Как водоснабжающая группа достигает снижения затрат и повышения эффективности за счет раннего предупреждения о городских подтоплениях
Yicai Technology, изучив материалы приёмки проекта комплексной интеллектуальной системы предупреждения о городских подтоплениях и противопаводковой диспетчеризации в городе J, сообщает, что этот проект основан на метеорологических радарах, мониторинге подтоплений, городской гидрологической модели и алгоритмах противопаводкового взаимодействия. Первая очередь была введена в эксплуатацию во время паводкового сезона 2024 г. Проект охватывает 340 км² центральной части города, 127 исторических точек, подверженных подтоплениям, и 22 поддорожных прохода, увеличивая среднее упреждение предупреждений о подтоплениях до 28 минут и сокращая время реагирования по ключевым точкам с примерно 42 минут до 16 минут.
В отличие от традиционного «просмотра видео после дождя и ручного сообщения о подтоплениях», проект встроил радарное краткосрочное прогнозирование, расчёт совместного сетевого и поверхностного стока, а также пороговые предупреждения в процесс противопаводкового командования, формируя положения, глубину подтопления и рекомендации по диспетчеризации на 30–60 минут вперёд.
После ввода системы в эксплуатацию подразделения водного хозяйства, транспорта и ЧС могут до пика осадков выполнить предварительное снижение уровня на насосных станциях, развертывание передвижных насосных установок и превентивное управление проходами, обеспечивая воспроизводимый пример противопаводковой диспетчеризации в условиях недостаточной водоотводной способности старого города. Приёмочные показатели требовали, чтобы упреждение предупреждений по ключевым точкам составляло не менее 20 минут, а ошибка прогноза пика подтопления — менее 5 см; фактические испытания достигли целевых показателей первой очереди.
Контекст проекта: несоответствие экстремальных осадков и водоотводной способности в старом городе
Площадь застроенной территории города J составляет около 680 км², общая протяжённость сетей водоотведения — около 9800 км, доля общесплавных сетей — около 31%. Центральные районы сформировались давно, подземное пространство сложное, стандарт водоотвода для некоторых низинных участков составляет всего 10–20 лет, при этом частота кратковременных сильных дождей растёт. Во время ливня в июле 2021 г. накопленное количество осадков за 6 часов составило 150 мм, максимальная часовая интенсивность — 68 мм; на 38 участках дорог подтопление превысило 50 см, 22 поддорожных прохода были закрыты, суммарное нарушение транспортного сообщения составило 4,6 часа, прямой экономический ущерб — около 210 млн юаней.
Анализ показал, что противоречие состоит не только в превышении осадками нормативов водоотвода, но и в чрезмерной длине цепочки предупреждения. После выпуска метеорологических предупреждений подразделения водного хозяйства, городского управления и транспорта полагались на ручное патрулирование, просмотр видео и сообщения граждан, чтобы определить места подтоплений, и часто начинали запуск насосных станций, насосных установок и закрытие тоннелей только после формирования подтопления. Для городской противопаводковой защиты важно не то, что подтопление уже произошло, а то, где и когда оно достигнет какой глубины. В старом городе дороги узкие, подземные коммуникации плотные; передвижные насосные установки достигают места в среднем за 20–30 минут, и при запаздывании предупреждения водоотводящее оборудование часто может лишь догонять уже сформированное подтопление.
В октябре 2023 г. подразделения водного хозяйства, управления в ЧС, метеорологии и транспорта города J совместно запустили этот проект; общая сумма инвестиций составила около 136 млн юаней, Yicai Technology участвовала в системной интеграции и внедрении алгоритмов. Первая очередь сосредоточена на центральных районах и поддорожных проходах высокого риска; цель — сформировать до паводкового сезона 2024 г. замкнутый контур «радар — подтопления — модель — диспетчеризация», а не просто добавить камеры или дождемеры.
Технические сложности: радарные эхо-сигналы, глубина подтопления и сложность слияния многоисточниковых данных в реальном времени
Первая сложность: прогноз осадков
Кратковременные сильные осадки имеют малый пространственный масштаб и короткую продолжительность жизни, а традиционные радары S-диапазона в условиях городского рельефа и экранирования зданиями ограниченно улавливают конвективные ячейки размером 1–3 км. В проекте внедрены фазированные радары X-диапазона для повышения сканирования до минутного уровня, но радиус покрытия одной станции ограничен, а из-за городских помех, экранирования наземными объектами и различий типов осадков прямое использование в модели подтоплений даёт отклонения.
