Tài liệu: Luận văn an ai based assistant system for smart parking using

Hệ thống đỗ xe thông minh sử dụng trí tuệ nhân tạo và edge computing. Nghiên cứu ứng dụng SoC để tối ưu hóa quản lý bãi đỗ xe hiệu quả.

• Tác giả: Ngo Qui Thu
• Người hướng dẫn: Assoc. Tran Ngoc Thinh
• Trường học: Ho Chi Minh University Of Technology, Vietnam National University Ho Chi Minh City
• Chuyên ngành: Computer Engineering
• Đề tài: An AI-Based Assistant System For Smart Parking Using Edge Computing SoCs
• Loại tài liệu: University Thesis
• Năm xuất bản: 2021
• Địa điểm: Ho Chi Minh City

Tóm tắt

I. Tổng quan hệ thống đỗ xe thông minh trong Smart City

Sự phát triển của đô thị hóa dẫn đến nhu cầu cấp thiết về quản lý giao thông hiệu quả. Smart City (Thành phố thông minh) không thể thiếu hệ thống đỗ xe tự động. Internet of Things (IoT) đóng vai trò kết nối các thành phần trong hạ tầng đô thị. Việc tích hợp Trí tuệ nhân tạo (AI) vào hệ thống đỗ xe giúp tối ưu hóa không gian và thời gian. Hệ thống trợ lý dựa trên AI cung cấp thông tin chính xác về tình trạng bãi xe. Công nghệ Edge Computing (Tính toán cạnh) cho phép xử lý dữ liệu ngay tại nguồn phát. Điều này giảm thiểu áp lực cho máy chủ trung tâm và tăng tốc độ phản hồi. Các thiết bị Embedded Systems (Hệ thống nhúng) ngày càng mạnh mẽ hơn. Chúng có khả năng chạy các mô hình Deep Learning (Học sâu) phức tạp. Sự kết hợp giữa phần cứng chuyên dụng và thuật toán tiên tiến tạo ra giải pháp đột phá. Người dùng có thể dễ dàng tìm kiếm và đặt chỗ thông qua ứng dụng di động. Chủ bãi xe quản lý hiệu quả hơn nhờ dữ liệu Real-time processing (Xử lý thời gian thực).

1.1. Vai trò của Internet of Things IoT trong đô thị

Internet of Things (IoT) là nền tảng kết nối hàng tỷ thiết bị cảm biến. Trong bãi xe thông minh, IoT giúp thu thập dữ liệu từ camera và cảm biến vị trí. Dữ liệu này được truyền tải liên tục để cập nhật trạng thái bãi đỗ. Khả năng kết nối vạn vật giúp đồng bộ hóa thông tin giữa người dùng và quản lý.

1.2. Ứng dụng Trí tuệ nhân tạo AI nâng cao trải nghiệm

Trí tuệ nhân tạo (AI) tự động hóa quá trình nhận diện và phân loại phương tiện. Thuật toán AI giúp dự báo xu hướng đỗ xe theo thời gian. Trợ lý ảo AI hỗ trợ người lái tìm vị trí đỗ gần nhất. Công nghệ này loại bỏ các thao tác thủ công, giảm thiểu sai sót và tăng tính minh bạch.

II. Thách thức quản lý bãi xe truyền thống và giải pháp AI

Bãi đỗ xe truyền thống đối mặt với nhiều bất cập về vận hành. Người lái xe thường mất nhiều thời gian tìm kiếm chỗ trống, gây ùn tắc cục bộ. Theo nghiên cứu, 30% lượng xe lưu thông trong thành phố là do việc tìm chỗ đỗ. Điều này gây lãng phí nhiên liệu và tăng phát thải CO2. Hệ thống cũ phụ thuộc nhiều vào con người, dẫn đến chi phí quản lý cao. Computer Vision (Thị giác máy tính) xuất hiện như một giải pháp thay thế hiệu quả. Tuy nhiên, việc truyền hình ảnh chất lượng cao lên Cloud Computing (Điện toán đám mây) gây tốn băng thông. Latency optimization (Tối ưu hóa độ trễ) là yêu cầu bắt buộc cho các ứng dụng thời gian thực. Giải pháp sử dụng các thiết bị System on Chip (SoC) tại biên giúp giải quyết vấn đề này. Dữ liệu được xử lý cục bộ, chỉ gửi kết quả cuối cùng về máy chủ. Phương pháp này bảo vệ quyền riêng tư và tăng tính ổn định của hệ thống. Các mô hình Convolutional Neural Networks (CNN) được tinh chỉnh để chạy trên phần cứng hạn chế.

