РОССИЙСКИЙ УНИВЕРСИТЕТ ТРАНСПОРТА РУТ (МИИТ)
Проектная деятельность ВИШ
23
проекта
в 2021/22 учебном году
8784
человеко-часов затрачено на проектную деятельность
10
организаций-заказчиков
122
участника
19
IT-решений
>100
гигабайт обработанной информации в рамках IT решений
350 000 000
строк обработанного
csv-файла
>10 000
написанных строк кода
12
библиотек Python использовано
4
дизайн-прототипа
промышленных объектов
166
макетных решений, напечатанных
на 3D принтере
432
часа работы 3D принтера
980
метров филаментовой нити использовано
120
эскизов будущих промышленных объектов
6
технических прототипов
14
«перепрошитых» микроконтроллеров
6
витруальных машин на одноплатных компьютерах
10
«неумных» устройств подключено интернету для удалённого управления
15
электронных компонентов использовано
в реализации прототипов
Навигация по проектам
Разработка информационной модели (карты) расстановки почтаматов для организации почтовой доставки грузов дронами
(на примере г. Маскат (Оман)
Направление подготовки:
«IT-сервисы и системы обработки данных на транспорте»
1 курс
Команда проекта:
Леманский Константин
Кузьмин Андрей
Бешков Юрий

Заказчик
Задача
Под инженерное решение заказчика по почтовой доставке дронами разработать IT решение, позволяющее понимать места установки почтаматов в городе Маскат (Оман) в зависимости от населенности, мест скопления людей и технических ограничений дронов.
Продукт
Интерактивная карта, визуализирующая места постановки почтаматов.
Этапы проекта:
1
Поиск входных данных для учета распределения населения по районам, расположения центров активности населения
Сложность постановки задачи была в том, что входных данных по распределению населения и центров активности по Маскаду нет, следствием этого первым, что мы сделали - начали думать какие данные нам нужны, можно ли найти их в интернете, и если можно, начинали поиск.

Некоторые выбранные сайты: ru.wikipedia.org, pudding.cool - один из сайтов, иллюстрирующих данные по региону – был взят за основу.
2
Форматирование входных данных
Выбран формат GeoJson
Для работы с ним используется geojson.io (сайт предоставляющий возможность редактировать/форматировать с помощью GUI)
3
Чтение входных данных
Чтение входных данных и форматирование с помощью строк в Python
4
Преобразование входных данных к единому типу
Единым форматом выбран массив точек со значениями. Разработан алгоритм проверки нахождения точки внутри невыпуклой фигуры (алгоритм преобразования невыпуклой фигуры в набор точек)
По результатам разработки данного математического алгоритма подготовлена для публикации научная статья.
5
Основной алгоритм поиска точки
на наибольшем значением функции
Написан и оптимизирован алгоритм поиска точки с наибольшем значением функции (именно в эту точку ставится почтамт)
6
GUI
Разработана графическая оболочка программы которая позволяет не только запускать алгоритм, но и редактировать входные данные.
7
Ускорение программы
Python долго работает из-за динамической типизации и вытекающей из нее постоянной проверки типов. Библиотека Numpy позволяет выполнять функции скомпилированном виде, что намного быстрее интерпретируемых.
8
Тестирование
Тестирование программы на допущенные просчеты баги и т.д.
Техническая реализация:
Архитектура
Математика
Техника
Продукт
Архитектура решения задачи
Математическое обоснование алгоритма
Точки выбираются исходя из результатов функции.
Она работает по принципу: чем больше людей и точек интереса в радиусе R от точки и чем они ближе к точке, тем больше значение функции.
Техническая реализация алгоритма
  • Библиотеки Python:
PyQt5 для GUI
Math, itertools, copy – некотрые операции
Folium, webbrowser – для вывода карты на экран
Matplotlib – демонстрация графика критических значений
Numba – ускорение программы
Pyautogui, pyperclip – для того, чтобы пользователь мог менять GeoJson