Вторая сложность: мониторинг подтоплений
Подтопление дорог зависит от транспорта, опавших листьев, переливов через люки и уклонов; видеораспознавание легко искажается ночью и при сильных дождях, а уровнемеры отражают только глубину в одной точке. Системе необходимо одновременно определять текущее подтопление, будущие тенденции стока и риски для тоннелей, что требует привести осадки, радарные оценки осадков, уровни в сетях, работу насосных станций, высотные отметки дорог и конструктивные данные к одной временной шкале.
Третья сложность — скорость модели и качество данных. Полная двумерная гидродинамическая имитация может занимать десятки минут для одного расчёта и не подходит для скользящего предупреждения; чрезмерное упрощение не отражает общесплавные сети и включение/выключение насосов. Кроме того, базовые данные радара, результаты видеораспознавания и сырые данные уровнемеров содержат пропуски, скачки и ошибочные метки; инженерной команде нужно искать баланс между точностью, скоростью и устойчивостью, чтобы система каждые 5 минут обновляла прогноз подтоплений на 1 час вперёд и выдавала интерпретируемые результаты. Также разные подразделения по-разному понимают термины предупреждений, уровни реагирования и формат выпуска, что во время ливней может приводить к дублированию уведомлений или конфликтам команд; поэтому в проекте также потребовалось создать единый словарь данных и правила многоуровневого реагирования.
Решение: связка краткосрочного радарного прогнозирования X-диапазона и модели городских подтоплений
На уровне восприятия построены 4 двухполяризационных фазированных радара X-диапазона с эффективным радиусом обнаружения 45 км у каждой станции, временным разрешением 1 минута, пространственным разрешением 250 м и минимальной измеряемой интенсивностью осадков 0,1 мм/ч. Базовые данные радаров объединены с существующими радарами S-диапазона, формируя продукты краткосрочной оценки и экстраполяции осадков для центральных районов и периферийных 30 км. На этапе контроля качества применены подавление наземных помех, фильтрация по коэффициенту корреляции двухполяризационных данных и коррекция интенсивности осадков, что повысило долю пригодных эхо-сигналов на окраинах города примерно на 22%. Испытания показали, что после слияния индекс TS для осадков на 0–1 ч составил 0,64, доля успешного прогнозирования эпизодов с часовой интенсивностью осадков ≥20 мм — 71%, доля ложных срабатываний — около 18%.
На уровне мониторинга подтоплений установлено 312 комплектов оборудования: 40 комплектов миллиметровых радарных уровнемеров, 86 AI-видеотерминалов и 186 комплектов комбинированных устройств измерения уровня и расхода. Диапазон миллиметровых радарных уровнемеров 0–2 м, точность ±1 см, период опроса 5 с; они используются в поддорожных проходах, низинных участках дорог и приёмных резервуарах насосных станций. AI-терминалы распознают площадь водной поверхности, заезд транспорта в воду и аномалии плавающих предметов. Оборудование подключено к краевым узлам, задержка передачи данных контролируется в пределах 200 мс, чтобы во время сильных дождей перегрузка сети не приводила к выходу из строя ключевых точек. Платформа одновременно записывает три набора данных — радарные, модельные и фактические полевые измерения, что позволяет после паводкового сезона прослеживать источники отклонений; для результатов видеораспознавания применяется двойная пороговая фильтрация, что снизило долю ночных ложных срабатываний примерно на 31%.
Модельный слой использует связку «радарная экстраполяция + конвективный триггер + городская гидрология». Первый слой формирует поля осадков на 0–2 ч вперёд с шагом 5 мин; второй слой с помощью SWMM описывает расходы в сетях, переливы и уровни в узлах; третий слой на основе двумерной гидродинамики рассчитывает поверхностный сток, подтопление дорог и затопление поддорожных проходов. Модель охватывает 340 км², разрешение рельефа 1:500, погрешность высот контролируется в пределах 0,2 м; кластер из 32 GPU выполняет один скользящий прогноз примерно за 78 с, что обеспечивает непрерывную работу в паводковый сезон.
