可用停車位預(yù)測是智能停車誘導(dǎo)系統(tǒng)的關(guān)鍵問題之一。當(dāng)前基于神經(jīng)網(wǎng)絡(luò)的預(yù)測技術(shù)在較短預(yù)測周期內(nèi)，預(yù)測準(zhǔn)確度的平均絕對(duì)誤差在 10 左右，但隨著預(yù)測步長或周期的增加，預(yù)測精度急劇下降。針對(duì)這一問題，該文提出了一種在中長預(yù)測時(shí)間周期內(nèi)可保持?jǐn)?shù)據(jù)變化特征的泊位預(yù)測方法。該方法使用模糊信息粒化獲取特征數(shù)據(jù)集，通過訓(xùn)練長短期記憶神經(jīng)網(wǎng)絡(luò)預(yù)測未來的特征數(shù)據(jù)集，基于數(shù)據(jù)插值方法重建出整個(gè)區(qū)間可用停車位的連續(xù)變化曲線。仿真結(jié)果表明，該方法在相同預(yù)測步長的可用車位預(yù)測上，比傳統(tǒng)預(yù)測方法具有更高的預(yù)測精度；在保持相近預(yù)測精度的條件下，比傳統(tǒng)預(yù)測方法具有更高的計(jì)算效率。