A ALYCE estava à procura de soluções de IA para analisar os dados de mobilidade para lidar com o congestionamento do tráfego, porque os métodos desactualizados careciam de precisão e adaptabilidade.
A ALYCE integrou o Ultralytics YOLO em soluções como o minUi e o OBSERVER, poupando 2 meses de tempo de desenvolvimento e reduzindo custos para uma mobilidade urbana mais inteligente.
As cidades movimentadas debatem-se frequentemente com congestionamentos de tráfego, sistemas de transporte desactualizados e desafios de sustentabilidade. A ALYCE concentra-se na resolução destes problemas, fornecendo ferramentas inteligentes baseadas em IA para compreender e melhorar a forma como as cidades se deslocam.
A ALYCE tem a missão de resolver este problema e construiu várias soluções inovadoras baseadas nos modelos YOLO da Ultralytics: minUi, uma ferramenta de IA para analisar o comportamento e OBSERVER, um sistema de monitorização do tráfego em tempo real. Estas ferramentas tornam a recolha de dados mais rápida e precisa, reduzem os custos e ajudam as cidades a criar sistemas de transporte mais inteligentes, mais ecológicos e mais eficientes.
Durante mais de 20 anos, a ALYCE tem ajudado as cidades a melhorar a mobilidade com um forte enfoque na sustentabilidade. As áreas urbanas enfrentam desafios persistentes como o congestionamento do tráfego, sistemas de transporte ineficientes e a necessidade urgente de descarbonização. Os métodos tradicionais de recolha e análise de dados de mobilidade são muitas vezes lentos e pouco precisos, dificultando o planeamento. A ALYCE adoptou a visão computacional e a IA para ultrapassar estes obstáculos, desenvolvendo soluções inovadoras e baseadas em dados para ajudar as cidades a otimizar os sistemas de transporte e a trabalhar para um futuro mais sustentável.
Globalmente, as cidades estão a ficar mais movimentadas e a gestão da mobilidade urbana tornou-se cada vez mais complexa. A deteção e análise de peões, veículos, bicicletas e outros utentes da estrada em áreas movimentadas como cruzamentos e rotundas é essencial para melhorar o fluxo de tráfego, a segurança e o planeamento dos transportes. No entanto, os métodos tradicionais, tais como levantamentos manuais ou sistemas de monitorização desactualizados, não conseguem frequentemente fornecer a precisão necessária para lidar com esta complexidade.
Os sistemas mais antigos têm dificuldade em distinguir entre os diferentes tipos de utentes da estrada ou em seguir os seus movimentos de forma eficaz. Por exemplo, monitorizar as trajectórias dos veículos ao lado dos peões e ciclistas em tempo real é algo que as ferramentas tradicionais não conseguem fazer de forma fiável. Dados incompletos ou imprecisos podem dificultar a tomada de decisões informadas por parte dos planeadores urbanos e dos operadores de transportes.
São necessárias ferramentas mais inteligentes para resolver estes problemas. Idealmente, uma solução abrangente deveria ser capaz de seguir simultaneamente vários utentes da estrada, fornecer informações em tempo real e ajudar as cidades a compreender melhor os padrões de tráfego.
Para fazer face aos desafios da mobilidade urbana, a ALYCE desenvolveu ferramentas avançadas alimentadas por IA e visão por computador. Estas ferramentas utilizam modelos Ultralytics YOLO para tarefas de visão por computador, como a deteção de objectos em tempo real. Especificamente, os modelos YOLO permitem o seguimento preciso e automatizado de peões, veículos, bicicletas e outros utentes da estrada. As informações recolhidas com o Ultralytics YOLO são fiáveis e acionáveis, mesmo em ambientes complexos como cruzamentos e rotundas movimentados.
As principais soluções da ALYCE incluem:
Ao integrar os modelos Ultralytics YOLO, essas ferramentas automatizam processos lentos e manuais e fornecem dados altamente precisos. Com os insights orientados pela Vision AI, a ALYCE equipa as cidades para reduzir o congestionamento, otimizar o fluxo de tráfego e criar redes de transporte urbano mais sustentáveis.
Os modelos YOLO da Ultralytics foram a escolha ideal para as soluções de mobilidade da ALYCE porque proporcionaram um elevado desempenho onde era mais importante. Melhoraram a exatidão com um aumento de 1-2% na precisão média (mAP) e asseguraram o processamento em tempo real com velocidades de inferência 20% mais rápidas do que outros modelos, operando consistentemente a 30 FPS. A sua eficiência também é inigualável, utilizando 40% menos RAM de GPU, o que os torna perfeitos para ambientes com recursos limitados.
