通过融合天气和时间等信息，提出了一种新的天气-时间-轨迹融合网络 (WTTFNet)，用于改进深度神经网络架构，提高对行人目的地和轨迹的准确性。该方法在实验中表现出23.67％的分类准确度提高，平均和最终位移误差分别降低了9.16％和7.07％。可应用于行人设施工程、公共空间开发和技术驱动的零售等众多应用。