该研究使用卷积神经网络和Transformer网络研究了停车场中人驱动车辆的多模态意图和轨迹预测问题，并提出了一种新的方法。研究还介绍了一组公开的4K视频数据集，包括准确的注释、高帧率和丰富的交通场景。