كانت ALYCE تبحث عن حلول الذكاء الاصطناعي لتحليل بيانات التنقل للتعامل مع الازدحام المروري لأن الأساليب القديمة تفتقر إلى الدقة والقدرة على التكيف.
قامت ALYCE بدمج Ultralytics YOLO في حلول مثل minUi و OBSERVER، مما وفر شهرين من وقت التطوير وخفض التكاليف من أجل تحسين التنقل الحضري.
غالبًا ما تعاني المدن الصاخبة من الازدحام المروري وأنظمة النقل القديمة وتحديات الاستدامة. تركز ALYCE على حل هذه المشكلات من خلال توفير أدوات ذكية تعتمد على الذكاء الاصطناعي لفهم وتحسين كيفية تحرك المدن.
تتمثل مهمة ALYCE في معالجة هذا الأمر، وقد قامت ببناء حلول مبتكرة مختلفة مدعومة بـ نماذج Ultralytics YOLO: minUi، وهي أداة ذكاء اصطناعي لتحليل السلوك، و OBSERVER، وهو نظام مراقبة حركة المرور في الوقت الفعلي. تعمل هذه الأدوات على تسريع جمع البيانات وزيادة دقتها وتقليل التكاليف ومساعدة المدن على إنشاء أنظمة نقل أكثر ذكاءً وخضرة وكفاءة.
لأكثر من 20 عامًا، ساعدت ALYCE المدن على تعزيز التنقل مع التركيز القوي على الاستدامة. تواجه المناطق الحضرية تحديات مستمرة مثل الازدحام المروري وأنظمة النقل غير الفعالة والحاجة الملحة لإزالة الكربون. غالبًا ما تكون الطرق التقليدية لجمع وتحليل بيانات التنقل بطيئة وتفتقر إلى الدقة، مما يجعل التخطيط صعبًا. تبنت ALYCE الرؤية الحاسوبية والذكاء الاصطناعي للتغلب على هذه العقبات، وتطوير حلول مبتكرة تعتمد على البيانات لمساعدة المدن على تحسين أنظمة النقل والعمل نحو مستقبل أكثر استدامة.
على الصعيد العالمي، تزداد المدن ازدحامًا، وأصبحت إدارة التنقل الحضري معقدة بشكل متزايد. يعد اكتشاف وتحليل المشاة والمركبات والدراجات ومستخدمي الطرق الآخرين في المناطق المزدحمة مثل التقاطعات والدوارات أمرًا ضروريًا لتحسين تدفق حركة المرور والسلامة وتخطيط النقل. ومع ذلك، غالبًا ما تفشل الطرق التقليدية، مثل الدراسات الاستقصائية اليدوية أو أنظمة المراقبة القديمة، في توفير الدقة المطلوبة للتعامل مع هذا التعقيد.
تكافح الأنظمة القديمة للتمييز بين أنواع مختلفة من مستخدمي الطريق أو تتبع تحركاتهم بفعالية. على سبيل المثال، تعد مراقبة مسارات المركبات جنبًا إلى جنب مع المشاة وراكبي الدراجات في الوقت الفعلي أمرًا لا تستطيع الأدوات التقليدية القيام به بشكل موثوق. يمكن أن تجعل البيانات غير الكاملة أو غير الدقيقة من الصعب على مخططي المدن ومشغلي النقل اتخاذ قرارات مستنيرة.
هناك حاجة إلى أدوات أكثر ذكاءً لحل هذه المشكلات. من الناحية المثالية، يجب أن يكون الحل الشامل قادرًا على تتبع العديد من مستخدمي الطريق في وقت واحد، وتوفير رؤى في الوقت الفعلي، ومساعدة المدن على فهم أنماط حركة المرور بشكل أفضل.
لمعالجة تحديات التنقل الحضري، طورت ALYCE أدوات متقدمة مدعومة بالذكاء الاصطناعي والرؤية الحاسوبية. تستخدم هذه الأدوات نماذج Ultralytics YOLO لـ مهام الرؤية الحاسوبية مثل اكتشاف الأجسام في الوقت الفعلي. على وجه التحديد، تُمكّن نماذج YOLO من التتبع الدقيق والآلي للمشاة والمركبات والدراجات ومستخدمي الطريق الآخرين. إن الرؤى التي يتم جمعها باستخدام Ultralytics YOLO موثوقة وقابلة للتنفيذ، حتى في البيئات المعقدة مثل التقاطعات المزدحمة والدوارات.
تشمل حلول ALYCE الرئيسية ما يلي:
من خلال دمج نماذج Ultralytics YOLO، تعمل هذه الأدوات على أتمتة العمليات اليدوية البطيئة وتقديم بيانات دقيقة للغاية. بفضل الرؤى المستندة إلى الرؤية الاصطناعية، تعمل ALYCE على تزويد المدن بالقدرة على تقليل الازدحام وتحسين تدفق حركة المرور وإنشاء شبكات نقل حضرية أكثر استدامة.
كانت نماذج Ultralytics YOLO خيارًا مثاليًا لحلول التنقل الخاصة بشركة ALYCE لأنها قدمت أداءً عاليًا في المجالات الأكثر أهمية. فقد حسّنت الدقة بزيادة 1-2% في متوسط الدقة (mAP) وضمنت معالجة في الوقت الفعلي بسرعات استدلال أسرع بنسبة 20% من النماذج الأخرى، وتعمل باستمرار بسرعة 30 إطارًا في الثانية. كما أن كفاءتها لا مثيل لها، حيث تستخدم ذاكرة وصول عشوائي (RAM) لوحدة معالجة الرسومات (GPU) أقل بنسبة 40%، مما يجعلها مثالية للبيئات محدودة الموارد.