На уровне предупреждений заданы многоуровневые пороги: подтопление 15 см запускает жёлтый уровень «внимание», 30 см — оранжевое предупреждение, 50 см — красный уровень реагирования; для поддорожных проходов 20 см рекомендуется превентивное управление, 30 см — запуск связки с дорожными информационными табло и радиовещанием. Выходные данные предупреждений содержат точку, ожидаемую глубину, достоверность, затронутые дороги, объекты диспетчеризации и время достижения пика, что помогает противопаводковому командному персоналу быстро принимать решения.
Ход внедрения: от обследования точек и обучения модели к противопаводковым учениям
В ноябре 2023 г. завершено натурное обследование; команда выполнила повторную проверку высотных отметок по 127 точкам, подверженным подтоплениям, 22 поддорожным проходам, 89 низинным жилым кварталам и 32 насосным станциям. Для части исторических точек расхождение высотной базы с данными по сетям достигало 0,4 м, из-за чего старые модели предсказывали слишком малую глубину. Команда заново установила единую высотную базу и перенесла уровнемеры от края люка к центру сточного сечения, чтобы уменьшить ложные срабатывания от возмущений движением транспорта.
С января по март 2024 г. шло обучение модели. Команда использовала 11 эпизодов сильных дождей за 2018–2023 гг.: 6 для обучения и 5 для валидации. После трёх раундов настройки средняя абсолютная ошибка прогноза глубины подтопления на 30 мин вперёд для ключевых точек снизилась с 7,9 до 3,8 см, коэффициент корреляции составил 0,83; в модель поддорожных проходов добавлены параметры риска задержки транспорта, что сделало предупреждения более применимыми для управления дорожным движением.
В апреле 2024 г. проведены учения по противопаводковому взаимодействию. При имитации дождя 120 мм за 6 ч система за 41 мин спрогнозировала возможное подтопление более 30 см на пересечении проспекта Цзефан и улицы Чанцзян и передала команды на предварительное снижение уровня на насосной станции на 0,3 м, развертывание передвижных насосных установок и рекомендации объезда. В ходе учений подразделения подтверждали задачи на одной платформе; среднее время реагирования сократилось с 35 мин при традиционной телефонной диспетчеризации до 12 мин. После учений команда изменила шаблоны SMS-предупреждений и всплывающие окна на большом экране, уменьшив объём информации, которую должен читать персонал командного пункта. На этапе комплексной наладки выполнено 216 тестов интерфейсов, охватывающих системы метеорологии, водного хозяйства, транспорта и ЧС; для тоннельного радиовещания и информационных табло в проекте разработаны 12 автоматических правил взаимодействия, что сократило этапы ручного подтверждения.
В июне 2024 г. первая очередь перешла в пробную эксплуатацию в паводковый сезон. Платформа подключена к 8 типам данных: радарные, осадки, уровни, насосные станции, видео и мониторинг подтоплений; среднесуточный прирост составляет около 18 ГБ. Каждые 5 мин обновляются поля осадков и прогноз подтоплений, а после сильных дождей формируются аналитические отчёты с записью упреждения предупреждений, ошибки пика, времени реагирования и причин пропусков/ложных срабатываний. За время пробной эксплуатации система сработала 47 раз: 9 красных команд реагирования, 18 оранжевых предупреждений и 20 жёлтых «вниманий».
Итоговый эффект: повышение упреждения предупреждений и эффективности реагирования в паводковый сезон 2024 года
В основной паводковый сезон 2024 г. в городе J было 11 сильных ливней, из них 6 ливней и 3 очень сильных ливня. Приёмочная статистика показывает, что по всем 6 эпизодам сильных ливней система обеспечила эффективное предупреждение со средним упреждением 28 мин и максимальным 43 мин. Доля успешно спрогнозированных эпизодов с часовой интенсивностью осадков ≥20 мм составила 71%, доля ложных срабатываний — 18%; пропуски в основном связаны с быстро перемещающимися конвективными ячейками на периферии. В целом результаты предупреждений позволяют противопаводковым службам выполнить ключевые диспетчерские мероприятия до пика осадков. По показателям доля пропусков подтоплений глубже 30 см снизилась с 23% в начале пробной эксплуатации до 11%, однако ложные срабатывания красных предупреждений по-прежнему в основном связаны с конвективными процессами с высокой кратковременной интенсивностью осадков и малой продолжительностью.
