引言
桥梁隧道系统是城市和区域交通网络中的关键基础设施。在人口密集的城市中，桥梁和隧道基础设施往往承担着跨越河流、山谷、铁路、高速公路及其他物理障碍的集中交通流。因此，它们的劣化或中断不仅影响单个资产的结构状况，还会影响交通系统维持可达性和可接受出行成本的能力。传统的桥梁隧道安全评估通常围绕资产级结构可靠性、状况评级、服役年龄、劣化状态和维护历史展开。这些指标对资产管理不可或缺，因为它们描述特定桥梁或隧道能否继续满足结构安全要求[1]。然而，用户主要将桥梁隧道群的失效体验为网络功能的损失，表现为可达性降低、出行时间增加和服务水平下降。关于洪水和地震等自然灾害的研究表明，局部资产损坏可能产生由网络结构以及受损资产本身共同控制的可达性丧失和阻塞模式[[2], [3], [4], [5]]。结构状态相对较差的桥梁或隧道，如果存在冗余路径，可能产生有限的系统后果；而另一个具有相似可靠性指标的资产，如果位于受限交通走廊上，则可能导致较大的功能损失。因此，桥梁隧道群评估应包含系统级功能视角，将资产级可靠性与网络服务退化联系起来。
桥梁隧道中断的网络后果与受影响节点承担的交通量以及残余网络中替代路径的可用性密切相关。近期关于城市道路网络可靠性和级联退化的研究表明，该过程受到拥堵扩散、可变容量和阻抗敏感负荷重分布的强烈影响[[6], [7], [8], [9]]。对于桥梁网络，状况记录和桥梁失效概率也已与网络拓扑相结合，以评估多个服务水平下的时变脆弱性[10]。这些研究表明，桥梁隧道网络功能应通过耦合机制进行分析，其中结构状况影响节点不可用性，交通需求控制运营后果，而重路由决定残余网络能否吸收局部扰动。
复杂网络理论为这一跨尺度问题提供了理论基础。网络鲁棒性研究表明，节点或边的移除可产生突变的连通性退化，尤其是当失效针对重要节点时[11,12]。渗流理论进一步提供了临界阈值的概念，在该阈值处，网络从连通或功能状态转变为碎片化或低效状态。对于基础设施网络，该阈值指示需要多少节点失效以及哪种失效序列才能使局部损伤发展为系统级转变。级联退化研究通过展示局部扰动可以改变负荷、流量或依赖性，从而增加其他节点或链路的脆弱性，扩展了这一观点[[13], [14], [15], [16], [17]]。对于桥梁隧道网络，这种反馈并非次要效应。当某一桥梁隧道节点被移除时，原本通过该节点的流量被重新分配到残余网络，链路出行时间发生变化，下游或并行节点的交通应力可能增加。这使得退化过程具有路径依赖性。
交通韧性和脆弱性研究也强调，基础设施网络应通过功能性、相互依赖性和服务损失来表征，而非仅通过资产状况[[18], [19], [20], [21], [22]]。对于道路和交通系统，常见的网络功能指标包括可达性、出行成本、网络效率和功能损失[[23], [24], [25], [26]]。近期多模态和暴雨韧性研究进一步表明，互联性、路段级冗余和空间分布的扰动可强烈影响网络在压力下是否仍保持可用[[27], [28], [29]]。网络效率与有向和加权交通网络尤为相关，因为它同时反映可达性和出行阻抗[30]。网络在若干节点失效后可能仍保持弱连通，但如果重路由路径变得漫长或拥堵，其有效服务水平可能已经不可接受。因此，网络级功能评估不应简化为拓扑连通性得分；还必须考虑出行时间加权的可达性以及局部扰动后的交通需求重分布。
近期关于道路网络鲁棒性、渗流和依赖结构的研究进一步表明，系统级退化通常由关键链路或节点群、空间集中的交通负荷以及重路由模式控制，而非仅由孤立的资产重要性决定[[31], [32], [33], [34], [35], [36]]。Chen等人[37]通过考虑拥堵扩散和负荷重分布，分析了目标攻击下的城市道路网络可靠性，表明交通状态演化可显著改变级联退化后果。Lei等人[10]提出了劣化桥梁网络的多级时变脆弱性框架，将结构状况信息与网络级服务评估联系起来。
基于机制的网络可靠性和韧性框架通常需要重复的连通性检查、迭代网络更新或蒙特卡洛采样，因此无法直接为大型基础设施图从初始网络状态提供快速指标估计[38]。图神经网络为图结构化的基础设施数据提供了有前景的加速工具[[39], [40], [41]]。在物理学和工程学中，图网络也被用作定义在网格或相互作用图上的模拟器的代理模型[42,43]，并已探索了用于基础设施系统可靠性计算的代理模型[44]。这些研究激励使用图学习来近似计算密集的网络指标，前提是目标指标首先由底层工程模型明确定义。
尽管取得了这些进展，桥梁隧道群评估仍存在相互关联的局限性。结构状况、交通应力和残余网络可达性很少在一个顺序退化机制中同时更新。现有评估通常强调图级鲁棒性或单个资产重要性，而没有将转变位置、导致该转变的序列抗性以及重复节点参与联系起来形成单一指标链。此外，重复的机制模拟使得快速状态评估变得困难。渗流分析和图神经网络共同为解决这些局限性提供了合适的基础：渗流分析识别有限网络服务转变，并推导出可解释的图级、序列级和节点级指标，而图神经网络通过代理预测实现快速状态评估。
因此，本研究做出三项贡献。首先，它构建了一个有向级联渗流模型，闭合了节点移除、局部流量重路由、出行时间更新和状态依赖失效概率之间的反馈回路。其次，它建立了一个多尺度指标链，其中、和分别描述图级转变容忍度、序列级抗性和节点级参与度。第三，它开发了一种边感知、多任务的服务-渗流图神经网络（SP-GNN）代理，用于快速预测机制定义的蒙特卡洛指标。所提出的框架旨在实现快速网络状态评估，并在需要时进行详细的机制基础序列分析。
