Adaptive optimization of traffic flows in underground mine workings based on artificial intelligence methods
G.M. Kadyrova , N.L. Krasyukova, I.A. Rozhdestvenskaya, T.M. Tokmurzin, E.I. Voronova
Financial University under the Government of the Russian Federation, Moscow, Russian Federation
Russian Mining Industry №1 / 2025 p. 137-146
Abstract: This study focuses on the development and evaluation of methods for AI-based adaptive optimization of traffic flows in underground mine workings. Relevance of the topic is defined by the need to enhance the efficiency and safety of transport operations in the mining industry. The research applies an integrated approach that combines the methods of machine learning, simulation modeling and multi-criteria optimization. The observational database includes information on traffic flows at five mining operations for the period of 2020-2023. The results demonstrate that implementation of the adaptive artificial intelligence methods can reduce the average transportation time by 22%, increase the throughput of the mine workings by 18%, and reduce the energy costs by 14% as compared to the baseline scenario. The proposed solutions contribute to improvement of economic efficiency and environmental sustainability of mining enterprises. Further research can be aimed at expanding the functionality of intelligent transportation systems and their integration with the digital twins of mine workings.
Keywords: artificial intelligence, traffic flows, underground mine workings, machine learning, simulation modeling
For citation: Kadyrova G.M., Krasyukova N.L., Rozhdestvenskaya I.A., Tokmurzin T.M., Voronova E.I. Adaptive optimization of traffic flows in underground mine workings based on artificial intelligence methods. Russian Mining Industry. 2025;(1):137–146. (In Russ.) https://doi.org/10.30686/1609-9192-2025-1-137-146
Article info
Received: 25.12.2024
Revised: 22.01.2025
Accepted: 23.01.2025
Information about the authors
Gulnaz M. Kadyrova – Dr. Sci. (Econ.), Dean of the Faculty of Higher School of Management, Financial University under the Government of the Russian Federation, Moscow, Russian Federation; e-mail: GMKadyirova@fa.ru
Natalya L. Krasyukova – Dr. Sci. (Econ.), Professor of the Department of State and Municipal Administration, Financial University under the Government of the Russian Federation, Moscow, Russian Federation; e-mail: NLKrasyukova@fa.ru
Irina A. Rozhdestvenskaya – Dr. Sci. (Econ.), Professor of the Department of State and Municipal Administration, Financial University under the Government of the Russian Federation, Moscow, Russian Federation; e-mail: IARozhdestvenskaya@fa.ru
Timur M. Tokmurzin – Cand. Sci. (Econ.), Associate Professor, Department of State and Municipal Administration, Financial University, Moscow, Russian Federation; e-mail: ttokmurzin@fa.ru
Ekaterina I. Voronova – Assistant at the Department of State and Municipal Administration, Financial University under the Government of the Russian Federation, Moscow, Russian Federation; e-mail: EIShayuk@fa.ru
References
1. Агафонов О.А., Афонина Н.Б. Уточнение методов расчета грузопотоков конвейерных транспортных систем угольных шахт. Горная промышленность. 2023;(6):89–94. https://doi.org/10.30686/1609-9192-2023-6-89-94 Agafonov O.A., Afonina N.B. Refinement of methods for calculating the material flows of conveyor transportation systems in coal mines. Russian Mining Industry. 2023;(6):89–94. (In Russ.) https://doi.org/10.30686/1609-9192-2023-6-89-94
2. Арифджанова Н.З. Применение искусственного интеллекта для оптимизации маршрутов транспорта. Universum: технические науки. 2023;(5-4);10–12. https://doi.org/10.32743/UniTech.2023.110.5.15404 Arifjanova N.Z. Application of artificial intelligence to optimize transport routes. Universum: Tekhnicheskie Nauki. 2023;(5-4);10–12. (In Russ.) https://doi.org/10.32743/UniTech.2023.110.5.15404
3. Дмитриева В.В., Сизин П.Е. Корреляционный анализ и методы моделирования случайного грузопотока, поступающего на сборный конвейер. Горный информационно-аналитический бюллетень. 2018;(10):145–155. Режим доступа: https://giab-online.ru/files/Data/2018/10/145_155_10_2018.pdf (дата обращения: 18.12.2024). Dmitrieva V.V., Sizin P.E. Correlation analysis and method of modeling random load flow on collecting conveyor. Mining Informational and Analytical Bulletin. 2018;(10):145–155. (In Russ.) Available at: https://giab-online.ru/files/Data/2018/10/145_155_10_2018.pdf (accessed: 18.12.2024).
