气候变化和城市化加剧了各个地区的洪涝产生,洪涝不仅给社会经济和环境造成了无法估量的损失,同时严重威胁着人们的生活和社会发展。道路作为一种不透水的表面,不仅是城市的重要基础设施,而且是促进经济发展的关键要素。道路极易遭受洪涝的侵害,且受损的路段对城市产生巨大影响,但目前洪涝的相关研究极少将道路信息纳入到考虑范围。为了解决当前洪灾风险评估研究中缺乏道路信息,本研究提出了面向道路环境的洪灾风险分区方法,该方法充分考虑到道路环境信息和洪水信息,同时在风险分区后提供了针对易受灾区域面向复杂水文环境的水位预测方法,提高洪涝预测精度,丰富洪涝探测感知服务。基于路域洪灾风险评估和水位预测方法,本文构建了洪灾风险评估与水位预测服务系统。本文的主要研究内容及成果如下:1.提出了路域环境下的洪灾风险分区模型。该方法综合考虑了洪水情况和路况,在道路环境下洪水风险的空间特征的基础上,构建洪灾风险分区模型,为城市洪灾风险评估提供新的视角。2.提出了自适应遗传算法改进神经网络的水位预测方法。该方法主要用于对洪灾发生前的附近水位进行监测,与其他预测方法相比,该方法中具有出色的适用性,并且可以在易发洪水地区提供更好的水位预测效果。3.构建了面向风险监控人员的洪灾风险评估与水位预测服务系统,并在开发设计中保证了系统的可扩展性、灵活性、交互性和操作幂等性。为相关人员提供路域灾害场景下的及时决策信息支持。4.本研究选择长株潭城市群作为实验区域,1997年6月发生的特大型洪灾作为测试用例,进行洪灾风险分析。结果表明,洪灾分区模型能够较好的划分研究区域的易受灾范围,且水位预测精度比现有预测模型要高,能够较好完成实验区域的洪灾分析任务。