2.1. Hạn chế của Cloud Computing trong xử lý hình ảnh

Cloud Computing (Điện toán đám mây) gặp khó khăn khi xử lý lượng lớn luồng video trực tiếp. Độ trễ mạng cao làm chậm quá trình phản hồi trạng thái bãi xe. Chi phí lưu trữ và băng thông trên đám mây rất đắt đỏ. Việc phụ thuộc hoàn toàn vào kết nối Internet khiến hệ thống dễ bị gián đoạn.

2.2. Tầm quan trọng của Latency optimization tại biên

Latency optimization (Tối ưu hóa độ trễ) cực kỳ quan trọng trong việc Vehicle Detection (Phát hiện phương tiện). Xử lý tại biên giúp phản hồi ngay lập tức khi xe vào hoặc ra khỏi vị trí. Điều này đảm bảo dữ liệu trên ứng dụng di động luôn khớp với thực tế. Tốc độ xử lý nhanh giúp nâng cao hiệu suất luân chuyển xe trong bãi.

III. Phương pháp triển khai AI trên Edge Computing SoC

Triển khai AI trên thiết bị biên yêu cầu sự cân bằng giữa hiệu năng và năng lượng. Các nền tảng như Jetson Nano hoặc Raspberry Pi 4 thường được sử dụng. Tuy nhiên, FPGA trên các dòng SoC như Ultra96-v2 mang lại lợi thế về xử lý song song. Luận văn tập trung vào việc sử dụng Binary Neural Networks (BNN) để tối ưu hóa tài nguyên. BNN thay thế các phép tính dấu phẩy động bằng các phép tính bitwise đơn giản. Điều này cực kỳ phù hợp với kiến trúc của System on Chip (SoC). Công cụ OpenVINO hoặc TensorFlow Lite hỗ trợ chuyển đổi mô hình AI sang định dạng nhúng. Quá trình Occupancy detection (Phát hiện chỗ trống) diễn ra liên tục với tốc độ khung hình cao. Hệ thống sử dụng kiến trúc Convolutional Neural Networks (CNN) rút gọn để tiết kiệm bộ nhớ. Việc lập trình trên FPGA cho phép tùy chỉnh phần cứng để tăng tốc thuật toán. Kết quả là một hệ thống có khả năng xử lý hàng chục khung hình mỗi giây với công suất tiêu thụ thấp.

3.1. Ưu điểm của Ultra96 v2 và FPGA trong tăng tốc AI

Ultra96-v2 tích hợp vi xử lý ARM và lõi FPGA linh hoạt. FPGA cho phép thiết kế các bộ tăng tốc phần cứng riêng biệt cho mô hình Deep Learning. Khả năng xử lý song song thực sự giúp vượt qua giới hạn của CPU truyền thống. Đây là nền tảng lý tưởng cho các ứng dụng thị giác máy tính đòi hỏi hiệu suất cao.

3.2. Kỹ thuật tối ưu hóa mô hình với TensorFlow Lite

TensorFlow Lite cung cấp các giải pháp định lượng (quantization) để giảm kích thước mô hình. Việc chuyển đổi mô hình từ 32-bit sang 8-bit hoặc 1-bit giúp tăng tốc độ suy luận. Kỹ thuật này giảm đáng kể yêu cầu về bộ nhớ trên các Embedded Systems. Nhờ đó, các thuật toán phức tạp có thể vận hành mượt mà trên phần cứng nhỏ gọn.

