지능형 주행 및 디지털 트윈 기술이 급속히 발전함에 따라 효율적이고 실시간으로 차량-도로 협동 시스템 구축이 연구의 중심이 되고 있다. 이를 위해 본 논문은 개선된 YOLOv11-OBB-SVDD 기반의 디지털 트윈 지능형 차량 시스템을 설계하였다. 해당 시스템은 물리적 지능형 차량, 가상 지능형 차량, 지능형 시각화 서비스, 트윈 데이터 및 동적 실시간 연결의 5가지 부분으로 구성된다. 먼저, 물리적 지능형 차량은 시각 센서를 탑재하여 레이스 트랙 이미지를 실시간으로 수집하여 자율 경로 인식을 실현한다；트랙 상단에 산업용 카메라를 배치하여 트랙 내 지능형 차량 이미지를 인지한다. 그 다음, 물리적 지능형 차량과 일치하는 가상 모델을 구축하여 가상-실체 매핑을 구현하며 YOLOv11-OBB를 사용하여 물리적 지능형 차량의 위치와 차량 편향 각도를 감지한다；작은 크기의 지능형 차량 검출 성능 향상을 위해 주파수 인식 특징 융합(FreqFusion) 기반 특징 융합 방법을 적용하여 모델을 개선하였다. 마지막으로 가상 지능형 차량은 위치 및 차량 편향 각도와 트랙 정보를 결합하여 지원 벡터 데이터 설명(SVDD) 알고리즘을 이용해 차량의 트랙 이탈 위험을 감지한다；동적 실시간 연결을 통해 물리적 지능형 차량에 제어 신호를 전송하며 지능형 시각화 서비스는 지능형 차량의 시각적 동적 모니터링을 제공하고 트윈 데이터는 디지털 트윈 지능형 차량 시스템의 다차원 다중 스케일 데이터를 집결한다. 실험 결과 개선된 YOLOv11-OBB가 물리적 지능형 차량에 대해 IOU 임계값 0.5에서 검출 정확도, 재현율, 평균 정밀도 각각 94.4%, 93.0%, 92.2%를 달성하였고 SVDD가 정상 주행 및 트랙 이탈 위험 검출의 정확도, 정밀도, 재현율은 각각 94.5%, 95.4%, 93.5%를 나타냈다. 전체 시스템은 고실시간성을 갖추고 있어 지능형 차량의 자율 궤적 추적 및 디지털 트윈 각 모듈의 기능을 정확히 구현할 수 있다.

디지털 트윈;지능형 차량;개선된 YOLOv11-OBB;지원 벡터 데이터 설명