AI城市内涝积水预测：降雨外推与管网液位
城市内涝的难点不在降雨预报，而在“雨落到地面之后”。我们把实验室的短临积水预测拆成三段：雷达外推给出 0–2 小时面雨量，管网水动力模型给出排水能力，再由轻量模型学习易涝点历史积水与二者的非线性关系。 在约 12 平方公里、47 个易涝点的…
🏙️ 智慧城市实验室2026-11-02
AI路口信号配时定制：排队长度预测与相位自适应
智慧城市实验室近期在三个城区路口做了小规模路侧实验：不更换既有信号机，也不改动配时方案库，而是由边缘盒在路侧完成短时排队长度预测，再把建议的绿信比与相位时长下发执行。 技术上采用雷视一体机与既有线圈、卡口数据做融合，输入最近90秒的到达率与…
🏙️ 智慧城市实验室2026-11-02
AI路口信号配时实验：排队长度与绿信比寻优
在智慧城市实验室，我们选了一个四相位十字路口做单点信号配时的实验性探索。目标是回答一个很具体的问题：在不改硬件、只用既有检测数据的前提下，AI 能否给出比固定配时更合理的相位时长建议。 做法分三步。检测侧复用路口已有的视频与雷达数据，估计各…
🏙️ 智慧城市实验室2026-11-01
AI内涝积水点预警定制：雨量序列与水位回传
城市内涝的风险点往往分散在下穿隧道、老旧片区和低洼路口，传统的固定阈值报警要么滞后，要么在中小雨时频繁误报。智慧城市实验室近期在一项实验性课题中，尝试以「雨量序列 + 点位水位回传」为主要输入，对易涝点积水深度做短时预测，而不是等水位越线再…
🏙️ 智慧城市实验室2026-11-01
AI城市内涝预警定制：雨量站网与积水点推断
城市内涝预警的难点不在单点雨量，而在“雨落在哪、水流到哪、哪里先积”。智慧城市实验室近期在一处南方城区开展实验性探索，把气象雨量站、排水管网液位计、下穿隧道水位尺与路面视频接入同一套推理链路：先用图结构刻画站点与汇水单元之间的空间相关，做 …
🏙️ 智慧城市实验室2026-10-31
AI路口信号配时定制：排队长度估计与相位优化
在智慧城市实验室的阶段性实验中，我们选择某城区12个相邻信号路口作为试点，尝试用已有的电警过车数据替代昂贵的专用检测器，走一条配时优化的「轻量」路径。 做法分三步：先从过车记录重建车辆到达序列，按信号周期推算各进口道的排队长度与消散时刻；再…
🏙️ 智慧城市实验室2026-10-31
AI路口排队长度估计定制：视频测距与配时推荐
在城市路口信号配时实验中，我们把重点放在「排队长度」这一可直接观测的中间量，而不是让模型端到端直接输出配时方案，以便误差可定位、结论可复核。 方法上，以路口高空视频为输入：先用停止线、斑马线做车道级单应标定，再用轻量分割模型提取车辆掩膜，按…
🏙️ 智慧城市实验室2026-10-31
AI内涝积水预警定制：管网液位与降雨耦合
在城市内涝防治场景中，我们于某老城区约12平方公里范围做了阶段性实验：将雨量站分钟级降雨、排水管网23个液位与流量监测点、泵站运行状态，以及近三年186条积水上报记录对齐到统一时空网格，训练街区级积水风险分级模型，输出未来30/60分钟的积…
🏙️ 智慧城市实验室2026-10-30
AI城市内涝积水识别定制：路侧视频与水深分级
在智慧城市实验室的试点路段，我们把路侧摄像机作为低成本积水感知源，探索不依赖新增水位计的内涝识别方法。当前方案以语义分割提取积水区域，结合车道线、路缘石、井盖等稳定参照物做透视校正，再把水面淹没高度映射为“无积水/轻微/影响通行/阻断”四级…
🏙️ 智慧城市实验室2026-10-30
AI内涝积水识别：路侧视频与水位标定
智慧城市实验室近期在城区易涝点做了小范围实验：不改动现有路侧相机，仅用视频流和少量现场标定，估计积水范围与深度分档。方法上，先选路缘石、护栏立柱、共享单车轮胎等稳定参照物做像素-实际尺寸标定；再用时序差分抑制雨丝和晃动树叶，分割水面积水区；…
🏙️ 智慧城市实验室2026-10-29