Estas vantagens também permitiram à ALYCE poupar dois meses de tempo de desenvolvimento. Com o Ultralytics, as sessões de formação podem ser configuradas e iniciadas em apenas 5-10 minutos, em comparação com quase uma hora com as configurações tradicionais, permitindo iterações mais rápidas. No geral, ao usar os modelos YOLO do Ultralytics, a ALYCE conseguiu reduzir os custos enquanto se concentrava em refinar suas soluções orientadas por IA para criar sistemas de mobilidade mais inteligentes e eficientes.
A utilização dos modelos Ultralytics YOLO ajudou a ALYCE a levar as suas soluções de mobilidade para o nível seguinte. As suas ferramentas fornecem agora informações valiosas, como a análise do comportamento dos utentes da estrada, o que ajuda as cidades e os operadores de transportes a tomar melhores decisões.
Desde a integração da visão computacional, a ALYCE alcançou resultados comerciais mensuráveis, incluindo custos de produção reduzidos por meio da automação, métricas de desempenho aprimoradas e cronogramas de entrega mais curtos. Eles também foram capazes de gerar novos tipos de dados, como percepções comportamentais detalhadas, que aumentam sua capacidade de suportar soluções de mobilidade mais inteligentes.
Entretanto, os clientes ficaram impressionados com a qualidade e a exatidão das soluções da ALYCE, que cumprem os mais elevados padrões de dados verificados pela CEREMA. O CTO Benoit Berthe partilhou: "Na ALYCE, a utilização do Ultralytics tem sido um divisor de águas para a formação dos nossos modelos, permitindo-nos aumentar a precisão dos dados e fornecer uma qualidade inigualável aos nossos clientes e ajudá-los nos seus projectos de mobilidade sustentável".
Estas melhorias também conduziram a uma maior satisfação do cliente. Os clientes relatam melhores resultados e operações mais fáceis, quer utilizem as ferramentas da ALYCE por si só ou em conjunto com supervisão humana.
A ALYCE vê o futuro da visão computacional a avançar com modelos como o Ultralytics YOLO, juntamente com novas tecnologias como a Memória de Curto Prazo Longo (LSTMs) para modelos baseados em vídeo. Estas inovações irão aumentar o reconhecimento de objectos e melhorar a continuidade do rastreio, tornando as soluções de transporte ainda mais inteligentes e fiáveis. À medida que estas tecnologias evoluem, as cidades disporão de melhores ferramentas para gerir os desafios da mobilidade.
Interessado em como o Vision AI pode transformar sua cidade? Confira nosso repositório GitHub para explorar as soluções específicas do setor da Ultralytics, como visão computacional na agricultura e carros autônomos, e saiba mais sobre nossas licenças Ultralytics YOLO para começar hoje mesmo!
Os modelos YOLO da Ultralytics são arquitecturas de visão por computador desenvolvidas para analisar dados visuais de imagens e entradas de vídeo. Estes modelos podem ser treinados para tarefas que incluem a deteção de objectos, a classificação, a estimativa de pose, o seguimento e a segmentação de instâncias:
O Ultralytics YOLO11 é a versão mais recente dos nossos modelos de Visão Computacional. Tal como as versões anteriores, suporta todas as tarefas de visão computacional que a comunidade de IA de visão adorou no YOLOv8. O novo YOLO11, no entanto, vem com maior desempenho e precisão, tornando-o uma ferramenta poderosa e o aliado perfeito para os desafios da indústria do mundo real.
O modelo que optar por utilizar depende dos requisitos específicos do seu projeto. É fundamental ter em conta factores como o desempenho, a precisão e as necessidades de implementação. Eis uma breve descrição geral:
Os repositórios YOLO do Ultralytics, como o YOLOv5 e o YOLO11, são distribuídos sob a licença AGPL-3.0 por defeito. Esta licença aprovada pela OSI foi concebida para estudantes, investigadores e entusiastas, promovendo a colaboração aberta e exigindo que qualquer software que utilize componentes AGPL-3.0 seja também de fonte aberta. Embora assegure a transparência e promova a inovação, pode não se alinhar com casos de utilização comercial.
Se o seu projeto envolver a incorporação de software Ultralytics e modelos de IA em produtos ou serviços comerciais e pretender contornar os requisitos de código aberto da AGPL-3.0, uma Licença Empresarial é ideal.
Os benefíciosda Licença Empresarial incluem:
Para garantir uma integração perfeita e evitar as restrições da AGPL-3.0, solicite uma Licença Empresarial Ultralytics usando o formulário fornecido. A nossa equipa ajudá-lo-á a adaptar a licença às suas necessidades específicas.
.webp)
.webp)
.webp)
.webp)