كما وفرت هذه المزايا لـ ALYCE شهرين من وقت التطوير. باستخدام Ultralytics، يمكن إعداد جلسات التدريب وبدءها في غضون 5-10 دقائق فقط، مقارنة بساعة تقريبًا مع الإعدادات التقليدية، مما يتيح تكرارات أسرع. بشكل عام، باستخدام نماذج Ultralytics YOLO، تمكنت ALYCE من خفض التكاليف مع التركيز على تحسين حلولها المدعومة بالذكاء الاصطناعي لإنشاء أنظمة تنقل أكثر ذكاءً وكفاءة.
لقد ساعد استخدام نماذج Ultralytics YOLO شركة ALYCE على الارتقاء بحلول التنقل الخاصة بها إلى المستوى التالي. توفر أدواتهم الآن رؤى قيمة، مثل تحليل سلوك مستخدمي الطريق، مما يساعد المدن ومشغلي النقل على اتخاذ قرارات أفضل.
منذ دمج رؤية الكمبيوتر، حققت ALYCE نتائج أعمال قابلة للقياس، بما في ذلك خفض تكاليف الإنتاج من خلال الأتمتة، وتحسين مقاييس الأداء، وتقصير الجداول الزمنية للتسليم. لقد تمكنوا أيضًا من إنشاء أنواع جديدة من البيانات، مثل رؤى سلوكية مفصلة، مما يعزز قدرتهم على دعم حلول تنقل أكثر ذكاءً.
وفي الوقت نفسه، أعجب العملاء بجودة ودقة حلول ALYCE، التي تلبي أعلى معايير البيانات التي تم التحقق منها بواسطة CEREMA. شارك المدير التقني بينوا بيرث قائلاً: "في ALYCE، كان الاستفادة من Ultralytics بمثابة تغيير جذري لقواعد اللعبة لتدريب نماذجنا، مما مكننا من تحسين دقة البيانات وتقديم جودة لا مثيل لها لعملائنا ومساعدتهم في مشاريع التنقل المستدامة الخاصة بهم."
أدت هذه التحسينات أيضًا إلى زيادة رضا العملاء. يبلغ العملاء عن نتائج أفضل وعمليات أكثر سلاسة، سواء كانوا يستخدمون أدوات ALYCE بمفردهم أو جنبًا إلى جنب مع الإشراف البشري.
ترى ALYCE مستقبل رؤية الكمبيوتر يتقدم مع نماذج مثل Ultralytics YOLO، جنبًا إلى جنب مع التقنيات الجديدة مثل الذاكرة طويلة المدى (LSTMs) للنماذج القائمة على الفيديو. ستعمل هذه الابتكارات على تحسين التعرف على الكائنات وتحسين استمرارية التتبع، مما يجعل حلول النقل أكثر ذكاءً وموثوقية. مع تطور هذه التقنيات، ستمتلك المدن أدوات أفضل لإدارة تحديات التنقل.
هل أنت مهتم بمعرفة كيف يمكن للرؤية الاصطناعية أن تغير مدينتك؟ تحقق من مستودع GitHub الخاص بنا لاستكشاف حلول Ultralytics الخاصة بالصناعة، مثل الرؤية الحاسوبية في الزراعة و السيارات ذاتية القيادة، وتعرف على تراخيص Ultralytics YOLO الخاصة بنا لتبدأ اليوم!
نماذج Ultralytics YOLO هي هياكل رؤية حاسوبية تم تطويرها لتحليل البيانات المرئية من الصور ومدخلات الفيديو. يمكن تدريب هذه النماذج لمهام تشمل اكتشاف الكائنات (Object detection)، والتصنيف (classification)، وتقدير الوضعية (pose estimation)، والتتبع (tracking)، وتقسيم الحالات (instance segmentation). تتضمن نماذج Ultralytics YOLO ما يلي:
Ultralytics YOLO11 هو أحدث إصدار من نماذج الرؤية الحاسوبية الخاصة بنا. تمامًا مثل الإصدارات السابقة، فإنه يدعم جميع مهام الرؤية الحاسوبية التي أحبها مجتمع Vision AI في YOLOv8. ومع ذلك، يأتي YOLO11 الجديد بأداء ودقة أكبر، مما يجعله أداة قوية وحليفًا مثاليًا لتحديات الصناعة الواقعية.
يعتمد النموذج الذي تختاره للاستخدام على متطلبات مشروعك المحددة. من الضروري مراعاة عوامل مثل الأداء والدقة واحتياجات النشر. إليك نظرة عامة سريعة:
يتم توزيع مستودعات Ultralytics YOLO، مثل YOLOv5 و YOLO11، بموجب ترخيص AGPL-3.0 بشكل افتراضي. تم تصميم هذا الترخيص المعتمد من OSI للطلاب والباحثين والمتحمسين، وتعزيز التعاون المفتوح ويتطلب أن يكون أي برنامج يستخدم مكونات AGPL-3.0 مفتوح المصدر أيضًا. في حين أن هذا يضمن الشفافية ويعزز الابتكار، فقد لا يتماشى مع حالات الاستخدام التجاري.
إذا كان مشروعك يتضمن تضمين برامج Ultralytics ونماذج الذكاء الاصطناعي في المنتجات أو الخدمات التجارية وكنت ترغب في تجاوز متطلبات المصدر المفتوح لـ AGPL-3.0، فإن ترخيص المؤسسة مثالي.
تشمل مزايا ترخيص المؤسسة ما يلي:
لضمان التكامل السلس وتجنب قيود AGPL-3.0، اطلب ترخيص Ultralytics Enterprise باستخدام النموذج المقدم. سيساعدك فريقنا في تصميم الترخيص ليناسب احتياجاتك الخاصة.
.webp)
.webp)
.webp)
.webp)