随着城市人口和车辆的日趋增加，停车难成为越来越令都市人头疼的问题，面对国内各大中城市中车位供需矛盾日益突出的问题，应用智能的停车场管理系统就显得势在必行。目前，国内大多数停车场应用的系统的一般都只能在停车场外的信息屏幕上显示实时的车位信息，而无法对未来短时间内的车位信息进行预测，导致许多驾驶员在停车场外看到的车位信息与到达停车场时的实际车位信息差别很大，以至于只能另寻其他停车场停车。因此，停车场外的信息屏幕上应该也包括未来短时间内的车位信息，这就要求了停车场管理系统能够对未来短时间内的车位信息进行预测。针对这种现象，为了能够有效的提高停车场的利用，本文设计了智能停车场管理系统中的车位信息预测子系统，并实现了该子系统的功能。本文针对停车场管理系统的国内外研究现状进行了调研，对目前研究工作之中存在的不足进行分析，进而给出了停车场管理系统的发展趋势。本文对时间序列预测的相关技术进行了讨论，着重介绍了基于神经网络的预测技术，对本文采用的BP神经网络算法进行了详细的描述。本文对智能停车场管理系统做了总体的设计，对该系统中车位信息预测子系统进行了设计与实现。本文研究开发的子系统，在比较了传统的时间序列预测、时间序列的非线性预测以及神经网络预测三种技术的基础上，成功创建了基于BP神经网络的车位占有率预测模型，详细的描述了预测模型的创建步骤和BP神经网络的网络结构、神经元激励函数以及相应的学习参数。本文设计的子系统结构简单，操作方便、快捷，能够有效的实现对车位信息的预测，为预测领域的研究做出了积极的努力。本文创建的预测模型结构是在对于样本的准备、网络结构的确定以及算法改进等做了许多实验之后，比对各种模型结构的预测结果而最终确定的，使用本文设计的系统能够准确的预测到未来的车位信息，对人们的生活提供极大帮助，也为缓解交通压力做出了贡献。