ALYCE는 minUi 및 OBSERVER와 같은 솔루션에 Ultralytics YOLO를 통합해 개발 기간을 두 달 단축하고 비용을 절감함으로써 더 스마트한 도시 이동성을 구현했습니다.
활기가 넘치는 도시에서는 교통 혼잡, 노후한 교통 시스템, 지속가능성 문제가 흔히 발생합니다. ALYCE는 도시의 이동 방식을 파악하고 개선하는 스마트 AI 기반 도구를 제공해 이러한 문제를 해결하는 데 주력합니다.
ALYCE는 이 문제를 해결하기 위해 Ultralytics YOLO 모델을 활용하는 여러 혁신적인 솔루션을 개발했습니다. 행동 분석용 AI 도구인 minUi와 실시간 교통 모니터링 시스템인 OBSERVER가 그 예입니다. 이러한 도구는 데이터 수집을 더 빠르고 정확하게 하고 비용을 줄이며, 도시가 더 스마트하고 친환경적이며 효율적인 교통 시스템을 구축하도록 지원합니다.
그림 1. minUi는 행동 분석에 Ultralytics YOLO 모델을 사용합니다.
교통 관리를 위한 비전 AI 활용#
ALYCE는 지속가능성에 중점을 두고 20년 넘게 도시의 이동성 향상을 지원해 왔습니다. 도시 지역은 교통 혼잡, 비효율적인 교통 시스템, 시급한 탈탄소화 요구와 같은 지속적인 문제에 직면해 있습니다. 기존의 이동성 데이터 수집 및 분석 방식은 느리고 정확도가 낮은 경우가 많아 계획 수립을 어렵게 합니다. ALYCE는 이러한 문제를 해결하기 위해 컴퓨터 비전과 AI를 도입하고, 도시가 교통 시스템을 최적화하고 더 지속가능한 미래를 향해 나아가도록 데이터 기반의 혁신적인 솔루션을 개발했습니다.
도시에 더 스마트한 데이터 기반 이동성 솔루션이 필요한 이유#
전 세계적으로 도시가 더욱 혼잡해지면서 도시 이동성 관리가 갈수록 복잡해지고 있습니다. 교차로와 회전교차로처럼 혼잡한 구역에서 보행자, 차량, 자전거 및 기타 도로 이용자를 감지하고 분석하는 일은 교통 흐름, 안전, 교통 계획을 개선하는 데 필수적입니다. 그러나 수동 조사나 노후한 모니터링 시스템과 같은 기존 방식은 이러한 복잡성을 처리하는 데 필요한 정확도를 제공하지 못하는 경우가 많습니다.
오래된 시스템은 서로 다른 도로 이용자 유형을 구분하거나 이들의 이동을 효과적으로 추적하는 데 어려움을 겪습니다. 예를 들어 차량, 보행자, 자전거 이용자의 경로를 실시간으로 모니터링하는 작업은 기존 도구로 안정적으로 수행하기 어렵습니다. 데이터가 불완전하거나 부정확하면 도시 계획 담당자와 교통 운영자가 충분한 정보를 바탕으로 의사결정을 내리기 어렵습니다.
이러한 문제를 해결하려면 더 스마트한 도구가 필요합니다. 이상적인 종합 솔루션은 여러 도로 이용자를 동시에 추적하고 실시간 인사이트를 제공하며 도시가 교통 패턴을 더 잘 파악하도록 지원해야 합니다.
더 스마트한 이동성을 위한 ALYCE의 AI 기반 솔루션#
ALYCE는 도시 이동성 문제를 해결하기 위해 AI와 컴퓨터 비전을 활용하는 고급 도구를 개발했습니다. 이러한 도구는 Ultralytics YOLO 모델을 사용해 실시간 객체 감지와 같은 컴퓨터 비전 작업을 수행합니다. 특히 YOLO 모델은 보행자, 차량, 자전거 및 기타 도로 이용자를 정확하고 자동으로 추적합니다. Ultralytics YOLO를 사용해 수집한 인사이트는 혼잡한 교차로나 회전교차로와 같은 복잡한 환경에서도 신뢰할 수 있으며 실제 조치에 활용할 수 있습니다.
ALYCE의 주요 솔루션은 다음과 같습니다.
- minUi: 도로 이용자의 행동을 분석하고 교통 안전과 효율성을 높이는 데 필요한 인사이트를 제공하는 동영상 분석용 AI 도구입니다.
- OBSERVER: 도로 이용자의 감지와 추적을 자동화해 역동적인 교통 관리와 더 나은 의사결정을 지원하는 실시간 교통 모니터링 시스템입니다.
