随着人们生活水平的提高和汽车的普及,国内的汽车销量逐年增加,带来的交通问题也日趋严重,道路拥堵、事故频发、车位难寻等无不困扰着人们。虽然相关的车辆停取设施也在不断建设当中,但其建设速率明显不及车辆递增速率,为了解决车辆增加与车位不足的矛盾,急需一套高效的智能化车库管理系统,最大限度高效利用当前车库资源,从而改善交通状况,提高城市居民生活体验。论文首先分析了智能车库管理系统在国内外的研究及发展现状,随后对智能车库管理系统各组成结构进行分析,在前人的基础上,对当前车库管理系统提出了一系列改进,为后续的智能化城市交通建设提供了一定的帮助。本文主要的研究工作如下:(1)提出了基于BP神经网络的HSI空间车牌识别方法。首先采用Retinex图像增强算法对获取的原始车辆图像进行预处理,使得车牌信息在昏暗光线或烟雾的阻挡下更加突出,随后采用基于HSI颜色空间定位的方法对车牌进行定位并采用垂直投影的方法进行倾斜矫正和字符分割,并采用BP神经网络对预定字符进行训练并识别,最终以较短的时延及较强的鲁棒性实现车辆车牌的识别。(2)为了解决当前车库管理系统在车辆入库后处于无管理状态的不足,本文提出了基于改进蚁群的车库泊车引导方法,提供两种停车模式:自主选择车位以及自动选择车位。同时引入角度偏移函数和距离偏移函数,在自主选择车位模式下,当获取入口点以及目标车位坐标后,在预定车库模型中计算出距离最短且尽可能减少拐弯次数的停车路径;而在自动模式下,由系统自主选择距电梯口或者出口最近的空闲车位,并同样计算出距离短、弯道少的停车路径,从而节省时间,提高停车效率。(3)构建智能车库管理系统软件模型。介绍智能车库管理系统主体结构,从需求分析,功能设计、框架构建等步骤对系统的设计进行全面分析,并采用UML对系统进行建模,最后采用Web开发技术,以Java为脚本语言,编写系统程序并测试功能。通过仿真实验表明,本文提出的车库管理系统在提高存取车辆效率方面有较好的效果,为当前城市车辆拥堵、停车难提供了缓解方案。