يعتمد الطيارون الذين يسيرون الطائرات في المساحات الجوية غير المُحَدَّدة (غير المزودة بمراقبة جوية) على وعيهم المكاني ومعرفتهم السابقة للتنبؤ بالمسارات المستقبلية للوكالات الأخرى. تعتمد هذه التنبؤات على المسارات السابقة للوكالات الأخرى، والتفاعلات الاجتماعية بين الوكالات، والبيئة المحيطة مثل موقع المطار والطقس. يقدم هذا البحث مجموعة بيانات تُسمى $\textit{TrajAir}$TrajAir، والتي تُسجِّل هذا السلوك في مساحة جوية نهائية غير مُحَدَّدة حول مطار إقليمي. كما نقدِّم خوارزمية تنبؤ بمسار مُتَوَقِّعَة تأخذ بعين الاعتبار الجوانب الاجتماعية، تُسمى $\textit{TrajAirNet}$TrajAirNet، والتي تستخدم هذه المجموعة لتنبؤ بمسارات جميع الوكالات. تم جمع مجموعة البيانات على مدار 111 يومًا خلال فترة ثمانية أشهر، وتشمل بيانات نظام مراقبة الطيران عبر الأقمار الصناعية (ADS-B) بالإضافة إلى بيانات الطقس من نوع METAR المقابلة. وقد تم معالجة البيانات لاستخدامها كمعيار مقارنة مع مجموعات بيانات أخرى متاحة علنًا في مجال التنقل الاجتماعي. إلى أقصى حد معرفة من قبل المؤلفين، فإن هذه هي المجموعة الأولى من نوعها في ثلاثية الأبعاد للتنقل الجوي الاجتماعي، مما يُقدِّم مفهوم التنقل الاجتماعي في الطيران الآلي. تدمج خوارزمية $\textit{TrajAirNet}$TrajAirNet أحدث الوحدات المتطورة في مجال التنقل الاجتماعي لتوفير تنبؤات في بيئة ثابتة ولكنها تتميز بسياق ديناميكي. إن مجموعة البيانات $\textit{TrajAir}$TrajAir والخوارزمية التنبؤية $\textit{TrajAirNet}$TrajAirNet متاحة مفتوحة المصدر. يمكن الوصول إلى مجموعة البيانات، وقاعدة الكود، والفيديو على التوالي من خلال الروابط التالية: https://theairlab.org/trajair/، https://github.com/castacks/trajairnet، وhttps://youtu.be/elAQXrxB2gw.