在混合交通环境中,准确预测周边车辆轨迹对自动驾驶汽车安全至关重要。然而,现有技术在长时预测方面仍存在精度低和计算量大的问题。本文提出了一种结合意图概率的时空交互稀疏注意力模型,通过高效的编码-解码结构进行轨迹预测。模型首先构建位置掩码矩阵提取历史轨迹中的位置信息,利用稀疏注意力机制筛选出关键特征,并通过意图行为分析模块提高意图识别的准确率。最终将时空特征、位置特征和意图特征融合输入解码器,以多任务学习方式训练模型。试验结果表明,该模型在HighD和NGSIM数据集上相较于当前最优算法,在3~5 s长时预测的均方根误差均有降低,显著提升了预测效果。此外,通过实车试验对模型在实际场景中的表现进行验证,进一步展示了其在复杂交通环境中的应用潜力。