Ultralytics YOLO モデルを活用したALYCEのスマート・トラフィック・ソリューション

賑やかな都市は、しばしば交通渋滞、時代遅れの輸送システム、および持続可能性の課題に苦労しています。ALYCEは、都市の動きを理解し改善するためのスマートなAI駆動型ツールを提供することにより、これらの問題の解決に焦点を当てています。

ALYCEはこの問題に取り組むことを使命とし、Ultralytics YOLO モデルを活用した様々な革新的ソリューションを構築してきた。行動分析用AIツールminUiやリアルタイム交通監視システムOBSERVERなどである。これらのツールは、データ収集をより迅速かつ正確にし、コストを削減し、都市がよりスマートで環境に優しく、効率的な交通システムを構築するのに役立つ。

‍

交通管理のためのVision AIの利用

ALYCEは20年以上にわたり、持続可能性に重点を置き、都市のモビリティ向上を支援してきました。都市部は、交通渋滞、非効率な輸送システム、そして喫緊の脱炭素化の必要性といった、根強い課題に直面しています。従来のモビリティデータの収集・分析方法は、多くの場合、時間がかかり、精度が低いため、計画が困難です。ALYCEは、これらの障害を克服するためにコンピュータビジョンとAIを採用し、革新的でデータ駆動型のソリューションを開発し、都市が輸送システムを最適化し、より持続可能な未来に向けて取り組むことを支援しています。

なぜ都市はよりスマートな、データ駆動型のモビリティソリューションを必要とするのか

世界的に、都市はますます混雑しており、都市のモビリティ管理はますます複雑になっています。交差点やロータリーなどの混雑したエリアで、歩行者、車両、自転車、その他の道路利用者を検出し分析することは、交通の流れ、安全性、輸送計画を改善するために不可欠です。ただし、手動調査や時代遅れの監視システムなどの従来の方法では、この複雑さに対応するために必要な精度を提供できないことがよくあります。

旧式のシステムでは、さまざまなタイプの道路利用者を区別したり、彼らの動きを効果的にtrack するのに苦労している。例えば、歩行者や自転車と並走する車両の進路をリアルタイムで監視することは、従来のツールでは信頼性を確保できない。データが不完全であったり不正確であったりすると、都市計画担当者や交通事業者は情報に基づいた意思決定を行うことが難しくなる。

これらの問題を解決するためには、よりスマートなツールが必要である。包括的なソリューションの理想は、以下を可能にすることである。 track複数の道路利用者を同時に追跡し、リアルタイムの洞察を提供し、都市が交通パターンをよりよく理解できるようにすることである。

よりスマートなモビリティのためのALYCEのAI駆動ソリューション

都市モビリティの課題に対処するため、ALYCEはAIとコンピュータビジョンを搭載した高度なツールを開発した。これらのツールは、リアルタイムの物体検出などの コンピュータビジョンタスクに Ultralytics YOLO モデルを使用しています。具体的には、YOLO モデルは歩行者、車両、自転車、その他の道路利用者の正確で自動化された追跡を可能にします。Ultralytics YOLO 使用して収集された洞察は、交通量の多い交差点やラウンドアバウトのような複雑な環境であっても、信頼性が高く実用的です。

ALYCEの主要なソリューションは次のとおりです。

• minUi: 道路利用者の行動を分析し、交通安全と効率を向上させるための洞察を提供するビデオ分析のためのAIツール。
• OBSERVER：道路利用者の検出と追跡を自動化し、動的な交通管理とより良い意思決定をサポートするリアルタイムの交通監視システム。
• MyGIS：モビリティデータを視覚化するプラットフォームで、都市計画担当者が傾向を解釈し、より影響力のある輸送システムを設計するのに役立ちます。

Ultralytics YOLO モデルを統合することで、これらのツールは時間のかかる手作業のプロセスを自動化し、精度の高いデータを提供します。ビジョンAI主導の洞察により、ALYCEは都市が渋滞を緩和し、交通の流れを最適化し、より持続可能な都市交通網を構築できるようにします。

なぜUltralytics YOLO モデルを選ぶのか？

Ultralytics YOLO モデルは、ALYCEのモビリティ・ソリューションにとって理想的な選択でした。平均平均精度mAP)を1-2%向上させることで精度を向上させ、他のモデルよりも20%速い推論速度でリアルタイム処理を保証し、常に30FPSで動作します。その効率性も比類なく、GPU RAMの使用量が40%少ないため、リソースが限られた環境に最適です。

これらの利点により、ALYCEは2ヶ月の開発時間を節約することができました。Ultralytics使えば、従来のセットアップに1時間近くかかっていたトレーニングセッションをわずか5～10分でセットアップして開始できるため、より迅速な反復が可能になる。全体として、Ultralytics YOLO モデルを使用することで、ALYCEは、よりスマートで効率的なモビリティシステムを作成するためのAI駆動型ソリューションの改良に集中しながら、コストを削減することができました。

Ultralytics YOLO新たな行動インサイトを収集する

Ultralytics YOLO モデルを使うことで、ALYCEはモビリティ・ソリューションを次のレベルに引き上げることができました。彼らのツールは現在、道路利用者の行動を分析するなど、貴重な洞察を提供し、都市や交通事業者がより良い意思決定を行うのに役立っています。

コンピュータビジョンを統合して以来、ALYCEは、自動化による生産コストの削減、パフォーマンス指標の改善、および納期短縮など、測定可能なビジネス成果を達成しました。また、詳細な行動インサイトのような新しいタイプのデータを生成することもでき、よりスマートなモビリティソリューションをサポートする能力を高めています。

‍

一方、顧客は、CEREMAによって検証された最高のデータ標準を満たすALYCEのソリューションの品質と精度に感銘を受けている。CTOのBenoit Berthe氏は、"ALYCEでは、Ultralytics 活用することで、モデルのトレーニングが大きく変わりました。"と話しています。

これらの改善は、顧客満足度の向上にもつながっています。ALYCEのツールを単独で使用する場合でも、人間の監視と併用する場合でも、クライアントはより良い結果とよりスムーズなオペレーションを報告しています。

モビリティにおけるコンピュータビジョンの未来

ALYCEは、Ultralytics YOLOようなモデルや、ビデオベースのモデルのためのLong Short-Term Memory (LSTM)のような新技術によって、コンピュータビジョンの未来が前進すると見ている。これらの技術革新は、物体認識を強化し、追跡の継続性を向上させ、輸送ソリューションをよりスマートで信頼性の高いものにする。これらの技術が進化するにつれて、都市はモビリティの課題を管理するためのより良いツールを手に入れることになる。 

ビジョンAIがあなたの街をどのように変えられるか興味がありますか？ Ultralytics GitHubリポジトリで、農業におけるコンピュータービジョンや 自動運転車など、Ultralytics業界固有のソリューションをご覧ください！