リアルタイム案内に最適化した smart parking system
本ケーススタディでは、GITS が AI Services として smart parking system を開発し、魚眼カメラ（fisheye cameras）と解析（analytics） により リアルタイムの空き状況案内 を実現した取り組みを紹介します。既存の AI カメラデバイスを、空き区画の検知・日常監視・映像管理基盤との連携まで含めた「運用可能なシステム」に転換することが目的でした。
本プロジェクトは、実験的な AI ではなく、現場で稼働するための実装を重視しています。コンピュータビジョンの設定、マルチストリーム映像処理、システム統合、運用設計を組み合わせ、駐車環境において安定稼働できることを前提に設計しました。
顧客背景とプロジェクトの事業目的
AI カメラ製品を拡張する韓国のセキュリティメーカー
顧客は、AI カメラデバイスの製品ポートフォリオを持つ 韓国のセキュリティメーカー です。既存ハードウェアを活用しながら、ドライバーが空きスペースを素早く把握できるスマート駐車案内へと事業領域を拡張することを狙っていました。
駐車場オペレーターが改善したいポイント
オペレーター視点では、区画稼働率の向上 と 空きスペース探索時間の短縮 が期待値です。結果として、場内動線の混雑緩和や運営効率の改善につながります。
smart parking system を難しくする技術要件
最大 5ch のマルチストリームを安定処理する必要性
要件の中核は、最大 5 チャネル同時 の multi-stream video 対応です。実環境では、帯域、デコード負荷、ストリームの安定性、監視運用など複数の制約が同時に発生します。リアルタイム案内のためには、同時処理下でも性能を維持しつつ、遅延を十分に低く抑えることが不可欠です。
物理レイアウトに一致する検知ゾーン設計
駐車場におけるコンピュータビジョンは、カメラ設置位置、照明、画角、遠近の影響を強く受けます。そのため、vehicle detection zones（車両検知ゾーン） を区画やレーンに正確に一致させる必要があります。本件では、direct points（ポイント指定） によるゾーン設定方式を採用し、曖昧さを抑えながら現場レイアウトへ適合できるようにしました。
運用時に使える DPTZ コントロール
運用中の監視品質を確保するため、DPTZ による画角調整が必要でした。魚眼カメラ環境では、DPTZ を適切に使うことで、交通量が多いエリアや視認性が落ちるコーナー、遮蔽物が生じやすいゾーンに焦点を当てやすくなります。
analytics をアラート運用へ接続する Alarm I/O
smart parking system では、検知結果を「見える化」するだけでなく、アラート として運用へ繋げる設計が重要です。本件では alarm input/output を含むワークフロー連携に対応し、イベントや検知条件に応じた通知・既存システム連携を可能にしました。
Wisenet WAVE VMS 環境にフィットさせる要件
顧客環境では、Wisenet WAVE の VMS（Video Management System） が前提となっていました。企業利用では、監視画面、権限管理、保持ポリシーが VMS 側に集約されることが多く、VMS 互換性は導入可否を左右する要件になります。
GITS が提供した統合から運用までの実装
開発・検証・運用支援までを含む End-to-End 対応
GITS は、開発と単体テスト、カメラ統合テスト、保守・運用支援 を含む End-to-End でプロジェクトを推進しました。production 利用を前提に、安定性、設定の明確さ、統合のしやすさを優先し、実運用に移行できるプロダクト品質を目指しました。
5ch ストリーミングと RJ-45 接続による標準化
複数カメラ入力を同時処理するため、5 チャネルストリーミング を実装。カメラ接続は RJ-45 を前提に標準化し、導入時の展開性と、カメラ追加時の拡張性を確保しました。
ポイント指定でのゾーン定義による占有判定ロジック
point-defined detection zones により、現場ごとに異なるレイアウトへ柔軟に適合できる設計とし、設置時のキャリブレーション工数と、変更時の再設定コストを抑えることを重視しました。
実運用で求められる映像機能の実装
