ALYCE의 스마트 트래픽 솔루션은 울트라리틱스 YOLO 모델을 활용합니다.

번화한 도시는 교통 혼잡, 낙후된 교통 시스템, 지속 가능성 문제로 어려움을 겪는 경우가 많습니다. 앨리스는 도시의 이동 방식을 이해하고 개선하기 위한 스마트 AI 기반 도구를 제공하여 이러한 문제를 해결하는 데 중점을 둡니다.

앨리스는 이러한 문제를 해결하기 위해 행동 분석을 위한 AI 도구인 minUi와 실시간 교통 모니터링 시스템인 OBSERVER 등 울트라리틱스 욜로 모델을 기반으로 하는 다양한 혁신 솔루션을 구축했습니다. 이러한 도구는 데이터를 더 빠르고 정확하게 수집하고 비용을 절감하며 도시가 더 스마트하고 친환경적이며 효율적인 교통 시스템을 구축할 수 있도록 지원합니다.

‍

교통 관리를 위한 비전 AI 활용

앨리스는 20년 이상 지속 가능성에 중점을 두고 도시의 이동성 향상을 지원해 왔습니다. 도시 지역은 교통 혼잡, 비효율적인 교통 시스템, 탈탄소화의 시급한 필요성과 같은 지속적인 문제에 직면해 있습니다. 모빌리티 데이터를 수집하고 분석하는 기존의 방식은 속도가 느리고 정확성이 부족하여 계획 수립이 어려운 경우가 많습니다. 앨리스는 이러한 장애물을 극복하기 위해 컴퓨터 비전과 AI를 도입하여 도시가 교통 시스템을 최적화하고 보다 지속 가능한 미래를 향해 나아갈 수 있도록 혁신적인 데이터 기반 솔루션을 개발했습니다.

도시에 더 스마트한 데이터 기반 모빌리티 솔루션이 필요한 이유

전 세계적으로 도시는 점점 더 바빠지고 있으며, 도시 이동성 관리는 점점 더 복잡해지고 있습니다. 교차로와 로터리 등 혼잡한 지역에서 보행자, 차량, 자전거 및 기타 도로 사용자를 감지하고 분석하는 것은 교통 흐름, 안전 및 교통 계획을 개선하는 데 필수적입니다. 그러나 수동 조사나 오래된 모니터링 시스템과 같은 기존의 방법으로는 이러한 복잡성을 처리하는 데 필요한 정확도를 제공하지 못하는 경우가 많습니다.

구형 시스템은 다양한 유형의 도로 사용자를 구분하거나 그들의 움직임을 효과적으로 추적하는 데 어려움을 겪습니다. 예를 들어, 보행자 및 자전거 이용자와 함께 차량의 경로를 실시간으로 모니터링하는 것은 기존 도구로는 안정적으로 수행할 수 없는 작업입니다. 불완전하거나 부정확한 데이터는 도시 계획가와 교통 운영자가 정보에 입각한 결정을 내리기 어렵게 만들 수 있습니다.

이러한 문제를 해결하려면 더 스마트한 도구가 필요합니다. 이상적으로는 여러 도로 사용자를 동시에 추적하고, 실시간 인사이트를 제공하며, 도시가 교통 패턴을 더 잘 이해할 수 있도록 지원하는 종합적인 솔루션이 필요합니다.

더 스마트한 모빌리티를 위한 ALYCE의 AI 기반 솔루션

도시 모빌리티의 문제를 해결하기 위해 앨리스는 AI와 컴퓨터 비전으로 구동되는 고급 도구를 개발했습니다. 이러한 도구는 실시간 물체 감지와 같은 컴퓨터 비전 작업에 Ultralytics YOLO 모델을 사용합니다. 특히 YOLO 모델을 사용하면 보행자, 차량, 자전거 및 기타 도로 사용자를 정확하고 자동으로 추적할 수 있습니다. 복잡한 교차로와 로터리와 같은 복잡한 환경에서도 Ultralytics YOLO를 사용하여 수집한 인사이트는 신뢰할 수 있고 실행 가능한 정보를 제공합니다.

ALYCE의 주요 솔루션은 다음과 같습니다:

• minUi: 도로 사용자 행동을 분석하고 교통 안전과 효율성을 개선할 수 있는 인사이트를 제공하는 영상 분석용 AI 도구입니다.
• 옵저버: 도로 사용자의 감지 및 추적을 자동화하여 동적 교통 관리와 더 나은 의사 결정을 지원하는 실시간 교통 모니터링 시스템입니다.
• MyGIS: 모빌리티 데이터를 시각화하여 도시 계획가가 트렌드를 해석하고 보다 영향력 있는 교통 시스템을 설계할 수 있도록 지원하는 플랫폼입니다.