- MyGIS: 이동성 데이터를 시각화해 도시 계획 담당자가 추세를 해석하고 더 효과적인 교통 시스템을 설계하도록 지원하는 플랫폼입니다.
Ultralytics YOLO 모델을 통합함으로써 이러한 도구는 느린 수작업 프로세스를 자동화하고 매우 정확한 데이터를 제공합니다. 비전 AI 기반 인사이트를 통해 ALYCE는 도시가 교통 혼잡을 줄이고 교통 흐름을 최적화하며 더 지속가능한 도시 교통망을 구축하도록 지원합니다.
Ultralytics YOLO 모델을 선택한 이유#
Ultralytics YOLO 모델은 중요한 지점에서 높은 성능을 제공해 ALYCE의 이동성 솔루션에 이상적인 선택이었습니다. 평균 정밀도(mAP)를 1~2% 향상해 정확도를 높였으며, 다른 모델보다 추론 속도가 20% 빠른 실시간 처리를 지원하고 일관되게 30 FPS로 작동했습니다. 또한 GPU RAM을 40% 적게 사용해 효율성도 탁월하므로 리소스가 제한된 환경에 적합합니다.
이러한 이점으로 ALYCE는 개발 기간도 두 달 단축했습니다. Ultralytics를 사용하면 기존 설정에서 거의 한 시간이 걸리던 학습 세션 설정 및 시작을 단 5~10분 만에 완료해 더 빠르게 반복할 수 있습니다. 전반적으로 ALYCE는 Ultralytics YOLO 모델을 사용해 비용을 절감하는 동시에 AI 기반 솔루션을 개선하고 더 스마트하고 효율적인 모빌리티 시스템을 구축하는 데 집중할 수 있었습니다.
Ultralytics YOLO로 새로운 행동 인사이트 수집#
Ultralytics YOLO 모델은 ALYCE의 이동성 솔루션을 한 단계 발전시키는 데 도움이 됐습니다. 이제 ALYCE의 도구는 도로 이용자 행동 분석과 같은 유용한 인사이트를 제공해 도시와 교통 운영자가 더 나은 의사결정을 내릴 수 있도록 지원합니다.
컴퓨터 비전을 통합한 이후 ALYCE는 자동화를 통한 생산 비용 절감, 성능 지표 개선, 납기 단축 등 측정 가능한 사업 성과를 거뒀습니다. 또한 상세한 행동 인사이트와 같은 새로운 유형의 데이터를 생성해 더 스마트한 이동성 솔루션을 지원하는 역량도 강화했습니다.
그림 2. ALYCE는 컴퓨터 비전을 사용해 새로운 행동 인사이트를 생성할 수 있었습니다.
고객들은 ALYCE 솔루션의 품질과 정확도에 만족했으며, 솔루션은 CEREMA가 검증한 최고 수준의 데이터 기준을 충족합니다. CTO Benoit Berthe는 다음과 같이 말했습니다. “ALYCE에서 Ultralytics를 활용한 것은 모델 학습의 판도를 바꾸는 계기가 됐습니다. 데이터 정확도를 높이고 고객에게 탁월한 품질을 제공하는 동시에 지속가능한 이동성 프로젝트를 지원할 수 있었습니다.”
이러한 개선은 고객 만족도 향상으로도 이어졌습니다. 고객들은 ALYCE 도구를 단독으로 사용하거나 사람의 감독과 함께 사용할 때 모두 더 나은 결과와 원활한 운영을 경험했다고 전했습니다.
이동성 분야 컴퓨터 비전의 미래#
ALYCE는 컴퓨터 비전의 미래가 Ultralytics YOLO와 같은 모델과 동영상 기반 모델을 위한 장단기 메모리(LSTMs)와 같은 신기술을 중심으로 발전할 것으로 보고 있습니다. 이러한 혁신은 객체 인식을 강화하고 추적의 연속성을 개선해 교통 솔루션을 더욱 스마트하고 안정적으로 만들 것입니다. 기술이 발전함에 따라 도시는 이동성 문제를 관리하는 데 더 나은 도구를 활용할 수 있습니다.
비전 AI가 도시를 어떻게 변화시킬 수 있는지 궁금하신가요? GitHub 리포지토리에서 농업 분야의 컴퓨터 비전 및 자율주행차와 같은 Ultralytics의 산업별 솔루션을 살펴보고, 지금 시작하는 데 필요한 Ultralytics YOLO 라이선스에 대해 알아보세요!
