随着私家车持有量的迅速增长,城市中心区、商业区的乱停车、乱占车位等行为日趋增多,部分城市的停车配建标准已无法满足用户需求,人们在停车的过程中,缺少一个获取停车资源的信息管理平台,为用户提供便捷的停车导航。因此,以物联网、移动应用、人工智能等计算机、互联网方面的关键技术为基础,将城市内的停车场信息有效地整合,来实现对车位信息的实时查询及有效导航,避免车辆的无序流动,提高停车场资源利用率,已经成为了当下智能停车导航平台建设研究的热点。本文在深度剖析和研究了智能停车导航系统的国内外发展现状及局限性的基础上,提出了一套基于移动Agent的停车导航云平台的设计方案。本文主要完成的工作如下:（1）针对室内停车导航模块,结合强化学习、生成对抗网络算法在路径规划领域的感知及决策能力,设计了一种基于强化学习和生成对抗网络的停车导航算法用于平台的室内路径规划中。从强化学习算法入手,结合强化学习和生成对抗网络算法的各自优点,通过生成对抗网络生成适用于强化学习训练的状态空间,同时利用Inception模块对生成对抗网络的网络结构进行优化。通过实验对比,结果表明改进算法能够提升算法收敛稳定性,具有更好的学习效率,可以准确找到室内停车场的最优停车位路径。（2）针对传统多停车场资源统一诱导系统中停车资源异构、智能计算能力弱、第三方接入困难、安全级别较低等问题,本文提出一种基于移动Agent的停车导航云平台,通过融入移动Agent技术,解决了传统分布式计算当中的网络负载、处理能力瓶颈和协调性差等问题,提高了网络通信的效率。在构建了本平台的移动Agent协作模型、迁移模型、共享模型及安全模型的基础上,同传统的基于SNMP的网络管理方法进行了实验比较,验证了本平台的可靠性及实用性。（3）针对各功能模块进行了开发与实现,在设计了平台总体框架的基础上,对功能流程图进行了分析和设计,同时将基于强化学习和生成对抗网络的停车导航算法融入到室内停车场的路径规划问题上,用于室内导航路线的设计。系统完成了对周围停车场信息获取与导航、车位预约、车位租赁、室内停车路径导航等功能,实现查询、预约、导航及错时停车一体化。（4）针对停车导航云平台的性能需求进行了功能测试,验证了平台的有效性和实用性。目前该系统已在苏州市某公司投入使用,在一定程度上满足了公司及员工对停车位的需求。