摘  要：为适应多样化的出行动态需求，城市亟需构建层次化和网络化的公共交通系统，公交站点的层级配置是实现该目标的重要前提。现有研究在进行多层级站点配置时，通常从站点在公交网络中承担的功能出发，基于预设的层级体系进行经验判别，缺乏灵活性。因此，提出一种基于多尺度子图生成的城市公交站点配置方法。以渗流模型为基础，模拟公交网络由局部连通向整体贯通的连续演化过程；在每一演化尺度下，以子图为单元确定公交站点；各尺度的配置站点集合依渗流演化过程，自下而上构成多尺度公交站点体系。以深圳为研究区域，实验结果表明：①多尺度公交站点体系呈现渐进式空间组织特征，且不同尺度下的站点在服务效能上表现出系统性差异，体现出空间结构演化与功能分化之间的内在耦合关系。整体组织逻辑与现实公交系统的分级结构相一致。②与度中心性排序等三种已有主流算法相比，在空间分布、功能匹配和服务效能三个评价维度上表现出更优的综合性能，并在多尺度演化过程中展现出了良好的稳定性。

关键词：公交站点配置；公交基础道路网络；渗流模型；子图；多尺度分析

引用格式：周凡, 黄正东. 2026. 基于多尺度子图生成的城市公交站点配置方法. 时空信息学报, 33(2): 197-207Zhou F, Huang Z D. 2026. A multi-scale subgraph generation method for configuring urban transit stations. Journal of Spatio-temporal Information, 33(2): 197-207, doi: 10.20117/j.jsti.202602004

1  引  言

公共交通系统作为城市综合立体交通体系的核心组成部分，不仅承担着保障居民日常通勤的基础功能，更在缓解交通拥堵、优化城市空间格局与推动绿色低碳转型等方面发挥着重要作用。然而，随着城市居民出行需求的动态化与多样化，现有公交系统在网络布局与功能分层上逐渐暴露出层级模糊、节点功能重叠、空间分布失衡等问题，制约了系统整体的运行效能（黄兰兰等，2022）。为提升城市公交系统的整体运行效率与服务水平，2023年交通运输部等九部门联合印发的《关于推进城市公共交通健康可持续发展的若干意见》（交运发〔2023〕144号）指出，持续优化城市公共交通线网，促进城市公共汽电车与城市轨道交通在线网、站点及运营层面的衔接融合。在此背景下，亟需构建结构清晰、空间协调、功能有序的公交站点层级体系。

针对城市多层级公交站点配置问题，目前已开展了较为系统的研究。其总体思路是从站点或网络节点在公交系统中承担的功能出发，通过不同的技术路径实现层级划分与站点配置（黄茜等，2024）。其中，具有代表性的方法主要包括两类。一是基于网络拓扑的方法。以中心性指标为核心工具，通过测度节点在网络中的重要性实现层级辨识（杨圣文等，2024）。按照度量范围的差异，可分为侧重局部结构特征的局部性指标、关注全网路径结构的全局性指标（Meng等，2020）。其中，度中心性、PageRank等局部性指标强调与周边站点的连接度，以及局部区域的集散与接驳能力（Li等，2023）。介数中心性、K-shell值等全局性指标，则更关注在全网客流路径中起桥梁作用的节点（周日彪等，2021）；全局性指标可以有效体现高层级战略性枢纽节点布局（陈烨等，2023）。然而，无论是局部性指标还是全局性指标，单一维度的中心性测度均难以全面刻画节点在公交网络中的多重角色（Zhang等，2020）。为此，部分研究尝试通过多指标集成或聚类分析来识别兼具局部集散能力与全网枢纽地位的综合型站点（Jia等，2020；章震等，2024）。二是基于优化模型的方法。将多层级公交站点配置表述为满足特定约束条件的设施选址问题，通过构建与网络结构相耦合的优化模型求解空间布局方案。早期研究通常将复杂的多层级、多模式公交站点配置问题进行分解，采用串行求解的方式以降低模型维度和计算复杂度（Huang和Liu，2014）。而随着对公交系统复杂性认识的加深，以及优化理论与计算技术的进步，研究逐渐转向更加强调整体协同的综合优化框架（钟伟等，2018）。一方面，通过引入多层规划和均衡约束等工具，来模拟网络设计者与出行者之间的双向反馈，从而使结果更贴合公交实际运营情境（Huang等，2018）；另一方面，也开始整合多个目标，以刻画不同层级、不同模式公交站点之间的功能定位与权衡关系（Wang等，2020；Zhou等，2023）。

