La ocupación de estacionamiento es difícil en la mayoría de las ciudades modernas debido al aumento en la accesibilidad y uso de vehículos motorizados, y los usuarios generalmente tardan varios minutos o incluso horas en encontrar un lugar para estacionar. En este trabajo, proponemos un modelo de predicción de estacionamiento inteligente para ayudar a los usuarios a localizar con anticipación la disponibilidad de estacionamiento cerca de los lugares que planean visitar. Para esto se propone una arquitectura de computación en la niebla que integra un algoritmo de aprendizaje automático basado en AdaBoost para predecir lugares de estacionamiento horas o días antes. Además, se desarrolló una interfaz de usuario que implica la recopilación de entradas de usuario a través de una aplicación móvil donde se solicita al usuario que ingrese la ubicación de destino y el intervalo de tiempo de predicción. A través de experimentación extensa utilizando datos reales de flujo de estacionamiento, nuestro algoritmo propuesto demostró un nivel mejorado de precisión en comparación con métodos de predicción alternativos. Además, se realizó una simulación para evaluar la latencia del sistema al usar computación en la nube versus nuestro enfoque híbrido que combina tanto la niebla como la computación en la nube. Los resultados mostraron que emplear el módulo de niebla en conjunto con la computación en la nube redujo significativamente la demora de respuesta en comparación con el uso de la computación en la nube sola.