La predicción de trayectorias peatonales es un requisito técnico clave para la planificación de trayectorias de vehículos autónomos. Sin embargo, un peatón es un individuo cambiante, y sus intenciones exhiben ciertos grados de aleatoriedad e incertidumbre, lo que lleva al problema de que modelar solo trayectorias pasadas no permite la descripción efectiva de las intenciones aleatorias y las direcciones de trayectoria futuras del peatón. Por lo tanto, este artículo propone una estrategia de construcción de vector de intención estocástica flexible e incrustable para modelar cambios repentinos de intención de peatones en escenas reales y para adaptarse mejor a las propiedades estocásticas de los comportamientos de los peatones. Primero, fusionamos dinámicamente la información de trayectoria histórica con factores aleatorios y construimos una probabilidad de cambio de intención basada en los errores de ajuste de trayectoria histórica de los peatones, con el objetivo de modelar explícitamente los cambios asociados en dirección y velocidad causados por las intenciones aleatorias de los peatones. En segundo lugar, se diseña una nueva función de pérdida de intención para guiar al modelo a aprender de manera adaptativa la probabilidad de cambios de intención, que se utiliza para describir dinámicamente los cambios de intención de los peatones. Nuestro método propuesto es generalizable y se puede aplicar como un módulo incrustable a cualquier método de predicción de trayectorias peatonales base. Los resultados experimentales obtenidos en múltiples conjuntos de datos públicos de predicción de trayectorias peatonales a gran escala demuestran que nuestra estrategia logra mejoras consistentes en el rendimiento en comparación con diferentes bases.