随着中国制造2025的提出,工业化发展尤其是汽车制造领域发展的迅速,导致现如今我国汽车保有量增长迅速,但是我国的停车位数量不仅少于汽车总量,增长速度也仅是和汽车保有量增速齐平,而且停车位的资源配置不合理、有效利用率并不高,大部分地区的利用率都低于50%;停车场服务效率低,没有充分利用停车资源造成交通拥挤、停车困难等一系列的城市通病,虽然已经实施了相应的解决措施,但是最终的效果并不理想。鉴于此,本文针对停车难问题展开以下研究。首先,根据我国城市收费停车场停车服务进行研究,分析停车场现状和停车行为,总结停车难的原因和主要解决对策的特点,分析停车诱导服务需求的必要性和主动停车诱导优点,阐释了本文的研究目标;然后根据最大化为用户分配到停车场和最小化用户停车总时间两个带约束的目标建立停车主动诱导模型,根据强化学习中Q-learning算法得到最短的行驶时间,并通过遗传算法来获得诱导模型的可行解;其次根据行驶距离和停车位的停车难度建立场内最优车位分配模型,通过熵值法获得权重、VIKOR法获得多属性分配模型的可行解,并利用优化后的A*算法得到最佳的路径引导;之后对停车主动诱导模型和停车位分配模型进行仿真实验研究,得出通过上述两个模型可以有效地提供主动停车诱导服务;最后为保障主动停车诱导的顺利实施,提出获得准确道路信息、建设智能停车场、建立综合的停车管理三个保障措施。本文旨在通过以准确信息、统一信息、加强管理为基础,合理化资源配置、提高停车场服务效率,提高停车主动诱导和停车位分配的准确性,缓解城市停车难的问题。