1.个性化停车位推荐方法，其特征是，包括以下步骤：

采集原始数据，所述数据包括停车位的位置L、停车位所在特定半径的圆内所有空闲的停车位P0、停车位所在特定半径的圆内所有停车位P以及车辆离开频率、停车位距目的地步行距离M、停车位距车辆当前位置距离Dd、车辆行至停车位K的行径方案i、行径路线的交通状况V、停车位的停车费用F；

确定停车位停车难度指标D和停车位安全性指标S；

根据停车位所在特定半径的圆内所有空闲的停车位P0、停车位所在特定半径的圆内所有停车位P以及车辆离开频率确定停车成功概率C；

根据车辆行至停车位K的行径方案i以及行径路线的交通状况V确定到达车位K的最小驾驶时间Tk；

对到达车位K的最小驾驶时间Tk、停车费用F、停车成功概率C、停车位距目的地步行距离M以及停车位停车难度D、停车位安全性S共6个维度的数据使用K-MEDOIDS算法进行聚类分析，包括：采用Mahalanobis距离来定义两个车位之间的邻近性，用X与Y分别表示两个车位的六维属性构成的向量，表达式如下：mahalanobis(x，y)＝(x-y)∑-1(x-y)T；

协方 差矩阵 ∑的 第 ij 个属 性是 第i 个和 第j 个属 性的 协方 差 ，即选取聚类后每一类的中心点与预先确定的停车位的偏好权重值进行匹配，将得到适合该驾驶员的停车位推荐给特定驾驶员。

2.根据权利要求1所述的个性化停车位推荐方法，其特征是，根据停车位所在特定半径的圆内所有空闲的停车位P0、停车位所在特定半径的圆内所有停车位P以及车辆离开频率确定停车成功概率C的具体方法如下：停车位所在半径为R的圆内所有空闲的停车位P0与圆内所有停车位P的比值乘以车辆离开频率，即 车辆离开频率f定义为：T0时间内圆内两辆车平均离开时间间隔 将除以当前停车数量为P-P0，即 若停车位提供预约功能，即可以保证预约成功的车位不被其他人占用，则令停车成功概率C为1。

3.根据权利要求1所述的个性化停车位推荐方法，其特征是，根据车辆行至停车位K的行径方案i以及行径路线的交通状况V确定到达车位K的最小驾驶时间Tk的具体方法如下：计算到达车位K的最小驾驶时间Tk公式为 其中的Ddik表示为车辆至车位K，选择路径方案i的距离，Vik表示为车辆选择i路径行至车位K的交通状况。

4.根据权利要求1所述的个性化停车位推荐方法，其特征是，推荐的停车位只从候选停车位中选择，确定候选停车位的方法包括：以目的地为中心将周围步行特定长度的范围内的所有停车位为候选停车位，这些停车位将会是选中需要分析的对象；

确定候选停车位的方法还包括判断停车位可用性Ak，若Ak＝0则将该停车位踢出候选停车位的范围；确定所述车位可用性Ak的方法为将容许停车的时间段与驾驶员需求停车时间进行比较，如果容许停车时间段包含预先采集的驾驶员需求停车时间段，则车位可用性Ak定义为1，否则定义为0。

5.根据权利要求1所述的个性化停车位推荐方法，其特征是，

通过成本函数将完成聚类后的所有类进行排序得到适合该驾驶员的最优、次最优、次次最优的三类停车位；所述成本函数的表达式为在这三类停车位中，分别选择空间上密度最大的停车位位置推荐给驾驶员并提供前往该停车位的行驶路线与前往目的地的步行方案。

6.根据权利要求1所述的个性化停车位推荐方法，其特征是，预先确定停车位的偏好权重值时采用系统默认停车位的权重值或采用用户设置的停车位的权重值。

7.根据权利要求1所述的个性化停车位推荐方法，其特征是，确定所述车位安全性指标S的方法如下：车停在停车场的安全性指标S为1，停在路边合法停车位的安全性指标S为0.5，违规停车的安全性指标S为0.1。

8.根据权利要求1所述的个性化停车位推荐方法，其特征是，确定停车位停车难度指标D的方法如下：两边有阻隔侧方位的停车位停车难度指标D为0.8，倒车入库的停车位停车难度指标D为0.6，单边有阻隔停车位停车难度指标D为0.4，两边都没有阻隔停车位停车难度指标D为

0.2。

9.个性化停车位推荐系统，其特征在于，包括：

原始数据采集模块，用于采集原始数据，所述数据包括停车位的位置L、停车位所在特定半径的圆内所有空闲的停车位P0、停车位所在特定半径的圆内所有停车位P以及车辆离开频率、停车位距目的地步行距离M、停车位距车辆当前位置距离Dd、车辆行至停车位K的行径方案i、行径路线的交通状况V、停车位的停车费用F；

停车难度和安全性指标确定模块，用于确定停车位停车难度指标D和停车位安全性指标S；

停车成功概率C计算模块，用于根据停车位所在特定半径的圆内所有空闲的停车位P0、停车位所在特定半径的圆内所有停车位P以及车辆离开频率确定停车成功概率C；

到达车位K的最小驾驶时间Tk计算模块，用于根据车辆行至停车位K的行径方案i以及行径路线的交通状况V确定到达车位K的最小驾驶时间Tk；

K-MEDOIDS算法聚类分析模块，用于对到达车位K的最小驾驶时间Tk、停车费用F、停车成功概率C、停车位距目的地步行距离M以及停车位停车难度D、停车位安全性S这6个维度的数据使用K-MEDOIDS算法进行聚类分析，包括：采用Mahalanobis距离来定义两个车位之间的邻近性，用X与Y分别表示两个车位的六维属性构成的向量，表达式如下：mahalanobis(x，y)＝(x-y)∑-1(x-y)T；

协方差矩阵∑的第ij个属性是第i个和第j个属性的协方差，即：

路线选择及推荐模块，用于选取聚类后每一类的中心点与预先确定的停车位的偏好权重值进行匹配，将得到适合该驾驶员的停车位推荐给特定驾驶员。

10.根据权利要求9所述的个性化停车位推荐系统，其特征在于，还包括：停车位偏好权重值采集模块，用于系统默认停车位权重值或采集用户设置的停车位的权重值。