本文提出了一种基于深度学习的停车可用性预测框架，利用多源数据和神经普通微分方程，优化停车场的占用率和价格预测。研究表明，该模型在准确性和优化效率上优于其他方法，尤其在不规则时间情况下表现突出。此外，动态调整停车价格有助于改善城市空气质量，强调了空间依赖性在停车行为预测中的重要性。