上述研究从不同角度推动了城市多层级公交站点配置方法的发展，但普遍依赖预设的层级体系，难以灵活适应不同尺度或规划情景下的需求。近年来，多尺度子图生成方法为揭示复杂公交网络的层级特征提供了新的研究思路。其通过将网络划分为一系列在数量和规模上呈现系统性差异的子图集合，生成网络的多尺度子图序列；进而利用谱聚类（Mall等，2014）、社区探测（王海江等，2023）、渗流模型（Arcaute等，2016）等技术，使网络呈现出差异化的结构组织形态，从而揭示其内在的层级特征。谱聚类依赖拉普拉斯矩阵的特征值分解（Shi和Malik，2000），社区探测则需要迭代优化质量函数（Traag等，2019）；而渗流模型通过直接作用于网络连通关系，能够以渐进演化的方式实现尺度的自然表达。其中，传统的渗流模型具有较强随机性，且在演化过程中易过早形成占据主导地位的单一巨大子图（Achlioptas等，2009）。通过向渗流模型中引入确定性竞争机制，将原本概率驱动的随机演化过程转化为基于规则的确定性选择过程，可稳定、均衡地刻画不同尺度下的网络结构（Pan等，2011）。

基于引入确定性竞争机制的渗流模型，提出一种基于多尺度子图生成的城市公交站点配置方法。通过模拟公交网络的渗流演化过程，可在不预设层级结构的前提下生成连续的多尺度子图序列；并据此构建嵌套式的多尺度公交站点体系。

2  研究方法

基于多尺度子图生成的城市公交站点配置方法，以城市道路网络与城市建筑数据为基础，主要包含子图生成、子图站点配置两个核心模块，总体框架如图1所示。其中，子图生成模块通过引入确定性竞争机制的渗流模型，形成多尺度子图序列，为公交站点配置提供尺度划分与空间单元；子图站点配置模块则在各子图中，选取出行需求强度最高的代表节点作为公交站点，从而得到子图的配置站点。通过为多尺度子图序列中的每个子图配置对应的站点，即可构建起多尺度公交站点体系。

2.1  子图生成

通过引入确定性竞争机制的渗流模型，在统一的网络载体上逐步生成不同尺度的子图。基于城市道路网络构建公交基础道路网络，作为渗流演化的载体。其中，对于道路网络中少量较长的路段边按一定长度进行切分，形成中间节点，以符合公交站点的服务间距要求。所有道路网络节点均被视为潜在公交站点。地铁线路虽然独立于城市道路系统，但其站点也位于上述网络的节点上。

公交基础道路网络可形式化表示为一个无向图。其中，表示节点集合，表示边集合，每条边均具有空间长度属性。

引入确定性竞争机制的渗流模型以初始网络状态为起点进行迭代演化。此时网络中仅包含节点，所有边均未加入，每个节点自成一个子图。记初始子图集为，未加入边集为。

设第t次迭代时的网络状态为，其中，表示已加入网络的边集合，则未被加入网络的边的集合为。此时网络由若干子图构成，记这些子图构成子图集为S_t。对于任意一条待选边，其两端点分别属于不同的子图，则该待选边的竞争值计算原理为

式中，分别为子图S_p、S_q的节点数量。

在每一步迭代中，模型从中选择竞争值最小的边加入网络，其选择规则如

该规则优先连接规模均较小且空间邻近的子图对，从而抑制单一巨大子图的过早形成，使网络结构在迭代演化中保持相对均衡的子图规模分布。

当边被选定加入网络后，其所连接的两个子图S_p、S_q将合并为新的子图。依据式（3），此时有新的子图集：

为保证始终仅由连接不同子图的边构成，所有两端点均属于S_r的边须在该次迭代中被一次性加入网络。因此，已加入网络的边集合按照式（4），进行更新：

若，则进入第t+1次迭代。反之，网络结构恢复为原始公交基础道路网络，则终止迭代演化。此时，网络已经历从每个节点均为独立子图的初始状态，逐步演化为全部节点构成单一整体的终止状态。整个过程中各迭代步所形成的一系列子图集，共同构成了公交基础道路网络的连续多尺度表达。

2.2  子图站点配置

子图站点配置是在子图的若干节点中确定一个作为公交站点。对于渗流演化的任一迭代步t，子图集S_t中的每个子图须各自从其内部选取出行需求强度最大的节点作为公交站点，以代表该子图所覆盖区域的潜在出行需求中心。

