随着信息处理智能化需求的提高,行人轨迹预测在自动驾驶、异常行为检测、智能交通监管等方面成为了研究热点之一。现有的轨迹预测模型较多的引入了深度学习方法,其中代表之一的Transformer模型在处理普通序列数据时能获得较好的效果,但在面对行人轨迹序列预测时,在行人密集交互作用和轨迹中时间关系特征的处理方面还可进一步提升。因此,有必要在Transformer模型的架构基础上,针对密集交互的行人轨迹长时预测任务,开展相关的时空关系建模方法研究。针对行人轨迹预测中的密集交互和长时预测问题,分别设计并实现了一种有向稀疏的Transformer交互模型和一种多尺度多样化预测的时序模型。在密集交互场景的空间建模中,交互模型综合考虑了行人交互呈现非对称性、冗余关系多和邻居区分度不够的问题。首先,对于行人间不对称的交互关系,交互模型使用有向的自注意力关系图来提取非对称的交互关系矩阵;其次,针对密集场景中冗余交互信息较多的问题,在自注意力层中加入了近邻节点掩码和稀疏化激活函数,从而保留注意力关系矩阵的核心内容;另外,交互模型还设计了针对行人轨迹序列的相对位置编码,来提升自注意力机制对不同位置行人邻居的区分度。在长时轨迹预测的时序建模中,则需要进一步考虑长期运动过程中存在多种尺度的时间依赖关系,以及行人运动中的不确定性。对此,时序模型中使用了一种多尺度Transformer网络,通过不同结构的注意力机制分别提取不同尺度的时间关系;在应对行人运动过程中的波动时,模型在递归预测时对噪声结构进行采样,得到多样化的输出并计算最优结果的损失,以此来模拟行人运动存在的不确定性。模型在ETH、UCY行人轨迹数据集的5个场景展开的定性、定量分析实验结果表明,模型在所有场景下的平均位移误差和最终位移误差指标减小到0.359/0.693m,相比STAR（Spatio-Temporal Graph Transformer）等已有算法提升10%～15%,验证了主要工作的有效性。