歩行軌跡の予測は、過去の歩行軌跡や周囲の歩行者の存在など、さまざまな要因を考慮する必要がある。既存研究では、大量の歩行データをLSTMなどの1つの共通のディープラーニングモデルに学習させることで、歩行者の歩行特徴を抽出し、予測を行っている。しかし、これは、歩行特徴が周囲と大きく異なる歩行者の特徴が抽出されない平均的なモデルとなってしまうおそれがある。そこで、本論文では歩行者を歩行特徴、例えば、歩行速度でクラス分けを行い、クラス別に学習・予測をすることで、あらゆる歩行者の特徴を抽出して、より高い予測精度を示すことを確認する。