日常監視の要件として、音声検知、ブラー処理、映像操作 といった機能を含め、解析と Alarm I/O を組み合わせた運用フローを構成しました。
Wisenet WAVE 上での監視体験を維持
既存 VMS 投資を活かすため、GITS は Wisenet WAVE 環境での利用を前提に互換性を確保。既存の監視運用を大きく変えずに導入できるよう、運用摩擦を最小化しました。
smart parking system のアーキテクチャをシンプルに整理
カメラ入力から案内・アラートまでの流れ
全体は、運用が理解しやすいパイプラインとして整理しています。
Cameras
魚眼カメラ／AI カメラが複数ゾーンをカバーする映像を取得します。
Streaming
同時チャネルを処理し、解析・表示向けに安定したフレーム供給を行います。
Detection zones
direct points によりゾーンを定義し、物理区画や監視エリアへマッピングします。
Analytics and alerts
イベント処理を行い、アラート運用やダッシュボードへ出力します。
この構成は、エンタープライズ導入で重視される 信頼性 と 設定可能性 を中心に設計されています。
採用技術スタック
UI は ReactJS と ExpressJS
UI は ReactJS と ExpressJS を用い、設定・監視・日常運用を支える操作性を提供します。
バックエンドは C# .NET MVC
バックエンドは C# .NET MVC を採用し、統合ロジック、イベント処理、設定管理、API 提供を担います。
検証設計と運用準備
コア機能を担保する単体テスト
multi-stream 処理、ゾーン設定、アラート連携など、主要機能を単体テストで検証しました。
実カメラ映像による統合テスト
統合テストでは、接続性、ストリーム安定性、DPTZ 動作、ゾーンマッピングの正確性を実環境で確認。駐車場は条件差が大きいため、この工程が品質を左右します。
本番運用を前提にした保守・サポート
カメラ位置変更、照明の変化、ゾーン追加、季節要因、監視環境の更新といった現場変化に対応するため、GITS は運用支援も提供します。
本番移行時に推奨する KPI と測定観点
本ブリーフには最終的な定量結果は含まれていません。pilot または go-live 後の評価として、以下 KPI の計測を推奨します。
Detection accuracy by zone
ゾーン別の占有判定精度（precision / recall を含む）を評価します。
Real time latency
キャプチャから状態更新までの end-to-end 遅延を測定します。
Stream uptime and stability
同時 5ch 処理時の稼働率、再接続挙動、安定性を追跡します。
False alarm rate
誤報率を測定し、運用ノイズ低減と信頼性向上を図ります。
Time to park improvement when data is available
データが取得できる場合、導入前後の平均探索時間を比較し事業効果を定量化します。
現実的な導入スケールと進め方
期間はサイト規模、カメラ台数、制約条件により変動します。実務上は以下のフェーズで進めるのが一般的です。
Phase 1 要件整理と統合境界の合意
カバー範囲、カメラ前提、ゾーン設計、VMS 連携要件を確定します。
Phase 2 ストリーミング・ゾーニング・解析の実装
基盤実装、設定 UI、ゾーンロジック、アラート連携を構築します。
Phase 3 現地統合テストでの検証
実映像での確認、ゾーン調整、DPTZ 検証、Wisenet WAVE 互換性を確認します。
Phase 4 本番安定化と継続運用
監視しながら誤報低減・安定化を進め、長期運用に最適化します。
smart parking system が示す価値は精度だけではなく運用統合にある
本ケースは、コンピュータビジョン単体の出来栄えではなく、実運用へ統合して成果を測れる状態にすること が成功要因であることを示しています。GITS は multi-stream video、point-defined detection zones、DPTZ、analytics と Alarm I/O、Wisenet WAVE 互換性 を一体として設計し、go-live 後に KPI で評価できる production-ready なシステムを提供しました。
