ALYCE, Ultralytics YOLO로 교통 AI 추론 속도 20% 향상
ALYCE가 지속 가능하고 스마트한 도시를 위해 어떻게 Ultralytics YOLO 모델을 사용하여 데이터 정확도를 높이고 도시 이동성을 최적화하며 AI 기반 교통 솔루션을 구축하는지 알아보세요.
번화한 도시는 종종 교통 혼잡, 노후화된 교통 시스템, 지속 가능성 문제로 어려움을 겪습니다. ALYCE는 도시의 이동 방식을 이해하고 개선할 수 있는 스마트한 AI 기반 도구를 제공하여 이러한 문제를 해결하는 데 집중합니다.
ALYCE는 이를 해결하기 위해 노력하고 있으며, Ultralytics YOLO 모델을 기반으로 한 다양한 혁신적인 솔루션을 구축했습니다. 행동 분석을 위한 AI 도구인 minUi와 실시간 교통 모니터링 시스템인 OBSERVER가 그 예입니다. 이러한 도구들은 데이터 수집을 더욱 빠르고 정확하게 만들고, 비용을 절감하며, 도시가 더 스마트하고 친환경적이며 효율적인 교통 체계를 구축할 수 있도록 돕습니다.
그림 1. minUi는 행동 분석을 위해 Ultralytics YOLO 모델을 사용합니다.
교통 관리를 위한 Vision AI 활용#
20년 이상 ALYCE는 지속 가능성에 강력한 초점을 맞추어 도시의 이동성 향상을 지원해 왔습니다. 도시 지역은 교통 체증, 비효율적인 교통 체계, 긴급한 탈탄소화 필요성과 같은 지속적인 과제에 직면해 있습니다. 이동성 데이터를 수집하고 분석하는 전통적인 방식은 종종 속도가 느리고 정확성이 부족하여 계획 수립을 어렵게 만듭니다. ALYCE는 이러한 장애물을 극복하기 위해 컴퓨터 비전과 AI를 도입하여, 도시가 교통 체계를 최적화하고 더 지속 가능한 미래를 향해 나아갈 수 있도록 돕는 혁신적인 데이터 기반 솔루션을 개발했습니다.
도시가 더 스마트하고 데이터 기반의 이동성 솔루션을 필요로 하는 이유#
전 세계적으로 도시가 더욱 복잡해지면서 도시 이동성 관리는 갈수록 어려워지고 있습니다. 교차로나 회전교차로와 같이 혼잡한 지역에서 보행자, 차량, 자전거 및 기타 도로 사용자를 감지하고 분석하는 것은 교통 흐름, 안전 및 교통 계획 개선을 위해 필수적입니다. 그러나 수동 조사나 노후화된 모니터링 시스템과 같은 전통적인 방법은 이러한 복잡성을 처리하는 데 필요한 정확도를 제공하지 못하는 경우가 많습니다.
기존 시스템은 다양한 유형의 도로 사용자를 구분하거나 그들의 움직임을 효과적으로 추적하는 데 어려움을 겪습니다. 예를 들어, 실시간으로 차량과 보행자, 자전거 이용자의 경로를 동시에 모니터링하는 것은 전통적인 도구로는 안정적으로 수행할 수 없습니다. 불완전하거나 부정확한 데이터는 도시 계획가와 교통 운영자가 정보에 입각한 의사결정을 내리는 것을 더욱 어렵게 만들 수 있습니다.
이러한 문제를 해결하려면 더 스마트한 도구가 필요합니다. 이상적으로 종합적인 솔루션은 여러 도로 사용자를 동시에 추적하고, 실시간 인사이트를 제공하며, 도시가 교통 패턴을 더 잘 이해할 수 있도록 도와야 합니다.
더 스마트한 이동성을 위한 ALYCE의 AI 기반 솔루션#
도시 이동성의 과제를 해결하기 위해 ALYCE는 AI와 컴퓨터 비전을 기반으로 한 고급 도구를 개발했습니다. 이 도구들은 실시간 객체 감지와 같은 컴퓨터 비전 작업을 위해 Ultralytics YOLO 모델을 사용합니다. 구체적으로 YOLO 모델은 보행자, 차량, 자전거 및 기타 도로 사용자의 정확하고 자동화된 추적을 가능하게 합니다. Ultralytics YOLO를 사용하여 수집된 인사이트는 혼잡한 교차로 및 회전교차로와 같은 복잡한 환경에서도 신뢰할 수 있으며 실행 가능합니다.
ALYCE의 주요 솔루션은 다음과 같습니다.
- minUi: 도로 사용자 행동을 분석하고 교통 안전 및 효율성을 개선하기 위한 통찰력을 제공할 수 있는 영상 분석용 AI 도구입니다.
