実世界のシナリオにおける道路利用者の軌道予測は、その運動パターンが確率的かつ複雑であるため、困難である。これまでの歩行者中心の研究では、歩行者間の複雑な相互作用をうまくモデル化できているが、他の種類の道路利用者（例：自動車、自転車など）が関与する状況では軌道予測に失敗する。これは、利用者タイプを無視しているためである。近年、一部の研究では利用者ラベル情報を用いた密結合グラフを構築しているが、余分な空間的相互作用と時間的依存性に起因する問題を抱えている。これらの課題に対処するため、本研究では速度情報およびエージェントラベルを考慮した多クラス軌道予測を実現する、スパースグラフ畳み込みネットワークに基づく「Multiclass-SGCN」を提案する。本手法は、エージェント間の相互作用スコアに基づき、空間的・時間的接続を適応的に決定する新しい相互作用マスクを導入している。提案手法はスタンフォードドローンデータセットにおいて、最先端手法を大きく上回る性能を発揮し、より現実的で妥当な軌道予測を実現した。