Al hacer clic en “Aceptar todas las cookies”, aceptas el almacenamiento de cookies en tu dispositivo para mejorar la navegación del sitio, analizar el uso del sitio y ayudar en nuestros esfuerzos de marketing. Más información
Configuración de cookies
Al hacer clic en “Aceptar todas las cookies”, aceptas el almacenamiento de cookies en tu dispositivo para mejorar la navegación del sitio, analizar el uso del sitio y ayudar en nuestros esfuerzos de marketing. Más información
ALYCE buscaba soluciones de IA para analizar los datos de movilidad para gestionar la congestión del tráfico porque los métodos obsoletos carecían de precisión y adaptabilidad.
Solución
ALYCE integró Ultralytics YOLO en soluciones como minUi y OBSERVER, ahorrando 2 meses de tiempo de desarrollo y reduciendo costes para una movilidad urbana más inteligente.
Las ciudades bulliciosas a menudo luchan contra la congestión del tráfico, los sistemas de transporte obsoletos y los desafíos de sostenibilidad. ALYCE se centra en resolver estos problemas proporcionando herramientas inteligentes impulsadas por IA para comprender y mejorar cómo se mueven las ciudades.
ALYCE tiene la misión de abordar esto y ha creado varias soluciones innovadoras impulsadas por modelos Ultralytics YOLO: minUi, una herramienta de IA para analizar el comportamiento, y OBSERVER, un sistema de monitorización del tráfico en tiempo real. Estas herramientas hacen que la recopilación de datos sea más rápida y precisa, reducen los costes y ayudan a las ciudades a crear sistemas de transporte más inteligentes, ecológicos y eficientes.
Fig. 1. minUi utiliza modelos Ultralytics YOLO para el análisis del comportamiento.
Uso de la visión artificial para la gestión del tráfico
Durante más de 20 años, ALYCE ha estado ayudando a las ciudades a mejorar la movilidad con un fuerte enfoque en la sostenibilidad. Las áreas urbanas se enfrentan a desafíos persistentes como la congestión del tráfico, los sistemas de transporte ineficientes y la necesidad urgente de descarbonización. Los métodos tradicionales de recopilación y análisis de datos de movilidad suelen ser lentos y carecen de precisión, lo que dificulta la planificación. ALYCE adoptó la visión artificial y la IA para superar estos obstáculos, desarrollando soluciones innovadoras basadas en datos para ayudar a las ciudades a optimizar los sistemas de transporte y trabajar hacia un futuro más sostenible.
¿Por qué las ciudades necesitan soluciones de movilidad más inteligentes y basadas en datos?
A nivel mundial, las ciudades están cada vez más concurridas y la gestión de la movilidad urbana se ha vuelto cada vez más compleja. Detectar y analizar peatones, vehículos, bicicletas y otros usuarios de la vía pública en áreas concurridas como intersecciones y rotondas es esencial para mejorar el flujo del tráfico, la seguridad y la planificación del transporte. Sin embargo, los métodos tradicionales, como las encuestas manuales o los sistemas de monitoreo obsoletos, a menudo no brindan la precisión necesaria para manejar esta complejidad.
Los sistemas antiguos tienen dificultades para distinguir entre los diferentes tipos de usuarios de la carretera o para rastrear sus movimientos de forma eficaz. Por ejemplo, el seguimiento de las trayectorias de los vehículos junto con los peatones y los ciclistas en tiempo real es algo que las herramientas tradicionales no pueden hacer de forma fiable. Los datos incompletos o inexactos pueden dificultar que los planificadores urbanos y los operadores de transporte tomen decisiones informadas.
Se necesitan herramientas más inteligentes para resolver estos problemas. Idealmente, una solución integral debería poder rastrear a varios usuarios de la vía simultáneamente, proporcionar información en tiempo real y ayudar a las ciudades a comprender mejor los patrones de tráfico.
Soluciones de ALYCE impulsadas por IA para una movilidad más inteligente
Para abordar los desafíos de la movilidad urbana, ALYCE ha desarrollado herramientas avanzadas impulsadas por la IA y la visión artificial. Estas herramientas utilizan modelos YOLO de Ultralytics para tareas de visión artificial como la detección de objetos en tiempo real. Específicamente, los modelos YOLO permiten un seguimiento preciso y automatizado de peatones, vehículos, bicicletas y otros usuarios de la carretera. Los conocimientos recopilados mediante Ultralytics YOLO son fiables y prácticos, incluso en entornos complejos como intersecciones y rotondas concurridas.
