城市内涝预警长期依赖单点液位阈值与人工巡查，阈值定得低则误报频繁，定得高则留给处置的时间窗口过窄。智慧城市实验室在试点区做了一次数据融合的探索：把降雨雷达外推、管网液位计、泵站运行状态和路侧视频水位读数放进同一套小时级预测流程。
方法上分三步：先用雷达回波外推得到未来1~3小时的降雨强度场；再以管网拓扑约束节点液位的传播路径，避免各测点独立报警；最后用视频水位读数对预测结果做在线校准，修正摄像头可见范围内的系统性偏差。训练数据取自近两年的降雨过程，模型输出的是各易涝点的积水概率与预计出现时间。
进展：在试点区覆盖的18个易涝点与9座泵站上，模型将误报次数较单一液位阈值方案降低约四成，平均提前预警时间由约12分钟提升到约35分钟。样本仍集中在汛期，非汛期与小概率强降雨的表现还需继续观察。
下一步计划接入泵站启停与移动排涝力量等调度动作作为因果变量，并尝试把预警结果直接转成可执行的排水调度建议，验证“预测—处置”闭环能否进一步压缩积水持续时间。
评论