歩車共存空間は、歩行者と車両が近くに混在し、交通規則より社会規範が行動を左右する環境を指す。このような空間では、歩行者と車両の相互作用が多様化し、歩行者の移動軌跡が複雑化するため、予測が困難になる。従来のモデルでは、歩行者の予測軌跡は直線慣性運動に近くなり、車両の影響を十分に捉えられていないという問題がある。本稿では、Graph Attention Networkを改良し、歩行者間および歩車間の相互作用をモデル化する手法を提案する。特に、相互作用の大きさに応じて損失関数に重みを付与し、強い相互作用を持つサンプルを強調することで、モデルの学習効率と精度を向上させた。提案手法を公開データセットで検証し、予測精度が向上することを確認した。