ALYCE의 스마트 교통 솔루션은 Ultralytics YOLO 모델을 활용합니다.

복잡한 도시는 종종 교통 체증, 구식 교통 시스템 및 지속 가능성 문제로 어려움을 겪습니다. ALYCE는 도시의 이동 방식을 이해하고 개선하기 위해 스마트한 AI 기반 도구를 제공함으로써 이러한 문제를 해결하는 데 주력합니다.

ALYCE는 이러한 문제 해결을 목표로 Ultralytics YOLO 모델을 기반으로 하는 다양한 혁신적인 솔루션인 행동 분석을 위한 AI 도구 minUi와 실시간 교통 모니터링 시스템 OBSERVER를 구축했습니다. 이러한 도구를 통해 데이터 수집 속도가 빨라지고 정확도가 향상되며 비용이 절감되고 도시가 더 스마트하고 친환경적이며 효율적인 교통 시스템을 구축하는 데 도움이 됩니다.

‍

교통 관리를 위한 Vision AI 활용

ALYCE는 20년 이상 지속 가능성에 중점을 두고 도시의 이동성 향상을 지원해 왔습니다. 도시 지역은 교통 체증, 비효율적인 교통 시스템, 시급한 탄소 배출 감소 필요성과 같은 지속적인 문제에 직면해 있습니다. 기존의 이동성 데이터 수집 및 분석 방법은 종종 느리고 정확성이 떨어져 계획 수립이 어렵습니다. ALYCE는 이러한 장애물을 극복하기 위해 컴퓨터 비전과 AI를 도입하여 도시가 교통 시스템을 최적화하고 보다 지속 가능한 미래를 향해 나아갈 수 있도록 지원하는 혁신적인 데이터 기반 솔루션을 개발했습니다.

도시가 더 스마트한 데이터 기반 이동성 솔루션을 필요로 하는 이유

전 세계적으로 도시가 점점 더 혼잡해지고 있으며 도시 이동성 관리가 점점 더 복잡해지고 있습니다. 교차로 및 로터리와 같이 혼잡한 지역에서 보행자, 차량, 자전거 및 기타 도로 사용자를 감지하고 분석하는 것은 교통 흐름, 안전 및 교통 계획을 개선하는 데 필수적입니다. 그러나 수동 조사 또는 구식 모니터링 시스템과 같은 기존 방법은 종종 이러한 복잡성을 처리하는 데 필요한 정확성을 제공하지 못합니다.

구형 시스템은 다양한 유형의 도로 사용자를 구별하거나 효과적으로 움직임을 추적하는 데 어려움을 겪습니다. 예를 들어, 보행자 및 자전거 이용자와 함께 차량의 경로를 실시간으로 모니터링하는 것은 기존 도구가 안정적으로 수행할 수 없는 작업입니다. 불완전하거나 부정확한 데이터는 도시 계획 담당자와 교통 운영자가 정보에 입각한 결정을 내리는 데 어려움을 줄 수 있습니다.

이러한 문제를 해결하려면 더 스마트한 도구가 필요합니다. 포괄적인 솔루션은 여러 도로 사용자를 동시에 추적하고 실시간 통찰력을 제공하며 도시가 교통 패턴을 더 잘 이해할 수 있도록 지원해야 합니다.

더 스마트한 이동성을 위한 ALYCE의 AI 기반 솔루션

도시 이동성의 과제를 해결하기 위해 ALYCE는 AI 및 컴퓨터 비전을 기반으로 하는 고급 도구를 개발했습니다. 이러한 도구는 실시간 객체 감지와 같은 컴퓨터 비전 작업을 위해 Ultralytics YOLO 모델을 사용합니다. 특히 YOLO 모델은 보행자, 차량, 자전거 및 기타 도로 사용자의 정확하고 자동화된 추적을 가능하게 합니다. Ultralytics YOLO를 사용하여 수집된 통찰력은 혼잡한 교차로 및 로터리와 같은 복잡한 환경에서도 신뢰할 수 있고 실행 가능합니다.

ALYCE의 주요 솔루션은 다음과 같습니다.