По реагированию: из 127 ключевых точек, подверженных подтоплениям, 119 не превысили оранжевый порог 30 см, 8 достигли красного порога 50 см; во всех случаях водоотведение было завершено в течение 30 мин после ожидаемого пика. По сравнению с аналогичными осадками 2021 г. длительность нарушения проезда из-за подтопления дорог снизилась на 45%, число случаев застревания транспорта в поддорожных проходах — на 67%, экстренная эвакуация и перенаправление затронули около 3200 человек. В отчёте по приёмке проекта отмечается, что система не устраняет подтопления, а превращает их из «постфактум бедствия» в «управляемый риск».
Пример работы системы: ночь 18 июля 2024 г.
Радар зафиксировал на западе сильную конвективную ячейку с осадками 28,6 мм за 10 мин и интенсивностью эхо-сигнала 58 dBZ. Система спрогнозировала, что в поддорожном проходе на улице Чанцзян под железнодорожной линией Пекин—Гуанчжоу пик подтопления в течение 30 мин может достичь 34 см, и за 37 мин выпустила оранжевое предупреждение. Платформа совместно с транспортным ведомством закрыла проход в 22:14; в 22:31 фактическая максимальная глубина подтопления составила 28 см, порог не превышен, застрявших автомобилей не было. Последующий анализ показал, что при традиционном видеонаблюдении команда закрытия могла бы отстать на 15–20 мин.
В эпизод 12 июня 2024 г. в старом городе модель предсказала пик подтопления 22 см на пересечении проспекта Цзефан и улицы Жэньминь, за 26 мин отправила жёлтое предупреждение, а водное хозяйство заранее разместило передвижные насосные установки. После пика осадков фактическая максимальная глубина подтопления составила 12 см, что на 10 см ниже прогноза, и не вызвало нарушения проезда. Этот случай показывает, что даже при некоторых погрешностях модели достаточные упреждение и доверительный интервал предупреждения позволяют реализовать противопаводковую диспетчерскую стратегию «лучше подготовить и не использовать».
Заключение и перспективы: от предупреждения о подтоплениях к управлению устойчивостью города
Проект в городе J показывает, что для предупреждения о городских подтоплениях важны не количество устройств в отдельных точках, а способность сформировать замкнутый контур с низкой задержкой между радарами, мониторингом подтоплений, гидрологической моделью и противопаводковой диспетчеризацией. Первая очередь подтвердила осуществимость схемы «прогноз до дождя, диспетчеризация во время дождя, анализ после дождя» на площади 340 км², а также выявила такие проблемы, как недостаточное радарное покрытие на периферии, ограниченная точность данных по старым сетям и необходимость детализации правил взаимодействия для поддорожных проходов. Во второй очереди планируется расширить покрытие X-диапазонных радаров до 120 км на периферии, добавить 60 комплектов оборудования мониторинга подтоплений и включить жилые кварталы, подземные паркинги и энергетические объекты в слои рисков. На следующем этапе команда проекта планирует внедрить мониторинг подтоплений в жилых кварталах, распознавание рисков на входах в подземные паркинги и пороги затопления энергетических объектов, чтобы расширить предупреждение от дорожных подтоплений до безопасности городских жизненно важных систем.
В будущем противопаводковая защита городов будет в большей степени опираться на управление рисками на основе данных. Предупреждения о подтоплениях должны быть связаны с системами управления дорожным движением, экстренного реагирования, метеорологических сообщений и платформами для граждан, а также постепенно интегрироваться с платформой цифрового двойника города. Суть таких проектов не в наращивании оборудования, а в управлении многоисточниковыми радарными данными, параметризации и калибровке городских гидрологических моделей и долгосрочном накоплении противопаводковых бизнес-правил. С ростом климатической неопределённости городам необходимо дополнять инженерные решения по водоотведению способностями «предупреждение — диспетчеризация — восстановление», чтобы риски экстремальных осадков раньше обнаруживались, быстрее устранялись и реже перерастали в бедствия.
