随着机动车数量的飞速增长,城市停车需求也日益膨胀,城市中机动车停车已经成为一个十分严重的交通问题。停车泊位的预测对于驾驶员合理地选择停车场地、行车路线等具有重要意义。本文基于停车场有效停车泊位变化特性,提出了一种结合小波变换、预测策略和神经网络的多步预测方法。首先,将实测的停车泊位信息处理成研究需要的有效停车泊位时间序列,通过计算相关系数、波动率和李雅普诺夫指数等数学手段分析有效停车泊位的变化特性,为预测模型和训练集的选择奠定理论基础。之后通过选择合适的小波函数对有效停车泊位时间序列进行多尺度的小波分解与重构,然后分别使用迭代法、直接法、多输入多输出法、直接多输出法(直接法与多输入多输出法的组合策略)以及本文新提出的迭代多输出法(迭代法与多输入多输出法的组合策略)五种多步预测策略对重构后的时间序列采用神经网络进行预测,最后将重构的时间序列各自外推的预测结果进行线性合成,得到最终预测结果。实例分析表明,结合小波变换能有效地提高停车泊位多步预测的精度,在将小波变换运用于单一的多步预测策略进行预测时,迭代法、直接法和多输入多输出法的总体预测误差分别降低了15%、35%和15%；组合多步预测策略的预测精度相比其他多步预测策略较高,在对两个周边土地利用性质不同的停车场进行步长为一个小时的预测实例中,总体的绝对误差百分比均在3%左右；其中,本文提出的新的组合多步预测策略一一迭代多输出法,相比直接多输出法节省了模型训练时间,且在五种预测策略中耗时最少。