본 논문은 동적이고 혼잡한 환경에서 보행자 궤적 예측의 어려움을 해결하기 위해 Social LSTM을 개선한 새로운 딥러닝 모델을 제안한다. 특히, Dynamic Occupied Space 손실 함수를 도입하여 보행자를 점으로 취급하는 기존 모델의 한계를 극복하고, 충돌을 방지하면서도 다양한 밀도 환경에서 변위 오류를 줄이는 것을 목표로 한다. 리옹 빛 축제 2022에서 기록된 실제 보행자 궤적 데이터를 기반으로 생성된 다섯 개의 데이터셋을 사용하여 모델의 성능을 평가하며, 제안된 모델은 충돌률 감소, 평균 변위 오류 및 최종 변위 오류 감소 측면에서 기존 모델보다 우수한 성능을 보인다.