Las soluciones clave de ALYCE incluyen:
minUi: Una herramienta de IA para el análisis de vídeo que puede analizar el comportamiento de los usuarios de la carretera y proporcionar información para mejorar la seguridad y la eficiencia del tráfico.
OBSERVER: Un sistema de monitorización del tráfico en tiempo real que automatiza la detección y el seguimiento de los usuarios de la carretera, lo que permite una gestión del tráfico dinámica y una mejor toma de decisiones.
MyGIS: Una plataforma que visualiza datos de movilidad, ayudando a los planificadores urbanos a interpretar tendencias y diseñar sistemas de transporte más impactantes.
Al integrar los modelos YOLO de Ultralytics, estas herramientas automatizan procesos manuales lentos y ofrecen datos de gran precisión. Con la información impulsada por la IA de visión, ALYCE equipa a las ciudades para reducir la congestión, optimizar el flujo de tráfico y crear redes de transporte urbano más sostenibles.
¿Por qué elegir los modelos YOLO de Ultralytics?
Los modelos Ultralytics YOLO fueron una opción ideal para las soluciones de movilidad de ALYCE porque ofrecían un alto rendimiento donde más importaba. Mejoraron la precisión con un aumento del 1-2% en la precisión media promedio (mAP) y garantizaron el procesamiento en tiempo real con velocidades de inferencia un 20% más rápidas que otros modelos, operando consistentemente a 30 FPS. Su eficiencia también es inigualable, utilizando un 40% menos de RAM de la GPU, lo que los hace perfectos para entornos con recursos limitados.
Estos beneficios también le ahorraron a ALYCE dos meses de tiempo de desarrollo. Con Ultralytics, las sesiones de entrenamiento se pueden configurar e iniciar en tan solo 5-10 minutos, en comparación con casi una hora con las configuraciones tradicionales, lo que permite iteraciones más rápidas. En general, al utilizar los modelos YOLO de Ultralytics, ALYCE pudo reducir los costes al tiempo que se centraba en perfeccionar sus soluciones impulsadas por la IA para crear sistemas de movilidad más inteligentes y eficientes.
Recopilación de nuevos conocimientos sobre el comportamiento con Ultralytics YOLO
El uso de los modelos Ultralytics YOLO ha ayudado a ALYCE a llevar sus soluciones de movilidad al siguiente nivel. Sus herramientas ahora proporcionan información valiosa, como el análisis del comportamiento de los usuarios de la carretera, lo que ayuda a las ciudades y a los operadores de transporte a tomar mejores decisiones.
Desde la integración de la visión artificial, ALYCE ha logrado resultados empresariales medibles, incluyendo la reducción de los costes de producción a través de la automatización, la mejora de las métricas de rendimiento y la reducción de los plazos de entrega. También han sido capaces de generar nuevos tipos de datos, como información detallada sobre el comportamiento, lo que aumenta su capacidad para apoyar soluciones de movilidad más inteligentes.
Fig. 2. Usando la visión artificial, ALYCE ha podido generar nuevos conocimientos sobre el comportamiento.
Mientras tanto, los clientes han quedado impresionados con la calidad y precisión de las soluciones de ALYCE, que cumplen con los más altos estándares de datos verificados por CEREMA. El CTO Benoit Berthe compartió: "En ALYCE, el uso de Ultralytics ha supuesto un cambio radical para el entrenamiento de nuestros modelos, permitiéndonos mejorar la precisión de los datos y ofrecer una calidad sin igual a nuestros clientes, así como ayudarles en sus proyectos de movilidad sostenible".
Estas mejoras también han conducido a una mayor satisfacción del cliente. Los clientes informan de mejores resultados y operaciones más fluidas, ya sea utilizando las herramientas de ALYCE por su cuenta o junto con la supervisión humana.
El futuro de la visión artificial en la movilidad
ALYCE prevé que el futuro de la visión artificial avance con modelos como Ultralytics YOLO, junto con nuevas tecnologías como Long Short-Term Memory (LSTM) para modelos basados en vídeo. Estas innovaciones mejorarán el reconocimiento de objetos y la continuidad del seguimiento, haciendo que las soluciones de transporte sean aún más inteligentes y fiables. A medida que estas tecnologías evolucionen, las ciudades tendrán mejores herramientas para gestionar los desafíos de la movilidad.