IV. Giải pháp Cloud Computing và IoT tối ưu quản lý

Dù xử lý tại biên, Cloud Computing (Điện toán đám mây) vẫn đóng vai trò quản lý trung tâm. Máy chủ đám mây lưu trữ cơ sở dữ liệu và quản lý tài khoản người dùng. Hệ thống sử dụng Node.js để xây dựng API hiệu năng cao. MongoDB được lựa chọn làm cơ sở dữ liệu nhờ cấu trúc linh hoạt. Dữ liệu từ thiết bị Edge Computing (Tính toán cạnh) được gửi lên thông qua giao thức JSON. Quá trình này giúp đồng bộ trạng thái Occupancy detection (Phát hiện chỗ trống) trên toàn hệ thống. Người dùng có thể thực hiện License Plate Recognition (Nhận diện biển số) để tự động thanh toán. Ứng dụng di động xây dựng trên React Native giúp tương thích đa nền tảng. Giao diện quản lý web cung cấp các báo cáo thống kê trực quan. Hệ thống hỗ trợ tính năng đặt chỗ trước, giúp giảm thiểu rủi ro hết chỗ. Sự kết hợp giữa biên và đám mây tạo nên một hệ sinh thái Smart Parking hoàn chỉnh. Tính bảo mật được đảm bảo thông qua các giao thức mã hóa dữ liệu hiện đại.

4.1. Xây dựng Back end với Node.js và MongoDB

Node.js xử lý các yêu cầu đồng thời từ hàng ngàn thiết bị Internet of Things (IoT). MongoDB lưu trữ thông tin bãi xe, lịch sử đỗ xe và thông tin khách hàng. Kiến trúc hướng dịch vụ giúp hệ thống dễ dàng mở rộng quy mô. Việc sử dụng cơ sở dữ liệu NoSQL giúp truy vấn dữ liệu thời gian thực nhanh chóng hơn.

4.2. Phát triển ứng dụng Mobile cho người dùng cuối

Ứng dụng di động cung cấp bản đồ vị trí các bãi xe trống gần nhất. Người dùng có thể theo dõi thời gian đỗ và chi phí dự kiến. Tính năng License Plate Recognition hỗ trợ việc ra vào bãi xe không cần thẻ vật lý. Giao diện thân thiện giúp người lái xe thao tác nhanh chóng ngay cả khi đang di chuyển.

V. Kết quả thực nghiệm hệ thống Smart Parking trên Ultra96 v2

Quá trình thực nghiệm được tiến hành tại bãi xe thực tế của Đại học Bách Khoa. Hệ thống sử dụng board Ultra96-v2 để chạy mô hình BNN đã huấn luyện. Kết quả cho thấy tốc độ xử lý đạt khoảng 55 FPS cho giai đoạn suy luận. Hiệu suất tổng thể của hệ thống đạt 15.3 FPS khi xử lý toàn bộ quy trình. Độ chính xác trong việc Vehicle Detection (Phát hiện phương tiện) đạt trên 95%. Hệ thống hoạt động ổn định trong các điều kiện ánh sáng khác nhau. Việc tối ưu hóa trên FPGA giúp giảm tiêu thụ điện năng đáng kể so với Jetson Nano. Các thử nghiệm về độ trễ API cho thấy phản hồi dưới 200ms. Dữ liệu trên ứng dụng di động cập nhật gần như tức thời với thực tế. Luận văn cũng đánh giá khả năng chịu tải của máy chủ khi có nhiều yêu cầu cùng lúc. Kết quả chứng minh giải pháp Edge Computing (Tính toán cạnh) giảm 80% băng thông truyền tải. Đây là minh chứng cho tính khả thi của hệ thống trong môi trường đô thị thực tế.

