La existencia de silos de información entre vehículos y aparcamientos significa que los Vehículos Terrestres No Tripulados (UGVs) conducen repetidamente para buscar espacios de aparcamiento disponibles, lo que resulta en un desperdicio de recursos, consumo de tiempo y congestión del tráfico, especialmente en escenarios de aparcamiento de alta densidad. Para abordar este problema, se propone en este documento un nuevo método de planificación de aparcamiento para UGVs, que consiste en planificación de rutas cooperativas, estrategia de resolución de conflictos y asignación óptima de espacios de aparcamiento, con la intención de evitar la búsqueda ineficaz de aparcamiento por parte de los vehículos y liberar la presión del tráfico urbano. En primer lugar, se estableció el modelo de inducción del aparcamiento y se desarrolló el IACA-IA para la asignación óptima de aparcamiento. El IACA-IA se generó utilizando el algoritmo de colonia de hormigas mejorado (IACA) y el algoritmo de inmunidad. En comparación con el algoritmo de primero en llegar, primero en ser atendido (FCFS), el algoritmo normal de colonia de hormigas (NACA) y el algoritmo de inmunidad (IA), el IACA-IA fue capaz de asignar espacios óptimos a un menor costo y en menos tiempo en escenarios complejos con aparcamientos de múltiples entradas. En segundo lugar, se diseñó un algoritmo de búsqueda basado en conflictos mejorado (ICBS) para resolver de manera eficiente el conflicto de planificación de rutas simultáneas para UGVs. La estrategia de expansión de objetivos de doble capa es el núcleo del ICBS, que toma el costo total de la ruta de los UGVs en el árbol de restricciones extendido como el objetivo de primera capa, y las características de conducción óptimas de un solo UGV como el objetivo de segunda capa. Finalmente, se construyeron tres tipos de escenarios de aparcamiento equilibrado y no equilibrado para probar el método propuesto, y el rendimiento del algoritmo se demostró desde tres aspectos, incluyendo computación, calidad y puntualidad. Los resultados muestran que el método propuesto requiere menos computación, tiene una mayor calidad de ruta y es menos consumidor de tiempo en escenarios de alta densidad, lo que proporciona una solución razonable y eficiente para la movilidad urbana innovadora.