ALYCE était à la recherche de solutions d'IA pour analyser les données de mobilité afin de gérer la congestion du trafic, car les méthodes obsolètes manquaient de précision et d'adaptabilité.
ALYCE a intégré Ultralytics YOLO dans des solutions telles que minUi et OBSERVER, ce qui a permis de gagner 2 mois de temps de développement et de réduire les coûts pour une mobilité urbaine plus intelligente.
Les villes animées sont souvent confrontées à des problèmes de congestion du trafic, de systèmes de transport obsolètes et de défis en matière de durabilité. ALYCE se concentre sur la résolution de ces problèmes en fournissant des outils intelligents basés sur l'IA pour comprendre et améliorer la façon dont les villes se déplacent.
ALYCE a pour mission de s'attaquer à ce problème et a mis au point diverses solutions innovantes basées sur les modèles Ultralytics YOLO : minUi, un outil d'IA pour l'analyse du comportement, et OBSERVER, un système de surveillance du trafic en temps réel. Ces outils accélèrent et rendent plus précise la collecte de données, réduisent les coûts et aident les villes à créer des systèmes de transport plus intelligents, plus écologiques et plus efficaces.
Depuis plus de 20 ans, ALYCE aide les villes à améliorer la mobilité en mettant l'accent sur la durabilité. Les zones urbaines sont confrontées à des défis persistants tels que la congestion du trafic, les systèmes de transport inefficaces et le besoin urgent de décarbonisation. Les méthodes traditionnelles de collecte et d'analyse des données de mobilité sont souvent lentes et manquent de précision, ce qui rend la planification difficile. ALYCE a adopté la vision par ordinateur et l'IA pour surmonter ces obstacles, en développant des solutions innovantes, basées sur les données, pour aider les villes à optimiser les systèmes de transport et à œuvrer pour un avenir plus durable.
À l'échelle mondiale, les villes sont de plus en plus fréquentées et la gestion de la mobilité urbaine est devenue de plus en plus complexe. La détection et l'analyse des piétons, des véhicules, des vélos et des autres usagers de la route dans les zones très fréquentées comme les intersections et les ronds-points sont essentielles pour améliorer la fluidité du trafic, la sécurité et la planification des transports. Cependant, les méthodes traditionnelles, telles que les enquêtes manuelles ou les systèmes de surveillance obsolètes, ne permettent souvent pas d'obtenir la précision requise pour gérer cette complexité.
Les anciens systèmes ont du mal à distinguer les différents types d'usagers de la route ou à suivre efficacement leurs mouvements. Par exemple, la surveillance en temps réel des trajectoires des véhicules, des piétons et des cyclistes est une tâche que les outils traditionnels ne peuvent pas effectuer de manière fiable. Des données incomplètes ou inexactes peuvent compliquer la prise de décisions éclairées pour les urbanistes et les opérateurs de transport.
Des outils plus intelligents sont nécessaires pour résoudre ces problèmes. Idéalement, une solution complète devrait être capable de suivre simultanément plusieurs usagers de la route, de fournir des informations en temps réel et d'aider les villes à mieux comprendre les schémas de circulation.
Pour relever les défis de la mobilité urbaine, ALYCE a développé des outils avancés basés sur l'IA et la vision par ordinateur. Ces outils utilisent les modèles YOLO d'Ultralytics pour des tâches de vision par ordinateur telles que la détection d'objets en temps réel. Plus précisément, les modèles YOLO permettent un suivi précis et automatisé des piétons, des véhicules, des vélos et des autres usagers de la route. Les informations recueillies à l'aide d'Ultralytics YOLO sont fiables et exploitables, même dans des environnements complexes comme les intersections et les ronds-points très fréquentés.
Les principales solutions d'ALYCE comprennent :
En intégrant les modèles Ultralytics YOLO, ces outils automatisent les processus manuels lents et fournissent des données très précises. Grâce aux informations fournies par la Vision IA, ALYCE permet aux villes de réduire la congestion, d'optimiser la fluidité du trafic et de créer des réseaux de transport urbain plus durables.
Les modèles Ultralytics YOLO étaient un choix idéal pour les solutions de mobilité d'ALYCE, car ils offraient des performances élevées là où cela comptait le plus. Ils ont amélioré la précision avec un gain de 1 à 2 % de la précision moyenne (mAP) et ont assuré un traitement en temps réel avec des vitesses d'inférence 20 % plus rapides que les autres modèles, fonctionnant constamment à 30 FPS. Leur efficacité est également inégalée, utilisant 40 % de RAM GPU en moins, ce qui les rend parfaits pour les environnements aux ressources limitées.