4. Журавлёв А.Г., Семёнкин А.В., Черепанов В.А., Глебов И.А., Чендырев М.А. Задачи развития перспективных циклично-поточных технологий для глубоких карьеров. Горная промышленность. 2022;(1S):53–62. https://doi.org/10.30686/1609-9192-2022-1S-53-62 Zhuravlev A.G., Semenkin A.V., Cherepanov V.A., Glebov I.A., Chendyrev M.A. The purpose of developing advanced inpit crushing and conveying technology for deep open pits. Russian Mining Industry. 2022;(1 Suppl.): 53–62. (In Russ.) https://doi.org/10.30686/1609-9192-2022-1S-53-62
5. Ильинов Н.Д., Мажитов А.М., Аллабердин А.Б., Важдаев К.В. Оптимизация схемы проветривания при увеличении производственной мощности подземного рудника. Горная промышленность. 2021;(6):89–93. https://doi.org/10.30686/1609-9192-2021-6-89-93 Iliinov N.D., Mazhitov A.M., Allaberdin A.B., Vazhdaev K.V. Optimization of the ventilation scheme for increasing production capacity of underground mines. Russian Mining Industry. 2021;(6):89–93. https://doi.org/10.30686/1609-9192-2021-6-89-93
6. Каримов К.С. Методы искусственного интеллекта и применение их на транспорте. Постсоветский материк. 2023;(4):106–115. https://doi.org/10.48137/23116412_2023_4_106 Karimov K.S. Artificial intelligence methods and their application in transport. Post-Soviet Continent. 2023;(4):106–115. (In Russ.) https://doi.org/10.48137/23116412_2023_4_106
7. Каримов К.С. Методы искусственного интеллекта и применение их на транспорте. Постсоветский материк. 2023;(4):106–115. https://doi.org/10.48137/23116412_2023_4_106 Karimov K.S. Artificial intelligence methods and their application in transport. Post-Soviet Continent. 2023;(4):106–115. (In Russ.) https://doi.org/10.48137/23116412_2023_4_106
8. Кузьмин С.В., Шнайдер И.В., Кыштымов И.В. Выявление опасных зон при проходке подготовительных выработок в сложных горно-геологических условиях. Горный журнал. 2024;(1):45–49. https://doi.org/10.17580/gzh.2024.01.07 Kuzmin S.V., Shnaider I.V., Kyshtymov I.V. Detection of hazardous zones in development headings in difficult geological conditions. Gornyi Zhurnal. 2024;(1):45–49. (In Russ.) https://doi.org/10.17580/gzh.2024.01.07
9. Лисковец А.С., Тациенко В.П., Мешков А.А. Направления развития и совершенствования тампонажной крепи. Горная промышленность. 2020;(2):88–93. https://doi.org/10.30686/1609-9192-2020-2-88-93 Liskovets A.S., Tatsienko V.Р., Meshkov A.А. Directions of development and improvement of grouting support. Russian Mining Industry. 2020;(2):88–93. (In Russ.) https://doi.org/10.30686/1609-9192-2020-2-88-93
10. Месропян К., Житарев М.Ю. Инновационные решения на основе искусственного интеллекта для оптимизации маршрутов доставки и управления транспортными средствами. Актуальные исследования. 2024;(5-1):41–43. Режим доступа: https://apni.ru/article/8374-innovatsionnie-resheniya-na-osnove-iskusstven (дата обращения: 18.12.2024). Mesropyan K., Zhitarev M.Yu. Innovative solutions based on artificial intelligence to optimize delivery routes and vehicle management. Aktualnye Issledovaniya. 2024;(5-1):41–43. (In Russ.) Available at: https://apni.ru/article/8374-innovatsionnie-resheniya-na-osnove-iskusstven (accessed: 18.12.2024).
11. Насыров Р.Ш., Третьяк А.В., Неугомонов С.С., Мажитов А.М. Разработка технологии проведения и крепления горной выработки в зоне тектонически-ослабленных пород. Горная промышленность. 2024;(3):126–130. https://doi.org/10.30686/1609-9192-2024-3-126-130 Nasyrov R.Sh., Tretyak A.V., Neugomonov S.S., Mazhitov A.M. Developing a technology of driving and supporting mine workings in tectonically weakened rock zones. Russian Mining Industry. 2024;(3):126–130. (In Russ.) https://doi.org/10.30686/1609-9192-2024-3-126-130
12. Панина О.В., Попадюк Н.К., Еремин С.Г., Токмурзин Т.М., Разумова Е.В. Применение технологий BigData для оптимизации производственных процессов в горнодобывающей промышленности России: анализ внедрения и эффективности. Горная промышленность. 2024;(6):178–185. https://doi.org/10.30686/1609-9192-2024-6-178-185 Panina O.V., Popadyuk N.K., Eremin S.G., Tokmurzin T.M., Razumova E.V. Application of the BigData technologies to optimize production processes in the Russian mining industry: analysis of implementation and efficiency. Russian Mining Industry. 2024;(6):178–185. (In Russ.) https://doi.org/10.30686/1609-9192-2024-6-178-185
13. Турсунов Д.Г. Оптимизация транспортных потоков в городской транспортной системе с использованием имитационного моделирования. Молодой ученый. 2022;(14):11–16. Режим доступа: https://moluch.ru/archive/409/89953/ (дата обращения: 18.12.2024). Tursunov D.G. Optimization of traffic flows in urban transport system using simulation modeling. Molodoi Uchenyi. 2022;(14):11–16. (In Russ.) Available at: https://moluch.ru/archive/409/89953/ (accessed: 18.12.2024).
14. Федотенко В.С., Власов А.В., Кливер С.Я., Шадрунов А.Г. К обоснованию условий и параметров формирования горнотехнических систем при строительстве и эксплуатации комплекса циклично-поточной геотехнологии в глубоких карьерах. Горная промышленность. 2020;(5):102–107. https://doi.org/10.30686/1609-9192-2020-5-102-107 Fedotenko V.S., Vlasov A.V., Kliver S.Ya., Shadrunov A.G. Justification of Conditions and Parameters for Designing of Mining Systems in Construction and Operation of Complex Conveyor Ore Transportation in Deep Open-Cast Mines. Russian Mining Industry. 2020;(5):102–107. (In Russ.) https://doi.org/10.30686/1609-9192-2020-5-102-107
15. Федотов И.С. Применение методов глубокого обучения для анализа больших данных. Вестник науки. 2024;4(8):196– 198. Режим доступа: https://www.вестник-науки.рф/article/17070 (дата обращения: 18.12.2024). Fedotov I.S. Application of deep learning methods for big data analysis. Vestnik Nauki. 2024;4(8):196–198. (In Russ.) Available at: https://www.вестник-науки.рф/article/17070 (accessed: 18.12.2024).
