Wir präsentieren einen neuen Algorithmus zur Vorhersage der kurzfristigen Trajektorien von Verkehrsteilnehmern in dicht besetzten Verkehrsvideos. Unser Ansatz ist für heterogenen Verkehr konzipiert, bei dem die Verkehrsteilnehmer Busse, Autos, Roller, Fahrräder oder Fußgänger sein können. Wir modellieren die Interaktionen zwischen verschiedenen Verkehrsteilnehmern mit einem neuartigen Hybridnetzwerk aus LSTM- und CNN-Technologien zur Trajektorienvorhersage. Insbesondere berücksichtigen wir heterogene Interaktionen, die implizit die unterschiedlichen Formen, Dynamiken und Verhaltensweisen der verschiedenen Verkehrsteilnehmer berücksichtigen. Darüber hinaus modellieren wir horizontbasierte Interaktionen, die verwendet werden, um das Fahrverhalten jedes Verkehrsteilnehmers implizit zu erfassen. Die Leistung unseres Vorhersagealgorithmus TraPHic wird anhand standardisierter Datensätze evaluiert, und wir stellen auch einen neuen Datensatz vor, der dichten, heterogenen Verkehr in urbanen asiatischen Videos und den Trajektorien der Agenten abbildet. Auf dichten Verkehrsdatensätzen übertreffen wir die Standesmethoden um 30 %.