作为城市交通系统的重要组成部分，城市公共交通网络长期以来一直是研究的重点[1,2]。这类网络通常整合了多种公共交通模式。随着其规模和模式多样性的持续扩展，其结构变得越来越复杂，从而难以准确识别其内在特征。这反过来又阻碍了优化网络结构、实施基于网络分析的管理策略以及有效分配应急资源的努力，最终限制了整个系统韧性的提升。现有研究已经认识到，准确评估单个站点的影响并识别对维持网络功能至关重要的站点对于理解和描述城市公共交通网络是必不可少的[3,4]。鉴于城市公共交通网络出现的新兴特征，包括多模式性、规模扩大和结构复杂性，开发改进的站点重要性评估和关键站点识别方法已成为理论进步和实际应用的紧迫研究课题[5,6]。
基于复杂网络理论，研究人员通常将站点视为节点，并采用一系列分析方法来评估每个站点在城市公共交通网络中的影响[7,8]。由于每种交通模式通常具有不同的网络结构和运营特性，大量研究集中在评估单个模式内的站点重要性上。这种特定模式的分析有助于揭示站点在其各自系统中的独特作用，从而支持特定模式的调度和资源分配策略，更贴近实际运营需求。然而，这种孤立的观点存在局限性，因为它忽视了不同交通模式之间的相互作用。实际上，换乘站点的中断不仅会影响同一模式内的相邻站点，还会通过跨模式链接影响其他模式的运营。这可能会损害城市公共交通网络的整体连通性和稳定性[9,10]。事实上，随着换乘站数量的增加和跨模式换乘的便利性提高，不同模式之间的连接变得更加紧密，共同形成了一个复杂的集成网络[11,12]。此外，网络整合和多模式协调等概念已成为城市交通规划研究中的突出主题[13,14]。这些趋势也推动了从多模式角度进行关键站点识别研究的增长，这种研究关注的是集成网络，并充分考虑了跨模式之间的相互作用。采用这种多模式方法的研究有助于突出连接不同模式的换乘站点的全球影响力。然而，大多数现有研究使用统一的排名方法评估集成网络中的所有站点，将不同模式的站点视为结构上等同的[15,16]。这种统一的方法忽视了交通模式之间的固有差异，如网络规模、拓扑密度和服务能力的差异。因此，排名可能会偏向于某些特定模式的站点，低估了其他站点的角色。即使在试图从统一的重要性得分中得出特定模式排名时，这些指标也是基于集成网络计算的，在计算过程中已经混淆了模式间的结构差异。结果，不同网络层中站点的角色可能会被平均化，从而影响识别的准确性。
实际需求和学术研究都产生了对多模式城市公共交通网络中关键站点准确识别的共同需求。一方面，保留站点在其各自模式中的独特功能角色对于支持特定模式的管理策略至关重要；另一方面，也必须反映站点在网络中的全球影响力，以实现多模式视角下的有效系统治理。因此，一个核心挑战在于如何通过同时考虑站点在其自身模式中的角色及其在跨模式协调中的价值来评估站点的重要性。
多模式城市公共交通网络中另一个需要特别关注的问题是明显的时间变化性。由于不同模式的服务时间表存在差异，交通系统的组成在一天中会发生变化。在不同的运营时段，可用的模式组合会改变，各模式的服务覆盖范围和线路容量也会显著波动。例如，在高峰时段可能会引入额外的快速线路以增加容量，而某些线路可能在夜间暂停或减少运营频率。更重要的是，这些变化不仅涉及运营参数的调整，还涉及网络结构本身的变化。夜间某些模式的停止会减少网络层的数量，而在高峰时段引入额外线路会改变层内拓扑结构。因此，交通网络的关键特征（如站点组成和服务容量）会随时间而变化。特定站点的功能重要性也可能相应变化。传统的静态站点识别方法不足以捕捉现实世界公共交通网络中观察到的明显时间动态。因此，一个关键的研究挑战在于如何将城市公共交通网络的时间动态纳入站点重要性评估中，从而实现更准确和实际相关的评估。一些现有研究[17]采用了需求侧视角，使用乘客流量数据来评估动态站点重要性。这种方法直接捕捉了实际出行需求的分布。然而，仅依赖乘客流量数据不足以全面描述站点对网络结构和服务功能的贡献。实际上，供应侧评估能够捕捉网络的内在结构容量和服务潜力。由于乘客流量分布本身在很大程度上受到网络结构的影响，因此从供应侧描述站点重要性具有独特的价值，并为后续整合需求侧数据提供了方法论基础。
为了解决上述实际管理需求、研究趋势和方法论挑战，本研究提出了一个用于城市公共交通网络的关键站点识别框架。该框架首先构建了一个多时期、多层次的网络模型，以捕捉城市公共交通系统的时间动态。基于该模型，首先从单一模式的角度评估站点重要性，考虑每种交通模式的结构差异和运营特性，以量化站点在其各自层中的功能角色。随后，从全局网络的角度出发，结合跨模式连接信息，对整个网络中的站点重要性进行综合评估。最后，通过实证案例研究验证了所提出方法的有效性和可靠性。
本研究的主要贡献总结如下：（1）提出了一种结合分层计算和跨层融合的站点重要性评估方法，使评估结果能够满足特定模式管理和跨模式协调的实际需求；（2）引入了“层间邻近性”概念，并将其纳入改进的重力模型中，以量化站点的跨模式影响；（3）构建了一个多时期、多层次的网络模型，以捕捉日内运营动态，允许网络层数量、层内拓扑结构和层间关系随时间变化，从而实现站点重要性的动态评估。同时，关键站点识别从静态排名扩展为基于时间变化模式的分类。此外，还对所提出方法的应用性进行了几项改进，以适应城市公共交通网络。
本文的其余部分组织如下：第2节回顾相关文献；第3节介绍方法论；第4节描述实际案例研究；第5节讨论所提出方法的验证；第6节总结本文并概述未来研究的方向。
