近年来我国经济发展迅猛,人民生活的物质条件水平不断提升,汽车保有量不断增加,然而停车位的新增速度无法与之协调;城市化进展加快,城市道路在不断增多的同时也变得错综复杂。面对稀缺的车位资源和复杂的交通信息,车主出行无法及时寻得车位,“停车难”的城市问题随之产生。本文针对目前亟待解决的城市停车问题,将停车的时间因素纳入考虑,并结合去往相同目标地点的用户群体的停车选择倾向,提出基于时间序列预测和地理位置感知的停车推荐方法,应用该方法设计停车推荐系统并实现。本文主要研究内容如下:（1）针对用户因城市车位稀缺而无法及时找到空闲车位的问题,本文采用粒子群算法优化的灰色马尔科夫链模型对停车地点空闲车位数量进行时间序列预测,将预测结果应用于停车推荐,为用户推荐有剩余车位的停车地点。首先,通过外接接口获取停车点空闲车位数量的原始时间序列,从而利用灰色模型对其进行训练得到预测时间序列。其次,为减小特殊时段数据波动对灰色模型预测精度的影响,采用粒子群算法对马尔科夫链模型中的灰色区间进行白化,修正后得到精度更高的预测序列。最后,通过实验将不同模型的预测结果与实际采样值进行比对,证明时间序列预测优化方法的有效性以及预测结果的准确性。（2）针对用户因城市交通信息复杂而无法及时获取自身所需停车位的问题,本文提出了面向地理位置感知的多目标进化停车推荐方法,通过地理位置感知技术得到数据与地理位置之间的联系,平衡用户选择的公共倾向和特殊倾向,为用户推荐合适的停车地点。首先,基于用户群体和停车地点的签到矩阵,采用协同过滤算法得到停车地点的推荐评分,再结合停车点受欢迎度建立用户群体停车选择的公共倾向模型。其次,利用核密度估计法计算用户到各停车地点签到概率,从而建立用户停车选择的特殊倾向模型。然后,采用多目标进化算法MOEA/D对用户选择公共倾向和特殊倾向模型进行优化求解,并结合空闲车位数量预测结果得到最优推荐列表。最后,通过对比实验对最优推荐列表选解方法、所提推荐模型以及空闲车位数量预测在解决停车推荐问题上的有效性分别进行分析验证。（3）基于本文所提的停车推荐方法进行停车推荐系统的设计与实现。首先对停车推荐系统的需求进行分析,然后对停车推荐系统的架构设计、数据库设计以及功能模块设计进行介绍,最后对系统的主要功能的实现进行简要描述。