В статье рассматривается актуальная проблема интеграции разнородных данных в современных городских информационных системах, функционирующих в рамках концепции «Умный город» и предоставления государственных услуг. Цель исследования – систематизация проблем семантической композиции данных в ГИС и анализ современных подходов к их решению, а также обоснование перспективности использования биоинспирированных самоорганизующихся алгоритмов для создания отказоустойчивых моделей интеграции. Материалы и методы исследования. Исследование носит теоретико-аналитический характер. Применены методы системного анализа проблем семантической гетерогенности данных в городских информационных системах, сравнительный анализ существующих подходов к связыванию записей (детерминированные правила, вероятностная модель Феллеги – Сантера, методы машинного обучения, графовые модели), а также концептуальное моделирование на основе биоинспирированных алгоритмов с использованием метода аналогий между поведением миксомицета Physarum polycephalum и процессами семантической интеграции данных. Результаты. Показано, что традиционные методы Extract-Transform-Load (ETL) и детерминированного сопоставления записей не справляются с ростом объема, вариативности и семантической неоднородности данных, поступающих из множества ведомственных источников. Выявлены основные классы проблем – синтаксическая, структурная и семантическая гетерогенность. В качестве перспективного направления решения предлагается концепция семантической композиции данных. Проведен анализ существующих подходов (rule-based, машинное обучение, графовые модели) и обоснована необходимость разработки адаптивных, самоорганизующихся методов. Вводится метафора биоинспирированных алгоритмов (на примере Physarum polycephalum) как основы для создания отказоустойчивой и динамической модели связывания данных. Сформулированы требования к перспективному методу композиции и намечены пути его формализации. Заключение. Концептуально обоснован биоинспирированный подход к семантической композиции, основанный на принципах самоорганизации Physarum polycephalum. Предложена архитектура семантического слоя, встраиваемого непосредственно в СУБД и включающего таблицу семантических связей и три управляющих процесса – исследователь, усилитель и испаритель. Сформулированы ключевые преимущества подхода: отсутствие необходимости в «холодном старте», непрерывная адаптация, прозрачность, масштабируемость и отказоустойчивость. Дальнейшие исследования направлены на формализацию математической модели и экспериментальную апробацию на реальных данных городских ведомственных систем.
The article addresses the pressing issue of heterogeneous data integration in modern urban information systems operating within the 'Smart City' concept and public service delivery. Aim. The study is to systematize the problems of semantic data composition in GIS, analyze modern approaches to their solution, and justify the prospects of using bio-inspired self-organizing algorithms to create fault-tolerant integration models. Materials and methods. The study is theoretical and analytical in nature. The methods applied include a systems analysis of semantic data heterogeneity problems in urban information systems, a comparative analysis of existing record linkage approaches (deterministic rules, the Fellegi–Sunter probabilistic model, machine learning methods, and graph-based models), as well as conceptual modeling based on bio-inspired algorithms using the method of analogy between the behavior of the myxomycete Physarum polycephalum and data semantic integration processes. Results. It is demonstrated that traditional Extract-Transform-Load (ETL) methods and deterministic record linkage fail to cope with the growing volume, variety, and semantic heterogeneity of data originating from multiple departmental sources. The main classes of challenges have been identified as syntactic, structural, and semantic heterogeneity. As a promising solution pathway, the concept of semantic data composition is proposed. An analysis of existing approaches (rule-based, machine learning, and graph-based models) was performed, and the necessity of developing adaptive, self-organizing methods was justified. A bio-inspired algorithm metaphor (exemplified by Physarum polycephalum) is introduced as a foundation for constructing a fault-tolerant and dynamic data linkage model. The requirements for the promising composition method have been formulated, and the pathways for its formalization have been outlined. Conclusion. A bio-inspired approach to semantic composition, based on the self-organization principles of Physarum polycephalum, has been conceptually justified. A semantic layer architecture embedded directly within the DBMS has been proposed, featuring a semantic relationships table and three controller processes: the explorer, the reinforcer, and the evaporator. The key advantages of the approach have been formulated, including the elimination of the cold-start problem, continuous adaptation, transparency, scalability, and fault tolerance. Future research is aimed at formalizing the mathematical model and conducting experimental validation using real-world data from municipal departmental systems.