  • Населенность и точки интереса в формате GeoJson
  • Данные критических значений посылок в формате CSV
  • Документация написана в TEX и хранится в PDF
  • Вывод в формате html
Интерактивная карта, визуализирующая места постановки почтаматов
«Что думают люди, глядя на вас?»
Приложение по прогнозированию первого впечатления о человеке по его фотографии
Направление подготовки:
«IT-сервисы и системы обработки данных на транспорте»
1 курс
Команда проекта:
Сидоров Кирилл
Ветлов Артемий
Роменко Егор
Антонов Иван
Иванов Дмитрий
Заказчик
Цель работы
Создание приложения для прогнозирования первого впечатления о человеке с использованием средств машинного обучения и баз данных, а также последующей визуализации результатов, полученных в ходе разработки.
Продукт
Приложение, позволяющее проанализировать фотографию и получить на выходе оценку уровня доверия.
Этапы проекта:
1
Проработка
концепции
проекта
2
Формирование и проведение опроса испытуемых о доверии незнакомцам по фотографии для дальнейшего обучения алгоритма
3
Написание алгоритма для анализа фотографий и формирование базы данных (алгоритм машинного обучения)
4
Тестирование продукта
Техническая реализация:
Архитектура
Машинное обучение
Техника
Архитектура решения задачи
Техническая реализация алгоритма
PyCharm IDE: Написание алгоритмов на языке Python 3
Библиотеки OpenCV, FaceRecognition, dlib, Pandas, scikit-learn, openpyxl: Реализация алгоритмов (распознавание лиц, машинное обучение, работа с .xlsx-файлами)
Библиотека PySimpleGUI: Создание пользовательского интерфейса ввода-вывода
Google Forms: Создание опросов и сбор ответов респондентов
Microsoft Excel, Microsoft SQL Management Studio: Хранение, систематизация и обработка данных
Microsoft Power BI: Визуализация данных
ПРОДУКТ
Шаг 1
Программа выводит диалоговое окно, в котором пользователю предлагается указать путь до фотографии, которую он хочет проанализировать (файлы форматов jpeg, jpg, png любого соотношения сторон, разрешения и веса) с использованием стандартного файлового менеджера ОС Windows – explorer.exe
Шаг 2
Программа сопоставляет данные, полученные из анализируемой фотографии со значениями, полученными на основе обученного ранее алгоритма, решая задачу регрессии с использованием метода «случайный лес» (начинает работать алгоритм машинного обучения).
Значение абсолютной ошибки равно 0,5 – это означает, что значение, которое выдает алгоритм, отличается от значения, которое сказал бы человек на 0,5 балла.
Шаг 3
Программа выводит всплывающее окно, в котором показывается оценка его привлекательности по мнению программы в виде десятичной дроби.
Telegram-бот «424» для поиска ресторанов
Направление обучения:
09.03.01 «Информатика и вычислительная техника»
«IT-сервисы и системы обработки данных на транспорте»
1 курс
Команда проекта:
Чистяков Иван
Леонов Сергей
Тамкович Светлана
Морозова Мария
Воспенников Андрей
Горбунов Владислав
Краснов Егор

Цель работы
Разработка Telegram-бота, позволяющего студенту РУТ (МИИТ) найти пункт питания (столовая, ресторан и тд.) вблизи университета в зависимости от желаемых параметров пользователя (местоположение, вид кухни, стоимость чека и тд.)
Продукт
Telegram-бот, позволяющий найти пункт питания студенту в непосредственной близости от университета.
Этапы проекта:
1
Проработка
концепции
проекта
2
Демонстрация и защита
проектной идеи

3
Установка и настройка
программного обеспечения

4
Изучение предметной области и сбор данных по пунктам питания вблизи университета
5
Разработка чат-бота


6
Тестирование продукта,
формирование отчета

7
Презентация готовой реализации продукта
Техническая реализация:
Алгоритм
ПРОДУКТ
Telegram-бот
Алгоритм визуализации оптимальной расстановки груза
в грузовом полуприцепе
Направление обучения:
09.03.01 «Информатика и вычислительная техника»
«IT-сервисы и системы обработки данных на транспорте»
1 курс
Команда проекта:
Голубева Анастасия
Ефремов Иван
Шобанов Егор
Заказчик
Цель
Разработать программный продукт, позволяющий оптимизировать процесс расстановки грузов в кузове транспорта
Продукт
Сайт, который является инструментом для менеджера, позволяющий по загруженным параметрам груза (длина-ширина-высота) и очередности пунктов выгрузки визуализировать оптимальную расстановку грузов в автотранспорте.
Этапы проекта:
1
Написание
Backend сайта
С использованием Python библиотеки Flask
2
Создание дизайна сайта и его реализация
С использованием html и CSS
3
Формирование базы данных
для хранения информации о грузах

