本文探讨了大型语言模型（LLMs）在交通预测中的应用，提出多种模型以提高行人轨迹和变道预测的准确性。研究表明，LLMs能够有效处理复杂的交互信息，增强预测的可解释性和准确性，并在处理原始传感器数据和多智能体运动预测方面表现出色，为自动驾驶和交通系统的未来发展提供新思路。

本文提出了多镜头轨迹预测任务，适用于重识别和多目标多摄像头跟踪。发布了Warwick-NTU多摄像头预测数据库，包含15个同步摄像机网络的行人轨迹。开发了半自动化的注释方法，并提出了几种基准方法。