5.1. Đánh giá độ chính xác của Occupancy detection

Hệ thống được thử nghiệm trên bộ dữ liệu CNRPark+EXT và PKLot. Kết quả Occupancy detection (Phát hiện chỗ trống) cho thấy tỷ lệ nhận diện sai rất thấp. Các trường hợp xe bị che khuất một phần vẫn được thuật toán xử lý tốt. Độ chính xác duy trì ổn định cả trong điều kiện trời mưa hoặc ban đêm.

5.2. So sánh hiệu năng giữa FPGA và các nền tảng SoC khác

So với Jetson Nano, Ultra96-v2 cho tốc độ xử lý nhanh hơn nhờ tối ưu phần cứng. Mức tiêu thụ điện năng của FPGA thấp hơn, phù hợp cho các thiết bị chạy bằng pin hoặc năng lượng mặt trời. Khả năng tùy biến sâu của System on Chip (SoC) giúp hệ thống linh hoạt hơn trong việc nâng cấp thuật toán.

VI. Tương lai của hệ thống Smart Parking dựa trên AI và Edge

Hệ thống đỗ xe thông minh sẽ tiếp tục phát triển mạnh mẽ trong tương lai. Việc tích hợp sâu hơn với xe tự lái là xu hướng tất yếu. Các trợ lý AI sẽ không chỉ tìm chỗ mà còn tự động điều hướng xe vào vị trí. Công nghệ Edge Computing (Tính toán cạnh) sẽ trở nên phổ biến hơn nữa. Các chip SoC thế hệ mới sẽ tích hợp sẵn các bộ tăng tốc AI chuyên dụng. Khả năng liên kết giữa các bãi xe trong thành phố sẽ tạo ra mạng lưới giao thông thông minh. Việc sử dụng Blockchain có thể được áp dụng để minh bạch hóa thanh toán. Real-time processing (Xử lý thời gian thực) sẽ đạt đến độ trễ cực thấp nhờ mạng 5G. Hệ thống sẽ có khả năng tự học và thích nghi với hành vi của người dùng. Luận văn đã đặt nền móng cho việc ứng dụng các kỹ thuật nén mô hình tiên tiến. Tương lai của Smart City (Thành phố thông minh) phụ thuộc vào những giải pháp sáng tạo như thế này. Sự kết hợp giữa phần cứng mạnh mẽ và phần mềm thông minh sẽ thay đổi bộ mặt đô thị.

6.1. Khả năng mở rộng hệ thống sang quy mô thành phố

Kiến trúc hệ thống cho phép dễ dàng thêm mới các bãi xe vào mạng lưới. Dữ liệu tập trung giúp nhà quản lý đô thị điều tiết giao thông hiệu quả hơn. Việc chuẩn hóa API giúp các bên thứ ba có thể tích hợp dịch vụ vào hệ sinh thái chung. Đây là bước đi quan trọng để xây dựng hạ tầng giao thông số.

