《Journal of Hydrology》：Generalization of an innovative flood risk assessment model integrating hydraulic instability of pedestrians and vehicles with siltation in urban drainage pipelines
编辑推荐：
现有洪水风险评估模型忽略管道淤积对水文参数的影响及行人车辆液压不稳定风险。本研究提出融合两者因素的综合评估模型：通过牛顿力学与概率密度函数约束推导行人车辆临界流速方程，采用安全系数自适应惩罚方法（SM-APM）修正不稳定曲线，并构建基于"淤积管道-检查井"系统物理机理的智能预测模型量化管网淤积程度。案例研究表明该模型使Manhole水深NSE提高0.262-0.339，管道流量NSE提高0.311-0.362，地表水深ER降低4.2%-25%，较传统模型最大提升57.6%和63.3%。
丹阳 迪|郝 胡|赵阳 张|郝 嘉|李梦宇|徐京波
郑州大学水利与交通学院，中国河南省郑州市450001
摘要
现有的洪水风险评估模型忽略了管道淤积对洪水模拟准确性的影响，也没有考虑行人和车辆在水力不稳定性方面的风险。针对这一问题，提出了一种考虑行人和车辆水力不稳定性的洪水风险评估模型。首先，基于以往的研究，通过采用牛顿力学分析和概率密度函数的物理约束，制定了行人和车辆在洪水中的临界流速控制方程。然后，通过引入安全裕度系数和自适应惩罚方法对不稳定性曲线进行了修正。在此基础上，通过分析淤积管道和检修井的水力响应特性，构建了一个基于物理信息的智能预测模型来预测管道淤积情况，并建立了一个改进的洪水模拟模型，该模型考虑了管道淤积的影响。最后，通过对中国开封市某一特定区域的案例研究，评估了改进后洪水模型的准确性以及城市洪水风险的空间分布特征。研究结果表明，考虑管道淤积的洪水模型可以使检修井水深和管道流速的NSE（数值模拟误差）分别提高[0.262, 0.339]和[0.311, 0.362]，同时使地表水深的ER（误差率）降低[4.2%, 25%]。与不考虑管道淤积的情况相比，检修井水深和管道流速的NSE最大提高幅度分别为57.6%和63.3%，地表水深的ER最大降低幅度为25%。所提出的方法有助于政府更有效地进行洪水风险决策。
引言
城市洪水具有发生频率高、影响范围广、经济损失严重以及突发性强等特点（张等人，2025a；张等人，2025b）。2021年，中国郑州市遭受了一场极端强降雨的袭击，最大小时降雨量达到了201.9毫米。这场灾害导致全省398人死亡或失踪，直接经济损失达1200.6亿元人民币（朱等人，2025）。洪水已成为制约城市可持续发展的严重问题。
进行洪水风险评估可以科学量化灾害程度和影响范围，从而为城市洪水风险管理提供科学依据。道路上的行人和车辆是洪水的主要受害者。他们不仅受到淹没深度的影响，还受到流速的影响。流速是评估城市洪水风险时不可忽视的关键指标之一（Adeke等人，2025）。目前关于城市洪水风险评估的研究逐渐将流速纳入评估指标（Fathi等人，2025），但缺乏对洪水中西行人和车辆不稳定状态的研究，也没有同时考虑行人和车辆的风险水平（Milanesi等人，2020），因此无法为居民在雨天的出行和疏散提供科学建议。近年来，一些学者关注了洪水条件下行人和车辆的稳定状态（Arrighi等人，2017；Bocanegra和Francés，2021）。在河流动力学中采用了工程原理和沉积物启动理论，推导出了行人和车辆在洪水中的启动流速公式（Musolino等人，2020）。在此基础上，制定了各种车辆和行人的不稳定函数，并构建了车辆乘员的风险评估模型（Evans等人，2024）。然而，现有模型存在参数多、计算复杂度高和准确性有限等问题（夏等人，2011）。
此外，城市洪水预警要求洪水风险评估具有高度的准确性。目前，对于由暴雨引发的洪水风险评估方法，大多数研究将基于传统地表-地下耦合机制的洪水模拟模型与统计工具相结合（王等人，2024）。尽管这些模型能够根据模拟的淹没结果对风险等级进行分类，但它们未能考虑排水管道淤积对水力参数的影响，以及地表和地下径流生成和集中的过程（张等人，2025a；张等人，2025b）。此外，模型参数的校准主要依赖于手动调整，这些模型还存在模拟时间过长的问题（Assaf等人，2024）。因此，基于传统地表-地下耦合机制的城市洪水风险评估方法难以满足精确预测的需求，不适合用于灾前预警。
上述研究中分析并校准了行人和车辆不稳定性的临界起始流速，这对洪水风险评估具有重要意义。然而，现有的洪水风险评估模型存在不足之处。传统的洪水模拟方法没有考虑管道淤积对水力参数的影响以及子流域的地表和地下耦合。一些研究仅考虑了某些参数的修正项（Olsson等人，2025），现有的管道淤积程度预测方法准确性较低。此外，传统的方法在分类城市洪水中西行人和车辆风险时缺乏深入的数学和物理水力模型分析。洪水中的不稳定现象期间的临界流速仍不清楚，且缺乏对不稳定曲线的科学校准和修正。所有这些因素共同限制了洪水风险评估的计算准确性和运行效率的提高。
