1.一种停车诱导方法，用于辅助用户选择目的地附近的停车场，其特征在于，所述方法包括：
获取表示用户到达目的地时间的第一时间；
获取预设的筛选条件；
预测在所述第一时间符合所述预设筛选条件的第一停车场集合；
根据预测结果输出具有最优条件的停车场。
2.根据权利要求1所述的停车诱导方法，其特征在于，所述第一时间由用户提供或按照如下方法计算：
获取当前位置和目的地位置；
计算当前位置和目的地位置之间的最优路径的长度，作为第一距离；
根据所述第一距离和车速计算到达目的地所需的第一时长；
将当前时间加上所述第一时长得到所述第一时间。
3.根据权利要求2所述的停车诱导方法，其特征在于，获取当前位置的方法为用户输入或定位获得，所述目的地位置为用户预设。
4.根据权利要求1所述的停车诱导方法，其特征在于，所述预设的筛选条件包括距离约束条件和车位空闲状况约束条件。
5.根据权利要求4所述的停车诱导方法，其特征在于，所述预设的筛选条件由用户设置或当用户没有设置时，调取默认条件。
6.根据权利要求4所述的停车诱导方法，其特征在于，所述预测在所述第一时间符合所述预设筛选条件的第一停车场集合的步骤包括：
根据所述距离约束条件筛选出第二停车场集合；
将所述第二停车场集合中、当前时间每一停车场的状况输入对应停车场的已训练深度神经网络进行深度学习，得到所述每一停车场的已训练深度神经网络的输出；
将所述每一停车场的已训练深度神经网络的所述输出作为对应停车场在所述第一时间的空闲状况；
根据所述空闲状况约束条件从第二停车场集合中筛选出第一停车场集合。
7.根据权利要求6所述的停车诱导方法，其特征在于，所述空闲状况采用空闲车位的比例、数量或根据所述比例、数量定义的预设状态来表示。
8.根据权利要求4所述的停车诱导方法，其特征在于，在预测之前，还包括：采用所述每一停车场的具有所述第一时长跨度的空闲状况数据训练所述每一停车场的深度神经网络：
选取任意一对具有第一时长跨度的起始时间和结束时间；
将所述起始时间的所述每一停车场空闲状况数据和结束时间的所述每一停车场空闲状况数据输入所述每一停车场的深度神经网络进行训练；
重复上述过程，直至得到所述每一停车场的已训练深度神经网络。
9.根据权利要求8所述的停车诱导方法，其特征在于，还将所述起始时间的停车场空闲状况数据和结束时间的停车场空闲状况数据存入大数据。
10.一种停车诱导系统，用于辅助用户选择目的地附近的停车场，包括：
时间获取模块，用于获取表示用户到达目的地时间的第一时间；
条件设置模块，用于获取预设的筛选条件；
预测模块，用于预测在所述第一时间符合所述预设筛选条件的第一停车场集合；
输出模块，根据预测结果输出具有最优条件的停车场；
导航模块，利用导航系统规划从当前位置到达所述具有最优条件的停车场的路线。