Este estudio propone un marco de optimización de la red de transporte urbano multidimensional (MTNO-RQDC) para abordar los riesgos de fallas estructurales debido al envejecimiento de la infraestructura y los cuellos de botella de conectividad regional. A través de la validación de conjuntos de datos duales utilizando tanto la red vial de Baltimore como los datos de flujo de tráfico PeMS07, primero desarrollamos un modelo de simulación de tráfico que integra el algoritmo de Dijkstra con estrategias de asignación con restricciones de capacidad para guiar la planificación de reconstrucción del colapsado Puente Francis Scott Key. A continuación, creamos un modelo de optimización dinámica adaptativa del transporte público utilizando un marco de decisión de peso de entropía-TOPSIS junto con un algoritmo de recocido simulado mejorado (ISA-TS), logrando una optimización coordinada de la red suburbana-urbana mientras se mantiene una estabilidad de solución del 92.3% bajo condiciones simuladas de falla de nodo. El marco introduce tres innovaciones clave: (1) un modelo de división regional de doble capa que combina el particionamiento geográfico K-means con la zonificación funcional de agrupamiento espectral; (2) optimización de topología de red tolerante a fallas demostrada a través de simulaciones de falla de Monte Carlo de 1000 épocas; (3) validación de transferibilidad entre conjuntos de datos que muestra una variación de rendimiento del 15.7% entre los entornos de Baltimore y PeMS07. Los resultados experimentales demuestran una reducción del 28.7% en la variación del tráfico de la red vial (de 42,760 a 32,100), una mejora del 22.4% en la redundancia de rutas de transporte público y una disminución del 30.4-44.6% en la variación de la carga de tráfico regional con costos mínimos. El análisis de hiperparámetros revela dos modos operativos óptimos: el enfriamiento rápido (tasa = 0.90) logra una mejora del 85% dentro de 50 épocas para la respuesta de emergencia, mientras que el enfriamiento lento (tasa = 0.99) produce soluciones un 12.7% superiores para la planificación a largo plazo. El marco establece un nuevo paradigma multiobjetivo que equilibra la resiliencia estructural, la conectividad funcional y la robustez computacional para sistemas de transporte urbano inteligentes sostenibles.