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.

Problem
ALYCE는 기존 방식의 정밀도와 적응성 부족 문제를 해결하고 이동성 데이터 분석 및 교통 혼잡 관리를 지원할 AI 솔루션을 찾고 있었습니다.
Solution
ALYCE는 Ultralytics YOLO를 minUi 및 OBSERVER와 같은 솔루션에 통합하여 개발 시간을 2개월 단축하고 더 스마트한 도시 이동성을 위한 비용을 절감했습니다.
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 이 문제를 해결하기 위해 Ultralytics YOLO 모델을 기반으로 한 다양한 혁신적인 솔루션을 구축했습니다. 행동 분석을 위한 AI 도구인 minUi와 실시간 교통 모니터링 시스템인 OBSERVER가 대표적입니다. 이러한 도구는 데이터 수집을 더 빠르고 정확하게 만들고 비용을 절감하며, 도시가 더 스마트하고 친환경적이며 효율적인 교통 시스템을 구축하도록 돕습니다.

그림 1. minUi는 행동 분석을 위해 Ultralytics YOLO 모델을 사용합니다.
Link to this section교통 관리를 위한 Vision AI 활용#
20년 넘게 ALYCE는 지속 가능성에 중점을 두고 도시의 이동성 향상을 지원해 왔습니다. 도시 지역은 교통 혼잡, 비효율적인 교통 시스템, 시급한 탈탄소화 필요성과 같은 지속적인 과제에 직면해 있습니다. 이동성 데이터를 수집하고 분석하는 전통적인 방법은 종종 속도가 느리고 정확도가 떨어져 계획 수립을 어렵게 만듭니다. ALYCE는 이러한 장애물을 극복하기 위해 computer vision과 AI를 도입하여 도시가 교통 시스템을 최적화하고 더 지속 가능한 미래를 향해 나아갈 수 있도록 돕는 혁신적이고 데이터 중심적인 솔루션을 개발했습니다.
Link to this section도시가 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 해결하기 위해서는 더 스마트한 도구가 필요합니다. 이상적으로는 포괄적인 솔루션이 여러 도로 사용자를 동시에 track하고, 실시간 통찰력을 제공하며, 도시가 교통 패턴을 더 잘 이해하도록 도울 수 있어야 합니다.
Link to this section더 스마트한 이동성을 위한 ALYCE의 AI 기반 솔루션#
To address the challenges of urban mobility, ALYCE has developed advanced tools powered by AI and computer vision. These tools use Ultralytics YOLO models for computer vision tasks like real-time object detection. Specifically, YOLO models enable accurate and automated tracking of pedestrians, vehicles, bicycles, and other road users. The insights gathered using Ultralytics YOLO are reliable and actionable, even in complex settings like busy intersections and roundabouts.
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 traffic management와 더 나은 의사결정을 지원하며 도로 사용자의 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.
Link to this section왜 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.
Link to this sectionUltralytics 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.
Link to this section이동성 분야에서의 computer vision의 미래#
ALYCE는 Ultralytics YOLO와 같은 모델과 함께 영상 기반 모델을 위한 Long Short-Term Memory (LSTMs)와 같은 새로운 기술들이 결합되어 computer vision의 미래가 발전할 것으로 보고 있습니다. 이러한 혁신은 객체 인식 기능을 강화하고 추적 연속성을 개선하여 교통 솔루션을 훨씬 더 스마트하고 신뢰할 수 있게 만들 것입니다. 이러한 기술이 발전함에 따라 도시들은 이동성 문제를 관리할 더 나은 도구를 갖게 될 것입니다.
Vision AI가 어떻게 도시를 변화시킬 수 있는지 궁금하신가요? GitHub 저장소를 확인하여 농업 분야의 computer vision 및 자율 주행 자동차와 같은 Ultralytics의 산업별 솔루션을 탐색하고, Ultralytics YOLO 라이선스에 대해 알아보고 오늘 바로 시작해 보세요!






