본 논문은 도시화로 인한 마을 공간 특성 소실 및 풍경 균질화 문제를 해결하기 위해, 다중 소스 데이터를 통합하는 계층적 그래프 신경망(HGNN) 모델을 제안합니다. 이 모델은 입력 노드와 통신 노드, 정적 입력 엣지와 동적 통신 엣지를 사용하여 그래프 컨볼루션 네트워크(GCN)와 그래프 어텐션 네트워크(GAT)를 결합하여 다중 모드 특징을 효과적으로 통합합니다. 또한, 관계형 풀링 메커니즘과 17개 하위 유형에 대한 공동 훈련 전략을 도입하여 마을 공간 형태 분류를 개선합니다. 실험 결과는 기존 방법보다 향상된 성능을 보여주며, 특히 토지 구획 관련 작업에서 6%의 성능 향상을 기록했습니다.