Los modelos YOLO de Ultralytics son arquitecturas de visión artificial desarrolladas para analizar datos visuales de imágenes y entradas de video. Estos modelos se pueden entrenar para tareas que incluyen detección de objetos, clasificación, estimación de pose, seguimiento y segmentación de instancias. Los modelos YOLO de Ultralytics incluyen:
Ultralytics YOLOv5
Ultralytics YOLOv8
Ultralytics YOLO11
¿Cuál es la diferencia entre los modelos YOLO de Ultralytics?
Ultralytics YOLO11 es la última versión de nuestros modelos de visión artificial. Al igual que sus versiones anteriores, es compatible con todas las tareas de visión artificial que la comunidad de IA visual ha llegado a apreciar de YOLOv8. El nuevo YOLO11, sin embargo, viene con mayor rendimiento y precisión, lo que lo convierte en una herramienta poderosa y el aliado perfecto para los desafíos de la industria en el mundo real.
¿Qué modelo YOLO de Ultralytics debo elegir para mi proyecto?
El modelo que elija usar depende de los requisitos específicos de su proyecto. Es clave tener en cuenta factores como el rendimiento, la precisión y las necesidades de implementación. Aquí hay una descripción general rápida:
Algunas de las características clave de Ultralytics YOLOv8:
Madurez y estabilidad: YOLOv8 es un framework probado y estable con amplia documentación y compatibilidad con versiones anteriores de YOLO, lo que lo hace ideal para integrarse en los flujos de trabajo existentes.
Facilidad de uso: Con su configuración fácil para principiantes y su instalación sencilla, YOLOv8 es perfecto para equipos de todos los niveles de habilidad.
Rentabilidad: Requiere menos recursos computacionales, lo que lo convierte en una excelente opción para proyectos con presupuesto limitado.
Algunas de las características clave de Ultralytics YOLO11:
Mayor precisión: YOLO11 supera a YOLOv8 en los benchmarks, logrando una mejor precisión con menos parámetros.
Características avanzadas: Admite tareas de vanguardia como la estimación de la pose, el seguimiento de objetos y los cuadros delimitadores orientados (OBB), ofreciendo una versatilidad inigualable.
Eficiencia en tiempo real: Optimizado para aplicaciones en tiempo real, YOLO11 ofrece tiempos de inferencia más rápidos y sobresale en dispositivos edge y tareas sensibles a la latencia.
Adaptabilidad: Con una amplia compatibilidad de hardware, YOLO11 es adecuado para la implementación en dispositivos edge, plataformas en la nube y GPU de NVIDIA
¿Qué licencia necesito?
Los repositorios de Ultralytics YOLO, como YOLOv5 y YOLO11, se distribuyen bajo la licencia AGPL-3.0 de forma predeterminada. Esta licencia aprobada por la OSI está diseñada para estudiantes, investigadores y entusiastas, promoviendo la colaboración abierta y requiriendo que cualquier software que utilice componentes AGPL-3.0 también sea de código abierto. Si bien esto garantiza la transparencia y fomenta la innovación, es posible que no se alinee con los casos de uso comercial. Si su proyecto implica la integración de software y modelos de IA de Ultralytics en productos o servicios comerciales y desea evitar los requisitos de código abierto de AGPL-3.0, una Licencia Enterprise es ideal.
Los beneficios de la Licencia Enterprise incluyen:
Flexibilidad comercial: Modifique e integre el código fuente y los modelos de Ultralytics YOLO en productos patentados sin adherirse al requisito de AGPL-3.0 de que su proyecto sea de código abierto.
Desarrollo propietario: Obtenga total libertad para desarrollar y distribuir aplicaciones comerciales que incluyan código y modelos de Ultralytics YOLO.
Para garantizar una integración perfecta y evitar las restricciones de AGPL-3.0, solicite una Licencia Enterprise de Ultralytics utilizando el formulario proporcionado. Nuestro equipo lo ayudará a adaptar la licencia a sus necesidades específicas.
Potencia tus proyectos con Ultralytics YOLO
Obtenga visión artificial avanzada para sus proyectos. Encuentre la licencia adecuada para sus objetivos hoy mismo.
.webp)
.webp)
.webp)
.webp)