Este artículo propone un nuevo modelo de predicción denominado red generativa adversarial atenta social y espacial (SSA-GAN). El marco de trabajo SSA-GAN utiliza un enfoque generativo, donde el generador emplea mecanismos de atención social para modelar con precisión las interacciones sociales entre peatones. A diferencia de metodologías anteriores, nuestro modelo utiliza características de movimiento completas como vectores de consulta, mejorando significativamente el rendimiento predictivo. Además, se integra la atención espacial para encapsular las interacciones entre peatones y su contexto espacial a través de características espaciales semánticas. Además, presentamos un enfoque novedoso para generar conjuntos de datos de múltiples trayectorias simuladas utilizando el simulador CARLA. Este método evita las limitaciones inherentes en conjuntos de datos públicos existentes como UCY y ETH, especialmente al evaluar métricas de múltiples trayectorias. Nuestros hallazgos experimentales respaldan la eficacia del modelo SSA-GAN propuesto en capturar los matices de las interacciones peatonales y proporcionar predicciones precisas de trayectorias multimodales.