تُعدّ تنبؤات حركة مستخدمي الطرق مهمة بالغة الأهمية في دعم أنظمة المساعدة المتقدمة للسائق (ADAS). وتكتسب هذه المهمة أهمية أكبر بشكل ملحوظ في سياق القيادة الذاتية (AD)، حيث تُمكّن من التخطيط والتنفيذ الآمن لإجراءات القيادة. استنادًا إلى عملنا السابق، الشبكة المُتنبئة بالسياق (CASPNet)، تم اقتراح نظام مُحسّن يُدعى CASPNet++. في هذا العمل، نركّز على تحسين التفاعل المُودَّل والفهم السياقي بشكل أكبر، لدعم التنبؤ المشترك بجميع مستخدمي الطرق في المشهد باستخدام شبكات زمنية-مكانية (Spatiotemporal Grids) لتمثيل الازدحام المستقبلي. بالإضافة إلى ذلك، تم إدخال رأس إخراج مبني على الكائنات (instance-based output head) لتوفير مسارات متعددة الاحتمالات (multi-modal trajectories) للكائنات ذات الاهتمام. من خلال تحليل كمي ونوعي واسع النطاق، نُظهر قابلية التوسع في CASPNet++ في استخدام ودمج مصادر مدخلات بيئية متنوعة، مثل الخرائط عالية الدقة (HD maps)، وكشف الرادار (Radar detection)، وتقسيم الليدار (Lidar segmentation). وقد أظهر النموذج أداءً يُعدّ من أفضل الأداء في مجاله عند اختباره على مجموعة بيانات النُّسْكِينز (nuScenes) التي تركز على البيئات الحضرية. كما تم نشر النموذج في مركبة تجريبية، حيث يعمل في الوقت الفعلي باستخدام موارد حسابية معتدلة.