تُعدّ توقع سلوك الحركة البشرية في الأماكن المزدحمة أمرًا مهمًا لعدد من التطبيقات، بدءًا من التنقل الطبيعي للمركبات ذاتية القيادة وصولاً إلى أنظمة الأمان الذكية في أنظمة المراقبة بالفيديو. وقد نمذجت جميع الدراسات السابقة المسارات وتوقعتها بحلقة واحدة من الدقة، وهو ما يُعد غير فعّال للغاية، ويُصعّب استغلال معلومات طويلة المدى (مثل الوجهة النهائية للمسار) ومعلومات قصيرة المدى (مثل اتجاه المشي وسرعته في لحظة معينة) في آنٍ واحد. في هذه الورقة، نقترح شبكة هرمية زمنية لتنبؤ مسارات المشاة من خلال تنظيم ضغط (squeeze modulation) وتوسيع زمني (dilation modulation). يُشكّل إطارنا الهرمي هرمًا مميزًا من المعلومات الزمنية المتزايدة الغنى من الأعلى إلى الأسفل، مما يُمكّن من التقاط سلوك الحركة في مختلف الإيقاعات بشكل أفضل. علاوةً على ذلك، نقدّم استراتيجية دمج من الخشنة إلى الدقيقة مع مراقبة متعددة. من خلال دمج التفاصيل الخشنة من الأعلى (السياق العالمي) تدريجيًا مع التفاصيل الدقيقة من الأسفل (السياق المحلي الغني)، يمكن لطرقنا استغلال معلومات طويلة المدى وقصيرة المدى للمسار بشكل كامل. وقد أظهرت النتائج التجريبية على عدة معايير تفوق أسلوبنا.