随着经济的发展和人们消费能力的提高,家用小汽车的数量日渐增长,城市中“停车难”问题越来越严重。现有的大型停车场难以满足停车需求,增加占道停车的方式可以大大缓解这一难题。然而因为占道停车场分布的不规律性及管理体系的不健全,存在个人私行收取费用的状况,且无严格统一的收费准则,管理部门没法及时掌握泊车信息及停车费用,驾驶员无法及时获取所在位置附近的停车场及车位占用情况信息,所以需要构建统一的智能管理系统。此外,国内的大多数停车管理系统中的信息发布模块,仅能显示车位的实时信息,未能提供对短时间内车位变化情况的预测,导致驾驶员到达停车场后的实际车位占用情况可能与在停车场外看到或者查询到的信息差别很大,甚至只能到其他停车场寻找车位,带来诸多不便。首先,本文针对当前国内外普遍使用的停车场系统的情况进行了调研,指出了当前工作中存在的问题并予以剖析。进而讨论了时间序列预测的相关方法,重点讨论了基于神经网络预测的方法,针对BP神经网络预测算法进行了深入的研究。然后,本文对城区占道停车智能管理系统的功能需求进行了分析,并完成了整体的设计工作。第一,为了使管理系统智能化,将系统划分为四个子系统：分别是车位信息采集子系统,手持终端收费子系统,中心管理子系统以及停车诱导及车位预测子系统。在各子系统之间定义了通信格式及交互协议,实现了数据的采集、传输、处理及应用。第二,在停车诱导子系统中引入了车位信息的预测功能,目的是对未来车位的变化情况实现短时预测。通过对时间序列预测的传统方法、时间序列的非线性预测方法以及神经网络预测方法的比较,最终创建了基于BP神经网络的车位信息预测模型,并用实际数据对该模型进行了验证。最后,结合实际项目需求,完成了对本系统的开发和实现。