停车需求是一个复杂的问题，涉及影响因素较多，包括社会经济、土地利用、交通发展等方面，致使停车需求预测难度较大。本文从停车设施服务对象保有停车、上班出行停车、弹性出行停车、共享停车角度出发，尝试利用主成分分析对影响城市中心区停车需求的几个主要影响因素进行降维处理，并将处理结果作为数据输入，将前三种类型停车泊位数作为数据输出，从而建立起主成分分析与神经网络相结合的停车需求预测模型，并对规划年的停车泊位数进行预测。本论文主要进行以下三方面的工作：①从我国城市中心区停车需求特点入手，分析停车需求影响因素，并结合现有各种停车需求预测方法涉及的主要影响因素，按停车设施的服务对象对各类型停车的影响因素进行选取，为下一步研究打下基础。②利用主成分分析对影响因素进行降维处理，消除因素之间的相关性，并将处理结果作为神经网络的输入单元，以保有停车泊位、上班出行停车泊位和弹性出行停车泊位作为网络的输出单元，采用改进的BP学习算法，利用样本数据对网络进行训练仿真并建立起停车需求预测模型。③以梧州市中心城区为例，应用建立的神经网络预测模型对保有停车需求、上班出行停车需求和弹性出行停车需求进行预测，并就预测结果进行分析，然后对停车泊位共享提出实施对策。