随着城市居民私家车的拥有量急剧上升,停车难的问题日益突出。停车诱导系统主要解决停车场车位与驾驶员驾驶的车辆之间的供求关系平衡,但是现有的停车诱导技术主要注重停车场外部的区域引导,对于停车场内部的引导机制单一,一般仅仅随机给出一条从停车场入口处到有效空余泊位的最短路径,并没有从驾驶员所考虑的停车因素角度来进行诱导。此外对于停车场外部的引导,如果加入停车场的空余泊位预测技术,则会有效的帮助场外诱导系统。本文首先分析了目前主要的时间序列预测技术,在此基础之上,提出了利用BP神经网络算法来进行停车场空余泊位的预测。对标准的BP神经网络的原理进行了详细的研究,针对停车场空余泊位预测的问题进行BP算法的网络结构确定,并且针对BP神经网络训练过程中易震荡、收敛速度过慢和容易陷入局部最小的缺点,采用BP动量法与调节学习速率相结合的方法对其进行改进。在进行实验数据仿真时,通过数据预处理技术对停车场空余泊位数据进行了变换,防止了因数据过大而造成的网络瘫痪。通过仿真验证了BP神经网络对停车场空余泊位数预测的有效性,为停车场场外诱导提供了帮助。对于停车场场内部分,本文利用多属性决策的方法进行路径寻优来实现场内诱导。在分析驾驶员选择车位的主要考虑因素的基础上,利用Dijkstra算法确定行驶距离与路径、利用欧几里得距离确定步行距离以及利用三角模糊数期望值的方法确定停车位的环境信息值,来确定决策属性矩阵,最终利用基于灰熵关联度多属性决策的方法进行了停车场有效空余泊位的属性排序。其排序中最优的属性所对应的空余泊位即是最优泊位,所对应的行驶路径即为最优路径。