La mayoría de los sistemas de estacionamiento automático actualmente utilizados explotan el enfoque de planificación y seguimiento que implica planificar primero la trayectoria de referencia y luego seguir la trayectoria de referencia deseada. Sin embargo, la demora de respuesta de la velocidad longitudinal impide que el controlador de estacionamiento siga la trayectoria deseada porque la velocidad del vehículo y otros parámetros de estado no están sincronizados, mientras que el controlador maniobra el vehículo de acuerdo con la velocidad deseada y los perfiles de dirección planificados. Proponemos un modelo de vehículo inverso para proporcionar un controlador de estacionamiento automático integrado lateral y longitudinal basado en redes neuronales. Aproximamos la relación entre la velocidad planificada y la velocidad del vehículo utilizando una ecuación de diferencia de segundo orden que implica la característica de respuesta del retraso longitudinal del vehículo. La velocidad deseada ajustada para seguir la velocidad planificada original se calcula utilizando el modelo de vehículo inverso. Además, propusimos un controlador de estacionamiento longitudinal y lateral integrado utilizando un modelo de red neuronal artificial (ANN) entrenado en un conjunto de datos aplicando el modelo de vehículo inverso. Al aprender las leyes de control entre los estados del vehículo y las acciones correspondientes, el controlador basado en ANN propuesto podría generar un ángulo de dirección y la velocidad deseada ajustada para completar el estacionamiento automático en un espacio reducido.