智慧城市实验室在南方某老城区做了三个月的内涝积水预警试验。该片区管网老旧、汇水路径复杂，单靠气象预报很难落到具体积水点，我们把三类数据叠在一起：雨量站的分钟级降雨、易涝点检查井的液位计读数，以及路口既有摄像头的积水标尺识别结果。
做法上先用历史场次做时间对齐，把「降雨峰值到井内液位上涨」的滞后时长当作路段特征，再叠加管网拓扑与地面坡度，训练一个轻量的时序回归模型，输出未来 30~60 分钟的积水深度区间。模型不直接给报警结论，而是给出带置信区间的分级提示，由值班人员决定是否派单。
进展与数据：以去年汛期 21 场降雨回测，对 15cm 以上积水的提前 30 分钟召回率约 78%，误报集中在早晚高峰的短时强降雨场景；液位计因断电或积泥造成的缺数，目前用相邻井数据插补。
下一步计划：接入泵站运行状态与排水口视频，尝试在预警中同步给出「开哪台泵」的建议，并在雨季前完成 8 个易涝点的设备巡检与标定。
评论