Ces avantages ont également permis à ALYCE de gagner deux mois de temps de développement. Avec Ultralytics, les sessions de formation peuvent être configurées et démarrées en seulement 5 à 10 minutes, contre près d'une heure avec les configurations traditionnelles, ce qui permet des itérations plus rapides. Dans l'ensemble, en utilisant les modèles YOLO d'Ultralytics, ALYCE a pu réduire ses coûts tout en se concentrant sur l'amélioration de ses solutions basées sur l'IA afin de créer des systèmes de mobilité plus intelligents et plus efficaces.
L'utilisation des modèles Ultralytics YOLO a aidé ALYCE à faire passer ses solutions de mobilité au niveau supérieur. Leurs outils fournissent désormais des informations précieuses, telles que l'analyse du comportement des usagers de la route, ce qui aide les villes et les opérateurs de transport à prendre de meilleures décisions.
Depuis l'intégration de la vision par ordinateur, ALYCE a obtenu des résultats commerciaux mesurables, notamment une réduction des coûts de production grâce à l'automatisation, une amélioration des indicateurs de performance et des délais de livraison plus courts. Ils ont également été en mesure de générer de nouveaux types de données, comme des informations comportementales détaillées, qui renforcent leur capacité à prendre en charge des solutions de mobilité plus intelligentes.
Parallèlement, les clients ont été impressionnés par la qualité et la précision des solutions d'ALYCE, qui répondent aux normes de données les plus élevées vérifiées par le CEREMA. Benoit Berthe, CTO, a déclaré : « Chez ALYCE, l'utilisation d'Ultralytics a changé la donne pour l'entraînement de nos modèles, nous permettant d'améliorer la précision des données et de fournir une qualité inégalée à nos clients et de les aider dans leurs projets de mobilité durable. »
Ces améliorations ont également conduit à une plus grande satisfaction client. Les clients signalent de meilleurs résultats et des opérations plus fluides, qu'ils utilisent les outils d'ALYCE seuls ou avec une supervision humaine.
ALYCE entrevoit l'avenir de la vision par ordinateur avec des modèles tels que Ultralytics YOLO, ainsi que de nouvelles technologies telles que les mémoires à long terme (LSTM) pour les modèles basés sur la vidéo. Ces innovations amélioreront la reconnaissance d'objets et la continuité du suivi, rendant les solutions de transport encore plus intelligentes et fiables. À mesure que ces technologies évoluent, les villes disposeront de meilleurs outils pour gérer les défis de la mobilité.
Vous souhaitez savoir comment la vision IA peut transformer votre ville ? Consultez notre dépôt GitHub pour découvrir les solutions spécifiques à l'industrie d'Ultralytics, telles que la vision par ordinateur dans l'agriculture et les voitures autonomes, et renseignez-vous sur nos licences Ultralytics YOLO pour commencer dès aujourd'hui !
Les modèles Ultralytics YOLO sont des architectures de vision par ordinateur développées pour analyser les données visuelles provenant d'images et d'entrées vidéo. Ces modèles peuvent être entraînés pour des tâches comprenant la détection d'objets, la classification, l'estimation de pose, le suivi et la segmentation d'instance. Les modèles Ultralytics YOLO comprennent :
Ultralytics YOLO11 est la dernière version de nos modèles de vision par ordinateur. Tout comme ses versions précédentes, il prend en charge toutes les tâches de vision par ordinateur que la communauté de l'IA de vision a appris à aimer dans YOLOv8. Le nouveau YOLO11, cependant, offre de meilleures performances et une plus grande précision, ce qui en fait un outil puissant et l'allié idéal pour les défis industriels du monde réel.
Le modèle que vous choisissez d'utiliser dépend des exigences spécifiques de votre projet. Il est essentiel de prendre en compte des facteurs tels que les performances, la précision et les besoins de déploiement. Voici un aperçu rapide :
Les référentiels Ultralytics YOLO, tels que YOLOv5 et YOLO11, sont distribués sous la licence AGPL-3.0 par défaut. Cette licence approuvée par l'OSI est conçue pour les étudiants, les chercheurs et les passionnés, favorisant la collaboration ouverte et exigeant que tout logiciel utilisant des composants AGPL-3.0 soit également open source. Bien que cela garantisse la transparence et favorise l'innovation, cela peut ne pas correspondre aux cas d'utilisation commerciale.
Si votre projet implique l'intégration de logiciels et de modèles d'IA Ultralytics dans des produits ou services commerciaux et que vous souhaitez contourner les exigences open source d'AGPL-3.0, une licence d'entreprise est idéale.
Les avantages de la licence Enterprise incluent :
Pour garantir une intégration transparente et éviter les contraintes AGPL-3.0, demandez une licence Ultralytics Enterprise en utilisant le formulaire fourni. Notre équipe vous aidera à adapter la licence à vos besoins spécifiques.
.webp)
.webp)
.webp)
.webp)