ALYCE était à la recherche de solutions d'IA pour analyser les données de mobilité afin de gérer les embouteillages, 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 deux mois de développement et de réduire les coûts pour une mobilité urbaine plus intelligente.
Les villes en pleine effervescence sont souvent confrontées à des embouteillages, à des systèmes de transport obsolètes et à des problèmes de durabilité. ALYCE se concentre sur la résolution de ces problèmes en fournissant des outils intelligents pilotés par l'IA pour comprendre et améliorer la façon dont les villes se déplacent.
ALYCE s'est donné pour mission de s'attaquer à ce problème et a mis au point plusieurs solutions innovantes basées sur les modèles YOLO d'Ultralytics: minUi, un outil d'IA pour l'analyse des comportements et OBSERVER, un système de surveillance du trafic en temps réel. Ces outils rendent la collecte de données plus rapide et plus précise, 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 les embouteillages, 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.
Dans le monde entier, les villes sont de plus en plus animées 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 telles que 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, n'offrent souvent pas 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 leurs déplacements de manière efficace. Par exemple, le suivi en temps réel des trajectoires des véhicules à côté des piétons et des cyclistes est une chose que les outils traditionnels ne peuvent pas faire de manière fiable. Des données incomplètes ou inexactes peuvent empêcher les urbanistes et les opérateurs de transport de prendre des décisions éclairées.
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 artificielle 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 grâce à Ultralytics YOLO sont fiables et exploitables, même dans des environnements complexes tels que les intersections très fréquentées et les ronds-points.
Les solutions clés d'ALYCE comprennent
En intégrant les modèles YOLO d'Ultralytics, ces outils automatisent les processus manuels lents et fournissent des données extrêmement précises. Avec Vision AI, ALYCE permet aux villes de réduire les embouteillages, d'optimiser le trafic et de créer des réseaux de transport urbain plus durables.
Les modèles YOLO d'Ultralytics étaient un choix idéal pour les solutions de mobilité d'ALYCE parce qu'ils offraient des performances élevées là où c'était le plus important. Ils ont amélioré la précision avec une augmentation 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, puisqu'ils utilisent 40 % de RAM du GPU en moins, ce qui les rend parfaits pour les environnements à ressources limitées.
Ces avantages ont également permis à ALYCE d'économiser deux mois de développement. Avec Ultralytics, les sessions de formation peuvent être mises en place et démarrées en seulement 5 à 10 minutes, contre près d'une heure avec les configurations traditionnelles, ce qui permet des itérations plus rapides. Globalement, en utilisant les modèles YOLO d'Ultralytics, ALYCE a pu réduire ses coûts tout en se concentrant sur le perfectionnement de ses solutions basées sur l'IA afin de créer des systèmes de mobilité plus intelligents et plus efficaces.
L'utilisation des modèles YOLO d'Ultralytics 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 la réduction des coûts de production grâce à l'automatisation, l'amélioration des mesures de performance et la réduction des délais de livraison. L'entreprise a également été en mesure de générer de nouveaux types de données, comme des informations détaillées sur les comportements, qui renforcent sa capacité à soutenir des solutions de mobilité plus intelligentes.
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, directeur technique, 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 d'offrir 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 des clients. Les clients font état de meilleurs résultats et d'opérations plus fluides, qu'ils utilisent les outils d'ALYCE seuls ou avec une supervision humaine.
ALYCE voit l'avenir de la vision par ordinateur progresser avec des modèles tels que Ultralytics YOLO, ainsi qu'avec de nouvelles technologies telles que la mémoire à long terme (LSTM) pour les modèles basés sur la vidéo. Ces innovations amélioreront la reconnaissance des objets et la continuité du suivi, ce qui rendra les solutions de transport encore plus intelligentes et plus fiables. Au fur et à mesure que ces technologies évolueront, les villes disposeront de meilleurs outils pour gérer les problèmes de mobilité.
Intéressé par la façon dont Vision AI peut transformer votre ville ? Consultez notre dépôt GitHub pour explorer les solutions d'Ultralytics spécifiques à l'industrie, telles que la vision par ordinateur dans l'agriculture et les voitures autonomes, et découvrez nos licences Ultralytics YOLO pour commencer dès aujourd'hui !
Les modèles YOLO d'Ultralytics sont des architectures de vision par ordinateur développées pour analyser des données visuelles à partir d'images et d'entrées vidéo. Ces modèles peuvent être entraînés pour des tâches telles que la détection d'objets, la classification, l'estimation de la pose, le suivi et la segmentation d'instances :
Ultralytics YOLO11 est la dernière version de nos modèles de vision par ordinateur. Comme ses versions précédentes, elle prend en charge toutes les tâches de vision par ordinateur que la communauté Vision AI a appris à apprécier dans YOLOv8. Cependant, le nouveau YOLO11 est plus performant et plus précis, ce qui en fait un outil puissant et un allié parfait pour relever 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. En voici un bref aperçu :
Les dépôts YOLO d'Ultralytics, tels que YOLOv5 et YOLO11, sont distribués par défaut sous la licence AGPL-3.0. Cette licence approuvée par l'OSI est conçue pour les étudiants, les chercheurs et les passionnés. Elle encourage la collaboration ouverte et exige que tout logiciel utilisant des composants AGPL-3.0 soit également mis à disposition en libre accès. Bien que cette licence assure la transparence et favorise l'innovation, elle peut ne pas correspondre aux cas d'utilisation commerciale.
Si votre projet implique l'intégration du logiciel Ultralytics et des modèles d'IA dans des produits ou services commerciaux et que vous souhaitez contourner les exigences d'open-source de l'AGPL-3.0, une Licence Entreprise est idéale.
Les avantagesde la licence d'entreprise sont les suivants :
Pour garantir une intégration transparente et éviter les contraintes de l'AGPL-3.0, demandez une licence d'entreprise Ultralytics en utilisant le formulaire prévu à cet effet. Notre équipe vous aidera à adapter la licence à vos besoins spécifiques.