Forecasting pedestrian trajectory is a vital area of research in smart urban mobility, which can be applied to intelligent transportation and intelligent surveillance. Current approaches employ conditional variational autoencoders to model future trajectory multimodality. However, these methods generate multi-modal trajectories for one single destination, ignoring the trajectory multimodality caused by the uncertainty of the pedestrians' destination intention. Besides, they can lead to mode collapse and training instability. To address this issue, we propose a novel destination intention estimation-based convolutional encoder-decoder framework for multimodal trajectory forecast. Specially, we design a destination intention estimator to forecast pedestrian future destination intentions at the last time step. Then, we devise a trajectory decoder module to forecast pedestrian trajectories at each time step with the assistance of the destination intentions. To evaluate our method, we perform experiments on publicly available benchmark datasets and demonstrate that our proposed method achieves the superior results compared with state-of-the-art approaches.

The integration of the Internet of Things (IoT) with renewable energy technologies is revolutionizing modern power systems by enhancing efficiency, reliability, and sustainability. This paper examines the role of the IoT in optimizing the integration and management of renewable energy sources, such as solar and wind power, into the electrical grid. The IoT enables real-time monitoring, data analysis, and automation, facilitating advanced load management, demand response, and energy storage solutions. Key advancements in IoT technologies, including smart grids and energy management systems, are discussed, highlighting their impact on improving grid stability and promoting the use of renewable energy. The paper also finds some challenges such as data security, privacy, and the need for standardized communication protocols. Furthermore, it finds how the IoT optimizes electric vehicle performance through advanced battery management, real-time energy consumption monitoring, and improved interaction with the electrical grid. Future research directions emphasize the potential of the IoT to further enhance renewable energy integration through artificial intelligence and machine learning, driving the transition towards a more sustainable and resilient energy future.