1.一种基于大数据的停车场停车引导方法，其特征在于，包括：

S1.待停车辆到达目标停车场入口，获取待停车辆信息，待停车辆信息包括有车牌信息、车型信息、待停车辆车主信息和待停车辆车主历史停车数据；基于待停车辆信息和停车预约模块匹配目标停车位，在停车预约模块中部署有停车位匹配模型；

S2.待停车辆匹配目标停车位信息后，将目标停车位的指示牌变为“占用”，基于目标停车位信息和车辆引导模型生成停车最佳路径，根据停车最佳路径设置导航灯光及车载语音将待停车辆引导至目标停车位处；

S3.待停车辆到达目标停车位处，摄像头识别待停车辆的车辆信息是否与待停车辆匹配的目标停车位相同，若相同，将智能地锁收回，待停车辆驶入目标停车位，停车完成；若不相同，目标停车位处的扬声器发出提醒；

S4.当目标停车场入口处的摄像头检测到待停车辆车主时，目标停车场入口处的摄像头会识别待停车辆车主信息，并利用导航灯光将待停车辆车主引导至对应的目标停车位处；当目标停车位上方的摄像头检测到待停车辆启动时，开启导航灯光和车载语音，引导待停车辆驶离目标停车场；车辆驶离目标停车位后，将目标停车位的指示牌变为“空闲”；

S5.当车辆到达目标停车场出口时，获取车辆停车时间，利用智能合约技术，车主根据车辆停车时间缴纳停车费，缴纳完成后，车辆驶离目标停车场；

停车预约模块包括有用户信息层，停车时间层，分配停车位层，结果输出层；

用户信息层，获取待停车辆信息，待停车辆信息包括有车牌信息、车型信息、待停车辆车主信息和待停车辆车主历史停车数据；

停车时间层，用于车主输入预计停车时间段；

分配停车位层，用于根据待停车辆信息和预计停车时间段利用停车位匹配模型匹配目标停车位；

结果输出层，输出目标停车位信息，包括有目标停车位位置信息和与之相关的指示牌；

停车位匹配模型中准备数据集和公式，具体步骤：

P1.获取数据集

获取若干待停车辆车主在目标停车场的历史停车数据，历史停车数据包括有停车层数、停车区域、停车位、历史停车时长，将若干份历史停车数据组合得到历史停车初始数据集，将历史停车初始数据集利用数据聚类技术去重并提取特征，抽象出k份特征停车数据，将k份特征停车数据组合得到停车位匹配数据集；

P2.计算层权重

提取停车位匹配数据集中的停车层数，得到停车层数据集；利用公式P3.计算区域权重

提取停车位匹配数据集中的停车区域，得到停车区域数据集；利用公式计算车主偏好值V，具体步骤：

J1.偏好值公式

获取待停车辆车主在目标停车场的历史停车数据，得到待停车辆车主历史停车数据，待停车辆车主历史停车数据包括有停车层数、停车区域、停车位、历史停车时长，将待停车辆车主历史停车数据组合得到待停车辆车主数据集；

利用公式

J2.确定γ(x

将待停车辆车主数据集中的停车层数和停车区域进行提取，得到待停车辆车主停车层数据集和待停车辆车主停车区域数据集；

利用公式

利用公式

2.根据权利要求1所述的一种基于大数据的停车场停车引导方法，其特征在于，构建停车位匹配模型，具体步骤：Q1.模拟计算待停车辆车主所在停车口到目标各个停车位的欧几里得距离，得到停车位距离D，并获取每个停车位的状态；

Q2.将车主偏好值和停车位距离最短作为目标，构建匹配目标函数PP=(β1*D+β2*V)*β3，其中β1为停车位距离D的权重系数，β2为车主偏好值V的权重系数，β3表示停车位的状态值；

Q3.利用多任务学习模型以输出停车位匹配目标函数最大为目标进行模型计算，将待停车辆信息和预计停车时间段输入至多任务学习模型中进行模型计算，设置最大迭代次数，当到达最大迭代次数时，得到初始停车位匹配模型，将初始停车位匹配模型初步投入使用，收集待停车辆车主对推荐停车位的反馈，得到匹配反馈数据，利用匹配反馈数据对初始停车位匹配模型调整权重系数，再次进行模型训练，得到停车位匹配模型。

3.根据权利要求1所述的一种基于大数据的停车场停车引导方法，其特征在于，构建车辆引导模型及设置导航灯光和车载语音，具体步骤：D1.在停车场内随机生成若干条停车路线，每条停车路线表示待停车辆所在停车场入口到目标停车位的路线，若干条停车路线组合成停车路线群，设置最大迭代次数，以路径为目标定义目标函数；

D2.根据群体优化算法对停车路线群进行模拟计算，不断生成新的模拟停车路线群，以目标函数最小作为约束条件，并引入V2V技术，当检测到不同组的路线存在交叉现象时，改变方向，避免路线交叉；

D3.到达最大迭代次数后，输出模拟停车路线群中的路径即为最佳路径，模型构建完成；

D4.将待停车辆所在停车场入口和目标停车位输入至车辆引导模型中生成停车最佳路径，以停车最佳路径作为导航灯光的路线；并利用AI语音模型生成导航语音，将导航语音与待停车辆的车载语音系统利用V2I技术相连，为待停车辆提供车载导航语音。

4.根据权利要求1所述的一种基于大数据的停车场停车引导方法，其特征在于，步骤S1的具体步骤，包括：S11.停车场入口处的摄像头捕获图像，识别待停车辆的待停车辆信息，待停车辆信息包括有车牌信息、车型信息和待停车辆车主信息，将待停车辆信息输入至停车预约模块中；

S12.停车预约模块根据待停车辆信息的车牌信息匹配是否有预约请求，若有预约请求，提取目标停车位信息，否则，跳转至步骤S13；

S13.根据待停车辆信息判断待停车辆车主是否为老用户，若为老用户，待停车辆车主在停车场入口处显示屏选择预计停车时间，并匹配目标停车位；否则，将待停车辆信息上传并存储，同时查询待停车辆车主在其他停车层的停车数据，得到待停车辆信息，信息待停车辆车主在停车场入口处显示屏选择预计停车时间，并根据待停车辆信息和停车预约模块匹配目标停车位。

5.根据权利要求3所述的一种基于大数据的停车场停车引导方法，其特征在于，步骤D2中的群体优化算法为海鸥优化算法。