이러한 도구는 울트라리틱스 YOLO 모델을 통합하여 느린 수동 프로세스를 자동화하고 매우 정확한 데이터를 제공합니다. 앨리스는 비전 AI 기반 인사이트를 통해 도시가 교통 혼잡을 줄이고 교통 흐름을 최적화하며 보다 지속 가능한 도시 교통 네트워크를 구축할 수 있도록 지원합니다.

울트라리틱스 YOLO 모델을 선택하는 이유는 무엇인가요?

가장 중요한 부분에서 높은 성능을 제공한다는 점에서 울트라리틱스 YOLO 모델은 ALYCE의 모빌리티 솔루션에 이상적인 선택이었습니다. 평균 정밀도(mAP)가 1~2% 향상되어 정확도가 향상되었으며, 다른 모델보다 20% 빠른 추론 속도로 실시간 처리를 보장하고 30FPS로 일관되게 작동합니다. 효율성도 타의 추종을 불허하여 GPU RAM을 40% 적게 사용하므로 리소스가 제한된 환경에 적합합니다.

이러한 이점 덕분에 ALYCE는 2개월의 개발 시간을 절약할 수 있었습니다. 기존 설정에서는 거의 1시간이 걸렸던 훈련 세션을 Ultralytics를 사용하면 5~10분 만에 설정하고 시작할 수 있어 더 빠르게 반복할 수 있습니다. 전반적으로, ALYCE는 Ultralytics YOLO 모델을 사용하여 비용을 절감하는 동시에 더 스마트하고 효율적인 모빌리티 시스템을 만들기 위해 AI 기반 솔루션을 개선하는 데 집중할 수 있었습니다.

Ultralytics YOLO로 새로운 행동 인사이트 수집하기

ALYCE는 Ultralytics YOLO 모델을 사용하여 모빌리티 솔루션을 한 단계 더 발전시킬 수 있었습니다. 이제 이 도구는 도로 사용자 행동 분석과 같은 귀중한 인사이트를 제공하여 도시와 운송 사업자가 더 나은 의사 결정을 내리는 데 도움을 줍니다.

컴퓨터 비전을 통합한 이후 ALYCE는 자동화를 통한 생산 비용 절감, 성능 지표 개선, 배송 일정 단축 등 측정 가능한 비즈니스 성과를 달성했습니다. 또한 상세한 행동 인사이트와 같은 새로운 유형의 데이터를 생성하여 더 스마트한 모빌리티 솔루션을 지원할 수 있는 역량을 강화할 수 있었습니다.

‍

한편, 고객들은 CEREMA가 검증한 최고 수준의 데이터 표준을 충족하는 ALYCE 솔루션의 품질과 정확성에 깊은 인상을 받았습니다. "ALYCE에서 울트라리틱스는 모델 학습에 획기적인 역할을 했으며, 이를 통해 데이터 정확도를 높이고 고객에게 탁월한 품질을 제공하여 지속 가능한 모빌리티 프로젝트를 지원할 수 있게 되었습니다."라고 CTO Benoit Berthe는 말했습니다.

이러한 개선은 고객 만족도 향상으로도 이어졌습니다. 고객들은 ALYCE의 도구를 단독으로 사용하든 사람의 감독과 함께 사용하든 더 나은 결과와 원활한 운영을 보고합니다.

모빌리티에서 컴퓨터 비전의 미래

ALYCE는 비디오 기반 모델을 위한 LSTM(장단기 메모리) 과 같은 새로운 기술과 함께 Ultralytics YOLO와 같은 모델을 통해 컴퓨터 비전의 미래가 발전할 것으로 보고 있습니다. 이러한 혁신은 사물 인식을 향상시키고 추적 연속성을 개선하여 교통 솔루션을 더욱 스마트하고 안정적으로 만들 것입니다. 이러한 기술이 발전함에 따라 도시는 모빌리티 문제를 관리할 수 있는 더 나은 도구를 갖게 될 것입니다. 

비전 AI가 도시를 어떻게 혁신할 수 있는지 궁금하신가요? GitHub 리포지토리에서 농업 및 자율 주행 자동차의 컴퓨터 비전과 같은 산업별 솔루션을 살펴보고, 지금 바로 시작할 수 있는 Ultralytics YOLO 라이선스에 대해 알아보세요!