ALYCEはUltralytics YOLOをminUiやOBSERVERなどのソリューションに統合し、開発期間を2か月短縮するとともにコストを削減し、よりスマートな都市モビリティを実現しました。
活気のある都市では、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がしばしば問題になります。ALYCEは、都市の移動を把握し、改善するためのスマートなAI駆動型ツールを提供し、こうした課題の解決に取り組んでいます。
ALYCEはこの課題の解決を目指し、Ultralytics YOLOモデルを活用した革新的なソリューションを開発しました。行動分析用AIツールのminUiと、リアルタイム交通監視システムのOBSERVERです。これらのツールはデータ収集の迅速化と高精度化、コスト削減を実現し、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ちます。
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Vision AIを活用#
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。都市部では交通渋滞、非効率な交通システム、脱炭素化の緊急な必要性など、継続的な課題に直面しています。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、精度も不足しがちなため、計画の策定が困難です。ALYCEはこうした障壁を克服するためにコンピュータービジョンとAIを活用し、都市が交通システムを最適化し、より持続可能な未来を目指すための、データに基づく革新的なソリューションを開発しました。
都市に、よりスマートでデータに基づくモビリティソリューションが必要な理由#
世界各地で都市化が進み、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、従来の方法では、この複雑さへの対応に必要な精度を得られないことがよくあります。
旧式のシステムでは、道路利用者の種類を区別したり、その動きを効果的に追跡したりするのが困難です。たとえば、歩行者や自転車と並走する車両の動き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行えません。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の情報に基づく意思決定を難しくします。
こうした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して、都市が交通パターンをより深く理解できるようにします。
よりスマートなモビリティを実現するALYCEのAI駆動型ソリューション#
都市モビリティの課題に対応するため、ALYCEはAIとコンピューター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、リアルタイム物体検出などのコンピュータービジョンタスクにUltralytics YOLOモデルを使用します。特に、YOLOモデルにより、歩行者、車両、自転車、その他の道路利用者を正確かつ自動で追跡できます。Ultralytics YOLOを使用して得られるインサイトは、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、交通安全と効率の向上に役立つインサイトを提供する動画分析用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す。柔軟な交通管理と、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し、都市計画担当者が傾向を解釈して、より効果的な交通システムを設計できるよう支援するプラットフォームです。
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、高精度なデータを提供します。Vision AIによるインサイトを通じて、ALYCEは渋滞の緩和、交通の流れの最適化、より持続可能な都市交通ネットワークの構築を支援します。
Ultralytics YOLOモデルを選ぶ理由#
Ultralytics YOLOモデルは、重要な場面で高い性能を発揮するため、ALYCEのモビリティソリューションに最適でした。平均適合率（mAP）が1～2%向上し、他のモデルより推論速度が20%速いリアルタイム処理を実現して、安定して30 FPSで動作しました。また、GPU RAMの使用量を40%削減するなど、効率性にも優れており、リソースが限られた環境に最適です。
こうした利点により、ALYCEは開発期間を2か月短縮できました。Ultralyticsを使用すると、従来の環境では約1時間かかっていたトレーニングセッションの設定と開始をわずか5～10分で行えるため、反復を迅速化できます。全体として、Ultralytics YOLOモデルを活用することで、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実現するAI駆動型ソリューションの改良に注力できました。
Ultralytics YOLOで新たな行動インサイトを取得#
Ultralytics YOLOモデルの活用により、ALYCEはモビリティソリューションを次の段階へと進化させました。現在、同社のツールは道路利用者の行動分析などの有用なインサイトを提供し、都市や交通事業者のより適切な意思決定を支援しています。
コンピュータービジョンの導入以来、ALYCEは自動化による生産コストの削減、性能指標の改善、納期の短縮など、測定可能なビジネス成果を上げています。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支援する能力が高まりました。
図2. コンピュータービジョンを活用することで、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。
また、顧客はALYCEのソリューションの品質と精度を高く評価しています。これらのソリューションは、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を活用したことでモデルのトレーニングが大きく変わり、データ精度を高め、お客様に比類のない品質を提供し、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。」
こうした改善は顧客満足度の向上にもつながりました。顧客からは、ALYCEのツールを単独で使用する場合も、人による監督と併用する場合も、より良い結果と円滑な業務運営が実現したとの報告が寄せられています。
モビリティ分野におけるコンピュータービジョンの未来#
ALYCEは、コンピュータービジョンの未来はUltralytics YOLOのようなモデルと、動画ベースのモデル向けの長・短期記憶（LSTMs）などの新技術によって進化すると考えています。こうしたイノベーションは物体認識を強化し、追跡の連続性を改善することで、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。技術の進化に伴い、都市はモビリティの課題に対処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、ご興味がありますか？GitHubリポジトリで、農業分野のコンピュータービジョンや自動運転車など、Ultralyticsの業界特化型ソリューションをご覧ください。また、今すぐ始めるためのUltralytics YOLOライセンスについてもご確認いただけます。
