動的シナリオにおける複雑で変化し続ける相互作用のため、自動運転における運動予測は困難な課題である。既存の多くは静的路網グラフを用いてシナリオを特徴付けているが、動的シナリオにおける時間的・空間的依存関係の進化を十分にモデル化できていない。本研究では、動的かつ異種のグラフを用いてシナリオをモデル化する。これにより、車両（エージェント）やレーンといったさまざまなシナリオ要素、多様なタイプの相互作用、およびそれらが時間とともに変化する様子を統合的に表現する。さらに、多様な相互作用情報を集約し、その進化を捉える新しい異種グラフ畳み込み再帰ネットワークを設計した。このネットワークにより、動的グラフ内の内在的な時空間依存関係を学習し、動的シナリオの有効な表現を獲得する。最後に、運動予測デコーダを用いて、エージェントの現実的でマルチモーダルな将来軌道を予測し、複数の運動予測ベンチマークにおいて、既存の最先端手法を上回る性能を達成した。