本发明公开了一种构建基于异质图网络的交叉口人车轨迹预测模型的方法，属于深度学习和个体轨迹预测领域，构建交叉口人车轨迹预测模型，其包括基于数据驱动的个体空间编码模块、基于知识驱动的个体空间编码模块和轨迹特征时间编码模块，获取公开数据集Ind和Interaction对模型进行训练；采用异质图结构来表征异质交通个体之前的空间关系，获取异质交通个体的隐藏特征；引入了社会力知识查询机制，并通过异质图边卷积方法将其转化为物理知识隐藏特征；利用Transformer模型进行交通个体轨迹特征时间编码、解码；使得模型能够关注到个体自身存在的时间依存性，解决了现有研究中存在的考虑维度单一的问题。