6.2. Hướng phát triển các thuật toán Deep Learning mới

Các nghiên cứu tiếp theo có thể tập trung vào việc sử dụng Transformer cho thị giác máy tính. Việc kết hợp giữa Computer Vision và cảm biến radar sẽ tăng cường độ tin cậy. Tối ưu hóa mô hình AI để chạy trên các thiết bị cực thấp năng lượng là một thách thức thú vị. Những cải tiến này sẽ giúp hệ thống thông minh hơn và bền vững hơn.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY OF HO CHI MINH CITY HO CHI MINH UNIVERSITY OF TECHNOLOGY FACULTY OF COMPUTER SCIENCE AND ENGINEERING UNIVERSITY THESIS Major: Computer Engineering AN AI-BASED ASSISTANT SYSTEM FOR SMART PARKING USING EDGE COMPUTING SOCs Instructors: Assoc. Tran Ngoc Thinh Reviewer: Assoc. Pham Quoc Cuong Students: Student 1: Ngo Qui Thu - 1652595 Student 2: Nguyen La Thong - 1752522 Student 3: Ho Le Thuc Quyen - 1752454 Student 4: Nguyen Hoang Long - 1752324 Council: Computer Engineering Ho Chi Minh City, July 2021 ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM ---------- Độc lập - Tự do - Hạnh phúc TRƯỜNG ĐẠI HỌC BÁCH KHOA KHOA: KH & KT Máy tính ___ NHIỆM VỤ LUẬN ÁN TỐT NGHIỆP BỘ MÔN: KT Máy tính _______ Chú ý: Sinh viên phải dán tờ này vào trang nhất của bản thuyết trình HỌ VÀ TÊN: Ngô Quí Thụ __________________________ MSSV: 1652595 ______ HỌ VÀ TÊN: Nguyễn Hoàng Long ____________________ MSSV: 1752324 ______ HỌ VÀ TÊN: Hồ Lê Thục Quyên _____________________ MSSV: 1752454 ______ HỌ VÀ TÊN: Nguyễn La Thông ______________________ MSSV: 1752522 ______ NGÀNH: Kỹ thuật Máy tính ____________________ LỚP: CC17KTM ____________ 1. Đầu đề luận án: An AI-Based Assistant System for Smart Parking Using Edge Computing SoCs 2.

Nhiệm vụ (yêu cầu về nội dung và số liệu ban đầu): - Study about AI, Edge Computing, and their roles in Smart Parking. - Design and implement AI algorithms on Edge devices. - Design and implement services and data processing algorithms for cloud server. - Design and implement web application and mobile application for users in Smart Parking systems.

- Implement testbed to test the proposed system and evaluate performance the system. Ngày giao nhiệm vụ luận án: 01/03/2021 4. Ngày hoàn thành nhiệm vụ: 07/8/2021 5. Họ tên giảng viên hướng dẫn: Phần hướng dẫn: 1) Trần Ngọc Thịnh ___________________________________________________________ 2) __________________________________________________________________________ Nội dung và yêu cầu LVTN đã được thông qua Bộ môn.

Ngày 01 tháng 03 năm 2021 CHỦ NHIỆM BỘ MÔN GIẢNG VIÊN HƯỚNG DẪN CHÍNH (Ký và ghi rõ họ tên) (Ký và ghi rõ họ tên) PHẦN DÀNH CHO KHOA, BỘ MÔN: Người duyệt (chấm sơ bộ):________________________ Đơn vị: _______________________________________ Ngày bảo vệ: __________________________________ Điểm tổng kết: _________________________________ Nơi lưu trữ luận án: _____________________________ TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM KHOA KH & KT MÁY TÍNH Độc lập - Tự do - Hạnh phúc ---------------------------- Ngày 08 tháng 08 năm 2021 PHIẾU CHẤM BẢO VỆ LVTN (Dành cho người hướng dẫn) 1. Họ và tên SV: Ngô Quí Thụ MSSV: 1652595 Họ và tên SV: Nguyễn Hoàng Long MSSV: 1752324 Họ và tên SV: Hồ Lê Thục Quyên MSSV: 1752454 Họ và tên SV: Nguyễn La Thông MSSV: 1752522 Ngành (chuyên ngành): Kỹ Thuật Máy Tính 2. Đề tài: An AI-Based Assistant System for Smart Parking Using Edge Computing SoCs 3. Họ tên người hướng dẫn: Assoc.

Trần Ngọc Thịnh 4. Tổng quát về bản thuyết minh: Số trang: 155 Số chương: 6 Số bảng số liệu: 16 Số hình vẽ: 88 Số tài liệu tham khảo: 77 Phần mềm tính toán: Hiện vật (sản phẩm): An AI-Based Assistant System for Smart Parking on Ultra96-V2 platform. Tổng quát về các bản vẽ: - Số bản vẽ: Bản A1: Bản A2: Khổ khác: - Số bản vẽ vẽ tay Số bản vẽ trên máy tính: 6. Những ưu điểm chính của LVTN: Students have successfully completed the requirements of the topic.