- OBSERVER: 동적 교통 관리와 더 나은 의사결정을 지원하며 도로 사용자 감지 및 추적을 자동화하는 실시간 교통 모니터링 시스템입니다.
- MyGIS: 이동성 데이터를 시각화하여 도시 계획가가 추세를 해석하고 더 영향력 있는 교통 시스템을 설계하도록 돕는 플랫폼입니다.
Ultralytics YOLO 모델을 통합함으로써 이러한 도구는 느리고 수동적인 프로세스를 자동화하고 매우 정확한 데이터를 제공합니다. Vision AI 기반 통찰력을 통해 ALYCE는 도시가 혼잡을 줄이고 교통 흐름을 최적화하며 더 지속 가능한 도시 교통 네트워크를 구축할 수 있도록 지원합니다.
왜 Ultralytics YOLO 모델인가?#
Ultralytics YOLO 모델은 가장 중요한 부분에서 고성능을 제공했기 때문에 ALYCE의 이동성 솔루션에 이상적인 선택이었습니다. 모델들은 mAP(mean average precision)를 1~2% 향상시켜 정확도를 높였으며, 다른 모델보다 20% 빠른 추론 속도로 30 FPS에서 일관되게 작동하며 실시간 처리를 보장했습니다. 효율성 또한 압도적이어서 GPU RAM 사용량을 40% 절감하여 리소스가 제한된 환경에 완벽하게 적합합니다.
이러한 이점 덕분에 ALYCE는 개발 시간을 2개월 단축했습니다. Ultralytics를 사용하면 기존 설정으로 약 1시간이 걸리던 학습 세션을 단 5~10분 만에 설정하고 시작할 수 있어 더 빠른 반복이 가능합니다. 전반적으로 ALYCE는 Ultralytics YOLO 모델을 사용하여 비용을 절감하는 동시에 더 스마트하고 효율적인 이동성 시스템을 구축하기 위해 AI 기반 솔루션을 개선하는 데 집중할 수 있었습니다.
Ultralytics YOLO로 새로운 행동 통찰력 수집#
Ultralytics YOLO 모델을 사용한 덕분에 ALYCE는 이동성 솔루션을 한 단계 더 발전시킬 수 있었습니다. 이제 그들의 도구는 도로 사용자 행동 분석과 같은 가치 있는 통찰력을 제공하여 도시와 교통 운영자가 더 나은 의사결정을 내릴 수 있도록 돕습니다.
computer vision을 통합한 이후, ALYCE는 자동화를 통한 생산 비용 절감, 성능 지표 개선, 납기 단축 등 측정 가능한 비즈니스 성과를 거두었습니다. 또한 상세한 행동 통찰력과 같이 더 스마트한 이동성 솔루션을 지원하는 능력을 높여주는 새로운 유형의 데이터를 생성할 수 있게 되었습니다.
그림 2. ALYCE는 computer vision을 사용하여 새로운 행동 통찰력을 생성할 수 있게 되었습니다.
한편, 고객들은 CEREMA가 검증한 최고 수준의 데이터 표준을 충족하는 ALYCE 솔루션의 품질과 정확성에 깊은 인상을 받았습니다. Benoit Berthe CTO는 "ALYCE에서 Ultralytics를 활용한 것은 모델 학습에 있어 판도를 바꾸는 계기가 되었으며, 덕분에 데이터 정확도를 높이고 고객에게 탁월한 품질을 제공하여 지속 가능한 이동성 프로젝트를 지원할 수 있게 되었습니다"라고 전했습니다.
이러한 개선 사항은 고객 만족도 향상으로 이어졌습니다. 고객들은 ALYCE의 도구를 직접 사용하거나 인간의 감독과 함께 사용할 때 더 나은 결과와 원활한 운영을 경험하고 있다고 보고합니다.
이동성 분야에서의 computer vision의 미래#
ALYCE는 비디오 기반 모델을 위한 Long Short-Term Memory (LSTMs)과 같은 신기술과 함께 Ultralytics YOLO와 같은 모델로 컴퓨터 비전의 미래가 발전할 것으로 보고 있습니다. 이러한 혁신은 객체 인식을 강화하고 추적 연속성을 개선하여 교통 솔루션을 더욱 스마트하고 신뢰할 수 있게 만들 것입니다. 이러한 기술이 진화함에 따라 도시들은 이동성 과제를 관리할 수 있는 더 나은 도구를 갖추게 될 것입니다.
비전 AI가 도시를 어떻게 변화시킬 수 있는지 관심이 있으신가요? 농업 분야의 컴퓨터 비전 및 자율주행 자동차와 같은 Ultralytics의 산업별 솔루션을 살펴보려면 GitHub 저장소를 확인하고, our Ultralytics YOLO licenses에 대해 알아보고 오늘 바로 시작해 보세요!
