A medida que las ciudades se vuelven más densas, la demanda de sistemas de estacionamiento eficientes se vuelve más crítica para reducir la congestión del tráfico, el consumo de combustible y el impacto ambiental. Este documento propone una solución de estacionamiento inteligente que combina el aprendizaje profundo y la clasificación algorítmica para identificar el espacio de estacionamiento disponible más cercano en tiempo real. El sistema utiliza varios modelos de red neuronal convolucional (CNN) preentrenados: VGG16, ResNet50, Xception, LeNet, AlexNet y MobileNet, junto con una arquitectura CNN personalizada ligera, todos entrenados en un conjunto de datos de estacionamiento personalizado. Estos modelos están integrados en una aplicación móvil que permite a los usuarios ver y solicitar espacios de estacionamiento cercanos. Un algoritmo de ordenamiento por fusión clasifica los espacios disponibles según la proximidad al usuario. El sistema se valida utilizando conjuntos de datos de referencia (CNR-EXT y PKLot), demostrando una alta precisión en diversas condiciones climáticas. El sistema propuesto muestra cómo los modelos matemáticos aplicados y el aprendizaje profundo pueden mejorar la movilidad urbana a través de infraestructuras inteligentes.