既有研究表明，区域建成环境特征与其内部出行需求之间存在稳定关联，其中建筑体量类指标，如总建筑面积，在物理上限定了空间单元可容纳的人类活动规模，并与出行需求呈正相关关系（Si和Lin，2025）。因此，利用城市建筑数据计算节点一定缓冲区范围内的总建筑面积，从而表征其出行需求强度。具体而言，对于子图集中的任意一个子图，其中任意一个节点的出行需求强度可按照式（5），来计算：

式中，为节点缓冲区内第h个建筑的建筑面积；为该缓冲区内的建筑总数。

为子图S_a的每个节点计算各自的出行需求强度后，可通过式（6）选出S_a中出行需求强度最大的节点，作为该子图中配置的公交站点：

依此法为子图集S_t中的每个子图配置对应的公交站点，即可得到与该子图集合相对应的配置站点集。由于每个子图均对应唯一一个配置站点，因此迭代步t下的配置站点个数始终等于该时刻网络中的子图数量。据此可将配置站点个数作为尺度的直观量化指标，从而实现对多尺度公交站点体系的分析与评价。

2.3  评价指标

为系统评估多尺度公交站点配置效益，构建最近邻指数（nearest neighbor index，NNI）、功能匹配指数（function matching index，FMI）与服务覆盖率（service coverage ratio，SCR）三项评价指标，分别从空间分布、功能匹配与服务效能三个维度对站点配置结果进行综合评估。完整的渗流演化过程覆盖了网络从完全离散到整体连通的全尺度，其中部分尺度对应的配置站点集并不符合城市公交系统的实际运营特征，如站点个数接近网络节点总数或仅包含极少数站点。因此，评价指标的分析仅聚焦于站点个数处于合理规划范围的尺度区间。在此基础上，为保持分析顺序与方法的尺度演化方向一致，所有评价指标均按配置站点个数递减的顺序进行呈现与比较。

1）最近邻指数

公交站点配置在空间上通常受到站间距约束，其核心作用在于避免站点在空间上的过度聚集，从而减少服务冗余与覆盖失衡问题。在进行多尺度公交站点配置时，特定公交层级（如常规公交或轨道交通）的站间距标准难以直接套用。因此，参考已有研究（杨玉欢等，2021），采用NNI验证不同尺度下配置的站点是否满足空间均衡的基本要求。

对于任一迭代步t下的配置站点集，其中任意一个公交站的最近邻距离（nearest neighbor distance，NND）为

式中，为公交站点对之间的欧几里得距离。进一步，所有公交站的平均最近邻距离为

为消除站点个数与研究区域边界形状的干扰，需通过蒙特卡洛模拟在相同空间范围内生成相同数量的随机点集，并计算其在完全空间随机假设下的理论期望距离。在此基础上，得到最近邻指数NNI为

若NNI<1，则表明当前公交站点配置结果的空间分布相对于随机模式更为聚集；若，则趋近于随机分布；若NNI>1，则表明当前方案相对于随机分布更为均匀。理想的公交站点配置结果应在覆盖主要客流走廊的同时，兼顾城市各功能区域的服务需求，其空间分布通常应表现为相对均衡而非过度集中的模式。因此，公交站点配置结果的NNI值应明显大于1，以避免站点过度集中而导致的服务冗余与覆盖盲区。

2）功能匹配指数

尽管NNI能够有效刻画配置站点集在空间上的分布特征，但其仅反映几何均衡性，并不保证配置站点能够对应现实中具有公交功能意义的关键节点。因此，借鉴信息检索中F1分数（F1 score，F1）的思想构建FMI。其从匹配精度（matching precision，MP）与匹配覆盖度（matching recall，MR）两个方面，综合衡量不同尺度下配置站点与既有或潜在公交功能节点的匹配程度。

对于任一迭代步t，匹配精度MP_t与匹配覆盖度MR_t的计算分别如

式中，P为基准站点集。其构建充分考虑公交系统的发展阶段差异。对于公交系统相对完善的区域，直接选取现有网络中承担集散或换乘功能的节点作为基准站点；而在公交系统尚处于发展阶段、缺乏明确功能节点的区域，则依据道路网络的拓扑结构与等级属性，优先选取高等级道路的交叉口作为具有潜在公交功能指向的关键节点纳入P。

