Ultralyticsエンタープライズライセンスに戻る

Ultralyticsの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

問題点

ALYCEは、交通渋滞を処理するためにモビリティデータを分析するAIソリューションを探していた。

ソリューション

ALYCEは、Ultralytics YOLOをminUiやOBSERVERなどのソリューションに統合することで、開発期間を2ヶ月短縮し、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た。

活気あふれる都市は、交通渋滞や時代遅れの交通システム、持続可能性の課題にしばしば悩まされている。ALYCEは、都市の動きを理解し改善するためのスマートなAI駆動ツールを提供することで、これらの問題の解決に注力している。

ALYCEはこの問題に取り組むことを使命としており、Ultralyticsの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ツールのminUiや、リアルタイム交通監視システムの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。

__wf_reserved_inherit
図1. minUiは行動分析にUltralyticsのYOLOモデルを使用している。

交通管理にビジョンAIを活用

ALYCEは20年以上にわたり、持続可能性に重点を置きながら、都市のモビリティ向上を支援してきた。都市部は、交通渋滞、非効率的な交通システム、脱炭素化の急務といった持続的な課題に直面している。モビリティ・データを収集・分析する従来の方法は、時間がかかり正確性に欠けることが多く、計画立案を困難にしている。ALYCEは、こうした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、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むのを支援する革新的なデータ主導型ソリューションを開発した。

都市がよりスマートでデータ主導のモビリティ・ソリューションを必要とする理由

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る。交差点やラウンドアバウトのような交通量の多い場所で、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といった従来の方法では、この複雑な状況に対応するために必要な精度が得られないことが多い。

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追跡したり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。

こうした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。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な包括的なソリューションが理想的だ。

よりスマートなモビリティを実現するALYCEのAI主導型ソリューション

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活用した先進的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の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を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の主なソリューションは以下の通り:

  • 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洞察を提供できるビデオ分析用AIツール。
  • OBSERVER: リアルタイムの交通監視システムで、道路利用者の検出と追跡を自動化し、ダイナミックな交通管理とより良い意思決定をサポートする。
  • MyGIS:モビリティ・データを可視化するプラットフォームで、都市計画担当者がトレンドを解釈し、よりインパクトのある交通システムを設計するのに役立つ。

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。

なぜウルトラリティクスのYOLOモデルを選ぶのか?

Ultralyticsの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30 FPS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を使えば、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の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で新たな行動インサイトを収集する

Ultralyticsの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、納期短縮など、測定可能なビジネス成果を達成している。また、詳細な行動インサイトなど、新しいタイプのデータを生成できるようになり、よりスマートなモビリティ・ソリューションをサポートする能力が向上しました。

__wf_reserved_inherit
図2.ALYCEはコンピュータ・ビジョンを使って、新たな行動洞察を生み出すことができた。

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を活用することで、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。

こうした改善は、顧客満足度の向上にもつながっている。クライアントは、ALYCEのツールを単独で使用しても、人間の監督と並行して使用しても、より良い結果とスムーズなオペレーションを報告している。

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の 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の業界固有のソリューションをご覧ください!

産業別ソリューション

すべてを見る

よくある質問

ウルトラリティクスのYOLOモデルとは?

Ultralytics YOLOモデルは、画像やビデオ入力からの視覚データを分析するために開発されたコンピュータビジョンアーキテクチャです。これらのモデルは、物体検出、分類、姿勢推定、追跡、インスタンスのセグメンテーションなどのタスクのためにトレーニングすることができます:

  • ウルトラリティクス YOLOv5
  • ウルトラリティクス YOLOv8
  • ウルトラリティクス YOLO11

ウルトラリティクスのYOLOモデルの違いは何ですか?

Ultralytics YOLO11は、コンピュータ・ビジョン・モデルの最新バージョンです。以前のバージョンと同様、Vision AIコミュニティがYOLOv8を愛してやまない、すべてのコンピュータ・ビジョン・タスクをサポートしています。しかし、新しいYOLO11は、より高い性能と精度を備え、強力なツールとなり、実世界の業界の課題にとって完璧な味方となります。

私のプロジェクトには、どのUltralytics YOLOモデルを選ぶべきでしょうか?

どのモデルを選択するかは、具体的なプロジェクトの要件によって異なります。性能、精度、展開の必要性などの要素を考慮することが重要です。以下はその概要である:

  • Ultralytics YOLOv8の主な機能の一部:
  1. 成熟度と安定性:YOLOv8は、実績のある安定したフレームワークであり、豊富なドキュメントとYOLOの旧バージョンとの互換性を備えているため、既存のワークフローへの統合に最適です。
  2. 使いやすさ:YOLOv8は、初心者に優しいセットアップと簡単なインストールで、あらゆるレベルのチームに最適です。
  3. 費用対効果:必要な計算リソースが少ないため、予算重視のプロジェクトに最適です。
  • Ultralytics YOLO11の主な特徴の一部:
  1. より高い精度:YOLO11はベンチマークでYOLOv8を上回り、より少ないパラメータでより高い精度を達成した。
  2. 高度な機能:ポーズ推定、オブジェクト・トラッキング、オリエンテッド・バウンディング・ボックス(OBB)などの最先端のタスクをサポートし、比類のない多用途性を提供します。
  3. リアルタイム効率:リアルタイム・アプリケーション向けに最適化されたYOLO11は、推論時間の短縮を実現し、エッジ・デバイスやレイテンシに敏感なタスクに優れています。
  4. 適応性:幅広いハードウェア互換性により、YOLO11はエッジデバイス、クラウドプラットフォーム、NVIDIA GPUでの展開に適しています。

どのようなライセンスが必要ですか?

YOLOv5やYOLO11などのUltralytics YOLOリポジトリは、デフォルトでAGPL-3.0ライセンスで配布されています。このOSIが承認したライセンスは、学生、研究者、愛好家のために設計されており、オープンなコラボレーションを促進し、AGPL-3.0のコンポーネントを使ったソフトウェアもオープンソースにすることを要求しています。これにより透明性が確保され、イノベーションが促進される一方で、商用ユースケースには合致しない可能性があります。
あなたのプロジェクトがUltralyticsソフトウェアとAIモデルを商用製品やサービスに組み込むことを含み、AGPL-3.0のオープンソース要件を回避したい場合は、エンタープライズライセンスが理想的です。

エンタープライズ・ライセンスの利点は以下の通りです:

  • 商業的柔軟性:プロジェクトをオープンソース化するためのAGPL-3.0要件に従うことなく、Ultralytics YOLOのソースコードとモデルを修正し、プロプライエタリ製品に組み込むことができます。
  • 独自開発:Ultralytics YOLOコードとモデルを含む商用アプリケーションを自由に開発、配布できます。

シームレスな統合を保証し、AGPL-3.0の制約を回避するには、提供されているフォームを使用してUltralyticsエンタープライズライセンスをリクエストしてください。私たちのチームは、お客様の特定のニーズに合わせてライセンスを調整するお手伝いをいたします。

ウルトラリティクスYOLOでパワーアップ

あなたのプロジェクトに高度なAIビジョンを。あなたの目標に合ったライセンスを今すぐ見つけましょう。

ライセンスオプションの検討
クリップボードにコピーされたリンク