшін регрессиялық талдау және машиналық оқыту әдістерін пайдаланатын факторлық маңыздылықты бағалау қолданылды. Барлық талдау кезеңдері масштабталатын және автоматтандырылған деректерді өңдеуге мүмкіндік беретін Python бағдарламалық құралдарын пайдалану арқылы орындалды.

Obtained results and novelty (in Russian) : Был проведен обзор существующих методов управления доходностью, создан датасет и сервис по анализу исторических данных спроса\предложений по продажам в пассажирских перевозках. Проанализированы действующие механизмы управления доходностью в стране и изучены мировые практики динамического ценообразования с использованием машинного обучения. Для удобного доступа и хранения данных была создана унифицированная база данных в СУБД PostgreSQL, включающая данные по продажам проездных документов за период с 2023 по 2025 год по четырём поездам, которые охватывают 35 станций и 470 маршрутов (каждый маршрут представляет собой пару станций: отправления и назначения). Выполнен детальный анализ спроса и продаж, определены периоды сезонных колебаний, выявлены самые загруженные направления и ключевые факторы, влияющие на динамику спроса. Разработан REST API-сервис, обеспечивающий программный доступ к данным, фильтрацию по годам и модули визуализации показателей. Созданное веб-приложение предоставляет удобные инструменты анализа объёмов продаж, спроса и динамики загрузки поездов. Новизна проекта заключается в разработке отечественного решения, интегрирующего современные методы машинного обучения и аналитики данных для автоматизации процессов прогнозирования спроса и динамического ценообразования. На текущем этапе инновационность проявляется в создании единой структурированной базы данных, API-сервиса и формировании основы для применения интеллектуальных методов управления доходностью.

Obtained results and novelty (in Kazakh) : Табыстылықты басқарудың қолданыстағы әдістеріне шолу жүргізіліп, жолаушылар тасымалында сұраныс пен ұсыныстың тарихи деректерін талдау үшін деректер жинағы және сервис жасалды. Елдегі табыстылықты басқару тетіктеріне талдау жүргізіліп, машиналық оқытуды қолданатын динамикалық тариф белгілеудің әлемдік тәжірибелері зерттелді. Оңай қол жеткізу және сақтау үшін бірыңғай PostgreSQL дерекқоры жасалды. Оған 2023–2025 жылдар аралығында төрт пойыз бойынша сатылған жол жүру құжаттары туралы ақпараттар кіреді. Бұл пойыздар 35 станцияны және 470 маршрутты қамтиды (әр маршрут – жөнелту және келу станцияларының жұбы). Сұраныс пен сатылымға жан-жақты талдау жүргізіліп, маусымдық ауытқулар кезеңдері анықталды, ең жүктелген бағыттар және сұраныс динамикасына әсер ететін негізгі факторлар айқындалды. Деректерге бағдарламалық түрде қол жеткізуді, жылдар бойынша сүзгіден өткізу мүмкіндігін және көрсеткіштерді визуализациялау модульдерін қамтамасыз ететін REST API сервисі әзірленді. Құрылған веб-қосымша сатылым көлемдерін, сұранысты және пойыздардың жүктемелік динамикасын талдауға арналған ыңғайлы құралдар ұсынады. Жобаның жаңалығы – сұранысты болжау және динамикалық тарифтік саясатты автоматтандыру үшін заманауи машиналық оқыту әдістері мен деректер аналитикасын біріктіретін отандық шешім әзірлеуінде. Ағымдағы кезеңде инновациялық ерекшелігі – бірыңғай құрылымдалған дерекқордың құрылуы, API-сервисі және табыстылықты басқарудың интеллектуалдық әдістерін қолдануға негіз қалануы.

The main constructive and technical economic indicators (in Russian) : Основные конструктивные и технико-экономические показатели проекта включают создание сервисов на основе методов машинного обучения для прогнозирования пассажирского спроса, динамического распределения ёмкости по тарифным ячейкам и мониторинга эффективности прогнозов в железнодорожных перевозках. Экономический эффект проявляется в повышении точности прогнозов, оптимизации распределения мест и тарифов, увеличении доходности перевозок, с высоким B2B-потенциалом на внутреннем и зарубежном рынках, возможностью масштабирования и автоматизации процессов аналитики и управления доходностью.

The main constructive and technical economic indicators (in Kazakh) : Жобаның негізгі конструктивтік және техникалық-экономикалық көрсеткіштеріне теміржол жолаушылар тасымалы саласында сұранысты болжау, тарифтік ұяшықтар бойынша сыйымдылықты динамикалық бөлу және болжамдардың тиімділігін бақылау үшін машиналық оқыту әдістеріне негізделген сервистерді құру кіреді. Экономикалық әсер болжамдардың дәлдігін арттыруда, орындар мен тарифтерді оңтайландыруда, тасымалдаудың кірістілігін көбейтуде көрініс табады, сондай-ақ ішкі және шетелдік нарықтарда жоғары B2B әлеуеті, аналитика мен кірісті басқару процестерін масштабтау және автоматтандыру мүмкіндігіне ие.

Level of implementation (in Russian) :

Level of implementation (in Kazakh) :

Efficiency (in Russian) :

Efficiency (in Kazakh) :

Field of application (in Russian) : Данные пассажиропотоков и проведение пилотных испытаний будет предоставлять агент продаж железнодорожных билетов частного перевозчика ТОО «Otpan Logistic» компания ТОО «Nur-Kassa». После проведения пилотных испытаний, результаты исследования также будут предложены другим отечественным компаниям-перевозчикам, а также компаниям стран ближнего и дальнего зарубежья, где имеется потребность в аналогичных полноценных автоматизированных системах. Данное исследование имеет очень высокий коммерческий потенциал в сфере B2B в железнодорожных пассажирских перевозках, так как на рынке нет отечественных разработок и при этом есть большой спрос. Также результаты данного исследования могут быть применены в других видах пассажирских перевозок, таких как авиа и авто перевозки. На данный момент, в казахстанских авиа и авто перевозчиках отсутствуют интегрированные решения по управлению ёмкостью и динамического ценообразования, исключение составляют крупные авиакомпании такие как Air Astana/Fly Arystan, где внедрены дорогостоящие зарубежные системы.

Field of application (in Kazakh) : Жолаушылар ағынының деректері мен пилоттық тестілеуді қамтамасыз етуді «Otpan Logistic» ЖШС жеке тасымалдаушысының теміржол билеттерін сату жөніндегі агенті «Nur-Kassa» ЖШС болады. Пилоттық тестілеуден кейін зерттеу нәтижелері басқа да отандық тасымалдаушы компанияларға, сондай-ақ ұқсас толыққанды автоматтандырылған жүйелерге қажеттілік бар жақын және алыс шетел елдерінің компанияларына ұсынылатын болады. Бұл зерттеу теміржол жолаушылар тасымалының B2B саласында өте жоғары коммерциялық әлеуетке ие, өйткені нарықта отандық әзірлемелер жоқ және сұраныс жоғары. Сондай-ақ, бұл зерттеу нәтижелерін жолаушылар тасымалының басқа түрлерінде, мысалы, әуе және автомобиль тасымалында қолдануға болады. Қымбат шетелдік жүйелер енгізілген Air Astana/Fly Arystan сияқты ірі авиакомпанияларды қоспағанда, қазіргі уақытта қазақстандық әуе және автомобиль тасымалдаушыларының әлеуетті басқару және динамикалық баға белгілеу бойынша кешенді шешімдері жоқ.