ALYCE acelera a inferência de IA de tráfego em 20% com Ultralytics YOLO

Cidades movimentadas enfrentam frequentemente congestionamentos de tráfego, sistemas de transporte obsoletos e desafios de sustentabilidade. A ALYCE foca-se em resolver estas questões fornecendo ferramentas inteligentes baseadas em IA para compreender e melhorar a forma como as cidades se movem.

A ALYCE tem como missão resolver este problema e construiu várias soluções inovadoras alimentadas por Ultralytics YOLO models: minUi, uma ferramenta de IA para analisar o comportamento, e OBSERVER, um sistema de monitorização de tráfego em tempo real. Estas ferramentas tornam a recolha de dados mais rápida e precisa, reduzem custos e ajudam as cidades a criar sistemas de transporte mais inteligentes, ecológicos e eficientes.

Fig 1. O minUi utiliza modelos Ultralytics YOLO para análise de comportamento.

Usar Visão Computacional para Gestão de Tráfego#

Há mais de 20 anos que a ALYCE ajuda 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 urgência da descarbonização. Os métodos tradicionais de recolha e análise de dados de mobilidade são frequentemente lentos e carecem de precisão, dificultando o planeamento. A ALYCE adotou computer vision e IA para superar estes obstáculos, desenvolvendo soluções inovadoras baseadas em dados para ajudar as cidades a otimizar os sistemas de transporte e a caminhar rumo a um futuro mais sustentável.

Por que é que as cidades precisam de soluções de mobilidade mais inteligentes e baseadas em dados#

Globalmente, as cidades estão a ficar mais movimentadas e a gestão da mobilidade urbana tornou-se cada vez mais complexa. Detetar e analisar peões, veículos, bicicletas e outros utilizadores da estrada em áreas movimentadas como cruzamentos e rotundas é essencial para melhorar o fluxo de tráfego, a segurança e o planeamento de transportes. Contudo, os métodos tradicionais, como inquéritos manuais ou sistemas de monitorização obsoletos, falham frequentemente em fornecer a precisão necessária para lidar com esta complexidade.

Os sistemas mais antigos têm dificuldade em distinguir entre diferentes tipos de utilizadores da estrada ou rastrear os seus movimentos de forma eficaz. Por exemplo, monitorizar as trajetórias de veículos juntamente com peões e ciclistas em tempo real é algo que as ferramentas tradicionais não conseguem fazer de forma fiável. Dados incompletos ou imprecisos podem tornar mais difícil para os planeadores urbanos e operadores de transporte tomarem decisões informadas.

São necessárias ferramentas mais inteligentes para resolver estes problemas. Idealmente, uma solução abrangente deve ser capaz de track vários utentes da estrada em simultâneo, fornecer insights em tempo real e ajudar as cidades a compreender melhor os padrões de tráfego.

Soluções baseadas em IA da ALYCE para uma mobilidade mais inteligente#

Para responder aos desafios da mobilidade urbana, a ALYCE desenvolveu ferramentas avançadas alimentadas por IA e computer vision. Estas ferramentas utilizam modelos Ultralytics YOLO para computer vision tasks como real-time object detection. Especificamente, os modelos YOLO permitem o rastreio preciso e automatizado de peões, veículos, bicicletas e outros utentes da estrada. Os insights recolhidos através do Ultralytics YOLO são fiáveis e acionáveis, mesmo em ambientes complexos como cruzamentos movimentados e rotundas.

As principais soluções da ALYCE incluem:

• minUi: Uma ferramenta de IA para análise de vídeo que pode analisar o comportamento dos utilizadores da estrada e fornecer perceções para melhorar a segurança e a eficiência do tráfego.
• OBSERVER: Um sistema de monitorização de tráfego em tempo real que automatiza a deteção e o rastreio de utentes da estrada, apoiando a traffic management dinâmica e uma melhor tomada de decisões.
• MyGIS: Uma plataforma que visualiza dados de mobilidade, ajudando os planeadores urbanos a interpretar tendências e desenhar sistemas de transporte com maior impacto.

Ao integrar modelos Ultralytics YOLO, estas ferramentas automatizam processos manuais lentos e fornecem dados de elevada precisão. Com perceções orientadas por Visão por IA, a ALYCE equipa as cidades para reduzir o congestionamento, otimizar o fluxo de tráfego e criar redes de transporte urbano mais sustentáveis.

Por que escolher Ultralytics YOLO models?#

Os modelos Ultralytics YOLO foram a escolha ideal para as soluções de mobilidade da ALYCE porque proporcionaram alto desempenho onde mais importava. Melhoraram a precisão com um aumento de 1-2% na precisão média média (mAP) e garantiram processamento em tempo real com velocidades de inferência 20% mais rápidas do que outros modelos, operando consistentemente a 30 FPS. A sua eficiência é também inigualável, utilizando 40% menos RAM de GPU, tornando-os perfeitos para ambientes com recursos limitados.

Estes benefícios também pouparam à ALYCE dois meses de tempo de desenvolvimento. Com a Ultralytics, as sessões de treino podem ser configuradas e iniciadas em apenas 5-10 minutos, em comparação com quase uma hora com configurações tradicionais, permitindo iterações mais rápidas. No geral, ao utilizar modelos Ultralytics YOLO, a ALYCE conseguiu reduzir custos enquanto se concentrava em refinar as suas soluções baseadas em IA para criar sistemas de mobilidade mais inteligentes e eficientes.

Recolha de novas perceções comportamentais com o Ultralytics YOLO#

Utilizar modelos Ultralytics YOLO ajudou a ALYCE a levar as suas soluções de mobilidade para o próximo nível. As suas ferramentas agora fornecem perceções valiosas, como a análise do comportamento dos utilizadores da estrada, que ajuda as cidades e os operadores de transporte a tomar melhores decisões.

Desde que integrou a visão computacional, a ALYCE alcançou resultados de negócio mensuráveis, incluindo a redução de custos de produção através da automação, métricas de desempenho melhoradas e prazos de entrega mais curtos. Também conseguiram gerar novos tipos de dados, como perceções comportamentais detalhadas, que aumentam a sua capacidade de apoiar soluções de mobilidade mais inteligentes.

Fig 2. Usando visão computacional, a ALYCE conseguiu gerar novas perceções comportamentais.

Entretanto, os clientes ficaram impressionados com a qualidade e precisão das soluções da ALYCE, que cumprem os mais elevados padrões de dados verificados pelo CEREMA. O CTO Benoit Berthe partilhou: “Na ALYCE, alavancar a Ultralytics tem sido um divisor de águas para treinar os nossos modelos, permitindo-nos melhorar a precisão dos dados e entregar uma qualidade inigualável aos nossos clientes e ajudá-los nos seus projetos de mobilidade sustentável.”

Estas melhorias também levaram a uma maior satisfação do cliente. Os clientes relatam melhores resultados e operações mais fluidas, quer utilizem as ferramentas da ALYCE sozinhos ou juntamente com supervisão humana.

O futuro da visão computacional na mobilidade#

A ALYCE antevê o avanço do futuro da computer vision com modelos como o Ultralytics YOLO, a par de novas tecnologias como Long Short-Term Memory (LSTMs) para modelos baseados em vídeo. Estas inovações vão melhorar o reconhecimento de objetos e 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 saber como a Vision AI pode transformar a tua cidade? Consulta o nosso GitHub repository para explorar as soluções específicas da indústria da Ultralytics, tais como computer vision in agriculture e self-driving cars, e descobre mais sobre our Ultralytics YOLO licenses para começar hoje mesmo!