ALYCE 通过 Ultralytics YOLO 将交通 AI 推理速度提升了 20%

繁忙的城市往往面临着交通拥堵、陈旧的交通系统和可持续性挑战。ALYCE 致力于通过提供智能的 AI 驱动工具来理解并改善城市交通状况，从而解决这些问题。

ALYCE 的使命正是解决这些问题，并构建了多种由 Ultralytics YOLO models 驱动的创新解决方案：minUi（一种用于分析行为的 AI 工具）和 OBSERVER（一种实时交通监控系统）。这些工具使数据收集更快速、更准确，降低了成本，并帮助城市构建更智能、更环保、更高效的交通系统。

图 1. minUi 使用 Ultralytics YOLO 模型进行行为分析。

Link to this section利用 Vision AI 进行交通管理#

二十多年来，ALYCE 一直专注于可持续发展，帮助各城市提升交通出行水平。城市地区面临着交通拥堵、交通系统效率低下以及脱碳紧迫需求等长期挑战。传统收集和分析移动出行数据的方法往往速度缓慢且缺乏准确性，导致规划困难。ALYCE 拥抱了 computer vision 和 AI 来克服这些障碍，开发出创新的、数据驱动的解决方案，帮助城市优化交通系统，并朝着更可持续的未来迈进。

Link to this section为什么城市需要更智能、数据驱动的交通解决方案#

在全球范围内，城市变得越来越繁忙，管理城市交通变得日益复杂。在交叉路口和环岛等繁忙区域检测和分析行人、车辆、自行车和其他道路使用者，对于改善交通流量、安全和交通规划至关重要。然而，传统方法（如人工调查或陈旧的监控系统）往往无法提供处理这种复杂性所需的准确性。

老旧系统在区分不同类型的道路使用者或有效跟踪其移动方面表现吃力。例如，实时监控车辆与行人及骑行者的路径是传统工具无法可靠完成的任务。不完整或不准确的数据会增加城市规划者和交通运营商做出明智决策的难度。

解决这些问题需要更智能的工具。理想情况下，全面的解决方案应该能够同时 track 多个道路使用者，提供实时洞察，并帮助城市更好地理解交通模式。

Link to this sectionALYCE 用于实现更智能交通的 AI 驱动解决方案#

为应对城市交通挑战，ALYCE 开发了由 AI 和 computer vision 提供支持的高级工具。这些工具使用 Ultralytics YOLO 模型来执行 computer vision tasks，例如 real-time object detection。具体而言，YOLO 模型能够对行人、车辆、自行车和其他道路使用者进行准确的自动化跟踪。即便是像繁忙的交叉路口和环岛这样复杂的环境，使用 Ultralytics YOLO 收集的洞察也依然可靠且具有参考价值。

ALYCE 的核心解决方案包括：

• minUi：一种用于视频分析的 AI 工具，能够分析道路使用者的行为并提供洞察，从而提高交通安全和效率。
• OBSERVER：一种实时交通监控系统，可实现道路使用者检测和跟踪的自动化，支持动态 traffic management 并提升决策能力。
• MyGIS：一个用于可视化交通数据的平台，帮助城市规划者解读趋势并设计更具影响力的交通系统。

通过集成 Ultralytics YOLO 模型，这些工具实现了缓慢的人工流程自动化，并提供了高精度的数据。凭借 Vision AI 驱动的洞察，ALYCE 使城市能够减少拥堵、优化交通流量，并创建更可持续的城市交通网络。

Link to this section为何选择 Ultralytics YOLO 模型？#

Ultralytics YOLO 模型是 ALYCE 交通解决方案的理想选择，因为它们在关键领域提供了高性能。它们将平均精度均值 (mAP) 提升了 1–2%，并确保了实时处理，推理速度比其他模型快 20%，持续运行在 30 FPS。其效率同样无与伦比，GPU RAM 占用减少了 40%，非常适合资源受限的环境。

这些优势还为 ALYCE 节省了两个月的开发时间。与传统设置通常需要近一小时相比，使用 Ultralytics 可以在短短 5-10 分钟内完成训练任务的设置和启动，从而实现更快的迭代。总体而言，通过使用 Ultralytics YOLO 模型，ALYCE 在降低成本的同时，能够专注于完善其 AI 驱动的解决方案，以构建更智能、更高效的交通系统。

Link to this section利用 Ultralytics YOLO 收集新的行为洞察#

使用 Ultralytics YOLO 模型帮助 ALYCE 将其交通解决方案提升到了新高度。他们的工具现在可以提供宝贵的洞察，例如分析道路使用者行为，这有助于城市和交通运营商做出更好的决策。

自集成 computer vision 以来，ALYCE 取得了显著的业务成果，包括通过自动化降低了生产成本、提高了性能指标并缩短了交付周期。他们还能够生成新型数据，例如详细的行为洞察，这增强了他们支持更智能交通解决方案的能力。

图 2. 通过使用 computer vision，ALYCE 已经能够生成新的行为洞察。

与此同时，客户对 ALYCE 解决方案的质量和准确性印象深刻，这些解决方案符合由 CEREMA 验证的最高数据标准。CTO Benoit Berthe 表示：“在 ALYCE，利用 Ultralytics 对我们的模型训练产生了颠覆性的影响，使我们能够提高数据准确性，为客户提供无与伦比的质量，并协助他们进行可持续交通项目。”

这些改进还带来了更高的客户满意度。客户报告称结果更好、操作更顺畅，无论是独立使用 ALYCE 的工具还是结合人工监督使用。

Link to this section交通领域 computer vision 的未来#

ALYCE 看好 computer vision 在 Ultralytics YOLO 等模型以及诸如 Long Short-Term Memory (LSTMs) 等用于视频模型的全新技术的推动下不断进步的未来。这些创新将增强对象识别能力并改善跟踪连续性，使交通解决方案变得更加智能和可靠。随着这些技术的发展，城市将拥有更好的工具来管理交通挑战。

对 Vision AI 如何改变您的城市感兴趣吗？请访问我们的 GitHub repository 以探索 Ultralytics 的行业特定解决方案，例如 computer vision in agriculture 和 self-driving cars，并了解 our Ultralytics YOLO licenses 以立即开始使用！