歩行者の運動行動は、個々の目的と他のエージェントとの社会的相互作用の複合的なものである。本稿では、歩行者の軌跡を符号化し、さまざまな予測モデルにおけるLSTMの代替としての有効性を評価するための、非対称な双方向再帰型ニューラルネットワーク（U-RNN）アーキテクチャを提案する。Trajnet++ベンチマークにおける実験結果から、U-LSTMの変種が、さまざまなアプローチおよび相互作用モジュールにおいて、ADE（平均最終距離誤差）、FDE（最終距離誤差）、衝突率というすべての評価指標において、従来の軌跡符号化手法よりも優れた性能を示した。これは、本研究で提案する手法が、実質的なシーケンス符号化用RNNとしての有力な代替手段である可能性を示唆している。本研究におけるTrajnet++ベンチマーク向け非対称Bi-RNNの実装コードは、以下のGitHubリポジトリにて公開されている：github.com/JosephGesnouin/Asymmetrical-Bi-RNNs-to-encode-pedestrian-trajectories