在此基础上，进一步计算迭代步t下的功能匹配指数：

对于任一迭代步t，取中任意一个站点，以该站点为中心建立一个半径为的空间区域，即为该站点的服务单元，则该迭代步下站点集整体的服务覆盖率：

式中，为服务单元在统计周期内发生的人群流动总量，即为单元内所有位置点人群流入量与流出量的总和；分别为位置x处对应的人群流入量、流出量。

为整个研究区域在相同统计周期内发生的人群流动总量，其计算原理与式（14）一致，但求和域为整个研究区域空间范围R，有

其中，R在概念上独立于且不等于各站点服务单元的集合，二者在计算上互不依赖。

3  实验结果分析

3.1  研究区域与实验数据

1）研究区概况

深圳是改革开放后快速成长起来的国际化创新型都市。根据《深圳市2024年国民经济和社会发展统计公报》，全市年末常住人口达1798.95万人。在公共交通方面，深圳已建成涵盖地铁、常规公交、快线公交等多模式的复合型公交网络。截至2024年年底，全市地铁运营线路总长595 km，公汽线路总规模达1.83万km，地铁与公汽客运量分别达到30.97亿人次、7.99亿人次。

图2展示了深圳市公交基础道路网络的空间格局与人群流动量的空间分布特征。总体来看，深圳不同区域的人群流动强度与公交基础道路网络密度，在空间上呈现明显的梯度分布特征。中心城区人群流动量密集且呈带状或片状集聚，公交基础道路网络亦呈现出网格化、密集化的空间形态。向外围拓展区及郊区延伸的过程中，人群流动量的高值区开始由片状向点状分布过渡；同时，公交基础道路网络也逐渐变得稀疏，最终变为枝状的网络形态。

2）实验数据及预处理

实验数据包括城市道路网络、城市建筑数据、公汽与地铁站点数据和人群流动数据。具体如下所述。

（1）城市道路网络，来源于OSM（OpenStreetMap）网站所提供的深圳市2024年道路信息。原始数据中存在局部坐标偏差、重复轨迹及拓扑断裂等问题。为保证道路网络与公交运行空间的一致性，进行如下系统的拓扑修复与空间筛选：通过几何拓扑检查识别并修复断裂、重叠及悬挂边等错误轨迹；依据道路类型与尺度特征，剔除小区内部道路、背街巷道及其他不具备公交通行功能的细碎道路，同时人工补充局部缺漏的主要道路。

（2）城市建筑数据，用于表征节点的出行需求强度，来源于天地图所提供的2024年深圳市电子地图数据。通过进行建筑要素提取与矢量化处理，获取建筑物的平面轮廓及其相关属性信息，如占地面积、楼层数、总建筑面积等。为保证分析精度，对建筑要素进行几何清理与拓扑修复处理；随后提取建筑平面几何中心点，用于节点缓冲区范围内总建筑面积的统计分析。

（3）公汽与地铁站点数据，用于构建验证模型有效性的基准站点集，来源于深圳市交通运输局网站，数据时间2024年年底。基于百度地图地理编码服务批量获取站点经纬度坐标，其中地铁站点可直接确定站点的点位位置，而公汽站点仅能获取站台点的位置。对原始数据中的站台名称文本进行规范化清洗，去除方向编号、括号内容等附加字符，得到同名站台。通过计算同名站台点的平均坐标，以获得公汽站点的虚拟点位位置。而由于公汽站点一般围绕道路交叉口（或较长道路中段节点）布置站台，因此将获得的虚拟点位关联到最近的道路节点。通过这种方式，有公交站点关联的道路节点被赋予现状站点属性。

进一步地，筛选出关联有地铁站、公汽快线站或公汽干线站的路网节点，共同构成评价所需的基准站点集。其融合了深圳市公交体系中承担跨区通勤、主干换乘与主要走廊服务功能的核心节点，符合以具有集散或换乘功能节点为基准的评价理念。模型评价时并未对基准站点集进行分层，而是将其作为整体参照，用以衡量模型配置结果与实际公交功能节点之间的一致性。

（4）人群流动数据，用于评价模型服务效能，来源于联通智慧足迹平台，以匿名化、聚合化形式获取。其以500 m×500 m的网格单元表示，时间为2024年5月13～19日的一个完整日历周，记录了每日各时段内网格之间的人群流动情况。为契合公交主要服务时段并表征常态化的活动强度，提取每日07：00～22：00时所有的人群流动记录，将每个网格的流入量与流出量绝对值相加，得到各网格每日的人群流动总量，进而计算一周内的日均值。