AI路口信号配时推荐：排队估计与相位时长优化
智慧城市实验室近期在一条含 8 个路口的干线走廊上，完成了信号配时推荐模型的小规模路侧验证。我们不追求"全局最优"的宏大叙事，而是把问题拆成可验证的两步：先用路口既有线圈与视频检测数据估计各流向的排队长度与到达率，再以排…
🏙️ 智慧城市实验室2026-10-29
AI城市内涝积水预警定制：降雨分区与泵站联动
本期《智慧城市实验室》完成城市内涝积水预警的第一阶段实验：把分散的雨量站、管网液位计、泵站运行记录与路口视频接入同一套时序数据管道，按排水分区分别建模。我们没有直接预测积水深度，而是先做风险分级（正常／关注／警戒），再对警戒点估算积水上涨速…
🏙️ 智慧城市实验室2026-10-28
AI内涝积水点预测定制：雨量时序与排水拓扑
城市内涝预警的难点不在下雨本身，而在把「雨落在哪、水流向哪、管网排得出多少」三者对齐。本阶段实验做了三类数据的拼接：分钟级雨量站与雷达外推降水、易涝点历史积水深度记录、以及排水管网关键节点拓扑与泵站运行状态。模型并不直接回答「是否内涝」，而…
🏙️ 智慧城市实验室2026-10-28
AI路口信号配时定制：相位时长与绿波协调
智慧城市实验室近期在一项路口信号配时的实验性探索中，尝试用 AI 替代传统的固定配时与人工经验调参。 做法并不复杂：以路口检测器、浮动车轨迹和公交 GPS 为输入，先做短时交通流预测（15 分钟粒度），再在相位约束下求解配时方案。相位顺序与…
🏙️ 智慧城市实验室2026-10-27
AI城市内涝预警定制：降雨外推与积水点分级
城市内涝预警的难点不在于雨量大小，而在于“哪一段路、什么时候开始积水”。我们在这条线上做了一个小范围试点，思路是把预报、管网与现场感知串成一条短链路。 具体做法分三步：先用气象雷达外推结合地面雨量计，做0~2小时的分钟级降雨估计；再把降雨作…
🏙️ 智慧城市实验室2026-10-27
AI城市内涝积水预测：雨量站融合与易涝点分级
本期实验围绕路网栅格尺度的短时积水预测展开。我们把三类数据对齐到同一时间轴：雨量站的分钟级降水、下穿隧道与泵站的液位流量、易涝点周边摄像头的积水可见性；地形高程与排水管网拓扑作为静态特征参与建模。模型按10分钟步长滚动输出未来1小时各易涝点…
🏙️ 智慧城市实验室2026-10-26
AI城市内涝积水预警定制：雨量融合与泵站调度
城市内涝预警的难点往往不在模型本身，而在数据稀疏与响应窗口太短。本期智慧城市实验室在一段老城区主干道做了小范围实验：将沿线 6 个雨量站、3 处下穿隧道水位计与片区排水泵站的运行记录对齐到 5 分钟时间窗，先做缺测补齐与漂移校正，再用轻量时…
🏙️ 智慧城市实验室2026-10-26
AI城市内涝积水监测定制：视频水位与告警分级
城市内涝的早期判断，往往卡在“有没有水、有多深”这一步。我们尝试不新增硬件铺设，而是复用路口既有摄像头与地面标尺、井盖、路缘石等固定参照物，做一套轻量的积水深度估计流程。 进展上，先对视频帧做透视校正，将图像坐标映射到路面平面；再用分割模型…
🏙️ 智慧城市实验室2026-10-25
AI城市内涝积水点识别：视频水位标定与告警分级
城市内涝的发现目前主要依赖人工上报和少量水位计，覆盖密度不够，常常是雨停了才知道哪里淹了。智慧城市实验室这一轮实验的思路是：把路侧既有的监控摄像头当作水位传感器来用。 技术上分三步。先在画面中标注稳定参照物（路缘石棱线、护栏立柱、墙面水尺刻…
🏙️ 智慧城市实验室2026-10-25
AI路侧视频水位识别：标尺标定与内涝分级预警
智慧城市实验室近期在一处易涝下穿隧道完成路侧视频水位识别的实验性部署。思路是把既有监控球机当作水位计：先利用隧道侧墙的既有刻度尺与已知高度的反光标牌建立像素—实高映射，再用分割模型提取水面线，结合相机标定的透视关系折算水位；夜间与雨雾天气由…
🏙️ 智慧城市实验室2026-10-25