ALYCEはminUiやOBSERVERなどのソリューションにUltralytics YOLOを統合し、開発期間を2か月短縮するとともに、よりスマートな都市モビリティのためのコストを削減しました。
活気あふれる都市では、交通渋滞、時代遅れの交通システム、持続可能性に関する課題に悩まされることが少なくありません。ALYCEは、都市内の人や物の移動を理解・改善するためのスマートなAI駆動ツールを提供し、これらの課題の解決に取り組んでいます。
ALYCEはこの課題の解決に取り組み、Ultralytics YOLOモデルを活用したさまざまな革新的ソリューションを開発しています。行動分析のためのAIツール「minUi」と、リアルタイム交通監視システム「OBSERVER」です。これらのツールにより、データ収集がより迅速かつ正確になり、コストを削減するとともに、都市がよりスマートで環境に配慮した効率的な交通システムを構築できるよう支援します。
図1. minUiは行動分析にUltralytics YOLOモデルを使用します。
交通管理におけるVision AIの活用#
ALYCEは20年以上にわたり、持続可能性を重視しながら、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、非効率な交通システム、そして喫緊の課題である脱炭素化など、継続的な課題に直面しています。モビリティデータの従来の収集・分析方法は時間がかかり、正確性に欠けることが多いため、計画の策定が困難になります。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を導入し、都市が交通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めるよう、革新的なデータ駆動型ソリューションを開発しました。
都市に、よりスマートなデータ駆動型モビリティソリューションが必要な理由#
世界中で都市の混雑が進み、都市モビリティの管理はますます複雑になっています。交差点やラウンドアバウトなどの混雑した場所で、歩行者、車両、自転車、その他の道路利用者を検出・分析することは、交通の流れ、安全性、交通計画の改善に不可欠です。しかし、手作業による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少なくありません。
従来のシステムでは、さまざまな種類の道路利用者を区別したり、その動きを効果的に追跡したりすることが困難です。たとえば、歩行者や自転車利用者と並行して走行する車両の経路をリアルタイムで監視することは、従来のツールでは確実に実行できません。不完全または不正確なデータは、都市計画担当者や交通事業者が十分な情報に基づいて意思決定することを難しくします。
これらの問題を解決するには、よりスマートなツールが必要です。理想的な包括的ソリューションは、複数の道路利用者を同時に追跡し、リアルタイムのインサイトを提供するとともに、都市が交通パターンをより正確に把握できるようにする必要があります。
よりスマートなモビリティを実現するALYCEのAI駆動ソリューション#
ALYCEは都市モビリティの課題に対応するため、AIとコンピュータビジョンを活用した高度なツールを開発しました。これらのツールは、コンピュータビジョンタスクやリアルタイム物体検出などにUltralytics YOLOモデルを使用します。具体的には、YOLOモデルによって、歩行者、車両、自転車、その他の道路利用者を正確かつ自動的に追跡できます。Ultralytics YOLOを使用して収集されたインサイトは、混雑した交差点やラウンドアバウトなどの複雑な環境でも、信頼性が高く実用的です。
ALYCEの主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、交通の安全性と効率性を向上させるためのインサイトを提供できる、動画分析用AIツールです。
- OBSERVER: 道路利用者の検出と追跡を自動化するリアルタイム交通監視システムであり、動的な交通管理と、より適切な意思決定を支援します。
- MyGIS: モビリティデータを可視化するプラットフォームであり、都市計画担当者が傾向を解釈し、より大きな効果をもたらす交通システムを設計できるよう支援します。
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を自動化し、非常に正確なデータを提供します。Vision AIによるインサイトを活用し、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ネットワークを構築できるよう支援します。
なぜUltralytics YOLOモデルを選ぶのか#
Ultralytics YOLOモデルは、重要な場面で高いパフォーマンスを発揮したため、ALYCEのモビリティソリューションに最適な選択肢でした。平均適合率（mAP）が1～2%向上して精度が改善され、他のモデルより20%高速な推論速度によりリアルタイム処理を実現し、常に30 FPSで動作しました。また、GPU RAMの使用量が40%少なく、リソースが限られた環境に最適な、他に類を見ない効率性を備えています。
これらのメリットにより、ALYCEは開発期間も2か月短縮できました。Ultralyticsでは、従来のセットアップではほぼ1時間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ります。全体として、Ultralytics YOLOモデルを使用することで、ALYCEはコストを削減しながら、よりスマートで効率的なモビリティシステムを構築するためのAI駆動ソリューションの改善に注力できました。
Ultralytics YOLOで新たな行動インサイトを収集#
Ultralytics YOLOモデルの使用により、ALYCEはモビリティソリューションを次のレベルへ引き上げることができました。同社のツールは現在、道路利用者の行動分析などの貴重なインサイトを提供し、都市や交通事業者がより適切な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、納期の短縮など、測定可能なビジネス成果を達成しています。また、詳細な行動インサイトなど、新しい種類のデータも生成できるようになり、よりスマートなモビリティソリューションを支援する能力が向上しました。
図2. コンピュータビジョンの活用により、ALYCEは新たな行動インサイトを生成できるようになりました。
一方、お客様はALYCEのソリューションの品質と正確性に感銘を受けています。これらはCEREMAによって検証された最高水準のデータ基準を満たしています。CTOのBenoit Berthe氏は次のように述べています。「ALYCEでは、Ultralyticsの活用がモデルのトレーニングに大きな変革をもたらし、データの正確性を高め、クライアントに他に類を見ない品質を提供するとともに、持続可能なモビリティプロジェクトを支援できるようになりました。」
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。クライアントは、ALYCEのツールを単独で使用する場合でも、人による監督と併用する場合でも、より良い結果とスムーズな運用を実現したと報告しています。
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のようなモデルに加え、動画ベースのモデル向けの長短期記憶（LSTMs）などの新しいテクノロジーによって、コンピュータビジョンの未来が進化すると考えています。これらのイノベーションは物体認識を強化し、追跡の連続性を向上させることで、交通ソリューションをさらにスマートで信頼性の高いものにします。これらのテクノロジーが進化するにつれ、都市はモビリティの課題を管理するためのより優れたツールを利用できるようになります。
Vision AIが都市をどのように変革できるかにご関心がありますか？GitHubリポジトリで、農業におけるコンピュータビジョンや自動運転車など、Ultralyticsの業界別ソリューションをご覧ください。また、今すぐ始めるためにUltralytics YOLOのライセンスについてもご確認ください。