4
Разработка и реализация на языке Python алгоритма по оптимальной расстановке грузов в кузове
5
Создание визуализации (схемы) расставленных грузов
Техническая реализация:
Архитектура
Техника
Продукт
Архитектура решения задачи
  1. Ввод информации о грузах в базу данных
  2. Грузы, у которых совпадает дата отправки и прибытия, считаются одной отправкой
  3. Каждый груз имеет пункт прибытия и способ выгрузки
  4. Логический алгоритм расстановки грузов в системе координат
  5. Предложение программы по увеличению количества автомобилей
Техническая реализация алгоритма
  • Библиотеки Рython
Flask
Pyodbc
SQLAlchemy
Flask-SSLify

  • Данные, предоставленные компанией
  • Логический алгоритм
  • Microsoft SQL Server Management Studio
Сайт cargoproject.tk
Визуализация линейных процессов на железнодорожном транспорте
Направление обучения:
09.03.01 «Информатика и вычислительная техника»
«IT-сервисы и системы обработки данных на транспорте»
1 курс
Команда проекта:
Мирзаев Заур
Орлов Вадим
Лукинов Алексей
Медведев Александр
Краснов Вадим
Луговский Никита

Цель
Разработка IT-решения, позволяющего автоматически обрабатывать данные Excel-файла по транзитным грузовым перевозкам по сети ОАО «РЖД» и визуализировать их на карте.
Продукт
Приложение, позволяющее автоматически визуализировать в различных статистических аспектах загружаемые данные по транзитным перевозкам ЦФТО
Этапы проекта:
1
Изучение
предметной
области
2
Подготовка данных
для обработки

3
Формирование ИТ-решения, позволяющего обрабатывать Excel-файлы и визуализировать грузопотоки по:
  • структуре грузов
  • направлениям
  • регионам отправления и назначения
  • основным грузоотправителям
  • пограничным пунктам пропуска и портам
Техническая реализация:
Аннотация
Архитектура
продукт
Аннотация проекта
В настоящее время Центр фирменного транспортного обслуживания ОАО «РЖД» обрабатывает и визуализирует данные в MS Excel, используя встроенные функции и графики с дальнейшим представлением MS Power Point. Данный процесс является трудозатратным ввиду отсутствия автоматизированного решения.

От заказчика получен макет желаемого ИТ-решения, которое необходимо реализовать для автоматизации процесса.
Архитектура решения задачи
Программа, позволяющая визуализировать статистическую информацию для направлений, которые определяются настройками фильтров по:
  • среднему объему перевозок грузов
  • среднему ДФЭ
Аналитика пассажиропотоков Московского метрополитена: оценка распределения пассажиров по сети Московского метрополитена, заходящих на станциях Петровско-Разумовская, Комсомольская, Киевская, Рижская в утренний час-пик
Направление обучения:
09.03.01 «Информатика и вычислительная техника»
«IT-сервисы и системы обработки данных на транспорте»
1 курс
Команда по станции «Петровско-Разумовская»
Акимов Александр
Кузнецов Максим
Бабаев Даниил
Корнюхов Дмитрий
Коломойцев Кирилл
Команда по станции «Комсомольская»
Комаров Константин
Абраменко Андрей
Галайко Степан
Магдиев Равиль
Костин Артемий
Паршин Александр
Команда по станции «Рижская»
Иванов Роман
Аникеев Максим
Бодрягин Иван
Гальцов Степан
Команда по станции «Киевская»
Васильев Даниель
Землянский Павел
Итулин Максим
Куров Иван
Бокова Мария
Цели и задачи
Определение направления следования пассажиров и пассажиропоток по станциям метро со станций Петровско-Разумовская, Комсомольская, Киевская, Рижская за утренний час-пик 8:00-9:00 по валидациям билетов на вход

Анализ массива BigData (выгрузка валидаций билетов ГУП «Московский метрополитен»). Данные по маршрутам движения и конечным станциям назначения пассажиров в массиве отсутствуют.