Specifically: - Study about Smart Parking, Edge Computing, and their roles in Smart Cities. - Study on Edge Computing technologies, techniques and algorithms which can be used in Smart Parking systems. - Design and implement a hardware-accelerated Binary Neural Network architecture on SoC devices for detecting parking occupancy. - Design and implement a cloud server for data acquisition and processing using Nodejs and MongoDB.

- Design and implement a parking management dashboard and a mobile application for users in Smart Parking systems. - Realize, test and evaluate in details the proposed system. Những thiếu sót chính của LVTN: - The limitation of the thesis is that the proposed system has only evaluated on a limited set of parking spaces. Đề nghị: Được bảo vệ  Bổ sung thêm để bảo vệ  Không được bảo vệ  9.

1 câu hỏi SV phải trả lời trước Hội đồng: 1. How are the evaluation results on the Ultra96-V2 platform compared to other SoC platforms (Zedboard, Jetson Nano, etc. Đánh giá chung (bằng chữ: giỏi, khá, TB): Very good Điểm : 9. Họ và tên SV: Ngô Quí Thụ – 1652595 – Ngành Kỹ thuật Máy tính Nguyễn La Thông – 1752522 – Ngành Kỹ thuật Máy tính Hồ Lê Thục Quyên – 1752454 – Ngành Kỹ thuật Máy tính Nguyễn Hoàng Long – 1752324 – Ngành Kỹ thuật Máy tính 2.

Đề tài: An AI-based assistant system for smart parking using edge computing SoCs 3. Họ tên người hướng dẫn/phản biện: Phạm Quốc Cường 4. Tổng quát về bản thuyết minh: Số trang: Số chương: Số bảng số liệu Số hình vẽ: Số tài liệu tham khảo: Phần mềm tính toán: Hiện vật (sản phẩm) 5. Tổng quát về các bản vẽ: - Số bản vẽ: Bản A1: Bản A2: Khổ khác: - Số bản vẽ vẽ tay Số bản vẽ trên máy tính: 6.

Những ưu điểm chính của LVTN: - Students proposed a proper approach to recognize parking slots with a combination of a processor and FPGA fabrics. - Students conducted several tests to validate the system as well as estimate the performance. - The report is well written, although some typos and grammatical errors exist. Những thiếu sót chính của LVTN: - Students should implement both software for the processor and hardware cores for the FPGA fabrics instead of using HW cores from Xilinx.

The user app is not suitable and flexible for users when drivers need to find an exact parking slot registered. Đề nghị: Được bảo vệ o Bổ sung thêm để bảo vệ o Không được bảo vệ o 9. 3 câu hỏi SV phải trả lời trước Hội đồng: a. Would you please explain what happens when drivers will not park at the slot registered? b.

How many parking areas can the system support concurrently at maximum? 10. Đánh giá chung (bằng chữ: giỏi, khá, TB): Điểm: 9.0/10 Ký tên (ghi rõ họ tên) Phạm Quốc Cường Protestation We hereby declare that except where specific reference is made to the work of others, the contents of this dissertation are original and have not been submitted in whole or in part for any other degree or qualification in any other university. This dissertation is our own work and contains nothing which is the outcome of work done in collaboration with others, except as specified in the text and Acknowledgements. Ho Chi Minh City, July 2021 Acknowledgement As with any great endeavor, this thesis would not have been possible to complete without the help and support of many others.

First of all, we would like to send our greatest gratitude to Assoc. Tran Ngoc Thinh and M. Sc Le Tan Long for having dedicated their time and effort to teach and guide us during the whole time we were working on this thesis. We would also like to thank all the teachers of Ho Chi Minh City University of Technology and Faculty of Computer Science and Engineering, whom have taught us many valuable and important lessons, knowledge and experiences during our time studying in the university.

Finally, we thank all of our beloved families and friends for always supporting us. Once again, we thank you all from the bottom of our hearts!. Abstract With the advancement of technology, many plans and projects aiming at building and improv- ing Smart Cities have been developing at a rapid rate. Along with this and the need to solve traffic congestion in any part of the world, Smart Parking has been a hotly researched and implemented subject.

