未来7天10维度交通天气风险预报

要解决的问题

天气预报 App 能告诉你明天有雨，却回答不了“这趟活儿能不能干、该注意什么”。面向交通运营的场景里，决策依据是一组离散的风险判断：路面会不会湿滑、货物会不会受潮、司机疲劳阈值是否被天气推高。目前这类判断大多分散在调度员的经验里，缺少一个能把天气数据直接翻译成可执行风险条款的工具。

实现逻辑

该技能用一个知识图谱驱动的管线处理 {city_id}traffic.json，按 date + hour 升序返回 7 天 × 8 个 3 小时窗口共 50 条记录。核心是把每个时段拆成 10 个交通风险维度，覆盖人（司乘状态、驾驶行为）、车（性能、故障）、路（路面状态、通行条件）、管（交通管理）和货（货物品质、运输安全、效率）五个层面。

每条记录含 30 个文本字段，结构统一为 <维度>1（风险描述）、<维度>2（防御措施）、<维度>3（总结短语），外加 city / date / hour 三个索引字段。匹配时先做城市名规范化（去空格与全角符号），再按完全匹配→前缀→子串逐级降级，同时支持 6-9 位数字短码。

时间维度上，给了精确 hour 就取该时段；没有就取时间差最小的记录；只给日期则返回当日风险最高的一条；完全不给时间则输出 50 个时段的关键摘要。输出按 10 个维度分块，每块三行，可直接渲染为分段标题加表格。

适用边界与注意点

• 数据是预生成的图谱文本，不是实时天气 API。城市代码表由 city_data.py 中的 CITY_DICT 维护，新城市需先入库。
• 模糊匹配是设计特性，但短码与名称可能指向多个城市，调用方应做校验。
• 输出是分类与描述性文本，不含风险概率数值，下游不适合直接做定量决策。
• 运输效率维度的 “high efficiency” 指天气条件利于准点，不代表实际时效，后者还受调度影响。