Understanding　the　spatiotemporal　dynamics　of　short-duration　heavy　rainfall　(SDHR)　is　critical　for　urban　flood　management.　This　study　applies　the　K-shape　clustering　algorithm　to　classify　105　SDHR　events　in　Beijing　(2009-2021)　using　hourly　rainfall　data.　Compared　to　K-means　and　DTW,　K-shape　prioritizes　temporal　shape　alignment,　crucial　for　capturing　phase-shifted　rainfall　patterns.　Three　clusters　emerged:　(1)　localized　moderate-intensity　events　(13.3%　of　events)　peaking　at　noon　(11:00-14:00　LST)　in　western/southeastern　regions,　with　weak　burstiness　(44.3%　stations　peak　within　0-1　h)　and　moderate　spatial　variability　(Cv　=　1.08);　(2)　highly　variable,　intense　urban　rainfall　(47.6%　of　events)　characterized　by　rapid　burstiness　(72.5%　stations　peak　within　0-1　h)　and　extreme　spatial　heterogeneity　(Cv　=　1.21),　concentrated　in　central　urban　areas　with　peak　intensities　＞130　mm/h;　(3)　prolonged　heavy　rainfall　(39.1%　of　events)　lasting　＞6　h,　featuring　significant　accumulation　(mean　＞　50　mm/day)　in　northeastern　plains.　The　framework　identifies　high-risk　zones　(e.g.,　Cluster　2＇s　urban　flash　floods)　and　informs　adaptive　drainage　design　(e.g.,　prolonged　resilience　for　Cluster　3).　This　study　highlights　the　necessity　of　combining　statistical　metrics　with　domain　expertise　for　robust　SDHR　classification　and　provides　insights　for　urban　flood　management,　emphasizing　targeted　strategies　for　different　rainfall　patterns.