As one of the newly emerging and disrupting technology, AI (Artificial Intelligence) is being utilized in many aspects of implementing a Smart Parking system. One of the many ways to utilize AI for Smart Parking is to implement object detection for detecting vehicles. In this thesis, we will implement a full system consisting of software and hardware implementation of many technology techniques to create a fully functional Smart Parking system. We will develop a mobile application for customer Android with version 8 or higher and a website for owners and admins.

The application has been written on React Native as mobile application for booking and other features purpose and HTML, PHP website for management purpose. We conduct real time data by looping update data from server. Data flow using between screen - screen and application - server has been transfered with JSON file type. For the server itself, we will implement an API server using Node.js to handle the HTTP requests and MongoDB will be used as our database implementation.

The server will first be tested on a local machine and then deployed on a cloud service provider. We leverage the use of edge computing and artificial intelligence (AI) to deploy a Binary Neural Network (BNN) algorithm into Ultra96-v2 development board for identifying parking occupancy in real-time and updating the result to the server. Our work reaches the FPS of 55 in the inference phase and around 15.3 FPS for fully handling a single frame. Contents List of Figures xi List of Tables xiv 1 Introduction 1 1.1 Edge computing development .3 API and database server development.

3 2 Background knowledge and Related work 4 2.2 System On-chip Platform .1 What is System On-chip architecture? .2 Field Programmable Gate Arrays .3 Aritifical Intelligence on SoC .js as API server .2 Using MongoDB as database implementation .3 REST API Framework .1 Smart Parking: Related work in the world .2 Smart Parking: Related work in Vietnam .3 Smart Parking systems with Image Processing .1 Hardware - Parking detection .2 Software - Server & Application .2 Edge AI Computing on SoC Devices .3 Cloud-based Server for parking services .4 Mobile application and management Website .2 Deployment on device .2 Database and API server implementation .1 MongoDB database design and implemenation .2 Back-end Node.js server implementation .1 Front-end React Native android application design .2 Front-end website. 96 5 Result and Evaluation 100 5.2 Server Implementation Results and Testing .1 APIs Response Time Benchmark .2 Server Reliability Test .3 Cloud Implementation Test .1 React Native Android application screen and features .2 Real-time data implementation .5 Full System Test and Result .1 Testcase 1: Parking Space Detection of Empty Spaces .2 Testcase 2: Parking Space Detection of Occupied Spaces .3 Testcase 3: Creating Booking .4 Testcase 4: Completing Booking .5 Testcase 5: System stability/Database consistency test .6 Testcase 6: Edge device stability/connection consistency test .1 Edge AI detection .2 Back-end Server Improvement .3 Front-end Application. 138 References 139 List of Figures 2.1 Edge Computing Infrastructure .2 Artificial Neural Network .3 Convolutional Neural Network example structure used for digit recognition [20] 10 2.4 Convolutional layer in BNN .5 Binary XNOR Truth Table .6 Visualization of confusion matrix [33] .7 Jetson Nano Developer Kit .8 Ultra96-v2 development board .9 The PYNQ Framework .10 Single Threaded Event Loop Model Processing .11 React-Native: Seamless Cross-Platform .12 Parking lot captured in CNRPark+EXT dataset .13 Parking spaces from the CNR dataset .14 Images captured in PKLot under weather conditions: (a) sunny (b) cloudy, and (c) rainy from UFPR04; (d) sunny (e) cloudy, and (f) rainy from UFPR05; and (g) sunny (h) cloudy, and (i) rainy from PUCPR .15 Parking spaces from the PKLot dataset .16 Block diagram using a network of cameras [57] .17 Video-Based Parking Occupancy Detection for Smart Control System [61] .1 Smart Parking System Architecture .2 The architecture of deployment on edge device .3 Server Role in Smart Parking System Architecture .