Формирование матрицы корреспонденции на основе следующих исходных данных:
  • станции, вестибюль отправления
  • время валидации пассажиров
  • уникальные номера билетов
Продукты
  • Объем пассажиропотока по станциям метро со станций Петровско-Разумовская, Комсомольская, Киевская, Рижская за утренний час-пик 8:00-9:00 в форме excel-таблицы
  • Визуализация на интерактивной карте объема пассажиропотока
  • Прогноз потенциального объема переключаемого пассажиропотока со станций метро на станции МЦД
Этапы проекта:
1
Чтение датафрейма
Выборка необходимых полей исходной таблицы для анализа
2
Определение станций назначения

Допускаем, что станцией назначения является следующая по времени входа в метрополитен
3
Фильтр датафрейма

Фильтрация по станции и времени отправления (с 8:00 до 9:00)
4
Формирование матрицы корреспонденции
Вывод данных в удобном для заказчика формате
5
Визуализация данных на карте
Отображение данных на интерактивной карте
Техническая реализация:
Техника
ДАННЫЕ
big data петровско-разумовская
big data комсомольская
big data киевская
Инструменты для решения задачи
  • Данные предоставленные ЦВТС
  • Язык программирования Python
  • Библиотека Pandas
  • IDE Jupyter notebook
  • Excel и kepler.gl для создания визуализации
Прочитанный датафрейм объемом 24 Gb, более 360 млн. строк
ПРОДУКТ
Оценка потенциального спроса на маршруты Центрального административного округа (Курская — Белорусская и Кольцевой линии) среди пассажиров, которые сегодня совершают поездки на метро со станции Комсомольская.
ПРОДУКТ
Оценка потенциального спроса на маршруты Московских центральных диаметров среди пассажиров, которые сегодня совершают поездки на метро со станции Петровско-Разумовская
Система автоматизированного управления освещением
Направление подготовки:
«Системы мобильной связи и сетевые технологии на транспорте»
1 курс
Команда проекта:
Шорникова Татьяна
Хиясова Алина
Знаменский Максим
Шилов Дмитрий
Казённова Вероника

Цель
Создание прототипа системы дистанционного управления освещением помещения с помощью мобильного устройства и голосового помощника
Продукт
Прототип программно-аппаратного комплекса дистанционного управления освещением помещения, способ управления системой с использованием мобильного устройства и голосового помощника
Этапы проекта:
1
Разработка схематичной
модели установки

2
Прошивка Wi-Fi модуля
на Tasmota

3
Прошивка RaspberryPi
на Home Assistant

4
Подключение Wi-Fi модуля
к Home Assistant

5
Подключение Home Assistant
к голосовому помощнику (Яндекс Алиса)

6
Подключение светодиодной ленты
к Wi-Fi модулю

7
Настройка сценариев функционирования
светодиодной ленты через Tasmota и Home Assistant

8
Разработка 3D моделей
корпусов для устройств

9
Тестирование системы
автоматического управления освещением

комплектующие
продукт
  • Реализован прототип программно-аппаратного комплекса дистанционного управления освещением помещения
  • Реализован способ управления системой с использованием мобильного устройства и голосового помощника
Система автоматизированного управления микроклиматом в помещении
Направление подготовки:
«Системы мобильной связи и сетевые технологии на транспорте»
1 курс
Команда проекта:
Ильинов Богдан
Любарчук Георгий
Горчаков Роман
Черунов Антон
Абросимов Никита

Цель
Создание прототипа системы дистанционного управления микроклиматом в помещении с помощью мобильного устройства и голосового помощника
Продукт
Прототип программно-аппаратного комплекса дистанционного управления микроклиматом в помещении
Этапы проекта:
1
Разработка
схематичной модели установки

2
Разработка
модели помещения

3
Прошивка Wi-Fi модуля
на Tasmota

4
Подключение Tasmota
к голосовому помощнику (Яндекс Алиса)

5
Подключение и настройка датчика
температуры и влажности DHT-22

6
Датчик качества
воздуха (CO2) CSS811

7
Подключение исполнительного устройства
RoboArm (Умный открыватель окна)

