A ALYCE estava procurando soluções de IA para analisar dados de mobilidade para lidar com o congestionamento do tráfego porque os métodos desatualizados 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.
Cidades movimentadas geralmente enfrentam congestionamento de tráfego, sistemas de transporte desatualizados e desafios de sustentabilidade. A ALYCE se concentra em resolver esses problemas, fornecendo ferramentas inteligentes orientadas por IA para entender e melhorar a forma como as cidades se movem.
A ALYCE tem a missão de resolver este problema e construiu várias soluções inovadoras baseadas nos modelosYOLO 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.
Há mais de 20 anos, a ALYCE tem ajudado as cidades a melhorar a mobilidade com um forte foco na sustentabilidade. As áreas urbanas enfrentam desafios persistentes, como congestionamento de tráfego, sistemas de transporte ineficientes e a necessidade urgente de descarbonização. Os métodos tradicionais de coleta e análise de dados de mobilidade são frequentemente lentos e carecem de precisão, dificultando o planejamento. A ALYCE adotou a visão computacional e a IA para superar esses obstáculos, desenvolvendo soluções inovadoras e orientadas por dados para ajudar as cidades a otimizar os sistemas de transporte e trabalhar em direção a um futuro mais sustentável.
Globalmente, as cidades estão ficando mais movimentadas e o gerenciamento da mobilidade urbana se tornou cada vez mais complexo. Detectar e analisar pedestres, veículos, bicicletas e outros usuários da estrada em áreas movimentadas, como cruzamentos e rotatórias, é essencial para melhorar o fluxo de tráfego, a segurança e o planejamento de transporte. No entanto, os métodos tradicionais, como pesquisas manuais ou sistemas de monitoramento desatualizados, geralmente não fornecem a precisão necessária para lidar com essa complexidade.
Os sistemas mais antigos têm dificuldade em distinguir entre os diferentes tipos de utentes da estrada ou em track 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 global deveria ser capaz de track vários utentes da estrada em simultâneo, 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 modelosYOLO 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 médiamAP) 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 modelosYOLO 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 de negócios mensuráveis, incluindo custos de produção reduzidos por meio da automação, métricas de desempenho aprimoradas e prazos de entrega mais curtos. Eles também foram capazes de gerar novos tipos de dados, como insights comportamentais detalhados, que aumentam sua capacidade de oferecer suporte a 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".
Essas melhorias também levaram a uma maior satisfação do cliente. Os clientes relatam melhores resultados e operações mais suaves, seja usando as ferramentas da ALYCE por conta própria ou em conjunto com a 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. Com a evolução destas tecnologias, 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 Ultralytics YOLO 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 instânciasYOLO
YOLO11 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 escolher usar depende dos requisitos específicos do seu projeto. É fundamental ter em conta fatores como desempenho, precisão e necessidades de implementação. Aqui está uma visão geral rápida:
Os repositóriosYOLO 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 do software Ultralytics e dos 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 benefícios da licença Enterprise incluem:
Para garantir uma integração perfeita e evitar as restrições 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)