为了提高洪水风险评估的准确性，本研究构建了一个创新的洪水风险评估模型，该模型结合了城市排水管道中行人和车辆的水力不稳定性以及淤积现象。首先，通过牛顿力学分析和概率密度函数的物理约束，得到了行人和车辆在洪水中的临界流速控制方程。然后，通过采用安全裕度系数和自适应惩罚方法（SM-APM）对不稳定性曲线进行了修正，并基于风险矩阵提出了行人和车辆在洪水中的综合风险评估模型。在此基础上，通过分析“淤积管道-检修井”的水力响应特性，构建了一个基于物理信息的智能预测模型来预测管道淤积情况，并提出了子流域排水网络等效淤积程度的量化方法。随后，建立了一个考虑管道淤积影响的改进数值洪水模拟模型。最后，基于改进的洪水数值模拟模型和考虑行人和车辆不稳定状态的洪水风险等级评估方法，分析了研究区域城市洪水风险等级的分布特征，为居民的出行方式选择提供了科学建议。总之，本研究的目标和创新点如下：
(1) 结合流体力学、摩擦力学、概率分布以及基于安全裕度系数和自适应惩罚方法（SM-APM）的概率曲线收敛平滑技术，构建了行人和车辆在洪水中的临界流速控制方程集。提出了一种综合考虑行人和车辆在洪水中的不稳定状态的全面洪水风险评估方法，避免了传统经验方法在确定风险等级时的主观性。
(2) 根据恒定水体积原理、动量守恒定律和能量守恒定律，开发了一套“淤积管道-检修井”系统的水力响应特性控制方程。通过集成注意力机制、双向长短期记忆网络（BLSTM）、变换器网络和物理信息神经网络（PINN），提出了管道淤积程度的智能预测方法和子流域管道网络等效淤积程度的量化方法。基于动量守恒原理制定的淤积管道过流控制方程用于指导耦合子模块的集成，从而替代了传统洪水模拟模型（SWMM+LISFLOOD-FP耦合平台）中的原始管道过流计算核心，以考虑排水管道淤积的影响。
本文的其余部分结构如下：第2节描述了结合城市排水管道中行人和车辆水力不稳定性的洪水风险评估模型的结构和理论分析。第3节介绍了区域数据、基础数据、降雨配置和评估指标。第4节展示了研究结果。第5节讨论了研究的普遍性和局限性。最后，第6节提供了结论。
研究框架
本研究旨在建立一种考虑行人和车辆不稳定状态的城市洪水风险等级模型，如图1所示。首先，分析了行人和车辆在洪水中的受力情况，并通过概率密度函数的物理值约束条件得到了行人和车辆不稳定性的临界流速控制方程。然后，采用了安全裕度系数和自适应惩罚方法
研究区域
我们的研究地点位于河南省东部、黄河下游黄淮平原的南岸的开封市（Bian等人，2025）。我们选择了位于开封市龙亭区的黄河水利技术研究所作为研究区域。研究区域面积为0.61平方公里，包括193个雨水检测井和193条排水管道。
管道淤积程度智能预测结果的准确性验证
通过三种互补的方法构建了管道淤积-流量数据集：现场测量、全尺寸实验和数据扩展。基于该数据集，开发、训练并验证了管道淤积程度的预测方法。预测模型的训练步骤见附录A。使用研究区域内117条排水管道的测量淤积数据验证了模型的准确性。图8(a)显示了……
不同洪水风险评估方法对评估结果的影响分析
在洪水风险等级评估中，较为常用的方法有水深-时间矩阵方法（称为“方法Ⅰ”）和HR评估方法（称为“方法Ⅱ”）（Maranzoni等人，2023），这些方法适用于城市地区的洪水风险评估。因此，以1a、10a和200a降雨情景下的洪水模拟结果为例，比较和分析了本研究提出的洪水风险评估方法（称为“方法……”）与这些方法的差异
结论
本研究旨在构建一个结合城市排水管道中行人和车辆水力不稳定性的洪水风险评估模型，从而提高洪水风险评估的准确性。首先，通过牛顿力学分析和概率密度函数施加的物理约束，推导出了行人和车辆在洪水中的临界流速控制方程
未引用的参考文献
戴等人，2024年；迪等人，2025年；Praharsha和Poulose，2024年。
CRediT作者贡献声明
丹阳 迪：撰写 – 审稿与编辑、撰写 – 原稿、可视化、验证、监督、项目管理、方法论、调查、资金获取、形式分析、数据管理、概念构思。郝 胡：撰写 – 审稿与编辑、撰写 – 原稿、可视化、验证、监督、项目管理、方法论、调查、资金获取、形式分析、概念构思。赵阳 张：撰写 – 审稿与编辑、撰写 –
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。
致谢
本工作部分得到了国家自然科学基金（项目编号：42477172）、河南省高校科技创新人才（项目编号：24HASTIT026）、河南省自然科学基金（项目编号：252300421086）、河南省科技创新团队计划（项目编号：23IRTSTHN004）以及河南省科技研究计划重点项目联合基金的支持。