8
Настройка сценариев
функционирования системы

9
Настройка
системы уведомлений

10
Разработка и реализация
корпусов для устройств

11
Тестирование системы
управления климатом в помещении

комплектующие
продукт
  • Реализован прототип программно-аппаратного комплекса дистанционного управления микроклиматом в помещении
  • Разработаны сценарии работы системы в автономном режиме
  • Система анализирует температуру и состояние воздуха и при необходимости активизирует исполнительное устройство, которое открывает или закрывает окно для проветривания помещения
  • Реализован способ управления системой с использованием мобильного устройства и голосового помощника
  • Настроена отправка уведомлений о функционировании системы на мобильное устройство
Система автоматизированного управления неумными устройствами
Направление подготовки:
«Системы мобильной связи и сетевые технологии на транспорте»
1 курс
Команда проекта:
Щукин Пётр
Ислямова Ева
Штучко Александр
Мискив Василий

Цель
Создание прототипа системы дистанционного управления «неумными» устройствами (у которых нет выхода в интернет) через цифровой инфракрасный передатчик
Продукт
Прототип программно-аппаратного комплекса дистанционного управления «неумными» устройствами
Этапы проекта:
1
Разработка
схематичной модели установки

2
Разработка
модели помещения

3
Прошивка Wi-Fi модуля
на Tasmota

4
Подключение Tasmota
к голосовому помощнику (Яндекс Алиса)

5
Подключение и настройка
цифрового инфракрасного передатчика

6
Подключение и настройка
модуля инфракрасного приемника

7
Настройка сценариев
функционирования системы

8
Разработка и реализация
корпусов для устройств

9
Тестирование системы управления
«неумными» устройствами

комплектующие
схема работы
продукт
Схема работы устройства
  • Реализован прототип программно-аппаратного комплекса дистанционного управления «неумными» устройствами
  • Разработаны сценарии работы системы
  • Реализовано ядро системы, которое декодирует сигнал от управляемого устройства с помощью модуля инфракрасного приемника, записывает его в память и в дальнейшем формирует управляющие воздействия устройством через цифровой инфракрасный передатчик
Система автоматического полива растений
Направление подготовки:
«Системы мобильной связи и сетевые технологии на транспорте»
1 курс
Команда проекта:
Кузькин Матвей
Чечин Кирилл
Амир Зейналов
Михаил Туляков
Наумов Даниил
Шмаков Егор

Цель
Создание прототипа автоматической системы поддержки принятия решений по поливу растений
Продукт
Прототип системы поддержки принятия решений по поливу растений
Этапы проекта:
1
Разработка схематичной
модели установки

2
Прошивка Wi-Fi модуля
на Tasmota

3
Подключение Wi-Fi модуля
к Home Assistant

4
Подключение и настройка
модуля реле 4 канала

5
Подключение и настройка
модуля влажности и температуры

6
Подключение и настройка
модуля уровня жидкости

7
Подключение и настройка
модуля датчика воды и глубины погружения

8
Подключение
управляющего устройства

9
Настройка сценариев
функционирования системы

10
Разработка и реализация
корпусов для устройств

11
Тестирование системы
автоматического полива

комплектующие
3d печать
продукт
  • Реализован прототип системы поддержки принятия решений по поливу растений
  • Разработаны сценарии работы системы
  • Реализовано ядро системы, которое анализирует показатели датчиков влажности почвы, влажности и температуры, уровня жидкости воды и глубины погружения, на основании которых направляет уведомление на мобильный телефон с рекомендациями по поливу
Реализация телефонной связи c использованием IP-протоколов
(IP-телефония)
Направление подготовки:
«Системы мобильной связи и сетевые технологии на транспорте»
1 курс
Команда проекта:
Павлович Павел
Петушков Максим
Дегтярёв Ярослав
Почуев Алексей
Ермак-Ермашко Данила

Цель
Создание телефонной связи c использованием IP-протоколов
Продукт
Телефонная связь с использованием IP-протоколов, переадресацией и голосовым ящиком
Этапы проекта:
1
Разработка
схематичной модели установки

2
Установка RasPBX
на RaspberryPi

3
Установка
виртуальной АТС Asterisk
на RaspberryPi
4
Настройка
сценариев работы виртуальной АТС

5
Настройка
коммутатора

6
Подключение телефонов
с поддержкой IP – протокола к коммутатору

7
Тестирование
телефонной связи

комплектующие
продукт
  • Реализована телефонная связь с использованием IP-протоколов
  • Настройка переадресации
  • Настройка голосового ящика