Con referencia a los requisitos de operación basada en trayectoria (TBO) propuestos por la Organización de Aviación Civil Internacional (OACI), este documento se concentra en el estudio de la tecnología de predicción de trayectoria en cuatro dimensiones (4D Trajectory) en espacios aéreos terminales concurridos, proponiendo un modelo de predicción de trayectoria 4D basado en datos. Inicialmente, proponemos un método de Relleno de Espacio (Spat Fill) para reconstruir la trayectoria de cada aeronave, resultando en un conjunto de datos de trayectoria consistente, libre de ruido y de alta calidad. Posteriormente, diseñamos una red neuronal híbrida basada en el modelo seq2seq, llamada Attention-TCN-GRU. Esta consiste en una sección de codificación para extraer características de los datos de trayectorias históricas, un módulo de atención para obtener la periodicidad multinivel en las trayectorias históricas de vuelo, y una sección de decodificación para generar de manera recursiva las secuencias de trayectoria predicha, utilizando la salida de la parte de codificación como la entrada inicial. El modelo propuesto puede capturar efectivamente las dependencias y la repetitividad a largo y corto plazo entre trayectorias, mejorando la precisión de las predicciones de trayectoria 4D. Utilizamos un conjunto de datos de trayectoria ADS-B real del espacio aéreo de un terminal concurrido para la validación. Los resultados experimentales indican que el modelo de predicción de trayectoria 4D basado en datos introducido en este estudio logra una mayor precisión predictiva, superando algunos de los métodos actuales de predicción de trayectoria basados en datos.