[論文レビュー] Spot-Wise Smart Parking: An Edge-Enabled Architecture with YOLOv11 and Digital Twin Integration

Gustavo P. C. P. da Luz, Alvaro M. Aspilcueta Narvaez+4 more|arXiv (Cornell University)|Feb 2, 2026

Smart Parking Systems Research被引用数 0

ひとこと要約

この研究は、Raspberry Pi 上の YOLOv11m を用いたスポット単位のエッジ展開スマートパーキングシステムで、適応境界ボックス分割、距離ベースのスポット割り当て、およびデジタルシャドウをデジタルツインへ向けて実現し、再利用されたテレビボックスでデータ共有と可視化を拡張するア application サーバを提供します。

ABSTRACT

Smart parking systems help reduce congestion and minimize users' search time, thereby contributing to smart city adoption and enhancing urban mobility. In previous works, we presented a system developed on a university campus to monitor parking availability by estimating the number of free spaces from vehicle counts within a region of interest. Although this approach achieved good accuracy, it restricted the system's ability to provide spot-level insights and support more advanced applications. To overcome this limitation, we extend the system with a spot-wise monitoring strategy based on a distance-aware matching method with spatial tolerance, enhanced through an Adaptive Bounding Box Partitioning method for challenging spaces. The proposed approach achieves a balanced accuracy of 98.80% while maintaining an inference time of 8 seconds on a resource-constrained edge device, enhancing the capabilities of YOLOv11m, a model that has a size of 40.5 MB. In addition, two new components were introduced: (i) a Digital Shadow that visually represents parking lot entities as a base to evolve to a full Digital Twin, and (ii) an application support server based on a repurposed TV box. The latter not only enables scalable communication among cloud services, the parking totem, and a bot that provides detailed spot occupancy statistics, but also promotes hardware reuse as a step towards greater sustainability.

研究の動機と目的

• ROI 内でスポットレベルの駐車占有検知を実現し、運転手の検索時間と都市部の混雑を低減する。
• リソース制約のあるデバイスでエッジベースの推論を実現し、プライバシーを保護し遅延を低減する。
• デジタルシャドウと NGSI-LD/Smart Data Model の基盤を導入し、スマートキャンパス駐車のデジタルツインへ向けて進化させる。
• 可視化、データ共有、将来のデジタルツイン機能をサポートする相互運用可能なアーキテクチャを提供する。

提案手法

• ROI 内でリアルタイム駐車検知のために Raspberry Pi 上で YOLOv11m-TFLite を展開する。
• 閾値 δ 内の最も近い中心点に基づいて検出を駐車スポットへ割り当てる距離認識マッチング法を用いる。
• 重要ゾーンで大きな検出を分割してスポット割り当ての頑健性を向上させる Adaptive Bounding Box Partitioning 法を適用する。
• ROI マスクと後処理パイプラインを組み合わせて、駐車占有を伝送するコンパクトなバイナリビットマスクを生成する。
• デジタルシャドウ成分と NGSI-LD ベースのデータモデリングを導入して、標準化された相互運用可能な可視化と将来のデジタルツインの進化を可能にする。
• クラウド連携、トーテム更新、監視用 Telegram ボットを調整するアプリケーションサポートサーバとして再利用されたTV Box を活用する。

実験結果

リサーチクエスチョン

• RQ1 事前学習済み YOLOv11m と距離ベースのスポット割り当て法を用いて、エッジ機器でスポットレベルの占有をどの程度正確に推定できるか。
• RQ2 適応境界ボックス分割が難易度の高い駐車レイアウトにおける推論精度と頑健性に与える影響はどの程度か。
• RQ3 デジタルシャドウフレームワークを NGSI-LD とスマートデータモデルと統合して、スマートキャンパス駐車の相互運用可能な将来のデジタルツイン機能を実現できるか。
• RQ4 現地のエッジ+TV Box アーキテクチャはクラウドのみの推論を必要とせずに、信頼性が高く、スケーラブルで低遅延な駐車監視と可視化を提供できるか。

主な発見

• スポット単位の占有検出は、90%近辺の精度で 98.80% のバランスを達成。
• エッジ機器（Raspberry Pi）で推論時間は 8 秒。
• YOLOv11m を 40.5 MB のフットプリントで使用し、プライバシーと遅延の利点のために推論をエッジのみで完結。
• デジタルシャドウをデジタルツインの前段として導入し、FIWARE フレームワーク内で NGSI-LD による標準化された可視化とデータ交換を可能にする。
• 再利用された TV Box 上のアプリケーションサポートサーバがクラウドサービス、駐車トーテム、ボット間のスケーラブルな通信を実現し、ハードウェアの再利用と持続可能性を促進する。