由于人群流动数据是栅格形式，因此在依据式（13）计算SCR时，需将所配置的公交站点映射至其所在的500 m网格，以此网格定义该站点的服务单元。此时，为该站点所在网格的日均人群流动量，而则为研究区域全域所有网格日均流动量之和。

3.2  节点缓冲区半径的确定

缓冲区半径的取值直接影响节点邻域内总建筑面积的统计，并进一步影响多尺度站点配置。为分析不同缓冲区半径条件下的差异，参考《城市综合交通体系规划标准》（GB/T51328—2018）中，公交站点服务半径的划分值；同时，参考已有研究（李苗裔和龙瀛，2015），对300 m、500 m和800 m三种半径下的站点配置结果进行了对比，结果如图3所示。

由图3（a）可看出，500 m缓冲区半径条件下各尺度的NNI值均明显大于1，且整体曲线始终位于三种评价参数条件中的最高水平。因此，NNI下配置站点的空间分布最为均衡，能够有效避免局部过度聚集现象。图3（b）中，500 m与800 m两种缓冲区半径下FMI整体水平相近、差异并不显著，而300 m缓冲区半径下FMI在各尺度下则明显低于其他两种评价参数。究其原因，过小的缓冲区半径导致节点感知范围受限、难以完整刻画节点周边建成环境特征，从而影响与基准站点的匹配。图3（c）中，500 m缓冲区半径下的SCR曲线在各尺度区间内整体高于其他两种评价参数，且800 m缓冲区半径的SCR曲线表现为略低于300 m的。这表明，过大的缓冲区半径反而会使总建筑面积的空间梯度被过度平滑，从而削弱不同节点之间的区分度。

总体而言，500 m的缓冲区半径在三项评价指标中表现最佳。此时，节点邻域内的总建筑面积既能够保持足够的区分度，又避免了过度平滑效应。

3.3  典型尺度下的站点配置分析

在500 m缓冲区半径条件下，从多尺度站点配置结果中选取四个级别典型尺度构建展示案例，以呈现不同尺度下站点的空间组织特征。按照配置站点个数由少到多，将对应的配置站点集合分别划分为一级站点（100个）、二级站点（250个）、三级站点（500个）和四级站点（1000个）。图4展示了深圳市的公交基础道路网络存在明显的空间异质性，各级站点均较好地响应了这种空间特征。在网络密集区域，站点分布相对均衡，不同级别站点共同构成覆盖完整、结构清晰的站点体系。而在网络稀疏区域，受节点数量限制，站点体系整体呈现相对简化的形态。这种差异反映了公交基础道路网络结构对站点配置的约束作用，表明本文方法能够在不同交通发展条件下自适应生成与当地网络结构相契合的站点体系。

由图4还可看出，从各级站点的空间分布特征来看，站点体系整体呈现出由骨架构建、范围扩展到空间填充的渐进结构。一级站点在整个研究区域内分布相对均衡，覆盖了城市的地域性关键节点；二级站点围绕一级站点向周边区域扩展和延伸，逐步扩大服务覆盖范围；三级站点与四级站点则在此基础上进一步填充，使整个站点体系趋于完整。这种空间渐进特征与图3（c）中的变化趋势形成呼应，从服务效能层面验证了各级站点空间分布的合理性。其中，当站点个数为500～1000时，SCR曲线下降较为平缓，表明在此阶段减少的站点多分布于人群流动量相对较低的区域，对整体服务效能影响有限。这与三级站点与四级站点在空间上承担末端覆盖与局部填充的角色一致。随着尺度增大至站点个数为250～500时，SCR曲线下降速度开始加快，说明被保留下来的站点逐渐集中于人群流动量较高的区域。这与二级站点围绕主要交通廊道向周边扩展延伸的空间特征相吻合。当站点个数进一步减少为100～250时，SCR曲线呈现更为明显的加速下降趋势。这是因为此时站点主要位于换乘枢纽或主要客流走廊，对整体出行服务具有关键支撑作用。

深圳市的案例表明，多尺度公交站点体系在空间分布特征与服务效能变化之间呈现出明显的耦合关系，且表现出与现实公交系统分级逻辑相近的组织形态。在实际规划应用中，可依据SCR曲线变化趋势识别不同功能区间，并将其作为站点层级划分的重要参考，从而为多尺度站点配置结果向离散多层级站点体系的转化提供量化依据。

