随着车辆拥有量飙升,停车难和交通拥挤已是国际通病。造成该问题的一部分原因是由于驾驶员在寻找泊车位时的无效巡游导致的无效交通。停车诱导系统可以为驾驶员提供诱导信息,从而帮助驾驶员作出合理的停车判断,大大缩短巡游时间,减少无效交通,改善城市交通状况。短时有效泊车位预测是停车诱导系统的难点,针对该问题,本文研究了预测相关技术,对比了相关预测模型,对BP神经网络的方法和算法进行了研究,提出了基于遗传算法优化的BP神经网络的有效泊车位预测方法,主要工作包括:(1)针对短时有效泊车位预测,结合成都某停车场停车数据实例,在matlab中分别建立GM(1,1)模型和BP神经网络预测模型,详细阐述了模型建立过程中具体的参数设置和误差标准,实验表明BP神经网络预测模型精度比GM(1,1)的精度要高得多。(2)针对BP神经网络易陷入局部极小值,收敛速度慢和易出现震荡等缺点,提出基于遗传算法优化的BP神经网络的有效泊车位预测方法,采用具有全局寻优的特点的GA算法对BP神经网络进行优化,找到BP神经网络的最优初始权值和阈值,既达到全局寻优的效果也保留局部搜索能力,弥补传统BP神经网络随意选取初始值的缺陷。详细阐述了优化模型的参数设置的过程。(3)结合成都某停车场停车数据实例,在matlab中分别建立BP神经网络预测模型和GABP预测模型,实验表明GABP预测模型精度比BP神经网络模型的精度要高,收敛性要强。