• minUi: 도로 사용자 행동을 분석하고 교통 안전 및 효율성을 개선하기 위한 통찰력을 제공할 수 있는 비디오 분석용 AI 도구입니다.
• OBSERVER: 도로 사용자의 감지 및 추적을 자동화하여 동적 교통 관리 및 더 나은 의사 결정을 지원하는 실시간 교통 모니터링 시스템입니다.
• MyGIS: 도시 계획 담당자가 추세를 해석하고 더 효과적인 교통 시스템을 설계하는 데 도움이 되는 이동성 데이터를 시각화하는 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 보다 지속 가능한 도시 교통 네트워크를 구축할 수 있도록 지원합니다.

Ultralytics YOLO 모델을 선택하는 이유

Ultralytics YOLO 모델은 가장 중요한 부분에서 높은 성능을 제공하므로 ALYCE의 이동성 솔루션에 이상적인 선택이었습니다. 평균 정밀도(mAP)가 1~2% 향상되어 정확도가 향상되었고 다른 모델보다 20% 빠른 추론 속도로 실시간 처리가 보장되어 30FPS로 일관되게 작동합니다. 또한 효율성이 뛰어나 GPU RAM을 40% 적게 사용하여 리소스가 제한된 환경에 적합합니다.

이러한 이점 덕분에 ALYCE는 2개월의 개발 시간을 절약할 수 있었습니다. Ultralytics를 사용하면 기존 설정에서 거의 1시간이 걸리던 교육 세션을 단 5~10분 만에 설정하고 시작할 수 있어 반복 속도가 빨라집니다. 전반적으로 ALYCE는 Ultralytics YOLO 모델을 사용하여 비용을 절감하면서 AI 기반 솔루션을 개선하여 더 스마트하고 효율적인 이동성 시스템을 구축하는 데 집중할 수 있었습니다.

Ultralytics YOLO로 새로운 행동 통찰력 수집

Ultralytics YOLO 모델을 사용하면 ALYCE가 이동성 솔루션을 한 단계 더 발전시킬 수 있었습니다. 이제 이들의 도구는 도시와 교통 운영자가 더 나은 결정을 내리는 데 도움이 되는 도로 사용자 행동 분석과 같은 귀중한 통찰력을 제공합니다.

컴퓨터 비전을 통합한 이후 ALYCE는 자동화를 통한 생산 비용 절감, 성능 지표 개선, 배송 기간 단축 등 측정 가능한 비즈니스 성과를 달성했습니다. 또한 더 스마트한 이동성 솔루션을 지원하는 기능을 향상시키는 자세한 행동 통찰력과 같은 새로운 유형의 데이터를 생성할 수 있었습니다.

‍

한편, 고객들은 CEREMA에서 검증한 최고 데이터 표준을 충족하는 ALYCE 솔루션의 품질과 정확성에 깊은 인상을 받았습니다. ALYCE의 CTO인 Benoit Berthe는 “ALYCE에서 Ultralytics를 활용한 것은 모델 학습에 획기적인 변화를 가져왔으며, 데이터 정확성을 향상시키고 고객에게 최고의 품질을 제공하여 지속 가능한 모빌리티 프로젝트를 지원할 수 있게 되었습니다.”라고 말했습니다.

이러한 개선은 고객 만족도 향상으로도 이어졌습니다. 고객들은 ALYCE의 도구를 직접 사용하든, 사람이 감독하든 더 나은 결과와 원활한 운영을 경험하고 있다고 보고합니다.

모빌리티 분야에서 컴퓨터 비전의 미래

ALYCE는 비디오 기반 모델을 위한 LSTM(Long Short-Term Memory)과 같은 새로운 기술과 함께 Ultralytics YOLO와 같은 모델을 통해 컴퓨터 비전의 미래가 발전할 것이라고 보고 있습니다. 이러한 혁신은 객체 인식 기능을 향상시키고 추적 연속성을 개선하여 운송 솔루션을 더욱 스마트하고 안정적으로 만들 것입니다. 이러한 기술이 발전함에 따라 도시는 모빌리티 문제를 관리할 수 있는 더 나은 도구를 갖게 될 것입니다. 

Vision AI가 도시를 어떻게 변화시킬 수 있는지 궁금하신가요? GitHub 저장소를 방문하여 농업 분야의 컴퓨터 비전, 자율 주행 자동차와 같은 Ultralytics의 산업별 솔루션을 살펴보고, Ultralytics YOLO 라이선스에 대해 자세히 알아보세요!