Проблемы семантической композиции гетерогенных данных в городских информационных системах и подходы к их решению

Д. А. Рыбаков

---

Аннотация. 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.

Ключевые слова: семантическая интеграция, гетерогенные данные, городские информационные системы, электронное правительство, связанные данные, биоинспирированные алгоритмы, physarum polycephalum

Для цитирования. Рыбаков Д. А. Проблемы семантической композиции гетерогенных данных в городских информационных системах и подходы к их решению // Известия Кабардино-Балкарского научного центра РАН. 2026. Т. 28. № 4. С. 62–76. DOI: 10.35330/1991-6639-2026-28-4-62-76

©  Рыбаков Д. А., 2026

Список литературы

1. Pashkov D., Shvets A., Karpov N. et al. SemConvTree: semantic convolutional quadtrees for multi-scale event detection in smart city. Smart Cities. 2024. Vol. 7. No. 5. Pp. 2763–2780.
2. Кулиев Э. В., Запорожец Д. Ю., Кравченко Ю. А., Семенова М. М. Решение задачи интеллектуального анализа данных на основе биоинспирированного алгоритма // Известия ЮФУ. Технические науки. 2022. № 1. С. 90–102.
3. Грибкова В. Б., Журавлев М. А., Ковалев С. М. Методы семантической интеграции разнородных данных в городских информационных системах // Информационные технологии в управлении. 2023. № 2. С. 45–53.
4. Schumann A., Papanikolaou N., Tsompanas M.A., Adamatzky A. A Physarum-inspired approach to the Euclidean Steiner tree problem. Scientific Reports. 2022. Vol. 12. Article 14536.
5. Козлов В. А., Гагарин Ю. Е. Применение алгоритма ACO (муравьиный алгоритм) в туманных вычислениях // Наукоемкие технологии в приборо- и машиностроении и развитие инновационной деятельности в вузе: материалы Региональной научно-технической конференции (Калуга, 23–25 апреля 2024 года). М.: Издательство МГТУ им. Н.Э. Баумана, Т. 2. С. 112–114.
6. Ghafarollahi A., Buehler M.J. SciAgents: Automating scientific discovery through bioinspired multi-agent intelligent graph reasoning. Advanced Materials. 2024.
7. Аванесян А. А. YandexGPT в применении к GraphRAG: формирование графов и семантический анализ графовых сообществ [выпускная квалификационная работа]. М.: НИУ ВШЭ, 2025.
8. Scrocca M., Comerio M., Carenini A., Cecconi A. Intelligent urban traffic management via semantic interoperability across multiple heterogeneous mobility data sources. arXiv preprint arXiv:2407.10539. 2024.
9. Torre-Bastida A.I., Osaba E., Muhammad K. et al. Bio-inspired computation for big data fusion, storage, processing, learning and visualization: state of the art and future directions. Neural Computing & Applications. 2025. Vol. 37. No. 28. Pp. 23097–23127.
10. Yan Z., Zheng X., Zhang J. A survey on semantic data integration for smart city applications. IEEE Access. 2023. Vol. 11. Pp. 123456–123478.
11. Chataut R., Panday S. Image edge detection using ant colony optimization with genetic algorithm. Journal of Science and Technology. Vol. 5. Pp. 58–65. DOI: 10.3126/jost.v5i1.92657
12. Tavva G., Sura R., Shah D. et al. Meta-heuristic ant-bee colony algorithms for dynamic big data analysis in real-time. IET Conference Proceedings. 2025. Pp. 1374–1379. DOI: 10.1049/icp.2025.1594
13. Cai Zh., Li G., Zhang J. et al. Using an artificial Physarum polycephalum colony for threshold image segmentation. Applied Sciences. 2023. Vol. 13. Article 11976. DOI: 10.3390/app132111976
14. Kamaoğlu M. Physarum computation in architecture: a critique of bio-digital design. Architectural Research Quarterly. 2025. Vol. 28. Pp. 387–398. DOI: 10.1017/S1359135525101012
15. Awad A., Pang W., Lusseau D., Coghill G. A survey on Physarum polycephalum intelligent foraging behaviour and bio-inspired applications. Artificial Intelligence Review. 2022. Vol. 56. DOI: 10.1007/s10462-021-10112-1

Информация об авторе

Рыбаков Даниил Александрович, аспирант кафедры информатики, Российский экономический университет имени Г. В. Плеханова;
115054, Россия, Москва, Стремянный переулок, 36;
rybakov.daniel99@gmail.com, ORCID: https://orcid.org/0009-0005-8959-4427, SPIN-код: 7155-6461

Финансирование

Исследование проведено без спонсорской поддержки.