[논문 리뷰] Spot-Wise Smart Parking: An Edge-Enabled Architecture with YOLOv11 and Digital Twin Integration

Gustavo P. C. P. da Luz, Alvaro M. Aspilcueta Narvaez외 4명|arXiv (Cornell University)|2026. 02. 02.

Smart Parking Systems Research인용 수 0

한 줄 요약

이 연구는 Raspberry Pi에서 YOLOv11m을 사용한 현장 배치 스마트 주차 시스템으로, 적응형 경계 상자 분할, 거리 기반 공간 배정, 그리고 디지털 섀도우를 향한 디지털 트윈으로의 방향성, 그리고 확장 가능한 데이터 공유 및 시각화를 위한 재활용 TV Box의 응용 서버를 포함합니다.

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.

연구 동기 및 목표

• 운전자의 검색 시간과 도시 혼잡을 정의된 ROI 내에서 공간 수준의 주차 점유 탐지를 가능하게 하여 줄인다.
• 리소스가 제한된 디바이스에서 에지 기반 추론을 가능하게 하여 프라이버시를 보존하고 지연 시간을 낮춘다.
• 디지털 섀도우와 NGSI-LD/Smart Data Model 기초를 도입하여 스마트 캠퍼스 주차의 디지털 트윈으로의 진화를 추진한다.
• 시각화, 데이터 공유 및 향후 디지털 트윈 기능을 지원하는 상호 운용 가능한 아키텍처를 제공한다.

제안 방법

• 실시간 주차 탐지를 위한 ROI 내에서 Raspberry Pi에 YOLOv11m-TFLite를 배치한다.
• 임계값 δ 이내의 가장 가까운 중심으로 탐지된 차량을 주차 공간에 매핑하기 위한 거리 인식 매칭 방법을 사용한다.
• 중요 영역에서 큰 탐지 영역을 재배치하여 주차 공간 배정의 강인성을 향상시키는 Adaptive Bounding Box Partitioning 방법을 적용한다.
• ROI 마스킹과 후처리 파이프라인을 결합하여 주차 점유 전송을 위한 컴팩트한 이진 비트마스크를 생성한다.
• 표준화된 시각화와 향후 디지털 트윈 진화를 가능하게 하는 Digital Shadow 구성요소 및 NGSI-LD 기반 데이터 모델링을 도입한다.
• 클라우드 통신, 토템 업데이트, 모니터링 봇을 위한 텔레그램 봇 운영을 조정하기 위해 재활용된 TV Box를 애플리케이션 지원 서버로 활용한다.

실험 결과

연구 질문

• RQ1 전 처리된 YOLOv11m과 거리 기반 공간 배정 방법을 사용하여 엣지 디바이스에서 공간 수준 점유를 얼마나 정확하게 추론할 수 있는가?
• RQ2 적응형 바운딩 박스 분할이 도전적인 주차 배열에서 추론 정확도와 강인성에 미치는 영향은 무엇인가?
• RQ3 Digital Shadow 프레임워크를 NGSI-LD 및 Smart Data Models와 통합하여 스마트 캠퍼스 주차의 상호운용 가능한 향후 디지털 트윈 기능을 가능하게 할 수 있는가?
• RQ4 현장 엣지+TV Box 아키텍처가 클라우드 의존 추론 없이도 신뢰할 수 있고 확장 가능하며 저지연인 주차 모니터링 및 시각화를 제공할 수 있는가?

주요 결과

• 현장별 점유 탐지는 균형 잡힌 정확도 98.80%를 달성한다.
• 제한된 자원의 엣지 디바이스(Raspberry Pi)에서 추론 시간은 8초이다.
• 시스템은 40.5 MB 풋프린트를 가지는 YOLOv11m을 사용하며 프라이버시 및 지연 혜택을 위해 전적으로 엣지에서 작동한다.
• Digital Shadow를 전체 디지털 트윈의 전조로 도입하여 FIWARE 프레임워크 내 NGSI-LD를 통한 표준화된 시각화 및 데이터 교환을 가능하게 한다.
• 재활용된 TV Box의 애플리케이션 지원 서버는 클라우드 서비스, 주차 토템, 봇 간의 확장 가능한 통신을 가능하게 하여 하드웨어 재활용 및 지속 가능성을 촉진한다.