AI积水点预警：降雨雷达与管网液位的短时预测

城市内涝预警的难点不在单点是否下雨，而在降雨—管网—地面积水之间的时滞与非线性。我们在智慧城市实验室用一套轻量级时空模型做了实验性探索：输入包括雷达降雨外推、管网液位与流量、泵站运行状态，以及低洼路段摄像头经边缘设备输出的水位标尺读数（不上传原始视频，只回传结构化水位值）。

阶段性进展：
• 在试点区 12 个历史易涝点，30 分钟积水深度预测的平均绝对误差约 4.2 厘米，可提前 25~40 分钟给出分级预警；
• 引入管网液位后，积水误报（有警无涝）下降约三成，主要收益来自把“雨大”与“排不出”区分开。

下一步计划是把预警输出接入泵站与交通诱导：按预测深度分级触发布控与路口提示，同时在缺少液位计的路段用视频水位做软测量，降低布点成本。