3.4  对比实验分析

为进一步验证方法在城市多尺度公交站点配置中的优越性，从目前主流的三类方法中选取具有代表性的已有算法，构建对比实验（表1）。其中，递归最小割与Leiden两种多尺度子图生成方法在生成子图后，按照式（6）进行节点选取。三种方法在相同站点规模条件下进行对比，得到结果如图5所示。

从图5（a）可看出，度中心性排序的NNI在各尺度下均明显低于1，并且NNI曲线呈下降趋势。这表明其配置的站点集表现出显著的空间聚集特征，并随着配置站点个数的减少愈发集中于中心城区的高连接节点。递归最小割的NNI值呈现大多数稍逊于1，仅在站点个数接近100时才大于1，说明其整体分布仍偏向集中，但随着配置站点个数的减少能有所改善。本文方法、Leiden在整个尺度区间内表现出更高的NNI水平，表明二者配置的站点集在空间上更为均衡。其中，Leiden在站点个数为100～300时具有明显波动。这可能是其以模块度最优为导向的子图生成机制所导致的。由于不同尺度下生成的子图并非逐层合并或分裂形成，使得相邻尺度间的子图边界发生重组，从而使性能表现不稳定（Wang等，2025）。

从图5（b）可看出，FMI综合反映了不同方法随尺度变化在匹配精度与匹配覆盖度之间的平衡情况。总体来看，随着配置站点个数减少，各方法对基准站点集的覆盖能力逐步降低，其FMI曲线也因此呈下降趋势。在三种多尺度子图生成方法中，本文方法的FMI曲线略高于另外两种方法。Leiden、递归最小割表现相近；但前者由于子图边界重组，导致曲线出现一定波动，稳定性欠佳。度中心性排序的FMI曲线在站点个数为700～1000时，略高于其他三种多尺度子图生成方法；但在站点个数为100～500时则显著较低。究其原因，节点的度中心性排序主要反映其在网络局部结构中的连接强度，并不一定对应其在现实公交系统中的关键程度（陈少沛和林湛清，2022）。当配置站点个数较少时，大量与基准站点匹配的节点因度中心性排序相对较低而被舍弃，造成匹配精度下降。匹配精度与匹配覆盖度的双重下降，使得度中心性排序的FMI明显低于其他方法。

从图5（c）可看出，在所有尺度下，本文方法的SCR指标始终高于其他方法。这表明其在相同站点个数约束下能够满足更大比例的出行需求，整体服务效能最优。此外，三种多尺度子图生成方法的SCR曲线均呈现由缓至急的非线性变化趋势，说明其在尺度演化过程中能够在一定程度上保留服务能力较强的关键站点，实现功能差异的逐步显现。度中心性排序的SCR指标不仅在各尺度下均处于最低水平，且曲线近似线性下降，表明其在尺度变化过程中缺乏对服务能力差异的有效识别。

总之，本文方法在空间分布、功能匹配与服务效能三个维度上均表现最优，并在多尺度演化过程中保持良好的稳定性，体现出更优的综合性能。

4  结  论

针对城市公交站点配置中存在的空间失衡及层级结构僵化问题，以引入确定性竞争机制的渗流模型为核心，提出了一种基于多尺度子图生成的公交站点配置方法。通过模拟公交网络的渗流演化过程，可在不预设层级结构的前提下生成连续的多尺度子图序列；并据此构建嵌套式的多尺度公交站点体系。以深圳市为研究区域，实验结果表明：①多尺度公交站点体系呈现渐进式空间组织特征，且不同尺度下的站点在服务效能上表现出系统性差异，体现出空间结构演化与功能分化之间的内在耦合关系。整体组织逻辑与现实公交系统的分级结构相一致。②与度中心性排序、递归最小割及Leiden三种已有主流算法相比，本文方法在空间分布、功能匹配和服务效能三个评价维度上表现出更优的综合性能，并在多尺度演化过程中展现出了良好的稳定性。

尽管本文对多尺度公交站点配置的方法进行了探索，但仍有进一步深化的空间。在出行需求强度的表征上，未来可融合建筑类型、关注点（point of interest，POI）语义信息等多源数据，以进一步提升表征的精细程度。在方法应用上，可结合子图规模分布特征与模型评价指标变化规律，探索面向实际规划需求的半自动或自动化层级识别方法。